京东造车战略 - 京东联合广汽集团、宁德时代推出国民好车，定位为生态整合者[1] - 通过机器学习模型（如DIN、MMoE）挖掘消费者偏好，精准定义车型配置与定价策略，优化购车流程[1] - 探索大模型（如LLaMA、GPT）在客服、风控等场景应用，提升后市场服务智能化水平[1] - 近半年京东汽车零售事业部发布大量算法工程师岗位，年薪可达123万元（35k-65k，19薪）[1] AI算法人才市场需求 - 大厂大力扩充AI岗位，吸收AI人才，算法岗薪资比往年提高40%[4] - 算法工程师培养计划承诺在校应届生就业薪资不低于29万元，在职人员最低薪资涨幅40%-50%[4][72] - 已有上千位学员通过培养计划拿到offer，平均薪资达到35万元以上，最高月薪85k[4][57] - 往期学员90%拿到国内外名企AI、算法岗位offer，最新一期最高月薪75k[57] AI算法工程师培养课程内容 - 课程由20位一线大厂顶级专家研发，涵盖传统机器学习到预训练模型演进（TF-IDF、SVM、TextCNN、LSTM、BERT、Qwen）[6][8] - 项目实战包括意图识别、RAG与大模型智能客服、信息抽取与图谱问答、Dify智能开发、多模态内容理解、ChatBI智能分析、PDF智能公式、Agent自动化工作流、领域LLM高效微调[12][13][18][23][27][32][37][46] - 学员掌握从数据采集、模型训练调优到部署落地的全流程实战能力，具备工业项目动手能力[12][17][22][26][31][36][39][45][54] 学员转型成果 - 王同学4年Java开发转型算法岗，年薪从25万元涨到42万元，涨幅68%[58] - 谢同学后端开发5年转型图像算法岗位，月薪48k，年薪72万元[60][61] - 刘同学应届生拿下百度大模型算法岗offer，年薪48万元[63] - 曹同学本科电子信息专业转型AI算法岗，综合年薪50万元[66] - 车同学被内推到腾讯NLP算法岗，薪资从13.5k跃升到27k*16薪，年薪翻近3倍[68][69]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2] 报告核心观点 - 中国光纤温度传感器行业正迎来重要的战略发展机遇期，技术不断创新，与物联网、大数据和云计算深度融合，应用前景广阔 [4] - 市场增长得益于国家政策对智能制造和新能源的支持，以及其高精度、抗电磁干扰等独特技术优势在传统工业升级和新兴应用中不可替代 [7][8] - 行业正向更高精度、智能化、系统集成化方向发展，并持续向新能源、医疗健康、深空探测等前沿领域拓展应用场景 [24][25] 市场背景 - 中国光纤温度传感器技术体系以光纤光栅、荧光及分布式为主，广泛应用于电力监测、火灾预警等领域 [4] - 传感器核心原理是利用光信号参数变化推算温度，主流类型包括荧光式、分布式和光纤光栅式，各有特点适用于不同场景 [5] - 市场自20世纪80年代起步，从解决传统传感器痛点逐步发展为成熟产品，技术向分布式监测、智能化、高精度和集成化演进 [6] 市场现状 - 市场驱动因素包括国家政策支持、技术独特优势以及新能源基建、智能电网改造和工业自动化带来的需求拉动 [7][8] - 市场供给由国际品牌与本土企业共同主导，企业加大研发投入推动产品向高性能、智能化发展，产业聚集于湖南、广东和江苏等地 [9] - 电力、石油天然气等传统工业是需求主力，同时需求正迅速向交通运输、土木工程、医疗健康等新兴领域渗透 [10] 市场竞争 - 十大品牌评选核心指标包括市场份额、产品种类覆盖度和产品精度 [11] - 海外头部厂商遍布加拿大、美国、英国、日本和德国，中国厂商类型多元，技术路线以分布式和光纤光栅温度传感器为主 [12] - 报告列举了十大本土品牌，包括苏州光格科技、武汉理工光科等，并简要介绍了其技术专长和应用领域 [13][14][15][16][17][18][19][20][21][22][23] 发展趋势 - 智能化集成与性能突破：人工智能与机器学习算法用于数据处理和智能预警，边缘计算提升响应速度；飞秒激光直写等技术实现传感器微型化，新材料提升极端环境稳定性 [24] - 应用领域持续拓展：从工业监测渗透至新能源（如风机叶片监测、锂电池仓库监控）、医疗健康（如微创手术温控）、基础设施（如高铁轨道监测）及深空探测、国防军工等前沿领域 [25]

公司概况 - MAI是一家为企业提供全自动营销AI Agent的平台，服务涵盖广告管理、实时动态调优、问题侦测等功能[4] - 公司联合创始人兼CEO吴雨辰拥有近15年广告平台与电商引擎构建经验，曾任职于谷歌和Instacart[7][8] - 公司近期完成2500万美元种子轮融资，由凯鹏华盈领投，高榕创投、UpHonest Capital等机构跟投[12] 市场背景 - MarTech全球市场规模在2023年已达1310亿美元，预计年复合增长率达13.3%，五年内规模几乎翻倍[15] - 目前市场存在空白区：大型企业有专属解决方案但成本高昂，标准化工具难以实现全流程自主优化[17][18] 产品技术 - MAI的AI Agent将传统需要数天甚至数周的广告优化流程压缩至小时量级[22] - 平台提供谷歌广告自动化管理、实时动态调优、个性化业务适配、问题即时侦测、高效规模扩展五大服务[25] - 产品差异化优势在于切入自主营销AI Agent的空白区，构建完整的营销数据飞轮持续优化效果[27][29] 业务成果 - MAI Agent每月管理数百万美元谷歌广告支出，部分客户销售额提升40%[32] - 北美品牌电商NutritionFaktory基于MAI实现4倍以上广告回报率基础上获得3倍营收提升[33] - 公司已与Dreo、DrWoof、PatPat、Velotric等知名品牌达成合作[31] 目标客群 - 公司理想用户画像是中小企业，目前更聚焦在DTC商户群体[40] - AI时代使根据企业业务自定义大数据和机器学习系统成为可能，重定义了软件开发流程[40]

财务数据和关键指标变化 - 第三季度收入增长14%，高于上半年的8% [6] - 第三季度EBITDA增长26%，达到超过6亿美元，营业利润增长29% [6] - 第三季度每股收益为0.95美元，增长34% [10] - 自由现金流表现优异，达4.23亿美元，资本支出为1.08亿美元 [6][11] - 净债务与EBITDA比率改善至创纪录的1.1倍 [6][12] - 截至9月，年内已部署约7.7亿美元现金用于股票回购、债务偿还和股息 [12] - 第三季度回购2亿美元普通股，10月进一步回购1亿美元，年内至今回购总额达6亿美元 [6][12][13] - 8月季度股息增加20%至每股0.12美元，较去年同期高出50% [7][13] 各条业务线数据和关键指标变化 - 发动机产品部门收入增长17%至11亿美元，EBITDA增长20%至3.68亿美元，利润率提升80个基点至33.3% [13][14] - 紧固系统部门收入增长14%至4.48亿美元，EBITDA增长35%至1.38亿美元，利润率提升480个基点至30.8% [14][15] - 工程结构部门收入增长14%至2.89亿美元，EBITDA增长53%至5800万美元，利润率提升510个基点至20.1% [15][16] - 锻造车轮部门收入基本持平，EBITDA增长14%至7300万美元，利润率提升350个基点至29.6% [16] 各个市场数据和关键指标变化 - 商业航空航天市场收入增长15%，超过11亿美元，其中零部件销售增长38% [6][9] - 国防航空航天市场收入增长24%，发动机零部件增长33% [9] - 商业运输市场收入下降3%，车轮销量下降16% [9] - 工业及其他市场收入增长18%，其中石油和天然气增长33%，工业燃气轮机增长23% [9] - 商业航空、国防航空、工业燃气轮机和石油和天然气的零部件组合增长31% [10] 公司战略和发展方向和行业竞争 - 公司继续投资增长，约70%的资本支出用于发动机业务，以支持商业航空航天和工业燃气轮机的增长 [11] - 正在建设新的密歇根航空发动机核心和铸造厂，预计2026年初投产 [19] - 数据中心的建设推动了对中型涡轮机（高达45兆瓦）的需求，公司正在扩大在该领域的能力 [18][35][36] - 公司计划在2026年3月举办投资者技术日，展示其制造工厂的自动化和人工智能应用 [67][68] 管理层对经营环境和未来前景的评论 - 航空旅行持续增长，商用飞机积压订单量巨大，现有飞机机队老化，这为原始设备需求和售后市场零部件需求提供了健康基础 [17] - 国防销售保持强劲，F-35原始设备销售稳定，F-15和F-16等传统战斗机有所增加，国防备件销售也在增长 [17] - 石油和天然气需求稳定，工业燃气轮机增长极为强劲 [18] - 商业卡车销量继续挣扎，主要是由于运费率低和8级卡车价格大幅上涨 [19] - 关税变化继续带来不确定性，但净影响较小，约为±500万美元 [19][62] - 2025年全年指引为：收入81.5亿美元±1000万美元，EBITDA 23.75亿美元±500万美元，每股收益3.67美元±0.01美元，自由现金流13亿美元±2500万美元 [21] - 2026年收入展望约为90亿美元，同比增长约10% [20] 其他重要信息 - 标准普尔在第三季度将公司评级从BBB上调至BBB+，这是投资级中的第三个等级 [12] - 公司流动性强劲，拥有6.6亿美元的健康现金余额，10亿美元未提取的循环信贷额度和10亿美元的商业票据计划 [12] - 截至10月底，董事会剩余的股票回购授权约为16亿美元 [13] - 首席财务官Ken Giacobbe即将退休，公司对其多年来的服务表示感谢 [21][25] 问答环节所有的提问和回答 问题: 关于数据中心建设、工业燃气轮机竞争格局、技术差异化和预期回报的提问 [28] - 数据中心的建设导致对电力需求激增，公用事业电网难以应对，新政府更强调化石燃料和天然气 [31][32] - 需求前景强劲，但 backlog 能见度不如商业航空航天市场清晰 [33] - 公司正在增加投资，预计2026年和2027年的资本支出将保持高位，同时目标是将90%的净收入转化为自由现金流 [34] - 增长来自大型工业燃气轮机和中型涡轮机，后者反应快速，能确保数据中心电力供应不中断 [35] - 技术演进与航空航天类似，涡轮叶片从实心向带内冷通道的空心叶片发展，以承受更高温度，这增加了产品价值和含量 [36][37] - 公司正在美国、欧洲和日本扩张产能，以满足三菱重工、西门子、GE和安萨尔多等客户的需求 [38][39] 问题: 关于2026年终端市场隐含增长和增量利润率的提问 [44] - 公司暂不提供2026年利润率指引，留待2026年2月的财报电话会议 [45] - 2026年终端市场展望：商业航空航天将比2025年更强劲，窄体机和宽体机生产率都将提高；国防航空航天在2025年增长20%的基础上，预计2026年实现中个位数增长；工业领域（包含燃气轮机、石油和天然气和通用工业）增长预计接近两位数 [46][47] - 对737、A320、787和A350等机型生产率的假设提供了方向性指引 [48] 问题: 关于商业航空领域去库存趋势、售后市场趋势以及工业燃气轮机产能上线时间对指引敏感性的提问 [56] - 工业燃气轮机方面，2025年受益于大型陆地涡轮机和小型涡轮机产量的小幅增长以及备件需求强劲；2026年预计原始设备需求将比2025年更强劲，备件需求依然强劲 [57][58] - 商业航空方面，去库存基本在本季度结束，钛材领域可能还有少量库存；2026年发动机备件需求将非常强劲，特别是CFM56、V2500和GTF发动机 [59][60] 问题: 关于关税和原材料价格传导风险的现状和展望的提问 [61] - 公司通过现有合同或新协议，在向客户传导成本方面处于稳固地位 [62] - 关税的净影响预计全年低于500万美元，预计2026年将不再是问题 [62] 问题: 关于公司未来几年发展方向的提问 [65] - 公司过去几年在增长的同时提升了利润率，未来增长可能是价值等式中更重要的因素，但利润率仍会改善 [66] - 公司专注于通过自动化、人工智能和机器学习以及构建"数字线程"来进一步提升制造能力，这有望提高良率、改进设计公差并增加产品含量 [67][68][69] 问题: 关于增量利润率驱动因素以及2026年能否维持在高位的提问 [73] - 增量利润率是销量杠杆、自动化收益、良率收益、产品含量收益和价格等多种因素的综合结果 [74] - 劳动力的大量投入是目前主要的负面因素，但预计随着收入规模扩大，其拖累会减轻；2026年可能仍需净增更多员工 [75] - 产品平均含量将在2026年继续提升，例如LEAP-1B和GTF Advantage项目 [77] - 公司对2026年增量利润率保持在高位抱有信心，但具体数字留待2026年2月公布 [78] 问题: 关于2026年及以后资本支出水平以及资本支出组合是否向工业燃气轮机倾斜的提问 [82] - 资本支出在2026年和2027年将保持高位，绝对金额上大部分仍将投向航空航天，但工业燃气轮机（包括大型和中型涡轮机）的投资占比可能会比2025年更高 [83] - 工业燃气轮机业务的经济效益与航空航天业务相似，无论是绝对值还是增量利润率 [83] - 只要有明确的客户需求和良好的经济回报，公司乐于部署更多资本 [85] 问题: 关于强劲的增量利润率是否部分由航空航天备件需求驱动以及这是否会正常化的提问 [91] - 备件业务不存在短期"超额收益"的情况，公司预计备件业务在未来五年内每年都会增长，至少到本十年末之前没有看到备件需求下降的情况 [93]

财务数据和关键指标变化 - 第三季度收入同比增长9%，创下纪录 [6] - 订阅收入增长6% [6] - 调整后每股收益增长22% [6] - 过去12个月利润率扩大180个基点 [6] - 自上次财报会议以来，通过股息和回购向股东返还近15亿美元 [6] - 预计第四季度将启动额外的25亿美元股票回购 [6] - 企业调整后利润率范围为50%-50.5% [38] - 调整后稀释每股收益指导范围为17.60美元至17.85美元，同比增长12%-14% [40] - 市场情报部门有机收入增长8%，为六个季度以来最强 [29] - 评级部门收入增长12%，交易收入和非交易收入均增长12% [31] - 商品洞察部门收入增长6% [32] - 移动出行部门收入增长8% [36] - 标普道琼斯指数部门收入增长11% [37] 各条业务线数据和关键指标变化 - 市场情报部门数据、分析和洞察业务收入增长5%，有机增长6% [29] - 市场情报部门企业解决方案业务报告收入增长9%，有机增长加速至13% [29] - 市场情报部门信贷和风险解决方案业务报告和有机基础上均增长6% [29] - 评级部门交易收入增长12%，受高收益和银行贷款发行的强劲表现推动 [31] - 评级部门非交易收入增长12%，主要由更高的年度费用收入驱动 [31] - 商品洞察部门能源和资源数据与洞察增长11%，价格评估增长7% [32] - 商品洞察部门咨询和交易服务收入增长4% [32] - 商品洞察部门上游数据与洞察收入同比下降2% [32] - 移动出行部门经销商收入增长10%，制造业收入下降3%，金融及其他收入增长12% [36] - 标普道琼斯指数部门与资产相关的费用收入增长14%，交易所交易衍生品收入增长1%，数据和定制订阅增长10% [37] 各个市场数据和关键指标变化 - 第三季度债券发行量同比增长13%，高收益和结构化金融表现尤为强劲 [10] - 股票市场表现良好，股价和资金流入共同推动指数业务强劲增长 [10] - 高收益债券的第四季度到期墙比去年同期高出6% [11] - 投资级债券的第四季度到期墙比去年同期略低，但一年远期到期墙仍较高 [11] - 预计第四季度债券发行量增长中高十位数范围 [12] - 私人市场收入增长加速至22%，达到1.64亿美元 [27] - 能源转型和可持续发展收入增长6%，达到9600万美元 [27] 公司战略和发展方向和行业竞争 - 公司宣布计划收购With Intelligence，预计将于2026年初完成 [13] - 与剑桥 Associates 和 Mercer 建立合作伙伴关系，提供私人市场绩效分析 [16] - 与 Centrifuge 合作，将标普500指数上链 [16] - 完成对ARC Research的收购，增强财富管理领域能力 [17] - 宣布剥离企业元数据管理和thinkFolio业务，优化投资组合 [8] - 在人工智能领域持续创新，自2018年收购Kensho以来已投资超过10亿美元 [20] - 推出AI驱动的文档搜索、文档智能2.0等新功能 [14][15] - 与微软、Anthropic、谷歌、Salesforce、IBM等公司合作，扩大数据分发渠道 [16] - 市场情报部门赢得一家大型投资银行采用Capital IQ Pro作为其主要桌面解决方案 [18] - 与一家大型全球资产管理公司扩大合作，合同总价值增长超过三倍 [19] 管理层对经营环境和未来前景的评论 - 管理层对第三季度的业绩非常满意，认为是公司有史以来最强劲的季度 [6] - 对评级和指数业务的两位数收入增长表示赞赏，凸显了全球特许经营权的价值 [7] - 市场情报部门的收入加速增长得益于生产力和执行的改善 [7] - 预计第四季度债券发行量将保持强劲，但并购量仍将低于历史平均水平 [31] - 商品洞察业务面临制裁带来的逆风，预计2025年影响约为600万美元，2026年约为2000万美元 [35] - 移动出行部门的剥离仍在按计划进行 [37] - 对人工智能创新推动未来增长和利润率扩张充满信心 [22] - 整体前景假设美国股市从9月30日起持平 [12][38] 其他重要信息 - 公司实现了合并收入协同目标，季度运行率达到2.55亿美元 [28] - 活力指数达到或超过10%的目标 [28] - 公司超过95%的收入来自专有来源，难以被复制 [26] - 宣布了几项领导层变动，包括Dan Draper、Swamy Kocherlakota的离职和Mark Eramo的退休 [9] - Dave Ernsberger将担任商品洞察部门的唯一总裁，Catherine Clay将担任标普道琼斯指数的新任CEO [9] - 投资者日将在几周后举行，将展示更多创新和长期愿景 [8][23] 问答环节所有的提问和回答 问题: 市场情报部门有机增长8%非常突出，能否详细说明成功因素？是市场环境改善、定价提升还是新产品引入的成功？ [46] - 回答：增长是市场情报领导团队全年强劲执行的延续，包括收入转型、销售团队协同、激励措施简化以及产品创新 [48][49] 赢得竞争性交易，例如一家大型投资银行选择Capital IQ Pro作为其主要桌面解决方案 [50] 对Kensho的早期投资使得人工智能创新在经济上非常高效 [50][51] 市场情报部门的年度合同价值（ACV）有机增长在6.5%-7%范围内，管道健康，销售额同比增长约10% [53] 问题: 如何描述评级发行量的正常化情况以及未来几年评级业务的增长前景？ [57] - 回答：今年的增长超出预期，高收益和银行贷款发行强劲 [59] 预计第四季度发行量增长中高十位数，与第三季度相似，由机会性发行和部分2026年再融资活动提前推动 [59] 非交易收入也表现强劲，评级评估服务（RES）收入创纪录，初始发行人信用评级（ICR）增长超过20% [63] 截至2028年的到期墙依然强劲，对评级业务前景感到兴奋 [60] 问题: 人工智能在未来帮助市场情报部门扩大利润率方面将扮演多大角色？ [67] - 回答：人工智能将通过增长和生产力两方面带来好处 [69] 在增长方面，通过现有产品增强功能、附加产品（如iLEVEL的自动数据导入）以及与新分销渠道的合作进行货币化 [70] 在生产力方面，通过整合数据运营、使用人工智能工具创建研究报告初稿等方式，已经节省了数百万美元 [72][73] 人工智能有助于加速顶线增长同时扩大利润率 [74] 问题: 私人市场增长显著加速，结合与剑桥 Associates、Mercer的合作以及即将收购With Intelligence，如何看待私人市场数据集的整体定位？ [77] - 回答：强劲增长主要由评级部门内私人债务发行和中间市场的强劲表现驱动 [79] 与剑桥 Associates 和 Mercer 的合作填补了市场空白，创建了用于基准测试的通用分类系统 [80] With Intelligence 提供了独特的数据，加速了在交易来源、配置和绩效基准测试方面的计划 [80] 所有这些举措为扩大私人市场收入提供了巨大机会 [81] 问题: EDM和ThinkFolio剥离的规模大小？结合With Intelligence的收购，如何看待之前对市场情报部门的中期增长指导（7%-9%）？ [83] - 回答：EDM和ThinkFolio对合并财务报表不重要，收入相对较小 [84] 剥离将对市场情报部门的有机收入增长和利润率略有增值 [84] 对于2026年的指导，将在投资者日保持透明，说明剥离和收购的影响 [84] With Intelligence的收购是加速市场情报部门未来增长的另一个工具 [84] 问题: 关于市场情报业务中非专有部分（约12%）的防御性，在人工智能可能改变工作流程的背景下，如何评估？ [88] - 回答：市场情报业务由多个高度专有的产品线组成：信贷和风险解决方案（完全专有）、企业解决方案（嵌入式工作流工具）、数据分析和洞察（约一半是专有和深度策划的数据） [89][90] 约12%的市场情报收入（占公司总收入不到5%）来自未显著增强的公开数据 [91] 公司通过每年增加更多专有数据和深化工作流集成来持续增强业务，使其具有防御性且难以复制 [92][93] 问题: 调整后运营利润率非常强劲，尤其评级和市场情报部门，其中是否有一次性项目？这种利润率扩张是否可持续？ [96] - 回答：这是一个特别强劲的利润率扩张季度，部分原因是去年同期的激励性薪酬调整带来了约3%的费用顺风 [97] 即使考虑这一点，公司对收入增长大幅超过费用增长充满信心 [97] 过去12个月的数据更能指示整体表现 [97] 问题: 公司多年来与客户签订企业级合同（而非按席位计价），这如何构成在人工智能可能取代白领工人背景下的竞争护城河？ [100] - 回答：企业订阅模式的性质保护公司免受各种波动的影响 [101] 重点是通过提高产品质量和可用性（包括人工智能和代理工作流）为客户创造价值，提高客户参与度 [101] 目标是帮助客户尽可能高效，从而增加公司价值 [102] 问题: 请比较With Intelligence和BlackRock Preqin在私人市场数据覆盖方面的异同 [104] - 回答：With Intelligence已从对冲基金数据发展成为真正的多资产类别平台，覆盖私人股权、私人信贷、基础设施和家族办公室等快速增长领域 [105] 数据质量非常出色，覆盖30,000名管理人和30,000名投资者 [105] 结合公司现有的市场情报数据和剑桥 Mercer 合作伙伴关系，形成了极具吸引力的产品 [106] 有信心在收购后加速With Intelligence的增长 [106] 问题: 市场情报部门ACV增长6.5%-7%，这是否是潜在订阅增长的良好指标？之前7%-9%的长期目标是否仍然有效？ [108] - 回答：ACV增长是有机收入增长的重要代理指标，并且几个季度以来持续上升 [109] 随着销售额每年增加，预计ACV将继续增长和加速 [110] 关于2026年或多年度目标的细节将在投资者日讨论 [110] 对市场情报部门从稳定到加速的增长轨迹感到自豪和自信 [111] 问题: 完成市场情报部门投资组合优化和移动出行部门分拆后，是否会专注于其他部门进行类似的投资组合调整？另外，市场情报部门的增长是源于市场改善还是自身执行？ [114] - 回答：市场情报部门的投资组合优化已基本完成，未来可能进行战术性剥离，但不会达到移动出行部门分拆的规模 [116] 市场情报部门的增长更多归因于公司执行，例如Capital IQ Pro桌面的表现优于整体市场，以及专注于通过整合为客户创造价值 [117] 问题: 在通过Microsoft Copilot分发数据方面有何进展？是否看到数据使用量增加？何时能体现在收入中？ [120] - 回答：商品洞察数据在Copilot中的可用性引起了客户兴趣，并已作为现有订阅的附加服务货币化 [122] 正与微软合作添加更多数据集（如市场情报数据） [122] 这些合作伙伴关系被视为新的客户获取渠道 [123] 公司非常注重知识产权保护，并非所有数据都通过这些渠道提供 [124] 目前收入模式基于客户需要拥有公司许可证，未来可能会探索其他货币化方式 [138] 问题: 收入对IPO数量的敏感度如何？政府停摆是否可能影响第四季度？ [126] - 回答：对IPO数量的收入敏感度主要在市场情报部门的一些按使用量计费的产品中 [127] 更广泛地说，更多的IPO活动会带来更多的债务和股权发行，对整个特许经营权有利 [128] 问题: 历史上定价增长在3%-4%范围内，随着加入AI功能，未来定价增长趋势如何？ [132] - 回答：定价对话将基于为客户创造的价值 [132] 积极的产品反馈可能体现在客户保留、新销售或实际价格上涨上 [132] 当前重点是推出新产品并监控其使用情况，以确保客户获得价值，这将随着时间的推移带来回报 [134] 此外，通过生成式AI推出全新产品（如代理）也是创造商业价值的方式 [135] 问题: 当前和未来数据合作伙伴关系的增量利润率状况如何？新客户是否仍需要S&P订阅，还是探索如按使用量付费等新收入模式？ [137] - 回答：目前所有合作都基于客户需要拥有公司许可证 [138] 未来可能会考虑其他货币化方式，但这取决于合作伙伴的发展阶段 [138] 现有的许可和权限设置既是防御机制，也是监控使用情况的方式，更多使用会带来更多价值，对财务结果产生积极影响 [139]

海外量化动态：美国市场趋势与事件 - 美国私募量化在2025年中出现回撤，主要源于“垃圾股”反弹冲击量化组合空头部分，以及高频做市机构与量化alpha管理人策略重合度提高[1] - 高频交易机构为规避激烈竞争和利润压缩，正从纯速度竞争转向短周期alpha预测，使其策略领域接近传统量化alpha管理人[1] - 传统量化alpha策略起源于20世纪80年代，持有周期相对更长、敞口暴露更大，与高频交易资金形成区别[2] - 高频交易与量化Alpha策略的融合始于疫情后，市场波动短期提升使高频策略收益突出，资金量大幅增长，但策略容量有限促使资金寻求分散，转向传统量化交易[2] - Jane Street因愿意承担更长时间的多头暴露获得更多收益，引发其他机构模仿，同时传统Alpha管理人也开始涉足高频交易领域以拓宽收益来源[2] - 高频机构降频（预测周期拉长至日度）与传统alpha机构升频（信号频率提高至小时级）形成向中间靠拢的趋势，目前高频机构降频效果更好[3] - 2025年上半年Citadel收益2.5%，显著低于小型多基金经理制机构如Balyasny、ExodusPoint等7%以上的收益，Millennium也面临类似情况，部分原因在于关税等事件频繁变化导致策略回撤提高[4] - Citadel、Point 72更偏基本面、集中度更高的组合在2025年表现优于其旗舰策略[4] - 印度证券监管机构于7月对Jane Street提出指控，暂停其交易资格并拟处罚其收益所得，指控涉及Jane Street在指数期权到期日使用资金影响期货和现货市场价格走势，Jane Street已提出上诉[5] 海外量化观点：方法论与应用 - 机器学习在宏观量化投资中的应用具有潜力，尤其在利用全球资产截面数据强化时序回归模型、将复杂宏观数据转为alpha信号、以及使用排序模型替代预测模型这三个方向[7][10][11] - 贝莱德在宏观量化研究中应用机器学习方法，例如在久期方向预测中，其模型在疫情后高通胀期提高了通胀变量权重，从而获得更好预测表现[7] - 机器学习方法可将另类数据集通过大语言模型或高维方法与上市公司关联，形成“知识图谱”以生成更完整投资信号，并更容易确定行业高频数据与投资组合的映射关系[10] - 贝莱德使用排序学习方法对不同国家债券基于GDP、CPI进行排序的策略，其组合表现优于单变量排序及线性回归模型[11][14] - AQR研究指出主观收益预测存在偏差，表现为牛市后主观预期更乐观而客观预期更低，金融危机时客观预期上升而主观预期悲观，偏差源于过度外推和反映不足[15] - 价值策略长期表现更好源于过度外推，低估值资产表现常超预期，高估值资产常低于预期，主观收益预期偏差在个人投资者和机构投资者中存在差异，个人投资者更易过度乐观和短视[16] - Invesco全球量化调查覆盖超130家机构，合计管理规模超22万亿美元，显示量化投资趋势包括多资产组合管理中量化使用率提升、因子调整灵活度提高、以及AI使用率提高[19][22][23] - 2024年认为AI未来十年将比传统投资更重要的管理人比例从2023年的13%提升至34%，亚太投资者最为积极，欧洲投资者最为保守[24] 主要量化产品与因子表现跟踪 - 因子轮动类产品中，贝莱德的因子轮动ETF在2025年进一步跑赢对应指数，而景顺的动态多因子ETF在1-4月因低波因子暴露跑赢指数，但后续表现偏弱[30][33] - 贝莱德因子轮动ETF因子选择偏向中性，低波因子、质量因子处于中间位置，成长、价值、动量略有暴露，大市值观点维持不变[33] - 景顺经济周期模型继续提示衰退，因子配置无变化，低波暴露最高，质量、动量继续高配，其国际版本产品8月5日成立至9月30日收益约7%，跑赢基准约1.2%[36][38] - 综合量化产品中，贝莱德Advantage系列和富达指数增强系列为代表，贝莱德产品2025年表现更好，尤其6月以来每月跑赢指数，富达产品也能战胜基准[40] - 机器学习选股产品中，QRFT表现优于AIEQ，AIEQ跑输标普500近3%，而QRFT跑赢近3%[43] - 桥水全天候ETF于2025年3月成立，4月受关税事件影响回撤后快速修复，至10月24日累计收益超15%，规模突破6亿美元，三季度持仓变化不大，债券仓位因波动率变化小幅上升[44][46][47] - 2025年因子表现跟踪显示，2-4月低波因子持续强势，成长、动量回撤明显，但5月以来因子表现回归，成长、动量重回强势，低波、价值类因子表现偏弱[48]

生命表编制数据与方法创新 - 编表数据首次实现人身保险业全覆盖，将所有公司一年期以上含身故或生存责任的寿险、年金和健康险个人保单纳入统计[1] - 数据处理时间较第三套生命表缩短40%，运用人工智能等技术将人工补录赔案件数控制在总量5%以内，较第三套生命表减少30%[1] - 通过K值调整法、状态转移模型法等多种技术修复死亡状态缺失保单的死亡率，保留样本并提升数据利用率[1] 死亡率趋势与高龄外推优化 - 首次基于保险业既往多年死亡率经验数据设定趋势因子，改变以往依赖人口数据的做法[2] - 采用两步法全新优化高龄外推，使各风险分类表在高龄段趋近于反映保险人群自然规律的单一生命体表[2] - 以定量指标确定最优外推模型并科学选择起始年龄，减少主观操作，确保客观性[2] 多维度分析与后续工作 - 深入开展了年龄、性别、渠道、保额、地区、城市线等多维度的死亡率经验分析[2] - 针对产品风险分类、高年龄外推、少儿段死亡率等展开专项分析，并与既往生命表及国内外数据进行比较[2] - 下一步将开展宣传培训，编写完成编制报告和国民人口老龄化应对教育读本，为行业和公众提供参考[3]

技术突破核心 - 开发了一种基于循环游离DNA（cfDNA）的非侵入性检测模型，通过整合多组学特征和机器学习，为胰腺癌早期筛查提供新方案[1] - 模型整合了cfDNA的拷贝数变异、片段长度分布和片段链偏向性等多组学特征[1] - 研究成果发表于国际期刊《癌症发现》[1] 临床需求与现状 - 胰腺癌患者5年生存率仅为11%，大多数患者确诊时已处于晚期[1] - 现有检查手段如磁共振成像、内镜超声因成本高昂且具有侵入性，难以适用于大规模筛查[1] - 常用肿瘤标志物CA19-9在早期诊断中的特异度和敏感度有限，无法满足临床需求[1] 模型性能验证 - 在包含467例样本的训练队列和352例样本的验证队列中，模型展现出优异的筛查性能，显著优于CA19-9[1] - 在1926名糖尿病和肥胖人群的前瞻性队列中，模型成功检出6例胰腺癌患者，检出率达75%，所有检出病例均为早期（0期、Ⅰ期或Ⅱ期）[2] - 与CA19-9仅检出1例相比，该模型能提前45—298天（中位227.5天）发现病变[2] 临床转化潜力 - 模拟分析显示，若将该模型应用于临床筛查，胰腺癌患者在Ⅰ期确诊率可从6.22%提升到85.58%[2] - 在所有患者都于早期被筛选出来进行有效治疗的理想情况下，5年生存率可从原来的7.59%提升至33.34%，绝对生存率改善达25.75%[2] - 对10万假设人群的蒙特卡洛模拟显示，相较于CA19-9，该模型可额外检出20例患者，敏感性提升8.22%，且阳性预测值和准确率均显著更优[2]

活动核心主题 - 量化投研正以前所未有的速度重塑资产管理行业，成为在市场噪音中发现规律、高效捕捉投资机遇并进行风险管理的关键力量 [1] - 活动旨在深度洞察全球宏观格局动态与趋势，探讨国际实践经验对中国本土市场的借鉴意义，以及机器学习等智能技术在量化投研中的前沿应用 [1] 活动议程 - 宏观量化情景分析 [1] - 风险预算在中国市场的应用 [1] - 彭博组合管理和因子模型方案 [1] - 圆桌论坛：海外成熟市场经验赋能中国量化策略指数市场发展 [1] - 驾驭因子轮动：基于宏观驱动的机器学习策略 [1] - 交流互动环节 [1] 主讲嘉宾构成 - 嘉宾来自中信证券和彭博，涵盖股权衍生品、量化研究解决方案、固定收益投组风险与分析、企业产品销售等领域 [2] - 专家团队包括商品及权益投组与分析研究专家 [3] - 彭博全球及中国区的股票量化策略师、商品和股权衍生品市场专家、组合管理及因子模型产品顾问等也将参与 [6]

项目概况 - 谷歌于2009年创建博士奖学金计划，旨在表彰和支持在计算机科学及相关领域进行杰出研究的优秀研究生，培养下一代科学家 [5] - 2025年度共有来自全球35个国家和地区的255名博士生获奖，涵盖12个研究领域 [5] - 谷歌将为获奖者提供超过1000万美元的资金、来自谷歌导师的专门支持以及与广泛研究社区的联系 [5] 算法与优化领域华人研究者 - 该方向共有14位博士生获奖，其中两位是华人 [7] - Tony Eight Lin是台北医学大学的博士生，活跃于药物发现与分子模拟领域，其研究结合了机器学习、化学筛选和分子对接 [8][10] - Yonggang Jiang是德国马克斯・普朗克研究所的博士生，研究重点是图算法，旨在理解其在并行和分布式计算等环境下的理论极限 [14] 计算机体系架构领域华人研究者 - 该方向共有两位博士生获奖，其中有一位是华人 [16] - 潘哲雯（Zhewen Pan）是美国威斯康星大学麦迪逊分校电气与计算机工程系的博士研究生，曾获得EECS 2025新星奖、ISCA'25最佳论文荣誉提名等奖项 [18] 人机交互领域华人研究者 - 该方向共有14位博士生获奖，其中共有两位华人 [20] - Qiwei Li是密歇根大学信息学院博士生，是一名批判性技术学者，关注性别、计算与人工智能相关的社会议题，研究方向包括非自愿亲密影像和生成式AI「deepfake」内容等 [23] - Yichuan Zhang是东京大学的博士生，本科毕业于北京林业大学，曾发表以「时间序列预测中的人机协作」为主题的演讲 [26] 机器学习与ML基础领域华人研究者 - 该方向获奖人数达到38人，其中有10位是华人 [28] - 蔡澄奕（Chengyi CAI）是墨尔本大学可信机器学习与推理组的三年级博士生，研究兴趣主要集中在分布偏移下的学习与推理 [31] - Dingling Yao是奥地利科学与技术研究所及德国马克斯・普朗克智能系统研究所的博士生，研究主要集中在表征学习中的可识别性以及因果表征学习在科学发现中的应用 [34] - Mirah Shi是宾夕法尼亚大学计算机科学系的四年级博士生，研究位于机器学习理论、经济学与社会的交叉领域，特别关注机器学习系统与人类决策者之间的互动 [37] - Peihao Wang是德克萨斯大学奥斯汀分校电气与计算机工程系的博士生，研究聚焦于机器学习与计算机视觉，探索利用几何基元提升语言模型推理能力 [40][41] - Wangbo Zhao是新加坡国立大学计算机学院的四年级博士生，研究兴趣包括高效深度学习、动态神经网络以及多模态模型 [44] - Wei Xiong是伊利诺伊大学香槟分校计算机科学系的三年级博士生，研究聚焦于强化学习及其在大语言模型后训练中的应用 [47] - Xiangjian Jiang是剑桥大学计算机实验室的计算机科学博士生，研究兴趣主要集中在结构化表格数据以及人工智能可解释性领域 [50] - 林欣余（Xinyu Lin）是新加坡国立大学计算机学院三年级博士生，研究兴趣主要包括基于大语言模型的推荐、生成式推荐以及基于智能体的推荐系统 [53] - 李修川（Xiu-Chuan Li）是悉尼大学计算机科学学院的博士生，研究方向是因果推理和可信赖机器学习 [56] - 王芷若（Zora Wang）是卡内基梅隆大学语言技术研究所的博士生，主要研究兴趣是运用编程方法解决现实世界中的任务，包括Computer-Use智能体、记忆与技能自适应智能体等 [58] 机器感知领域华人研究者 - 该方向共有13位博士生获得奖学金，其中8位是华人 [59] - 金海岸（Haian Jin）是康奈尔大学计算机科学系的博士研究生，研究位于计算机视觉、计算机图形学与机器学习的交叉领域，目前的研究兴趣集中在长上下文学习、物理理解以及世界建模等方向 [61] - 钟磊（Lei Zhong）是爱丁堡大学的博士研究生，研究兴趣位于计算机视觉与计算机图形学的交叉领域，近期的研究重点集中在三维人体运动的建模与生成 [64] - Mingfei Chen是华盛顿大学西雅图分校电气与计算机工程系的三年级博士研究生，研究兴趣主要集中在三维场景中的多模态空间推理，以及在多模态大语言模型、扩展现实设备和机器人系统中的相关应用 [66] - Tsai-Shien Chen是加利福尼亚大学默塞德分校的三年级博士研究生，研究目标是构建先进的视频生成模型 [68] - 马英浩（Ma Yinghao）是伦敦玛丽女王大学电子工程与计算机科学学院数字音乐中心人工智能与音乐博士项目的候选人，提出了大规模自监督训练的声学音乐理解模型（MERT） [72] - Yuekun Dai是新加坡南洋理工大学MMLab的三年级博士研究生，研究兴趣包括计算摄影、计算机图形学以及动漫相关研究，目前主要聚焦于图像分解、动画生成的人工智能技术以及分层图像编辑 [75] - 陈语童（Yutong Chen）是苏黎世联邦理工学院计算机视觉与学习组的二年级博士生，研究致力于开发能够感知并与三维世界交互的智能视觉系统 [78][79] - Ziang Cao是新加坡南洋理工大学计算机与数据科学学院MMLab@NTU的一年级博士生，研究兴趣主要集中在计算机视觉、深度学习以及三维生成领域 [80] 自然语言处理领域华人研究者 - 该方向共有18位博士生获得奖学金，其中1位是华人 [82] - Mengyu Ye是日本东北大学Fundamental AI实验室的自然语言处理方向二年级博士研究生，研究兴趣主要集中在自然语言处理与机器学习领域，早期的研究聚焦于大语言模型的可解释性 [85] 隐私与安全领域华人研究者 - 该方向共有16位博士生获得奖学金，其中6位是华人 [86] - Gefei Tan是美国西北大学计算机科学系的三年级博士生，研究兴趣主要集中在密码学，近期的研究工作聚焦于为现实隐私保护任务设计高效的加密协议 [89] - Jiamin Chang是新南威尔士大学的博士生，研究聚焦于人工智能模型的漏洞研究，研究兴趣包括人工智能安全与可靠性、多模态模型以及具身机器人 [92] - Minghao Shao是纽约大学阿布扎比分校的计算机科学博士生，研究兴趣包括智能体系统、大语言模型、机器学习以及网络安全 [94] - Tiansheng Huang是美国佐治亚理工学院计算机科学系的四年级博士生，研究兴趣包括分布式机器学习、并行与分布式计算、优化算法以及大语言模型的安全与对齐 [98] - Yaman Yu是伊利诺伊大学信息科学博士生，研究重点包括可用的安全与隐私、隐私政策以及人工智能在隐私保护中的应用 [101] - Ziyi Guo是西北大学计算机科学博士生，研究兴趣集中在理解、分析与缓解现实世界的安全问题，并探索将大语言模型用于安全研究的可能性 [102] 量子计算领域华人研究者 - 该方向共有8位博士生获得奖学金，其中2位是华人 [104] - Jun Zen是冲绳科学技术大学院大学OIST博士生，是一名专攻量子信息理论的博士生，研究方向主要集中在量子纠错码领域 [107] - 阮劭伦（Shaolun Ruan）是新加坡管理大学计算机科学系的博士研究生，研究兴趣包括数据可视化与人机交互，研究工作主要致力于开发以人为中心的计算工具 [110] 半导体研究领域华人研究者 - 该方向共有2位博士生获得奖学金，其中之一是华人 [113] - Sheng-Yuan Zheng是清华大学（台北）的在读博士生，研究硅光子集成电路，以及基于边缘计算的机器学习均衡器 [114] 系统、网络和云计算领域华人研究者 - 该方向共有4位博士生获得奖学金，其中有2位华人 [116] - ChonLam Lao是哈佛大学SEAS学院计算机科学专业四年级博士生，研究方向是网络系统、机器学习系统、可编程硬件和网络内计算 [119] - Jinshu Liu是弗吉尼亚理工大学计算机科学系的博士生，研究方向涉及内存系统，尤其关注内存分析、性能分析和系统级性能优化 [122]