Dolphin

搜索文档
BYD Is Quietly Building a Global EV Empire -- Here's What Investors Should Know
The Motley Fool· 2025-08-25 09:14
公司全球扩张战略 - 比亚迪通过控制供应链、本地化生产和多品牌适配三大支柱策略构建全球竞争力[2] - 2024年比亚迪全球电动汽车销量超越特斯拉,标志着从中国制造商向全球参与者的转型[1] - 公司采用渐进式扩张模式,通过系统性布局实现全球市场渗透[12] 垂直整合供应链优势 - 比亚迪实现电池、半导体及物流系统的自主研发与制造,形成难以匹敌的速度和成本优势[4] - 自主研发的刀片电池(锂铁磷酸盐电池)具有更高安全性和更长生命周期[5] - 自有航运车队保障海外运输,减少第三方依赖并确保交付时效[5] 本地化生产布局 - 在泰国、巴西、匈牙利、土耳其和巴基斯坦等国建立生产基地,近两年持续扩大布局[8] - 本地化生产有效降低关税和运输成本,增强当地政府合作关系并适应区域市场需求[8] - 通过在地制造实现从"中国出口商"向"本地汽车制造商"的身份转变[9] 多品牌市场策略 - 主品牌覆盖经济型市场,腾势瞄准高端市场,仰望专注豪华性能车型[10] - 海外市场推出海豚/Atto 3等平价车型,同时以高端车型对标特斯拉、宝马和奔驰[10] - 通过品牌矩阵实现新兴市场与欧洲高端市场的双重覆盖[11] 全球竞争地位 - 垂直整合模式使公司避免供应链短缺和成本上升问题[5] - 本地化生产体系有效规避传统汽车制造商的扩张瓶颈[6] - 多品牌战略配合经销商网络扩张,形成全球规模效应和成本优势[12]
2 Warren Buffett Stocks to Buy Hand Over Fist -- and 1 to Avoid
The Motley Fool· 2025-07-22 07:17
Legendary investor Warren Buffett's track record can stand up to anyone's. The Oracle of Omaha is one of the best value investors in the world, using a simple investing philosophy of choosing well-established companies that are leaders in their field and have strong management, earnings, and a sustainable dividend. Buffett usually shuns tech stocks, so Chinese electric vehicle (EV) company BYD (BYDDY 0.78%) is an odd choice for Berkshire. And truth be told, Buffett didn't make this selection himself -- Berk ...
字节开源高精度文档解析大模型Dolphin:轻量高效,性能超GPT4.1、Mistral-OCR!
量子位· 2025-05-22 14:29
模型发布与性能突破 - 字节跳动开源全新轻量级文档解析模型Dolphin,体积小、速度快且性能突破,解析效率提升近2倍 [1][2] - 在文档解析任务上,Dolphin准确率超越GPT-4.1、Claude3.5-Sonnet、Gemini2.5-pro等通用多模态大模型及垂类OCR模型Mistral-OCR [2] - 论文被ACL 2025收录,项目已开源 [3] 技术架构创新 - 采用"先解析结构后解析内容"两阶段范式,避免传统多OCR模型级联的错误累积,同时解决通用大模型丢失版面结构信息的问题 [6] - 元素解耦解析策略简化数据收集,孤立元素图像(如表格、公式)标注比完整文档更易获取 [6] - 第一阶段布局解析生成文档元素序列(标题、图表等),第二阶段并行内容识别完成整页提取 [9] 性能对比与优势 - 模型仅322M参数,但性能优于集成方法和更大视觉语言模型(VLMs) [13] - 纯文本文档解析:英文/中文编辑距离0.0114/0.0131,优于GOT(0.035/0.038)和GPT-4.1(0.0489/0.2549) [14] - 混合元素文档解析:编辑距离0.1283,优于所有基线;效率达0.1729 FPS,比Mathpix(0.0944 FPS)快2倍 [15][16] 元素级解析能力 - 文本段落解析:Fox-Block/Dolphin-Block测试集编辑距离0.0029/0.0121,显著领先 [17][18] - 公式识别:CDM分数0.9850(SPE)、0.9685(SCE)、0.8739(CPE),媲美专业方法 [17][18] - 表格解析:PubTabNet/PubTab1M基准TEDS分数0.9515/0.9625,有效捕捉结构关系 [17][19] 实际应用展示 - 多栏学术论文、复杂公式、中英表格均能精准识别,输出包含元素边界、阅读顺序及Markdown渲染结果 [21][23] - 提供在线Demo、GitHub仓库及Hugging Face模型,支持复杂布局文本、双语段落和表格解析 [26]