苹果(AAPL)
搜索文档
VYM: Forget Dividends, Look At This Fund's Growth Opportunities
Seeking Alpha· 2026-11-16 17:35
文章核心观点 - Wilson Research旨在为投资者提供聚焦于交易所交易基金(ETF)的深度洞察,兼顾增长潜力与股息收益 [1] - 分析以基本面分析为核心,同时纳入行业趋势、经济、地缘政治等宏观层面因素 [1] - 服务对象为重视多元化、追求低费率且注重长期投资的投资者 [1] - 研究理念受沃伦·巴菲特投资哲学与罗伯特·清崎创业哲学启发 [1] - 团队包含MBA毕业生与独立财务教练,致力于提供可操作的信息 [1] 分析师持仓披露 - 分析师通过股票所有权、期权或其他衍生品对VYM、SCHD、AAPL、MSFT、AVGO持有受益多头头寸 [2] - 文章为分析师自行撰写并表达个人观点,除Seeking Alpha外未收取报酬 [2] - 分析师与文中提及股票的任何公司均无业务关系 [2] 文章版权与使用限制 - 文章为Seeking Alpha独家内容,未经Seeking Alpha及作者同意不得复制或转载 [3] - 文章不应被误解为个人财务建议,投资者需自行开展尽职调查 [3] 平台披露信息 - 过往业绩不保证未来结果,不对任何投资是否适合特定投资者给出推荐或建议 [4] - 文中观点可能不代表Seeking Alpha整体立场 [4] - Seeking Alpha不是持牌证券交易商、经纪商或美国投资顾问或投资银行 [4] - 平台分析师为第三方作者,包括可能未获任何机构许可或认证的专业投资者与个人投资者 [4]
大摩Q3持仓:英伟达(NVDA.US)苹果(AAPL.US)继续“压舱”,加码布局AI供应链,建仓SK海力士(SKHY.US)
智通财经网· 2026-11-16 16:26
文章核心观点 - 摩根士丹利向SEC递交截至2026年9月30日的第三季度13F持仓报告,第三季度持仓总市值1.96万亿美元,较上一季度1.89万亿美元环比上升2.6067% [1] - 第三季度投资组合新增277只个股、增持3963只个股、减持3027只个股、清仓783只个股,前十大持仓标的占总市值23% [1] - 前十大重仓股以AI芯片、消费电子、软件云计算、电商、互联网搜索与广告等科技龙头为主,英伟达位居第一 [2] - 持仓调整呈现加码AI供应链与半导体、减持部分半导体设备及消费零售标的的特征 [4][5] 前十大重仓股 - 英伟达(NVDA.US)位居第一,持仓3.6201亿股,持仓市值约826.75亿美元,占投资组合比重4.23%,持仓数量较上季度增加1.57% [2] - 苹果(AAPL.US)位列第二,持仓2.4395亿股,持仓市值约812.40亿美元,占投资组合比重4.15%,持仓数量较上季度增加0.55% [2] - 微软(MSFT.US)位列第三,持仓1.2690亿股,持仓市值约650.87亿美元,占投资组合比重3.33%,持仓数量较上季度减少0.61% [2] - 亚马逊(AMZN.US)位列第四,持仓1.8680亿股,持仓市值约465.42亿美元,占投资组合比重2.38%,持仓数量较上季度增加4.14% [2] - 谷歌-A(GOOGL.US)位列第五,持仓1.2410亿股,持仓市值约427.01亿美元,占投资组合比重2.18%,持仓数量较上季度增加2.98% [2] - Meta Platforms(META.US)、博通(AVGO.US)、标普500指数ETF(SPY.US)、谷歌-C(GOOG.US)、摩根大通(JPM.US)分列第六至第十,其中Meta本季度遭遇减持 [3] 持仓比例变化—买入方向 - 前五大买入标的分别为美国油气中游运营商Western Midstream Partners(WES.US)、英伟达、苹果、商业航天公司SpaceX(SPCX.US)、标普500指数ETF,占比分别提升0.47、0.46、0.44、0.17和0.12个百分点 [4] - 建仓SK海力士ADR(SKHY.US),持仓市值约19.617亿美元,占投资组合比重0.10% [4] - 增持美光科技(MU.US)、英特尔(INTC.US)、台积电(TSM.US)、卡特皮勒(CAT.US)、闪迪(SNDK.US)和希捷(STX.US)等AI供应链相关标的,持仓数量分别较上季度增加8.00%、6.49%、2.19%、12.99%、10.35%和4.18% [4] 新增标的 - 意大利软件公司Bending Spoons(BSP.US)约7199万美元 [5] - Lazard国际动态股票ETF(IDEQ.US)约6101万美元 [5] - 摩根士丹利Solana信托(MSOL.US)约3245万美元 [5] - 摩根士丹利以太坊信托(MSSE.US)约2921万美元 [5] - XTrackers美元高收益债ETF(BBVB.US)约2727万美元、Accelevation(ACCV.US)约2122万美元、三明治连锁Jersey Mike's Subs(JMKE.US)约2004万美元 [5] 持仓比例变化—卖出方向 - 前五大卖出标的分别为半导体设备商应用材料(AMAT.US)、泛林集团(LRCX.US)、家居建材零售商家得宝(HD.US)、康宁(GLW.US)、GEVernova(GEV.US),占比分别下降0.17、0.13、0.11、0.10和0.09个百分点 [5] - 减持AMD(AMD.US)、网络安全公司Palo Alto Networks(PANW.US)、开市客(COST.US)、沃尔玛(WMT.US)和思科(CSCO.US)等 [5]
Fed Gov. Michelle Bowman: Risk of "Large Correction" in Stocks if AI Doesn't Pan Out
The Motley Fool· 2026-11-16 16:10
文章核心观点 - 人工智能是近期股市上涨的最大驱动力,但如今也可能成为最大的风险 [1] - 美联储理事Bowman警告,若AI公司投入的数千亿美元未能为投资者带来足够回报,股市存在"大幅回调"的风险 [1] - 尽管美联储官员对AI风险发表评论值得关注,但投资者未必需要因此改变投资策略 [3] AI相关风险与资本支出 - 2026年AI资本支出超过8000亿美元,其中大部分通过公司债券融资 [2] - AI相关债务构成复杂的合作伙伴关系与表外负债网络的重要组成部分,主要AI超大规模企业与较小供应商及AI初创公司合作,为AI数据中心及其他基础设施提供资金 [2] - Bowman表示,AI公司之间的这些关联"造成了循环融资的表象" [2] AI对整体经济与消费的影响 - AI股票下跌不仅对科技行业不利,还可能伤害更广泛的经济 [2] - 若股价走低,可能"削弱消费者支出的韧性" [2] - 部分经济学家认为,繁荣的股市在持股消费者中产生"财富效应"——当投资组合上涨时,人们可能感觉更富有并更愿意额外支出 [2] - 若AI股市繁荣转为熊市,消费者可能削减支出,从而进一步恶化经济影响 [2] 市场调整与投资者情绪 - 美联储官员负责监测整体经济与风险,但并非每次警告或谨慎表态都最终被证明正确 [6] - Bowman提到的风险是科技投资者熟知的公开信息,市场已消化并定价 [6] - 市场已经历一轮AI股票回调,10月6日至11月5日期间,以科技股为主的纳斯达克100指数下跌14.7% [7] - 这种怀疑情绪可能是健康的,但不必阻碍长期投资者现在买入科技股 [7] 看涨AI的投资选择:Invesco QQQ Trust - 若看好AI,相信技术变革革命仍处早期阶段,领先AI公司可能继续引领未来,并愿意长期持有,则买入科技股占比较高的ETF可能是当前的好选择 [8] - Invesco QQQ Trust让投资者持有纳斯达克100家最大的非金融公司,投资组合包括英伟达、微软、亚马逊和Meta Platforms等重要AI股票 [9] - 截至10月31日,Invesco QQQ Trust过去五年年化回报率约为13% [9] - 关键数据:管理资产规模4753.2亿美元,股息率0.45%,费用率0.18% [10] - 前几大持仓:苹果8.44%、英伟达6.53%、微软6.33% [10] 看跌AI的投资选择:Vanguard S&P 500 ETF - 若对AI更为怀疑、不希望过度集中于科技股,买入标普500 ETF可能是更好的选择 [10] - 这不能完全规避科技股抛售风险,若科技股崩盘,标普500指数可能随纳斯达克100指数一同下跌 [10] - Vanguard S&P 500 ETF是投资美国股市最受欢迎、低成本、省心的方式之一,持有500家跨行业公司,比科技股集中的QQQ更为分散 [11] - 截至10月31日,VOO过去五年年化回报率约为12%,虽跑输QQQ但差距不大 [11] - 关键数据:管理资产规模1.00万亿美元,股息率1.07%,费用率0.03% [12] - 前几大持仓:苹果7.69%、英伟达7.58%、微软5.93% [12] 长期投资理念 - 对于能够将资金放置五年、十年或二十年的长期投资者,应尽量不担忧短期问题,尽量不基于恐惧做出操作 [12] - 无论AI是否存在泡沫,即使新熊市今天开始,买入分散化股票组合也很少有坏时机——只要能够持有数年 [12] - 需要承受短期波动以获取长期收益 [13]
第二代iPhone Duo曝光,Face ID可能回归
21世纪经济报道· 2026-11-16 15:33
核心观点 - 苹果第二代折叠屏手机iPhone Duo 2计划于2027年秋季推出,外屏面容ID是二代机型最核心的体验升级方向 [1] - 面容ID是iPhone Duo 2当前的头号开发优先级,苹果已打造出搭载外屏面容ID的原型机 [1] - 工程师正在攻坚如何将完整的面部识别系统集成到尺寸有限的外屏区域内 [1] - 二代机型整体开发周期相对紧张,相关技术方案尚未完全成熟 [1] - 若无法赶在量产节点前完成调试和良率优化,外屏面容ID大概率延后到2028年的iPhone Duo 3上正式搭载 [1] - 目前尚不清楚这款产品除了常规的芯片升级和摄像头改进之外还会带来哪些实质性升级 [1] 产品开发进展 - 苹果已打造出搭载外屏面容ID的原型机 [1] - 工程师正全力推进外屏面容ID的研发 [1] - 完整面部识别系统集成到尺寸有限的外屏区域内仍存在技术攻坚难度 [1] 时间节点与不确定性 - iPhone Duo 2计划于2027年秋季推出 [1] - 外屏面容ID若无法在量产节点前完成调试和良率优化,将延后至2028年iPhone Duo 3搭载 [1] - 二代机型整体开发周期相对紧张,技术方案尚未完全成熟 [1]
深度 | 人形机器人系列专题之具身模型:RT-2→OpenVLA→π系列的架构演进【国信汽车】
车中旭霞· 2026-11-16 14:53
文章核心观点 - 具身模型是推动机器人从传统自动化执行向自主感知、认知与决策升级的核心技术,承担环境语义理解、自然语言解析、长时序任务规划及多模块协同调度等高阶认知任务 [11] - 科技大厂依托通用模型开发、多模态理解、算力平台与模型工程化积累,持续向具身智能领域布局拓展,有望加速具身智能技术突破并加快模型迭代及机器人应用落地 [4][8] - VLA(视觉-语言-动作)模型将视觉观测与语言指令转化为机器人动作,已成为具身模型的重要技术路线 [4][11] - 通用模型具有较强高层规划能力,推动具身模型S2/S1/S0分层协同,面向复杂长时序任务兼顾高层推理与实时响应 [4] - π系列VLA模型分层架构逐步完善,高层规划与动作执行分工更加清晰,提升复杂任务自主执行能力 [4] 一、具身模型:科技大厂加速布局,通用模型向具身拓展 1.1 具身模型定位与技术路线 - 具身模型作为机器人系统的认知与决策中枢,核心在于将人类开放式语言指令与多模态传感器环境信息结合,转化为可执行的任务规划与机器人动作,实现从人类意图理解到物理世界交互的完整闭环 [11] - 2023年Google DeepMind提出RT-2,将视觉、语言与机器人动作统一编码为Token并纳入同一Transformer架构,将动作预测转化为自回归序列建模任务,实现视觉语言预训练知识向机器人控制能力的迁移,显著提升零样本泛化能力,推动VLA架构发展 [11] - VLA模型通过视觉编码器、语言编码器与动作解码器协同处理,融合机器人本体、外部环境及语言交互的多源感知信息,逐步生成从低阶控制命令到高层轨迹规划的动作策略 [42] - 视觉编码器负责从高维图像或点云中提取紧凑语义特征;语言编码器将自然语言指令转换为语义向量;动作解码器将融合后的多模态表征转化为具体动作 [42] 1.2 科技大厂具身智能布局 - Google以Gemini Robotics ER与Robotics 2.5衔接高层推理和动作执行,并利用Gemini 4 Argon辅助数字孪生构建和仿真实验 [4][12] - NVIDIA以Cosmos、GROOT 2和Isaac Lab推进世界预测、动作生成与仿真训练协同,配套仿真训练、数据处理及评测工具 [4][9] - OpenAI的GPT-6 Astra已被银河通用等机器人公司用于接入机械臂,尝试直接生成动作及协同VLA控制 [8][9] - Anthropic的Fable 5.2在仿真双臂评测和真机操作中能力明显提升,并公布仿真双臂机器人评测结果 [4][9] - Apple通过HALO衔接任务规划、全身运动生成与运动跟踪,探索人形机器人分层自主执行 [4][9] 1.3 GPT-6 Astra空间理解与具身推理表现 - 在宇树公布的评测中,GPT-6 Astra在空间指代定位、放置位置定位和具身推理问答三项测试得分分别达79.6、69.0和77.7,较GPT-5.6-sol分别提升36.5%、35.0%和19.9% [13][17] - RoboDojo实验中,Astra Direct在50次任务中成功13次,成功率26%,平均得分37.81,排名第3;Astra+π0.5成功次数提高到24次,成功率达48%,平均得分升至62.60,排名升至第1 [18] - RoboLab实验中,GPT-6 Astra Direct在50次实验中成功49次,成功率98%;Astra+π0.5完成46次,成功率92%,成功率远超其他模型,且Astra未针对任务进行额外训练,具备零样本泛化能力 [18] - Astra与π0.5协同机制为:π0.5先提出未来50步动作(关节角度),调用正运动学模块翻译成末端位姿,Astra检查上一步结果与下一段动作方向并从三种执行方式中选择一种执行 [23] 1.4 Anthropic Fable 5.2表现 - RoboDojo Sim评测中,Fable 5.2根据摄像头图像控制仿真双臂机器人,平均得分达64.9%,较Fable 5.1的27.6%提高37.3个百分点,约为GPT-6 Astra的29.8%的2.18倍 [30] - Fable 5.2控制实体机器人完成解谜方块、拧开瓶盖和绘制机器人图案,官方称这些任务未经明确的专项训练 [30] - 文本输出速度相较Fable 5.1最高提升30% [30] - 标准API输入价格由每百万tokens从10美元降至8美元,输出价格由50美元降至40美元,两项降幅均为20% [30] 1.5 Google Gemini 4 Carbon表现 - Gemini 4 Carbon基于通用多模态模型Argon进一步迭代,面向更复杂推理任务,通常使用更多推理tokens [27] - 输入包括任务指令、顶部及左右腕三路摄像头图像,以及关节位置、末端位姿、夹爪状态和估计关节扭矩;输出工具调用指定机械臂末端目标位置、姿态和夹爪开合,执行系统通过逆运动学转换为关节运动 [31] - RoboDojo-RC Tier 1评测中,Carbon在"三个碗堆叠"任务上取得20/20、100%完整成功率,Argon为15/20、75% [29][31] - 覆盖六项任务合计120轮试验时,Carbon平均进度分54.5%,较Argon的48.2%提高6.3个百分点;按任务完整完成统计,Carbon成功29轮,完整成功率约24.2% [31] - 叠碗任务平均耗时约27.7分钟/轮;六项任务合计120轮平均耗时约32.1分钟/轮 [31] 1.6 Google Gemini Robotics 2.5表现 - 覆盖200多项机器人任务,展示使用夹具取放食物、系蝴蝶结、移液等操作,精细操作和软物体处理方面明显提升;奔驰生产线概念验证中,Apptronik Apollo 2人形机器人完成汽车零部件分拣与装盘,成功率达96% [36] - 相对此前基线,不同类型任务成功率明显提高,任务完成速度提高20%-30% [36] - 模型架构为专用VLA动作模型与高层具身推理模型协同:Gemini Robotics ER负责理解环境、组织多步任务和跟踪执行进度,2.5负责具体动作执行,适用机器人覆盖双臂平台及人形机器人,能够控制平行夹爪、灵巧手和全身运动 [37] 1.7 Apple HALO分层模型架构 - 采用分层架构:VLM任务规划器+VLM-DiT运动生成器+强化学习运动跟踪器;任务规划器默认采用Qwen3.6-35B-A3B负责任务理解、子任务拆解和执行进度判断;运动生成器使用Qwen3.5-2B理解图像与子任务文字,通过DiT生成全身参考运动;底层运动跟踪器结合参考运动、深度图、关节状态和IMU持续调整关节目标 [24] - 功能分工可类比为S2任务规划、S1运动生成、S0运动控制 [24] - 核心数据在仿真中生成,核心配对语料包含约16.3万条片段、296.3小时数据,覆盖6类技能、10条训练指令,主要数据生成使用250张H100耗时约48小时 [24] - 与Astra+π0.5的区别:Astra+π0.5主要完成细粒度操作控制(manipulation),苹果HALO主要是移动控制(locomotion),如行走、俯身、爬行、坐下等 [24] 二、架构解析:一段式与分层架构,复杂任务凸显分层协同价值 2.1 一段式架构 - 在统一模型中完成理解与动作预测,输入视觉观测与语言指令,通过统一模型预测机器人动作,动作可表示为离散词元或连续控制目标 [44] - 视觉、语言与动作共享模型表征,通过动作学习将场景理解与操作行为关联,RT-2、OpenVLA等采用这一思路 [44] - 优势为整体流程紧凑、便于多模态联合学习;挑战为复杂长任务中的误差累积、推理过程解释及大模型推理开销是优化重点 [44] 2.2 分层架构 - 高层确定操作目标,低层生成执行动作;高层规划根据视觉观测与语言指令生成子任务、目标位置或运动轨迹等中间结果,明确当前操作目标;低层执行接收高层目标与最新环境观测,将目标转化为机器人动作并结合执行反馈持续调整 [44] - 优势为任务分工清晰、便于多步骤规划与技能复用;系统性能取决于层间接口、信息传递及规划与执行的协同效率 [44] - 架构取舍需结合任务时长、实时响应要求、训练数据条件及系统集成成本 [47] 2.3 S2/S1/S0分层协同 - System 2为高层语义理解、任务推理与规划层,搭载多模态语言模型,负责理解语言指令、识别场景并拆解任务,输出语义目标引导S1生成动作;Helix 01版本中S2频率为7-9 Hz [54] - System 1为VLA动作策略层,根据推理结果、摄像头、触觉传感器和机器人状态生成下一步动作,以200 Hz频率生成全身关节目标,采用全异步执行模式,上一组动作序列段执行的同时系统已完成下一组序列段生成准备 [54] - System 0为全身运动控制层,Figure的S0架构是1000万参数的神经网络,输入全身关节状态和基座运动,输出1kHz关节级执行器命令,直接从超过1000小时的关节级重定向人体运动数据集中学习协调力、调整姿势、保持平衡 [54] - HumanPlus的S0层HST为经过训练的全身运动控制网络,读取参考动作和身体状态历史计算关节控制指令,每秒运行约50次 [55] - 通用模型与动作策略协同已展示互补价值,当前阶段通用模型更适合优先承担S2层高层决策;10项RoboDojo仿真任务中Astra与π0.5协同成功率达48%,高于Astra直接控制的26% [56] 三、VLA模型发展脉络:从RT-2到π系列的架构与能力升级 3.1 RT-2:首次将动作当作文本token处理 - 将机器人动作编码为文本Token,在统一模型中完成视觉理解、指令理解与动作预测;以预训练PaLI-X或PaLM-E为骨干,图像经ViT编码后与文本信息共同输入模型,以自回归方式逐个生成动作Token [45] - 模型将动作离散成若干整数,其中一个表示结束或无动作,另外三个表示末端位置增量,还有三个表示旋转增量 [66] - 训练时不需要新增任何参数,将网络图文问答数据与机器人数据混合训练 [66] - 存在问题:输出速度慢,采用LLM架构,当时使用的55B模型每秒只能输出一到三个动作(1~3Hz),实际无法使用 [66] 3.2 OpenVLA:开源VLA降低部署与适配门槛 - 模型架构增加视觉编码器,使用SigLIP和DinoV2两个视觉编码器并将二者拼接,语言模型采用Llama2 7B,输入图片和指令,输出由动作Token组成 [73] - 使用约97万条轨迹训练,宣称使用64张A100显卡训练14天,在Bridge数据集上成功率达70.6%,超过RT-2所使用的55B大模型 [73] - RT-2和OpenVLA共同问题:均采用语言模型推理架构,每次推理只输出一步动作,控制频率最高只有6Hz左右,对能以50Hz运行的机械臂速度不够用;模型只输入单张图像,没有本体状态,也没有记忆或历史信息 [73] 3.3 π0:分层VLA架构,基于流匹配提升动作输出效率 - 一个训练样本对应一个时间序列,一个时间步后面连接50个动作;采集9亿300万个时间步数据,合计一万多小时,包含七种机器人构型和六十八类任务 [74] - 左侧为Google开源的VLM Gemma,采用SigLIP作为图像编码器(四亿参数);最重要区别是为Gemma增加Action Expert(3亿参数),以流匹配为基础一次生成全部50个动作 [74] - 训练模式借鉴LLM:先大规模预训练覆盖更多任务、场景和机器人,再后训练筛选高质量数据微调,使模型执行任务更流畅稳定 [74] 3.4 π0.5:分层VLA架构,增强陌生环境泛化 - π0存在问题:所有评测和训练数据在相同环境采集,未验证泛化能力;动作为原子动作相对简单;Action Expert流匹配机制训练阶段速度较慢 [77] - π0.5目标:只给一句话机器人就能在训练时完全没见过的家庭或其他环境中自动完成任务,一次任务时长扩展到10~15分钟;提高训练和推理中动作生成速度 [77] - 预训练阶段输入侧将本体状态全部离散化为文本Token,与图像、指令一起放入VLM统一编码;输出侧VLM能输出文本生成子任务、图片描述,也能输出离散动作Token加快预训练速度,完全转变为全Token化语言模型范式 [77] - 后训练阶段骨干模型、Action Expert与π0相同,区别在于π0.5只在后训练阶段加入Action Expert,使用高质量数据训练Action Expert提高动作输出速度和精度 [77] 3.5 π*0.6:引入强化学习,从自主运行与人工纠正中改进策略 - π0/π0.5采用模仿学习,训练数据来自遥操作,隐藏假设为数据中每个动作都正确、所有样本一律平等;存在复合误差累积和模型上限为人类水平的问题 [78] - π*0.6采用Gemma 3 4B骨干和8.6亿参数动作专家生成连续机器人动作,通过RECAP引入强化学习,结合示范、自主运行和人工纠正数据,利用价值模型估计动作优势并将优势标签作为策略训练条件 [78] - 任务表现:一台机器人可连续工作13个小时不间断制作浓缩咖啡,可前往从未去过的陌生家庭操作此前未见过的衣服,可连续工作两个多小时全程无需人工干预,可进入工厂组装实际使用的包装纸箱;在难度最高的几个任务上比π0.5失败率降低约一半 [78] 3.6 π0.7:分层VLA架构,引入高层策略S2和世界模型 - π0、π0.5和π*0.6只能处理当前看到的这一帧画面,无法记住之前任务;π0.7采用分层记忆架构(短期稠密记忆+长期稀疏记忆),短期记忆使用改造后的视觉编码器把最近几秒画面压缩进当前帧表示,长期记忆由高层输出更新后的语言摘要并在下一步执行时读取更新 [81] - 高层策略输入当前观察、整体任务、历史记忆与元数据,输出下一条子任务指令,子任务既可由高层模型生成也可由人类逐步提供 [86] - 世界模型基于BAGEL,依据当前观察、子任务和元数据生成近未来多视角子目标图,将物体布局、机械臂与物体相对关系等空间目标具体化 [86] - 视觉语言主干将当前及历史图像、本体状态、任务与子任务、可选子目标图、元数据和控制模式编码为上下文表示 [86] - 动作专家包含8.6亿参数,通过注意力读取主干上下文,结合带噪动作与去噪时间步,采用流匹配迭代生成未来50步动作,输出关节目标或末端位姿及夹爪指令 [86] - 模型输入逐步丰富:π0.5加入子任务信息,π*0.6加入优势条件,π0.7进一步引入视觉子目标、执行时长、质量、错误标记及控制模式 [91] - π0.7对数据进行质量、时长和错误等标注,使示范、自主执行及失败经验都能用于训练;执行时模型根据期望质量、时长等条件生成动作,并可通过视觉子目标明确物体应达到的位置和状态 [91] 3.7 π系列演进脉络总结 - 架构演进:π0形成"视觉语言主干+动作专家"基础架构;π0.5加入子任务预测将任务拆解与动作生成结合;π0.7进一步设置独立高层规划模型并通过世界模型生成可选目标图像 [96] - 训练升级:从学习示范拓展至利用自主执行经验,π*0.6通过RECAP结合示范、自主操作与人工纠正改善执行可靠性和效率,π0.7通过质量、速度等条件描述帮助模型学习不同操作方式 [96] - 能力拓展:机器人逐渐能够自主完成更复杂任务,从掌握多种操作技能走向陌生环境适应与技能组合,π0.5增强新环境任务执行能力,π0.7进一步展示指令遵循、技能组合与跨机器人迁移能力 [96]
Omdia:2026年Q3东南亚智能手机出货量同比下降36%,苹果逆势增长
Canalys· 2026-11-16 13:13
文章核心观点 - 2026年第三季度东南亚智能手机市场出货量同比下降36%至1,650万部,市场收缩延续2026年上半年下行趋势,主因是存储芯片供应短缺及零部件成本上涨持续制约厂商出货表现 [1] - 尽管出货量大幅下滑,市场出货价值同比仅下降1%,平均售价(ASP)同比上涨53%,反映厂商正通过提高产品售价应对成本上涨及供应限制 [2] - 出货量下滑反映供应限制而非需求疲软,厂商仍能供应100美元以上几乎覆盖所有价格区间的设备,但已无法在维持原有价格的同时提供与过去相同的内存和存储配置 [7] - 厂商正将营销重点转向新机型的实际使用价值,不再过度强调RAM和存储容量等核心硬件规格,并在产品定位和盈利能力之间面临艰难抉择 [7] 主要厂商表现 - 三星出货量同比下降20%至370万部,仍保持东南亚市场领先地位,市场份额23%;存储芯片供应紧张及第三季度侧重高端Galaxy Z Fold系列的市场策略对整体出货量造成压力;Galaxy Z8系列出货量同比高于上一代产品,随着书本式设计的Galaxy Z Fold8发布,书本式折叠屏手机出货量增长超过40% [5][11] - 小米出货量同比下降24%至330万部,市场份额20%,但零售平均售价(ASP)上涨55%,在一定程度上抵消出货量下滑对市场销售额的影响;小米首次登顶越南智能手机市场,出货量同比增长50%,主要得益于价格具有竞争力的机型 [5][9][11] - 传音出货量同比下降42%至260万部,区域市场份额降至16%;尽管如此,传音在菲律宾和印度尼西亚等价格敏感型市场仍保持领先地位;为应对存储芯片供应紧张,传音精简了产品组合,减少新机型推出的版本数量 [5][11] - OPPO(包括realme)出货量同比下降62%至220万部,位居东南亚市场第四,市场份额13%;出货量下滑主要反映其战略性退出超低端市场(售价低于100美元)以应对不断上涨的存储芯片成本;2026年第三季度推出的入门级机型A6c 4G在东南亚大多数市场起售价已达约140美元;售价高于400美元的机型出货量增长超过50%,主要由新推出的Reno 16系列带动 [8][11] - 苹果是前五大厂商中唯一实现出货量增长的厂商,出货量同比增长4%至180万部,市场份额11%,主要得益于在马来西亚和越南市场的强劲表现;由于产品组合以高端机型为主,苹果受到存储芯片供应压力的影响相对较小;包括SPayLater在内的先买后付(BNPL)服务日益普及也进一步提升了消费者购买能力 [8][11] - vivo在2026年初至今(YTD)的智能手机出货量同比下降33%,而ASP则上涨37%;vivo此前已着手提高平均售价,降低对100美元以下价位机型的依赖,存储芯片供应压力进一步加快了其退出这一细分市场的步伐;超低端市场通常利润空间有限且高度依赖补贴和折扣促销,减少对该细分市场的依赖有助于厂商提升盈利能力 [7] 区域市场表现 - 2026年第三季度越南是东南亚唯一实现增长的智能手机市场,出货量同比增长1%;东南亚其他所有市场均出现两位数下滑,其中印度尼西亚、菲律宾、马来西亚和泰国的出货量降幅均超过30% [10] - 越南市场表现相对稳健,得益于其较强的宏观经济表现,外国直接投资(FDI)、制造业活动以及受全球AI硬件需求带动的出口增长为越南经济增长提供了支撑,有助于维持国内需求,使越南智能手机市场展现出更强的韧性 [10] - 越南市场出货量份额排名:小米以27%位居第一,三星以27%位居第二,苹果以19%位居第三,OPPO以16%位居第四,vivo以6%位居第五;小米得益于产品组合的进一步扩展,在越南市场出货量同比增长50% [9] - 马来西亚市场出货量份额排名:小米以21%位居第一,荣耀(HONOR)以18%位居第二,三星以16%位居第三,苹果以11%位居第四,vivo以11%位居第五;荣耀加大对销售渠道的投入,通过X9系列和HONOR 600系列推动其中端市场业务增长 [9] - 荣耀在东南亚经济发展较为成熟的市场中进一步巩固了自身地位,首次在马来西亚智能手机市场出货量排名第二,并在新加坡排名第三;荣耀长期专注于中高端产品,而非受存储芯片供应紧张影响最为明显的200美元以下价位市场,这一产品策略降低了其受到入门级市场出货量下滑的影响;荣耀还扩大了在电信运营商渠道的布局,渠道覆盖能力的进一步增强已成为推动其市场增长的重要因素 [10] 市场结构变化 - 存储芯片供应趋紧、成本不断上涨,厂商在产品定位和盈利能力之间面临艰难抉择,部分厂商通过战略性退出超低端市场(售价低于100美元)来应对成本压力并提升盈利能力 [7][8] - 高端机型受存储芯片供应压力影响相对较小,苹果因产品组合以高端机型为主受影响较小,而依赖200美元以下价位机型的厂商受影响更为明显 [8] - 厂商精简产品组合、减少新机型版本数量成为应对存储芯片供应紧张的普遍策略 [5] - 先买后付(BNPL)服务日益普及提升了消费者购买能力,对高端机型销售形成支撑 [8]
本轮内地深化社保改革的宏观影响:环球市场动态
中信证券· 2026-11-16 10:37
社保改革宏观影响 - 国务院以健全多层次社会保障体系为主题进行第二十二次专题学习,释放基本保障与多层次供给并重的改革信号,预计政策沿提标、扩面、统筹、立法四条主线推进[5] - 企业端缴费基数规范采取分步调整,用工成本和盈利影响逐步体现,民营企业、中小公司及人工成本占比较高行业相对敏感[5] - 居民端养老金提标有望改善低收入群体可支配收入,保障扩面有助于稳定居民预期、支持消费;资金端多层次养老金体系发展有望为资本市场带来持续长期资金[5] 全球股市表现 - 美股走势分化,道琼斯工业平均指数上涨0.10%报52,347.55点,标普500指数下跌0.41%报7,560.97点,纳斯达克综合指数下跌0.90%报25,138.73点,费城半导体指数下跌3.43%[8] - 英伟达下跌2.01%,AMD大跌8.75%,博通及Arm均跌逾4%,AI云服务商Nebius下跌9.92%、CoreWeave下跌6.13%[8] - 资金流向防御性板块,可口可乐上涨1.86%、礼来上涨1.26%并双双创收盘新高,苹果上涨0.39%亦创收盘新高[8] - 泛欧STOXX 600收涨0.02%报664.14点续创收盘新高,全周涨逾2%为6月底以来最佳;英国富时100涨0.36%报10,902.56点创三个月高位[8] - 港股恒生指数跌1.55%报23,637.60点,恒生科技指数跌3.02%报3,813.19点,国企指数跌1.48%报7,937.53点,大市成交1,958.6亿港元,南向资金净买入23.3亿港元[10] - A股上证指数跌0.59%报3,634.35点,深证成指跌2.05%报10,968.79点,创业板指跌3.32%报2,426.08点,沪深两市成交额1.66万亿元较上一交易日减少约2,764亿元,全市场逾4,700只股票下跌、765只上涨[15] 个股与板块动态 - 英伟达创始人卸任后基本面未变但估值逻辑重置,2028财年预测市盈率低于10倍处于历史低位,盈利预测并未下调,较低估值为长期投资者提供一定上行空间[7] - 中芯国际2026年第三季度收入及毛利率均高于公司指引,第四季度指引亦高于市场预期,AI相关需求持续强劲且仍存在供给紧张,汽车及工业需求正在复苏;受设备交付周期延长至约16-24个月影响,2026年资本开支或略低于此前约80亿美元预期[13] - 新世界发展拟按11供1基准以每股0.90港元供股,集资249亿港元,作为约738亿港元银行融资获延长两年的条件;241亿港元净集资额将使净负债率由68.3%降至48.9%下降19.4个百分点,但股份数目由25.2亿股增至302亿股,每股账面价值由59.5港元降至5.76港元[13] - 黄仁勋辞去英伟达全部职务叠加美国拟加强AI芯片出口管制,短期可能扰动算力中心建设,中长期出口限制与国产化政策有望推动国内云服务提供商提升国产算力采购占比,产业链预计自2026年第四季度起逐步释放业绩[17] 亚太与存储行业 - 亚太股市分化明显,印度尼西亚雅加达综合指数上涨1.78%涨幅居首,中国台湾台股指数上涨1.35%,日经225指数上涨0.53%;恒生指数下跌1.55%跌幅居首,韩国KOSPI指数下跌0.98%[22] - 存储周期见顶担忧仍偏早,供需紧张有望延续至2028年,预计2027年存储将占全球大型云厂商资本开支约48%,韩国厂商服务器相关业务已占动态随机存取存储器收入65%以上、闪存收入60%以上[20] - 高带宽存储器占动态随机存取存储器产能比例预计由2026年的22%升至2028年的30%,当前股价隐含利润下降约70%,长期供货协议已覆盖约80%的2027年收入[20] 外汇商品与固定收益 - 国际能源署指出全球石油市场转向供应过剩压制油价,纽约期油跌0.20%报每桶88.56美元,伦敦布伦特期油微升0.02%报每桶95.84美元[25] - 受美国10月PPI略低于预期但美联储官员维持鹰派立场影响,纽约期金升0.03%报每盎司3,886.3美元,美元指数升0.23%报103.412[25] - 美债收益率曲线陡峭化,2年期和5年期国债收益率分别下跌4.0个基点和0.9个基点报4.84%和4.96%,10年期及30年期分别上涨0.8个基点和1.4个基点报5.14%及5.47%[29] - 美国投资级信用债整体稳定,英伟达债券利差收窄5-10个基点表现优于同业,Stellantis债券利差扩大3-7个基点处于年内最宽水平附近;本周将迎来160亿美元20年期美债和190亿美元10年期TIPS招标[29]
贝森特敦促,英伟达聘请外部CEO
财联社· 2026-11-16 10:37
美国财政部长呼吁英伟达彻底改革 - 美国财政部长贝森特呼吁对英伟达进行彻底改革,并敦促英伟达董事会在公司外部寻找下一任首席执行官 [1] - 贝森特希望英伟达在未来10天内就黄仁勋的行为及其内部调查给出答复 [1] - 贝森特还希望其他英伟达高管就美国出口管制规定接受调查 [1] - 贝森特发表上述言论时正值他与美国商务部长卢特尼克争执加剧之际 [1] - 此前有报道披露,卢特尼克相关公司Cantor Fitzgerald长期在东南亚运营一家数据中心,可能造成利益冲突 [1] - 有四个美国联邦机构曾施压要求卢特尼克领导的商务部将Megaspeed列入黑名单,但商务部并未这样做 [2] 英伟达下一任CEO人选分析 - 贝森特的最新表态可能意味着此前市场看好的英伟达首席财务官兼临时首席执行官Colette Kress将无法成为英伟达真正的首席执行官,甚至英伟达现在内部的高管都可能失去角逐这一席位的资格 [3] - 分析师认为在当前动荡之中,投资者亟需一位熟悉公司且值得信赖的人来领导英伟达,Kress一度被视为最佳人选之一 [3] - 如果英伟达需要从外部寻找继任领导者来实现贝森特认为的"彻底改革",美国总统特朗普提名的前苹果首席执行官库克可能会是强力竞争者 [3] - Ten Cap创始人兼首席投资组合经理Jun Bei Liu表示,库克可能是一个合适的人选,因为他熟悉全球供应链的管理,但质疑库克是否愿意离开苹果,他目前还是苹果的董事长 [3] - 分析师还在关注芯片设计公司Arm的首席执行官Rene Haas,盛宝银行投资策略师Charu Chanana表示,Haas熟悉领导上市公司,并且拥有半导体行业的经验,尽管英伟达的商业模式与Arm的商业模式有很大不同 [3] 市场对英伟达管理层变动的担忧 - Constellation Research首席执行官Ray Wang担忧指出,这场危机与其说是整个人工智能行业的问题,不如说是英伟达自身的问题 [4] - 英伟达必须考虑其任命的首席执行官是否像黄仁勋一样具有吸引力,因为很多合作关系与投资都是基于对黄仁勋的信任而达成的 [4]
第二代iPhone Duo曝光
财联社· 2026-11-16 10:09
文章核心观点 - 苹果计划于明年秋季推出第二代iPhone Duo [1] - 目前除常规芯片升级和摄像头改进外,该产品的实质性升级方向尚不明确 [2] - 苹果为iPhone Duo设定了两个优先目标:Face ID和操作按钮 [3] 产品升级方向 - 第二代iPhone Duo的常规升级包括芯片升级和摄像头改进 [2] - Face ID被列为该产品的优先目标之一 [3] - 操作按钮被列为该产品的另一优先目标 [3] 操作按钮功能细节 - 操作按钮最终可能只是相机控制的一项新软件功能 [4] - 该功能允许用户重新设置长按操作 [4] - 原本长按用于在相机中调用Siri,调整后可改为启动用户自己选择的应用 [4]
Apple launches new app to study how people use AI for health
TechCrunch· 2026-11-16 09:30
文章核心观点 - 大型AI实验室如OpenAI和Anthropic押注于提供具备专业功能、能回答健康相关查询的聊天机器人,而苹果则推出新研究以了解人们如何使用AI促进健康,但其路径与其它AI初创公司不同,重点在于研究有临床依据的答案如何帮助人们 [1] - 苹果与专注医疗健康的AI公司OpenEvidence合作推出研究应用,旨在通过严谨的科学与临床依据来理解人们如何在日常生活中接触、理解和评估健康AI [2][8] 研究设计与参与条件 - 苹果邀请美国21岁以上、使用iPhone 15或更新机型、运行iOS 26或更新系统并启用Apple Intelligence的用户参与研究 [2] - 公司目标招募最多200,000名参与者,研究持续超过12个月 [2] 应用功能与数据来源 - 新应用允许用户提出健康相关问题,答案基于临床数据,来源包括《新英格兰医学杂志》《美国医学会杂志》和《自然》 [3] - 应用将尝试为日常医疗问题提供简化答案,用户可对答案评分并提供反馈,还需参与月度调查 [3] - 参与者可共享HealthKit数据(如静息心率、活动、睡眠或实验室结果),以获得更个性化、更有针对性的建议 [4] - 应用可帮助参与者更好地为就诊做准备,并引导用户就相关医疗问题咨询特定医疗服务提供者 [5] 数据隐私与安全 - 数据在发送至安全的第三方云服务提供商之前会进行匿名化处理,且不会用于训练任何类型的AI模型 [5] - OpenEvidence在24小时后删除查询和响应数据 [5] 行业背景与潜力 - 苹果健康与健身副总裁Sumbul Desai博士表示,负责任创新始于科学严谨与临床依据,健康高度个人化,开展专门研究是理解人们如何接触、理解和评估健康AI的最周全方式 [8] - 该应用即日起面向美国用户开放下载,目前尚不清楚苹果是否会将AI驱动的问答功能引入其健康应用或Siri [8] - 今年早些时候OpenAI表示用户每周提出超过300 million(3亿)条健康相关查询,显示该领域潜力巨大 [8]