NNOX INVESTOR ALERT: Kirby McInerney LLP Investigates Potential Claims Involving Nano-X Imaging Ltd. Apr 29, 2026 8:00 PM Eastern Daylight Time NEW YORK--(BUSINESS WIRE)--The law firm of Kirby McInerney LLP continues its investigation on behalf of Nano-X Imaging Ltd. ("Nano-X†or the "Company†) (NASDAQ:NNOX) investors concerning the Company's and/or members of its senior management's possible violation of the federal securities laws and other unlawful business practices. [LEARN MORE ABOUT THE INVESTIGATION ...

氦气供应短缺与行业影响 - 即使霍尔木兹海峡永久重新开放，氦气短缺问题仍将持续 [1] 相关受益股票 - 氦气短缺的持续将影响特定股票，这些是需要关注的标的 [1]

If you purchased or acquired Upstart securities between May 14, 2025 and November 4, 2025 and would like to discuss your legal rights, call Bragar Eagel & Squire partner Brandon Walker or Melissa Fortunato directly at (212) 355-4648. Click here to participate in the action. NEW YORK, April 29, 2026 (GLOBE NEWSWIRE) -- Bragar Eagel & Squire, P.C. Litigation Partner Brandon Walker Encourages Investors Who Suffered Losses In Upstart (UPST) To Contact Him Directly To Discuss Their Options If you purchased or ot ...

智通财经APP讯，江苏宁沪高速公路(00177)发布公告，该公司将于2026年7月13日派发末期股息每股 0.49元。 ...

智通财经APP讯，信达生物(01801)发布公告，于2026年第一季度，公司产品收入录得超过人民币38亿 元，同比增长超过50%，此强劲势头印证了公司"双轮驱动"策略的成功执行。公司肿瘤领域的领先地位 日益显著，五款酪氨酸激酶抑制剂(TKI)新增纳入国家医保药品目录(NRDL)后实现快速放量。同时，综 合产品线已成为公司收入增长的强劲新兴动力，主要源于信尔美®(玛仕度肽注射液)、信必乐®(托莱西 单抗注射液)及信必敏®(替妥尤单抗N01注射液)等核心产品的优异表现。 2026年第一季度的强劲表现增强了公司收入持续快速增长的信心，进一步巩固公司作为中国领先生物制 药公司的高成长性及确定性。与此同时，公司持续推进全球化创新，为公司价值打开持续向上的成长空 间。公司正在推进三项高价值潜力分子——IBI363(PD-1/IL-2α-biased双特异性抗体)、 IBI343(CLDN18.2ADC)及IBI324(VEGF/ANG2双特异性抗体)——进入或即将进入全球多中心III期临床 研究，并持续加码早期创新，推动新一代肿瘤、心血管及代谢(CVM)、自身免疫及眼科领域早期管线的 全球临床开发。展望未来，公司国内业务 ...

智通财经APP讯，敏实集团(00425)发布公告，该公司将于2026年7月21日派发末期股息每股0.764港元。 ...

公司财务状况与业绩 - 公司2024年第一季度实现净利润268亿美元 同比增长61% 营收达563亿美元 同比增长33% [3] - 尽管核心业务盈利强劲 公司股价在财报发布后盘后交易中下跌超过5% [8] 现实实验室业务表现 - 负责AR眼镜、VR头显和VR软件的Reality Labs部门在最新季度亏损40亿美元 [1] - 自2021年以来的21个季度中 Reality Labs累计亏损达835亿美元 平均每季度亏损约40亿美元 [2] 人工智能战略与资本支出 - 公司当前目标是与OpenAI和Anthropic等AI领导者保持竞争 [3] - 公司预计2026年的总支出将在1250亿至1450亿美元之间 超出分析师预期和公司先前预估 [3] - 公司提高了2024年的基础设施资本支出预测 主要原因是组件成本上升 特别是内存价格 [4] - 公司首席财务官表示 其持续低估了计算需求 且无法提供2027年资本支出的具体展望 [7] - 去年公司进行了昂贵的招聘活动 从竞争对手处挖走了超过50名AI研究人员和工程师 [6] 产品发展与市场反应 - 公司本月早些时候发布了全面改革的新AI模型Muse Spark 首席执行官报告自发布后Meta AI的使用量出现“大幅增长” [6] - 公司曾投入巨资构建一个无人真正需要或关心的元宇宙 而构建AI超级智能可能需要更多资金 [6]

集体诉讼事件概述 - 一家全国性的股东权益律师事务所Bragar Eagel & Squire, P.C.宣布，已代表在2025年2月26日至2026年2月5日期间在纽约证券交易所购买或收购Stellantis普通股的所有个人和实体，向美国纽约南区联邦地区法院提起了针对Stellantis N.V.的集体诉讼 [2] - 投资者若想申请成为该诉讼的首席原告，截止日期为2026年6月8日 [2] 诉讼指控的核心内容 - 指控称，在整个集体诉讼期间，被告就Stellantis盈利增长潜力的真实状况做出了虚假和/或误导性陈述，并/或隐瞒了重大不利事实 [3] - 具体指控包括，公司并未真正具备或处于实现其预测的调整后营业利润增长的条件或位置 [3] - 指控还涉及公司的电动化转型，称其要么并未如被告所声称的那样真正增长，要么Stellantis并未处于有利位置来利用这一趋势并将其转化为增长 [3] - 诉讼称，Stellantis最终将不得不承担巨额费用，以调整其优先事项、重点和整体执行策略，从而转向远离纯电动汽车 [3] - 当真实情况进入市场时，据称投资者遭受了损失 [3]

微软与OpenAI修订合作协议的财务与战略影响 - 微软首席执行官萨提亚·纳德拉表示 修订后的OpenAI合作伙伴关系对各方都是有利的 并强调公司始终专注于确保双赢的合作结构[1] - 根据新协议 微软保留了获取OpenAI知识产权（包括其模型和智能体产品）的权利 但不再需要为此向OpenAI支付费用[1] 微软在AI领域的市场地位与业务表现 - 微软的AI业务年化收入运行率已超过370亿美元 同比增长123%[3] - 纳德拉指出 微软通过其他方式从OpenAI获得收入 包括OpenAI作为其大型客户（不仅在AI加速器方面 还包括其他所有计算服务）以及公司持有的OpenAI股权[4] - OpenAI承诺购买价值超过2500亿美元的微软云服务 同时微软持有OpenAI 27%的股份[5] 行业竞争格局与客户需求变化 - 有观点认为 由于微软不再拥有OpenAI技术的独家访问权 新协议可能导致这家软件巨头在AI领域失去优势 OpenAI随后立即与微软最大的云竞争对手亚马逊宣布了独家AI产品[2] - 纳德拉对此类担忧不以为然 并强调企业客户通常希望使用多种AI模型 因此OpenAI在行业（尤其是对企业客户）的相对重要性已不如从前[6] - 微软提供所有超大规模云提供商中最广泛的模型选择 客户可以为不同的工作负载在OpenAI、Anthropic、开源等模型中选择合适的 超过10,000名客户使用了不止一个模型[6]

行业现状与核心矛盾 - 当前具身智能行业处于资本热潮中，2026年被称为“具身智能元年”，但技术现实粗粝，高度依赖人力密集型数据采集，每一台机器人的每一个动作都需要人工“手把手”教导[1] - 行业内部存在根本性成本结构问题，如果机器的智能仅能通过堆叠人力实现，则成本无法支撑其“走进千家万户”的规模化梦想[1] 主流技术路径的局限性 - 当前绝大多数机器人大模型采用“行为克隆”路径，即通过模仿人类专家的完美遥操数据来训练AI，该方案直观且见效快，但存在能力上限极低的致命缺陷，模型能力无法超越示范者[3] - 纯模仿训练面临“协变量偏移”问题，机器人执行时因电机老化、齿轮间隙、光线变化等现实噪音产生的微小误差，会导致模型因未见过此类场景而无法纠正，最终动作崩溃，近期机器人赛事事故即为公开注脚[4] 银河通用的新范式：世界模型路线 - 银河通用公司联合英伟达、清华和北大在论文《LDA-1B》中提出新路径，抛弃条件反射式模仿，转向世界模型路线，核心思想是让机器人在动手前先理解物理世界的因果规律[5] - 新模型LDA不再仅预测下一个动作，而是联合预测未来的画面，要求模型在数字大脑中先进行物理推演，遵循“先有知识（理解世界规律），再有应用（学习如何操作）”的不可颠倒的因果顺序[5] 技术突破：从像素预测到语义理解 - 早期世界模型及Sora等生成模型在“预测未来像素”上存在方向性错误，将算力浪费在预测光影、反光、纹理等高频噪声细节上[6] - LDA模型采用视觉基础模型DINO，在预测前将输入画面剥离无关细节，提取到高度抽象的语义空间，关注“语义”与“动作”的等式关系而非像素颜色[7] - 该方法大幅提升了效率与稳定性，在同等模型规模下，基于像素预测的老方案成功率为14.2%，而切换到语义空间后成功率跃升至55.4%，同时算力成本得到大幅压缩[7] 数据范式的颠覆：打破完美数据迷信 - 当前机器人训练逻辑照搬大语言模型，强调“Garbage in, garbage out”，导致行业重金采集完美数据[8] - 论文指出物理世界数据逻辑与文本世界不同，失败操作（如抓空、碰倒、失误重试）同样严格遵循物理规律，是宝贵的训练素材[9] - LDA提出的通用数据摄取机制改写经济账：剔除有害数据；将海量低质量、无标注的野生数据（如网络短视频）变废为宝，用于学习物理常识；极度稀缺的高质量专业数据仅用于最终微调阶段[9] - 测试数据佐证，在微调阶段向完美数据中混入30%包含停顿和失误的低质量数据，机器人的执行成功率反而提升10%[10] 未来竞争壁垒与行业影响 - 行业未来核心壁垒将发生转移，从比拼购买完美数据的能力，转向比拼谁能构建更强管道，以低成本收集海量粗糙数据并从中提炼物理常识，这将形成成本结构上的断层领先[11] - 该研究为行业提供了方向正确的路标，它终结了盲目模仿的范式，指明了世界模型的必要性，用语义表征替代了像素级算力浪费，并开辟了低成本的数据扩展路径[13] 对“GPT时刻”的理性评估 - 尽管2026年被称为元年且“GPT时刻”呼声四起，但具身智能距离其“GPT时刻”仍远，核心挑战在于物理世界交互数据的基础设施仍处于“手工作坊时代”，缺乏像文本数据那样沉淀数千年的数字化基础[13] - LDA-1B类研究的价值在于指明了方向而非推出万能成品，其意义在于让AI放下对完美数据的傲慢，学会从粗糙和失败中学习真实物理法则[13]