36氪出海 . 以下文章来源于36氪出海 ，作者36氪出海 36氪出海（letschuhai.com）是关注出海的行业媒体，为企业跨境提供海外咨询及专业服务，同时运营着超万人的出海生态社群。 2025年，中国与阿联酋非石油贸易额首次突破千亿美元大关，达到1115亿美元，同比增长24.5%。进入2026年，这一势头仍在延续。仅一季度，就有292 家新的中国企业加入迪拜商会，截至2026年3月底，在迪拜商会注册的活跃中国会员企业总数已达6532家。 在全球经济不确定性加剧的当下，中国企业的选择释放出了明确信号。 在这一背景下，迪拜商会（Dubai Chambers）正式宣布： 第五届"迪拜商业论坛 · 中国"将于2026年10月14日在深圳举行 ，主题为"聚势致远，共赢新 程"。本届论坛将汇聚中国与迪拜高级别商业领袖，旨在推进战略伙伴关系、扩大投资机遇，并为贸易、创新及技术驱动型增长开辟全新通道。 论坛采取 定向邀请与审核制 ，面向中国商界开放免费参会资格。论坛席位有限，主办方将优先为早期报名企业安排商务对接与咨询资源；针对有落地迪 拜计划的企业，论坛还将优先提供迪拜本地核心企业、家族办公室及商会高层等深度合作通 ...

以下文章来源于硬氪 ，作者乔钰杰 硬氪 . 专注全球化、硬科技报道。36kr旗下官方账号。 编辑 ｜ 袁斯来 来源｜ 硬氪（ID：south_36kr） 封面来源 ｜ 企业供图 硬氪获悉，近日，光子芯力（北京）科技有限公司（以下简称"光子芯力"）宣布完成数千万元天使轮融资，由苏州芯阳基金、驰 星创投、盛景嘉成联合领投，开源创投跟投。 光子芯力成立于2024年，总部位于北京，是一家专注于光电融合计算芯片的硬科技初创公司。公司创始人杨其晟博士毕业于清华 大学集成电路学院，具备光电融合交叉背景，核心团队亦主要来自清华大学，成员覆盖光学、算法、半导体及产业资源等方向。 "全波超表面"的差异化路线， 能最大化释放光计算的潜力。 文 ｜ 乔钰杰 当前，光计算正被视为突破电子芯片"功耗墙""存储墙"的重要方向之一，行业也逐渐进入产业化前夜。 光子芯力的核心产品聚焦 于光电异构计算芯片及配套软件工具链。 硬件层面，光子芯力创新性地采用了"全波计算"技术路线。杨其晟介绍，目前光计算领域的技术路径尚未完全收敛，公司选择基 于"全波超表面"的差异化路线，目标是最大化释放光计算的性能潜力。 不同于传统将集成光学元件拼接的方式，全波超 ...

以下文章来源于硬氪 ，作者张子怡 硬氪 . 专注全球化、硬科技报道。36kr旗下官方账号。 开创全新品类，既能收获胜利的果实， 也要面临不确定性的苦涩。 文 ｜ 张子怡 编辑 ｜ 袁斯来 来源｜ 硬氪（ID：south_36kr） 封面来源 ｜ 企业供图 那是一个价值5000万美元成功故事诞生的夜晚。 eufyMake的产研负责人 Cheney Xie 仍然记得狂喜带来的多巴胺。那是2025年4月29日晚上十点，eufyMakeUV打印机E1上线众筹。 首个100万美元的记录用时不过一分钟。"感觉像爆金币一样，金额哗啦啦涨上去。" 当夜无人入眠。直到凌晨四五点，组内的同学还在不停更新着众筹金额的实时截图。 时至今日，eufyMake E1仍以4670万美元的众筹金额，维持着Kickstarter历史上融资额最高的项目记录。 eufyMake E1走过了近一年，产品在海外已接近完全交付。eufyMake E1在国内市场也正式开启售卖。 无论是对安克创新，还是对eufyMake，成功量产且交付都颇具里程碑意味。毕竟，E1是全球首款消费级UV打印机，生产它需要全新的经验，也要面临 复杂的产业链整合。 市场对这款产品 ...

据 CCTV国际时讯 ，法国西南部新阿基坦大区政府5月13日禁止一艘停靠波尔多的邮轮上人员下船。 据了解，这艘邮轮上出现了"数十例疑似肠胃炎病例"。新阿基坦大区卫生部门在声明中表示，禁止乘客和船员下船的措施是临时性的，目前在等待 医学检测结果——不过"没有理由将其与近日'洪迪厄斯'邮轮上出现的汉坦病毒聚集性病例联系起来"。 ...

On-Policy Distillation (OPD) 技术现象与核心法则 - 在当下大模型后训练流程中，On-Policy Distillation 已成为明星技术，业界如Qwen3、MiMo、GLM-5等模型采用后报告了巨大性能提升，其提供了密集的Token级别监督信号[3] - 研究发现了反直觉现象：使用更强的教师模型，学生模型的性能可能毫无提升甚至倒退，表明大模型时代的蒸馏并非简单的“大力出奇迹”[4] - 决定蒸馏成败的两大核心法则是思维模式一致性与高分不等于新知识[9] - **思维模式一致性法则**：学生与教师的初始思维模式接近性至关重要，例如弱Base模型Qwen3-1.7B-Base与经过GRPO训练的Qwen3-4B-Base-GRPO教师因思维模式更近而取得显著提升，早期错配后续难弥补[9] - **高分不等于新知识法则**：仅参数更大、分数更高的同pipeline教师提升有限，而经过额外强化学习后训练的教师能恢复更多师生能力差距，例如在DeepSeek家族中，经过RL的教师模型能力差距恢复达16.9%，而仅同pipeline蒸馏的教师仅5.3%；在Qwen家族中，此差距达58.6%对15.6%[11] - 极端“反向蒸馏”实验表明，学生向更大参数但同源的教师学习，效果与向自己前序版本学习几乎一样，都导致能力倒退，说明大参数模型未提供更多可学习信息，OPD本质是提取并复刻教师的思维模式[13] OPD成功与失败的Token级别机制 - 成功的蒸馏表现为学生与教师模型预测Token重叠率稳步上升，从72%攀升至91%以上，同时两者的熵差距迅速缩小[15] - 失败的蒸馏中，上述指标从头到尾基本无变化[15] - 核心优化引擎是师生共同看好的高概率Token（重叠区域），仅对这些重叠Token计算损失，蒸馏性能几乎不打折扣，而非重叠Token对优化几乎无贡献[16][17] 提升失败蒸馏效果的实用方法 - **方法一：教师Rollout上进行Off-Policy冷启动**：在开始OPD前，先让学生模型在教师生成的rollout上进行一轮轻量级监督微调，以直接拉高初始Token重叠率，使后续OPD训练顺利启动并超越纯OPD基线性能[19] - **方法二：使用与教师对齐的提示词**：让OPD训练使用更接近教师训练分布的提示词，包括模板和内容层面的对齐，这能进一步提升准确率和重叠率增长，但需混用部分分布外提示词以避免学生模型熵值过早坍塌[21] OPD技术的局限性与根本张力 - OPD的密集奖励信号质量会随生成轨迹深度急剧衰减，在长达15K token的响应中观察到“从后向前的熵崩塌”，教师在后半段给出的奖励变成噪音，导致训练坍塌，因此目前难以直接扩展到长思维链或多轮智能体场景[25] - 存在密集监督与监督可靠性之间的根本性张力[25] - 全局有用的奖励信号不代表局部能被有效优化，失败教师给出的全局奖励区分能力可能与成功教师相近，但局部优化几何结构可能平坦，导致无法有效传递信息[27] 对教师模型能力的重新认识 - 在OPD中，更强的教师模型不自动等于更会教，高分也不自动等于新知识[31] - 大模型知识蒸馏的核心不是简单的能力灌输，而是传递一种思维路径和局部偏好的组织方式[31] - 关键问题在于教师与学生是否使用同一种“语言”，以及教师带来的监督信号能否在学生当前的位置上转化为有用的梯度[32]

公司概况与融资 - 初创公司Recursive_SI正式亮相，创始团队包括田渊栋、Richard Socher（CEO）、Tim Rocktäschel、Jeff Clune、Tim Shi、Caiming Xiong、Alexey Dosovitskiy等人 [1][2][4] - 公司致力于打造能够自主进行实验、以安全方式自我改进的人工智能，通过开放式的自动化科学发现过程不断演进，这被认为是通向超级智能的最可能路径 [6] - 公司目前筹集了6.5亿美元，估值达到46.5亿美元，由GV（Google Ventures）和Greycroft领投，AMD Ventures和NVIDIA参与了重要投资 [7] - 团队成员已超过25人并持续扩张，已吸引包括诸葛鸣晨在内的优秀人才加入 [7] 创始团队背景 - 创始团队成员曾参与建立Salesforce和Uber的AI研究实验室，并在OpenAI、DeepMind、Google Brain以及Meta等团队担任领导职务，拥有丰富的科研与创业经验 [6] - 创始成员诸葛鸣晨博士毕业于KAUST计算机科学专业，师从“LSTM之父”Jürgen Schmidhuber教授，研究方向聚焦于代码智能体、递归自我改进以及下一代机器范式 [7] 核心技术方向与研究基础 - 公司核心研究方向是递归自我改进（RSI），致力于打造能够自动发现知识并递归自我改进的人工智能，以期从根本上改变科学与技术的进步方式 [6][9] - 创始成员诸葛鸣晨自2023年起系统探索RSI方向，其提出的GPTSwarm被认为是LLM时代最早的RSI系统范式之一，首次系统性提出并验证了基于Graph-based Agents的自组织协作框架 [8] - 诸葛鸣晨的研究还包括Agent-as-a-Judge（探索长时程任务中的持续反馈与自我评估机制）和NeuralComputer（探索融合记忆、推理与自主演化能力的新型机器范式） [9] - 团队在递归自我改进人工智能的多个核心领域处于行业前沿，包括开放式算法、质量多样性算法、AI生成算法、自我改进编程智能体、自动化红队测试、基础世界模型、视觉Transformer、检索增强生成及AI科学家等方向 [14]

研究背景与核心问题 - 钙钛矿/电荷传输层异质结界面处的能量损失是实现高性能钙钛矿太阳能电池的关键障碍 [2] - 传统分子配体钝化界面缺陷时，其垂直锚定构型会延长界面传输路径，从而阻碍电荷传输 [2] 研究成果与核心观点 - 研究团队在钙钛矿太阳能电池界面工程取得重要突破，通过配体吸附拓扑结构的**立体电子调控**，协同解决界面缺陷钝化与电荷传输的矛盾 [2] - 该研究为钙钛矿太阳能电池的界面设计提供了新范式，有望推动其迈向商业化 [2] 技术方法与机理 - 通过策略性地用氮原子取代苯环碳原子构建吡啶或嘧啶环，设计了能够同时通过Pb-N配位键和Pb-I-π相互作用锚定钙钛矿的配体 [5] - 单个分子具备双重协同结合模式，强化的立体电子相互作用驱动配体在热力学上更倾向于平面排列 [5] - 该方法在实现原子尺度缺陷钝化的同时，保持了界面亚纳米尺度的电荷传输 [5] 性能数据与效果 - 优化后的界面结构实现了**26.85%**的稳态功率输出 [5] - 认证的反向扫描与正向扫描效率分别为**27.41%**和**26.35%** [5] - 太阳能组件表现出卓越的工作稳定性，在户外实时现场测试**258天**后，仍能保持初始组件效率的**85.8%** [5] 研究团队与发表信息 - 该研究由陕西师范大学赵奎教授、刘生忠教授及瑞典林雪平大学高峰教授作为共同通讯作者完成，赵奎课题组博士生杨廷欢为论文第一作者 [2] - 研究成果于2026年5月13日发表于国际顶尖学术期刊《Nature》 [2]

沃什出生于1970年，曾于2006年至2011年担任美联储理事。沃什近年来对美联储持批评态度，主 张调整美联储沟通策略和通胀衡量指标。 美联储现任主席鲍威尔的任期将于5月15日到期，但其美联储理事职位任期将持续至2028年1月 底。鲍威尔日前宣布，他将在主席任期结束后留任美联储理事。 美国联邦储备系统的核心机构包括联邦储备系统理事会（简称联邦储备委员会）、联邦公开市场委员 会和12家总部设在不同城市的地区联邦储备银行。理事会7名理事由总统任命，任期14年；主席由 总统在理事中选择，任期4年，可连任。 据央视新闻，当地时间5月13日，记者 获悉，美国国会参议院当日以54票赞成、45票反对的投票结 果，正式批准凯文·沃什出任美联储主席。 参议院此前已于12日批准沃什担任美联储理事，为期14年。随着13日主席任命获得通过， 沃什将 在完成白宫相关签署程序后正式履职，接替任期将于本周五（5月15日）结束的现任主席鲍威尔。 不过，鲍威尔预计仍将继续留任美联储理事。 微信编辑 | 七三 ...

PCB行业上游电子布 - PCB行业上游供需持续紧绷，千亿龙头公司计划投资44亿元人民币加码电子布产能[2] - 该信息提示了PCB产业链上游原材料领域的投资机会[2] AI与半导体行业投资 - 软银计划投入数百亿美元资金用于AI领域投资[2] - AMD和Arm等海外科技巨头的最新动态及财报数据，为CPU在AI Agent时代的价值重估提供了实证支撑[2] 医疗健康政策 - 国家医保局发布五年行动计划，将通过三大举措加强医保基金监管[2] 互联网巨头资本开支 - 阿里巴巴在业绩会上表示，公司未来三年的资本开支可能远超3800亿元人民币[2] - 腾讯和阿里巴巴在业绩会上释放了产业核心信号[2] 市场策略与机会展望 - 机构认为，市场在创出新高后虽量能略有萎缩，但结构性机会依然突出[2] - 财报季过后市场风格有望扩散[2] - 建议关注的投资方向包括：中证500、电子、通信、电力电网、新能源、石油石化、红利等[2]

文章核心观点 - 量化投资在股票市场博弈中胜出的关键在于对数据的全面收集和深度分析，利用数学模型和算法从海量数据中挖掘隐藏的市场规律[1][5] - 市场存在信息不对称，知情交易者的行为会在高频买卖订单流中留下痕迹，通过构建基于Level-2逐笔订单数据的高频知情交易因子（VPIN类和DPIN类），可以捕捉这些信息并获取超额收益[2][3][12] - 研究构建了39个日内高频知情交易因子，其中9个表现较优的因子在历史回测中展现出显著的选股能力和超额收益，且与现有主流因子库的相关性较低，具有独立的信息价值[3][4][61] Level 1与Level 2行情数据介绍 - Level 1数据为3秒一笔的快照数据，包含5档买卖盘口、成交量、成交额等基础信息[6][7] - Level 2数据不仅提供更丰富的快照数据（如10档买卖盘口、撤单信息），还提供了精确到毫秒的逐笔订单数据，这是所有行情数据的根源，为深度因子挖掘提供了基础[6][7] - 利用Level 2数据中的详细快照和逐笔订单数据，可以分析价格趋势、周期波动和交易信号，从而挖掘更有效的选股因子[6] 相关研究工作（海量Level 2数据因子挖掘系列） - 该系列前期研究报告已从Level 2逐笔订单数据中挖掘了数百个有效因子，涵盖大小单、长短单、集合竞价、市价订单、重点时段等多个维度[10] - 部分绩优因子（如keyperiod_ret_zero、bigbuy_bigsell、longsell等）已被纳入因子数据库近2年，跟踪表现优异，在2020年1月1日至2026年4月30日期间，历史RankIC均值最高达11.01%，历史胜率最高达86.10%[10][11] - 前期构建的因子组合表现出色，例如精选大小单因子组合历史RankIC均值为9.2%，胜率为76.0%；精选长短单因子组合历史RankIC均值为13.1%，胜率为80.3%[10] 日内高频知情交易因子构建与表现 - **VPIN类因子**：通过度量全天主买与主卖在成交量、成交额、成交笔数上的不平衡，构建了VPIN_vol、VPIN_amt、VPIN_cnt三个因子，直接反映多空筹码失衡程度[3][13] - 在2019年3月1日至2026年4月30日的回测期内，VPIN_vol因子十分档多头组合年化收益率为16.53%，相比中证全指的超额年化收益率为8.72%，RankIC均值为10.05%，方向胜率为73.6%[3][24] - **DPIN类因子**：在动态日内知情交易概率模型框架下，通过结合3种行为特征（基础、大单、小单）、4种时间特征（全天、早盘、盘中、尾盘）和3种统计特征（均值、标准差、稳定性），构建了36个DPIN类因子[13][16][17][18] - 多个DPIN因子表现出色，例如DPIN_base_total_std因子的月度RankIC大于8%，方向胜率接近70%[3] - DPIN_big_am_std因子（早盘大单知情交易概率的标准差）在2019年至2026年回测期内，Q1多头组合年化收益率为14.43%，超额中证全指的年化收益为6.82%[31] - DPIN_small_am_mean因子（早盘小单知情交易概率的均值）的Q1多头组合在同期总收益率为108.64%，年化收益率为10.73%[41] 因子相关性分析 - 从39个因子中挑选出的9个表现较优的知情交易因子，与Barra风格因子、深度学习因子以及系列前序研究中的各类因子进行了相关性分析[4][61] - 整体而言，这些因子与现有各类因子的相关系数大多保持在0.5以内，部分因子表现出较强的独立性[4][61] - 具体来看，VPIN_vol因子与Barra流动性因子相关系数为-0.51，与长短单因子中的shortbuy_shortsell相关系数为-0.64，显示了一定的差异性[62][65] - DPIN类因子与集合竞价、市价订单等因子的相关性也普遍较低，例如DPIN_base_total_std与transaction_order_ratio_oa的相关系数为-0.42[66][67]