模型性能与核心突破 - 何恺明团队推出Improved MeanFlow (iMF)，成功解决了原始MeanFlow (MF)在训练稳定性、指导灵活性和架构效率上的三大核心问题 [1] - 在ImageNet 256x256基准测试中，iMF-XL/2模型在1-NFE（单步函数评估）中取得了1.72的FID成绩，相较于原始MF的3.43 FID，性能提升了50% [2][19] - iMF在2-NFE时的FID达到1.54，进一步缩小了单步模型与多步扩散模型（FID约1.4-1.7）的性能差距 [20] 技术改进细节 - **训练稳定性**：iMF通过重构预测函数，将训练目标重新表述为更稳定的瞬时速度损失，成功将训练流程转换为一个稳定的标准回归问题，解决了原始MF因“目标自依赖”导致的优化不稳定问题 [4][8][11] - **指导灵活性**：iMF通过将无分类器指导（CFG）的指导尺度内化为一个可学习的条件输入，在训练时从偏向较小值的幂分布中随机采样，从而在推理时解锁了CFG的全部灵活性，允许调整尺度以优化图像质量或多样性 [12] - **架构效率**：iMF引入了高效的上下文内条件作用架构，将所有条件编码成多个可学习的Token并与图像Token拼接输入Transformer，移除了参数量巨大的adaLN-zero模块，使得iMF-Base模型参数量从131M降至89M，尺寸减小了约1/3 [15][17] 模型效率与参数对比 - iMF系列模型在显著提升性能的同时，优化了模型效率，例如iMF-B/2模型参数量为89M，计算量为24.9 Gflops，FID为3.39，而对应的原始MF-B/2模型参数量为131M，计算量为23.1 Gflops，FID为6.17 [3][19] - iMF-XL/2模型参数量为610M，计算量为174.6 Gflops，在1-NFE下FID为1.72，其性能优于许多从预训练多步模型中蒸馏而来的快进模型 [19][22] 研究团队与背景 - 论文一作为耿正阳（CMU博士生），共同一作为清华姚班大二学生Yiyang Lu，尾作为MIT终身副教授何恺明，其他合作者包括Adobe研究员Zongze Wu、Eli Shechtman及CMU机器学习系主任Zico Kolter [3][23][25][28][30][31] - 该研究部分工作在MIT期间于何恺明教授指导下完成，相关前作MeanFlow已入选NeurIPS 2025 Oral [27][33]

招聘岗位与职责 - 公司招聘金融工程组实习生，工作地点为深圳、上海、北京，要求线下实习 [1] - 实习时间要求每周至少3天，总时长不少于3个月，实习考核优秀者有留用机会 [1] - 岗位职责包括数据处理、分析、统计，协助完成量化投资课题研究 [2] - 岗位职责包括协助进行金融工程策略模型的开发与跟踪 [2] 候选人基本要求 - 专业要求为数学、统计、物理、计算机、信息工程等理工科或金融工程相关专业 [3] - 学历要求为硕士或博士在读，特别优秀的大四保研生亦可，要求非应届（2027年及之后毕业） [3] - 技能要求熟练掌握Python等编程语言，熟悉SQL数据库，具备优秀编程能力与规范 [3] - 能力要求包括责任心强、自我驱动，并具备良好的信息搜集、逻辑思维、分析判断及沟通表达能力 [3] 候选人优先考虑项 - 具备扎实的金融市场基础知识，熟悉股票、债券、期货、指数及基金等核心概念 [4] - 数学基础好，有科研项目经历及SCI或EI收录的学术论文 [4] - 熟悉Wind、Bloomberg、天软等金融终端 [4] - 熟悉机器学习、深度学习，熟悉PyTorch、Linux，有GPU服务器使用及项目开发经验 [4] - 有其他机构量化投研相关实习经历 [4] 申请流程与方式 - 简历投递截止日期为2025年12月31日 [1] - 简历需投递至指定邮箱，邮件标题需按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名 [5] - 简历需以PDF格式发送，未按要求命名的邮件将被视作垃圾邮件处理 [5] - 简历收集截止后，公司将尽快为合格候选人安排笔试和面试 [5]

核心观点 - 何恺明团队推出的Improved MeanFlow (iMF) 成功解决了原始MeanFlow在训练稳定性、指导灵活性和架构效率上的三大核心问题，将单步生成模型的性能提升至与多步扩散模型相媲美的新高度 [1][2] 技术改进与创新 - **重构训练目标为稳定回归问题**：iMF通过将训练目标重新表述为更稳定的瞬时速度损失，解决了原始MF因“目标自依赖”导致的优化不稳定和方差大的问题，将训练转换为一个标准的回归问题 [4][7][9][13] - **引入灵活的无分类器指导**：iMF将指导尺度内化为一个可学习的条件输入，在训练时从分布中随机采样不同尺度，使得模型在推理时能够灵活调整指导尺度以优化图像质量或多样性，解锁了CFG的全部灵活性 [14][15][16][18] - **采用高效的上下文内条件作用架构**：iMF将所有条件编码成多个可学习的Token，与图像Token拼接后输入Transformer块联合处理，从而移除了参数量巨大的adaLN-zero模块，大幅优化了模型尺寸和效率 [19][21][23][24] 性能表现与实验结果 - **ImageNet 256x256基准测试结果优异**：iMF-XL/2模型在1-NFE（单步函数评估）中取得了1.72的FID成绩，相较于原始MF的3.43 FID提升了50% [2][26] - **模型效率显著提升**：在性能提升的同时，模型参数大幅减少，例如iMF-Base模型参数从131M降至89M，减小了约三分之一，而计算量（Gflops）和图像质量（IST）指标均有提升 [3][24][26] - **性能超越同类模型**：iMF从头训练的性能优于许多从预训练多步模型中蒸馏而来的快进模型，在2-NFE时FID达到1.54，进一步缩小了与多步扩散模型（FID约1.4-1.7）的差距 [26][29][31] 研究团队背景 - **核心作者阵容强大**：论文一作为CMU博士生耿正阳，共同一作为清华姚班大二学生Yiyang Lu，尾作为著名机器学习科学家、MIT终身副教授何恺明 [3][32][35][44] - **合作者来自顶尖机构**：其他合作者包括Adobe研究员Zongze Wu、Eli Shechtman，以及CMU机器学习系主任Zico Kolter [3][38][40][42]

财务数据和关键指标变化 - 公司预计第四季度营收将比第三季度增加约6000万美元，主要受三个因素驱动 [1] - 外汇汇率变动对第四季度绝对美元收入金额产生负面影响，预计减少500万至700万美元，约使外汇顺风效应减少1% [3] - 软件业务年度投资组合价值增长强劲，今年增长率约为19%，高于长期规划中的9-11%预期 [28][29] - 公司为2026年设定了2-3%的收入增长和28%的利润率目标 [56][57] 各条业务线数据和关键指标变化 - **生命科学诊断业务**：Genomics England合同在第三季度贡献约200万美元，第四季度贡献约700万美元，是第四季度增长的主要驱动力之一 [1] - **生命科学试剂业务**：在过去的五个季度中，在低迷的市场环境下实现了低个位数或中低个位数的有机增长 [11] - **生命科学仪器业务**：活动增加，从第三季度到第四季度的增长更多是正常的季节性提升，而非典型市场环境下的大规模预算消耗 [2][13] - **软件业务**：今年每个季度增长率均超过20%，远超预期，其中SaaS部分目前占总业务的33-35% [20][24] - **免疫诊断业务（中国以外）**：表现非常出色，市场持续以中高个位数增长，接近两位数 [38] - **生殖健康业务**：实现中个位数增长 [48] - **新生儿筛查业务**：实现高个位数至接近低两位数的增长 [48] 各个市场数据和关键指标变化 - **中国以外市场**：业务和产品线表现优异 [1] - **中国市场（生命科学）**：在过去三年中，公司在生命科学领域是行业内唯一表现良好的企业，尤其是在试剂方面，继续成为增长动力 [18] - **中国市场（诊断）**：公司整体收入的14%来自中国，其中7-8%来自生命科学，诊断业务预计最终将占公司总收入的5-6% [44] - **美国市场（免疫诊断）**：从收购时占EUROIMMUN收入的5%增长至目前的15-20%，长期目标份额应为40-45% [38] 公司战略和发展方向和行业竞争 - **软件与AI战略**：公司持续超投Signals软件业务，认为未来五年药物发现将越来越多地利用机器学习和AI，公司旨在成为AI药物发现的平台和市场 [22][32] - **AI应用三大支柱**：公司从产品AI、企业AI以及质量保证/质量控制治理三个层面应用人工智能 [35] - **中国市场战略**：公司的重点是如何作为一家中国本土公司在中国市场运营和创新，包括加快NMPA审批和追求“在中国，为中国”的战略机会 [42][45] - **竞争与市场份额**：在试剂市场，尽管市场环境低迷，公司认为其持续的低个位数有机增长表明其可能正在夺取市场份额 [11] - **并购战略**：公司具有收购倾向，但将专注于进行具有战略和财务意义的收购，例如近期对ACD/Labs的收购 [58] - **资本配置**：优先考虑战略性收购，同时将股票回购视为最佳机会，并将继续择机进行 [58] 管理层对经营环境和未来前景的评论 - **市场环境**：市场动态自第三季度以来基本相似，没有改变 [1] - **生物制药复苏**：生物制药领域开始显现正常化迹象，市场混乱和不确定性正在平息，预计需要一两个季度才能看到更正常的活动，并购活动是市场正常化的初步迹象 [7][8] - **预算环境**：在仪器方面，观察到活动增加，客户讨论更活跃，这表明资本支出预算可能正在松动 [13][16] - **学术和政府市场**：受政府停摆影响，但该部分仅占公司总收入的5%（占美国收入的12%），影响不大 [9] - **中国诊断市场**：过去一年面临多项政策逆风，预计在完全消化新的诊断相关分组影响后，市场将趋于稳定，但仍会有一些波动 [42][43][45] - **2026年展望**：公司对设定的增长和利润率目标感到满意，预测中已考虑了稳定的市场环境以及中国免疫诊断业务在头两个季度的拖累影响 [57] 其他重要信息 - **新产品管线**：Signals BioDesign预计在明年第一季度推出，将是Signals业务的重要增长动力，专注于大分子和生物分子领域 [30] - **合作伙伴关系**：与赛诺菲在青少年1型糖尿病筛查方面的合作，为新生儿筛查业务带来了新的增长途径 [49][50] - **成本与利润率举措**：公司通过重组、整合收购、采购优化等多项举措，从利润表顶部到底部推动利润率提升 [55] - **外汇影响**：外汇变动主要影响收入的绝对美元金额，对有机增长和每股收益影响甚微 [3][52] 问答环节所有的提问和回答 问题: 关于生命科学诊断和试剂业务，特别是政府停摆和生物技术敏感部分的影响 [4] - 试剂业务中约一半是BioLegend，在学术和政府方面受到停摆的适度影响，而生物制药部分则继续表现良好 [5] - 生物制药领域正开始显现正常化迹象，这是过去几个季度首次出现 [5] 问题: 生物技术资金复苏对公司业务的影响速度 [6] - 复苏并非单一事件驱动，而是随着市场不确定性和混乱的平息，生物制药公司对未来运营环境更有把握，并购活动增加是市场正常化的初步信号，预计需要一两个季度 [7] 问题: 学术和政府业务受停摆影响的程度，是否与预期一致 [9] - 学术和政府业务占公司总收入的5%，占美国收入的12%，停摆时间比预期长了几周，会产生适度影响，但影响不大 [9] 问题: 如何看待试剂业务回归正常增长的路径和2026年预期 [10] - 任何能增加生物制药运营环境确定性的事件都是积极信号，例如英美之间的药品贸易关税协议公告和生物技术并购活动，市场越确定，混乱越少，公司作为工具提供商业务就越能提升 [10] 问题: 试剂市场竞争格局是否有变化，是否出现份额转移 [11] - 公司试剂业务表现良好，在过去五个季度的低迷市场中实现了有机增长，这不仅是表现良好的标志，也意味着可能夺取了市场份额，市场的不确定性（如收购）为公司提供了获得份额和增强竞争力的机会 [11] 问题: 生命科学仪器业务的前景和预算预期 [12] - 仪器业务的活动增加，从第三季度到第四季度的增长更多是正常的季节性提升，而非预算消耗，关键迹象是活动增加，导致更多订单和询价，尤其是在高内涵筛选等生物制药常用的领域 [13][14] 问题: 生物制药客户的情绪是否因政策风险缓解而变得更加乐观 [15] - 与客户的讨论更加活跃，虽然不会立即转化为订单，但活动增加表明生物制药领域，尤其是仪器方面，正在恢复生机，这预示着资本支出预算正在松动 [16] 问题: 中国生命科学业务的前景如何 [17] - 中国生命科学业务，尤其是试剂方面，一直是公司增长的动力，合同研究组织活动在中国市场依然活跃且趋于正常，公司在该领域表现良好 [18] 问题: 是否看到中国经济刺激措施带来的活动 [19] - 在剥离PerkinElmer业务后，刺激措施对公司的影响不再显著 [19] 问题: 软件业务表现远超预期的驱动因素是什么 [20][21] - 驱动因素包括持续的投资、对客户的关注、与客户的互动（如年度用户小组会议）、庞大的安装基础，以及公司对未来药物发现将转向机器学习和AI的信念，这推动了持续的超投 [21][22] 问题: 软件业务中续约和新签约的占比，哪部分是增长的主要动力 [24] - 增长来自两方面，尽管SaaS部分增长更快，但目前仅占业务的33-35%，导致有机增长存在波动，真正的衡量指标是年度投资组合价值，续约部分使公司能够向上销售新推出的产品 [24] 问题: 面对2025年的高基数，如何展望2026年软件业务的增长轨迹 [26] - 从有机增长角度看，在SaaS部分占比从34-35%提升到60-65%之前，增长会存在波动，建议从年度投资组合价值的角度来看待该业务，该业务将继续表现良好 [27][29] 问题: 软件业务在不同规模客户（小/中/大）中的扩张机会 [30] - 公司已进入几乎所有顶级生物制药公司，新产品的推出（如Signals Clinical, Synergy，以及即将推出的BioDesign）将是未来的主要增长动力，BioDesign将帮助公司进入大分子领域 [30][31] 问题: 公司整体的AI机遇，包括内部和软件方面 [33] - AI应用分为三大支柱：产品AI（如显微镜、体内成像仪器的自动化）、企业AI（已全面运营，提升生产力）以及QA/QC治理，在诊断领域（如新生儿筛查）也有应用机会 [35][36][37] 问题: 中国以外的免疫诊断业务表现和前景 [38] - 中国以外的免疫诊断市场持续以中高个位数增长，接近两位数，美国市场是主要增长动力，份额从收购时的5%增长到15-20%，长期目标为40-45% [38] 问题: 在美国市场实现份额增长的关键机会和途径 [40] - 公司在某些细分临床市场（如神经免疫学、肾病学）拥有知识产权，竞争较少，重点在于专业的检测领域，增长障碍在于时间、审批以及持续引入自动化和检测方法 [40] 问题: 中国诊断市场的情况，是否已达到稳定，如何看待未来 [41][42] - 中国市场重要但充满挑战，过去一年面临诊断相关分组、带量采购、阳光法案等政策逆风，行业从多重检测转向单一检测，最终将趋于平衡，公司重点是以中国公司身份创新，预计在完全消化政策影响后市场将趋于稳定 [42][43] 问题: 如何量化中国诊断业务的一次性影响及未来展望 [44] - 预计中国业务最终将占公司总收入的10-13%，其中诊断业务占5-6%，免疫诊断是主要部分 [44] 问题: 中国诊断业务短期是否仍有波动，如何应对 [45] - 短期仍会有一些波动，但主要影响已经显现，公司的重点是如何本土化、加快审批以及寻求“在中国，为中国”的战略机会 [45] 问题: 新生儿筛查业务的驱动因素和未来前景 [46] - 增长源于持续引入新检测方法、地域扩张（如埃及）、与政府的合作以及针对新疾病（如杜氏肌营养不良症、青少年糖尿病）开发筛查检测，与赛诺菲的合作是重要的增长动力 [48][49][50] 问题: 第四季度营收指引的信心水平和关键变量 [51] - 第四季度增长基于三个支柱：生命科学仪器活动、Genomics England合同、以及中国以外免疫诊断业务的低基数对比，外汇对绝对收入金额有负面影响，但对有机增长和每股收益影响很小 [52][53] 问题: 第四季度利润率环比提升的驱动因素 [54] - 利润率提升得益于收入增长带来的经营杠杆，以及持续的成本优化举措，如重组、整合收购、采购改进等 [55] 问题: 2026年增长和利润率目标的构成要素及信心水平 [56] - 2026年目标基于稳定的市场环境假设，并已考虑了中国免疫诊断业务在前两个季度的拖累影响，公司对设定的数字感到满意 [57] 问题: 当前的资本配置优先顺序和并购意愿 [58] - 公司具有收购倾向，但会专注于战略和财务意义合理的收购，股票回购被视为最佳机会，公司将择机进行 [58]

财务数据和关键指标变化 - 第四季度营收环比第三季度提升约6000万美元 [1] - 第四季度外汇（FX）因素对绝对美元金额产生负面影响，导致顺风减少500-700万美元，约合1% [3] - 公司预计2026年营收增长2-3%，调整后营业利润率达到28% [54][56] 各条业务线数据和关键指标变化 - **生命科学业务**：市场活动增加，尤其是在仪器方面，从第三季度到第四季度的季节性提升属于正常范畴，而非大规模预算集中释放 [1][2] - **诊断业务**：非中国市场（ex-China）表现优异，免疫诊断业务表现良好，且第四季度基数较低 [1][2][50] - **软件业务（Signals）**：2025年增长远超预期，年度投资组合价值（APV）增长约19%，长期规划（LRP）预计增长9-11%，但实际增长在12-13% [19][27][28] - **试剂业务**：在低迷市场环境中，过去五个季度保持个位数或低个位数有机增长 [10] - **生殖健康与新生儿筛查业务**：生殖健康业务增长中个位数，新生儿筛查业务增长高个位数至接近低双位数 [46] 各个市场数据和关键指标变化 - **中国市场**：是公司第二大市场，目前占总营收约14%，其中生命科学占7-8%，诊断业务占5-6% [40][43] - **非中国市场（ex-China）**：整体表现强劲，生命科学和诊断业务均表现良好 [1] - **美国市场（免疫诊断）**：从收购EUROIMMUN时占总营收5%增长至15-20%，长期目标份额为40-45% [36] 公司战略和发展方向和行业竞争 - **软件与AI战略**：公司正大力投资Signals软件业务，认为未来5-10年药物发现将越来越多地利用机器学习和AI，Signals软件旨在成为药物发现的平台或市场 [21][22][31] - **AI应用三大支柱**：产品AI（如显微镜、体内成像仪器的自动化）、企业AI（提升内部效率）、以及AI治理与质量控制 [34][35] - **中国市场战略**：致力于像一家中国本土公司一样运营和竞争，通过本地化、加快NMPA审批、以及专注于生殖健康和新生儿筛查等领域进行创新 [40][42][44] - **收购战略**：公司具有收购倾向，但会保持战略和财务上的理性，近期收购ACD/Labs是一个例子，旨在利用Signals的基础设施和渠道 [57] - **竞争与市场份额**：在试剂业务方面，公司认为在低迷的市场环境中实现了增长，并可能夺取了部分市场份额 [10] - **行业趋势**：生物制药领域政策风险有所缓解，客户对话更活跃，资本支出（CapEx）有松动迹象，并购活动是市场正常化的早期信号 [6][14][15] 管理层对经营环境和未来前景的评论 - **市场环境**：整体市场动态与之前相比基本相似，未发生重大变化 [1] - **生物制药前景**：生物制药市场正在显现正常化迹象，混乱和不确定性正在平息，预计未来几个季度将回归常态增长 [5][6][7] - **试剂业务展望**：市场确定性的任何迹象（如美英药品贸易关税协议、生物技术并购活动）都是回归正常增长的积极信号 [9] - **仪器业务展望**：观察到仪器端活动增加，订单和询价增多，这是市场复苏的初步迹象，高内涵筛选（high-content screening）领域的活动尤其令人鼓舞 [12][13] - **中国诊断业务展望**：短期内仍会有一些波动，但影响已大部分体现，随着按疾病诊断相关分组（DRG）支付改革的影响在几个季度内被完全消化，市场将趋于稳定 [42][44] - **2026年展望**：公司对给出的2026年营收和利润目标感到满意，已考虑到稳定的市场环境以及中国免疫诊断业务改革影响的消化 [56] 其他重要信息 - **Genomics England合同**：该合同在第三季度贡献约200万美元，第四季度贡献约700万美元，是第四季度营收提升的驱动因素之一 [1] - **政府停摆影响**：学术和政府机构业务占公司总营收5%，占美国营收12%，政府停摆产生了适度影响，但影响不大 [8] - **软件业务构成**：SaaS部分目前仅占软件总业务的33-35%，增长较快，但导致有机增长数据波动较大 [24] - **新产品发布**：Signals Clinical和Signals Synergy已发布并开始表现良好，BioDesign计划在明年第一季度推出，将进军大分子和生物分子领域，是Signals业务下一个主要增长动力 [29] - **资本配置**：除战略性收购外，公司认为其股票是很好的机会，将继续伺机进行股票回购 [57] 总结问答环节所有的提问和回答 问题: 生命科学诊断业务中，试剂方面略显疲软，政府停摆和生物技术敏感部分的影响如何 [4] - 试剂业务中约一半是BioLegend，在学术和政府端受到停摆的适度影响，而制药生物技术部分持续表现良好，并开始显现回归正常的迹象 [5] 问题: 生物技术资金复苏对公司业务的影响速度有多快 [6] - 复苏并非单一事件驱动，而是随着市场混乱和不确定性平息，更多确定性出现（如并购活动），预计需要一两个季度看到回归常态的路径 [6][7] 问题: 政府停摆的实际影响是否与预期相符 [8] - 停摆时间比预期长几周，对公司总营收（5%）和美国营收（12%）有适度影响，但影响不大 [8] 问题: 如何看待试剂业务在2026年回归正常的路径和关键指标 [9] - 任何增加制药生物技术运营环境确定性的事件都是积极信号，例如美英药品贸易关税协议和生物技术并购活动 [9] 问题: 试剂业务竞争格局是否有变化，是否出现市场份额转移 [10] - 公司试剂业务在低迷市场中表现良好，实现个位数有机增长，可能夺取了市场份额，市场不确定性（如收购）为公司提供了获取份额的机会 [10] 问题: 生命科学仪器业务的前景和预算预期如何 [11] - 观察到的是正常的季节性提升，而非预算集中释放，关键迹象是仪器活动增加，订单和询价增多，尤其是高内涵筛选领域，表明资本支出有所松动 [12][13] 问题: 生物制药客户对话的基调是否变得更加乐观 [14] - 与客户的讨论更加活跃，虽然不会立即转化为订单，但活动增加是市场复苏的迹象，特别是在高资本支出的专业化仪器领域 [15] 问题: 中国生命科学业务前景如何，公司为何表现相对优于同行 [16] - 中国生命科学业务一直是增长动力，尤其是在试剂方面，合同研究组织（CRO）活动依然活跃，市场正接近或回归正常水平 [17] 问题: 中国刺激政策是否对公司业务产生影响 [18] - 在剥离PerkinElmer业务后，刺激政策对公司影响不大 [18] 问题: 软件业务（Signals）为何大幅超越增长指引 [19] - 得益于持续的投资、客户互动以及庞大的装机基础，公司认为未来药物发现将转向机器学习和AI，Signals平台定位良好 [20][21][22] 问题: 软件业务增长中，新签约和续约各自占比及贡献如何 [24] - 增长来自两方面，SaaS部分增长更快但目前只占33-35%，导致有机增长波动，年度投资组合价值（APV）是更好的衡量指标，续约为新产品渗透提供了机会 [24][25] 问题: 面对2025年的高基数，2026年软件业务增长轨迹应如何考量 [26] - 在SaaS占比从34-35%提升至60-65%之前，有机增长会有波动，应从APV角度看待该业务，公司对长期增长前景保持信心 [27][28] 问题: 软件业务在不同规模客户（大、中、小）中的扩张机会如何 [29] - 公司已覆盖绝大多数顶级制药生物技术公司，新产品的推出（如BioDesign）和未来专注于AI的药物发现平台将是关键增长动力 [29][30][31] 问题: AI对公司带来的机遇有哪些，包括内部和外部（软件） [32] - AI应用分为三大支柱：产品AI（自动化仪器与数据解读）、企业AI（提升运营效率）、以及AI治理与质量控制，在诊断业务（如新生儿筛查）中也有应用机会 [34][35] 问题: 中国以外的免疫诊断（ImmunoDx）业务表现和前景如何 [36] - 非中国市场增长中高个位数至接近双位数，美国市场是主要增长动力，份额从5%增至15-20%，长期目标40-45%，自身免疫测试市场渗透不足，机会巨大 [36][37] 问题: 在美国市场实现份额增长的关键机会和驱动因素是什么 [38] - 公司在某些细分领域（如神经免疫学、肾病学）拥有知识产权和领先地位，专注于专业和特殊检测，增长依赖于时间、审批以及持续引入自动化和新检测方法 [38] 问题: 中国诊断业务市场波动情况如何，是否已趋于稳定 [39] - 中国市场重要但面临挑战（如DRG、VBP、阳光采购等政策），公司战略是像本土公司一样创新运营，预计再经历几个季度消化DRG影响后，市场将趋于稳定 [40][41][42] 问题: 中国诊断业务在2026年的展望，如何理解一次性影响和未来增长 [43] - 预计中国诊断业务将稳定在公司总营收的5-6%，自身免疫诊断占较大比重，公司战略上希望中国业务占比在10-13%左右 [43] 问题: 中国诊断业务是增长市场还是面临能见度挑战 [44] - 短期仍有波动，但主要影响已发生，公司重点是通过本地化、加快审批和战略合作来把握“在中国，为中国”的机会 [44] 问题: 新生儿筛查业务增长驱动因素和未来前景如何 [45] - 增长源于持续引入新检测方法、地域扩张（如埃及）、以及与政府和机构合作提供从样本到结果的解决方案，与Sanofi合作筛查青少年糖尿病是新的增长范例 [46][47][48] 问题: 第四季度营收指引的信心和能见度如何，关键变量是什么 [49] - 指引基于三个驱动因素：生命科学仪器活动、Genomics England合同、以及非中国免疫诊断业务的低基数，外汇对绝对金额有约500-600万美元的负面影响 [50][51] 问题: 第四季度利润率环比提升的驱动因素是什么 [52] - 利润率提升得益于多项举措，包括重组、整合收购、采购优化等从损益表顶部到底部的持续改进 [53] 问题: 2026年2-3%增长目标的构成和能见度如何 [54] - 该目标基于稳定的市场环境，并已考虑中国免疫诊断业务改革影响的消化，公司对此感到满意 [56] 问题: 当前的资本配置优先级和收购意愿如何 [57] - 公司具有收购倾向，但会保持战略和财务理性，ACD/Labs是近期例子，此外，股票回购也是机会性选择 [57]

文章核心观点 - 材料科学正以前所未有的速度推动产业变革与创新，2026年将迎来十大核心趋势[2] - 这些趋势涵盖可持续材料、智能材料、纳米技术等多个方向，将深远影响制造、能源、交通、电子等多个行业[2] - 新材料的创新旨在满足全球可持续发展目标、工业智能化升级及消费市场对高性能材料的迫切需求[2] 可持续材料 - 全球可持续材料市场2024年估值约为3333.1亿美元，预计到2034年将增长至约10737.3亿美元，复合年增长率为12.41%[4] - 为减少碳足迹和减轻废弃物负担，建筑、汽车、包装和制造等行业正重新评估其材料生命周期工艺[4] 响应式和智能材料 - 材料科学进步推动开发具有可编程特性、能对外部刺激做出反应的智能材料，特性包括热变色、电变色、形状记忆等[7] - 压电智能材料市场预计2024年至2028年复合年增长率为15.63%，市场规模预计将增长394.9亿美元[7] 纳米技术 - 全球纳米材料市场2024年估值为226亿美元，预计2025年至2035年复合年增长率达14.3%，到2035年将达到983亿美元[9] - 纳米纤维、纳米管、量子点等纳米材料在原子层面提升工业产品性能，电子、能源、出行和制造业正利用其保持竞争优势[10][12] 增材制造 - 3D打印技术推动金属、合金、陶瓷、纤维等材料改进，并促进新型耐用聚合物耗材发展[14] - 预计到2029年，3D打印材料市场将达到69.2亿美元，反映增材制造中对创新材料需求的增长[14] 轻量化 - 为提升燃油效率和操控性，航空航天到出行等行业寻求创新方法减轻重量，推动对铝、镁、钛、碳纤维等材料的研究[17] - 全球轻质材料市场规模预计到2030年达2764亿美元，2023-2030年复合年增长率为8.3%[17] 材料信息学 - 大型企业正采用数据驱动方法，利用信息学、机器学习人工智能系统组织和建模材料数据[19] - 材料信息学市场2024年估值为1.5478亿美元，预计从2025年1.7992亿美元增长至2034年7.0521亿美元，复合年增长率16.4%[19] - 该方法优化从复杂材料数据中提取科学洞见，并加快研发进度节省时间和劳动力[21] 先进复合材料 - 先进复合材料由两种或多种不同性质成分组成，以卓越强度重量比、耐腐蚀性和耐用性著称[23] - 全球复合材料市场预计到2027年达1686亿美元，2022-2027年复合年增长率为8.2%[23] - 广泛应用于航空航天飞机零部件、汽车轻量化车辆、建筑耐用结构等多个行业[23] 石墨烯与二维材料 - 石墨烯作为首个成功商业化的二维材料，提供更高抗拉强度、电子迁移率、柔韧性和热阻性[25] - 全球石墨烯市场2023年规模2.689亿美元，预计到2030年增长至27亿美元，复合年增长率38.9%[25] - 应用遍及电子显示屏、超级电容器、汽车、建筑涂料和塑料制造等多个行业[25] 表面工程 - 工业表面需要涂层以增强耐用性，保护汽车、工业、农业、海洋和制造业资产[27] - 表面视觉与检测市场2023年估值254.6亿美元，预计2024年达277亿美元，复合增长率8.89%，到2030年达462.2亿美元[27] - 技术进步推动开发具有疏水、自清洁特性的表面，疫情后加大抗菌涂层研发力度[27] 材料管理4.0 - 工业4.0推动物料管理、处理和加工的数字化，涵盖自主挖矿、自动化制造到机器人云计算[29] - 推动材料行业快速数字化和互联，新材料的创造与第四次工业革命工业技术整合同步进行[29]

人工智能交易的行业影响与规模 - 人工智能技术为金融市场带来效率、准确性和速度的革命性提升 [1] - 到2025年，人工智能将处理全球近89%的交易量，覆盖高频股票交易和去中心化加密生态系统 [1][10] 核心技术驱动因素 - 人工智能交易平台利用先进算法、机器学习、神经网络和实时数据分析实现自动化交易 [1][10] - 关键AI技术包括监督学习、强化学习、自然语言处理、量子计算和多模态人工智能等 [12] - 市场每日产生并处理超过250万兆字节的多维数据，包括新闻、社交媒体和卫星图像 [13] - 人工智能系统实现纳秒级交易响应，速度较人类提升数个量级 [13] 主流交易策略与应用 - 人工智能交易策略结合机器学习、预测分析和神经网络以优化金融交易决策 [14] - 策略涵盖量化交易、算法交易、情绪分析和强化学习，旨在最大化收益并管理风险 [14] - 高级交易技术包括基于数学模型的算法交易、情绪分析、混合自适应策略和回测平台 [15] 平台类型与市场参与者 - 人工智能交易平台主要分为机构平台、零售平台和加密货币平台 [13] - 监管机构如美国证交会通过批准新型AI驱动订单类别，赋予自主交易系统合法地位 [13] - 市场参与者对执行效率与风险管理最大化的工具需求日益迫切 [13] 行业入门指南 - 新手入门需构建知识基础、选择用户友好且安全的交易平台 [16][17] - 关键步骤包括制定数据驱动策略、进行回测、从小额投资开始并持续学习 [17] - 建议参与社区论坛以保持信息更新 [17]

核心人事变动 - 苹果公司高级副总裁、机器学习与人工智能战略负责人约翰·詹南德里亚将于2026年春季退休，卸任前继续担任公司顾问 [1] - 微软前高管阿马尔·苏布拉马尼亚加入苹果，出任人工智能副总裁，直接向软件工程高级副总裁克雷格·费德里吉汇报 [3] 詹南德里亚的贡献与影响 - 詹南德里亚自2018年加入苹果，主导了公司机器学习与人工智能战略的全面布局 [3] - 其推动了Siri语音助手、计算机视觉、自然语言处理等核心技术的迭代升级 [3] - 在其任内，苹果在AI隐私保护领域取得突破，2021年主导推出“差分隐私”与“设备端机器学习”框架 [3] - 其力推的Apple Neural Engine（神经网络引擎）已集成至全系产品，为实时AI计算提供硬件支撑 [3] 未来产品与技术展望 - 据供应链消息，2026年秋季发布的iPhone 18系列可能搭载升级版Siri，支持更复杂的上下文理解与多任务处理 [3] - 同时，Apple Watch或引入健康风险预测功能，利用AI分析用户生物数据 [3]

核心观点 - 医学专家团队开发了一种基于泪液的新型无创诊断方法 仅需10纳升泪液并在30秒内即可实现对糖尿病性白内障的精准诊断 该方法具有快速、高灵敏度、高通量等显著优势 并揭示了疾病相关的代谢重编程规律 有望转化为常规筛查工具 [1][2] 技术方法与创新 - 研究团队构建了高性能的纳米颗粒增强激光解吸电离质谱平台 将代谢物检测的信号响应提升了1个至3个数量级 [2] - 该技术平台实现了高通量 每个样本检测时间少于30秒 高灵敏度 检测限低至0.1ng 以及高重复性 完美契合痕量泪液代谢分析需求 [2] - 传统液相色谱-质谱联用技术所需样本量大、前处理复杂、分析时间长 难以应用于临床泪液样本的高通量检测 [1] 诊断模型与机制发现 - 通过对泪液代谢指纹进行机器学习 研究团队成功构建了一个仅包含三个关键代谢特征的诊断模型 该模型在验证队列中表现出色 [2] - 研究揭示了1,5-脱水葡萄糖醇水平降低可能是糖尿病性白内障发生发展的重要环节 [2] - 研究成功揭示了糖尿病性白内障在眼表与眼内独特且密切相关的代谢重编程规律 [1] 应用前景与优势 - 该方法具有无创、快速、样本需求量极低 仅需10纳升、准确性高的显著优势 [1][2] - 该方法有望在未来转化为一种适用于眼科门诊的常规筛查工具 [2] - 该技术为实现糖尿病性白内障的早期诊断、风险预警和个性化治疗提供强有力的技术支撑 [2] - 泪液是一种完全无创、易于获取的眼部体液 蕴含着丰富的疾病分子信息 是理想的无创诊断生物标志物来源 [1]

根据提供的研报内容，总结如下： 量化模型与构建方式 1. **模型名称：GAN_GRU模型**[4][13] * **模型构建思路**：该模型是一种深度学习选股模型，首先利用生成式对抗网络（GAN）对量价时序特征进行增强处理，然后再利用门控循环单元（GRU）网络对处理后的时序特征进行编码，最终输出股票的预测收益作为选股因子[4][13]。 * **模型具体构建过程**： * **基础特征**：模型使用18个量价特征，包括日频特征（如前收盘价、开盘价、收盘价、最高价、最低价、成交量、成交金额、涨跌幅、振幅、换手率、均价）和月频特征（如月成交金额、月涨跌幅、月振幅、月换手率、月收盘最高价、月收盘最低价、月日均换手率）[14][17][19]。 * **数据预处理与采样**：使用所有个股过去400天内的18个量价特征，每5个交易日进行一次特征采样。每次采样的特征形状为40天*18个特征，用以预测未来20个交易日的累计收益[18]。在时序上对每个特征进行去极值和标准化处理，并在个股截面上进行标准化处理[18]。训练集与验证集的比例为80%:20%[18]。 * **基础模型（GRU+MLP）**：构建一个包含两层GRU层（GRU(128, 128)）和后续多层感知机（MLP(256, 64, 64)）的神经网络。模型最终输出的预测收益（pRet）作为选股因子[22]。 * **GAN特征增强**：为了提升特征质量，引入GAN模型对原始量价时序特征（Input_Shape=(40,18)）进行增强[33][37]。 * **生成器（G）**：采用长短期记忆网络（LSTM）作为生成器，以保留输入特征的时序性质。其目标是生成逼真的量价时序特征。生成器的损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ 其中，\(z\) 是随机噪声，\(G(z)\) 是生成器生成的数据，\(D(G(z))\) 是判别器判断生成数据为真实数据的概率[24][25]。 * **判别器（D）**：采用卷积神经网络（CNN）作为判别器，将量价时序特征视为二维图像进行处理。其目标是区分真实数据与生成数据。判别器的损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ 其中，\(x\) 是真实数据，\(D(x)\) 是判别器对真实数据的输出概率，\(D(G(z))\) 是判别器对生成数据的输出概率[27]。 * **训练过程**：生成器和判别器交替训练。先训练判别器，再训练生成器，循环迭代直至模型收敛[29][30][34]。 * **GAN_GRU整合**：将训练好的GAN模型中的生成器（G）用于处理原始量价时序特征，生成增强后的特征。然后将增强后的特征输入到前述的GRU+MLP基础模型中进行训练和预测[38]。 * **训练与预测设置**：采用半年滚动训练方式，每年6月30日和12月31日进行模型训练，用于未来半年的预测。回测采用月频调仓。选股范围为全A股，剔除ST股及上市不足半年的股票。训练超参数包括：batch_size为截面股票数量、优化器为Adam、学习速率为1e-4、损失函数为IC、早停轮数为10、最大训练轮数为50[15][18]。 量化因子与构建方式 1. **因子名称：GAN_GRU因子**[4][13] * **因子构建思路**：GAN_GRU因子是GAN_GRU模型最终输出的股票预测收益（pRet）[22]。该因子在用于测试前，会经过行业和市值中性化处理，并进行标准化[22]。 * **因子具体构建过程**：因子值直接来源于GAN_GRU模型的输出，即模型对每只股票未来20个交易日收益的预测值[18][22]。构建过程与上述GAN_GRU模型的构建过程完全一致。 模型的回测效果 1. **GAN_GRU模型**（基于其输出的因子进行回测，回测期间：2019年1月至2025年11月，月频调仓）[41][42] * IC均值：0.1131*** * ICIR（未年化）：0.90 * 换手率：0.83 * 年化收益率：37.52% * 年化波动率：23.52% * 信息比率（IR）：1.59 * 最大回撤率：27.29% * 年化超额收益率：23.14% 因子的回测效果 1. **GAN_GRU因子**[41][42] * 最新一期IC（截至2025年11月27日）：0.1241*** * 近一年IC均值（截至2025年11月27日）：0.0867*** * 近期行业IC表现（2025年10月当期，申万一级行业除综合）：社会服务(0.2198***)、房地产(0.2027***)、钢铁(0.1774***)、非银金融(0.1754***)、煤炭(0.1537***)[42] * 近一年行业IC均值（申万一级行业除综合）：非银金融(0.1401***)、钢铁(0.1367***)、商贸零售(0.1152***)、纺织服饰(0.1124***)、公用事业(0.1092***)[42] * 近期行业多头组合超额收益（2025年11月当期，相对行业指数）：环保(7.24%)、机械设备(4.37%)、房地产(4.03%)、纺织服饰(3.89%)、建筑材料(2.91%)[2][45] * 近一年行业多头组合月平均超额收益（相对行业指数）：建筑材料(2.15%)、房地产(1.97%)、社会服务(1.77%)、纺织服饰(1.71%)、商贸零售(1.62%)[2][46]