文章核心观点 BioSig Technologies收购Streamex后任命Parcl联合创始人Trevor Bacon和Kellan Grenier为战略顾问，二人将助力公司进行现实世界资产的代币化和交易，公司顾问团队实力强大，BioSig专注医疗技术，Streamex专注商品领域现实世界资产代币化 [1][5][7] 公司人事任命 - BioSig Technologies于2025年5月收购Streamex后，任命Parcl联合创始人Trevor Bacon和Kellan Grenier为战略顾问 [1] - Trevor Bacon和Kellan Grenier带来去中心化金融、合成资产创建和现实世界资产代币化方面的专业知识 [1] 顾问背景信息 - Trevor Bacon是Parcl的CEO和联合创始人，此前在金融领域工作超十年，曾在巴克莱任职并在多家对冲基金担任投资组合经理 [3] - Kellan Grenier是Parcl的联合创始人兼首席运营官，有TMT行业多空股票分析师经验，涉足区块链技术超五年，负责战略伙伴关系、代币经济学和平台扩展 [4] - Parcl是领先的区块链原生平台，基于Solana，使用户能通过合成永续交易涉足房地产市场，无需拥有实物房产 [2] 各方表态 - BioSig首席执行官Henry McPhie称Trevor和Kellan是创新者，其经验适合公司使命，见解对扩展基础设施至关重要 [5] - Trevor Bacon表示很高兴为BioSig和Streamex提供建议，现实世界资产代币化将改变投资方式 [5] - Kellan Grenier称公司方法与自己对可编程金融资产和区块链获取资产类别的信念一致，支持公司愿景 [5] 公司顾问团队 - BioSig和Streamex的顾问团队包括Frank Giustra、Sean Roosen、Mathew August、Trevor Bacon和Kellan Grenier等，他们为公司通过代币化改变全球商品市场的使命带来世界级经验 [6][7] BioSig Technologies公司介绍 - BioSig Technologies是创新医疗技术公司，致力于通过先进信号处理和数字解决方案重新定义心脏护理 [8] - 其旗舰PUREEP™平台结合专有软硬件，捕捉超高保真心内信号，获FDA 510(k)批准，为电生理学家提供实时、无噪声电图可视化，提升安全性、效率和患者预后 [8] - 公司与梅奥诊所等领先机构和知名工程公司合作，推进下一代医疗工具 [8] Streamex公司介绍 - Streamex是专注商品领域的现实世界资产代币化公司，目标是将商品市场引入区块链，开发了一级发行和交易基础设施，将革新商品金融 [9] - 公司由金融、商品和区块链行业的成功资深高管领导，认为金融未来在于代币化、创新投资策略和去中心化市场，旨在弥合传统金融与数字经济差距，为全球投资者和机构创造新机会 [9][10] - Streamex是BioSig Technologies的全资子公司 [11]

Press ReleaseVELIZY-VILLACOUBLAY, France — June 9, 2025 Declaration of the number of outstanding shares and voting rights as of May 31, 2025 Dassault Systèmes (Euronext Paris: FR0014003TT8, DSY.PA) today announced below the total number of its outstanding shares and voting rights as of May 31, 2025, according to articles 223-16 and 221-3 of the General Regulation of the Autorité des marchés financiers. Number of outstanding shares: 1,340,826,964 Number of voting rights*: 2,014,017,258 *The total number of ...

报告公司投资评级 - 维持买入评级，目标价从5975印度卢比上调至6650印度卢比 [6][8][69] 报告的核心观点 - 公司网络策略合理，降低对关键但竞争激烈航线的依赖，在66%的运力航线上近乎垄断 [13][24][28] - 国际扩张战略明智，虽短期表现未必出色，但中长期盈利显著 [4] - 成本压力将缓解，维持运力指引，预计2026财年除燃油外单位成本持平 [5] - 调整预测，因2025财年业绩调整预测，提高2026 - 2027财年EBITDA和净利润预测，上调目标价 [6] 根据相关目录分别进行总结 网络策略 - 国内网络持续扩张，尤其是二三线新航线，前15大国内航线运力占比从2019年的30%降至20%，在部署66%国内运力的航线上，运力份额从2022年的53%升至超60% [2] - 国内网络高度分散，类似成功低成本航空公司策略，减少对竞争激烈的关键航线依赖，利于盈利性部署运力，还能为国际网络提供客源 [31][33] 需求情况 - 受印巴地缘政治紧张影响，4月22日至5月15日交易疲软，之后开始恢复但未完全恢复，部分航线票价仍疲软，但整体健康，预计交易将因运力紧张而强劲，当前情况并非趋势 [3] 国际扩张 - 国际扩张战略明智，虽执行有挑战，但已采取措施应对，与大型国际航空公司的协议将提升其国际市场品牌得分，中长期盈利显著 [4] - 印度护照免签政策增多，国际旅游需求增长，中长途国际休闲目的地服务不足，印度航空公司有优势 [38][40][42] - 公司调整产品质量，计划提供两舱座位、忠诚度里程和新鲜食品，还将接收新飞机用于中长途航线 [43][44] 成本与运力 - 虽部分成本持续上升，但公司预计2026财年除燃油外单位成本持平，得益于改善飞机停场情况和个位数低增长的运力 [5] - 公司融资策略从纯经营租赁转向自有/融资租赁与经营租赁结合，截至3月31日，自有/融资租赁飞机占比从8.8%升至15.2% [55] 财务预测调整 - 降低2026财年产量增长预测至12%（从12.5%），提高2027财年至14.5%（从14%） [64] - 降低2026财年燃油外单位成本预测，预计同比下降1%（从2.6%），2027财年预计下降0.4%（之前 - 1.6%） [65] - 降低税率假设从20%至7.5%，2026 - 2027财年EBITDA提高约2%，引入2028财年预测 [66] 估值 - 目标价上调至6650印度卢比，反映预测变化，新目标价意味着21.3%的上涨空间 [69]

报告行业投资评级 未提及 报告的核心观点 - 航空业受后疫情时代航空旅行需求复苏的推动，但仍需应对潜在挑战 ，报告分析行业当前趋势并指出可能的未来发展方向 [9] - 全球航空业在2023 - 2024年表现良好，部分航空公司创造了正价值，但仍面临诸多不确定性和挑战 [19] - 低成本航空公司在北美表现不佳，行业商业模式趋同，航空公司需注重成本控制、价值创造和客户细分 [102] - 航空公司零售存在八大误区，应根据旅客偏好调整零售策略以增加收入和提高客户满意度 [168] - 航空公司规划需更新工具、方法和思维，采用集成方法以提高效率和应对挑战 [174] - 航空业存在飞机短缺问题，短缺规模约2000架，行业应采取措施平衡供需 [214] 根据相关目录分别进行总结 第一章：全球航空业能否继续攀升？ - 2024年航空业表现不错，41%的航空公司创造了正价值，行业亏损缩小 [19] - 行业ROIC与WACC差距缩小，拉丁美洲和中东及非洲创造价值，欧洲和北美有轻微亏损，亚太地区表现不佳 [24][25] - 价值创造航空公司的成功因素包括平衡供需、增加辅助收入、提高准点率、提供特色航线、提高资本生产率和建设健康组织 [32] - 2025年行业可能面临需求不确定性、经济衰退、关税等挑战 [65] 第二章：低成本航空公司是否在走下坡路？ - 过去低成本和超低成本航空公司表现优于全服务航空公司，但北美地区近期表现不佳 [71][80] - 北美低成本航空公司表现不佳的原因包括劳动力成本上升、高低收入旅客支出差异和全服务航空公司模仿其产品 [88] - 全球航空公司应关注类似趋势，低成本航空公司需提供更清晰的价值主张 [102] 第三章：航空零售的八大误区 - 航空公司应根据旅客偏好提供动态、细分的机票套餐，以挖掘超450亿美元的潜在价值 [117][118] - 旅客需要实用的个性化服务，航空公司可利用生成式AI简化服务 [122][125] - 许多旅客喜欢精心设计的旅行套餐，航空公司应根据地区和代际差异提供 [128][134] - 现代航空销售需采用先进技术，如行为引导、沉浸式内容和无缝全渠道体验 [135][136] - 直销渠道有增长空间，但中介仍很重要，航空公司应改善数字体验 [142][147] - 旅客对机票价格透明度和灵活性的关注超过技术问题，航空公司应优先解决这些痛点 [148][154] - 旅客在预订前会进行大量研究，航空公司应支持这一过程 [155][158] - 旅客受多种数字内容和个人推荐的影响，航空公司应采用多渠道策略 [159][167] 第四章：如何实现航空公司规划现代化？ - 航空公司规划面临运营与商业目标同步、流程僵化、团队协作不足和技术落后等挑战 [176][177] - 行业在联合规划团队、灵活流程和技术应用方面有积极进展 [184][186] - 未来集成规划应使用单一工具、以客户为中心和动态调整航班计划 [189][191] - 航空公司应在数据技术、分析流程和组织结构方面进行变革以实现集成规划 [192][198] 第五章：飞机短缺有多严重，接下来会发生什么？ - 航空旅行需求增长与新飞机供应受限之间存在差距，预计2023 - 2030年需求年增长率为4.2% [203][206] - 考虑延迟退役因素，全球飞机短缺约2000架，主要是窄体飞机 [214] - 飞机短缺对航空公司、租赁公司、MRO和发动机供应商等利益相关者有不同影响 [215] - 行业可能出现供需平衡和供应过剩两种情景，行业应采取措施避免供应过剩 [218][223]

June 8, 2025 07:48 PM GMT China Market-Wise | Asia Pacific M Idea What Investors Are Saying – Mid-Year Outlook Feedback We see improved investor sentiment towards China through higher willingness to allocate and higher conviction in Tech/New Consumption despite a lackluster macro backdrop. Investors wonder why A-shares have underperformed Hong Kong and whether that will continue. We summarize the key discussion points with investors derived from marketing of our recent China Equity Strategy Mid-Year Outlook ...

多模态大模型技术发展 - 阶跃星辰发布中国首个千亿参数原生多模态大模型Step-1V，基于DreamLLM框架实现图文生成理解一体化 [3] - 多模态领域预计未来2-3年将迎来两个GPT-4时刻：多模态推理和自主学习 [3] - 当前多模态生成理解一体化面临四大挑战：语言对视觉控制能力弱、图文对齐不精确、数据质量有限、生成模块无法反向影响理解模块 [3] 模型规模与能力关系 - 模型参数扩展到万亿级别时出现能力分化：文本生成和知识问答增强，但数学推理能力随规模增长反而下降 [3] - 大模型推理能力下降的核心原因是next token prediction框架更关注压缩率而非推理精度，导致思维跳步现象 [4][37] - Rule-based RL可通过直接优化任务目标来抑制跳步、强化稳定思维路径，显著提升大模型推理能力 [4] 计算机视觉领域挑战 - CV领域难以仅靠视觉数据实现GPT时刻，因静态图像数据中生成、理解与人类对齐三者割裂 [23] - 对比学习和MIM等方法在小模型有效但缺乏scale up特性，因依赖人工设计的不变性而非数据驱动 [15][16] - 视频数据可能成为突破口，因其蕴含更丰富的时空信息和自然对齐关系 [24] 生成理解一体化难题 - 语言模型通过next token prediction天然实现生成理解一体化，但该范式在多模态领域效果有限 [17] - 实验显示外挂生成模块对理解性能无影响，生成模块可控性差，常产生违反物理常识的输出 [29][31] - 复杂度问题是核心障碍：视觉生成需要考虑的因素远超单步推理能力上限 [52] o1范式突破 - o1范式通过引入Meta CoT实现思维链网状结构，允许模型在关键节点反悔重试 [5] - 该范式成功关键在于预训练语料中已存在多样化思维pattern，RL仅需强化而非创造 [51] - 相比传统RL，语言模型预训练大幅压缩action space，使复杂问题可解 [45] 多模态发展路径 - 短期解决方案是利用图文对齐数据，通过语言模态带动视觉智能 [24] - 长期需突破视频数据利用难题，教学视频中的教学行为可提供丰富action space [63] - 高可控生成技术突破将解开生成与推理的相互依赖死锁，目前OpenAI 4o已展现显著进展 [63][64] 模型架构演进 - 当前transformer架构处理long context存在根本缺陷，需建立分层记忆系统 [67] - multi-agent协作架构可有效解决上下文干扰问题，实现情景隔离式推理 [70] - 架构设计应服务于算法需求，如FFA算法可能彻底改变现有训练范式 [74] 自主学习方向 - 当前rule-based RL面临environment scaling瓶颈，需建立内生学习机制 [76] - 从自然语言反馈中提取多维评价信息是实现自主学习的关键技术难点 [78] - 无限长上下文建模和动态环境交互能力是自主智能体的基础要求 [79]

行业动态 - 北京亦庄将举办首届智慧健康养老机器人邀请赛 作为"万台机器人创新应用计划"的首场赛事 有望在人形机器人助力银发经济领域形成长期推动力 [1] - 6月9日A股机器人板块表现活跃 博众精工、瀚川智能涨幅超4% 瑞松科技、海目星涨超3% 机器人ETF基金(562360)出现溢价交易现象 [1] 指数与产品 - 机器人ETF基金(562360)跟踪的中证机器人指数与万得人形机器人指数成份股重合度达63% 覆盖人形机器人及工业自动化系统集成商 [1] - 该ETF产品同时把握人形机器人量产化与工业机器人升级两大产业趋势 [1] 投资逻辑 - 人口老龄化加速催生智能化养老需求 传统养老模式面临护工短缺、资源不足等痛点 智能养老机器人成为关键解决方案 [2] - 智能养老机器人细分四大功能类别：生活辅助类、健康管理类(实时监测生理指标)、情感陪护类、康复训练类(干预认知症) [2] 相关金融产品 - 机器人ETF基金(562360)为市场主要投资工具 [3]

更多资料加入知识星球：水木调研纪要 关注公众号：水木Alpha June 4, 2025 03:00 PM GMT Internet | North America Where Are We Trading Now: Will the Early Summer Rally Continue? Internet names rose +2% last week (SPX/NDX +2%/+2%) led by AMZN/GOOGL/META +2%/+2%/+3%. RDDT +12% (Russell 2000 addition), APP +11%, U +26% (positive sentiment), and ETSY +16% (positive 3P checks). AMZN/GOOGL/META 29X/17X/24X '26 EPS (-7%/-9%/+7% vs TTM avg). M Update Morgan Stanley & Co. LLC Brian Nowak, CFA Equity Analyst Brian.Nowak@morganstanley.com +1 212 76 ...

纪要涉及的行业和公司 - **行业**：稳定币行业、跨境支付行业、加密支付行业、全球权益市场和债券市场 - **公司**：Circle公司、Coinbase、PayPal、Estrima、Hashkey 纪要提到的核心观点和论据 稳定币市场规模与潜力 - 全球跨境支付规模接近200万亿美元，其中B2B支付占比80%约31.6万亿美元，个人消费场景约11万亿美元，稳定币在其中潜力巨大[1][2] - 2024年全球传统跨境支付总规模达154.7万亿美元，非批发支付近40万亿美元[2] 稳定币发展情况 - 2018 - 2024年稳定币交易额从几乎为零增至约6万亿美元，增速远超Visa和MasterCard，2025年第一季度稳定币同比增速66%，Visa和MasterCard分别为5.5%和4.1%，未来有望成最大支付网络[1][6] - 稳定币交易速度快，能7×24小时实时转账，费率低且与金额无关，资金可自主支配，是跨境支付理想选择[1][7] 稳定币应用阻碍与解决 - 面临监管标准不统一、基础设施待完善、用户门槛高阻碍，但合规性担忧从2023 - 2025年从85%降至25%，问题正逐步解决[1][8][9] Circle公司与USDC情况 - Circle公司主要产品USDC是DeFi重要组成部分，与多区块链平台合作推动其使用和市场发展[3][4] - USDC扣除波场链交易额后增速超USDT，在北美和欧美合规市场更受欢迎，未来市值有望达400 - 500亿美元[3] - USDC合规性优于USDT，仅面向通过严格审核的机构用户，定期发布审计报告，获多国金融牌照[1][17] 新加坡加密支付法案影响 - 2025年5月底至6月初出台的法规为稳定币提供法律框架和合规要求，增强投资者信心，促进企业采用，推动市场发展[5] - 6月30日执行的新法案要求公司获DTSP牌照，可能收紧新加坡区块链金融创新环境，利于获牌照平台，未获牌照机构可能转至香港[28] 稳定币应用趋势 - 未来相关法案落地和合规性增强，稳定币应用将普及，B2B场景需求更强劲，在更多支付场景发挥重要作用[10] 企业采用稳定币注意事项 - 企业要了解监管风险、关注法规动态，建立完善基础设施，提升员工数字资产管理等知识技能[13] B2B市场发展原因 - 产品初期企业间规范易制定、应用场景限定，交易体系可降成本提效率，C端用户场景复杂问题多，2024年B2B交易额度30多万亿，稳定币规模仅2000多亿，发展空间大[14][15] 稳定币在金融市场应用前景 - 全球权益市场市值约108万亿、债券市场100万亿，资产链上TOKEN映射后可用稳定币购买，美国国债上链规模约20亿，有望提升，链上股票交易可提高流动性[16] 其他重要但可能被忽略的内容 - Estrima推出加密支付服务，但钱包注册等有门槛，中小银行尝试双币账户，提高效率、降低成本，推动加密支付发展[11][12] - USDT规模1500亿美元大于USDC的600亿美元，但USDC增速上升，USDT主要在亚太区域使用，USDC在北美和欧美区域使用多[18][20] - 波场链合规度差，传统企业接受度低，USDT在波场链交易规模大，USDC在多个区块链交易量增加[19][22] - 以太坊每笔平均交易额度6万美元，Binance Smart Chain每笔平均额度大，显示机构更多采用USDC且数量增加[23] - Circle公司购买短期国债获利，与Coinbase五五分账，法规落地企业采用频率提升后利润空间增加[24] - 法规认证后稳定币使用加速增长，持有周期变长，USDC规模将提升[25] - 假设两年后USDC达1500亿美元规模，投资短期美债收益45亿美元，扣除费用利润约15亿美元，Circle市值可能在400 - 500亿美元[26][27]

多模态大模型发展现状 - 阶跃星辰发布中国首个千亿参数原生多模态大模型Step-1V 基于业内最早的图文生成理解一体化框架DreamLLM [3] - 多模态领域预计未来2-3年将迎来两个GPT-4时刻：多模态推理和自主学习 [3] - 当前多模态生成理解一体化面临四大挑战：语言对视觉控制能力弱 图文对齐不精确 数据质量有限 生成模块无法反向影响理解模块 [3] 计算机视觉领域瓶颈 - CV领域长期缺乏类似NLP的GPT时刻 主要受限于数据标注依赖和自监督方法局限性 [13][15] - 对比学习和MIM等方法在小模型有效 但缺乏scale up特性 因其学习的不变性来自人工设计而非数据驱动 [16][18][19] - 静态图像数据存在本质缺陷：生成 理解与人类对齐三者割裂 难以实现智能质变 [24][25][26] 多模态技术突破方向 - 短期解决方案是利用图文对齐数据 通过文字的自闭环特性赋予模型智能能力 [27] - 长期需探索视频和具身系统 视频数据蕴含更丰富信息但利用难度更高 [27] - 生成理解一体化需先解决视觉空间CoT问题 当前action space过于受限 [55][56] 大模型训练范式演进 - Next Token Prediction存在本质缺陷：更大模型在数学等推理任务上表现反降 因倾向跳步且优化目标与任务目标存在gap [38][40][42] - Rule-based RL通过直接优化任务目标 可抑制跳步并强化稳定思维路径 [44] - o1范式突破在于激发Meta CoT 允许模型在关键节点反悔重试 使推理从单线变为图状结构 [44][53] 多模态数据影响 - 图文混排训练中生成模块产生的gradient噪声大且信息量低 可能破坏语义理解 [62] - 高质量多模态数据应确保图文强相关 避免无关数据导致模型confuse [63][64] - 视频数据蕴含丰富思维过程但清洗难度大 是扩展action space的重要方向 [65][66] 未来技术趋势 - 多模态GPT时刻预计1年内到来 需解决生成可控性和视觉空间推理问题 [68][69] - 当前long context方案存在注意力涣散问题 未来可能采用multi-agent分层记忆架构 [69][73][74] - 模型自主学习是ASI关键路径 需解决环境scaling和自然语言反馈利用问题 [78][80][82]