财报表现 - 2024年第四季度净销售额2040万美元，同比增长145% [3] - 耐用医疗设备（DME）渠道净销售额1810万美元，同比增长127%，药房福利计划（PBP）渠道净销售额240万美元，同比增长491% [3] - 全年净销售额6510万美元，同比增长443%，其中DME渠道5880万美元（+422%），PBP渠道630万美元（+760%） [7] - 全年毛利率55.1%，同比提升252个基点，但Q4毛利率57.2%同比下降344个基点 [3][7] 用户增长与市场渗透 - 安装客户基数达15,298名，同比增长564%，新增患者4,084例（Q4）及12,994例（全年），分别增长125%和464% [7][14] - 70%新增患者采用每日多次注射（MDI）疗法，PBP渠道报销患者占比10%-20%（Q4）及7%-9%（全年） [7][14] 产品与技术优势 - iLet仿生胰腺为首个FDA批准的自动胰岛素输送设备，采用自适应闭环AI算法，仅需输入体重和餐食大小选项，无需手动计算碳水化合物 [13][16] - 系统集成雅培FreeStyle Libre 3 Plus传感器，并推出彩色屏幕版Color iLet [22] - 贴敷式胰岛素泵研发中，预计2027年商业化，采用可复用电子部件+一次性贴片设计，成本优势显著 [24] 资本市场与战略布局 - 2025年1月IPO募资2.21亿美元（含私募），发行价17美元，首日股价上涨39%，市值近10亿美元 [12] - 与Xeris Pharmaceuticals合作开发胰高血糖素制剂，支付300万美元里程碑款项 [28] - 推出Bionic Circle移动应用，并纳入Prime Therapeutics商业处方集 [27] 2025年业绩指引 - 预计总营收8000万-8500万美元，PBP渠道报销患者占比超20%，毛利率至少50% [15] - 计划扩大iLet覆盖范围并推进贴片泵、双激素管线项目 [25]

文章核心观点 抖音集团拟推出10项措施推进算法和平台治理透明化，“抖音安全与信任中心”网站上线公开推荐算法原理及平台治理审核流程，同时行业面临网络暴力、谣言等平台生态治理问题，相关部门开展专项行动整治算法典型问题，美团已推出算法治理行动 [1][3] 行业动态 - 2024年11月12日中央网信办等四部门开展“清朗·网络平台算法典型问题治理”专项行动，要求整治同质化推送等重点问题 [3] - 2024年12月美团建立算法公开机制，计划在2025年底前逐步取消骑手超时扣款 [3] 公司举措 - 今年1月抖音集团拟推出10项措施推进算法和平台治理透明化，涉及公开算法原理、破除信息茧房、治理不实信息等 [3] - “抖音安全与信任中心”网站上线，公开抖音推荐算法原理，介绍预估用户行为概率及内容推荐方式，还披露平台治理审核流程 [1]

文章核心观点 - AI生成的猎奇、低质视频在短视频平台泛滥，制作者借此操纵算法获取流量和财富，平台为追求流量和营收助长这一现象，需对AI生成内容进行更细分周详的规范来保护用户 [16][19][37] 分组1：AI生成恐怖视频的特点及危害 - AI生成视频时长10秒左右，前几秒日常，画风突变后呈现诡异景象，最终停留在惊悚一帧 [2][5] - 此类视频在Instagram上观看量达3.62亿，收获349万赞，会跳出算法随机推送，造成精神污染，毁掉上网体验 [6][7] - 视频制作者利用AI批量生成内容试探流量机制，形成恶性循环，导致人类创作内容难被发现，平台内容劣币驱逐良币 [16][17] 分组2：流量和财富密码 - 17岁YouTuber Daniel Bitton靠AI复制爆火视频，月赚10万美元，还售卖“成功公式” [21][24] - Mustafa靠同样玩法赚百万美金后“产业升级”，出售AI工具和营销服务，付费社区有80000名会员，会费40美元/月 [24] - Crayo.ai平台可让AI短视频生产流程全自动化，10秒做1分钟短视频，基础套餐19美元/月，提供20条视频 [25] 分组3：算法和数据思维的挑战 - Meta放任AI垃圾内容泛滥，调高用户信息流里AI内容比重，将AI制作工具卖给广告商 [28][29] - AI内容注入后，Facebook用户留存时间增加8%，Instagram增加6%，平台为流量和营收忽视内容质量 [34] - 未来社交媒体可能成为赌场，需对AI生成内容规范，甚至设置“一键屏蔽AI内容”按钮 [35][37][38]

公司融资与背景 - 洛梵狄智能科技完成近1亿元B轮融资 投资方包括广州产投 迪策投资和达晨财智 资金将用于海外市场运营 人才引进和新品规模化量产 [4] - 公司成立于2012年 专注内变速研发生产 产品包括电控内变速器 电机内置变速器 机械自动内变速器等 [4] - 公司联合安乃达研发的首款电机集成内变速产品已实现量产 这是市场上稀缺的轮毂电机自动内三速产品 [6] 行业市场规模与竞争格局 - 2024年全球Ebike市场规模预计为350亿美元 2030年将达622.5亿美元 复合年增长率略低于10% [4] - 中国市场95%的变速器被日本禧玛诺和美国速联垄断 [4] - 德国市场中外变速器维修成本高达100欧元/次 需每月维护1-2次 [5] 产品技术优势 - 内变速器故障率低 使用寿命长 维护简单 变速精准稳定 [5] - 轮毂电机集成产品重量仅3.9kg 比多数轮毂电机更轻 提升续航里程30% 抗扭能力达200NM [6] - 电助力自行车用大扭矩自动内变速器技术获中国轻工业联合会鉴定为国际先进水平 [7] - 智能车锁具备防抱死功能 集成在轮毂上可显著降低盗窃率 [10] 产品布局与市场策略 - 产品可覆盖全价格段Ebike [3] - 正在研发中置电机内变速产品 中置电机在德国市场占比已达50% [8][9] - 智能车锁已成为海内外多个出行品牌核心供应商 [11]

AI生成视频的传播与影响 - AI生成视频在Instagram上观看量达到3.62亿，收获349万赞，成为爆火内容[2] - 这类视频具有"AI生成，十秒左右，画风突变，精神污染"的共性，利用算法随机推送给用户[6] - 视频内容超出人类理性认知，触发深层不适和惊悚感，导致用户大脑短路[8][9] - AI生成视频是一种"无意的恐怖"，比刻意制造的恐怖更令人不安，因为它没有任何轨迹可以预判[7] AI生成视频的商业模式 - 短视频博主通过发布AI生成视频，在建号2个月时间里收获12万关注者和上万美金平台收入[5] - AI生成视频的生产速度远超人类创作，分秒钟可生产数十条垃圾视频[9] - 人类用质量换流量，AI用数量换流量，形成"暴力破解"算法的方式[10] - 低质量、假信息占据用户信息流，导致劣币驱逐良币的现象[10] AI生成视频的产业链 - 17岁YouTuber通过复制爆火视频和AI制作惊悚动画，每月赚到10万美元[13] - 产业链出售AI工具包括视频文案模版、语音和自动剪辑、账号批量管理等[14] - Crayo.ai平台提供各类迎合TikTok算法的内容模板，10秒钟制作1分钟短视频[14] - 付费社区会员达80000名，40美元/月会费，实操工具另收费[14] 平台对AI生成内容的态度 - Meta调高用户信息流里AI内容比重，AI内容使Facebook用户留存时间增加8%，Instagram增加6%[16] - 平台认为AI生成内容是趋势，用户终将习惯，首要目标是源源不断的视频上传带来流量[16] - 负面内容越极端，评论和转发越多，算法越喜欢，形成恶性循环[17] AI生成内容的社会影响 - AI生成内容泛滥导致人类创作难以被发现，创作生态和平台内容劣化[10] - 未来社交媒体可能成为赌场，AI垃圾制造者赌算法，用户赌不被精神污染[19] - 需要更细分、周详的AI生成内容规范来保护用户[19]

CASIA等 投稿 量子位 | 公众号 QbitAI 万字长文，对多模态LLM中对齐算法进行全面系统性回顾！ 从现有 对齐算法涵盖的应用场景 ，到 构建对齐数据集的核心因素 ，再到 用于评估对齐算法的 基准 ，还有 对齐算法未来潜在发展方向 ， 全都梳理了一遍。 大语言模型 （LLMs） 能够通过简单的提示完成多种任务，且无需进行任务特定的训练。然而，这些模型主要处理文本数据，对于多模态数 据的处理存在局限。 由于世界本质上是多模态的，包括视觉、听觉和文本等数据，研究者开始在LLM的基础上开发多模态大语言模型 （MLLMs） ，以处理更复 杂的数据形式。 然而，现有的MLLMs仍面临一系列挑战，尤其是在真实性、安全性、推理能力和与人类偏好对齐方面，这些问题尚未得到充分解决。 因此，针对这些问题的对齐算法应运而生，成为解决这些挑战的有效途径。 本文这项研究的主要贡献是对多模态大型语言模型 （MLLMs） 中的对齐算法进行全面的系统性回顾。 具体而言，探讨了以下四个关键问题： 现有对齐算法的应用 场景： 文章通过分类当前的对齐算法，清晰地展示了它们在不同应用领域的适用性，并为研究者提供了一个统一的 符号系统，帮助 ...

杰弗里·辛顿（Geoffrey Hinton）[上图] 和他的研究生亚历克斯·克里热夫斯基（Alex Krizhevsky）和伊利亚·苏茨克弗（Ilya Sutskever）于 2012 年发布了具有开创性的 AlexNet，一 种用于图像识别的神经网络。 计算机历史博物馆与Google合作，发布了AlexNet 的源代码。AlexNet 是一个神经网络，于 2012 年开启了当今流行的 AI 方法。该源代码可在CHM 的 GitHub 页面上以开源形式获取。 什么是 AlexNet？ AlexNet 是一个人工神经网络，用于识别照片内容。它由当时的多伦多大学研究生Alex Krizhevsky和Ilya Sutskever以及他们的导师Geoffrey Hinton于 2012 年开发。 深度学习的起源 如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容来 自spectrum，谢谢 。 AlexNet 于 2012 年首次发布，引发了人工智能和计算机视觉领域的一场革命。 辛顿被认为是深度学习 之父之一，深度学习是一种使用神经网络的人工智能，也是当今主流人工 智能的基础。20 世纪 50 年代末，康奈尔大学 ...

文章核心观点 国产光学精密成像仪器制造企业楚光三维完成数千万级别天使 + 轮融资，将用于技术研发和市场团队搭建以加快商业化进程，其产品采用新技术路径，在关键指标领先且成本降低，已达成订单并稳定交付，获投资人认可 [3] 公司情况 - 楚光三维成立于 2022 年，专注开发光谱共聚焦技术主导的光学三维成像平台 [3] - 产品可用于半导体、高端 3C 电子等领域及超精密制造领域的检测和量测 [3] - 依托华中科技大学仪器科学与技术系专家科研团队，拥有多项核心专利，工程化运营团队有 10 余年三维成像市场化从业经历 [7] - 首席科学家刘晓军教授长期从事微纳米 3D 测量技术攻关，创始人兼 CEO 李敏是连续创业者 [7] 产品情况 - “面共焦 3D 显微传感器”采用全新技术路径，用 AI 算法优化 3D 点云处理，是全球首款“面阵光 + 共焦成像”技术的商业化产品 [4] - 面共焦 3D 显微产品通过算法优化模拟突围，减少对精密光学硬件依赖，关键技术指标领先且硬件成本大幅降低 [5] - “线光谱共焦 3D 传感器”已实现量产 [6] - “面共焦 3D 显微传感器”和“线光谱共焦 3D 传感器”均达成订单并稳定交付 [2][7] 行业情况 - 制造产业升级，传统量测检测方案无法满足新兴产业需求，如半导体芯片结构向三维转变，现有量测技术难对复杂微纳结构三维芯片准确高效测量 [3] - 3C 行业零部件迭代使新情况、新材料、新介质对检测工艺要求更高，传统量测技术难达产线检测精度要求 [4] - 国内绝大部分视觉检测仪生产制造企业处于传统视觉路线，仅满足外围低精度检测需求，极少数涉足微纳三维成像领域的企业依赖国外精密光学硬件 [4] 融资情况 - 楚光三维完成数千万级别天使 + 轮融资，投资方为元禾原点、光谷产投和常熟国发创投，天使轮股东峰瑞资本持续加码 [3] - 本轮融资主要用于光学三维成像技术平台持续研发和市场团队搭建，加快商业化进程 [3] 投资人意见 - 天使 + 轮领投方元禾原点合伙人杜民认为李敏与刘教授及华科技术团队结合形成公司底层核心技术和产品化设计能力，自研传感器具备自主知识产权，符合全球先进制造发展趋势，投资可形成更广泛微纳制造应用生态，助力中国先进制造发展 [8]

Pruna AI公司概况 - 欧洲初创公司专注于AI模型压缩算法研究 近期完成650万美元种子轮融资 投资方包括EQT Ventures、Daphni等机构 [2] - 公司开发了标准化AI模型优化框架 整合缓存、蒸馏等多种效率方法 并实现压缩模型的保存/加载标准化流程 [2] - 框架可评估压缩后模型的质量损失与性能提升 类比Hugging Face对transformers的标准化处理方式 [3] 技术方案与行业应用 - 支持多种AI模型类型（LLM/扩散模型/语音识别/CV） 当前重点聚焦图像视频生成领域 客户包括Scenario/PhotoRoom等企业 [4] - 独创压缩代理功能：用户设定速度与准确率阈值（如精度损失≤2%） 系统自动寻找最优压缩组合方案 [5] - 对比行业现状：大公司通常自建压缩技术 开源社区多为单一方法 Pruna的整合方案填补市场空白 [4] 商业化进展 - 采用云服务式计费模式 专业版按小时收费 类比AWS GPU租赁商业模式 [5] - 实证案例：将Llama模型体积缩小8倍且精度损失可控 显著降低客户推理成本 [5] - 企业版提供高级优化代理等增值服务 开源基础框架以扩大生态影响力 [4][5] 行业趋势 - 模型压缩已成行业刚需 OpenAI通过蒸馏技术开发GPT-4 Turbo Black Forest Labs推出Flux.1-schnell等优化版本 [4] - 蒸馏技术通过师生模型知识迁移 实现轻量化模型部署 主流厂商均采用类似方案 [4]

核心观点 - AI全生命周期对存力有多维度、动态化需求，传统存储架构面临挑战，行业需要芯片底层技术革新 [1] - 平头哥半导体镇岳510 SSD主控芯片通过架构与算法创新破解AI存力瓶颈 [1][3] - 镇岳510在低时延、高能效、高带宽、高可靠、低成本、高容量六个维度实现突破，被称为"六边形战士" [4] - 芯片采用RISC-V核异构计算集群和专用硬件加速单元，实现全链路硬件化，时延压缩至4μs [5] - 创新LDPC算法将UBER降至10^-18级别，纠错性能达国际第一梯队 [6] - 已与阿里云、忆恒创源、得瑞领新、佰维存储等厂商合作构建AI存力生态 [9][10][11] 技术突破 架构创新 - 集成6颗RISC-V核构建异构计算集群，搭配专用硬件加速单元 [5] - 实现"指令解析-队列管理-缓存分配"全链路硬件化，IO处理延迟压缩至4μs [5] - IO执行路径全面硬化，命令解析等环节无需软件干预 [5] 算法创新 - 突破LDPC纠错算法的"不可能三角"，融合BF和NMS两套算法优势 [6] - 开发动态适配矩阵架构，一套基础矩阵支持多种NAND码率需求 [6] - 实测UBER达10^-18级别，纠错性能天花板降低一个数量级 [6] 性能指标 - 随机写时延4微秒，4K随机写性能100万IOPS [4][10] - 每瓦特提供420K IO处理能力，能效比提升70% [4][10] - 带宽≥3400K IOPS，顺序读写速度达14/10 GB/s [4][10] - 支持≥32TB容量，全面兼容QLC/TLC NAND [4] 商业化落地 - 已在阿里云EBS业务大规模上线，时延压缩92% [9] - 忆恒创源PBlaze7 7A40 SSD实现55/5μs超低延迟 [10] - 得瑞领新D8436/D8456系列性能功耗比提升70% [10] - 佰维存储企业级SSD产品开发中，多维度性能获认可 [10] 未来规划 - 下一代芯片目标为提升可靠性同时大幅降低功耗 [14] - 计划打通存储、网络、计算三方协议，推动生态协同 [14] - 以芯片级创新撬动存储产业链升级，支撑AI智能化跃迁 [14]