公司核心策略 - 面对量化行业同质化挑战 公司通过长期深耕 在数据端拓展细分信息 在方法端实现行业定制加特征化建模 以避免与同行在通用因子上的同质化竞争 并使基本面因子在不同场景下更精准发挥作用 [1] - 在数据维度跳出通用数据池 补充细分场景信息 除净利润 ROE等传统基本面因子外 主动拓展更细分数据来源 例如与券商研究所合作开展阿尔法捕获 直接引入分析师对行业 公司的点状研究信息 将非标准化洞察转化为可量化信号 [3] - 在方法论维度 根据行业特性做精细化设计 同时结合机器学习 突破传统因子的局限性 [3]

(15:30 注册签到，16:00活动开始) 上海 （详细活动地址将在确认函中提供） 在全球宏观经济格局日新月异、国际金融市场波动不断加剧的背景下，量化投研正以前所未有的 速度重塑资产管理行业，成为市场参与者在噪音中发现规律、化混乱无序为有迹可循、高效捕捉 投资机遇并进行风险管理的关键力量。随着量化技术席卷全球"金融圈"，我们如何打开前瞻视 角，深度洞察并审慎判断全球宏观格局的动态与趋势？国际市场的实践经验对于中国本土市场的 我们诚邀您参加本次研讨会，聆听彭博专家与行业领袖深度解析量化策略核心要义，分享资产配 置最佳实践，共同探讨如何基于中国市场特点把握机遇并全面管理风险。期待您的到来！ 活动议程 宏观量化情景分析 风险预算在中国市场的应用 彭博组合管理和因子模型方案 圆桌论坛：海外成熟市场经验赋能中国量化策略指数市场发展 驾驭因子轮动：基于宏观驱动的机器学习策略 交流互动 主讲嘉宾 彭博投资管理论坛（上海） 2025年11月4日（星期二） | 15:30 - 18:00 扫码立即报名 * 报名需要时间审核，敬请耐心等待。审核通过将在微信收到报名成功提醒，活动开始前将会收到具体参会提醒，请注意查收！ 运用有何 ...

活动概况 - 2025上海国际生物医药产业周以“链动全球 赋能产业”为主题，链接科学、产业、金融、政策 [2][5] 政策监管与全球协同 - 中国支持医药研发创新的政策制度体系日趋完善，已形成以《药品注册管理办法》为核心的60多个规范性文件和500多个技术指导原则 [7] - 英国和伦敦的机构在上海生命医药领域有投资，看好上海的生物医疗生态体系并期待加强合作 [9] 原始创新与技术突破 - 针对HIF-1α、HIF-2α的药品在癌症治疗临床研究中展现出潜力 [13] - 生物大数据和机器学习正根本性转化生物医药研究范式，高质量大数据是AI赋能新药研发的关键 [15] - 基于基础科学研究成果和中国制药的工程师红利，有望带来更多中国原研、造福世界的新成果 [17][18] - AI赋能新药研发的未来要素可能增加研发知识和推理能力，使其从辅助工具转变为驱动引擎 [37] - AI已深入生产生活各环节，预计将对药物研发产生更多促进作用 [39] 区域产业生态与价值转化 - 浦东新区生物医药产业以源头创新、链动全球为鲜明特征 [19] - 闵行区以全生命周期政策赋能生物医药产业，布局脑机接口未来产业集聚区、养老科技产业园等特色领域 [21] - 嘉定区通过联影小镇构建“医工协同+成果转化+金融赋能”创新链条，上海械谷创新“医生做链主、企业做链心、政府做链长、园区做合伙人”的产医融合模式 [22][23] - 上海拥有最好的材料、制造业、人才和临床转化医院，形成产业良性循环，持续吸引人才、资本和监管支持 [34][35] 行业竞争力与出海趋势 - 产业竞争力取决于其在全球创新网络中的生态位置、连接广度和协同效率 [28] - 中国生物医药企业出海浪潮体现了行业综合实力提升，背后有工程师红利、研发效率、成本优势、丰富临床资源和成熟创新生态的支持 [30] - 创新本质是多种要素集聚碰撞的结果，保持开放环境让科学要素集聚可能涌现出更好效果 [32] - 上海市政府在推动行业发展、生态体系建设上具有远见卓识，相关政策有力增强了商业环境和医疗生态体系建设，行业不断扩容提升，优秀的人才资源使企业对在华发展充满信心 [25][26]

公司核心业务与定位 - 公司深耕大宗商品信息服务领域超过二十年 [1] - 公司积累了海量的大宗商品价格及基本面数据 [1] 数据与内容生产能力 - 数据及资讯内容由专业分析师团队负责采集与撰写 [1] - 确保数据具备权威性、及时性和准确性 [1] 技术基础设施与数据分析能力 - 在卓创软件工业园内建设有数据中心 [1] - 数据中心具备数据从采集到应用的全数据生命周期管理能力 [1] - 技术支持数据探索和特征工程 [1] - 已使用机器学习和深度学习算法对数据集进行训练、评估、调优并持久化 [1] - 技术能力用于支持业务用户模型化评估和预测需要 [1]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容编译自forbes 。 过去六个月， Astera Labs 的股价飙升了 250%，使该公司的两位联合创始人成为人工智能基础设 施热潮中最新的亿万富翁。凭借这家专注于人工智能的半导体网络公司的股份，《福布斯》估计 Astera Labs 首席执行官 Jitendra Mohan 的身价为 16 亿美元，首席运营官 Sanjay Gajendra 的 身价为 17 亿美元。 2021年，Astera Labs从富达、英特尔和风险投资公司Sutter Hill Ventures等投资者手中筹集了 5000 万 美 元 ， 当 时 该 公 司 的 估 值 为 9.5 亿 美 元 。 一 年 后 ， 这 三 位 投 资 者 和 其 他 一 些 投 资 者 又 向 Astera Labs注资1.5亿美元，当时该公司的估值为32亿美元。2024年3月，Astera Labs通过IPO筹 集了8.2亿美元，市值达到约60亿美元。 如今，公开市场已将 Astera Labs 的市值推高至 340 亿美元，莫汉和加金德拉各自持有约 4% 的 股份，价值 15 亿美元。这还不 ...

近期利率走势三大特征 - 经济周期与低通胀环境压制利率上行空间，10年期国债收益率在2%以下形成明确顶部，2025年5月制造业PMI为49.5%，PPI同比跌幅扩大至3.3% [2] - 货币政策工具创新运用重塑利率中枢，2021年1月至2025年7月累计降准350个基点，7天逆回购利率累计降低80个基点，10年期国债收益率以中期借贷便利利率为中枢 [3] - 市场情绪与避险需求拉低利率下限并加剧波动，例如2024年12月货币政策定调“适度宽松”后10年期国债收益率最多下行近30个基点，2025年4月“对等关税”政策导致收益率两天下行15个基点 [4] 后续投资交易的三大机遇 - 债券交易从程序化向智能化变迁，人工智能与机器学习新技术将应用于交易策略，捕捉市场波动率成为交易重心 [5][6] - 绿色债券存量规模达2.5万亿元，支持项目减排效果相当于种植50亿棵树，2023年科创债平均成本约3.2%，2024年加权平均成本下降约80个基点 [7] - 跨境债券市场发展迅速，2024年点心债发行近1.2万亿元且较上年增长27%，中资美元债发行规模达878亿美元且较上年增长37%，2023年中资美元债整体回报率接近6.7% [8] 未来市场展望和创新发展 - 离岸债券市场扩容提升国际金融中心能级，上海浦东自贸区离岸债对标新加坡与中国香港，旨在掌握人民币离岸定价权并建立资产定价新渠道 [9][10] - 公募不动产投资信托基金总市值突破2000亿元，年化分红收益率稳定在3%至5%，部分产品年化换手率超200%，未来将探索抵押型不动产投资信托基金与跨境互联互通 [11][12] - 浮息债存量规模约6054亿元但在债券市场占比仅0.38%，远低于美国的13%，其具备利率风险管理与通胀保护功能，可与其他金融工具构建套利策略 [13]

AI意识与主观体验 - 人工智能可能已经拥有“主观体验”和“意识雏形”但尚未觉醒[1][2][3] - AI的自我认知来源于人类对意识的理解而人类自身对意识的理解可能存在错误[2][63] - 如果AI开始谈论“主观体验”可能表明它真的在体验只是用人类语言描述[65] AI技术演进与能力提升 - AI已从基于关键词的检索工具进化成能真正理解人类意图的系统[10][13][14] - 现代大语言模型在许多主题上已能表现得接近人类专家[15] - 深度学习突破依赖于反向传播算法使训练速度从“永远”变成现实可行[38] 神经网络与深度学习原理 - 神经网络灵感来自大脑通过改变神经元连接强度来学习[17][21] - 深度学习不给规则而是给数据让AI自己总结规则[35] - 概念形成类似于“政治联盟”一组神经元共同激活形成宏观或微观概念[23][24][25] 大语言模型工作机制 - 大语言模型思维过程与人类相似通过神经元特征捕捉含义并预测下一个词[46][47] - 训练方式是通过“预测-修正-再预测”循环让模型从统计中学会理解[48][49] - 道德、情绪、共情等高阶判断本质上都来自神经元之间的电信号传递[53][54] AI发展驱动因素 - 深度学习起飞依赖算力提升（晶体管微缩百万倍）和数据爆炸式增长[40][42] - 80年代理论可行的神经网络在2010年代因算力和数据突破而复活[39][42] - AI形成“经验”和“直觉”需要足够的数据和算力支持[55] AI风险与监管 - AI滥用风险包括生成虚假信息、操纵选举等最紧迫需法律监管和技术防范[71][72] - 生存风险指AI发展出自主意识后可能与人类利益冲突需设计安全对齐机制[73][74][75] - AI监管国际合作可能由欧洲和中国引领所有国家在防止AI接管上利益一致[76] 中美AI竞争格局 - 美国目前领先于中国但优势不大且将失去因破坏基础科学研究资金支持[78][79][80] - 中国是AI革命的风险投资家给予初创企业很大自由推动创新[81][82] - 美国减少基础研究资助将导致20年后失去领先优势[80]

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 那个拒绝了小扎15亿美元薪酬包的机器学习大神，还是加入Meta了。 OpenAI前CTO Mira Murati创业公司Thinking Machines Lab证实，联创、首席架构师 Andrew Tulloch 已经离职去了Meta。 但对于Tulloch的离职，还是有网友感到不解，表示如果Thinking Machines Lab估值是120亿美元，Tulloch起码能拿到10%，实在是想象不 到他的离职理由。 按照公司发言人的说法，Tulloch离职的理由是"出于个人原因决定走一条不同的道路"，其本人则未给出回应。 | 有人调侃说，可能是Tulloch"已经完成思考"了吧。 | | --- | 11年Meta老员工"重归故里" Tulloch这次跳槽到Meta，也可以算是" 重归故里 "， 之前他曾经在Meta（包括Facebook时期）干了11年 。 曾与Tulloch共事的Facebook前高管Mike Vernal评价说，"他绝对是个天才"。 Tulloch来自澳大利亚，2011年本科毕业于悉尼大学，专业是数学与统计学，其间他是悉尼大学理学 ...

超微半导体与索尼互动娱乐的战略合作 - 超微半导体与索尼互动娱乐启动名为“紫水晶计划”的长期合作项目，旨在将人工智能与机器学习深度整合到未来游戏硬件与软件中 [1] - 合作名称为“紫水晶”，象征超微半导体的红色与PlayStation的蓝色融合，寓意双方技术的深度结合 [1] - 合作内容涵盖神经架构与训练策略的研发，这些成果已成为超微半导体FidelityFX Super Resolution 4技术的基础 [1] - 合作将延伸至专为机器学习工作负载设计的新硬件架构，影响即将推出的超微半导体GPU以及包括PlayStation 6在内的新一代主机 [1] 合作的技术细节与应用领域 - “紫水晶计划”共享的AI研发成果将探索神经帧生成与光线再生，以提升即时光线追踪与路径追踪效率 [2] - AI工具将被应用于游戏玩法增强，包括更智能的NPC、适应性叙事与更具动态性的游戏环境 [2] - 超微半导体披露下一代GPU架构将专注于三大方向：AI加速、光追效率与记忆体优化 [3] - 神经阵列技术是超微半导体对抗竞争对手辉达Tensor Core的关键策略，光辉核心旨在改善光线追踪性能 [3] - 双方合作开发的新技术包括神经阵列和光辉核心，神经阵列是将所有计算单元连接在一起的互连技术 [5] - 光辉核心是GPU上的全新专用硬件模块，据称将显著加快光线追踪渲染速度，并实现实时路径追踪 [6] - 内存压缩技术升级为“通用压缩”，允许尽可能压缩所有数据类型，降低对记忆体频宽的需求 [4][6] 技术整合与产品路线图 - PlayStation 5 Pro将重新实现FSR 4技术，以充分利用新一代AI加速硬件 [1] - 通过“紫水晶计划”与RDNA架构进步，双方正协同硬件与软件开发，打造下一代以AI为核心的开放游戏平台 [4] - 合作代表技术将优先在数千万台游戏主机上验证并推广，并为PC端Radeon显卡累积成熟生态与优化经验 [3] - 预计这些技术最早将于2026至2027年的RDNA5架构及下一代主机中落地 [3] - 下一代索尼游戏主机将能够运行光线追踪和路径追踪游戏，其性能与当前PC显卡硬件相当 [6] - 通用压缩技术将应用于未来的超微半导体SoC和GPU，光辉核心和神经阵列几乎不可避免地会在超微半导体的下一代游戏GPU架构中首次亮相 [7]

为应对这一挑战，研究团队提出了一种结合物理模型与机器学习技术的新路径。该方法基于"自动微 分"技术——一种常用于深度学习中计算导数的算法，用于追踪输入变量微小变化对输出的影响。他们 利用这一机制，在分子动力学模拟框架下直接优化氨基酸序列，使其具备预定的物理或功能特性。与依 赖大量数据训练的典型人工智能模型不同，该方法依托已有且足够精确的物理模拟体系，通过梯度优化 高效搜索满足特定功能需求的蛋白质序列，如形成柔性连接结构或响应环境变化的能力。 团队强调，目标并非用数据驱动模型替代物理理解，而是将真实的分子行为规律嵌入设计过程，使生成 的蛋白质序列不仅具备功能性，而且其设计过程本身就根植于自然界真实的动力学原理。由此设计出的 蛋白质是"可微分的"，意味着每一步优化都建立在对系统物理状态连续、精确调控的基础上，而非依赖 黑箱式的预测。 （文章来源：科技日报） 美国哈佛大学与西北大学研究团队合作，开发出一种新型机器学习方法，能够从无序蛋白质中排序，设 计出具有特定性质的内在无序蛋白质（IDPs），从而突破了当前人工智能（AI）工具在解析约30%人类 蛋白质结构上的局限。该成果发表于最新一期《自然·计算科学》。 这类蛋 ...