OS

搜索文档
福田新引进1039家外资企业
21世纪经济报道· 2025-07-04 21:46
外资企业引进情况 - 1—5月福田区新设外资企业1039家,同比增长28.91%,占深圳市新设外资企业总量的23.57% [1] - 新设外资企业主要分布在批发和零售业、租赁和商务服务业、科学研究和技术服务业,三者占比超70% [1] - 科学研究和技术服务业增速最快,增长超60% [1] - 外资企业主要来源国家和地区包括中国香港、美国、新加坡等 [1] 外资企业行业分布与特点 - 外资企业投资关注政策匹配度、跨境便利性、产业空间适配等内容 [1] - 福田区集聚亚马逊创新中心(深圳)有限公司、星巴克(中国)创新科技有限公司、西门子能源(深圳)有限公司等知名外资企业 [3] 外资企业服务与生态建设 - 福田通过外商服务站、10个街道服务分站点与N个外资总部楼宇吸引和服务外资企业,聚焦金融、科技、总部经济等领域 [3] - 已建成6个街道外商服务点,今年将实现10个街道全覆盖 [3] - 上半年外商服务站累计解决咨询128件,服务超50家外资企业 [3] - 伦敦发展促进署华南副总裁表示福田区服务效率与产业生态突出,将纳入全球推广案例 [3] 外资企业规模与总部经济 - 福田区外资企业总数达1.75万家 [3] - 5家企业申报为第九批深圳市级跨国公司总部认定企业,数量居深圳市首位 [3] 区域优势与平台建设 - 福田毗邻香港,依托河套深港科技创新合作区成为深港协同发展的核心跨境枢纽 [3]
图像目标导航的核心究竟是什么?
具身智能之心· 2025-07-04 20:07
研究背景与核心问题 - 图像目标导航需要两种关键能力:核心导航技能(如检测自由空间、障碍物)和通过比较视觉观察与目标图像计算方向信息 [2] - 当前主流方法依赖专门的图像匹配或预训练计算机视觉模块进行相对位姿估计 [2] - 研究聚焦于是否可以通过强化学习对完整智能体进行端到端训练来解决该任务 [2] 核心研究内容与方法 - 探讨了多种架构设计对任务性能的影响,核心在于如何支持图像间的隐式对应计算 [3] - 主要架构包括Late Fusion、ChannelCat、SpaceToDepth + ChannelCat、Cross-attention [4] - 实验设计使用Habitat模拟器和Gibson数据集,动作空间包括前进、左右转向和停止 [7] - 评估指标包括成功率(SR)和SPL(成功路径长度与最优路径长度的比值) [7] 主要发现 - 早期patch级融合(如ChannelCat、Cross-attention)比晚期融合(Late Fusion)更关键,能更好支持隐式对应计算 [8] - ChannelCat(ResNet9)在Sliding=True时SR达83.6%,远高于Late Fusion的13.8% [6] - Cross-attention(DEBiT-b)在Sliding=True时SR达90.5% [6] - 低容量架构(如ResNet9)在Sliding=False时SR从83.6%降至31.7%,而DEBiT受影响较小(从90.5%降至81.7%) [8][9] - 能力迁移性:将Sliding=True训练的感知模块权重迁移到Sliding=False并微调后,SR从31.7%提升至38.5% [10][11] 导航与相对位姿估计的关联 - 导航性能与相对位姿估计性能存在相关性,DEBiT在两者上均表现最优 [12] - 导航成功率(SR)与相对位姿估计精度(误差<2m, 20°)呈正相关 [12] 结论 - 支持早期局部融合(如交叉注意力、ChannelCat)的结构对任务成功至关重要 [15] - 模拟器的Sliding设置显著影响性能,但通过迁移感知模块权重可部分迁移至真实环境 [15] - 导航性能与相对位姿估计能力相关,验证了方向信息提取的核心作用 [15] - 简单低容量架构仅通过RL训练难以成功解决图像目标导航,预训练仍不可或缺 [15]
Star Bulk Carriers (SBLK) Earnings Call Presentation
2025-07-04 20:02
业绩总结 - 2024年第四季度净收入为4200万美元,调整后净收入为4100万美元[10] - 调整后EBITDA为1.04亿美元[10] - 每股派息0.09美元,记录日期为2025年3月4日[10] - 预计的流动现金约为4.52亿美元,债务和租赁义务为12.66亿美元[10] 用户数据与市场表现 - 2024年每艘船的TCE为16129美元,日均运营费用为5056美元[9][29] - 每艘船的净现金管理费用为1264美元[9][29] - 2024年干散货净船队增长为3.0%,与2023年的3.1%相比略有下降[48] - 2024年干散货总交付量为3380万吨,较2023年的3530万吨有所下降[48] - 2024年干散货总拆解量为380万吨,较2023年的540万吨有所下降[48] 未来展望与战略 - 计划在2025年和2026年交付5艘新建船舶,已为5艘新建船舶获得1.3亿美元的债务融资[35][39] - 2024年干散货贸易总量预计增长3.3%,吨海里增长5.0%[49] - 2024年铁矿石吨海里增长5.3%,预计2025年增长1.0%[49] - 2024年煤炭吨海里增长6.5%,预计2025年下降2.7%[50] - 2024年谷物吨海里增长2.9%,预计2025年增长2.2%[51] 并购与协同效应 - 自Eagle Bulk合并以来,已实现超过2200万美元的协同效应[10][26] - 2024年Q4的协同效应为1260万美元,年化协同效应预计为5000万美元[26] 负面信息与其他 - 2025年第一季度的船队覆盖率为80.1%,日均TCE为12,305美元[63] - Star Bulk在2024年碳披露项目中保持了B级(有效的环境管理)评分,并首次在水管理方面获得B级评分[40] - 2024年获得希腊航运奖的年度交易奖,表彰与Eagle Bulk的合并[40]
资本策略地产(00497) - 2025 H2 - 电话会议演示
2025-07-04 19:45
业绩总结 - FY 2025销售额约为HK$1.55亿,未确认的合同销售承诺约为HK$1.22亿[9] - FY 2025的总收入为HK$521百万,较FY 2024的HK$1,579百万下降了约67.0%[11] - FY 2025的净利润亏损为HK$1,692百万,主要由于投资物业公允价值的负面变化和联合投资及关联公司的减值准备[11] - FY 2025的每股收益(EPS)为-36.73港元,较FY 2024的-9.18港元显著下降[11] - FY 2025的现金及银行存款余额为HK$1,414百万,较FY 2024的HK$2,524百万下降约44.0%[12] - FY 2025的股东权益为HK$11,981百万,较FY 2024的HK$13,732百万下降约12.8%[12] 资产与负债 - FY 2025的总资产为HK$22,325百万,较FY 2024的HK$26,238百万下降了约15.0%[12] - FY 2025的银行贷款总额为HK$6,925百万,较FY 2024的HK$7,883百万减少了约12.1%[12] - CSI Properties的净债务在2025财年为152亿港元,预计在配股后降至137亿港元,显示出持续的去杠杆化[36] 现金流与融资 - 公司在FY 2025期间成功处置多个项目,以确保健康的现金流[10] - 公司在2025年4月完成了约HK$1.49亿的战略配售,以增强现金流动性[12] - CSI Properties于2025年2月2日宣布进行约20亿港元的战略融资,包括约15亿港元的配股和5亿港元的债券发行[24] - 配股通过发行约83亿股权利股份筹集了约14.92亿港元,权利比例为每10股合并股份配18股,认购价为每股0.18港元,较理论收盘价溢价约5.88%[24] - CSI Properties的流动性充足,能够覆盖短期到期债务,尤其是在配股和私人债券发行后[41] 市场与项目进展 - 公司承诺在未来四年内实现至少90亿港元的销售目标,已在2025年上半年实现预售额超过25.7亿港元[38] - 截至2025年,"Deep Water Pavilla"项目已预售超过330个单位,MTR Yau Tong项目计划开发约500个单位,预售目标为2025年下半年[49] - "350 & 352 Nathan Road"项目的目标完成时间为2025年底,"Gage Street"项目的目标完成时间为2026年中[50] - 截至2025年,CSI拥有和管理超过380万平方英尺的优质物业,涵盖香港、上海、北京和澳门[76] 收入与租金 - 租金收入在FY23为258百万港元,预计FY24为236百万港元,FY25为231百万港元,FY24和FY25的年增长率分别为-8.5%和-2.1%[45] - 租金收入占总收入的比例在FY23为44.3%,预计FY24为32.1%,FY25为14.9%[45] - 公司的租金收入在过去十年中保持稳定,基本覆盖了支付的利息费用[44] 未来展望与策略 - 预计未来的资本支出主要集中在"Gage Street"项目、"92 Repulse Bay Road"和"24 Middle Gap Road"项目,且将保持在最低水平[53] - 公司在未来将继续专注于高质量住宅和商业项目的变现,以确保财务健康[57] - 通过与Gaw Capital的合作,CSI Properties在未来四年内的资产处置计划将超过90亿港元,确保现金流的确定性[38]
国产折叠屏集火苹果,库克很受伤
36氪· 2025-07-04 18:50
国产手机折叠屏战略 - 国产手机品牌(小米、vivo、荣耀)在10天内密集发布三款折叠屏手机(小米MIX Flip2、vivo X Fold5、荣耀Magic V5),目标是将折叠屏从"小众尝鲜"推向"大众主力机" [1][3] - 三家厂商统一话术聚焦"打破苹果生态壁垒",通过跨生态互联和低于万元售价(2024年中国折叠屏均价8500元)抢占用户心智 [3][6] - 安卓折叠屏手机均价年降18%,而苹果计划推出的2000美元折叠屏面临价格劣势,需技术碾压才能破局 [6] 苹果市场表现与挑战 - 苹果大中华区2025Q2营收下滑2%至160亿美元,中国市场份额从2023年19%锐减至2025Q1的13%,出货量同比下跌8%至920万部 [7][8] - 高端手机市场(600美元以上)苹果份额降至54%(近7年最低),华为以29%份额逼近断供前水平 [9] - 创新乏力导致消费者不满,AI功能缺位、供应链依赖三星(OLED面板采购价近千元/台)加剧风险 [4][8] 生态竞争升级 - 国产手机从硬件比拼转向生态渗透:vivo X Fold5支持与Apple Watch/Mac跨设备互联,行业首发安卓iCloud直通功能 [11][14] - 荣耀实现华为/苹果双生态互通,小米同步推进类似策略,开发者更倾向为安卓折叠屏开发应用(数量为iOS数倍) [11][14] - 苹果封闭生态在折叠屏形态上吸引力不足,面临"全生态分流"威胁 [11][14] 供应链与市场卡位 - 国产手机利用苹果折叠屏缺位期(预计2026年发布)加速技术迭代,供应链成本占比超60%但通过规模效应压低价格 [4][6] - 三星独占苹果折叠屏面板订单,同时以20.4%全球市场份额压制苹果(18.4%),形成"供应商+竞争对手"双重角色 [4][6] - 国产厂商通过成熟产品提前教育市场,塑造"折叠屏即国产"认知,迫使苹果未来产品需超预期 [3][6]
7月4日电,日经225指数收盘上涨0.06%,报39810.88点;韩国KOSPI指数收盘下跌1.99%,报3054.27点。
快讯· 2025-07-04 14:33
市场表现 - 日经225指数收盘上涨0 06% 报39810 88点 [1] - 韩国KOSPI指数收盘下跌1 99% 报3054 27点 [1]
喝点VC|红杉美国对谈OpenAI前研究主管:预训练已经进入边际效益递减阶段,其真正杠杆在于架构的改进
Z Potentials· 2025-07-04 11:56
AI技术发展现状与趋势 - 预训练、后训练和推理构成AI发展的"三位一体"框架 预训练已进入边际效益递减阶段 真正杠杆在于架构改进 后训练聚焦模型个性与智能表现 推理能力训练则引导AI自主摸索链式思维[4][8] - 2025年成为"推理之年" 各大实验室重点转向推理优化 但后续进展将越来越困难[5][7] - 预训练收益递减源于基本规律 模型智能水平与计算资源呈对数线性增长 提升智能需指数级增加计算资源[7][8] Agent商业模式与竞争格局 - Agent价格将趋近计算使用成本 普适性和性价比将颠覆传统人力密集型领域[6][18] - 简单重复性任务由AI完成 复杂需人类理解的服务保持价值稀缺性[19][26] - 创业公司机会在于构建网络效应和规模经济 而非依赖高价Agent[21][26] 机器人技术突破与商业化 - LLMs为机器人提供低成本语言接口 结合强大视觉编码器 赋予处理通用任务的先发优势[24][25] - 机器人领域正处于研究最后阶段 距离商业化仅数月到数年时间[22][25] - 技术突破使机器人能快速解决多样化任务 如叠衣服、搬运纸箱等[25] 编程领域变革与未来趋势 - 编程发展呈现非线性加速 未来将形成混合模式:人类主导设计+Agent自动编码[32][34] - Agentic工程师处理明确结果的任务如bug修复、代码重构 人类负责需"品味"的设计工作[34][35] - 关键挑战在于如何让Agent理解代码库 目前仍需人类进行高层次设计[33][35] 专有数据价值重估 - 专有数据价值被高估 "无限智能、无限耐心"的Agent可从公开数据重构替代信息[29][30] - 真正有价值的专有数据是具体客户的深度个性化信息 可辅助专业决策而非训练技能[31] - 垂直领域专属模型表现普遍不如下一代通用模型 因综合能力远超单纯记忆[29] 企业管理与文化构建 - 技术团队应消除研究员与工程师界限 建立平等环境促进全栈理解[37][38] - 管理者核心是真诚关心团队成员 建立忠诚度才能推动困难决策[50][51] - 高绩效人才管理需平衡个人创作欲望与团队协作目标[52] AI教育应用与人才培养 - AI最佳应用是帮助用户成为领域专家 同时减轻重复性工作负担[42][43] - 教育应聚焦学习过程和自主能动性培养 而非特定技能[43][44] - 即时响应式学习能抓住最佳学习时机 大幅提升教育效果[46] 安全防御新范式 - AI使攻击能力提升 防御措施需更加自主化和智能化[53] - 企业需重构业务流程以适应自主安全系统 这为创业公司创造机会[53]