亚太私募股权市场复苏 - 2024年亚太PE市场交易额增长11%至1760亿美元，平均交易规模同比增加22%至1.33亿美元，单笔超10亿美元交易量增长50% [1] - 印度和日本市场活跃PE机构数量分别增加29%和14%，大中华地区仍为亚太交易规模占比最高地区 [1] - 中国私募股权市场投资交易总额上升7%至470亿美元，控股型投资占比达29%创历史新高 [1] 中国私募股权市场转型 - 中国私募基金从成长型投资向控股型投资战略转向，主要受经济增长放缓、控股机会增多及创始人态度开放影响 [2] - 全球另类资产管理机构持续在中国投资，部分机构筹备设立新人民币基金配置境内资产 [2] - 跨境投资交易反弹，切入角度包括助力全球企业在中国增长、利用中国供应链优势及产业链协作 [3] 投资策略与市场机会 - 私募基金探索跨境和平台型投资，中国企业代际传承及跨国公司分拆带来整合型机会 [3] - 中国涌现全球竞争力企业，估值回调带来优质标的，CVC第六期亚太基金募资68亿美元专注亚洲消费和服务领域控股投资 [4] - 并购市场兴起为盘活存量资产提供支撑，监管政策持续出台推动并购成为年度主题 [5] 运营能力与数字化建设 - 基金管理人加快内部运营能力建设，推动投后价值创造，凯雷任命高管强化亚洲区运营管理 [5] - 私募股权投资者部署生成式AI工具，95%受访者计划在未来三年尽调中评估AI风险或机会 [6] - 中国私募机构加速数字化进程，外包服务需求增长，合规管理水平逐步加强 [6] 行业发展趋势 - 亚洲私募市场经历结构重塑，中国股权投资行业进入新周期，管理人差距在资源整合和战略判断上显现 [7] - 效率提升和策略转型成为基金管理人发展关键议题，市场分化趋势日益明显 [7]

AI赛道就业趋势 - 双非院校文科生通过3段大厂AI实习经历获得2家AI公司offer，600份简历投递中实习经历成为关键筹码[3] - 金融系硕士转型AI+金融领域，获大厂AI业务线年薪数十万offer，较传统金融行业起薪更具竞争力[4][5] - 00后普遍将AI视为继移动互联网后的新增长机会，初创公司实习成为非专业背景者进入赛道的跳板[6][7] 初创公司人才虹吸效应 - 10人规模AI初创公司招聘帖获5000+阅读量，吸引大厂产品经理和名校毕业生投递[8] - AI初创团队人力结构高度精简，核心成员通常3-4人，CEO/CMO/CTO三人组合成为典型配置[19][20] - 95后CEO聚焦AI+销售智能产品，以租代买控制成本，团队实现正循环后季度业绩达100万[10][19][22] 年轻创业者特征 - 03年创业者获国际物理竞赛金奖，UCB休学开发AI学习产品，半年获4万用户和40万美元营收[12] - 00后创业者融资需求灵活，单轮融资低至11万美元，相比传统创业者更注重快速验证商业模式[18] - 大学生创业团队采用"边学边干"模式，放弃头部公司实习机会自主创业，强调AI赛道对青春期的押注价值[13] 行业资本动向 - 投资逻辑从"不投35岁以下"转向"不投35岁以上"，国际背景或知名产品开发经历成为融资关键要素[17][18] - 投资人倾向早期"交个朋友"式投资，看重年轻创业者长期潜力而非单项目成功率[18] - 资本寒冬倒逼创业者强化盈利能力，PPT融资时代终结，造血能力成为融资谈判筹码[20] AI技术落地场景 - AI销售系统实现10%-15%转化率，达真人销售50%-75%效能，企业客户考虑用AI替代300人销售团队[24] - 通用型agent产品引发实习生下岗担忧，大二学生提前进入职场刷履历形成3个月跳槽周期[25] - AI+日化领域应用成熟，某国民品牌AI销售系统实现自动客服、样品推荐等全流程服务[10] 职场竞争现状 - 大厂AI实习需承受早8至凌晨的高强度工作，普通院校实习生转正需超越3年经验正式员工[28][29] - 就业门槛快速提升，首份大厂实习需已有大厂经历，形成"经验悖论"困局[27][28] - 小镇青年通过AI赛道实现年薪25万突破，行业成为打破原生家庭资源限制的重要路径[29][30]

出席研究院开幕礼的主礼嘉宾包括香港特别行政区财政司司长陈茂波、匈牙利驻香港总领事柯泰安 (Dr. Pál Kertész) 及香港投资管理有限公司(港投公司)行政总裁陈家齐，以及科大校董会主席沈向洋教授、校 长叶玉如教授及首席副校长郭毅可教授等。其中，贾教授团队研发的AI机械人Vonnex更参与揭幕仪 式，展现了其流畅的操作及多模态感知系统，更能同时处理视觉、触觉及声音等信息，彰显机械人技术 的潜能。 为响应香港特别行政区政府全力发展人工智能(AI)为关键产业的策略，香港科技大学(科大)今日正式成 立冯诺依曼研究院(Von Neumann Institute)，整合具身智能、生成式AI及先进超级运算等技术，推动跨学 科协作，促进新质生产力，以迎接AI世代。 冯诺依曼研究院由计算机视觉与AI领域知名专家、科大计算机科学及工程学系讲座教授兼独角兽企业 思谋集团创始人贾佳亚教授领导，并以「计算机之父」约翰·冯·诺依曼命名。约翰·冯·诺依曼为著名的计 算机科学家，其开创的「冯诺依曼架构」对当今的AI算法影响深远。凭借科大在AI领域的坚实基础及 贾教授广泛的产业网络，研究院将致力于构建完整的AI生态系统，加强产学研合作 ...

公司概况 - 公司为AI驱动的生物科技公司，成立于2014年，拥有临床阶段资产包括一项处于II期临床阶段的资产，为同业公司中最先进的研发项目[2] - 公司已完成E轮融资，估值达13.305亿美元，累计获得超5亿美元投资，投资方包括启明创投、礼来亚洲基金、红杉中国等知名机构[2][3] - 公司正推进港交所主板上市进程，有望成为"港股AI创新药第一股"，联席保荐人为摩根士丹利、中金公司和广发融资[1][2] 核心技术平台Pharma.AI - Pharma.AI为全球领先的生成式AI驱动药物发现与开发平台，覆盖从新靶点识别到临床结果预测的端到端服务，由Biology42、Chemistry42、Medicine42和Science42组成[5] - 平台差异化在于与生物团队全面整合实现实时反馈循环，形成飞轮效应增强机器学习能力，并可整合外部工具创建定制解决方案[5] - 平台已验证其效率：从新型TNIK靶点发现到首次人体临床试验仅耗时18个月，大幅短于传统方法的4.5年平均周期[6] - 平台应用领域正扩展至先进材料、农业、营养产品及兽药等非制药行业[4][6] 商业模式与财务表现 - 业务分为三大板块：药物发现与管线开发（2024年占比92.9%）、软件解决方案（4.6%）及其他非制药领域发现（2.5%）[9][10] - 2022-2024年营收高速增长：分别为3015万美元（+69.8% YoY）、5118万美元（+67.7% YoY）、8583万美元[10][12] - 毛利率持续提升：从2022年63.4%升至2023年75.4%，2024年达90.4%[12] - 已产生超20项临床或IND申报阶段资产，其中三项授权资产的合约总价值超20亿美元[10] 研发管线与合作网络 - 核心产品ISM001-055（靶向TNIK）针对特发性肺纤维化，已获FDA孤儿药认定，中国IIa期临床完成[11] - 其他重点管线包括ISM3091（USP1抑制剂，与Exelixis合作）、ISM8207（QPCTL抑制剂，与复星医药合作）等[11] - 合作网络覆盖全球前20大制药公司中的13家，并与香港科技大学、诺和诺德、强生研发等机构开展PandaOmics应用合作[11] 资金用途 - 当前持有现金及等价物约2.5亿美元（含2025年新融资1.22亿美元）[13] - IPO募集资金将主要用于：关键临床阶段管线研发、新生成式AI模型开发、自动化实验室扩建、早期药物发现及营运资金[13]

特朗普的关税政策推动了iPhone升级 凤凰网科技讯 北京时间5月9日，据《商业内幕》报道，华尔街分析师原本预计苹果的生成式AI会催生 一波iPhone换机潮，然而事实证明，推动老用户升级的并不是苹果问题百出的AI，而似乎是特朗普的关 税政策。 消费者情报研究伙伴公司(CIRP)对于苹果的研究已有十多年，每个季度都会对500名近期购买苹果硬件 的用户进行调查，并从中分析出新的趋势。 老用户加快升级 CIRP指出，对于关税引发iPhone涨价的担忧可能促使老用户升级他们的手机。2025年第一季度，这一担 忧推动了iPhone购买量的大幅增长。 有趣的是，这场关税恐慌并没有激发所有用户群体的全面换机潮。根据CIRP的研究，那些原本就每隔 一到两年就换机的用户，并未明显改变他们的购机模式。真正做出改变的是所谓的"拖延型用户"，也就 是那些一直坚持使用老旧设备的消费者。对他们来说，此次iPhone的更换与其说是为了追赶AI创新，不 如说是出于现实考虑：在价格进一步上涨前，及时更换一部快撑不住的旧手机。 实用就行 对大多数人来说，iPhone现在已经是一种"实用性工具"。他们并不在乎那些花哨的新功能，只希望它尽 可能地 ...

行业趋势与投资方向 - 生成式AI技术发展尚处于早期阶段，数据将成为核心资产，AI将带来B端和C端商业模式的巨变，可能出现新的硬件载体实现AI分发 [1] - AI产业经历三个阶段：技术收敛、跨越商业鸿沟、规模化，目前全球AI仍处于早期发展阶段，大厂和研究机构持续迭代模型 [6] - 多模态、长思维链能力、基座模型迭代是数字智能发展的关键方向，数据价值通过强化学习进一步提升 [8] 公司投资布局 - 国方创新2017年成立母基金聚焦集成电路、AI、生物医药，2019年转向直投，2020年布局商汤科技、燧原科技等企业 [3] - 2023年明确数字智能板块为投资重心，聚焦AI和数据要素，布局燧原科技、MiniMax、长亭科技、基流科技等公司 [3] - 在算力领域投资国产GPU燧原科技和算力组网企业基流科技，看好国内GPU企业成长潜力 [3] 投资策略与方法论 - 投资关注年轻且有组织研发能力的团队，这类团队能实现单点高研发密度和颠覆式创新 [4] - 投资方法论分为三阶段：定趋势（3～5年明确方向）、选节点（产业链核心节点如算力、大模型）、建生态（围绕节点延展生态链） [9] - 对不同阶段企业采取差异化赋能：早期企业注重技术突破和开源生态，成长期企业提供金融和客户资源支持 [9] 商业模式与应用场景 - B端商业模式将从卖软件转向卖服务，如投资明心数智提供AI报关、退税等端到端服务 [4] - C端需设计好产品留住客户，模型能力提升可能推翻原有App [9] - 新的硬件载体可能伴随国民级应用出现，如PC端到移动端的演变 [7] 团队与创始人筛选 - 数字智能投研团队年轻有活力，跟踪AI论文和开发者社区以紧跟前沿技术 [9] - 创始人筛选采用"PSD原则"：贫穷（Poor）、聪明（Smart）、有欲望（Desire），强调技术信仰和物质驱动 [9] 市场机会与挑战 - 2024年更看好To B端机会，企业软件智能化升级将激活需求端 [9] - 技术快速迭代带来挑战，产品可能很快被淘汰，需把握数据资产和商业模式变革的确定性 [7]

OpenAI宣布全新AI发展计划OpenAI for Countries - OpenAI推出"OpenAI for Countries"计划，旨在为全球各国提供类似美国"星际之门"的AI基础设施建设 [1] - 计划包含数据中心建设、定制化ChatGPT服务、AI安全措施升级和国家创业基金四大核心服务 [1] - 首阶段将在全球选择10个国家合作，推广"民主的AI"理念以巩固美国AI领导地位 [1] Figma发布2025年重磅升级 - Figma推出五大新功能：Draw绘图工具、Grid响应式布局、Buzz品牌资产引擎、Sites网站构建工具和Make原型生成器 [2] - 新功能覆盖从视觉设计到网站发布全流程，支持AI辅助创作和批量生产 [2] - 产品定位从设计原型工具升级为全链路设计平台，整合插画、界面、网站、资产和上线功能 [2] Mistral AI发布Medium 3模型 - Mistral AI发布Medium 3模型，性能对标GPT-4o和Claude 3.7 Sonnet，价格仅为Sonnet的1/8 [3] - 模型专为企业设计，支持混合部署，在编程及多语言场景表现优异 [3] - 同步推出企业级聊天机器人Le Chat Enterprise，支持跨应用集成和AI智能体构建 [3] 谷歌Gemini图像生成功能升级 - Gemini原生图像生成功能提升视觉质量和文本渲染准确度，支持实时编辑和元素融合 [4] - 每张图片定价0.039美元，生成速度快但在整体效果上或仍不及GPT-4o [4][5] - 新功能可与Gemini 2.5 Pro结合使用，支持将图片转换为代码表示的动态效果 [5] 微软宣布AI Agent支持新协议 - 微软Azure AI Foundry和Copilot Studio支持A2A和MCP协议，旨在打破智能体开发和通信壁垒 [6] - 已有超7万企业通过Azure AI Foundry开发智能体，4个月内超1万家组织采用Agent Service [6] - A2A协议支持智能体跨平台协作，MCP协议提供统一通信框架 [6] HeyGen发布Avatar IV模型 - Avatar IV模型仅需一张照片和语音/文字输入即可生成逼真的AI数字人视频 [7] - 采用基于扩散模型的音频驱动表情引擎，能根据语音节奏和情绪自动生成对应表情与动作 [7] - 付费用户可生成30秒视频，免费用户每月3次10秒视频额度 [7] DeepSeek致谢腾讯技术贡献 - DeepSeek的DeepEP网络通信框架引入腾讯TRMT技术后性能翻倍 [8] - 腾讯优化方案包括拓扑感知的多QP建链、基于IBGDA的多Channel负载均衡传输等 [8] - 优化后的DeepEP已开源，可帮助MoE架构大模型摆脱NCCL依赖 [8] OpenAI人事变动 - OpenAI任命Instacart CEO Fidji Simo为应用部门CEO，负责推动技术落地和商业化 [10] - OpenAI发展为三大核心业务：全球产品服务、基础设施建设和非营利组织 [10] - Sam Altman将专注于研究、计算和安全系统三大支柱 [10] UC伯克利开发VideoMimic系统 - VideoMimic系统让机器人通过观看视频就能学习人类动作，已让宇树G1掌握100多种动作 [11] - 系统不需动作捕捉设备，仅靠视频就能让机器人适应各种地形和完成复杂动作 [11] - 工作流程包括从视频重建人体运动、在仿真环境训练控制策略、部署到实体机器人三个步骤 [11] Meta AI战略布局 - Meta以Llama为核心布局AI，强调开源路线，聚焦广告优化、用户参与度提升等四大方向 [12] - Meta AI月活用户达10亿，认为AI在社交陪伴和内容创作方面潜力巨大 [12] - 将持续推进VR和AR差异化布局，认为AR眼镜是未来手机，VR是未来电视 [12]

苹果浏览器搜索量20年来首次出现下降，引发"AI挤压传统搜索"的担忧，谷歌隔夜大跌超7%，而大摩认为"危机亦是良机"。 据追风交易台消息，摩根士丹利在5月8日的最新报告中指出，当前恐慌情绪为长期投资者创造了绝佳的买入机会，谷歌凭借其在AI领域的持续创新和庞大 用户基础，有望在未来继续巩固其市场领导地位。 大摩在报告中表示，尽管市场对谷歌面临的搜索业务份额下滑担忧加剧，但目前GOOGL的估值已触及低点，是具有吸引力的买入机会。重申对Alphabet (GOOGL) 的"增持"评级，目标价为185美元，较当前股价有22%的上涨空间。 该报告认为，Safari搜索查询下滑不是威胁，而是浏览器时代的终结信号，谷歌付费点击下滑不等于市场份额丧失，同时强调了谷歌在GAI领域的技术领先 地位及其未来增长潜力。投资者应关注5月和6月的关键催化剂，包括谷歌I/O开发者大会、谷歌营销Live大会以及苹果全球开发者大会 (WWDC)。 搜索市场传言被夸大：付费点击下滑不等于市场份额丧失 关于谷歌搜索市场份额受到ChatGPT等生成式AI工具侵蚀的担忧被高估了。摩根士丹利分析师Brian Nowak表示，尽管付费点击增长放缓至1季度 ...

西门子工业AI战略布局 - 公司在中国成都建立首座数字化"双灯塔"工厂，部署近100个AI项目应用于质量检测、垃圾处理等场景[3] - 全球工厂网络包括南京、安贝格、埃尔兰根等基地，已落地数百台机器人和数千个AI应用[3][9] - 公司AI研发历史可追溯至20世纪70年代，2003年首创神经网络技术优化方案，2010年代突破工业场景AI应用密码[3] - 2023年推出首款工业级生成式AI产品Industrial Copilot，集成TIA博途平台实现自动化代码生成等功能[3] - 目前拥有1500名AI专家和3700项AI专利，数量位居欧洲第一[4] 工业AI技术演进路径 - 公司提出工业生产四阶段论：人工→自动化→自适应→自主生产，当前正推动行业向自适应生产转型[7] - 自适应生产典型案例：根据电价波动自动调节产能（高峰期30% vs 低谷期100%）[7] - Industrial Copilot可将工程效率提升10%-40%，运维效率提升25%[11] - 技术发展方向从生成式AI转向"代理型AI"，构建工业语言与人类语言的转换接口[12][13] - 采用多模型开放策略，已集成DeepSeek等大模型并实现快速部署（新模型上线仅需2-3天）[13][14] AI落地工业场景实践 - 埃尔兰根工厂两年内完成智能化升级：机器人从2台增至数百台，部署40-50个AI模型[9] - 物理感知机器人实现自适应抓取，无需预设编程[9] - 预测性质量检测系统使产品抽检率从100%降至目标样本，基于深度学习算法[10] - 锅炉气包温度控制等场景通过AI继承老师傅经验，形成万级经验数据库[8] - 包装机方案配置从1周缩短至即时生成，支持虚拟调试等复杂需求[8][9] 工业AI解决方案构建方法论 - 三大核心原则：创造可量化的商业价值（ROI＞1）、确保系统精确性与安全性、支持可持续发展目标[15][16] - 90%工作量集中于数据清洗、接口兼容和部署环节，仅10%涉及模型构建[18] - 提供全生命周期服务，包括模型重训练、漂移监测等工业级维护功能[17][18] - 通过低代码平台（如Mendix）降低AI应用门槛，案例显示非技术人员可快速构建交互界面[14] - 重点解决OT与IT协同难题，减少数据科学家与自动化人员的沟通成本[18] 人机协作与组织转型 - AI定位为"人类副驾驶"，承担重复性工作（如编程调试）和高危作业[19] - 实施大规模员工再培训计划，重点培养AI系统操作能力[19] - 文化认同被视为比数据安全更关键的AI落地障碍[19] - 知识传承体系：新工程师通过Industrial Copilot可快速掌握资深员工经验[11] - 生产设备综合效率（OEE）成为AI应用的核心评估指标[10]

生成式AI驱动数据库市场竞争 - 生成式AI技术变革正促使数据库厂商展开激烈竞争，传统厂商因云原生分布式数据库冲击而市场地位动摇 [3] - 企业客户需求推动厂商调整数据战略，更贴近AI实际应用场景，如安克创新采用Databricks云湖仓产品实现200TB数据统一治理 [3][4] - 行业竞争焦点集中在云湖仓技术，涉及表引擎、分析引擎、实时计算引擎等组件，以及大模型自研和AI数据库层面 [4] 数据仓库与数据湖的技术演进 - 数据仓库(Data Warehouse)起源于20世纪60年代，1990年代在Bill Inmon和Ralph Kimball推动下快速发展，核心优势为结构化数据处理和商业智能支持 [6] - 21世纪初大数据兴起暴露传统数仓缺陷，如非结构化数据处理能力不足，谷歌"三驾马车"(GFS/MapReduce/BigTable)奠定大数据技术基石 [7][9] - 数据湖(Data Lake)概念2010年由James Dixon提出，以Hadoop生态解决海量数据存储问题，但存在计算能力不足和实施成本高的局限 [9][10] - 湖仓一体(DLH)概念由Databricks在2020年提出，整合数仓与数据湖优势，成为AI大模型时代关键基础设施 [11][14] 湖仓一体市场格局与主要厂商 - 湖仓市场形成四股势力：传统厂商(Teradata/Cloudera)、云厂商(Google BigQuery/Amazon Redshift)、新贵Snowflake和开源系Databricks [12] - Databricks技术路径以数据湖支持数仓特性，基于Spark/Delta Lake/MLflow构建完整方案，Snowflake则优化结构化数据存储分析 [13][18] - 全球大数据分析市场规模预计2028年达5497.3亿美元，湖仓一体成为最热门领域之一 [13] - 中国市场阿里云、华为云等云厂商及星环科技等创业公司均在布局湖仓技术 [17] Databricks与Snowflake的竞争动态 - Databricks通过收购Tabular(Iceberg商业公司)和MosaicML(13亿美元)强化AI能力，推出132B参数大模型DBRX [19][20][21] - Snowflake发布4800亿参数MoE架构大模型Arctic应对竞争，并与Cloudera/Anthropic等达成合作 [22] - Databricks收入运行率预计2025年超30亿美元，与Snowflake(35亿美元产品营收)差距缩小 [21] - 双方技术路线差异显著：Databricks定位AI基础设施公司，Snowflake侧重数仓易用性和可扩展性 [18][22] 行业技术发展趋势 - 谷歌BigQuery通过嵌入治理功能实现湖仓统一，客户规模达Snowflake/Databricks五倍 [23] - AI RAG技术成为新竞争焦点，Snowflake/Databricks曾竞购VoyageAI但被MongoDB截胡 [25] - 新兴企业如Glean推出数据库搜索产品，Databricks拟收购无服务器公司Neon [26] - 行业共识转向解决实际业务问题而非技术噱头，客户需求聚焦数据见解与决策支持 [27]