大模型在物流供应链的应用 - 大模型在长链路、复杂协作的供应链场景中提效显著，顺丰科技与火山引擎合作推出物流垂直领域大模型「丰语」[1] - 「丰语」系列包含语言、语音、多模态三大模型，覆盖市场营销、客服、收派、国际关务等20+业务场景[2] - 通过火山引擎AI云原生推理套件ServingKit实现模型部署到推理全链路提效，支持千万级订单的高并发处理[1][4] 丰语大模型的技术优化 - 火山引擎训练框架veTuner使模型训练性能较开源框架提升超30%，强化学习库veRL最高实现64.9% MFU，降低训练成本[4] - xLLM推理框架通过PD分离部署与动态流量调度，将模型吞吐能力提升最高达5倍[4] - 算子融合和镜像优化技术使DeepSeek V3/R1满血版部署效率达到"即日达"标准，相同SLO下吞吐显著提升[4] 多模态大模型的具体应用场景 - 语言模型应用：国际地址拆分、HS编码查询、定制化推荐、智能调度AI等[3] - 多模态模型应用：图像质检、数字人、视频分析、文图生成（如丰源绘画）、人车货识别等[3] - 语音模型应用：声纹受理、语音质检、智能报表生成等[3] 未来发展方向 - 2025年计划加速智能体落地，深化物流场景的AI生产力探索[4] - 持续优化训推一体架构，覆盖更多业务板块场景[2][4]

全球云服务与数据基础设施发展趋势 - 全球公共云服务终端用户支出预计2025年达7234亿美元 较2024年增长21.5% 其中IaaS和PaaS分别增长24.8%和21.6% [1] - 数据隐私法规如中国PIPL和欧洲GDPR推动跨国企业实施数据本地化战略 成为业务发展的核心要求 [1] - 构建安全合规且支持生成式AI的数据基座成为企业数字化转型的关键 尤其对加码中国市场的跨国企业至关重要 [1] 跨国企业数据战略实践案例 - 辉瑞中国通过建立本地化数据底层应对法规要求 降低管理复杂度 提升市场响应能力 [2] - 辉瑞中国数据基础设施三大核心需求：全球协同网络 高敏捷扩展能力 强合规管控能力 [3] - 选择亚马逊云科技合作构建数字化生态 覆盖前端沟通至AI分析平台 衍生Chatbot/生成式AI/RPA等能力 [3] 云与AI融合的行业效益 - 辉瑞全球利用亚马逊云科技ML能力在17个生物医药研发场景创新 实现年度成本节省7.5-10亿美元 [4] - 现代化数据战略需整合人机物料法 技术层面依赖湖仓一体化设计和统一分析能力驱动业务重塑 [4] - 云服务与AI深度融合可提升制药企业研发效率30% 降低运营成本20% 加速市场响应速度50% [4][5]

机器之心报道 编辑：杜伟 知名 AI 技术博主、《Python 机器学习》作者 Sebastian Raschka 又来放福利了！ 今天，他宣布，正值夏季实习和技术面试之际，自己著作《机器学习 Q 与 AI：30 个必备问答》的全部 30 章内容免费开放。他希望能为大家带来帮助，并 祝面试的小伙伴好运。 这本书纸质版（+ 电子版）原价 49.99 美元（约合 358 元），电子版原价 39.9 美元（约合 286 元）。 如今，机器学习和人工智能领域正以前所未有的速度发展。研究人员和从业者常常疲于追赶层出不穷的概念与技术。 本书为你的成长旅途提供了碎片化的知识精华 —— 从机器学习新手到专家，涵盖多个领域的主题。即便是经验丰富的机器学习研究者和从业者，也能从中 发现可纳入自身技能库的新内容 。 评论区有人问，「这本书是用 AI 写的吗？」Sebastian 称当然不是，这样做违背他的个人伦理。有趣的是：这本书的大部分内容写于 2022 年 11 月第一 版 ChatGPT 发布前的几个月，最开始是在 LeanPub 上发布，后来在 2024 年由 No Starch 出版社出版。这本书可能曾是 ChatGPT ...

智通财经APP获悉，摩根士丹利周二发布研报，首次将云数据分析公司Snowflake(SNOW.US)股票评级 定为"增持"，并给出262美元的目标价。报告指出，在新任首席执行官斯里达尔·拉马斯瓦米的领导下， 这家云数据巨头正展现出更强的战略执行力和产品迭代速度，其业务转型已取得实质性进展。 这家华尔街投行强调，人工智能技术正在为Snowflake的核心业务构筑长期增长曲线。通过向数据工程 和人工智能领域的战略延伸，公司有望在2030年前实现超过20%的复合年均增长率。研报特别指出，拉 马斯瓦米执掌后，Snowflake在销售体系优化、市场策略调整及产品研发流程三大关键环节实现质效提 升，产品收入增速已稳定在20%量级。 尽管人工智能相关业务和应用市场仍处于发展初期，但公司通过将AI技术深度融入核心产品，叠加企 业客户加速推进数据基础设施现代化改造的强劲需求，其基础数据仓库业务已呈现企稳态势。 市场表现方面，Snowflake股价年初至今累计上涨37%，显著跑赢同期剔除Palantir(PLTR.US)后大型软件 股9%的平均涨幅。虽然投资者对该公司人工智能战略的认知存在合理分歧，但摩根士丹利认为，随着 后续季 ...

同义突变的生物学效应研究 - 传统观点认为同义突变在进化中是中性的，但2022年密歇根大学张建之团队在Nature发表论文指出酿酒酵母的同义突变大多是非中性的，会破坏细胞适应性[2] - 早期研究显示病毒和原核生物中的同义突变可能影响其适应性[2] - 这些发现在非真核生物和酵母中的结论是否适用于哺乳动物和人类尚不清楚[3] PRESENT高通量筛选技术 - 北京大学魏文胜团队开发了PRESENT技术，利用先导编辑研究人类基因组中的功能性同义突变[4] - 该技术基于刘如谦2019年开发的先导编辑系统和2021年增强版PEmax系统[7] - 研究构建了包含297900个epegRNA的文库，靶向3644个人类蛋白质编码基因进行大规模筛选[7] 研究发现 - 群体层面分析显示同义突变与非同义突变在适应度效应方面存在差异，但表型分布相似[9] - 只有很小一部分同义突变显示出可检测的效果[9] - 团队开发了DS Finder机器学习模型，揭示同义突变对mRNA剪接、转录等生物过程的影响[9] 技术应用 - 将单细胞筛选方法与PRESENT技术集成，命名为DIRECTED-seq[7] - 研究发现同义突变能改变RNA折叠方式并影响翻译，如PLK1_S2案例[9] - 结合筛查数据和模型可预测具有临床危害的同义突变[9]

人工智能在金融领域的应用现状 - 2024年中国金融行业生成式AI平台及应用解决方案市场规模为9.14亿元人民币，占整体AI市场的14%，预计2027年将增长至35.09亿元人民币，增幅达384% [2] - 当前金融行业对人工智能的应用仍处于早期阶段，存在冷热相交、发展不平衡的特点，面临准确率、成本、效率等多方面考量 [2] - 不同金融机构在人工智能应用程度上存在较大差异，中小型金融机构在落地应用方面面临困难 [3] 技术发展与投入现状 - 2024年中电金信涉及新一代人工智能技术的项目占公司行业智能应用的30%，主要集中在AI模型平台、问答助手、智能客服等领域 [4] - 2025年金融行业在AI方面的投入中，算力投入占比高达85%，应用开发投入仅占7%，仍处于试验阶段 [4] - 行业需要经历从技术路线分化到收敛的持续演变过程，建立全栈AI技术体系需要全面细致的工程化努力 [6] 应用场景与发展趋势 - 金融AI应用正从简单场景向复杂场景加速推进，如杭州银行改造机器学习平台、拓展RPA和智能OCR等多场景应用 [7] - 未来AI应用将向多场景融合发展，从智能营销、客服等传统场景扩展到投研、决策等复杂领域，实现全流程智能化转型 [7] - 行业需要通过设立数据分级标准、打造协同机制和构建人才生态来加速产业建设 [7] 行业挑战与发展路径 - 大模型与金融业的深度融合是一场长跑，需要技术突破和对金融场景的深度理解 [4] - 构建通用人工智能体系需要长时间探索，需考虑工程化实现方案和具体落地应用 [5] - 企业在部署AI时需处理知识库工程搭建中的流程、权限等问题，并解决智能体任务规划的路线争议 [6]

大模型变现与AI广告 - 生成式AI正在重构广告行业商业模式 底层技术探索空间巨大 [4][25] - Meta 2024年Q4广告营收同比增长21%达468亿美元 占总营收96.7% [9][12] - 谷歌CEO宣布重点押注生成式AI广告 涉及内容创作、分发模型等全链路 [15] AI广告技术突破 - Meta与英伟达合作的Andromeda系统使广告召回率提升6% 质量提升8% 部分回报率增长22% [10] - 谷歌推出Veo 3/Imagen 4等工具链实现广告创意全流程AI化 [17] - 推荐系统与生成模型融合实现"生成即推荐" 可动态创造个性化广告素材 [27][29] 行业变革方向 - 广告从"千人千面"升级为"一人千面" 实现场景化智能生成 [20][21] - 广告与种草边界模糊 内容性质增强 转化率提升 [24] - 传统展示广告向生成式内容消费链转型 追求精准而非曝光 [22] 技术架构与挑战 - 核心技术包括用户建模(特征嵌入/序列建模)、生成模型设计、多任务优化(CTR/CVR) [32] - 需解决生成多样性、实时性、伦理风险等挑战 [33] - 全模态序列生成式推荐(AMGR)代表推荐系统从识别到创造的范式转变 [44] 商业应用案例 - Meta的Advantage+AI工具提升Reels广告投放效率 [11] - 可口可乐AI广告案例显示创意本体可完全由AI生成 [18][20] - 多模态生成技术使广告可无缝植入新闻、视频等场景 [30] 产业人才机遇 - 腾讯广告算法大赛聚焦AMGR 提供360万奖金及直通offer机会 [44][45] - 参赛者可接触腾讯真实业务数据 培养广告思维与业务敏感度 [42][43] - 赛事基于Angel平台提供动态算力支持 解决资源瓶颈 [48]

机器学习模型在量化选股中的应用 - 采用GBDT类树模型（LGBM/XGBoost/CatBoost）和神经网络模型（GRU/TCN/Transformer）进行量化选股训练测试，其中树模型适合处理手工构造的量价和基本面特征，神经网络擅长捕捉时序变化[1][2] - 特征筛选采用SHAP方案能有效减少特征数量并保证模型效果，特征中性化对因子改进不明显，整体标准化处理更有利于模型学习时序信息[2][28] - 沪深300指增策略年化超额10.03%，中证500指增年化超额8.41%，中证1000指增年化超额11.44%，显示机器学习因子在中小盘更具优势[3][61][62][63] 模型结构与特征处理 - GBDT模型通过残差迭代优化，每棵树学习前一棵树的残差，错分样本权重会逐步增大[10][11] - 神经网络结构中，GRU作为LSTM简化版通过更新门和重置门减少参数量，TCN采用空洞卷积实现指数级增长的历史数据回顾[12][13][18] - 特征类型选择显示：Alpha158量价特征适合两类模型，GFStyle基本面因子更适合树模型，原始量价数据神经网络表现更优[26][27] 损失函数与预测目标优化 - 排序学习损失函数中，结合NDCG指标的LambdaNDCG2和NeuralNDCG在多头部表现优异，与MSE因子相关性仅0.7-0.9[42][43][45] - 预测目标处理显示：截面标准化能排除市场beta干扰，使用超额收益率经CSRank处理后效果最佳[50][51] - 多周期预测目标合成可提升因子表现，沪深300指增策略信息比率从1.67提升至1.81，中证500年化超额从13.28%提升至14.28%[52][53][55] 策略构建细节 - 组合优化控制行业偏离、市值偏离等约束条件，采用月度调仓，交易成本假设双边千三[59][60] - 中证1000指增策略信息比率达2.09，超额最大回撤-7.95%，显著优于沪深300策略的2.23信息比和中证500策略的1.38信息比[63][61][62]

财务数据和关键指标变化 无相关内容 各条业务线数据和关键指标变化 - 公司向全球生命科学和材料科学公司销售软件，约有1800个客户 [16] - 公司在药物设计和材料设计方面开展合作，每年有众多合作伙伴和大量合作项目 [17] - 公司在药物发现和开发阶段拥有一系列自主项目 [17] 各个市场数据和关键指标变化 无相关内容 公司战略和发展方向和行业竞争 - 公司愿景是枚举大量化学空间，尽可能准确预测分子性质，以用于药物发现和材料设计 [18] - 公司战略重点包括展示SGR1505一期研究的临床数据、扩大计算平台的客户采用规模、持续改进和推出新技术、在下半年展示SGR2921和3515一期研究的临床数据、推进自主发现和开发项目以及合作发现项目组合 [23][24][25] 管理层对经营环境和未来前景的评论 无相关内容 其他重要信息 - 股东大会出席情况：有权投票的普通股为64,209,652股，有限普通股为9,164,193股；实际出席的普通股为52,556,775股，有限普通股为9,164,193股，达到法定人数 [7] - 投票结果：Jeffrey Chodakowitz、Michael Linton、Nancy Thornberry和Bridget Van Krelingen当选为二类董事；批准高管薪酬的咨询决议获得通过；KPMG LLP的任命获得批准 [14] 问答环节所有提问和回答 无相关内容

数字技术重塑金融生态 在全球数字技术快速迭代的背景下，数字金融正以颠覆性力量重塑金融行业生态。作为金融市场的核心 组成部分，期货市场承担着风险管理与价格发现的关键职能，其数字化转型已成为提升市场效能、强化 服务实体经济能力的重要方向。本研究系统探讨数字金融在期货市场的应用现状、多维影响、现实挑战 及未来发展趋势，旨在揭示数字技术与期货市场深度融合的内在逻辑与实践路径。 期货市场作为重要的风险管理工具和价格发现平台，其数字化转型具有双重意义：一方面，数字技术的 引入可通过优化交易流程、提升信息传递效率，降低交易成本并扩大市场参与群体；另一方面，转型过 程中面临的技术适配性、监管适应性及市场主体接受度等问题，可能引发新的系统性风险。如何在创新 与稳定间寻求平衡，成为期货市场数字化发展的重要命题。 数字金融在期货市场的应用现状 数字技术在期货市场的应用已形成多元化技术体系，核心模式可归纳为以下四类： 数字化交易平台：交易流程的基础设施重构 数字化交易平台是期货市场数字金融的基础载体，依托互联网、云计算及API接口技术，突破了传统交 易的时空限制。投资者通过移动终端即可完成开户、下单、持仓查询等全流程操作，显著提升了 ...