农田资产与市场表现 - Gladstone Land目前拥有150个农场，总面积约为103,000英亩，水资源资产超过55,000英亩-英尺，农场可租赁面积占比为95.9%[10] - Gladstone Land专注于收购高价值农田，交易规模在200万到5000万美元之间，租赁期限一般为5到10年以上[43] - 美国农田的可耕地面积逐年减少，导致最肥沃农田的盈利能力提高[21] - Gladstone Land的农场主要集中在加利福尼亚州，拥有63个农场和34,845英亩的土地[51] - 截至2024年12月31日，公司的总农田价值约为34,000亿美元[68] - NCREIF农田指数的平均年回报率为11.0%，与MSCI美国REIT指数的11.6%和标准普尔500指数的9.4%相当[29] 财务表现 - 2025年第一季度净收入为15,108千美元，较2024年第一季度的13,567千美元增长11.4%[122] - 2025年第一季度每股稀释净收入为0.252美元，较2024年第一季度的0.208美元增长21.2%[122] - 2025年第一季度每股稀释FFO为0.059美元，较2024年第一季度的0.167美元下降64.7%[122] - 2025年第一季度每股稀释AFFO为0.056美元，较2024年第一季度的0.143美元下降60.8%[122] - 公司的农田租赁收入年增长率平均为2.5%[90] - 公司的占用率加权平均为99.6%，从未低于96.0%[88] 分配与债务结构 - 自2013年IPO以来，公司已连续147个月向普通股东和运营合伙人单位支付现金分配，总分配金额为每股7.32美元[76] - 当前每股现金分配年化为0.5604美元，月分配为0.0467美元[108] - 过去41个季度中，普通股的分配率已增加35次，总增幅为55.7%[108] - 变动利率债务占比为0.0%[94] - 固定利率债务占比为37.4%[94] - 优先股占比为31.1%[94] 未来展望 - 预计2025年租赁收入将更倾向于第四季度，而非以往的均匀分布[75] - 预计2025年将有8.7%的基础租赁收入到期[82] - 截至2025年3月31日，公司的加权平均剩余租期为6.7年[83] - 公司的加权平均有效利率为3.41%，固定期限为3.5年[84]

业绩总结 - Larimar计划在2026年第二季度提交nomlabofusp的生物制剂许可申请(BLA)，寻求加速批准[4] - 截至2025年3月31日，公司现金和投资总额为1.575亿美元，预计现金流可持续到2026年第二季度[35] 用户数据 - Friedreich's Ataxia患者全球约有2万名，其中美国约有5000名患者[6] - OLE研究中，基线时mFARS评分平均为55.81，90天后为55.13，变化不大[23] 新产品和新技术研发 - FDA建议在BLA提交中至少需要30名参与者在6个月内持续用药，且至少10名参与者需在1年内持续用药[5] - nomlabofusp在长期治疗中总体耐受性良好，最常见的不良事件为局部注射部位反应[25] - Larimar计划在2025年中期推出稳定于室温的冻干药物制剂[31] - 计划进行双盲安慰剂对照研究，参与者为100至150名年轻患者[34] - 主要结果指标为直立稳定性和mFARS[34] - BLA申请将包括成人和儿童的数据[34] - 安全数据库至少包含30名患者的6个月数据，且至少10名患者的1年数据[34] - 大多数患者的用药剂量应为50毫克[34] - 预计2025年9月将获得长期数据和青少年PK研究的安全数据[34] - 公司设计的治疗方案旨在系统性解决FA中的FXN缺乏问题[34] 市场扩张 - 美国市场预计于2027年初推出新产品[34] - Larimar正在考虑将2至11岁儿童直接纳入研究[31] 其他新策略 - FDA于2023年9月启动的START试点计划旨在加速稀有疾病治疗的临床和监管开发[29] - 在OLE研究中，nomlabofusp 25 mg每日剂量在90天后皮肤FXN水平较基线提高72%[20] - OLE研究中，参与者的筛选期最长可达42天，治疗期计划为至少1年[13]

文章核心观点 临床阶段生物技术公司Larimar Therapeutics宣布将于2025年6月23日上午8点举办电话会议和网络直播，讨论其用于治疗弗里德赖希共济失调的nomlabofusp临床开发项目的监管更新情况 [1] 会议信息 - 网络直播链接可访问活动页面获取，电话参与可拨打1 - 877 - 407 - 9716（美国国内）或1 - 201 - 493 - 6779（国际），会议ID为13754491，也可点击链接请求回电，直播结束后存档网络直播将在公司网站“Events & Presentations”页面提供 [2] 公司介绍 - Larimar Therapeutics是专注于开发复杂罕见病治疗方法的临床阶段生物技术公司，其主要化合物nomlabofusp正被开发用于治疗弗里德赖希共济失调，公司还计划利用细胞内递送平台设计其他融合蛋白以针对细胞内生物活性化合物缺乏的其他罕见病 [3] 前瞻性声明 - 新闻稿包含基于公司管理层信念、假设和现有信息的前瞻性声明，除历史事实陈述外均为前瞻性声明，涉及公司开发和商业化nomlabofusp及其他产品候选物的能力、研发工作、与FDA的互动和申报、加速批准或加速获取的潜力、上市时间、业务战略、筹集资金能力、资金使用、运营结果和财务状况等方面 [4] 联系方式 - 投资者联系Joyce Allaire，邮箱jallaire@lifesciadvisors.com，电话(212) 915 - 2569；公司联系Michael Celano，首席财务官，邮箱mcelano@larimartx.com，电话(484) 414 - 2715 [6][7]

6月6日，"鸿日山海跑"——鸿日汽车集团30周年庆活动在山东五莲、安徽金寨两地同时开跑。"以'山海跑'之名，致敬过往30年的征程，更以奔跑之 姿，开启下一个30年的华章。"正如鸿日汽车集团董事长张建军所言，经过30年的"长跑"，鸿日汽车集团已经昂首跑进微型电动汽车的新发展阶段。 围绕市场需求 提升产品品质 鸿日汽车推出的行业首个智能化架构平台——"Hi平台"，具有"便捷"、"节能"、"舒适"、"安全"四大特点，以此平台为基础开发的各款车型，在动 力、智能化、舒适性等方面都拥有不错的表现。按照规划，今年鸿日汽车集团将进一步提升产品的智能化水平，根据市场需求推出"数智化透视底 盘"、"智能语音"、"遥控泊车"、"冷暖空调"、"加热杯托"等技术，让新车型全面满足消费者对智能化的需求。 在行业发展过程中，很多低速电动车并没有如新能源乘用车一样执行严格的试验验证标准。为了更好的提升、验证自身产品的性能，鸿日汽车集团主 动对自身产品展开各类严苛的试验验证，并邀请第三方机构进行公开测评，向消费者展示产品的真实性能。近年来，各类媒体驾驶鸿日汽车集团的产品驶 上高原、开展冬测等试验频繁冲上热搜，让消费者近距离了解到了鸿日汽车的 ...

文章核心观点 2025年6月9 - 12日第30届广州国际照明展览会在广州举行，公司携最新照明创新成果和AI 3D打印突破亮相，未来将继续致力于技术创新 [1] 展会情况 - 展会汇聚全球超3000家参展商，公司展示200多平方米双层展厅 [1] 产品展示 - 展位模拟水下和掩埋环境，展示双防护IP68照明产品在恶劣条件下的耐久性，明星展品有获阿拉丁金灯奖的IP68柔性灯带系列和Mini Master - 子控制器 [3] 技术亮点 - 有互动“美人鱼”装置，采用AI生成3D建模和精密3D打印，配备智能控制系统可实现实时人光互动 [4] - 设有AI + 3D打印体验区，参观者可通过MMLA 3D打印共享平台上传文本描述或图像，AI即时生成3D模型并现场演示打印过程 [4] 未来展望 - 公司将致力于技术创新，为行业提供突破性解决方案，探索光的无限可能 [5]

Transformer架构的核心地位 - Transformer的自注意力机制在推理时能灵活建模长距离上下文，使其成为大语言模型不可替代的核心组件，尽管存在计算复杂度为二次方的问题 [1] - 线性复杂度的替代方案（如RNN、Linear Attention、SSM等）难以真正取代Transformer的地位，尤其在decoder-only架构广泛采用后，自注意力机制的重要性进一步凸显 [1] - 自注意力机制带来的KV缓存问题成为推理效率的关键瓶颈，其显存和带宽开销随模型参数维度扩大而显著上升，限制了推理长度与batch size [1] KV缓存的优化挑战与现有方案 - 当前主流大模型采用Grouped-Query Attention（GQA）机制，通过减少Key/Value头数量来减小KV缓存规模，在效率与效果间取得平衡 [5] - Multi-Query Attention（MQA）是GQA的极端形式，显存占用大幅减少但性能显著下降，而GQA成为大语言模型中最常见的注意力变体 [5] - DeepSeek团队提出的Multi-head Latent Attention（MLA）通过在隐空间压缩KV特征维度提升推理效率，但隐空间压缩幅度受限，KV缓存存储开销仍是瓶颈 [7] MTLA的创新与核心技术 - MTLA首次将时序压缩与隐空间压缩结合，在KV缓存的两个维度同时施加时空压缩策略，显著降低显存与计算成本 [2] - MTLA通过超网络动态融合相邻时间步信息，并设计步幅感知因果掩码确保训练与推理一致性，保持甚至略优于传统注意力机制的性能 [2][14] - 时间压缩率s=2时，MTLA对KV缓存的压缩程度与MQA相当但性能更优，且具备进一步压缩空间 [12][21] MTLA的训练与灵活性 - MTLA引入步幅感知因果掩码解决训练与推理行为不一致问题，保留所有中间状态KV表达，通过矩阵乘法实现高效并行计算 [14][16] - 解耦的旋转位置编码（decoupled RoPE）进一步提升了效率，MTLA在注意力机制与线性模型之间架起桥梁，提供效率与性能的灵活权衡 [17][18] - 当时间压缩率s足够大时，MTLA几乎只保留一个KV缓存，退化为线性序列建模方法 [17] MTLA的性能表现与应用潜力 - MTLA在语音翻译、文本摘要生成等任务中保持与标准MHA相当的质量，同时实现超过5倍推理速度提升和8倍显存占用降低 [20] - MTLA具备大规模部署潜力，尤其适合参数规模扩大和生成序列增长的大语言模型场景，有望成为自注意力模块的重要替代方案 [23] - MTLA实现代码已开源，但工程落地需社区持续推动，改动复杂度高于GQA和MQA [24][25]

Alvotech (ALVO) 2025 Conference June 05, 2025 10:30 AM ET Speaker0 All righty. Good morning, and welcome to Jefferies Global Healthcare Conference. My name is Matthew Pakora with the Jefferies Healthcare Investment Banking team, and it's my great pleasure to introduce you to Doctor. Balaji Prasad, the Chief Strategy Officer. He will get us started here today. Speaker1 Thank you, Matthew. Good morning, everyone. My name is Balaji Prasad, the Chief Strategy Officer at Talvotech. It's my pleasure to present th ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 曾撼动Transformer统治地位的Mamba作者之一 Tri Dao ，刚刚带来新作—— 提出两种专为推理"量身定制"的注意力机制。 在保持模型性能不变的情况下，将解码速度和吞吐量最高提升2倍，大大优化了模型的长上下文推理能力。 这项研究的三位作者均来自普林斯顿大学，论文主要有两大贡献： 其一，提出Grouped-Tied Attention（GTA） ，与已集成到LLaMA 3的注意力机制GQA质量相当，但KV缓存用量减少约50%。 其二，提出Grouped Latent Attention（GLA） ，与DeepSeek所使用的注意力机制MLA质量匹配，但解码速度更快，某些情况下比 FlashMLA快2倍。 按照作者之一Ted Zadouri的总结： GTA是GQA的有效替代品，而GLA是MLA的实用替代品。 一言以蔽之，通过优化注意力机制的 内存使用 和 计算逻辑 ，在不牺牲模型生成质量的前提下，可显著提升大语言模型的推理效率和硬件资 源利用率，尤其在长上下文场景中优势更为突出。 相关论文公布后，一众研究者也赶来祝贺~ | Sara Hooker ...

HUAWEI X HUXIU AMLA × 融合算子 × SMTurbo 让大模型推理速度与能效双重革命 没有人不在期待大模型能够成为下一个电动车，作为代表中国的新兴产业，在世界范围内掀 起狂澜。 然而主流的MoE架构大模型，却苦于其结构上的"先天不足"：巨大的硬件成本与多重拖累效 率的环节，使得中国企业在这场芯片堆砌与效率挖掘的苦径上难以提速。 作为智能基础设施提供商，华为在这场战役中另辟蹊径，利用其在数学算法和工程领域的深 厚积累，为DeepSeek显著提升了效率及用户体验。 山就在那里，但中国企业找到了不一样的登顶之路。 近期，虎嗅将打造《华为技术披露集》系列内容，全面揭秘超大规模MoE模型推理部署技 术，通过一连串的技术报告，首次全面披露技术细节。 希望本系列内容能为业界起到参考价值，也希望更多人能与华为一起，共同打造长期持续的 开放协作生态环境，让昇腾生态在中国茁壮成长。 《华为技术披露集》系列 VOL.5 ：昇腾亲和 它们不仅是模型的效率引擎，更是硬件性能的放大器 —— 通过标准化设计、硬件深度适配与 复用机制，让芯片处理海量数据时如虎添翼。 而昇腾此次开源的三大技术，正是算子优化的 "终极形态" ...

" 算力利用率突破 70%、跨卡延迟低至亚微秒级，华为算子技术 如何重新定义硬件性能？ " 作者丨李希 AMLA × 融合算子 × SMTurbo —— 让大模型推理速度与能效双重革命 基于昇腾算力，华为团队本次发布了三项重要的硬件亲和算子技术研究： 针对Decode阶段的MLA 计算，华为团队提出了AMLA（Ascend MLA）算子，通过数学等价变化和硬件 亲和的深度优化， 释放昇腾芯片澎湃算力 。具体而言，通过 对浮点数二进制编码的重解析 ，把复杂的乘 法运算变成简单的加法操作，AMLA实现了基于 存内计算 的变量更新，充分利用算力的同时减少数据搬 运；结合一系列基于昇腾硬件的计算流程及流水优化手段，进一步提升算子的整体性能。当前AMLA算法 的Attention 算子充分发挥昇腾硬件的计算能力，平均算力利用率达到55%，最高可达71%，优于 FlashMLA公开的结果。 大模型推理的 "乐高积木"：算子为何如此重要？ 算子是 AI 大模型执行计算的 "原子级工具"，如同乐高积木中的基础模块，负责从加减乘除到特征提取的 一切核心操作。它们不仅是模型的效率引擎，更是硬件性能的放大器 —— 通过标准化设计、 ...