报告公司投资评级 - 优于大市 [1] 报告的核心观点 - 海通与博禄和几家机构投资者讨论公司前景等内容，使分析师对石化周期中期复苏有信心，重申对博禄公司积极看法 [1] 公司背景 - 博禄是总部位于阿布扎比的全球性多元化石化公司，也是世界最大石化生产商之一，主要股东是阿联酋国家能源公司ADNOC集团和欧洲的Borealis [2] - 博禄在阿布扎比经营大型聚烯烃综合设施，在多地设有物流中心等，在上海有复合生产厂，产品主要是聚乙烯和聚丙烯，销售集中在亚洲 [2] - 博禄和Borealis采用Borstar®技术生产聚烯烃产品，以优惠条件从ADNOC Gas获乙烷原料，以净回值定价获丙烷原料 [2] 公司战略举措 - ADNOC集团和OMV宣布战略建议，将博禄、Borealis合并并收购北美聚乙烯生产商NOVA Chemicals，成立Borouge Group International，总产能达1360万吨/年，位居全球第四，预计整个周期实现超70亿美元EBITDA，提供5亿美元/年EBITDA协同效应，交易预计26年第一季度完成 [3] 公司优势 成本领先 - BGI在全球石化成本曲线中可能保持第一四分位，原因是使用天然气液化原料而非高成本石脑油，且博禄最大单一基地综合体在Borouge 4启动后可能实现规模经济 [4] 溢价产品组合 - BGI可能保持产品溢价，博禄为聚乙烯和聚丙烯分别设定200美元/吨和140美元/吨的同类产品价格基准，产品采用Borstar®技术实现差异化，如用于大直径污水管道产品不易下垂、薄膜应用中抗穿刺性高 [4] 利润率领先且具弹性 - 20 - 24财年，BGI平均备考EBITDA利润率可能达26%，处于行业领先，同期全球主要聚烯烃生产商平均利润率为16%，反映了成本领先、产品差异化、规模经济和地理网络优势 [4] 股息与前景 股息 - BGI将提供每股16.2菲尔的年度股息下限，目标是按自由现金流支付90%的股息，博禄在交易完成前分红政策不变 [6] 石化前景 - 过去5年石化周期受COVID影响利润率低于历史水平，石脑油裂解装置合理化和政府对需求的刺激表明前景强劲 [6] 原料调整 - 博禄重申乙烷原料价格调整从27财年末和28财年初开始实施时，对Borouge 1 - 4项目的影响，以及与Borouge 1 - 3项目21财年条件挂钩的7.5亿美元EBITDA影响 [6] 公司风险应对与发展计划 关税风险 - 公司认为Nova Chemicals有能力应对加美关税战，因美国30%的LLDPE需求来自加拿大，且其产品具有差异化 [7] 中国市场 - 博禄在中国销售额约占30%，认为中国是“上佳的市场”，凭借Borstar®技术可实现产品差异化和稳健利润率，正在对在中国新建特种聚烯烃工厂进行后期可行性研究 [7][8] 运营管理 - 博禄工厂去年利用率约达或超100%，重视人工智能以实现高运营率、实时优化和工厂稳定运营 [8]

多模态推理技术进展 - 2025年3月Google发布Gemini 2.5模型，原生支持文本、图像、音频、视频、代码库等多模态输入，并在LMArena排行榜超越GPT-4.5和Claude 3.7 [1][2] - 2025年4月阶跃星辰发布多模态推理模型Step-R1-V-Mini，商汤发布SenseNova V6模型，后者实现10分钟长视频理解能力 [2] - 2025年5月MiniMax开源视觉RL统一框架V-Triune，使VLM掌握视觉推理和感知的统一能力 [2] 技术架构创新 - MiniMax V-Triune框架采用三层组件架构：多模态样本数据格式化、异步客户端-服务器架构的验证器奖励计算、数据源级指标监控 [3] - 通过动态IoU奖励机制和冻结ViT参数等优化，Orsta 32B模型在MEGA-Bench Core基准测试性能提升14.1% [3][6] - 商汤SenseNova V6采用多模态长思维链构建、多模态强化学习和多模态全局记忆技术创新 [2] 智能驾驶应用 - 蔚来NVM世界模型具备全量理解、想象重构和推理能力，在ETC车道通行和停车场寻路等场景性能显著提升 [3][7] - 理想自研VLA大模型通过多模态推理模拟人类驾驶员思维运作方式 [3] - 多模态推理技术可增强道路交通标志识别判断能力，提升复杂场景泛化性 [3] 性能对比 - Orsta 7B模型在MEGA-Bench Core测试中相比骨干模型提升3.2个百分点 [6] - Orsta 32B模型在知识、数学、感知等多项指标上实现5.9-20.2个百分点的提升 [6] - 在32B+模型对比中，Orsta 32B-0326版本相比骨干模型在核心指标提升2.1个百分点 [6]

核心观点 - MiniMax开源V-Triune框架，首次实现视觉语言模型(VLM)在单个后训练流程中联合学习视觉推理和感知任务[1] - 基于V-Triune开发的Orsta模型系列(7B至32B)在MEGA-Bench Core基准测试中性能提升显著，最高达+14.1%[3][30] - 采用三层组件设计和动态IoU奖励机制，解决传统强化学习无法兼顾多重任务的痛点[2][22] 技术架构 - **样本级数据格式化**：支持自定义奖励设置和验证器，包含reward_model/verifier/data_source三个字段[12][13][14] - **异步客户端-服务器架构**：解耦奖励计算与主训练循环，通过专用验证器路由请求[15][17] - **数据源级指标监控**：追踪奖励值/IoU/mAP/响应长度/反思率等15项指标，确保训练稳定性[19][20][21] 动态IoU奖励机制 - 分三阶段调整阈值：初始10%步骤宽松标准，10%-25%逐步收紧，剩余步骤固定高精度要求[22][25] - 使用MathVerifyVerifier处理推理任务，DetectionVerifier处理感知任务[24] 训练优化 - 冻结ViT参数防止梯度爆炸[27] - 过滤伪图像特殊词元确保特征对齐[27] - 构建随机化CoT提示池降低提示依赖性[27] - 解耦测试阶段与主训练循环管理内存压力[27] 模型性能 - Orsta-7B在MEGA-Bench Core得分38.31，较基础模型提升+3.2[30] - Orsta-32B-0321版本得分25.94，较基础模型提升+14.1[30] - 感知任务mAP指标显著提高，验证方法有效性[30] 公司战略 - MiniMax持续布局多模态领域，已推出S2V-01视频模型、MiniMax-VL-01视觉模型及T2A-01语言模型[32][34] - Speech-02语音模型刷新全球权威测试榜单，打破行业垄断[34] - 计划探索原生生成理解统一大模型架构[35]

机器之心报道 编辑：+0、Panda 强化学习 (RL) 显著提升了视觉-语言模型 (VLM) 的推理能力。然而，RL 在推理任务之外的应用，尤其是在目标检测 和目标定位等感知密集型任务中的应用，仍 有待深入探索。 近日，国内初创公司 MiniMax 提出了 V -Tri une ，一个视觉三重统一强化学习系统，它能使 VLM 在单一的训练流程中同时学习视觉推理和感知任务。 该系统建立在三个核心且相互关联的部分之上，旨在协同处理这些多样化的任务。接下来将详细解释这三个核心组件，并介绍 MiniMax 新颖的动态 IoU 奖励机 制。 样本级数据格式化 MiniMax 是如何格式化数据以支持跨感知和推理任务的统一训练的呢？ V-Triune 包含三个互补的组件： 样本级数据格式化 (Sample-Level Data Formatting)（用以统一多样化的任务输入）、 验证器级奖励计算 (Verifier-Level Reward Computation)（通过专门的验证器提供定制化奖励）以及 数据源级指标监控 (Source-Level Metric Monitoring)（用以诊断数据源层面的问题）。 M ...