ariel reyez romero

统计数据

27
文章
0
粉丝
0
获赞
193
阅读
avatar
微软财报double beat 更重要的是，RPO（backlog） 同比激增 51% 至 $392 亿 订单激增！
#微软 #财报 #订单激增 #RPO #backlog
avatar
Micron Technology (MU) 的Forward P/E（预期市盈率）约为 11.7 倍至 13
英伟达市值破四万亿，AI芯片霸主地位稳固？· 136 条信息
#Micron Technology #MU #预期市盈率 #Forward P/E #11.7倍至13
avatar
OpenAI 26GW数据中心计划（总投资超可能超万亿美元，2026年启动，2027年全面上线），需求超过目前全球hbm产能的50%甚至更多，将显著拉动美光科技（Micron Technology）HBM和DRAM产能需求，促使其加速扩产。 美光已规划2026财年CapEx超180亿美元，2027年约200亿美元，聚焦HBM4/4E、1γ节点DRAM及新加坡/美国工厂建设，受CHIPS法案补贴支持。 基于现在OpenAI项目及后续google，微软等巨头可能的跟进，美光加速扩产可能性更高，（HBM市场可达CAGR 90%）。
#OpenAI #数据中心 #美光科技 #HBM #扩产
avatar
American Resources Corporation（AREC，NASDAQ: AREC）是一家专注于稀土元素（REO）和电池材料回收的公司。 其利用专利色谱分离技术从电子废物（e-waste）、煤废料中回收高纯度稀土（包括重稀土HREE如镝Dy，芯片生产所需关键元素）和电池材料（Li、Ni、Co），符合美国IRA/DPA政策需求。 预计2025-2029年CAGR可达150-200%，2026年营收5-10亿美元，2029年50-60亿美元。 模块化工厂（Marion、Noblesville）每6-18个月新增2500-3500吨产能，4-6模块（2026年1-2.1万吨）可产HREE 630-945吨，营收1.89-2.84亿美元。 竞争优劣势：AREC扩张速度（6-10个月/模块）快于开采公司MP Materials（1-3年）和Lynas（1-2年），成本低50-70%（$50-70/kg），且规模小（2024年亏损4011万美元）。 回收废料稀土加工，比稀土开采加工更环保，容易获得新厂建设批准。 护城河包括专利技术、长期合同（Vulcan Materials、POSCO）、政府资助（印第安纳州91万美元，NSF潜在1.6亿）、模块化设计和资深团队（100+年经验）。政府支持可能性高（70-80%），2026年或获5000万-1亿资助，受益于DoD/DOE需求。 美国进出口银行（EXIM）目前对 American Resources Corporation（简称 Arec，纳斯达克股票代码：AREC） 的支持为 意向书（Letter of Interest, LOI） 形式，承诺提供 最高 1.5 亿美元 的融资。 exim上一次支持的公司为crml，支持后不久股票即大涨
美国五角大楼入股MP材料公司，稀土供应链引发关注· 9 条信息
#稀土回收 #American Resources Corporation #电子废物 #政策扶持 #融资
avatar
根据2025年10月的最新报道，Intel 的 18A（1.8nm 级）工艺节点在 D0（初始缺陷密度，单位为每平方厘米缺陷数）方面已取得显著进步。 具体来说，Intel 官方在2024年底公布的 D0 值已低于 0.40/cm²，而最近的行业分析和报道显示，这一指标已进一步优化至低于 0.30/cm²，这被视为“有史以来最低水平”，标志着工艺已准备好支持内部和外部客户的量产。 “对于中小型芯片（如 Intel Panther Lake，面积约 100-200 mm²，即 1-2 cm²），D0 = 0.30/cm² 可通过公式估算出良率约为 60-75%，具体取决于面积和优化 良率达到 70% 通常被认为是半导体行业中可以开始 量产（high-volume manufacturing, HVM） 的门槛”
#Intel 18A工艺 #D0缺陷密度 #半导体良率 #Panther Lake芯片 #量产准备
avatar
AI工作流平台n8nC轮融资，Nvidia参投 这是在抄openai的后路？ AI工作流平台n8n于10月9日完成1.8亿美元C轮融资，估值达25亿美元，由Accel领投，Nvidia风投部门NVentures参与（公司公告）。 这距其7个月前B轮（3.5亿美元估值）实现7倍估值跳升。公司披露ARR超4000万美元，23万活跃用户中80%已嵌入AI agents，过去一年收入增长10倍。 市场反应：10月9日信息技术板块(XLK)领涨1.8%，直接竞品UiPath在10月4日宣布与Nvidia合作后暴涨11.86%至14.43美元（Yahoo Finance）。 n8n这样的工作流产品对ai算力影响的核心机制是"AI Agent orchestration需求倒逼算力-应用双向扩张"。 企业级workflow每日产生10万-100万次API调用，单个复杂agent需调用多模型协同，形成乘数效应。 行业影响： 1. 企业软件/SaaS层（分化加剧，赢家通吃）：AI-native与传统软件估值分化显著。ServiceNow（AI workflow平台）市值1909亿、P/S约15.8x，Q2订阅收入31.1亿美元（+22.5% YoY），Now Assist ACV目标2026年达10亿美元（公司财报）。相反，传统RPA承压：UiPath市值仅83亿、P/S 4x，ARR增速从峰值40%降至11%（Q2 FY2026财报）。核心差异在于AI原生能力：n8n支持任意LLM集成且按workflow定价（成本仅Zapier 1/10），而传统RPA困于规则引擎。市场规模支撑分化：AI Agent市场2025年51-79亿美元，2030年预计427-503亿（CAGR 43%，Grand View Research）。 2. AI应用层与开源生态（直接受益）：垂直Agent公司获验证，客服Agent独角兽Sierra估值100亿、Decagon 13.1亿。n8n的fair-code模式（GitHub 7万stars）降低开发门槛，形成社区飞轮。 ServiceNow（NOW，914.32美元）是n8n对标，10月22日财报关注Now Assist ACV进展，目标价1,109美元（+22%，Stifel维持买入）。 Salesforce（CRM，245.33美元）年内暴跌23%后估值修复空间大（P/E 35.7x vs 历史均值45x），Agentforce已签6000+交易，目标价335美元（+36%）。 UiPath（PATH，15.58美元）面临替代风险，分析师目标价13.21美元（-14%下行，Barclays降至持有）。
#AI工作流平台 #n8n C轮融资 #Nvidia参投 #AI Agent orchestration #企业软件估值分化
avatar
为ai发电 开始炒美国铝业了 nb
#AI #美国铝业 #炒股 #NB
avatar
戴尔（dell）今天的财报很有意思， 典型的“增收不增利”。 AI服务器需求强劲，积压订单价值高达117亿美元，但其调整后毛利率却下滑至18.7%，不及市场预期，导致股价暴跌。 这背后的元凶。。。。。。 就是英伟达😂 不得不说，英伟达利用自己的芯片优势，还在不断扩大自己的供应链“链主”的优势，牢牢掌控全链条利润。 这实在是太狠了！ nvda怎么控制/挤压全供应链利润的？ 是通过推出MGX平台。 这是一个官方的模块化的参考架构，旨在帮助下游的系统oem厂合作伙伴大幅缩短研发周期、降低成本，从而加速整个英伟达技术生态的普及。 和CUDA类似，MGX也是英伟达用来深度绑定产业、构建强大护城河的生态体系，但它和cuda作用在不同的层面，cuda“锁软件”，MGX“锁硬件”。 MGX的核心是为英伟达全套硬件（GPU、Grace CPU、BlueField DPU、ConnectX网卡）的协同工作定义了最优解。它规定了这些组件如何以最高带宽、最低延迟的方式互联。这意味着，任何偏离MGX架构的设计，都可能在性能上无法与“官方标配”匹敌。 一旦服务器厂商（如超微）围绕MGX标准投入资源、优化了生产线和供应链，就形成了一条技术路径依赖。未来，当英伟达推出新一代GP时，它们几乎肯定会与MGX标准无缝衔接。届时，已经“上车”的厂商可以最快速度跟进迭代，而那些试图走自己路线的厂商，则面临着巨大的研发和时间成本风险。这种模式将合作伙伴的未来与英伟达的路线图深度绑定。 随着基于MGX的服务器在性能、成本和上市速度上展现出越来越大的优势，市场的天平会逐渐倾斜。届时，采用MGX将不再是一个选项，而是获得市场竞争力的“必需品”。 而mgx所干的活，原来正是戴尔的利润丰厚的主业。 更可怕的是，英伟达的野心不止于服务器，而是整个数据中心。MGX是其“数据中心即计算机（The data center as a computer.）”理念的物理载体。当整个行业的硬件创新都围绕着MGX展开时，英伟达就从一个芯片供应商，真正成为了下一代计算平台的“架构师”。 更长远来说，MGX在硬件层定义标准，CUDA在软件层锁定开发者。未来，两者会更加紧密地结合。英伟达可以推出需要特定MGX硬件特性才能最优运行的CUDA新功能，形成“软件要求硬件、硬件优化软件”的完美闭环，让竞争对手彻底无法追赶。 这就像PC时代的“Wintel联盟”（微软Windows + 英特尔Intel）。英特尔定义了主板和CPU标准，微软定义了操作系统。戴尔、惠普等厂商在此基础上进行外壳设计、组装和销售。它们能赚钱，但产业链中最大头的利润，被平台定义者——英特尔和微软赚走了。 今天，英伟达正在试图成为AI服务器时代的“Wintel”。CUDA是操作系统（软件平台），MGX则是主板和系统架构（硬件平台）。而英伟达，如果战略成功的话，将成为ai时代的微软+intel！
英伟达市值破四万亿，AI芯片霸主地位稳固？· 136 条信息
#英伟达(Nvidia) #MGX平台 #戴尔(Dell) #AI服务器 #利润挤压
avatar
AFRM/ Affirm大涨背后：BNPL （先买后付，buy now pay later）的需求与宏观影响 今天afrm财报后大涨，完美错过这波，所以亡羊补牢分析了一下： 1/ 🎯 公司层面 业绩/指引超预期+亏转盈预期增强，叠加 Apple Pay 接入、Shopify/Amazon 深度集成、Affirm Card 拉动直连用户，形成分发+产品双轮驱动。丢掉Walmart 这个大客户的负面被多渠道稀释。 2/ 🏁 赛道及竞争 Affirm：高客单+透明费率+大入口绑定 Klarna：零售巨头通路（含 Walmart），冲刺上市 PayPal/Block：支付生态反哺 BNPL 银行系（Amex/Chase 等）：把“卡内分期”前置到结账页，合规/风控优势逐步显现 赢家=低资金成本×低损失率×强分发质量。 3/ 🌐 宏观意义 这是“韧性消费 + 价格敏感”的写照：在价格上行与收入承压下，BNPL 作为预算管理工具渗透提升，短期托底名义消费；但真实杠杆被低估的风险在抬头。 4/ ❓是否意味着更高负债在支撑消费？ 更像“结构性加杠杆”：分期更细、更普及，透支并非全面恶化，但尾部人群对就业与信用环境更敏感。消费强弱的“二次衰减”风险，取决于就业/薪资与征信纳管后的授信弹性。 结论：不属于具备高速增长属性的公司，赛道内竞争较多，同质化程度高 值得观察，超跌时可能是机会
#AFRM #BNPL #消费 #宏观经济 #风险
avatar
《IonQ和哈佛大学的量子技术突破，开启可量产量子计算时代》 2025年8月18日，量子计算公司IonQ与哈佛大学联合宣布在硅基碳化物悬浮膜平台上取得关键突破，显著提升量子比特相干性和控制能力，关键是——兼容现有半导体工艺。 此项突破的核心，不仅在于选择了一种性能卓越的材料，更在于开创了一种颠覆性的制造流程。这一流程从根本上解决了长期困扰纳米加工领域的物理限制，为量子硬件从实验室中的“手工艺品”向量产化的“工业制品”转变铺平了道路。 具体来说，此突破所赋能的，是在单一芯片上实现对量子比特进行精确操控所需的所有关键组件的单片集成（monolithic integration）。这一能力直接解决了囚禁离子量子计算机在走向大规模扩展过程中最核心、最棘手的工程瓶颈：如何将精确的控制信号传递给成千上万乃至数百万个量子比特。通过在SiC平台上共存集成光子学和声学器件，该技术为构建一个真正意义上的、完全集成的量子处理器铺平了道路，其影响堪比经典计算领域中从分立晶体管到集成电路的革命性飞跃。 1. SiC集成光子学：解决量子控制瓶颈 当前，ionQ的囚禁离子量子模式在保真度和相干时间等关键指标上处于领先地位，但其可扩展性受到一个根本性物理限制的严重制约：控制系统的规模。 现有的系统依赖于一个庞大而复杂的外部光学平台：由大量的透镜、反射镜、声光调制器等分立元件组成，其体积、复杂性和稳定性都使其无法扩展到控制成千上万个量子比特的规模。每增加一个量子比特，都意味着需要增加一套相应的复杂光路，这使得整个系统的体积和成本呈指数级增长，成为扩展瓶颈 。 集成光子学（Integrated photonics）为解决这一难题提供了根本性的方案。其核心思想是将所有必需的光学元件，从光源接口到最终的光束聚焦，全部微缩并制造在与离子阱本身相同的芯片上 。 这相当于将一个占据整张光学平台（甚至整个房间）的庞大系统，压缩到一个毫米尺寸的集成电路中。通过这种方式，可以构建出复杂的二维光路网络，将控制激光精确地路由到大规模二维离子阵列中的任意一个量子比特，从而实现对数百万量子比特的独立寻址和操控 。 IonQ与哈佛大学合作开发选用的SiC（suspended thin-film membranes）材料的本身及其新型制造工艺在实现这一愿景中扮演了核心角色。SiC的高折射率使得光可以被紧密地束缚在微小的波导结构中，支持高密度的光路布线，从而在有限的芯片面积内容纳更多的控制通道 。 同时，IonQ与哈佛大学采用的“先悬浮，后刻蚀”工艺带来的高制造保真度，是制造出低损耗、高性能光子元件的先决条件 。只有当光在片上传播时的损耗足够低，开关的消光比足够高时，才能确保传递到离子上的激光脉冲具有足够的精度和强度，以实现高保真度的量子门操作。 2. SiC集成声学：一种全新的量子比特操控模式 除了对光子学的革命性支持外，该SiC平台更具前瞻性的突破在于其实现了声学（phononic）控制系统的集成。这为量子比特的操控引入了一种全新的、强大的物理模式，可以作为纯光子控制的补充甚至替代方案，为量子处理器的设计开辟了新的维度。 量子声学（Quantum acoustics）的核心技术是利用表面声波（Surface Acoustic Waves, SAWs）。 与传统的光学或微波控制相比，基于SAW的声学控制具有几项显著优势。最突出的一点是其波长极短。 这意味着用于构建SAW谐振器、波导和滤波器的结构尺寸可以做到非常小，从而实现极其紧凑和高密度的片上控制架构。 此外，一个SAW谐振器可以支持多个寿命很长的声子模式，相当于一个多通道的量子信息总线，能够同时与多个量子比特相互作用，或者介导远距离量子比特之间的耦合，这对于执行复杂的量子算法和错误纠正码至关重要。 实现高性能声学控制的关键在于异质集成，即将具有优异压电性质的材料与承载量子比特的基底材料完美结合。这正是IonQ-哈佛平台的强大之处。研究中明确展示了在悬浮的4H-SiC薄膜上成功地集成了薄膜铌酸锂（TFLN）。TFLN是一种性能极佳的压电材料，而SiC本身则提供了稳定承载离子阱和光子线路的平台。 这种将不同功能材料在芯片级别进行无缝集成的能力，是其他单一材料平台难以企及的，它使得在同一芯片上同时制造出最高性能的离子阱、光子网络和声学控制系统成为可能。 3. 更进一步，这种硬件能力的根本性变革，将直接反作用于量子软件和理论的发展。 当前的许多量子算法和量子纠错码（Quantum Error Correction, QEC）的设计，都深受现有硬件物理限制的影响，例如许多超导量子芯片只支持近邻量子比特之间的相互作用。而一个基于SiC QSoC平台的量子处理器，凭借其密集的光子互连和高效的声学总线，有潜力在大型逻辑量子比特模块内部实现“全连接”（all-to-all connectivity）。这种高连通性是囚禁离子架构的核心优势之一，它将极大地简化许多量子算法的编译和实现过程，降低执行算法所需的门操作数量。更重要的是，它使得一些最高效的、需要长程相互作用的量子纠错码变得实用可行。 因此，这项制造技术的进步，其影响将远远超出硬件本身。它通过移除长期存在的硬件物理约束，将直接催生和赋能新一代更强大、更高效的量子软件，从而实质性地加速实现有实用价值的量子优势的进程。 4. IonQ与哈佛大学的SiC平台，其最深远的战略意义或许就在于，它为量子计算机的规模化制造提供了一条前所未有的、清晰且低风险的路径。 通过与全球最成熟、最庞大的半导体产业生态系统进行深度绑定，该技术有望将量子处理器的生产从当前缓慢、昂贵的定制化模式，转变为高效、可重复的晶圆级制造模式，从而根本性地加速量子计算的商业化进程。 超过90%的SiC器件加工步骤，如光刻、薄膜沉积、刻蚀等，都可以与标准硅CMOS生产线上的设备和工艺兼容 。这意味着量子芯片的制造，可以充分利用半导体工厂中已经存在的、经过数十年优化的高度自动化的设备、精密的过程控制系统、严格的质量管理体系以及成熟的供应链网络 。这种“借力”模式，相比于为一种全新的量子技术（如某些超导或拓扑量子比特）从零开始建设专用的、投资巨大的生产设施，具有无可比拟的经济和时间优势 。它极大地降低了量子硬件制造的资本支出（CapEx），并使得IonQ能够直接受益于半导体产业的规模经济效应。 这种规模化生产能力，使得构建一个由大量完美无瑕的组件构成的大规模量子计算机，从理论上的可能变为了工程上的现实。 综上所述，IonQ与哈佛大学在SiC集成量子器件制造技术上的突破，并非量子计算发展道路上一个普通的、渐进式的步骤，而是一块奠定未来产业格局的基石性技术（cornerstone technology）。 回顾技术史，经典计算的革命性爆发，并非源于第一只晶体管的发明，而是源于德州仪器的杰克·基尔比和仙童半导体的罗伯特·诺伊斯发明的集成电路以及与之配套的平面工艺（planar process）。这项制造技术的突破，使得在单一硅片上集成大量晶体管成为可能，从而开启了整个数字时代。 同样地，IonQ与哈佛大学的SiC集成平台，有望在量子时代扮演类似的角色。它提供了一种方法论，一种将实验室中的量子物理奇迹，转化为可被大规模制造、稳定可靠的工业产品的“配方”。这项工作将量子计算从“能否实现”的科学问题，更进一步地推向了“如何以可扩展方式实现”的工程问题。因此，可以合理地认为，这项技术突破是量子计算从科学探索走向一场深刻的工业革命的、一个至关重要的转折点。它为即将到来的量子时代，奠定了坚实的制造基础。
#IONQ #哈佛大学 #量子计算 #硅基碳化物 #可量产
avatar
《价值重估：民用eVTOL的真正价值是资产而非交通工具》 8月18日，加州首次启动eVTOL空中出租车服务，市场反应平淡。但这可能是一个被严重低估的历史性转折点。 当前市场将Archer Aviation的商业首飞视为普通的技术验证，关注点仍停留在：能否按时量产？单机经济模型是否成立？与Joby等竞争对手的差异在哪？ 但这种视角完全错了。 市场用评估"马车制造商"的逻辑在审视一个"汽车时代"的开创者。被忽视的关键变量包括： 起降场的稀缺性：在纽约、洛杉矶等核心城市，获得审批的Vertiport极其有限，其价值更像核心商业地产而非停车场 网络效应：一旦航线网络形成，独家航线权、高净值用户数据、空域调度平台将构成强大护城河 生态价值：与美联航的合作不仅是卖飞机，而是共建全新的高端出行网络 能否超预期？我认为极有可能。 市场正用衡量"重资产航空制造商"的框架审视一个"稀缺基础设施+高频服务平台"。一旦商业运营步入正轨，将迎来估值框架的根本性切换——从制造业逻辑转向平台经济逻辑。 投资eVTOL的本质，不是在购买一架飞机，而是在认购未来城市天空网络的首批'节点'。 其价值核心在于稀缺空域资源、物理起降点以及由此形成的高端服务网络——这是一个远比制造飞行器更具护城河的生意。
#eVTOL #空中出租车 #资产价值 #平台经济 #稀缺资源
avatar
Rocket Lab（$RKLB）Q1 2025财报显示收入1.23亿美元（同比增长78%），订单储备超10亿美元，计划于2025年底推出可重复使用的Neutron火箭。 其16次年度发射和4.5亿美元新合同，显示强劲增长势头。 Neutron火箭如进展顺利可能使其在中小型卫星发射市场挑战SpaceX。
#Rocket Lab #RKLB #Neutron火箭 #SpaceX #卫星发射市场
avatar
如何分析AI生物制药领域公司的竞争优势？这里是我研究的核心要点总结： 1. 核心驱动力：“闭环”飞轮效应是真正的护城河 在AI驱动的生物制药赛道中，真正的护城河并非仅仅拥有先进的AI算法，而是建立一个高效、快速迭代的“闭环”飞轮。这个飞轮的具体运作模式是：AI模型（干实验室/Dry Lab）进行预测，例如识别新的药物靶点或设计新的分子；然后，自动化机器人（湿实验室/Wet Lab）快速进行生物实验以验证这些预测；实验产生的高质量、独家的（Proprietary）数据被立即反馈给AI模型，用于下一轮的训练和优化。这个“设计-制造-测试-学习”（DMTA）的循环速度和规模，决定了公司的核心竞争力。像Recursion每周能进行超过200万次自动化实验，其数据飞轮转速极快，使其能够以前所未有的速度绘制“生物学地图”。这种模式下，数据优势增强了模型能力，而更强的模型能指导公司进行更精准的实验，从而获得更优质的数据，形成一个不断自我加强、竞争对手难以逾越的壁垒。 2. AI原生生物科技（AI-Native Biotech）：“速度与平台”的双重革命 以Recursion、Exscientia和Insilico Medicine为代表的AI原生公司是这场革命的先锋。它们的共同特点是，从零开始就将AI和自动化实验深度整合，构建了端到端的药物发现平台。Recursion的“Recursion OS”通过对细胞进行大规模扰动和表型成像，建立了一个庞大的、可用于导航的生物学地图，其核心是规模化的数据生成能力。Exscientia则强调“以患者为先”，利用源于真实患者组织的多组学数据来指导AI模型，使其预测更具临床相关性，并已成功将多个AI设计的候选药物推入临床。Insilico Medicine则以其Pharma. AI平台闻名，该平台包括用于靶点发现的PandaOmics和用于分子设计的Chemistry42，并以惊人的速度将其首个AI发现和设计的药物从概念阶段推进到临床II期。这些公司不仅通过技术平台吸引了与大型药企数十亿美元的合作，也同时在建立自己的内部药物管线，展示了“平台即产品”的强大商业模式。 3. 传统大型药企（Big Pharma）的觉醒：“数据金矿”与“生态系统”的构建 传统大型药企如赛诺菲（Sanofi）已经意识到，它们最大的资产之一是沉睡了几十年的海量专有临床前和临床数据。它们的策略是“双管齐下”：一方面，大规模投资内部AI平台，如赛诺菲的plai，旨在打通从研发到生产、商业化的所有数据孤岛，赋能内部科学家；另一方面，它们不再仅仅是技术购买方，而是与顶尖AI公司（如与Exscientia合作）甚至科技巨头（如与OpenAI合作）建立深度战略合作，用自己高质量的专有数据来“精调”（Fine-tune）最前沿的AI大模型。这种策略的优势在于，它们拥有验证AI预测结果的完整后端能力——从临床前开发到全球临床试验再到市场准入。大型药企的飞轮在于其数据的广度和深度，以及将AI模型洞见转化为上市药物的强大能力，这是初创公司在短期内无法比拟的。 4. 技术平台公司（Tech Platform）的降维打击：从“卖铲子”到“共同掘金” 这一类别的公司以薛定谔（Schrödinger）和Isomorphic Labs (Google DeepMind)为代表。薛定谔的独特之处在于其基于物理学的计算平台与机器学习的深度融合。它开创了一种混合商业模式：既通过向全球药企销售其业界领先的模拟软件来获得稳定、高利润的现金流（“卖铲子”），又利用这个平台进行内部药物研发和与大药企（如BMS）的高价值合作（“共同掘金”），分享后期收益。这种模式风险较低，且能通过广泛的客户使用和合作项目不断验证和改进其平台。而Isomorphic Labs则代表了另一种力量，它继承了Google DeepMind在AlphaFold上的突破性成就，试图用最纯粹的“AI优先”或“数字生物学”方法重新定义整个药物发现过程。它不依赖于自己的湿实验室，而是相信其强大的预测和生成模型本身就构成了核心价值，通过与大型药企（如礼来、诺华）建立价值数十亿美元的里程碑式合作，来验证其“数字孪生”驱动的研发模式。 5. 数据护城河的两种主要形态：规模化工业数据 vs. 精准化人类数据 在AI制药领域，数据是核心资产，但其形态和获取方式决定了护城河的类型。第一种是“规模化工业数据”，以Recursion为典范。通过在实验室中对标准化细胞模型进行数百万次可控的实验扰动（如基因编辑、化合物处理），生成海量、统一、高质量的图像和组学数据。这种数据的优势在于其规模和一致性，适合训练能够理解复杂生物学通路的底层模型。第二种是“精准化人类数据”，以Exscientia和Verge Genomics等公司为代表。它们专注于获取与特定疾病直接相关的真实人类生物样本（如肿瘤活检、神经退行性疾病的脑组织），并进行深度多组学分析。这种数据的优势在于其极高的临床相关性，能够帮助AI模型更准确地识别与人类疾病真正相关的靶点和生物标志物。这两种数据策略各有千秋，未来最强大的公司可能会是能将两者有效结合的企业。 6. 商业模式的演进：从单一服务到“合作+自有管线”的双轮驱动 早期AI制药公司多以提供技术服务或点状合作为主，但现在赛道领先者已经普遍进化为“合作+自有管线”的双轮驱动模式。这种模式的好处是多方面的：首先，通过与大型药企的高价值合作，不仅可以获得大量非稀释性的资金来支持平台发展，还能借助合作伙伴的专业知识和资源来验证其平台的技术价值和商业潜力，这本身就是一种强有力的背书。其次，建立内部药物管线，尤其是将候选药物推进到临床阶段，是证明其平台能够独立创造最终产品（药物）的终极证据。这不仅能带来未来更高的潜在回报（如果药物成功上市），也极大提升了公司在合作谈判中的议价能力和整体估值。Insilico Medicine拥有超过30个内部管线项目，其中多个已进入临床，充分展示了这种策略的执行力。 7. 行业面临的共同挑战：从数据孤岛到“可解释性AI” 尽管前景光明，但整个行业仍面临严峻挑战。首先是“数据挑战”，包括数据孤岛（数据分散在不同部门、格式不一）、数据质量参差不齐，以及公开数据与能用于训练强大模型的专有数据之间的巨大鸿沟。其次是“模型挑战”，特别是“黑箱问题”。AI模型，尤其是深度学习模型，其决策过程往往不透明，这在受到严格监管、人命关天的制药行业中是重大障碍。因此，“可解释性AI”（XAI）的发展至关重要，科学家和监管机构需要理解模型做出某个预测的生物学依据，才能真正信任并采纳其结果。最后是“验证挑战”，一个AI预测出的新靶点或新分子，最终仍需通过耗时且昂贵的真实世界实验和临床试验来验证，这个“从虚拟到现实”的转化瓶颈依然存在，是衡量一个AI制药公司成熟度的关键指标。 8. 未来趋势展望：生成式AI与多模态数据的融合 展望未来，两个关键趋势将主导AI制药的发展。第一是“生成式AI的深化应用”。继AlphaFold在蛋白质结构预测领域取得突破后，生成式AI正被广泛用于从头设计全新的蛋白质、抗体和具有理想特性的小分子药物，这远比在现有化学库中进行筛选更具想象空间。这意味着AI的角色正在从“发现者”转变为“创造者”。第二是“多模态数据的融合”。未来的AI模型将不再仅仅依赖于基因组或蛋白质组数据，而是能够同时理解和整合来自不同维度的数据类型，如基因组学、转录组学、蛋白质组学、细胞成像数据、电子病历（EHR）和数字病理学图像等。通过构建一个更全面的疾病数字孪生模型，AI将能更精准地进行个性化治疗方案推荐、预测药物反应和临床试验结果，真正将精准医疗推向一个新的高度。
#AI生物制药 #闭环飞轮效应 #数据驱动 #AI原生生物科技 #合作+自有管线
avatar
联合国发布警告，指出 AI 驱动的自动车辆可能被用于恐怖活动
#联合国 #人工智能 #自动驾驶 #恐怖活动
avatar
G7国家在2025年6月16日加拿大会晤期间达成保护关键矿产供应链策略的协议，旨在减少对中国关键矿产的依赖，回应中国4月暂停出口多种关键矿产和磁铁的决定。 可以，看来可以继续增持稀土股
关税战落幕：美国失势，中国崛起？· 639 条信息
特朗普“大而美”法案：争议中通过，影响几何？· 516 条信息
#G7 #关键矿产 #供应链 #中国 #稀土股
avatar
在此宏观背景下，Critical Metals Corp（CRML）的Tanbreez项目被明确地定位为“改变西方稀土格局的游戏规则”的矿山，以及直接抗衡中国市场主导地位的战略资产 。该项目的推进得到了西方政府的积极支持。
#Critical Metals Corp #Tanbreez项目 #稀土 #西方政府支持 #中国市场 #战略资产
avatar
我今天开盘为什么不梭哈crml？！！！！
#CRML #投资建议 #股票市场 #金融决策 #风险管理
avatar
韩国牛逼！ 韩国总统李在明推动的《数字资产基本法》是2025年6月10日由韩国民主党提交议会的提案，旨在允许本地企业发行稳定币，特别是以韩元（KRW）为基础的稳定币。 发币仅要求韩国公司注册资本为5亿韩元（不到40万美元）！
李在明当选韩国总统，承诺推动加密货币政策改革· 4 条信息
#韩国 #李在明 #数字资产基本法 #稳定币 #韩元
avatar
科技前沿： 使用3d打印来降低稀土需求 3D 打印稀土结构和组件，需要更少的材料就能很好地发挥作用。 还可以通过改变组件的属性和几何形状来优化低性能材料的功能，从而使更高的性能可以等于或接近稀土的性能。 我们或许可以使用 3D 打印来3D 打印永磁体来取代稀土的功能。该领域的研究正在进行中，人们希望将材料回收利用以制作 3D 打印磁体，而维也纳技术大学的粘合丝状磁体也可以提供替代方案，用瓮聚合制成的磁体也可以。 通过微观结构优化，我们或许可以制造出性能更高的磁体。我们还可以完成拓扑优化以使需求与性能相匹配。 Additive Drives 生产 3D 打印电动机，可以优化线圈和性能，从而减少对稀土的需求。其他公司则研究了直接墨水写入、粉末床熔融和其他用于磁体生产的增材制造工艺。我们还可以完全使用 3D 打印技术生产执行器，以优化性能并减少稀土元素的使用。研究人员和Domin正在该领域开展工作。 我们还可以相对快速地利用增材制造技术开发新型合金。通过这一工艺，一些特别有趣的合金，无需添加有害的稀土元素，便可用于某些特定应用。 Metalysis等技术可以省去一些步骤，在本地生产高端合金。同时，6K、Metal Powder Works 和 Continuum Powders 等公司可以将旧飞机和其他物品回收利用，制成无需添加稀土元素的 3D 打印粉末。我们可以用由 PAEK 等材料制成的高性能聚合物部件替代金属部件。 复合材料也可以用来替代金属部件。如果企业需要新的模具或新的本地生产，以减少对稀土元素的依赖，那么 3D 打印技术可以在开发此类模具方面发挥作用。由于稀土元素本身是通过烧结和压制工艺制成的，我们甚至可以直接烧结优化后的部件，同时优化其微观结构。通过粘结剂喷射或粉末床技术，可以进一步优化性能。在成型或压制过程中，甚至在类似沉淀的工艺中，3D打印组件也能优化生产。 橡树岭国家实验室（ORNL）于2016年将硬盘磁铁回收工艺商业化。利用增材制造技术，我们或许可以帮助快速制造低成本的拆解生产线，利用机器人拆卸硬盘等物品。这可能会使磁铁回收更具吸引力。 3d打印带来的最具商业潜力的机遇在于，开发一种直接生产永磁体的技术，无论是金属还是聚合物。 优化现有磁体的拓扑结构，并通过改变微观结构来提升磁体性能的新工艺，也可能产生全球性的影响。能够带来新的磁体几何形状和共形磁体制造工艺的新型磁性材料，也可能成为工业化的基础。 更优质的电池和电动机始终是一个令人感兴趣的课题。更高效地回收磁体也将备受关注。 总体而言，我们可以看到，通过轻量化和提高效率，我们的行业正在减少对稀土元素的需求。但更具体地说，我们可以通过多种途径来帮助解决对稀土的依赖。
#3D打印 #稀土材料 #永磁体 #材料回收利用 #科技创新
avatar
一大波rwa正在袭来 6月1日，MidasRWA在Algorand链上发行mTBILL代币，绑定短期美国国债ETF Arbitrum链上RWA总价值达到历史新高 法国兴业银行推出美元稳定币USD CoinVertible，将在以太坊和Solana区块链上发行 6月11日，迪拜一房地产代币化项目在2小时内售罄 6月11日，Ondo Finance在XRP 上发行美债rwa代币 Moody’s与Alphaledger合作，在Solana区块链上测试市政债券信用评级 6月12日，Alchemy Pay与Backed合作，在Solana链上通过xStocks平台发行55种美股和ETF代币 6月13日，Ripple在XRP上发行OUSG代币，通过RLUSD稳定币平台，允许机构投资者24/7铸造和赎回美债相关资产
#RWA #区块链 #代币化 #Algorand #Arbitrum #以太坊 #Solana #房地产代币化 #美债代币 #美元稳定币 #法国兴业银行 #Ondo Finance #MidasRWA #XRP
avatar
Oracle上调年度财务预期，归因于云服务需求的强劲增长，导致股价连涨两天，显示AI基础设施需求持续上升。 Nvidia在德国部署10,000个GPU，启动欧洲首个工业AI云，支持制造业AI应用。 AI基础设施公司Nebius Group（原NBIS）在英国部署数千块的Nvidia B300 GPU集群，支持AI计算需求。
英伟达市值破四万亿，AI芯片霸主地位稳固？· 136 条信息
#Oracle #云服务 #NVIDIA #GPU #AI基础设施
avatar
欧洲的电动垂直起降飞行器（eVTOL）明星公司Vertical Aerospace (EVTL) 与行业巨头Bristow今天达成最大合作。 总量超过100架垂直起降飞机 这不仅是一笔订单，更是揭示EVTL领先的原因和整个未来空中交通行业机遇与挑战的绝佳案例。 以下是要点 🧵
#欧洲eVTOL #VerticalAerospace #Bristow #电动垂直起降飞行器 #未来空中交通 #航空工业合作 #EVTL
avatar
法国兴业银行推出美元稳定币usdcv，符合MiCA监管框架，不面向美国用户提供服务。
#法国兴业银行 #美元稳定币 #MiCA监管 #USDC #金融 #监管框架 #美国用户
avatar
2025年6月11日，Rocket Lab成功发射其Electron运载火箭，将日本地球成像公司iQPS的QPS-SAR-11合成孔径雷达（SAR）成像卫星送入575公里圆形地球轨道，加入iQPS的卫星星座，为全球提供高分辨率图像和地球监测服务。 这是Rocket Lab在2025年的第8次Electron发射，总发射次数达到66次，标志着公司在小型卫星发射领域的持续活跃。 Electron运载火箭分析 Electron是Rocket Lab的旗舰产品，是一款两级运载火箭，采用碳复合材料制造，直径1.2米，高20米。火箭第一级由九台Rutherford发动机驱动，第二级由一台真空Rutherford发动机推进。 Rutherford发动机是世界上第一款使用电动泵的液体燃料火箭发动机，采用3D打印技术制造，降低了生产成本并提高了生产效率。 Electron载荷能力为低地球轨道（LEO）320公斤，太阳同步轨道（SSO）200公斤。发射成本约为750万美元，远低于传统大型火箭的发射费用（如SpaceX的Falcon 9每次发射成本约6000万美元）。 Electron的优势在于其快速响应能力和定制化服务，能够为客户提供专属的发射窗口和轨道需求，这在小型卫星发射市场中具有显著竞争力。 Rocket Lab的Electron每发射一次约需5-7天准备时间，远快于行业平均水平。此外，Rocket Lab还在积极开发Electron的可回收技术，虽然尚未实现常规化，但已成功回收第一级火箭两次，并计划在未来实现重复使用。
#RocketLab #Electron运载火箭 #iQPS #合成孔径雷达 #地球监测 #卫星发射 #高分辨率图像 #小型卫星发射
avatar
特朗普一纸核能行政命令，核能股集体暴涨30%+ 所有人都以为这只是股市炒作... 但这是十万亿美元的超级赛道，和一场重塑全球能源格局的地缘政治博弈。 当Oklo飙升31.3%，当《国防生产法》被援引，当美国要在2050年实现核能产能翻4倍时... 聪明钱已经开始布局了 这里是9个你必须知道的核心要点：🧵
#特朗普 #核能 #股市 #美国 #地缘政治 #国防生产法 #Oklo #核能产能 #超级赛道