FX168财经网_全球视野外汇黄金加密货币NFT资讯网

百度Q4智能云业务增长26%，自动驾驶服务持续拓展，AI转型带来可持续回报

动驾驶: 使用先进的传感器、人工智能和机器学习技术，使车辆在没有人为干预的情况下完成驾驶任务。今年相关大事件 2025年1月，百度自动驾驶出行服务累计提供超900万次乘车服务，四季度提供的乘车服务达110万次，同比增长36%。 2024年12月，百度文心系列模型日均API调用量达到16.5亿次，较2023年增长33倍。专家点评 "百度在人工智能领域的投入正在快速产生回报，尤其是在智能云和自动驾驶领域，预计将带来更多创新和市场份额的增长。" — 高盛分析师，2025年2月 "百度的智能云与自动驾驶服务为公司带来了新的盈利增长点，未来几年将大大推动其长期发展。" — 摩根士丹利分析师，2025年2月 "百度通过其强大的AI技术基础，正在成为全球人工智能领域的领导者，文心大模型的成功标志着其技术优势的突破。" — 贝恩公司分析师，2025年2月 "百度通过将AI转型深度融合到业务中，展示了其持续创新的能力，并将在全球范围内为其带来更多的增长机遇。" — 瑞士信贷分析师，2025年2月 "百度正处于人工智能转型的黄金期，智能云的成功和自动驾驶的突破为公司未来的发展奠定了坚实的基础。" — 摩根大通分析师，2025年2月来源：今日美股网

今日美股网02-19 00:11

从DeepSeek离职！刷爆科技圈的“AI才女”罗福莉传来最新动向，已到新岗位上班，曾被雷军千万年薪挖角，具体入职哪家公司依然成迷？

宇怀），2021年博士毕业于多伦多大学机器学习专业，博士期间曾在 Deepmind和 OpenAI实习，同时也在斯坦福做博士后研究。此前，其还曾就职于谷歌的研发小组N2Formal，致力于做AI数学家。吴宇怀的个人主页信息还显示，其为xAI的联合创始人。坐在左二的则是多伦多大学计算机科学助理教授 Jimmy Ba，师从“AI教父”Geoffrey Hinton，博士毕业于多伦多大学，同时他也是吴宇怀的老师。研究兴趣集中于深度神经网络的高效学习算法的开发。据《全球AI人才追踪报告》显示，2022年，在美国的机构中，来自美国和中国的人工智能研究人员（基于本科学位）占顶尖人工智能人才（前20%）的75%，在各自比例中，二者平分秋色。大模型研究人工资不菲。春节前招聘网站显示，深度求索公司的北京子公司放出了52个岗位，包括深度学习研究员、核心系统研发工程师以及资深ui设计师等，均为14薪。其中，薪资最高的为核心系统研发工程师（校招），薪资范围为6万元-9万元；除此之外，大部分岗位的起薪在2万元及以上。值得一提的是，该公司正在招聘实习生，AGI大模型实习生的工资为500元/天-1000元/天，数据百晓生实习生为500元/天-510元/天。

金融界02-18 17:16

PLTR：当前买入如同徒手接飞刀

全专注于数据应用领域，并且在人工智能和机器学习方面有着突出的优势。Palantir的优势可以总结如下：首先，Palantir能够整合并分析来自各种数据源的数据，为客户提供一定程度的灵活性。其次，Palantir的工具非常强大，可以解决其他公司目前尚无法解决的问题。再次，作为一家超过一半收入来自政府机构的公司，Palantir非常重视数据安全。这使其成为商业客户值得信赖的合作伙伴，客户无需担心数据泄露风险。 Palantir的产品能够识别其他软件无法检测到的数据模式。它们还可以在潜在业务问题发生之前识别风险并提供相应的解决方案。简单来说，Palantir是企业软件公司（如SAP）和商业咨询公司（如麦肯锡）的结合体，但其能力远远超越传统同行。 Palantir股票 Source: TradingView Palantir的股价飙升是我们不常见的现象。从2023年初（AI开始在市场上获得关注的时间）到现在，PLTR的投资回报率已经超过了1,700%。简单来说，如果有人两年前投资了$50,000，他们现在就是百万富翁了。然而，历史告诉我们，这种股价飙升通常是难以持续的。经历如此大幅度升值的资产总会在某个时间点面临修正，这意味着现在投资Palantir的风险相当高。以下几个因素说明了PLTR的风险之所以显著的原因。高昂的估值该股票目前的TTM市盈率高达600倍——远远超出了市场上其他股票的水平。为了更直观地说明这种高估值，我们可以以思科作为例子。思科是2000年代初互联网泡沫的象征，其市盈率在泡沫破裂前大约为200倍。 Palantir目前是全球市值排名前二十的科技公司之一，市值约为2,700亿美元，这与一些运营规模更大、盈利记录更加稳健且更成熟的公司处于同一水平。诚然，从业务角度来看，Palantir的表现非常出色，过去几年的收入年复合增长率（CAGR）约为30%，而管理层预测2025年的增长率将保持类似水平。 Source: TradingKey, SEC Fillings 然而，30%的增长率仍不足以支撑目前的估值，特别是当管理层预计调整后营业利润率的扩张幅度只是渐进式的——2025年预估为42%，而2024年实际为39%。这意味着公司的收益增长速度只会略快于收入增长速度。在如此高的估值倍数下，投资者似乎已经将Palantir视为科技界的家喻户晓的名字，与微软、Salesforce、甲骨文和SAP同级。尽管这种可能性确实存在，但要达到这个地位的道路绝不会短暂，也不会总是顺利且直截了当。每一家大型科技股在其发展历程中都至少经历过一次股价回调和业务低谷，这使得 PLTR 股价的回调成为不可避免的结果。财报中的警示信号除了估值过高的问题，公司财务状况中的某些方面也可能引发担忧。 Palantir 在过去两年实现了盈利，这表明公司未来有能力保持财务上的自我维持。然而，其净利润中有相当大的一部分并非来源于核心业务运营，而是来自于公司持有的 50 亿美元现金和短期投资所产生的利息收入。虽然企业利用现金储备赚取利息并无不妥，但对于一家高增长、高前景的软件公司来说，依赖利息收入而不是将现金重新投资于业务扩展，多少显得有些讽刺意味。 Source: SEC Filings 此外，查看 Palantir 的资产负债表可以发现，其资产主要由现金和投资构成。公司并没有任何无形资产（例如版权或专利），这暗示其经济护城河可能并不像预想中那样强大。 Source: SEC Filings 竞争竞争仍然给 Palantir 带来了显著的不确定性。如前所述，数据市场高度分散，充斥着众多大大小小的参与者。在科技行业，与银行或消费等领域相比，建立长期的竞争优势更加困难。原因在于技术发展呈指数级加速，企业必须不断创新才能保持市场相关性。 Palantir 的竞争对手可能来自多个方向，包括大型 AI 平台企业以及快速崛起的初创公司。诸如 Meta、Alphabet、Microsoft 和 Amazon 等科技巨头构成了巨大的威胁。这些公司早已深耕数据行业，并且能够从其核心业务（如社交媒体、云计算和电商）中获取大量一手数据。如果这些巨头推出与 Palantir 直接竞争的产品，无疑将对其形成强大的挑战。尤其是在财务资源方面，Palantir 与这些科技巨头根本不在同一量级。2024 年，Palantir 在研发和资本支出上的投入仅略高于 5 亿美元，相较于 MAG7 每年在新技术和产品开发上投入的数千亿美元，这一数字几乎微不足道。此外，威胁还可能来自当前尚未被广泛关注的小型企业。这些竞争对手不一定来自美国，也可能来自其他国家，比如中国。比如，DeepSeek 最近在市场中的颠覆性表现就是一个完全出乎意料的案例。原文链接

TradingKey02-18 14:35

奥来德接待117家机构调研，包括长江证券、天风证券、安联保险资产等

一些简单的模型进行材料性能预测,并利用机器学习算法来预测OLED材料的光电性能,形成模型进行高通量筛选,辅助研发人员筛选有潜力的材料。其次,我们也尝试应用AI优化OLED材料合成路径,降低生产成本,提升合成效率。

金融界02-17 19:02

DeepSeek突破AI算力围城：银行业的“奇点时刻”来了？

上进行优化，纳入了数据分析、数据挖掘、机器学习、深度学习和多模态数据等课程，让学生在本科阶段就能接触人工智能相关知识。增加了实训项目和实验课程，鼓励学生参加金融科技大赛等比赛，将知识转化为实践能力。此外，我们希望与业界加强产学研合作，通过联合实验室、专家讲座等形式，让学生更深入地了解业界需求和业务，从而激发他们的学习动力和培养符合业界需求的人才。” 谈及AI技术在银行业应用的下一步发展趋势，李秀生表示，随着AI和大模型技术的发展，商业银行迎来新一轮重塑。这不仅涉及系统升级，更将深刻改变银行的业务流程、产品形态、决策机制、人员组合及岗位设置。“虽然金融风险管理的本质未变，但服务方式、产品形态和运作机制将发生巨变。这一过程或许渐进，预计三至五年后，商业银行的面貌将焕然一新。”

金融界02-17 12:12

当算法遇见人性：许一尊的十年指增演进之路

的信息根据属性和投资逻辑，通过规则化的机器学习算法，汇总到各类复合因子上。然后在模型策略，进一步结合组合特性，通过规则化的算法构造成各组合的选股因子。通过风险约束下的股票超配低配，将因子中的信息最终反映到组合中去。这种多维度的因子框架，并非为了追求模型的复杂性，而是为了构建一个更为稳健、更具适应性的策略体系。“因子均衡配置”的核心目标，在于分散风险。单一因子往往具有其局限性，在特定的市场环境中可能失效。而通过均衡配置不同类型的因子，可以有效降低单一因子失效带来的冲击，提升策略的整体稳健性。紧盯跟踪误差在评估一只指数基金时，信息比率是常用的指标。这个指标的计算方法，包含了两部分：❶ 相对指数的超额收益；❷相对指数的跟踪误差。如果说均衡配置的因子，是为了让超额收益更平稳，那么许一尊同时还花费了很大的精力在对跟踪误差的控制上。跟踪误差，在许一尊看来，某种程度上甚至是中国公募指数增强基金的“生命线”。他指出，在美国的公募基金行业，主动基金对基准的跟踪误差可能只有 4%，本质上是“准指增”了，所以他们指增这个品类需求很小。但在中国的公募行业，主动基金对基准的跟踪误差往往在 8-10%，这意味着在近乎没误差的指数基金和巨大跟踪误差的主动基金之间，用户需要一个“中庸之路”，这就是指数增强类基金的价值——既保留指数基金的规则性和透明性，又能适当贡献超额。正因此，许一尊将“精控跟踪误差”视为量化指数增强的核心竞争力之一。为了实现这一目标，团队构建了多维度的风险约束体系。这套体系并非简单的 “一刀切” 式的限制，而是从行业、风格、市值等多个维度，对投资组合进行精细化的约束。如何更好的约束，这正是指数增强基金经理的任务之一。许一尊举了一个细节，关于行业偏离。传统上，指数增强基金都会内部设定行业偏离约束，比如持有的某个行业权重，相比指数的行业权重，不能偏离超过 1 个百分点。但以什么划分行业，各家有不同的操作。如果划分的颗粒度过粗，可能掩盖了二级行业层面的结构性风险。比如，在电子行业内部，芯片与非芯片板块的走势可能出现显著分化，如果仅关注一级行业的偏离度，就可能忽略了组合在细分行业上的风险暴露。如果颗粒度过细，一方面降低了策略的灵活度，另一方面，部分板块子行业众多，如制造板块每个子行业都超配一定权重，在整体制造板块上偏离可能就会比较大。所以在这个问题上，汇添富的量化团队会采用双层的行业约束，更有效地管理组合的行业风险，提升跟踪误差控制的精细化程度。当然，精控跟踪误差并非意味着完全放弃超额收益的追求。过度压低跟踪误差，可能会限制策略的灵活性，牺牲潜在的超额收益；而过分追求超额收益，则可能导致跟踪误差失控，偏离指数增强的初衷。汇添富量化团队的目标，是在精控跟踪误差的同时，力争实现可持续的超额收益。这是一种平衡的艺术。许一尊曾表示，“会把跟踪误差控制在行业中位数。” 静待新花开量化投资，归根结底是人的事业。再精密的模型，再强大的算法，都离不开专业团队的智慧与协作。许一尊表示，量化投资，需要团队的紧密合作，尤其是跨学科的能力。汇添富的指增团队成员，专业背景多元化，涵盖计算机、数学、物理、人工智能等多个领域。高学历、经验丰富，是团队的普遍特征。这种多元化的专业背景，为团队的知识结构和思维方式带来了丰富的维度，也为量化策略的创新提供了源源不断的动力。值得一提的是，这支队伍相当稳定，“成团”至今十年，从未发声过离职记录，目前已逐渐扩大至近三十人之多。在许一尊看来，指数增强基金的未来，或许充满挑战，但也蕴藏着无限可能。在市场有效性不断提升的背景下，唯有不断创新，才能在竞争中脱颖而出。产品创新、策略创新、技术创新，将是指数增强基金未来发展的关键词。正如近年，他们推出中证800 指数增强、试水中证500 指数增强 ETF，都是对这种无限可能性的探索。在智能化浪潮下，以人工智能为代表的新技术或许可以替代一部分人工操作，但无法取代基金经理的智慧、经验与判断力。量化投资，归根结底，依然是“人”的投资。人的思考，人的洞察，人的责任，在量化投资中，依然至关重要。或许，这正是量化投资的魅力所在。它既依赖于冰冷的数字和模型，又离不开人性的温度和智慧的光芒。而像许一尊这样的量化基金经理，正是在冰冷与温度之间，寻找着量化投资的平衡之道，也静待着指数增强基金，在未来市场中，绽放出更加绚丽的花朵。来源：EarlETF 风险提示：基金有风险，投资须谨慎。本资料仅为宣传材料，不作为任何法律文件。投资有风险，基金管理人承诺以诚实信用、勤勉尽职的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。投资人购买基金时应详细阅读《基金合同》《招募说明书》《基金产品资料概要》等法律文件，了解基金的具体情况。基金管理人的其他基金业绩和其投资人员取得的过往业绩并不预示其未来表现。汇添富汇添富中证500指增增强由汇添富基金管理股份有限公司发行与管理，代销机构不承担产品的投资、兑付和风险管理责任。本基金属于中等风险等级（R3）产品，适合经客户风险承受等级测评后结果为平衡型（C3）及以上的投资者，客户-产品风险等级匹配规则详见汇添富官网。在代销机构认申购时，应以代销机构的风险评级规则为准。中证500指数由中证指数有限公司（“中证”）编制和计算，其所有权归属中证及/或其指定的第三方。中证对于标的指数的实时性、准确性、完整性和特殊目的的适用性不作任何明示或暗示的担保，不因标的指数的任何延迟、缺失或错误对任何人承担责任（无论是否存在过失）。中证对于跟踪标的指数的产品不作任何担保、背书、销售或推广，中证不承担与此相关的任何责任。

金融界02-17 12:02

DeepSeek对机器人行业意味着什么？

人依赖预设程序执行任务，而AI技术（如机器学习、计算机视觉、自然语言处理）使机器人能够感知环境、学习和自主决策。例如，自动驾驶汽车依赖AI分析实时路况，工业机器人通过AI优化生产流程。机器人是AI的物理载体：AI的算法和数据处理能力需要物理设备（如传感器、执行器）来实现与真实世界的交互。机器人提供了硬件平台，使AI从虚拟计算扩展到物理应用（如服务机器人、医疗手术机器人）。而从技术成熟度上来看，AI大模型行业的发展自2022年底ChatGPT3.5横空出世以来，发展已有两年多的时间，国内外头部科技企业大多已拥有自研大模型；而机器人、尤其是人形机器人赛道，可能还处于从0到1的阶段，2025年被称为人形机器人“量产元年”。因此，AI赋能人形机器人的产业逻辑应当占据主导地位。而DeepSeek国产大模型的发布，对我国人形机器人行业又意味着什么呢？一、更“聪明”的大脑一方面，DeepSeek具有较扎实的能力基础。2月4日，DeepSeek旗下两个版本（V3、R1）的大模型双双闯入全球前十大AI大模型榜单。其中，在数学基准测试和编程基准测试中，DeepSeek的表现均超过了本轮AIGC浪潮的创始公司OpenAI。而数学和编程是现实世界中非常重要的两大能力。例如我们有“学好数理化，走遍天下都不怕”的俗语，体现数学是客观感知、理解、分析现实世界的重要工具。而在数字经济新时代的背景下，编程能力可以实现生产力的飞跃，更好提升AI大模型对实体经济的促进能力。图：DeepSeek-R1与全球其他头部大模型能力比对（信息来源：华宝证券）另一方面，DeepSeek拥有更好的多模态能力。所谓多模态，应用到机器人身上就是“多感官”的意思。例如，人类感知现实世界并作出判断的感官包括视觉、听觉、嗅觉等等，其中视觉属于较为重要的一大感官。而视觉的输入内容形式上，可以是文字、图片、视频等等。而DeepSeek就拥有优越的视觉理解能力。在DeepSeek R1模型发布后，北大联合香港科技大学团队基于自研框架将DeepSeek系列拓展至图文模态，并取得了较好的视觉理解表现。同时，DeepSeek团队自身开发的系列大模型，例如大型混合专家视觉-语言模型系列，也具备较好的视觉语义对话能力。整体而言，高效能国产AI大模型能够更直接地赋能优秀国产机器人企业，加速人形机器人技术的迭代进程，抢占全球具身智能技术高地。二、更低成本促进机器人商业化 DeepSeek第二大广为人知的特点是低成本，例如V3训练成本不足600万美元，为海外主流大模型训练成本的三分之一左右。而这种低成本的特点对人形机器人产业而言是较大利好。图：人形机器人制造成本终将逐步降低（信息来源：银河证券）回顾机器人产业发展历史，高成本是制约行业商业化大发展的核心痛点。例如，日本的ASIMO经典人形机器人率先取得技术突破，但造价在250万美元左右；美国的Atlas机器人先驱造价约200万美元。而即使是当前市场关注度较高的Optimus，其造价也在10万美元左右，导致较难实现商业化。而人形机器人行业的大发展，或也需要等待未来机器人成本的持续下降。 DeepSeek降低模型算力成本，对人形机器人行业而言，也是一定意义上的降本。尤其是在当前大国博弈的全球环境下，DeepSeek通过降低对高性能AI算力芯片的需求，提振包括机器人企业在内的我国科技板块发展前景。今日指数：中证机器人指数（H30590.CSI）选取系统方案商、数字化车间与生产线系统集成商、自动化设备制造商、自动化零部件商以及其他相关公司作为样本股，以反映机器人产业相关股票的走势。中证机器人指数与万得人形机器人指数的成份股重合度为48%，除了人形机器人以外还覆盖一些数字化车间和生产线系统集成商，整体把握人形机器人进入量产、工业机器人迭代升级的趋势。相关产品：机器人ETF基金（562360）风险提示尊敬的投资者：投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。根据有关法律法规，银华基金管理股份有限公司做出如下风险揭示：一、依据投资对象的不同，基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。二、基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，中国证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。三、您应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资者进行长期投资、平均投资成本的一种简单易行的投资方式，但并不能规避基金投资所固有的风险，不能保证投资者获得收益，也不是替代储蓄的等效理财方式。四、特殊类型产品风险揭示：请投资者关注标的指数波动的风险以及ETF（交易型开放式基金）投资的特有风险。五、基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对基金业绩表现的保证。银华基金管理股份有限公司提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。六、以上基金由银华基金依照有关法律法规及约定申请募集，并经中国证券监督管理委员会（以下简称“中国证监会”）许可注册。基金的基金合同、基金招募说明书和基金产品资料概要已通过中国证监会基金电子披露网站【http://eid.csrc.gov.cn/fund/】和基金管理人网站【www.yhfund.com.cn】进行了公开披露。中国证监会对基金的注册，并不表明其对基金的投资价值、市场前景和收益作出实质性判断或保证，也不表明投资于基金没有风险。

金融界02-17 09:12

OpenAI更新ChatGPT-4o，奥特曼称其为“最强搜索产品”，挑战Google？

工具’向‘知识获取工具’演进。” - 机器学习专家 Linda Chen，2024年2月 “尽管ChatGPT-4o在搜索能力上有了突破，但其数据准确性和实时性仍需进一步提升。” - 互联网研究员 Robert Wang，2024年2月来源：今日美股网

今日美股网02-17 00:10

AI制药：开启医药产业的价值新变革

升药物研发的效率与质量。其核心技术涵盖机器学习、深度学习、自然语言处理等，这些技术就像一把把钥匙，为攻克传统制药的难题打开了新的大门。一直以来，新药研发都是一项耗时久、成本高、风险大的艰巨任务。据统计，一款新药从研发到上市，平均需要 10 - 15 年的时间，投入成本高达数十亿美元，而且成功率极低，平均成功率仅在 10% - 15% 左右。在这样的背景下，AI 制药的出现，无疑为医药行业带来了新的曙光。它有望打破传统制药的困境，以更高效、更精准的方式推动新药的研发进程，为全球患者带来更多的治疗希望。产业现状与规模近年来，AI 制药市场呈现出蓬勃发展的态势，规模不断扩大，增长势头强劲。据 Research And Markets 数据显示，2022 年全球 AI 制药市场规模达到 10.4 亿美元，预计到 2026 年，这一数字将将近 30 亿美元，年平均复合增长率高达 30% 。到 2032 年，全球 AI 药物研发市场规模预计更是会突破 200 亿美元，展现出巨大的发展潜力。再看中国市场，虽然起步相对较晚，但发展速度不容小觑。2020 年中国 AI 制药市场规模为 8163 万元，而预计到 2025 年，市场规模将达到 7.74 亿元，年复合增长率达到 56.8%，增速远超全球平均水平。越来越多的企业开始涉足 AI 制药领域，既有晶泰科技、英矽智能等专注于 AI 制药的初创企业，也有恒瑞医药、石药集团等传统药企通过战略合作、股权投资等方式积极拥抱 AI 技术，加速创新药物研发进程。截至 2024 年 1 月，中国已经有超过 10 家 AI 药物研发企业管线进入临床阶段，进入临床阶段的 AI 药物研发管线数量达 34 条，其中自研是最主要的研发模式，占比 85% 。这些数据充分表明，AI 制药在中国市场正处于快速发展的上升期，未来前景十分广阔。 AI 制药的独特价值降本增效，突破传统困境传统药物研发就像一场漫长而艰辛的马拉松，从最初的靶点发现，到药物筛选、临床试验，再到最终上市，每一个环节都充满了挑战，耗时久且成本高昂。据统计，传统制药研发一款新药平均需要 10 - 15 年的时间，投入成本高达 10 - 20 亿美元。而且在这个过程中，大量的资源被投入到临床试验前的研究以及临床试验中，然而最终能够成功上市的药物却寥寥无几，平均成功率仅在 10% - 15% 左右，这意味着大部分的投入都可能付诸东流。 AI 制药的出现，为这一困境带来了转机。AI 技术凭借其强大的数据分析和处理能力，能够在药物研发的各个环节发挥重要作用，实现降本增效。在靶点发现阶段，AI 可以通过对海量生物医学数据的挖掘和分析，快速准确地识别与疾病相关的潜在靶点，大大缩短了靶点发现的时间。以往传统方法可能需要数年时间才能确定一个潜在靶点，而 AI 技术的应用则有可能将这个时间缩短至几个月甚至更短。在药物筛选环节，AI 制药同样展现出了巨大的优势。传统的药物筛选方法通常是通过实验对大量的化合物进行逐一测试，这种方式不仅效率低下，而且成本高昂。而 AI 技术可以通过构建机器学习模型，对虚拟化合物库进行快速筛选，预测化合物与靶点的结合亲和力，从而快速找到具有潜在活性的药物分子。这种虚拟筛选技术能够在短时间内对数十亿个化合物进行评估，大大提高了筛选效率，同时也降低了实验成本。例如，Atomwise 公司利用其开发的 AtomNet 技术，通过深度卷积神经网络来预测小分子与蛋白质的结合亲和力，能够在短时间内从海量的化合物中筛选出有潜力的药物候选分子，大大加速了先导化合物的发现过程。再看临床试验阶段，AI 可以通过对患者数据的分析，帮助研究人员更好地设计临床试验方案，选择合适的患者群体，优化给药剂量和疗程等，从而提高临床试验的成功率，减少不必要的资源浪费。通过 AI 技术的辅助，临床试验的周期有望缩短，成本也能够得到有效控制。据相关研究表明，AI 技术的应用可以使药物早期发现所需时间缩短至原来的三分之一，成本节省至原来的二百分之一。一些 AI 制药公司已经取得了显著的成果，如英国的 Exscientia 公司开发的药物 DSP - 1181，作为全球第一个由 AI 设计的分子进入临床试验阶段，大大缩短了研发周期，展示了 AI 制药在降本增效方面的巨大潜力。精准医疗，开启个性化诊疗新时代精准医疗是当今医学发展的重要方向，它强调根据患者的个体差异，如基因、生理特征、生活方式等，制定个性化的治疗方案，以提高治疗效果，减少不良反应。AI 制药在精准医疗中扮演着至关重要的角色，为实现个性化诊疗提供了有力的支持。在疾病诊断方面，AI 技术可以通过对患者的医学影像、基因数据、临床症状等多源信息的分析，实现疾病的早期精准诊断。以医学影像分析为例，AI 算法能够快速准确地识别影像中的病变特征，辅助医生进行疾病诊断，提高诊断的准确性和效率。对于一些早期难以察觉的疾病，如癌症，AI 技术可以通过对影像数据的深度学习，发现细微的病变迹象，为患者争取早期治疗的机会。例如，谷歌旗下的 DeepMind 公司开发的 AI 系统，能够对眼部疾病进行精准诊断，其诊断准确率与专业眼科医生相当。在药物治疗方面，AI 制药可以根据患者的基因信息和生理特征，预测患者对不同药物的反应和疗效，从而为患者量身定制最适合的药物治疗方案。不同患者的基因组成和生理状态存在差异，对药物的代谢和反应也各不相同，传统的 “一刀切” 式的治疗方法往往无法满足每个患者的需求。而 AI 技术可以通过分析大量的患者数据，建立药物反应预测模型，为医生提供个性化的用药建议。例如，通过对患者的基因数据进行分析，AI 可以预测患者是否会对某种药物产生不良反应，从而避免患者使用不适合的药物，提高治疗的安全性和有效性。 AI 制药还可以助力开发个性化的药物。通过对患者个体的疾病特征和生物学信息的深入了解，利用 AI 技术设计和开发针对特定患者群体甚至个体的药物，实现真正意义上的精准治疗。这种个性化药物的研发，将有望提高药物的疗效，减少药物的副作用，为患者带来更好的治疗体验。随着 AI 技术和基因测序技术的不断发展，精准医疗的应用前景将更加广阔，AI 制药也将在其中发挥越来越重要的作用，为患者提供更加精准、高效的医疗服务。技术创新，推动医药行业变革 AI 制药作为一种新兴的技术领域，在药物研发的各个环节都带来了创新性的应用，深刻地影响着医药行业的发展模式，推动着整个行业的变革与升级。在靶点发现环节，AI 技术打破了传统的基于经验和假设的研究模式。传统靶点发现主要依赖于科研人员对疾病生物学机制的理解和实验室研究，过程繁琐且效率低下。而 AI 可以通过对多组学数据，如基因组学、转录组学、蛋白质组学和代谢组学数据的整合分析，挖掘出潜在的药物靶点。例如，英矽智能的 Pharma.AI 平台，通过分析大量的生物医学文献和临床数据，成功识别出多个新的药物靶点，加速了从靶点发现到临床验证的过程。AI 还能够通过对疾病相关信号通路的分析，预测新的靶点，为新药研发提供更多的可能性。这种数据驱动的靶点发现方式，不仅提高了靶点发现的效率和准确性，还能够发现一些传统方法难以发现的新型靶点，为药物研发开辟新的方向。药物筛选是新药研发的关键环节，AI 技术的应用使得药物筛选从传统的实验筛选向虚拟筛选转变。传统的高通量实验筛选方法虽然能够对大量化合物进行测试，但成本高、周期长，且容易受到实验条件的限制。AI 虚拟筛选则利用计算机模拟和机器学习算法，在虚拟环境中对化合物库进行筛选，预测化合物与靶点的相互作用和活性。这种方法可以在短时间内对数十亿个化合物进行评估，大大提高了筛选的速度和效率。同时，AI 还可以根据筛选结果对化合物进行优化设计，提高化合物的活性和选择性。例如，薛定谔公司（Schrödinger）利用其基于物理模型的 AI 技术，在药物分子设计和优化方面取得了显著成果，帮助制药企业更快地找到具有潜力的药物候选分子。临床试验设计是新药研发中确保药物安全性和有效性的重要步骤，AI 为临床试验设计带来了新的思路和方法。AI 可以通过对历史临床试验数据、患者特征数据和疾病模型的分析，优化临床试验的设计方案，包括确定合适的患者群体、选择最佳的试验终点、优化给药方案等。这样可以提高临床试验的成功率，减少不必要的试验次数和患者暴露，降低研发成本和风险。AI 还可以实时监测临床试验过程中的数据，及时发现潜在的问题并进行调整，确保试验的顺利进行。例如，Tempus 公司利用 AI 技术对肿瘤患者的临床数据和基因数据进行分析，为肿瘤药物临床试验提供精准的患者分层和入组建议，提高了临床试验的效率和质量。 AI 制药还促进了药物研发与其他领域的交叉融合，如与基因编辑技术、纳米技术等的结合。AI 与基因编辑技术的结合，可以实现对基因的精准编辑和调控，为治疗遗传性疾病提供新的手段；AI 与纳米技术的结合，可以设计和开发新型的纳米药物载体，提高药物的递送效率和靶向性。这些交叉融合的创新应用，将进一步拓展药物研发的边界，推动医药行业向更高水平发展。挑战与风险并存尽管 AI 制药展现出巨大的潜力和价值，但作为一个新兴领域，它在发展过程中也面临着诸多挑战与风险。技术层面，AI 制药涉及多学科的深度融合，技术壁垒较高。AI 技术在药物研发中的应用仍处于不断探索和完善的阶段，目前还存在一些技术难题尚未完全攻克。例如，AI 模型的可解释性问题，许多深度学习模型被视为 “黑箱”，难以解释其决策过程和预测结果，这在对安全性和有效性要求极高的医药领域，可能会引发监管和信任方面的担忧。AI 模型的准确性和稳定性也有待进一步提高，药物研发过程中数据的复杂性和多样性，以及生物系统的高度复杂性，都对 AI 模型的性能提出了严峻的挑战。如何提高 AI 模型对复杂生物数据的理解和处理能力，使其能够更准确地预测药物的活性、毒性和药代动力学等性质，是当前需要解决的关键技术问题。数据是 AI 制药的核心驱动力之一，但数据相关的问题也不容忽视。药物研发涉及大量的生物医学数据，包括基因组学、蛋白质组学、临床数据等，这些数据来源广泛、格式多样，且往往存在数据质量不高、数据标注不准确、数据缺失等问题。如何有效地整合和管理这些多源异构数据，提高数据的质量和可用性，是 AI 制药面临的一大挑战。数据的隐私和安全问题也至关重要，医药数据包含患者的敏感信息，一旦泄露，将对患者的隐私和权益造成严重损害。因此，在数据的收集、存储、传输和使用过程中，需要建立严格的数据安全保护机制，确保数据的安全性和合规性。法规政策方面，AI 制药作为新兴领域，相关的法规政策还不够完善。目前，各国的药品监管机构对于 AI 在药物研发中的应用，尚未形成统一的监管标准和指南。这使得 AI 制药企业在研发过程中面临一定的不确定性，不知道其研发成果是否能够符合监管要求，从而增加了研发的风险和成本。如何在保障患者安全和药品质量的前提下，制定出合理、科学的 AI 制药监管政策，为 AI 制药的发展提供明确的指导和规范，是政府和监管部门需要解决的重要问题。临床试验阶段是 AI 制药面临的重要挑战之一。虽然 AI 在临床前研究阶段展现出了巨大的优势，但在临床试验中，AI 的应用还相对有限。临床试验的复杂性和严格性要求药物必须经过充分的人体试验验证，以确保其安全性和有效性。AI 设计的药物在临床试验中可能面临更多的不确定性，如何设计合理的临床试验方案，充分验证 AI 药物的疗效和安全性，是 AI 制药走向成功的关键一步。临床试验的成本高昂、周期长，也对 AI 制药企业的资金和资源提出了巨大的挑战。 AI 制药领域的人才短缺也是制约其发展的因素之一。AI 制药需要既懂 AI 技术又懂医药知识的跨学科复合型人才，然而目前这类人才相对匮乏。人才的培养需要较长的时间和较高的成本，如何加强相关学科的教育和培训，培养出更多适应 AI 制药发展需求的专业人才，是行业发展面临的重要任务。投资价值与前景展望从投资的角度来看，AI 制药无疑具有巨大的潜力，吸引着众多投资者的目光。其投资价值主要体现在以下几个方面。 AI 制药能够显著降低研发成本，提高研发效率，这意味着在相同的投入下，企业有望获得更多的研发成果，从而增加产品的市场竞争力，提升企业的盈利能力。一旦 AI 设计的药物成功上市，凭借其独特的优势，有望在市场上获得较高的定价和市场份额，为企业带来丰厚的回报。随着人们对健康的关注度不断提高，对创新药物的需求也日益增长。AI 制药作为创新药物研发的重要手段，能够更快地推出满足市场需求的新药，市场前景广阔。特别是在肿瘤、神经退行性疾病、罕见病等领域，AI 制药有望开发出更有效的治疗药物，满足患者未被满足的医疗需求，市场潜力巨大。 AI 制药领域的技术创新层出不穷，不断推动着行业的发展。投资 AI 制药企业，不仅能够分享行业增长带来的红利，还能受益于技术创新带来的超额收益。随着 AI 技术的不断进步和应用，AI 制药企业有望在技术创新的驱动下，实现快速发展，为投资者带来丰厚的回报。从市场表现来看，AI 制药企业也受到了资本市场的青睐。近年来，AI 制药领域的融资活动频繁，吸引了大量的资金涌入。据统计，2022 年全球 AI + 药物研发相关融资总事件达 144 起，总金额为 62.02 亿美元。越来越多的 AI 制药企业选择上市，通过资本市场进一步扩大规模，提升竞争力。如美国的 Recursion Pharmaceuticals、英国的 BenevolentAI 等 AI 制药企业在上市后，股价表现良好，为投资者带来了可观的收益。展望未来，AI 制药有望在多个方面取得更大的突破和发展。随着技术的不断进步，AI 模型的性能将不断提升，能够更准确地预测药物的活性、毒性和药代动力学等性质，进一步提高药物研发的成功率。AI 与其他新兴技术，如基因编辑、纳米技术、量子计算等的融合将更加深入，为药物研发带来更多的创新思路和方法。随着 AI 制药技术的成熟和应用，将会有越来越多的 AI 设计的药物进入市场，改变医药市场的格局。AI 制药还将推动医药行业的数字化转型，实现从药物研发、生产到销售的全流程数字化管理，提高行业的运营效率和管理水平。对于投资者而言，AI 制药领域虽然充满机遇，但也需要谨慎评估风险。在投资时，可以关注以下几个方向。一是技术领先的初创企业，这些企业通常在 AI 算法和药物研发领域具有独特的技术优势和创新能力，有可能成为行业的引领者，但同时也伴随着较高的风险。二是积极布局 AI 制药的传统药企，这些企业拥有丰富的研发经验、完善的产业链和庞大的市场渠道，通过与 AI 技术的结合，有望实现转型升级，提升市场竞争力。三是提供 AI 制药基础设施的科技公司，如云计算平台、数据库、GPU 芯片等供应商，随着 AI 制药行业的发展，对这些基础设施的需求也将不断增加，相关企业将受益于行业的发展。 AI 制药作为医药行业的新兴领域，具有巨大的投资价值和广阔的发展前景。虽然在发展过程中面临着诸多挑战和风险，但随着技术的不断进步、政策的逐步完善以及市场的不断成熟，AI 制药有望为医药行业带来革命性的变化，为投资者创造丰厚的回报，同时也将为全球患者带来更多的治疗希望，推动人类健康事业的发展。

金融界02-16 13:32

Meta股票强势上涨超600%，AI投资推动平台发展与效率提升

技术，AI广泛应用于数据分析、自动化、机器学习等领域。特斯拉（Tesla）: 全球知名电动车制造商，致力于能源解决方案与智能驾驶技术的创新。 2025年相关大事件 2025年1月：Meta宣布将投入最多650亿美元用于人工智能发展，投资者对其未来前景表现出强烈乐观情绪。 2025年1月：Meta公司启动大规模裁员，旨在提升运营效率，进一步聚焦核心业务领域。国际知名投行、分析师、评论家对这一事件的点评 Gil Luria (D.A. Davidson): "Meta的AI投资将重新定义广告行业格局，长期来看，公司有望继续强劲增长。"（2025年1月） Ben Reitzes (UBS): "尽管Meta面临竞争压力，但其在人工智能领域的投入与创新将继续推动股价上涨。"（2025年1月） Lisa Ellis (MoffettNathanson): "Meta的高效运营和AI投资策略将使其在2025年继续脱颖而出。"（2025年1月） Michael Nathanson (MoffettNathanson): "Meta的市场份额将在AI技术的帮助下大幅提升，成为行业的领军者。"（2025年1月） Scott Devitt (Stifel): "Meta的广告收入和平台增长预示着未来几年将保持稳步增长。"（2025年1月）编辑总结 Meta在2025年表现出的强势增长主要得益于其在人工智能领域的大力投资和对效率的持续优化。通过这些战略调整，Meta不仅成功地逆转了过去几年的下跌趋势，还在股市中占据了领先地位。未来，Meta可能会在广告与平台功能上实现更大的突破，进一步推动其股价上涨。来源：今日美股网

今日美股网02-16 00:12

24小时热点