与「健康医疗」相关的搜索结果

闪迪（SNDK）上半年涨了超850% 这不是炒作，这是 AI 对存储需求有多真实的直接体现 闪迪的 Q3 营收同比涨了 251%，毛利率达到 78.4%，已经比很多软件公司还高 这个数字让我认真重新审视了一下 下半年的配置思路 ════════════════ ▸ 核心主线没有变：AI基础设施 存储和半导体这条线还在 AI 训练和运行都需要大量内存和存储，闪迪只是其中一个例子 美光（MU）背后的逻辑是一样的，这条线我会继续重点持有 AI 的需求还在往下传导 数据中心耗电量巨大，电力设备、能源这块也在受益 服务器、网络、光纤相关的公司也都值得关注。 大科技这边，英伟达、博通（AVGO）、微软、亚马逊、谷歌、Meta 这些公司，要么是 AI 的核心受益者，要么本身就在大量投入 AI 建设 机构普遍认为，只要回调出现，就是加仓机会。 ━━━━━ ∘ ━━━━━ ▸ 次要方向：分散配置一部分 国防和工业这块，全球局势紧张，各国安全支出在增加，这个逻辑比较稳定 能源和材料，一方面是 AI 带来的电力需求，另一方面是对通胀风险的一种对冲 医疗健康，防御属性比较强，长期逻辑也清晰 ════════════════ ▸ 我自己的仓位参考框架 ╭──────────────────────────╮ AI/科技基础设施 50-60% 能源/电力/材料 15-20% 国防/工业 10-15% 现金/防御 10-15% ╰──────────────────────────╯ 这不是固定配方，是我现在思考配置时的大概比例 每个人的风险承受能力不同，比例要自己调整。 ━━━━━ ★ ━━━━━ ▸ 几个操作上的提醒 回调出现就是机会，追高风险大 7 月份有就业数据、美联储会议（美联储就是决定利率的那个机构）、大科技公司的季报陆续出来，这些都可能带来短期波动，也可能带来买点。 不要把全部资金押在一只股票上 可以考虑半导体 ETF 或者 AI 主题 ETF，分散风险。 杠杆要控制好 高估值的环境下，一旦行情反转，杠杆会让损失放大很多倍。 ──────────────── 下半年的核心逻辑没有变：AI 基础设施带动的美股行情还在延续，只是会更挑剔，更看重基本面 闪迪这种故事还在跑，但要持续跟踪需求和供给的平衡，不能只看涨幅买股票。 以上仅供参考，不构成投资建议。DYOR #美股# #半导体# #SNDK# #MU# #AI产业链# #H2配置#

美国司法部公布了针对约450名被告的指控，这些被告涉嫌的医疗健康欺诈总额超过65亿美元。这是特朗普政府加强反欺诈行动的一部分。

Midjourney正在转向医疗健康（？！） 不管Midjourney转不转型，在用奇特、氛围感十足的方式创作图片和短动画这件事上，Midjourney 依然独一无二，其他任何 AI 图像生成器都做不到。 Ethan Mollick用相似提示词生成的一些奇异城市，但它们呈现出了完全不同的风格

我认为这是三年以来AI对齐的史诗级突破。 OpenAI 团队刚刚丢下一颗重磅炸弹：最新研究论文 《Reinforcement Learning Towards Broadly and Persistently Beneficial Models》。 这一次，他们彻底颠覆了传统的 AI 对齐路径，打破了越安全越笨的魔咒。 这次，杀招是Beneficial Trait RL，我们中文翻译为益处特质强化学习。 他们直接去训练 AI 的核心行为特质，比如诚实、纠错能力、认知谦逊。 这次，OpenAI直接重塑了 AI 的底层人格。 这次，研究人员仅仅在医疗健康一个特定领域训练了 AI 的这些有益特质，结果发现： AI 在医疗以外的、完全没见过的 53 个 OOD测试中，在超过 80%的基准测试上性能全面飙升。它自动学会了拒绝Reward Hacking。科技终于不再盲目迎合，甚至学会了自动识破欺骗。这是伟大的进步。 这次，经过特质强化训练的模型，展现出了惊人的Persistence。 即使面对恶意洗脑和有害微调，它依然能够死死守住底线，拒绝退化。 我们可以确定，它拥有了真正的精神抗体。 在 AI 对齐领域，一直存在一个让人绝望的对齐税，即Alignment Tax。 你想让 AI 越安全，它的通用能力通常就会下降，或者变得极其缩手缩脚。 但 OpenAI 这次用数据证明了，给 AI 注入美德，不仅没有让它变蠢，反而让它在面对未知世界时更加强韧、更有智慧。 这次，Step-change般的胜利告诉我们，当 AI 开始拥有广义的、持久的、能够跨越领域的向善人格，我们距离真正安全、能替人类走向星辰大海的 AGI 代理，又极大地往前迈了一步。未来，当然可期。

恭喜 Aether AI 喜获投资。Aether AI 由 UCSD 助理教授黄碧薇创立。黄教授@huang_biwei深耕因果 AI 领域 12 年，是 Causal-Learn 作者，发表过 100+ 篇顶会论文，并曾获 Apple Scholar。 过去几年，AI 行业默认相信：模型越大、数据越多、算力越强，智能就会继续进步。这套方法在语言模型上很成功。但当 AI 走向物理世界，问题就复杂了。 文字说错了可以改，机器人抓空一次，杯子可能就碎了。桌面高两厘米，光线、材质、角度一变，任务都可能失败。 所以具身智能真正需要的，不只是识别画面，而是理解物理世界如何变化。 现在很多 AI 模型学的是相关性：什么词后面接什么词，什么画面后面出现什么画面，什么动作后面大概率出现什么结果。这在文本、图像、视频里有效。 但机器人要判断的是：手有没有碰到杯子，摩擦力够不够，重心会不会变，继续动作会不会摔。 它真正要知道的是：如果我现在动一下，世界接下来会怎样？ 这就是因果问题。 因果大模型关注的，不只是预测下一个状态，而是理解变量之间如何相互影响。 改变一个动作，结果会怎样？换个环境，技能还能不能迁移？如果没有执行这个动作，另一种结果会不会发生？ 这些能力，对 Physical AI 很关键。因为真实世界不可能被训练数据完全覆盖。机器人不可能提前见过所有桌面高度、物体材质、失败姿态和真实环境。 只记住过去见过的模式，很难稳定工作。理解背后的因果结构，才有机会举一反三。 这也是 Aether AI 正在探索的方向：以因果世界模型为核心，打造下一代机器人大脑。 过去一年，“世界模型”很热。视频生成模型能生成连续画面，空间智能模型能理解三维结构。 但机器人还需要更进一步：和物理世界交互，处理接触、碰撞、摩擦、重心和反馈，在变化的环境里完成任务。 所以世界模型不能只停留在画面和空间结构上，还要进入因果推演：理解动作为什么导致结果，变量变化后系统如何演化，失败背后真正影响结果的因素是什么。 只有这样，机器人才能从“看起来会做事”，走向“真的能做事”。 大语言模型成功之后，Scaling Law 成了很多人的信仰。但在具身智能里，更重要的问题是： Scale What？你到底在放大什么？ 如果只是采集更多遥操数据、堆更多视频、买更多算力，未必能解决泛化问题。真正重要的是，模型能不能从同样的数据里抽取更深层的信息。 同样的数据，相关性模型看到的是表层模式，因果模型要挖的是背后的结构。 Aether AI 的短期目标，是打造一个能够跨本体、跨任务、跨环境泛化的机器人大脑，服务机器人本体厂商，以及工厂、仓储物流、家居、医疗健康等真实场景。 这家公司做的，不是简单给机器人接入一个语言模型，而是从算法、模型到系统层面，构建一套以因果智能为核心的新范式。 过去这一波 AI，让机器学会了生成语言、图像和代码。下一阶段，AI 要面对更难的问题：理解世界如何运转。 当 AI 进入机器人、科学发现、生物医药、新材料这些领域，它必须处理变量、干预、反馈和反事实推理。 这些问题，天然指向因果。 因果大模型值得关注，不只是因为它是一个新概念。它可能代表 AI 从“学习已有数据”，走向“理解世界机制”的一次范式变化。 如果说大语言模型打开了数字世界里的智能入口，那么因果世界模型，正在尝试打开物理世界里的下一扇门。 Aether AI 官网：

镇镇的彩虹（彩虹暴力终结所公众号）今天被微信公众号平台封禁🏳️‍🌈🇨🇳 这个账号背后是"彩虹暴力终结所"——中国第一家专门为性和性别少数群体提供性别暴力直接干预服务的机构，2016年6月25日在北京成立，旨在《反家庭暴力法》框架下为性与性别少数群体提供针对性倾向、性别认同和性别表达的暴力和歧视的直接干预服务。 它具体做过的事： — 一线个案服务：由社工和法律服务者组成团队接案，2021年共有19位服务者参与个案服务或咨询，社工年人均接案5例、法律服务者年人均接案4.4例，六年间累计受理500多个求助案例。即便长期只靠两位在职人员和十几位志愿者支撑，求助者遇到的暴力形式涵盖原生家庭施暴、扭转治疗、限制人身自由、经济控制等。 — 法律分析：2017年出品《〈反家庭暴力法〉一周年实施与法律评估》，同年又撰写覆盖十年行动研究成果的报告，对反家暴法适用于性与性别少数群体的不足提出政策建议；长期开放一对一法律咨询，覆盖校园欺凌、就业歧视、婚姻财产、生育收养、医疗健康等议题的法律咨询、援助和律师转介。 — 社群资源建设：连续多年制作和更新"同志家暴干预服务资源地图"，方便各地遭遇暴力的性/别少数群体快速找到本地求助资源，并出版反家暴手册等科普资料。 十年、500多个案例、几乎是国内这个领域唯一的直接干预服务窗口——今天被微信以违反《互联网用户公众账号信息服务管理规定》为由屏蔽全部内容、停止使用，没有任何过渡。

中国医疗健康类股票的估值已降至历史最低，其市净率约为2.7倍，已跌破2008年全球金融危机期间的低点。这一现象的主要驱动力是市场资金从消费和医疗等防御性板块大量流出，转而涌入半导体和计算基础设施等人工智能（AI）相关领域。 来源：Bloomberg

中文出海 B 端客户，正在寻找新的获客渠道？ X Ads 正在成为医疗健康、SaaS、出海品牌的新增长测试渠道。 我们提供 X 广告账户诊断、受众策略、转化追踪与投放优化，帮助你判断业务是否适合启动 X Ads。

医療や健康の選択で大事なのは、「自分で決めなさい」と突き放すことではありません。 選択肢、長所、短所、価値観を一緒に考えること。 「お・ち・た・か」で、知って選べる社会へ。 このnoteで書いていくこと→

驳斥“没有中医，你祖宗怎么活下来”的伪悖论 这个所谓“悖论”看似机智，实则经不起推敲。它混淆了“生存”与“最佳医疗”的概念，把祖先活下来简单归因于中医，完全忽略了历史事实与科学逻辑。 首先，祖先的生存从来不是中医的功劳。古代中国人口基数庞大，但婴儿死亡率极高，平均寿命长期徘徊在30-40岁左右。大量人在疫病、难产、感染中死去，活下来的人主要靠的是人类自身的免疫力、自然选择、饮食适应和基本生存智慧，而非中医理论。全世界各民族祖先都没依赖现代意义上的“中医”，照样繁衍至今——非洲部落用草药，美洲原住民用巫医，欧洲中世纪靠放血疗法，难道这些都能证明其科学有效性？显然不能。生存只是“没死光”，不是“活得最好”。 其次，中医在历史上确实提供了部分经验性帮助，如某些草药的止痛、退热作用（类似现代植物药提取），但这远非体系性“神药”。许多“神效”方子经不起重复验证，含汞、砒霜等重金属的“仙丹”反而害死无数人。真正大幅提升人类寿命的，是近代科学医学：疫苗、抗生素、公共卫生、外科手术和流行病学。这些让全球平均寿命从19世纪的30多岁飙升至70+岁。中国也是在引入西医、改善卫生后，人口才爆炸式增长。假如只靠传统中医，今天的中国人口和健康水平绝不可能如此。 最后，这个悖论的逻辑漏洞在于“后此谬误”（post hoc ergo propter hoc）：因为A之后发生了B，就断言A导致B。祖先吃树皮活下来，难道树皮是万能药？现代人吃西药活得更久、更健康，正说明证据-based医学的优越性。中医可作为补充研究，但不能拒绝科学检验。把祖先的“侥幸存活”包装成中医永不过时的护身符，既不尊重历史，也不利于当下健康。 真正的孝道，是用最好、最安全的医学守护后代，而非用祖宗的苦难为落后辩护。科学无国界，真理经得起检验。