与「医療系」相关的搜索结果

瑞士将于6月14日就“对‘千万人口瑞士’说不”这一动议举行全民公投。该动议旨在限制移民并实施一系列措施，以确保在2050年之前，瑞士常住人口总数不超过1000万。 目前瑞士总人口为910万。根据瑞士联邦统计局的预测，瑞士人口将在2040年初突破1000万。到2030年代初，人口将达到950万。届时，瑞士必须采取切实措施遏制人口增长。 瑞士右翼民粹主义政党人民党（SVP）提出动议，要求瑞士应该将人口上限设定为1000万。gfs.Bern研究所的一项调查显示，47%的受访者支持这一“人口上限”提案，同样有47%的受访者表示反对，另有6%的人尚未做出决定。 人民党议员托马斯·埃希（Thomas Aeschi）在接受瑞士德语广播电视台（SRF）采访时表示：“许多人并不愿就这一问题公开表态。然而，在不记名投票中，他们会在选票上选择‘赞成’。” 人民党认为，瑞士当前的移民水平过高，造成了住房短缺、租金上涨、景观被水泥建筑覆盖、交通拥堵、列车过度拥挤、犯罪率上升、医疗系统不堪重负以及教育质量下降等问题。 反对这项动议的人认为，对人口增长设定上限将损害瑞士经济并威胁繁荣，且会给联邦和地方带来“巨额成本”，并危及瑞士与欧盟的双边关系以及国家的人道主义传统。 根据巴塞尔独立人口学公司Demografik所做的调查，限制移民将给瑞士养老体系带来“沉重负担”。就劳动力市场而言，从比例上看，酒店餐饮业受到的冲击最大。而从绝对数量上看，工业、医疗保健及社会服务行业受到的影响最为显著。 详细报道请看：

最近研究 Arcium @Arcium 的时候，我一直在想一个问题。 过去的时间里，AI 行业几乎把所有注意力都放在模型能力、Agent 和应用体验上。 大家都在讨论谁更聪明，谁更懂自动化。 但如果 AI 真的开始进入企业、金融、医疗和机构级场景，那么决定它价值上限的，可能根本不是模型。 而是数据。 准确地说，只有这些数据才是真正能够创造价值的资源。 但它们同时也是最不能被暴露的数据。 于是一个新的问题开始浮现： 如果未来 AI 要处理这些高价值数据，那么它该如何在不暴露数据的情况下完成计算？ /////////////////////// 「 当 AI 开始接触真实世界的数据，隐私不再是附加功能 」 过去很多 AI 产品之所以能够快速发展，一个重要原因是它们处理的大多是公开数据。 但随着 AI 能力不断增强，它正在逐渐进入更复杂、更高价值的场景。 企业希望 AI 帮助分析内部运营数据。 金融机构希望 AI 提升交易、风控和决策效率。 医疗系统希望 AI 协助诊断和研究。 身份系统希望 AI 提供更精准的服务。 问题在于，这些数据的价值越高，对隐私和安全的要求也越高。 没有任何一家企业愿意把核心数据库直接开放给外部模型。 没有任何一家金融机构会允许敏感交易信息被随意访问。 这些数据需要被计算、被协作、被 AI 使用，但又不能被泄露。 某种意义上，AI 下一阶段最大的挑战或许已经不是模型能力，而是如何安全使用高价值数据。 如果无法解决这个问题，AI 的商业化上限终究会受到限制。 /////////////////////// 「 VVV 证明了 Privacy AI 的需求，但这只是故事的开始 」 有意思的是，市场其实已经开始给出答案。 Venice（VVV） @AskVenice 的出现，就是一个非常典型的信号。 很多人把 VVV 理解为一个 Privacy AI 产品。 但在我看来，它最大的意义其实并不是产品本身。 而是帮助市场验证了一件事： 用户确实在意自己的数据如何被 AI 使用。 过去大家默认接受自己的数据被上传、被记录、被分析。 但随着 AI 越来越深入工作和生活，人们开始重新思考： 我的聊天记录会被保存吗？ 我的研究资料会被用于训练吗？ 我的商业信息是否会被第三方获取？ 这些担忧正在变得越来越普遍。 而 VVV 的快速成长，也证明 Privacy AI 并不是一个边缘需求。 市场愿意为隐私能力买单。 用户愿意选择更加安全的 AI 产品。 企业同样需要更可靠的数据边界。 从这个角度来看，VVV 已经完成了 Privacy AI 最重要的一步： 证明需求存在。 但当需求被验证之后，一个新的问题自然会出现。 如果未来会有越来越多 Privacy AI 产品出现，它们最终运行在哪里？ 它们如何在不暴露数据的前提下完成计算？ 又如何实现多方协作和可信执行？ 而这些问题，恰恰把视角从应用层带向了基础设施层。 /////////////////////// 「 Arcium 想解决的，是 Privacy AI 背后的执行层问题 」 这也是为什么我开始关注 Arcium @Arcium 。 相比市场大多数 AI 项目仍然停留在应用层，Arcium 所切入的位置明显更靠底层。 它不是再做一个新的 AI Agent。 也不是再做一个新的 AI 产品入口。 Arcium 想建设的，是面向未来 Privacy AI 的 Encrypted Execution Network。 简单来说。 如果 VVV 代表 Privacy AI 的应用层。 那么 Arcium 更像 Privacy AI 背后的执行层。 VVV 让市场相信 Privacy AI 存在需求。 Arcium 则在尝试解决这些需求未来如何规模化的问题。 因为真正的隐私保护，从来不只是产品界面上的承诺。 而是数据在计算过程中依然保持安全。 计算能够执行。 协作能够完成。 结果能够验证。 这也是为什么我认为 Arcium 所在的位置比很多人想象中更有意思。 它切入的并不是一个短期热点。 而是 AI 进入企业级和机构级场景时必须面对的底层问题。 最近 Arcium 对 Inpher @inpher_io 的收购，也进一步强化了这种判断。 相比市场上的融资故事，我更看重背后的技术积累。 Inpher 长期深耕机密 AI 与隐私计算领域，并获得过摩根大通、亚马逊等机构支持。 对于机密计算项目来说，这类技术能力往往比短期叙事更加重要。 因为最终决定项目能否进入企业级场景的，从来不是营销能力，而是技术是否真正能够落地。 /////////////////////// 「 从应用到基础设施，Privacy AI 或许正在进入下一阶段 」 过去一年，市场已经逐渐开始理解 Privacy AI。 越来越多人开始意识到： AI 越强，隐私越重要。 真正高价值的数据不会完全公开。 未来的 AI 必须学会在不暴露数据的情况下完成计算。 而随着这种认知逐渐形成，市场关注点也可能开始发生变化。 从应用层到基础设施层。 从产品体验到底层执行环境。 从 Privacy AI 本身，到支撑 Privacy AI 长期运行的网络。 VVV 让市场看到了需求。 而 Arcium 所代表的，则是满足这些需求所需要的基础设施。 /////////////////////// 「ARX TGE，或许是市场重新审视 Privacy AI 基建价值的开始 」 最近随着 ARX TGE 临近，市场对于 Arcium 的讨论明显开始增多。 但在我看来，这轮关注背后更值得思考的，并不只是一次代币上线。 而是一个更大的问题： 当 Privacy AI 已经被证明存在真实需求之后，市场会不会开始关注支撑它运行的基础设施？ 过去一段时间，市场已经逐渐开始定价 Privacy AI 应用。 而对于 Privacy AI 基础设施，仍然处于非常早期的阶段。 当然，没有人知道未来谁会成为最终赢家。 但如果未来 AI 真的会深入企业、金融、医疗和机构级场景，那么 Privacy AI 不会只是一个应用故事。 它同样需要一套能够安全处理高价值数据的底层计算网络。 而随着 ARX 即将迎来 TGE，Arcium 或许正在成为这个方向被市场重新关注的重要节点之一。 至少从我目前看到的趋势来看，市场已经开始理解 Privacy AI。 而对于 Privacy AI 基础设施的定价，可能才刚刚开始。

第五个武器，是权威。 权威原理表明，权威会深刻影响人的行为，即使是具有独立思考能力的成年人，也可能因为服从权威命令，做出明显不理性的决定。 在医疗系统中，这一点尤其明显，护理人员虽然受过正规训练，但面对上级医生的指令时，仍可能放弃自己的判断，甚至执行明显有问题的指示。 行骗高手也很清楚权威符号的力量，所以他们常常通过头衔，制服，高档西装和身份标志来包装自己，让受害者先产生信任，再放松警惕。 防范权威原理，可以先问两个问题，第一，对方是不是真正的专家，第二，即使他是专家，他现在说的是否可靠，这能帮助我们从身份回到事实。

本日は高濃度ビタミン点滴❣️ ここ、友達もよく行ってるよー(о´∀`о) みんなメニュー多すぎてよく悩んでるほど、あれこれたくさんある😋💓💓 ありがたすぎる✨✨ @aclinic_ginza #アルファクリニック銀座# #医療系# #美容#

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

这期 @MSX_CN Pre-IPO，我想聊三件事： 1.估值贵不贵 2.额度怎么来 3.以及为什么我个人非常看重 Neuralink!! 先说估值msx 估值42B Neuralink 不是便宜资产：2025 年 Series E 对应约 96.5 亿美元估值，2026 年二级转让口径已经到 290–420 亿美元，甚至有买方按接近 600 亿美元找股份。单看数字，不便宜。其实我的目标估值是30B左右，有个比较明确的翻倍预期 但我的判断框架不是“现在 PE 便不便”，而是：脑机接口如果真是下一代人机入口，它不该按单一医疗器械公司估，而该按“神经系统操作平台”估。人体临床已经在走，截至 2026 年 1 月披露 21 名参与者；Telepathy 之外，Blindsight、语言恢复等项目拿到 FDA Breakthrough Device Designation；2025 年还有约 6.5 亿美元 Series E 补弹药。贵是事实，问题是贵得有没有逻辑。我的答案是：有，但要用很长时间去验证。 第二是 MSX 持有量和打新额度的关系，这点很多人会搞错。不是申购当天有钱就行，门槛是持有 1,000 枚 MSX 起，并完成 KYC；档位看 8/25–8/31 每天 00:00 快照的 7 日平均持仓。也就是说，现在还在快照期，临时冲仓拉不动均值。申购 8/31 18:00 开，9/6 00:00 关，成功后锁到 12/5 00:00。页面写的是“最高可申购额度”，不等于最终获配，未获配资金按规则返还。 最后说我为什么最看 Neuralink。机器人赛道现在卡在几个瓶颈： 1.训练数据是离散的，现实世界是连续的。虚拟世界里“移动 1 厘米”很干净，现实里没有标准的一厘米，所以仿真训练出来的精度，永远难和真实世界完全拟合。 2.马斯克给的路线图也很直白：机器人先去开星舰、开 Cybertruck、开 Semi，去建设月球基地；再往上，就是脑机接口操控机器人，往“赛博永生、机械飞升”那个方向走。这个路线图才是机器人赛道的正路！我最感兴趣的是脑机接口。它的公开演示和临床迭代速度，是独立赛道的，炒作还没完全跟上。 所以我的态度很明确：Neuralink 是我个人愿意用十年维度跟踪的标的。不止是msx，任意渠道估值只要不是太离谱，我都会参与一些。 这是我自己的判断，不构成投资建议。未上市公司估值和上市时间都不确定，仓位和流动性，自己算清楚。

8.6日盘前梳理 No.1 盘前热点事件 一、昨日热点 并购：宏昌科技、锴威特 创新药：百花医药、哈药股份 PCB：宝鼎科技 磷化铟：云南锗业 AI基站：通宇通讯 AI4S：志特新材 CPO+玻璃基板：沃格光电 二、英伟达30亿美元入股电力商 全国用电负荷再创历史新高 1、英伟达拟向黑石支持的星际之门电力开发商Lancium投资最高30亿美元，首笔20亿美元对应约20%股权，以锁定数吉瓦的电力资源，为其芯片客户的数据中心项目提供保障。 2、8月7日全国用电负荷入夏以来第四次创历史新高，达到15.57亿千瓦。 电力：华银电力、立新能源、华电辽能、亿能电力（北交所） 数据中心：中恒电气、金盘科技、可立克、京泉华 三、Spacex股价周五大涨15.83% 1、马斯克最新表示，即将发射的V3卫星其能力将比目前的V2卫星高出一个数量级，带宽将是V2系统的100倍以上，该系统今年将达到200亿美元的年度收入。Argus Research资深分析师Steve Silver认为，这波反弹还远未结束。他将SpaceX股票评级从持有上调至买入，同时维持160美元的目标价不变。 2、朱雀三号遥二运载火箭‌的发射窗口定在8月11日早上，本次任务的核心目标是验证‌一子级陆地垂直回收技术‌。 朱雀三号：鲁信创投、金风科技 Spacex：通宇通讯、再升科技、西部材料、信维通信、天力复合（北交所） 四、美国加息预期降温 美国7月非农就业人数减少2.3万人，市场预估为增加8万人，前值为增加5.7万人，美国7月非农意外出现负增长，削弱了市场对美联储将在9月会议上加息的预期。 贵金属：招金黄金、盛达资源、金一文化、晓程科技、森和高科（北交所） 五、美股光通信板块普涨 应用光电计划大幅扩产，预计年底800G、1.6T月产能达到约65万个单位。Coherent涨13.44%，应用光电涨9.2%，Credo涨8.45%，Lumentum涨6.22%，康宁涨5.4%。 光通信：云南锗业、光迅科技、汇绿生态、天孚通信、新易盛 六、特朗普宣布：向关键矿产和电池项目投资30亿美元 特朗普宣布，联邦政府将向多个关键矿产和电池项目投资30亿美元，以推动国内生产并促进相关产业发展。美国国防部战略资本办公室向锂离子电池零部件制造商西拉纳米技术公司提供14亿美元有条件贷款；向钪矿商日昇能源金属公司提供4亿美元有条件贷款；以及向磁体开发商尼伦磁铁公司提供1.5亿美元有条件贷款等。 钪矿：鹏欣资源 磁体：中国稀土、中稀有色、中科磁业、西磁科技（北交所）、九菱科技（北交所） 锂电：永杉锂业、融捷股份、天齐锂业、赣锋锂业 七、行业要闻 1、国内电解液添加剂VC均价为23万元/吨，6月以来涨幅超过60%，同比上涨400%。（孚日股份、海科新源） 2、沈腾主演的《欢迎来龙餐馆》点映及预售总票房‌突破1亿元，点映口碑创过去三年国产片点映评分纪录，将于8月11日正式公映。（北京文化、博纳影业） 3、北京印发《关于进一步优化调整本市房地产政策的通知》，非京籍家庭购房社保个税缴纳年限下调为1年。（城建发展、京投发展） 4、《民用航空发展“十五五”规划》印发。（华夏航空、中国东航） 5、SK海力士：将在韩国投资384亿美元建设晶圆厂。（太极实业） 6、茅台部分直营店53度、500ml飞天茅台售价提至1753元/瓶。（金种子酒、舍得酒业） 7、国产磁悬浮5.3秒飙到时速800公里，半年内3破世界纪录。（新筑股份） 8、马斯克或采用FEL技术挑战EUV光刻机。（东方钽业、茂莱光学、奥普光电） 9、月之暗面8月27日完成Pre-IPO轮融资最后交割，计划Q3向港交所完成秘交。（九安医疗、米奥会展） 10、汇川技术发布产品调价函，8月30日起数字能源部分产品涨价5%-15%。 11、苹果测试长鑫科技存储芯片，用于iPhone和MacBook。 No.2 公告精选 一、日常公告 国泰君安国际：国泰海通金控按照每股3港元价格收购公司股票，以实现国泰君安国际私有化退市，目前2.08港元，溢价约44.2% 江 波 龙：完成37亿元定增事项 发行价格为560元/股，较最新收盘价溢价45% 华林证券：拟2.02亿元受让海航期货94%股份 立 昂 微：拟3.18亿元受让浙江金瑞泓11.4705%股权 后者主营6-8英寸半导体硅片的研发与生产 信通电子：拟1.6亿元认购阜时科技股权 德 迈 仕：拟2.07亿元收购上海数明25%股权 高争民爆：控股股东拟变更为西藏地质矿产集团 振华风光：存储芯片已有约十款产品完成转产验证并实现小批量订货 超颖电子：拟投资20.86亿元建设高多层及HDI印制电路板P3项目 赤峰黄金：控股子公司签订约15.01亿元海外采矿服务合同 炬光科技：拟定增募资不超10.21亿元 用于高端光互联核心光学元器件研发及产业化能力建设项目等 胜宏科技：与核心客户合作开发的研发迭代产品正顺利推进当中 部分客户已释放2027–2028年长期需求 绿发电力：拟投资24.75亿元建设天津滨海新区46万千瓦风电项目 数字政通：拟设立合资公司建设算力中心项目 翰宇药业：替尔泊肽注射液首仿上市申请获受理 赛诺医疗：子公司自膨式颅内药物涂层支架系统获欧盟MDR认证 药明康德：美国法院就公司的初步禁令动议作出裁决 挑战1260H认定期间免受不利影响 依顿电子：控股股东九洲集团拟增持1%-2%公司股份 寒 武 纪：上半年净利润23.11亿元，同比增长123% 盛美上海：上半年净利润9.89亿元，同比增长42.14% 二、停复牌 蓝盾光电：复牌，拟购买岚创科技控股权预计构成重大资产重组 宝 莱 特：复牌，终止筹划控制权变更事项 *ST发展：复牌，与预重整投资人签署《重整投资协议》