注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 2026年下半期の期待作
2026年下半期の期待作 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 2026年下半期の期待作 的推特
三井金屬(Mitsui Kinzoku, 5706.T)〈2027年3月期 第2四半期(中間期)決算説明資料〉 1、上半年營收和獲利都成長,全年財測上修 1)2026 年度上半年營收 4,311 億日圓,年增 18.3%;營業利益 575 億日圓,年增 44.7%;經常利益 609 億日圓,年增 55.7%;歸屬母公司淨利 395 億日圓,年增 107.6%。 2)成長主要來自機能材料部門。 極薄銅箔 MicroThin 和 AI 伺服器用電解銅箔 VSP 的銷量增加;金屬部門則受惠於日圓走弱、金屬價格偏高,以及隨之好轉的庫存因素。 3)全年財測營收從 8,500 億日圓上修到 8,750 億日圓,營業利益從 940 億日圓上修到 990 億日圓,經常利益從 1,000 億日圓上修到 1,040 億日圓。 4)淨利財測反而從 800 億日圓下修到 780 億日圓,原因是退休金制度調整,上半年認列 64 億日圓特別損失。 5)年度股利預估 32 日圓(已換算 2026 年 10 月的 1 拆 10),股東權益股利率(DOE)預估從 3.5% 提高到 4.0%。 2、上半年營業利益比原本預估多 125 億日圓,下半年預估比原本少 75 億日圓 1)上半年實際營業利益 575 億日圓,比 8 月預估的 450 億日圓多 125 億日圓。主要多在庫存因素 56 億日圓和機能材料 27 億日圓,機能材料裡銅箔多出 61 億日圓。 2)下半年營業利益預估從 490 億日圓下修到 415 億日圓,主要拖累是金屬部門少 39 億日圓(亞鉛鉛冶煉副產品少 30 億日圓)和庫存因素少 25 億日圓;銅箔則比原預估多 25 億日圓。 3)下半年營業利益預估比上半年少 160 億日圓。公司列出的減項包括一次性因素少 34 億日圓(上半年有銅箔過去年度銷售結算 28 億日圓)、庫存因素少 16 億日圓、資源少 32 億日圓。 3、機能材料:銅箔撐起獲利,PKG 用 MicroThin 持續放量 1)機能材料上半年營收 2,118 億日圓,年增 40.7%;營業利益 464 億日圓,年增 65.4%。全年營業利益預估 865 億日圓,年增 28.1%。 2)銅箔營收從 2025 年度 Q1 的 299 億日圓,成長到 2026 年度 Q2 的 495 億日圓。上半年經常利益年增 187 億日圓,其中銅箔貢獻 183 億日圓。 3)VSP 月銷量從 2025 年度平均 550 噸,提升到 2026 年度 Q2 的 730 噸,下半年預估 760 噸。 4)MicroThin 月銷量 Q2 為 444 萬平方公尺,其中半導體封裝(PKG)用 380 萬平方公尺;全年預估 432 萬平方公尺,高於 8 月預估的 426 萬平方公尺。 5)配圖的主要產品動向表也顯示,半導體設備保護材料下半年指數預估從上半年的 129 降到 100;電解銅箔整體下半年月銷量預估 1,630 噸,低於上半年的 1,710 噸。 4、金屬:上半年持平,下半年獲利大幅縮小 1)金屬部門上半年營收 2,115 億日圓,年增 31.2%;營業利益 157 億日圓,年減 11.3%。 2)下半年營業利益預估只有 58 億日圓,去年同期是 530 億日圓;全年預估 215 億日圓,年減 69.6%。公司提到部分金屬價格有下跌趨勢,加上庫存因素、銅冶煉稼動率、鉛原料組成差異等因素。 3)敏感度方面,鋅價每噸變動 100 美元,影響經常利益約 14.8 億日圓(全部不避險);匯率每 1 日圓,影響約 6.5 億日圓。 5、在馬來西亞蓋銅箔新廠,投資約 1,900 億日圓 1)2026 年 11 月 10 日決議在馬來西亞興建銅箔新廠,生產 MicroThin 和高頻基板用電解銅箔 VSP。 2)總投資約 1,900 億日圓,其中土地約 140 億、廠房約 320 億、生產設備等約 1,440 億,資金來自自有資金和借款,2031 年 4 月起陸續投產。 3)配圖的產能規劃中,MicroThin 月產能從 2025 年度 490 萬平方公尺,提高到 2033 年度 1,200 萬平方公尺;VSP 從每月 720 噸提高到 2,600 噸;FaradFlex 從 7.5 萬平方公尺提高到 35.5 萬平方公尺。 4)公司也提到,若市場進一步擴大,正考慮把 VSP 全據點合計產能擴到每月 5,000 噸。 5)公司預估銅箔事業營業利益在 2030 年度是 2025 年度的 3.2 倍,2033 年度是 5.5 倍。 [三井金屬 2027年3月期 第2四半期決算説明資料]
显示更多
昨天出了整治富途老虎的政策之后,我回头重看了一遍中国税务2.0 确切说是CRS 2.0(共同申报准则),我觉得大家有必要再知道这几点。 1. 加密资产税收方面 虽然在中国大陆交易违法,但要收税 BTC、ETH、USDT等,都已经被CRS 2.0纳入「金融资产」的定义。 所以你在国内交易虚拟货币,违法不影响你要交税。 2. 香港会加码,CRS 2.0 + CARF 双重夹击 CARF(Crypto-Asset Reporting Framework),简单来说,专门为加密资产设计的全球申报框架,本质是CRS 的加密版。 香港不豁免重复申报,你的加密收益要在两套规则下各报一遍。 谁来报:不是用户自己,是加密交易所。强制 KYC、定期申报、留档 6 年。 报什么:逐笔交易都要申报。法币兑换、币币互换、跨境划转,按币种精确报(BTC、ETH、USDT 分开)。 针对零售支付,如果你用 USDT 付了笔大额账单这种,比如单笔 ≥5 万美金,就要要单独报。 3.多重税务居民,不能「择一申报」 1.0时代你有三本护照,金融机构按「加比规则」,挑一个报税即可; 2.0直接把规则后移,机构必须把你全部税务居民辖区如实报送,留给税务局自己去裁。换句话说,藏不住了。 4. 实控人穿透比之前更加严格 账户是新开还是存量、个人还是联名、实益拥有人(UBO)是谁、在投资实体里担任什么角色,全得报。 信托嵌BVI嵌开曼嵌新加坡这种俄罗斯套娃,被一刀切开。 以前我觉得这些政策距离落地,应该有缓冲期; 如今看来,政策说来就来,不给你太多准备时间。 昨天还有加密的胖友问我,到底还怎么买到真美股? 一方面,如果你有海外地址,我还是推荐大家开一个盈透ibkr账户,虽然页面确实难用,且依然有交税风险,但仍然是头部券商中,目前最为稳妥的方式; 另一方面,如果你只有大陆护照,可以开一个BIT账户,背后的老板可以查查,确实比较有实力。 因为他们券商拿到的牌照,能做到不跟中国互换税务, 所以,你用BIT炒美股,能用USDT直接买,不需要交税且保护你资产信息。 确实是目前我已知真美股领域当中,唯一能做到这步的, 如果你们有其他方式,欢迎补充。 但我觉得可能这种事情,也有窗口期,目前BIT开户还有活动,一个月内首次转入股票资产,最高可得 300 USDT 券,具体可以看下他们官方介绍。 CRS2.0目前说法是, BVI、开曼今年已经启用,新加坡 2027 启用,香港 2028 落地,内地有可能是明年。 这一方面是对税务的监控;另一方面,是对资产外流的严查。 有需要的胖友,还是应该尽早做一些规划。
显示更多
0
83
302
50
转发到社区
月薪4万的前端,被裁以后靠“给老板改烂网站”,反而一个月赚到7万 他在大厂写了8年前端,最后发现自己最值钱的技能,不是写代码,而是知道老板的网站到底烂在哪里。 去年被裁的时候,他37岁。 赔偿拿了十几万,面了两个月。 最恶心的一次,对面技术负责人比他小6岁,聊了快两个小时,最后问了一句: “你这个年纪,还愿意加班吗?” 他回来以后彻底不投简历了。 刚好有个做外贸的朋友找他,说公司官网花了3万块做的,但打开慢得像蜗牛,Google来的客户点进去十几秒还没出来。 他帮忙看了一晚上。 图片没压缩,插件装了二十多个,手机端乱七八糟,付款页面还会偶尔报错。 他收了朋友3000块,把速度从7秒多压到2秒以内。 一个星期以后,朋友告诉他: 询盘明显多了。 他突然发现,这玩意比给大厂写需求值钱多了。 后来他不再接“做网站”,只卖一种服务: 救烂网站。 1999块做一次体检。 6000到12000块做性能优化。 如果是Shopify、WordPress这种外贸站,再加转化率优化,直接报价2万起。 他还干了一件特别鸡贼的事。 每天晚上去Google搜那些投广告的中国外贸公司。 广告都舍得一天烧几千块,网站却卡得要死。 他就录一段3分钟屏幕视频发过去: “你这个页面打开4.8秒,手机端首屏图片2.6MB,你广告费至少有一部分直接烧没了。” 不推销。 老板自己会问: “那怎么解决?” 最好的一个月,他做了9个客户。 流水7万多。 他说了一句话我印象特别深: “以前在大厂,我负责把产品做快0.2秒,老板根本不知道我是谁。现在我让一个小老板的网站快2秒,他直接给我打两万块。” 很多大厂人被裁以后最大的误区,就是还想找下一个大厂。 其实你在大厂里那些不起眼的能力, 拿出去拆开卖, 可能比工资贵得多。
显示更多
我还说估计能到3000万美元,现在已经突破3400万美元了,估计到结束4000万美元,超募10倍应该问题不大 为啥大家都这么看好树莓 Boundless 呢? 有点好奇,我试着从技术优势的角度研究一下Boundless,希望对你了解该项目有所帮助 作为ZK系重要项目@boundless_xyz凭借其技术创新与生态布局展现出的特点 技术优势——通用zkVM架构 基于RISC-V指令集构建的zkVM(R0VM 2.0),支持任意通用程序编译为ZK证明,突破传统EVM兼容性限制,开发者可使用Rust等语言直接开发 成本优势——跨链验证协议 通过多链原生合约部署,实现跨链分布式证明市场,开发者无需离开原有生态即可调用ZK算力,验证成本降低至0.0012美元/笔 正向反馈激励——PoVW激励机制 首创可验证工作量证明,将ZK计算周期数加密上链,按实际工作量分配$ZKC奖励,实现公平透明的算力市场 核心优势 通过GPU优化与内核重构,以太坊全链证明年成本从1.7亿美元降至50万美元,降幅达340倍 生态协同 与Eigen Layer、Lido等30+项目深度合作,覆盖ZK Rollup、DeFi、跨链桥等场景,日均处理2.6万亿计算循环 开发者友好 提供反向荷兰拍卖机制与标准化API,使ZK集成周期从数月缩短至数小时,支持无Gas限制的链下计算 @Tinaliu333 @RiscZeroCN @boundless_xyz
显示更多
0
15
19
3
转发到社区
一组网络消息: 一、板块热议: 半导体芯片:业内人士称,已接获晶圆代工调价通知,涨幅从10%至逾20%不等,明年包括台积电在内的合作晶圆厂都将调价。(华东重机、联合化学、国林科技、佳先股份、西陇科学等) 昇腾:华为云发布并开源昇腾原生具身世界模型,昇腾云已覆盖80%的中国具身智能企业。(华胜天成、泰嘉股份、克莱特、嘉环科技、真视通等) 氯化铵:联碱法企业因纯碱长期亏损而主动减产,导致副产品氯化铵供应收缩,国内氯化铵工业级价格涨至730元/吨,创年内新高。(中盐化工、和邦生物、双环科技、华昌化工等) #华尔街观察最近提示乳业:11月本是原奶传统淡季,但散奶价格较合同奶价出现明显倒挂,反映供应趋紧,部分地区合同奶价上行。(伊利股份、新乳业、光明乳业、骑士乳业等)# 风险提示:以上内容来自公社用户写作,相关信息未经核实,未必准确,请审慎参考。 二、大涨股解析: 顺钠股份:干式变压器 2026年11月16日盘中消息,1-9月全国电网工程投资完成额4594亿元,同比+4.9%,其中8-9月单月投资同比提速,单9月同比+13.8%;此外,机构预计第五批招标有望于12月挂网招标,有可能涉及“2直1交”,招标金额可观公司为国内干式变压器开拓者,主导或参与制定国家及行业标准超过50项,干式变压器规格超过3000种,累计销量超过16.2万台,其它产品包括预装式变电站、开关柜、电抗器、分布式储能柜及储能系统等,同时承接电力成套工程并提供配套运维服务。 长虹美菱:家电 公司2026年H1小家电方面已推出集成AI控温、净水和保鲜存储的AI冰吧机,正在开发AI视觉食材识别、膳食大模型、健康数据监测和自适应烹饪调控系统,构建智能健康烹饪方案。公司空调(营收占比55.99%)搭载AI人感技术并布局AI节能算法,冰箱冰柜(营收占比29.97%)营收占比29.97%,围绕“AI垂直应用”完善产品矩阵,并已推出AI套系家电。 北鼎股份:小家电 公司2026年持续推出全钢蒸锅、全钛锅具、全钛保温杯、全玻璃养生壶等升级新品,中国区前三季度收入6.01亿同比增长27.54%,Q3单季1.88亿同比增长33.9%;公司深耕高品质厨房小家电,主要产品养生壶(营收占比17.43%)、蒸炖锅(31.15%)产品在国补背景下具备较强优势,自主品牌规模效应显现。 泰嘉股份:昇腾超节点PSU 2026年11月16日市场传闻(未证实),DeepSeek新版本拟采用原生国产昇腾950DT超节点进行训练的消息,具体方案尚待官方确认。公司通过旗下雅达电子深度布局AI服务器 PSU,通过华为官方认证,进入昇腾供应链,独家代工CloudMatrix 384 超节点高功率电源模块PSU,同时供货微软LES,是国内最早实现PSU供货海外巨头的企业之一。 盛剑科技:光刻胶+半导体设备 1、2026年5月18日盘后纪要,2025 年光刻胶显影液(TMAH)回收技术在客户端测试验证成功,蚀刻液回收技术研发完成。 2、2026年6月25日机构研报,公司是半导体废气处理与厂务设备龙头,已获得亚翔新加坡项目1亿风管代工订单,真空泵、工艺废气处理设备在马来西亚英飞凌厂验证顺利,预计27年可获得设备订单。公司昨晚正式授予股权激励,目标激进,预测26-28年业绩0.7/2.0/3.6。 西陇科学:光刻胶配套试剂 公司拥有酸碱类、溶剂类、蚀刻类和光刻胶配套试剂多种,和英特尔(成都)公司等建立合作关系。公司铜蚀刻液实现量产供应,可用于显示面板8.5高世代产线。 真视通:华为算力 公司是华为的“多产品金牌代理”,与华为昇腾会谈共同探索“智能算力建设与运营”合作之路。公司作为北京移动数字北京算力服务产品合作伙伴,为北京移动提供GPU高性能计算服务、并行文件存储服务、机房液冷服务、算力网络服务等。 扬子新材:半导体洁净室 2026年8月31日互动,公司的主要产品包括高洁净彩涂板、抗静电彩涂板、高韧耐污彩涂板等,主要用于集成电路厂房、医疗场所等建设项目,下游主要客户为净化及洁净类公司。 亚泰集团:重整投资协议落地 2026年11月16日晚公告,公司与长发集团、长春兴泰企业管理及其设立的长春泰启企业管理签署《重整投资协议》。重整投资人拟合计出资15.53亿元,受让公司14.19亿股转增股票,占转增后总股本的20.90%。其中,长发集团作为牵头投资人,将在投资完成后取得公司控股权。 双环科技:氯化铵涨价 2026年11月16日讯,截至11月16日氯化铵工业级730元/吨创年内新高,上周山东、河北干铵主流价格升至720元/吨,周内大涨80元/吨,涨幅达12.5%。公司本部运用联碱法生产纯碱和氯化铵等化工产品,年产纯碱近110万吨,每生产1吨纯碱同时产生1吨氯化铵。公司自备真空制盐装置,产能130万吨/年。
显示更多
投机解码的 drafter 从来都是一个 token 一个 token 地猜。做出 DFlash 的推理公司 Inco AI 说这没必要:正确的 token 本来就在候选列表里,整块并行预测之后挑出一条连贯路径,输出不变,每次验证多赚一个完整的 token。 《DFlash 2:保持并行起草》 推理是 agent 时代的瓶颈。agent 会读、会规划、会调用工具,常常一跑就是几小时甚至几天。它们消耗 token 的速度,是聊天场景从未达到过的。而每一个 token 都要在模型上跑一次完整的前向传播。在 Inco AI,我们在构建一套面向未来 token 经济学的推理栈。这篇文章是一次预览。 我们的团队 1 月发布了 DFlash(论文: SGLang、vLLM、TensorRT-LLM 和 llama.cpp 里。NVIDIA 在 Blackwell GPU 上用它测到了最高 15 倍的吞吐;Google 报告在 TPU 上每秒 token 数提升 3 倍;CoreWeave 生产环境的 Kimi K2.7 Code 端点(Artificial Analysis 上该模型最快的端点)默认就跑 DFlash。生态已经在它之上构建:NVIDIA、Red Hat、Modal 都发布了 DFlash drafter;Meta(Muse Glimmer)、Poolside(Laguna)、小米(MiMo-V2.5-Pro)、NVIDIA(Nemotron 3.5 Lightning)随自家模型发布官方 drafter。在 Hugging Face 上,DFlash 模型被下载了超过 350 万次(截至 2026 年 8 月)。 投机解码是现代推理栈的核心组件之一。一个小 drafter 模型猜出一整块 token,目标模型在一次前向传播里验证整块。猜得好,一次前向变成多个 token;猜得差,丢掉重来。但多年来,起草本身一直是自回归的:一次一个 token。DFlash 让它也变成了一次通过:整块、每个位置,并行预测。 (演示视频:DFlash 2 在 Apple M5 Max 上用 oMLX 为 Qwen3.8-27B 起草,与自回归解码并排对比。 DFlash 2 把并行起草又往前推了一步:每次验证通过多产出 20% 以上的输出,增加的周期延迟只有约 1%,而输出可证明不变。跨基准测试的增益在 16–25%。配合今天发布的 Qwen3.8-27B drafter,SGLang 在 batch size 1 下达到自回归解码 2.7–3.4 倍的吞吐。每个位置独立预测,留下两处空间:选对 token,以及在块的末尾守住准确率。DFlash 2 把这两处都拿了回来,同时没有放弃一次性通过的设计。 现在就能跑 DFlash 2 已经跑在主流推理引擎里。 SGLang: pip install -U "sglang[all] @ git+" python -m sglang.launch_server \ --model-path Qwen/Qwen3.8-27B \ --speculative-algorithm DFLASH \ --speculative-draft-model-path incoai/Qwen3.8-27B-DFlash2 \ --speculative-num-draft-tokens 8 vLLM: pip install -U "vllm @ git+" vllm serve Qwen/Qwen3.8-27B \ --speculative-config '{ "method": "dflash", "model": "incoai/Qwen3.8-27B-DFlash2", "num_speculative_tokens": 7 }' llama.cpp: git clone cd llama.cpp git fetch origin pull/27342/head:pr-27342 git switch pr-27342 NVIDIA CUDA cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON cmake --build build -j Apple Silicon cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON cmake --build build -j ./build/bin/llama-server \ -hf ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \ -hfd incoai/Qwen3.8-27B-DFlash2-GGUF:Q4_K_M \ --spec-type draft-dflash \ --spec-draft-n-max 7 oMLX:下载安装支持 DFlash 2 的预构建版( 在 oMLX 里跑 Qwen3.8-27B 加 DFlash 2: 1. 打开 oMLX 的 Model Downloader,下载 mlx-community/Qwen3.8-27B-4bit 和 incoai/Qwen3.8-27B-DFlash2。 2. 打开 Model Manager,编辑 mlx-community/Qwen3.8-27B-4bit,配置 DFlash: • DFlash:enabled • Draft model:incoai/Qwen3.8-27B-DFlash2 • Draft quantization:enabled • Runtime block size:5 • Verify mode:dflash 3. 保存设置,加载目标模型。 对的 token 早就在候选里 DFlash 每个位置独立、并行地预测。每个选择单独看都合理,但没有什么让它们彼此咬合,一个不连贯的块会在验证时被截断。近期的方法如 Domino 和 DSpark,用顺序的 Markov head 重写每个位置的完整词表分布来买连贯性。但真的需要这种昂贵的自回归纠错吗? 不需要。证据就在 DFlash 自己的候选列表里。拿第一个位置来说:DFlash 的第一选择 85.4% 的情况下是对的,但正确的 token 99.5% 的情况下都在前 16 个候选里。即使第一选择错了,对的 token 通常也在列表上。 表 1:Recall@1(第一选择正确的概率)与 Recall@16(正确 token 出现在前 16 候选里的概率),按起草位置统计,条件是前面每个位置都正确。GSM8K 上的五层 Qwen3-4B DFlash。接受长度包含验证器产出的下一个 token。 • 位置 0:Recall@1 85.4%,Recall@16 99.5% • 位置 1:80.3%,97.3% • 位置 2:79.4%,94.8% • 位置 3:78.3%,92.6% • 位置 4:77.5%,90.8% • 位置 5:75.9%,89.4% • 位置 6:72.9%,87.8% • 接受长度:4.27(只看第一选择);6.79(从前 16 里选) 一个总能从前 16 个候选里挑对的那个 oracle,会把接受长度从 4.27 抬到 6.79。这个差距是纯粹的选择空间。我们只需要在候选里选出一条正确的路径。 图 1:一个周期里的选择器。只用 DFlash,每个位置保留自己的第一选择;这里两个相邻位置选了同一个词,结巴在验证时死掉。DFlash 2 保留每个位置的 top 候选,选择器在候选之间走出一条连贯路径;这里整块都活了下来。 一个轻量的路径选择器 连贯性大体是局部的:一个候选合不合适,主要取决于它前面的那个 token,所以给相邻对打分应该就够了。DFlash 2 保留每个位置前 16 个候选,给每一对相邻候选打分。对前一个 token a 和当前候选 b: S_t(a,b) = U_t(b) + ⟨A(a)⊙H(h_t), B(b)⟩ 分数分两部分。第一部分 U_t(b) 是 DFlash 自己的 logit:drafter 本身有多喜欢 b。第二部分问 b 接在 a 后面有多顺:A 和 B 给每个 token 一个紧凑的 256 维嵌入,两个嵌入在一个上下文门控 H(h_t) 下匹配,门控决定匹配的哪些部分算数。本质上,这是对相邻候选做的低秩双线性注意力。 打分全程并行。每个位置的每一对相邻候选一次性全部算完,不需要额外的 backbone 或 LM head 前向。唯一串行的部分,是最后在预计算好的分数上走一遍:从最后一个已验证 token 出发,贪心地跟着每一步最好的后继走,采样从同样的分数里抽取,拒绝采样恢复出精确的目标分布。 表 2:只加路径选择(不加卷积)的接受长度,GSM8K 上的五层 Qwen3-4B。开销相对纯 DFlash:drafter 增加的参数、起草-验证周期增加的延迟。 • DFlash:T=0 下 4.27,T=1 下 3.78 • + DSpark 纠错:+77.8M 参数,+9.6% 延迟;4.49,4.08 • + 路径选择(我们的):+2.0M 参数,+0.6% 延迟;4.61,4.25 选择器在 T=0 下给 DFlash 加 0.34 个 token,T=1 下加 0.47。两个设置下都超过 DSpark 的纠错,参数少约 40 倍,延迟开销低 16 倍。选择比预测便宜。而且还有空间:oracle 能到 6.79。成对打分是我们能想到的最简单的选择器,我们相信这里还有很多可探索的。 后缀衰减是个局部问题 我们还注意到上面两行 recall 都在块尾下滑。连 oracle 都在衰减:即使选择完美,准确率仍然从第一个位置的 99.5% 掉到最后一个位置的 87.8%。没有选择器能修这个,因为候选自己就不够了。我们把这个叫后缀衰减,它是 backbone 的问题。 一个嫌疑是容量:五层 backbone 可能太小,撑不住横跨整块的依赖。如果真是这样,深度应该在靠后的位置帮上最多的忙。事实也如此:3 层、5 层、15 层的 DFlash 模型在第一个位置上几乎一样,越往块尾分得越开。但深度不加区分:多十层 attention block 到处加容量,连那些没什么可赚的靠前位置也加,把 DFlash 吸引人的那部分效率磨掉了。 图 2:GSM8K 上 Qwen3-4B 的 Recall@1(T=0),条件是前面每个位置都正确。所有 drafter 在相同设置下训练;卷积模型评估时不带选择器。它的卷积增加 3% 参数和 0.7% 周期延迟;15 层模型多出的十层增加 15.2%。 我们要一个有针对性的修法,而 DFlash 的 attention 指出了修哪里。它有两份工作:读块之前的上下文,以及建模块内部的依赖。但它在第二份上花的越来越少:块内注意力占比从第 1 层的 30% 掉到第 5 层的 8%,剩下的还集中在越来越少的一小撮 head 里。所以我们把两份工作拆开:一个专用模块承担块内工作,attention 继续读上下文。 图 3:五层 Qwen3-4B DFlash 的块内注意力按 head 分布。越亮的格子代表在起草块上花注意力越多的 head;靠后的层里,块内质量收缩、集中到少数几个 head。 一个轻量的局部卷积 块内工作本来就是短程的:一个块只有 4 到 16 个 token,最紧的依赖坐在相邻位置之间。自然的算子是短卷积:两个抽头,一个在当前位置,一个够到前一个位置,权重随内容自适应。跟随 Canon Layers、Dynamic Short Convolutions 和 Convolution for Large Language Models 的做法,我们在每个 attention 和 feed-forward 子层前后插入这个双抽头动态深度卷积: Conv_k(x)_t = k_{t,0}⊙x_t + k_{t,1}⊙x_{t-1} 每个系数由一个可学习的基核加上从当前隐藏状态算出的一个小修正组成;每 16 个通道共享一个修正。第一个位置读最后一个已验证 token 的表示,之后的每个位置读它前一个的。信息穿过整块,同时所有位置仍然并行计算。 图 4:双抽头动态卷积。每个 drafter 层的每个 attention 和 MLP 子层前后各有一个。内部:每个位置把自己的表示和前一个的混合;第一个位置读最后一个已验证 token。 卷积是块局部的、无状态的,所以能无缝插进 DFlash,不用动 attention、LM head 或验证。 只加 16.5M 参数(3%),带卷积的五层 DFlash 就逼近了 15 层 DFlash,大幅减轻后缀衰减。卷积给起草-验证周期延迟加 0.7%;多十层 Transformer 层加 15.2%。第 4、5 层的平均块内注意力从 9.4% 降到 0.5%,与卷积吸收局部工作、attention 回到读上下文一致。一个只够到前一个位置的核,买回了十层额外层的大部分收益:后缀衰减大体是个局部问题。 合在一起 到目前为止,选择器和卷积是分开测的;下面的完整对比把它们放在一起。DFlash 和 DSpark drafter 是我们在对齐的设置下自己训练的,MTP 随模型发布。 表 3:Qwen3.5-4B 每请求平均接受长度。采样:thinking 开启,温度 1.0,top-p 0.95,top-k 20,presence penalty 1.5,无损拒绝采样。 • GSM8K:MTP 4.78,DFlash 4.99,DSpark 5.69,DFlash 2 6.20 • MATH-500:5.04,5.42,6.20,6.76 • HumanEval:4.84,5.43,5.80,6.28 • MBPP:4.16,4.49,4.96,5.41 • MT-Bench:3.90,4.26,4.77,5.20 • 平均:4.54,4.92,5.49,5.97 DFlash 2 在每项基准上都领先。平均下来,它比 DFlash 多 1.05 个 token(21%),比 DSpark 多 0.48。升级仍然便宜:选择器和卷积加起来,只给五层 DFlash 的起草-验证周期延迟加了 1.3%。 在 MATH-500 上,增益逐位置可见:DFlash 2 到最后一个位置都稳在 86% 附近,而每个基线在块尾都比它低 6 到 9 个点。 图 5:MATH-500 上 Qwen3.5-4B 的条件接受率,采样同上。 两个 drafter,今天发布 我们今天发布两个 DFlash 2 drafter:一个给 Qwen3.8-27B( Meta 的 Muse Glimmer( Qwen3.8-27B,我们对比模型原生的 MTP 路径和一个社区 DSpark drafter。 表 4:Qwen3.8-27B 每请求平均接受长度,模型默认采样、块大小 8,对比原生 MTP 路径和社区 DSpark drafter。 • GSM8K:MTP 5.02,DSpark 4.36,DFlash 2 5.46 • MATH-500:4.72,3.92,5.28 • HumanEval:3.91,3.30,4.39 • MBPP:3.99,3.51,4.79 • MT-Bench:3.74,3.01,4.10 • 平均:4.28,3.62,4.80 对 Meta 的 Muse Glimmer,我们对比随模型发布的官方 DFlash drafter 和一个社区 DSpark drafter。 表 5:Muse Glimmer 每请求平均接受长度,模型默认采样、块大小 16。DFlash 是 Meta 随模型发布的官方 drafter;DSpark 是社区 drafter。 • GSM8K:DFlash 5.43,DSpark 5.45,DFlash 2 6.57 • MATH-500:5.39,5.01,6.56 • HumanEval:4.11,4.33,5.66 • MBPP:3.74,4.02,5.30 • MT-Bench:3.52,3.59,4.42 • 平均:4.44,4.48,5.70 差距很大:在两个模型上,DFlash 2 平均比 DSpark 多出超过一个完整的 token。它也超过每个模型的官方 drafter:Qwen3.8-27B 的 MTP、Muse Glimmer 的 DFlash。换算成吞吐,Qwen3.8-27B 上达到自回归解码的 2.7–3.4 倍,Muse Glimmer 上 3.1–4.6 倍。模型卡( 底线 agent 一个下午写出来的东西,聊天机器人要写一个月,而每一个 token 底下都坐着解码。DFlash 2 以接近自回归解码 3 倍的速度解码,每个 token 约三分之一的算力,输出相同。 七个月里,DFlash 从我们的论文变成了行业标准,超过 350 万次下载。在同一个设计内部,DFlash 2 每次通过多解码一个完整的 token,免费。那还只是服务栈的一个组件。推理离它的地板还很远。 在 Inco AI,我们在构建一套端到端的服务栈,把这个地板继续往下压。DFlash 2 是第一块。两个 drafter 今天发布在 Hugging Face。 如果你在规模化地服务 agent,想在你的栈里评估 DFlash 2,或者想为你跑的模型(包括你自己的微调)要一个 drafter,写信给我们:contact@inco.ai。 我们也在招人。如果你想一起构建这套栈,联系我们。 把候选连起来。起草,继续并行。 脚注:Modal 的 Speculation Is All You Need 指出,投机解码是对低延迟服务最重要的优化。我们是他们工作的超级粉丝,感谢他们自 DFlash 发布以来的支持和讨论。 本文引用格式:@misc{inco2026dflash2, title={DFlash 2: Keep Drafting Parallel}, year={2026}, month={August}, url={ 原文: #DFlash# #投机解码# #LLM推理#
显示更多
0
46
33
2
转发到社区
不到两天Seedance 2.0 就遇到真人授权风险的问题, 让这场爆火显得像一次监管擦边短线套利。 这个时候也正可以聊一些 对视频AIGC和流媒体之间关系的非主流看法。 首先AI的圣杯一定是视频。 AI现在的军备竞赛, 都还在“模型算力”“生产力场景”。 但生产并不是人们真正最终的心之所向, 所有的生产活动,最终都是为了更多的奶头乐: 能有更多的时间,来放松舒适躺平、休闲娱乐。 就像互联网到移动互联网,结果是: 视频娱乐流量,占整个互联网流量的60%+ 所以可以预见: 视频AIGC娱乐,迟早也一定会成为 所有AI设施、资源消耗的最大头。 因为如果生产力逐渐相对饱和,下一阶段就是: 从事生产者占少数,躺平放松娱乐者占绝大多数。 这既是Elon Musk预期的未来社会形态, 也是黑客帝国The Matrix里的核心隐喻。 不少人觉得在视频AIGC的“冲击”下, “传统视频流媒体”不行了,要被颠覆代替了。 但我认为这种看法,有可能是类似于当年 “手机游戏代替PC游戏,所以Nvidia不行了” 的阶段性误解: 没有从第一性看到Nvidia通过 “连接过去貌似过时的点”, 积累了什么面向未来社会的护城河, 实现新的“第二曲线”。 下图中两条我之前聊 Netflix 的推文,分别是 2024年11月11日 (nflx 拆股后股价 80.5 usd) 2025年6月6日 (nflx 拆股后股价 126 usd) 一年多后的现在, nflx 股价又回到了当初第一条推文时80的价格。 按目前的斜率,也许跌到50也不会感觉意外, 但半年到一年后,很可能会迎来新趋势。 就如同我在2020年9月表达对Nvidia远期看法后, 它涨到32后,也还得再经历跌到12的主升前下蹲。 那么是时候再聊下,Netflix 在 AIGC 时代, 凭什么能有新的“第二曲线”机会。 1. “审美品味” 就是大家说的: 人在后 AI 时代下,最后的堡垒。 也就是“懂人们想看什么”。 Netflix是最早利用数据+工程驱动, 把审美品味变成“可计算系统”的公司。 以此获得全球超3亿订阅会员数, 就是审美品味+分发能力 同时国际化领先的结果证明, 和正反馈循环来源。 算力模型即产品, 转向品味即产品。 大模型是冰箱, 食材保鲜的基础需求满足了, 但可口可乐还没出现。 做冰箱的越早期越稀缺, 但靠冰箱更加发家致富的, 是卖神秘配方的可口可乐。 所以,最终算力市场,会从卖方市场, 逐步转向“谁有配方品味”的买方市场。 2. “可合法使用的IP授权AIGC衍生品” 就是大家现在看到的: 为什么Netflix要收购华纳。 个人认为,Netflix 花这么大代价收购华纳+IP, 很可能部分因为看到了未来AIGC内容环境下, 技术大家最终都会有,技术差异化会越来越小, IP才是“卡脖子”的,授权的IP衍生品才更赚钱。 有没有发现, 前两天X上流传的Seedance2.0的热门视频, 大多数都是借助了“未被授权”的IP加持? 李小龙、各种名人、七龙珠、奥特曼、蜜雪冰城, 连最先引起共鸣的广告片,也是老干妈的。 (可惜了当时老老实实守规矩的Sora2, 只能用Sam Altman本人作为最大IP来出镜) 在喜欢的IP宇宙里享受技术带来的奶头乐, 是全球最多人口+最大公约数的最终幻想。 对“技术奇观”的新鲜感逐渐褪去、习以为常后, 引起最多人共鸣的IP才能长期留住观众。 内容越无限、无界增发, IP和被授权的规模化分发平台, 作为被信任的节点,稀缺价值就越高。 未来“谁都能生成”, 但不是“谁都能合法生成”IP衍生品并分发。 如果说未来可以为每个观众喜欢的IP, 来一键生成续集、“个性化定制”分支版, 下一部《哈利波特》,可不可以是你自己参演? 那么原本收你10美金/月的订阅费, 是不是可以收你30/50美金甚至更高价了。 大多数人并不会为4K高清付几倍价格, 但是为喜欢的IP生成续集、个性化版本, 毋庸置疑的可以。 本来一个IP同段内容,千人一面, 只能卖给一个会员一次, AIGC可以把这个一次变成多次, 甚至是24H陪伴式的生成式流媒体。 想象3亿全球订阅会员基数上, 去增加这样的AIGC高级套餐, 收入能有怎样的质变。 所以,视频模型军备竞赛, 不仅不是对Netflix的威胁, 反而是在为其未来超预期收入做嫁衣。 如果没有AIGC,反而缺少加价的新理由。 所以,从拉低预期到超预期, 从反共识到正共识, 才是超额赔率来源。 最后分享一条冷知识: 如果有兴趣了解 Netflix 对AIGC视频的理解, 领先市场多少个版本,强烈推荐看: 黑镜 第6季第1集 《Joan is awful》 影视飓风TIM所担心的问题在这集中完全复现, 要知道这集是在2022年拍摄的, 也就是ChatGPT发布之前。
显示更多
0
27
185
24
转发到社区
总结一下今早 $BAC $JPM 的财报和CPI 1. 美国银行:”上半年消费增速5%,2季度6%“,我记得4月份听到的是即使有战争和高油价,消费者没有后退,而2季度战争阴影消退后,消费反而加速 2. 两家银行都表示,消费者的信用强劲超预期,坏账率比预期低。劳动力市场的强劲仍然是主因 3. CPI今天低于市场预期0.2%的环比,算是小概率事件发生了,我看了下具体核心的数据,几乎每一项都非常好,挑不出什么毛病 最后总结,似乎没办法把消费增速强劲和0%增长的核心环比结合在一起,一个月的通胀数据有噪音,继续观察,但起码是美联储的期待。
显示更多
0
45
161
3
转发到社区
10月6日凌晨欧国联8场预测:法国看零封,意大利争大胜,匈牙利有机会客场拿分 上一期8场比赛,胜平负命中5场,大小球命中5场,命中率均为62.5%;精确比分没有命中。实际赛果已经公布,先把预测与结果摆出来。 荷兰、葡萄牙的取胜方向和大球判断都对,但对它们扩大比分的能力估得偏高。科索沃、威尔士、爱尔兰3场的大球判断失误,也说明进球预测需要更重视对手的抵抗能力。希腊能够限制德国这一点判断正确,具体比分仍有偏差。 本篇覆盖今晚这轮全部8场欧国联。按北京时间,比赛均在2026年10月6日凌晨进行:1场00:00开球,其余7场02:45开球。分析综合近半年的比赛记录,并重点考虑本期欧国联表现、对手实力及已确认的人员变化。大小球统一按2.5球分析,比分预测以90分钟及伤停补时为准。 ① 塞浦路斯—拉脱维亚|00:00 塞浦路斯近半年5场比赛取得2胜2平1负,进6球、丢3球;拉脱维亚同期0胜2平3负,进2球、丢6球。两队的差距主要体现在进攻端:塞浦路斯能够连续制造进球,拉脱维亚则缺少稳定的得分表现。 塞浦路斯6月客场逼平斯洛文尼亚、击败列支敦士登,说明近期改善已有一定延续性。不过,对列支敦士登的胜利需要考虑对手实力,参考价值更高的是本期欧国联最近2场连续零封,包括上轮2:0击败亚美尼亚。 双方首回合踢成0:0,拉脱维亚并非完全没有防守能力。但回到塞浦路斯主场,主队可以更主动地争取进球。我的判断是塞浦路斯占据优势,拉脱维亚的低进球率则让小球更有依据。 🟣 比分预测:塞浦路斯2:0拉脱维亚 🔵 大小球预测:小于2.5球 ② 法国—比利时|02:45 法国夏季世界杯进入四强,比利时进入八强,两队近半年的大赛表现都有竞争力。进入本期欧国联后,法国2胜1平,3场只进3球、丢1球;比利时2胜1负,进5球、丢1球。这场需要重点比较当前阵容能否延续此前的表现。 人员变化明显影响比利时:德布劳内和蒂勒曼斯均因停赛缺席。德布劳内刚在对土耳其的比赛中打进2球,两人同时缺阵,会削弱中场组织和向前输送的能力。法国同样存在缺口,姆巴佩继续缺席,于帕梅卡诺也因红牌停赛。 法国仍有较明确的进攻支点,奥利塞在本期前3场比赛贡献2球、1次助攻,首回合也由他打进制胜球。结合双方的缺席情况,我更看好法国控制比赛,并通过持续施压取得进球。法国调整后的中卫组合会影响零封判断,因此这场的主胜倾向比精确比分更明确。 🟣 比分预测:法国2:0比利时 🔵 大小球预测:小于2.5球 ③ 意大利—土耳其|02:45 意大利近半年5场比赛取得3胜1平1负,进7球、丢4球。6月两场友谊赛均以1:0获胜,进入欧国联后,经历首轮负于比利时,随后客场4:1击败土耳其、1:1逼平法国,近期走势有所改善。 土耳其同期8场比赛3胜5负,进10球、丢14球。球队曾在世界杯击败美国,具备制造进球的能力,但本期欧国联3连败、只进1球、丢8球,说明面对当前这组对手时,攻防表现都难以支撑竞争。 本场土耳其还缺少停赛的居莱尔和巴里什·伊尔马兹。前者是重要的创造机会者,后者打进了首回合对意大利的唯一进球。两人缺席,会让土耳其在推进和反击时少掉重要选择。 我看好意大利获胜,并把这场列为较有机会拉开比分的一场。主要依据是土耳其连续失球,以及前场缺席进一步削弱了牵制对手的能力。意大利若能较早领先,后续获得更多进攻空间的可能性会增加。 🟣 比分预测:意大利3:0土耳其 🔴 大小球预测:大于2.5球 ④ 北爱尔兰—格鲁吉亚|02:45 北爱尔兰近半年5场比赛3胜1平1负,进6球、丢3球。最有参考价值的是本期欧国联3场全部零封:客场1:0击败格鲁吉亚、主场0:0战平匈牙利,随后3:0击败乌克兰,防守表现具有连续性。 格鲁吉亚同期1胜2平2负,进3球、丢3球,其中2个进球来自对巴林的友谊赛。本期欧国联面对北爱尔兰、乌克兰和匈牙利,3场均未进球,进攻低迷已经影响到拿分能力。 北爱尔兰首回合的制胜球直到补时阶段才出现,而格鲁吉亚前三轮合计只丢2球,说明这场仍可能较为胶着。北爱尔兰虽缺少因伤退出集训的巴拉德,但其缺席后球队仍连续零封。我更看好主队凭借防守稳定性拿下比赛,进球数保持克制。 🟣 比分预测:北爱尔兰1:0格鲁吉亚 🔵 大小球预测:小于2.5球 ⑤ 乌克兰—匈牙利|02:45 乌克兰近半年5场比赛2胜1平2负,进4球、丢5球;匈牙利同期3胜1平1负,进6球、丢3球。匈牙利的两场友谊赛胜利来自芬兰和哈萨克斯坦,需要考虑对手强弱,其优势更值得关注的是最近的防守表现。 本期欧国联,双方前三轮都只进1球,但匈牙利只丢1球,最近2场连续零封;乌克兰则连续2场未进球,上轮0:3负于北爱尔兰,前22分钟已经丢掉2球。两队当前都缺少稳定得分,匈牙利的防守延续性相对更好。 这场虽然由乌克兰作为主队,但比赛在斯洛伐克特尔纳瓦进行,不能直接套用本土主场的优势。 我的判断偏向匈牙利客场小胜。预计比赛机会不会很多,匈牙利更有希望把比赛维持在自己能够承受的节奏中。这是本篇胜负分歧较大的一场,小球判断比客胜判断更有把握。 🟣 比分预测:乌克兰0:1匈牙利 🔵 大小球预测:小于2.5球 ⑥ 波黑—波兰|02:45 波黑已经进入没有哲科的国家队阶段,波兰本场也缺少累计黄牌停赛的莱万多夫斯基。两支球队同时失去重要的前场得分点,进球预期需要随之调整。 波黑近半年9场比赛2胜5平2负,平局较多;本期欧国联1胜2平保持不败,包括客场0:0战平波兰,以及主场1:1战平瑞典。球队有一定抵抗能力,但把比赛优势转化为胜利的表现还不够稳定。 波兰近半年5场比赛1胜2平2负。上一场6:0击败罗马尼亚,是这段时间唯一的胜利,而且对手在第22分钟被罚下一人,波兰长期占据人数优势。其余4场比赛,波兰合计只进3球,不能凭一场大胜就认定进攻已经持续回暖。 波黑有主场条件,波兰仍保留一定的中场创造能力,但双方都需要适应锋线的重要变化。我更倾向于一场机会有限、彼此难以拉开差距的比赛。 🟣 比分预测:波黑1:1波兰 🔵 大小球预测:小于2.5球 ⑦ 罗马尼亚—瑞典|02:45 罗马尼亚近半年5场比赛1胜1平3负,进6球、丢14球;瑞典同期9场3胜3平3负,进16球、丢18球。瑞典进攻产出更高,但这9场比赛全部有失球,防守同样存在明显问题。 罗马尼亚上轮0:6惨败,需要考虑早早少打一人的影响。不过,此前主场2:4负于波黑,已经暴露出防守漏洞。本场德拉古辛和吉察两名中卫均因停赛缺席,防线还需要重新组合。 瑞典也有人员困难:斯塔费尔特受伤离队,多名球员因病退出本次集训。这会增加其防守的不确定性,但球队前三轮欧国联仍取得2胜1平,上轮对波黑也有进球,当前进攻表现优于罗马尼亚。 我看好瑞典获胜,并倾向双方都有进球。罗马尼亚重组后的中卫搭档可能承受较大压力,瑞典自身的防守缺口也给了主队得分机会。这场的大球依据较充分,客队能否进一步扩大优势,则取决于进攻效率。 🟣 比分预测:罗马尼亚1:3瑞典 🔴 大小球预测:大于2.5球 ⑧ 黑山—亚美尼亚|02:45 黑山近半年5场比赛4胜1平保持不败,进10球、丢6球;亚美尼亚同期1胜2平2负,进6球、丢7球。黑山的优势在于稳定得分,亚美尼亚近期则出现了连续失利。 黑山本期欧国联3连胜,比分分别为2:1、3:2、2:1,每场至少进2球,但也每场都有失球。首回合客场对亚美尼亚,黑山虽最终获胜,仍被对手打进2球,这说明主队的防守并未形成同等程度的优势。 亚美尼亚上轮客场0:2负于塞浦路斯,进攻表现下滑。不过,结合此前对黑山的比赛,其仍有一定破门可能。回到主场的黑山更值得支持,预测重点放在主胜和双方得分,大球也更符合黑山近期的比赛走势。 🟣 比分预测:黑山2:1亚美尼亚 🔴 大小球预测:大于2.5球 *仅供参考
显示更多
0
13
14
0
转发到社区
━━━━━━━━━━━━━ 【券商研报汇总】2026年6月1日 ━━━━━━━━━━━━━ 一、近期三日研报家数最多的三家个股(买入评级) 【1. 生益科技(600183)】 ☞ 近期三日研报家数:5家(高盛、西南证券、太平洋证券、国元证券、招商证券) ☞ 各家目标价: • 高盛:146.3元(维持买入) • 西南证券:103.5元(上调目标价) • 国元证券:维持买入 • 招商证券:强烈推荐 • 太平洋证券:买入 ☞ 一致预期目标价:约125元 ☞ 提高预期逻辑理由: • 覆铜板(CCL)行业处新一轮景气上行周期,涨价趋势持续 • AI服务器需求爆发,推动高端PCB和覆铜板用量提升 • 公司高端CCL+PCB放量,产品结构优化 • 26Q1归母净利润同比翻倍增长(+105.47%),毛利率提升至28.10% • AI服务器升级带来高端产品需求爆发双重红利 【2. 君实生物(688180)】 ☞ 近期三日研报家数:2家(开源证券、华西证券) ☞ 各家目标价: • 开源证券:首次覆盖买入(目标价未披露) • 华西证券:买入/深度报告 ☞ 一致预期目标价:待公布 ☞ 提高预期逻辑理由: • 全面布局IO+ADC 2.0时代,核心管线兑现开启全球化新篇章 • 涵盖早研到产业化的全生命周期技术体系 • 双基地智能制造平台构建肿瘤免疫全球竞争力管线 • 长期管线价值进入兑现期 【3. 中信证券(600030/6030 HK)】- 港股 ☞ 近期研报家数:2家(交银国际、开源证券) ☞ 各家目标价: • 交银国际:32.00港元(上调),潜在涨幅+15.9% • 开源证券:买入评级 ☞ 一致预期目标价:约32港元 ☞ 提高预期逻辑理由: • 1Q26归母净利润同比大增55% • 业务结构持续优化,证券经纪、投管、投行等主要业务表现好于同业 • 再融资靴子落地,业务全面高增带来配置机遇 ━━━━━━━━━━━━━ 二、近期三日一致预期提高最多的三家个股 【1. 生益科技(600183)】 ☞ 各家目标价: • 高盛:146.3元(上调,目标价涨幅+14.8%,参考价98.19元) • 西南证券:103.5元(上调,给予买入) • 一致预期:约125元 ☞ 提高预期逻辑理由: • 覆铜板涨价潮远未结束,AI服务器需求爆发+行业供给扩张有限+原材料成本上涨 • 2026-2030E收入复合增速预计达31% • 产品结构优化,盈利能力大幅提升(26Q1毛利率28.10%,同比+3.50pct) 【2. 中信证券(6030 HK)】 ☞ 各家目标价: • 交银国际:32.00港元(上调,潜在涨幅+15.9%) • 一致预期:32港元 ☞ 提高预期逻辑理由: • 年初以来业绩快速增长,1Q26归母净利润同比大增55% • 业务结构持续优化,主要业务表现明显好于同业 • 预测2026年归母净利润增至约375亿元人民币 【3. 快手-W( 港股 ☞ 各家目标价: • 华泰证券:71.73港元(上调) • 招商证券(香港):70.5港元(下调) • 一致预期:约71港元 ☞ 提高预期逻辑理由: • 可灵AI商业化加速,ARR快速提升至近5亿美元 • 广告与电商收入略超预期,AI漫剧投放放量显著 • 中长期看好复苏趋势,预计股东回报率有望达约4% ━━━━━━━━━━━━━ 三、近期三日机构首次评级买入的个股 【1. 千里科技(601777)】 ☞ 评级机构:华源证券 ☞ 评级:买入(首次) ☞ 目标价:未披露 ☞ 评级逻辑:智驾新生,吉利赋能,AI重构公司价值。公司尚处于业务发展新阶段,智能驾驶业务在吉利赋能下具备成长潜力。 【2. 远东股份(600869)】 ☞ 评级机构:开源证券 ☞ 评级:首次覆盖买入 ☞ 目标价:未披露 ☞ 评级逻辑:"光棒~光纤~光缆"和液冷双轮驱动新成长。主业光纤光缆景气度回升,液冷业务打开新成长空间。 【3. 必贝特(688759)】 ☞ 评级机构:华福证券 ☞ 评级:首次覆盖买入 ☞ 目标价:未披露 ☞ 评级逻辑:首创双靶抑制剂已获批,肝外siRNA平台剑指CNS与肾病蓝海。创新药研发进入收获期,具备稀缺性和前沿性。 ━━━━━━━━━━━━━ 请关注、转发、收藏,华尔街观察团队将持续跟踪相关消息、解读量化数据,基于WSV模型,给出股票、黄金、债券(ETF)大类资产及板块(ETF)轮动量数据,个股案例研究,为您提供超前布局机会。 ⭐️⭐️⭐️ 文章所载内容信息参考,不构成任何投资建议或操作指南。信息基于公开公告整理和量化数据机器学习计算,文章信息与数据的真实性、完整性、有效性不承担任何责任。历史数据不代表未来、案例分析不代表收益承诺。投资者据此操作,风险自担。投资有风险,入市需谨慎。
显示更多