关键词：#何朝阳# #南加州大学# #FedML# #COAI# #博士团队# #开源# #联邦学习# 本文仅针对ChainOperaAI 创始成员及业务方向进行的基础调研，不涉及代币及市商层面。 Salman Avestimehr ChainOpera AI 联创；TensorOpera （前身为FedML）联合创始人 2008年博士毕业于加州伯克利分校，师从香农奖获得者、信息论与区块链著名学者David Tse教授（即Babylon 创始人） 曾担任南加州大学 ECE 和CS系主任教授、南加州大学-亚马逊可信人工智能中心的首任主任，以及电子和计算机工程系信息理论和机器学习 (vITAL) 研究实验室主任。也是美国奥巴马总统奖获得者。 基于在分布式计算领域的贡献，Salman于2020年入选 IEEE Fellow。 履历背景如下： 2008.9-2009.7 加州理工 材料研究所研究员 2009—2013 康奈尔大学助理研究员 2014—2018 南加州大学助理研究员 2018.12—至今  南加州大学 ECE 和CS系主任教授 2020-2022   Amazon Scholar亚马逊学者计划 2022.2 —至今 TensorOpera AI  联合创始人 2024.8 —至今 ChainOpera AI 联合创始人  Aiden He  何朝阳 ChainOpera AI 联创；TensorOpera （前身为FedML）CEO&联合创始人 毕业于南加州大学洛杉矶分校，获计算机博士学位；师从Salman Avestimehr  （南加州大学）、  Mahdi Soltanolkotab i教授（南加州大学）、 Murali Annavaram 教授  （南加州大学）三位分别擅长分布式计算、机器学习理论、分布式系统优化的教授和 张潼教授 （香港科技大学）。 履历背景如下： 2010-2011期间，尝试过几次创业，均以失败告终 2011.6 - 2012.6  华为开发工程师   2012.7 - 2014.11 百度高级工程师   2014.11 - 2018.7 腾讯研发团队经理和首席工程师  2017.4，received PhD offers from CMU, USC, Georgia Tech, and UCSB.收到了卡内基梅隆大学、南加州大学、佐治亚理工学院和加州大学圣塔芭芭拉分校的博士学位录取通知书。 2018.8-2022.3 南加州大学攻读计算机博士并做博士后研究 2018 — 2022期间，先后在Meta, Google, Amazon兼任研究员 「联邦学习」是谷歌在2016年提出，当时是用于训练输入法模型的新型方式。 FedML是全球最早的研究联邦学习与分析的团队之一，最开始是由博士生主导的科研开源项目。曾服务美国高校多个科研基金，辅助所在实验室发表了50多篇相关顶级论文。 2022年2月，何朝阳与Salman先是于加州共同创立了ai 初创公司 FedML，并于中国香港设有分公司，以公司化的形式将学术成果升级为工业化平台，探索在智慧城市、医疗、工业化IoT等场景下的商业落地。 在FedML成立之初就得到了Plug and Play、GGV、奇绩创坛 、AceCap，以及个人投资者加州伯克利教授、斯坦福教授“香农奖”得主David Tse，美国南加州大学校友王言治、张弥教授等超千万人民币的天使轮融资支持。 2023年3月，何朝阳与Salman 在FedML 内部组建了一个研究人工智能通证经济的加密团队，为如今的ChainOperaAI项目做好了全面准备。FedML的区块链团队主要由斯坦福大学、德克萨斯大学奥斯汀分校等顶尖学府的顶级区块链工程师和教授组成。这也是Chainopera AI 的雏形。 2023年6月 FedML 融资超1300万美元. 特此声明：本文绝对客观中立，且不涉及任何利益关联。仅供参考，不作为任何投资建议。 @ChainOpera_AI @AidenChaoyangHe @avestime @ShinjukuSokai @CryptoEmree_ @nine_DeFi @coldcupidrong @shawnchen_eth @junjieBTC @BudhilVyas @Bitcoinhabebe @octopusycc @guanhaibit @yaoyao_well @Meta8Mate

游资票还是要小心一点： 一、新相微（688593）核心基本面 • 全称：上海新相微电子股份有限公司（2005年成立，2023-06-01科创板上市） • 主业：显示驱动芯片（DDIC/TDDI）+电源管理芯片，Fabless模式，国产替代核心标的 • 核心产品 ◦ 整合型TFT-LCD/AMOLED驱动芯片（手机、穿戴），占营收93%+ ◦ 分离型驱动+电源管理芯片（平板、车载、TV），客户含京东方 • 实控/创始人：肖宏（UC伯克利博士），团队有国际芯片设计背景 • 2026Q1（最新）：营收1.51亿（+0.44%），归母净利536.87万（+145.69%），扣非149.71万（-15.23%），拐点初现 • 2025全年：营收6.13亿，净利452.69万，同比扭亏；消费电子复苏+OLED新品放量 二、5月7日游资爆拉（16.31%）核心数据 • 当日表现：收盘价39.94元（+16.31%），成交额8.01亿，换手率6.56%，上龙虎榜 • 龙虎榜（5.7） ◦ 买一：沪股通6337万；买二：机构2762万；游资营业部合力扫货 ◦ 净买入：317.52万；机构净买2762万，沪股通净卖1558万 • 资金流向：主力净流入3271万，游资净流出3000万（分歧明显） • 年内涨幅：2026年初至今+97.9%，翻倍行情，典型游资+机构合力票 三、明天（5.8）小作文大概率方向（游资常用剧本） 结合题材+筹码+时间点，小作文大概率围绕这3点发酵： 1. 显示芯片国产替代+AI PC/车载催化 ◦ 逻辑：京东方+新相微绑定，AI PC/车载屏驱动芯片订单爆发，填补三星/联电缺口 ◦ 对标：类比澜起科技（存储）/瑞芯微（AIoT），估值修复空间大 2. 业绩拐点+OLED新品量产 ◦ 逻辑：Q1净利+145%，Q2 OLED驱动芯片放量，全年净利有望破1亿，戴维斯双击 3. 次新+小市值+筹码干净 ◦ 逻辑：流通市值~30亿，科创板弹性标的，游资控盘容易，对标大普微（存储次新）连板行情 四、风险提示（小作文不会说的） • 基本面：扣非仍下滑，盈利质量弱；显示芯片行业竞争激烈，三星/联电/奇景压制 • 筹码：5.7游资净流出，分歧大，明天若高开低走易砸盘 • 估值：当前PE~70倍，高于行业均值，情绪溢价为主 我们今天会用关键词跟踪一下这个股的小作文！量化一下情绪面！

咖啡巨头星巴克（Starbucks）正在逐步将菜单中的菜籽油彻底淘汰，转而替换为更健康的脂肪！ 这一举动瞬间引爆了美国公共卫生界。小罗伯特·肯尼迪（Robert F. Kennedy Jr.）更是公开盛赞此举，并再次重申了他的健康铁律：“消灭种子油，才能让美国人更健康！” 菜籽油作为无数家庭厨房里的“常客”，到底隐藏着什么不为人知的健康风险？今天就带你深度解密为什么星巴克要抛弃它，以及我们真正该选什么油。 ⚠️ 1. 菜籽油的“三大原罪”与大脑危机 菜籽油由油菜籽压榨而成，虽然看似天然，但商业化量产的菜籽油存在严重的健康隐患： 高度精炼与化学残留：它是高度工业化的产物，生产中涉及高温脱臭和“己烷”化学溶剂提取。这不仅剥夺了其原有的营养，更会产生反式脂肪。 极易酸败变质：高温和己烷加工破坏了脂肪分子的稳定性，导致Omega-3极易氧化酸败，产生有害的醛类、酮类等毒素。 转基因与农药残留：超过 90% 的商业菜籽油来自转基因作物，并伴随着大量除草剂和杀虫剂的滥用。 更致命的是它对大脑的损伤。发表在《自然》（Nature）子刊上的一项权威研究表明：长期摄入菜籽油（仅相当于人类每天 2 勺的量），会导致小鼠体重显著增加、记忆功能障碍，并使大脑中的β淀粉样斑块（阿尔茨海默症的标志物）大幅增加，直接加速神经退行性病变。大豆油、玉米油、花生油等种子油，同样存在类似问题。 🥑 2. 星巴克的全新选择：牛油果油与橄榄油 抛弃菜籽油后，星巴克将目光投向了牛油果油和特级初榨橄榄油（EVOO）。这类天然脂肪未经过度加工，富含单不饱和脂肪酸（主要是油酸）、抗氧化剂（生育酚、叶黄素、β-胡萝卜素）以及维生素 K 和 E。 特别是特级初榨橄榄油，通过物理冷榨保留了极高浓度的多酚类物质，堪称“液体黄金”。 🛡️ 3. 顶级橄榄油对身体的八大降维打击 调节胆固醇，洗刷血管：富含的油酸能有效降低“坏胆固醇”（LDL），并维持“好胆固醇”（HDL）的水平，同时其强大的抗氧化性还能防止 LDL 被氧化，从源头预防动脉粥样硬化。 强效抗氧化与降血压：丰富的维生素 E 与 40 多种多酚化合物能中和自由基，增加动脉壁弹性，让血压更平稳。 媲美布洛芬的天然抗炎：慢性炎症是百病之源。橄榄油中的多酚（如羟基酪醇）能抑制炎症信号通路。特级初榨橄榄油中更含有一种罕见的“油橄榄素（Oleocanthal）”，它是布洛芬的同源物质，具有极强的天然抗炎阵痛作用。 守护心血管，防血栓：维护血管内皮细胞的完整性，防止血管老化、硬化，并减少血小板聚集，全面降低血栓风险。 修复血脑屏障，降低痴呆风险：临床随机对照试验显示，特级初榨橄榄油能够降低血脑屏障的异常通透性，增强大脑功能连接，有效减轻并预防阿尔茨海默症等神经退行性变化。 激活长寿蛋白（Sirtuin）：哈佛大学 David Sinclair 博士团队发现，橄榄油中的油酸能激活体内的 Sirtuin 长寿蛋白家族，在分子层面延缓细胞老化，提高抗压能力。 天然驻颜剂，防皱抗衰：橄榄油是常见植物油中角鲨烯（Squalene）含量最高的。角鲨烯能维持皮肤的水分屏障，涂抹或食用都能减缓皮肤氧化损伤，防止早生皱纹。 改善肠道微生态：发表在《营养素》等权威杂志的研究证实，橄榄油中的多酚能直接被肠道吸收，显著增加双歧杆菌等有益菌，提高免疫力，甚至有助于控制肥胖、提升饱腹感。 从星巴克的菜单变革可以看出，全球对于“健康脂肪”的认知正在发生深刻的巨变。移除不健康的种子油，换上天然的单不饱和脂肪，不仅仅是一次饮食成分的升级，更是一项对长远健康的终身投资。 你的厨房里还在用菜籽油、大豆油或花生油吗？是时候为了家人和自己的健康狠狠升级了！关注我，一起用营养提升生命质量！

南华早报报道称，中科大博士、现任中科大工程科学学院讲席教授达博已离开日本国立材料科学研究所（NIMS），带着研究团队回到中国。他曾在日本参与前沿半导体项目，其研究被称支撑台积电3nm芯片生产线相关环节；他在中科大官网上的个人简介目前已无法访问。 达博2013年从中科大博士毕业后赴NIMS做博士后，后来成为该机构史上最年轻的独立PI。他还曾在NIMS内部组建一支由中科大毕业生组成的团队，计划在自己回国时整队带回。报道称，他在中国媒体DeepTech采访中说，如果能把中国半导体设备、材料和零部件提升到国际水平，自己的终身努力就值得。

方星海博士背后的证监腐败经济学：10篇学术论文看得刺激！证监会副主席方星海，其博士论文导师是诺贝尔经济学奖得主约瑟夫·E·斯蒂格利茨。方星海被捕的消息公开之后，重新翻看了他的履历：斯坦福经济学博士，世界银行工作经历，上海金融办主任，再到证监会副主席，在中国金融监管体系中，几乎是一份最接近技术官僚理想型的履历。 连他这样一位拥有深厚学术背景和丰富监管经历的官员走到被查这一步，也让证监系统为何频频出现腐败案件再次成为舆论关注的焦点。坊间讨论往往停留在个案层面，谁与谁存在关联，哪家企业上市过程中是否存在利益输送。但从经济学视角看，问题会更加清晰。证监系统中的腐败，其租金究竟来自哪里，利益由谁获得，成本又由谁承担，以及反腐能否真正改变背后的运行机制，才是更值得追问的问题。 过去十几年里，已有一批实证研究试图回答上述问题。相关文献从IPO审核、监管寻租、政治关联、上市公司治理以及资本市场资源配置等多个角度展开分析。我们将与中国证监系统腐败最直接相关的研究整理成一份清单。 六篇最直接研究证监腐败的论文清单。 1. 企业行贿发审委员，到底买到了什么？ Huang, Yan, and Chan（2021），Journal of Corporate Finance，题为《Does Aggressiveness Help? Evidence from IPO Corruption and Pricing in China》。 该论文的分量，在于作者使用了真实发生的行贿案件作为识别依据。研究团队根据法院公开披露的信息，识别出曾向两名创业板发审委员行贿的企业，并进一步匹配了行贿企业、时间、金额等具体信息，再将其与其他IPO申请企业进行比较。 研究发现，行贿行为使企业IPO过会概率提高约17个百分点。与此同时，行贿企业往往获得更高的发行市盈率，但上市首日表现反而更弱，平均涨幅仅为28.6%，低于未行贿企业的40.1%。上市之后，行贿企业的长期市场表现也更差。作者认为，这可能源于行贿企业本身具有更激进的融资策略，希望通过更高的发行价格弥补行贿成本以及相关中介费用。 论文中还有一个很有启发性的事件研究。腐败发审委员被调查或判刑的消息公布后，与其存在关联的企业股价出现更加明显的下跌。但与此同时，即使没有直接行贿关系的企业也受到负面影响。换言之，监管腐败会带来信任外溢效应，投资者难以准确识别哪些企业真正参与其中，于是整个相关板块都会面临估值折价。 在研究我国证监系统腐败的相关文献中，该论文的优势在于直接观察到了行贿关系本身。相比政治关联、官员背景等间接代理变量，真实腐败案件提供了更具说服力的证据。当然，行贿企业并非随机产生，法院披露的案件也可能只是全部腐败行为中的一部分。因此，17个百分点更适合作为特定样本范围内的估计结果，不能简单外推到所有IPO企业。 2. 发审委里的审计机构代表，会不会照顾自己的客户？ Geng, Hau, and Zheng，题为《China's IPO Screening with Partial Regulatory Capture》，Swiss Finance Institute工作论文。 我国过去的发审委制度曾吸收会计师事务所、律师事务所和金融机构等专业人士参与审核。制度设计的初衷，是借助市场专业力量提升审核质量，但同时也带来了潜在的利益冲突。当某家审计机构的人员进入监管决策体系后，该机构与拟上市企业之间便可能产生利用关系网络获益的空间。 论文发现，曾有代表进入监管决策机构的审计所，更容易承接那些刚好跨过财务审核门槛的边缘企业。这些企业获得IPO通过的概率更高，但上市后的表现明显更差。与普通IPO企业相比，其上市后两年的平均买入持有收益率低约45%，会计盈利能力也相对较弱。 作者进一步分析发现，这些审计所在其他上市公司的日常审计业务中，并没有表现出更高的审计质量。它们的优势主要体现在IPO审核环节，更多地体现为监管关系带来的便利，而非专业能力上的领先。 该论文对于理解发审腐败的制度根源具有重要意义。现实中的监管失灵，很少只是个别官员与企业之间的简单交易，更常见的是专业中介机构、审核委员和拟上市企业之间形成了一种长期互动关系。监管需要行业知识，因此需要吸纳市场专业人士参与，但专业人士进入权力核心后，也可能创造新的寻租空间。 3. 前证监官员进了券商，客户为什么更少被查出欺诈？ Chen, Lin, Ng, and Pan（2026），Review of Accounting Studies，题为《Revolving Door at Financial Intermediaries: Evidence from Fraud Allegations Against IPO Clients》。 论文研究的是券商和保荐机构聘用前证监会官员后，会对IPO审核结果产生怎样的影响。研究发现，前监管人员进入券商担任董事或高管后，由该券商保荐的IPO企业，被证监会认定存在欺诈行为的概率明显下降。 更值得注意的是，下降主要来自违规行为被发现的概率降低，而企业实际造假行为本身并没有明显减少。作者进一步将前监管人员带来的旧有关系网络，与其积累的监管专业知识进行区分，发现前者更能解释研究结果。即使违规行为最终被查出，拥有前证监官员的保荐机构，其客户受到的监管处罚也相对更轻。 其中的利益链条，同样清晰可见。保荐机构能够收取更高的服务费用，前监管人员也获得更高的薪酬回报。机构投资者似乎能够识别其中的风险，并在市场交易中做出反应，但普通投资者较难将此类风险充分反映到价格中。 该论文是目前解释我国证监系统旋转门现象较有代表性的研究之一。它揭示的利益交换机制，比直接送钱更加隐蔽。前监管人员带来的价值，可能来自对监管规则的熟悉，对审核重点的掌握，对调查触发机制的了解，甚至包括利用既有关系影响监管发现和处罚结果。 4. 有政治关系的券商，更容易帮客户过会。 Chen, Guan, Zhang, and Zhao（2017），Journal of Banking & Finance，题为《Political Connection of Financial Intermediaries: Evidence from China's IPO Market》。 作者使用2006年至2011年的中国IPO申请数据，以券商董事长或总经理是否具有政府、军队任职经历来衡量政治关联。 研究发现，具有政治关系的承销商能够显著提高客户企业IPO过会的概率。同时，这类券商收取的承销费用也更高，说明企业愿意为关系资本支付额外溢价。进一步分析显示，相关企业上市后的长期市场表现更差，政治关系带来的收益更多流向企业原股东和金融中介，普通投资者并未获得相应回报。样本中政治关联现象十分普遍，约44%的承销商被归入政治关联组。 论文描绘了一条较为完整的利益链条。政治关系提高IPO通过概率，券商借助关系优势收取更高费用，部分质量较弱的企业因此进入资本市场，而由此产生的成本最终由二级市场投资者承担。 5. 2015年金融反腐后，关系对审核的作用下降。 Xiong and Zhao（2021），Pacific-Basin Finance Journal，题为《Guanxi, Media Coverage and IPO Approvals: Evidence from China》。 作者考察了拟上市企业、中介机构与发审委员之间的社会关系，试图分析关系网络在IPO审核中的作用。研究发现，在2015年之前，企业与发审体系中的社会关系能够显著提高IPO过会概率。随着金融领域反腐力度加强，这类关系对审核结果的影响明显减弱。 论文还关注了媒体监督的作用。研究发现，正面媒体报道对IPO结果的影响并不稳定，但负面报道会显著降低企业过会概率。即使企业拥有发审关系，一旦遭遇负面曝光，上市成功率仍会受到明显影响。 该研究适合用来说明反腐和外部监督如何改变关系网络的收益空间。监管环境变化之后，原本能够带来优势的社会关系，其价值受到削弱，媒体曝光也成为约束寻租行为的重要力量。 6. 地方官员晋升前，企业上市会加速。 Piotroski and Zhang（2014），Journal of Financial Economics，题为《Politicians and the IPO Decision: The Impact of Impending Political Promotions on IPO Activity in China》。 严格说，这篇论文研究的并非证监官员腐败案件，但它是理解我国IPO政治经济学绕不开的一项研究。 作者考察地方官员晋升激励与企业上市之间的关系，发现地方官员即将晋升的时期，符合条件的企业更容易启动并完成IPO。这一现象在国有企业和民营企业中都存在。对于民营企业而言，上市窗口尤其重要，因为地方官员调整后，原有的政治联系可能失效，企业倾向于赶在关系网络变化之前完成上市。 研究进一步发现，晋升期上市的企业，后续经营表现和长期股票收益更差，控股股东持股比例更高，也更容易出现募集资金用途调整等现象。换言之，政治周期可能改变企业进入资本市场的节奏，也影响了资本市场资源配置效率。 反腐真的介入之后，发生了什么？ 前面六篇讲的是租金怎么来，接下来四篇换个方向，看反腐真正落地之后，市场和企业发生了什么变化。 7. 中央巡视证监会后，IPO抑价反而上升。 Yan, Li, and Wang（2023），China Journal of Accounting Research，题为《Do Anti-corruption Campaigns Affect IPO Underpricing? Evidence from a Central Discipline Inspection of the CSRC in China》。 作者利用中央巡视组进驻证监会这一制度事件，考察巡视期间完成上市的企业表现。研究发现，巡视期间上市企业的IPO抑价程度更高。作者认为，在巡视压力下，证监会更加重视市场稳定和监管风险控制，因此倾向于批准发行价格相对较低的项目，为上市后的短期上涨留下更大空间。 进一步分析显示，这类企业上市初期市场表现更好，但长期股票收益反而更差。相关影响在民营企业、聘用低质量审计机构的企业，以及所在地区腐败程度较高的企业中更加明显。 论文揭示了一个容易被忽视的机制。反腐检查能够压制监管寻租，但同时也可能改变监管人员的行为激励。在面临更强问责压力时，官员可能更加关注避免市场波动和审核风险，从而采取更保守的定价策略和项目选择标准。因此，反腐带来的短期变化，并不一定完全体现为资源配置效率提升。 8. 反腐削弱了上市公司政治关系的价值。 Chiang and Qin（2025），Economica，题为《How Did the 2012 Anti-corruption Campaign in China Diminish the Value of Political Connections for Listed Companies?》。 论文利用新闻报道中反腐政策强度的变化，考察2012年至2014年反腐运动对中国上市公司的影响。研究发现，反腐运动启动后的前两年，具有政治关联企业的市场价值下降约7.5%，相当于此前政治关系所带来价值的80%至83%。这一影响主要集中在民营企业、生产率较低的企业以及腐败程度较高的地区。 虽然该研究并不专门针对证监系统，但对于理解金融机构和上市企业为何愿意投入大量资源维护监管关系具有重要意义。政治关系本身就是一种具有市场价值的无形资产，能够帮助企业获得融资便利、资源支持和制度优势。反腐行动的推进，相当于显著压缩了这类关系资本的价值。 论文揭示了一个重要机制。企业经营政治关系，并非仅仅为了获得短期便利，主要还是因为这种关系过去能够带来真实的经济回报。当制度环境发生变化，政治关系的稀缺性和有效性下降，依附于关系网络形成的市场溢价也随之减少。 9. 禁止官员当独董后，财务报告质量提高。 Hope, Yue, and Zhong（2020），Contemporary Accounting Research，题为《China's Anti-Corruption Campaign and Financial Reporting Quality》。 2013年的相关规定禁止党政机关官员在上市公司兼职，大量官员独立董事因此退出上市公司治理结构。作者利用这一制度变化构建双重差分模型，考察失去官员董事后企业治理和信息披露的变化。 研究发现，失去官员董事的企业，财务报告质量随后有所改善。这种改善在民营企业、面临再融资压力、曾获得优惠信贷，以及所在地区司法效率较高的企业中更加明显。 研究结果表明，官员董事的作用可能远超一般意义上的政策咨询。他们既可能帮助企业获得融资便利，也可能削弱外部监督压力，使企业面临较低的信息披露约束。在这种情况下，企业维持政治关联的收益，部分来自降低透明度要求和外部治理压力。 10. 官员退出董事会后，企业转向创新和生产率。 Berkowitz, Lin, and Liu（2022），Journal of Law, Economics, and Organization，题为《De-politicization and Corporate Transformation: Evidence from China》。 论文研究的是同一轮官员独董退出事件。作者发现，短期内，失去官员独董的企业融资环境有所恶化，债务成本上升，市场价值也受到负面冲击。但随着时间推移，这些企业开始增加研发投入，引进更多机器设备，生产率和信息透明度逐步提升，经营能力的改善最终抵消了政治关系消失带来的损失。 该研究为理解反腐的长期经济影响提供了更完整的视角。政治关系被削弱后，企业短期内可能面临融资压力和市场估值下降，但与此同时，也会被迫减少对关系资源的依赖，转向技术创新、公司治理和真实经营能力提升。 从更长周期看，反腐并非只意味着切断既有利益网络，也可能推动企业重新建立基于效率和竞争力的发展模式。

字节 Seed，可能是最接近硅谷实验室的团队。 字节这事儿做得还是让我非常敬佩。 如果五年后再回头看字节的 AI 历程，我想，他们今天推出的科学家计划肯定会成为其中一个重要节点。 事情是这样。今天上午，字节 Seed Edge 启动了一个科学家计划，准备邀请 100 位前沿科学领域的学者和博士生，与 Seed 团队一起研究真实的科学问题。 科学家可以把自己领域里真正困难的问题带进来，Seed 提供模型、算力和 AI 研究团队，双方一起探索，大模型究竟能不能参与那些没有标准答案、需要长期推理和反复验证的研究。 看到这个计划，我首先想到的是 OpenAI。 去年，OpenAI 曾经专门推动过 OpenAI for Science，希望让 AI 更深入地参与科学研究。 但到了今年，在激烈的模型竞争下，OpenAI 调整了这方面的组织和投入，原来的独立 Science 团队也被解散了。 Anthropic 也有在做类似的事情。今天还看到他们的研究员在播客里讨论怎么利用 AI 把 10 到 15 年的药物周期研发压到 5 年以内。 看来现在，字节要开始认真做类似的事情了。这是国内第一个大规模投入 AI 加速科学发现的研究计划。 我简单解释两句。 从商业化的角度来看，这事肯定没有 Coding 那么直观。毕竟现在 Coding 只要效果好，很快就能转化为收入。 AI 加速科学发现这样的研究反馈周期会长很多，而且现在看起来还比较遥远。 但只要这个方向取得突破，产生的价值可能远远超过一个软件产品。 大家想想，如果 AI 可以把未来 25 年的科学进展压缩到 5 年，那么到了 2030 年，人类就可能提前拥有原本要到 2050 年才能获得的科学和技术。 这当然是一个非常乐观的判断。但哪怕只在一些领域取得突破，也可能影响几亿人的生活。 往大了说，它可以加快整个人类文明向前推进的速度。 这不就是 AGI 的价值吗？ 可能很多人熟悉字节跳动，但不一定熟悉字节的 Seed 团队。这个团队一直在做深入的前沿研究，而且人才密度很高。前段时间，记得晚点一篇文章提到姚顺雨的观点说： 大模型训练没有银弹。 真正决定模型能力的，还是把数据质量做好，把基础架构做扎实。 OpenAI 和 Anthropic 过去很多年的积累，本质上也是这些看起来没那么性感的基本功。 其实，字节 Seed 很早就在这么做了。不信大家可以查查，Anthropic 从来没有指责过字节蒸馏他们的模型。 因为 Seed 很早就定了一条价值观，不依赖外部闭源模型蒸馏来获取核心能力。还有他们在基础架构、数据上的投入也比较大。 包括 Seedance 2.0 为什么能够一下子炸了，业内一个比较普遍的判断是，字节在数据上做了大量基础工作。 毕竟发展到今天，各家在模型路线上的差距已经没有那么大了。真正拉开差距的，往往是一些脏话累活，以及整个研究团队的文化。 另外，Seed 内部还有一支团队，叫 Seed Edge。 这个团队专门研究一些确定性没有那么高，甚至几年都未必能看到结果的课题。 这次的 STEM 科学家计划，就是由他们发起的。 前段时间我写过的 EdgeBench，也是 Seed Edge 的成果。 他们发现模型从环境中学习，似乎也和预训练一样，存在自己的 Scaling Law。 投入的交互时间越多，模型能力的提升也会遵循一条相对稳定的规律。 我曾经看到过一个观点：培养熵，才是研究实验室长期繁荣的唯一方式。 这里的熵，可以理解成一个研究组织内部保留了多少不确定性、差异和可能性。 因为研究和做产品不太一样。做产品时，目标通常比较明确，组织需要尽快形成共识，把所有人的力量集中到同一个方向上。 但研究面对的往往是未知问题。既然答案还不存在，也就很难提前判断哪条路线是对的。 在这种情况下，如果一个实验室过早形成统一判断，所有人都去研究眼下最热门、最容易出成果的方向，短期效率可能很高，长期却容易陷入同一个局部最优。 大家使用相似的方法，追逐相似的指标，最后得到的也很可能是相似的结果。 真正有创造力的研究组织，需要保留一些暂时无法被证明的想法。 有的人沿着主流路线继续推进，把已有方法做到更好。也有人去研究冷门问题，做一些人可能几年都拿不出明确成果。这就是培养熵。 这些熵当然会带来噪声，带来争论，甚至带来失败。但新的突破往往就是在这种状态里酝酿出来的。 回头看那些长期保持创造力的研究实验室，其实都有类似的特点。 说实话，字节做这件事，我也挺意外。因为过去类似的构想，基本上都是硅谷公司在做。 中国互联网公司过去给人的印象，一直是产品能力和商业化能力特别强。 它们很擅长把一项技术迅速做成产品，再推到足够大的用户规模。 字节 Seed 愿意在这个阶段认真投入这件事，挺让人振奋的。 因为模型能力提升越来越快，很多短期指标都会迅速被后来者追平。这样的前沿性的探索，会真正决定模型的上限。

最近我有个手握十篇AI顶会的博士朋友正在找工作，分享一下他找工作的经验吧： 整理了 50 多篇青云、Seed、Kimi 等大模型人才计划面经，发现一个挺反常识的现象： 论文多的人，不一定更容易通过。 面试官真正关心的通常不是论文数量，而是几个更具体的问题： 你的研究方向和团队是否匹配？工作里哪些部分是自己完成的？为什么这样设计？方法在哪些场景会失败？换到真实业务里，成本和收益是否仍然成立？ 研究型团队会重点考察问题定义、方法创新、实验设计和未来研究方向。但对于后训练、Agent 和推理系统岗位，工程闭环同样重要： 能不能搭建数据、训练、rollout 和评测流程？是否真正用过 verl、vLLM、Ray、DeepSpeed？遇到 reward 异常、熵崩溃、显存不足或吞吐下降时，能不能定位原因？ 所以常见的四类候选人，大致是： 1. 论文强、工程弱：Research Talk 有优势，但容易挂在 Coding、系统实现和工程追问。 2. 工程强、论文弱：业务组适配度不错，但需要证明自己不只是调用框架，也能定义和分析问题。 3. 论文和工程都强：竞争力最高，但面试官会重点确认工作是否真正由自己主导。 4. 两边都不突出：与其继续堆零散经历，不如完成一个方向匹配、指标完整、能讲清失败案例的闭环项目。 人才计划不一定选择履历最豪华的人，更可能选择： 1. 方向匹配，并且能够独立把问题推进下去的人。 2. 一篇能讲透、能复现、能落地的工作，可能比几篇说不清个人贡献的论文更有说服力

前 OpenAI 研究科学家田永龙已确认加入腾讯混元团队，未来将参与视觉语言模型相关研发。 田永龙本科毕业于清华大学，在麻省理工学院（MIT）获得博士学位，曾先后在谷歌研究院（Google Research）、Google DeepMind 担任高级研究科学家，主要研究计算机视觉与生成式模型。 这是腾讯混元继去年十二月招募首席 AI 科学家姚顺雨后，引入的又一位顶尖华人 AI 研究员。

牛市躺平的同时打算成立一个小的研究团队（3 人）专门探索和思考Defi 赛道的新范式，产出报告的同时也通过二级炒币（ 标的不限于Defi）来验证成果，希望能找到志同道合的大佬们加入。基础薪资 8-10k USD/month，我自己会提供 10M的炒币资金，所有 carry 部分全部分给研究员&交易员，欢迎各位身在顶级机构但想有更多自主权和应得回报的分析师/工程师/交易员加入！ 简历请发至 ritalya502@gmail.com，觉得自己简历一般般的可以附加一小段你对Defi 领域未来发展趋势或者投资逻辑来补足～ 加分项：计算机科学、软件工程、密码学或相关领域的博士，有相关领域的研究或工作经验，特别是在DeFi、区块链、量化基金或金融科技领域的经验，在交易系统或在DeFi项目中担任技术角色、贡献过相关代码者优先考虑。