普通研发如何培养商业思维
过去很长一段时间，我都认为商业思维与研发人员相距甚远。研发人员更熟悉的是需求、进度、技术方案、稳定性、性能和上线风险。遇到问题时，第一反应通常是：如何处理，如何分解，如何实施，以及如何确保不出差错。这些技能无疑至关重要。然而，在业余时间开始制作自己的产品后，我越来越明显地意识到：制造出来仅仅是第一步。功能可以被构建出来，但这并不意味着人们需要它。产品看起来很完整，但这并不意味着人们愿意为它付费。AI工具看起来很酷，但这并不意味着它真正解决了某类人的实际问题。我现在对商业思维的解读不是关于高喊增长或使用销售
AI 驱动药物问世，注入人体开启新篇章
人工智能亲手研发的药物首次进入人体循环系统。您可能还记得 2020 年那条引起广泛关注的新闻：DeepMind 的 AlphaFold 攻克了困扰生物学界长达 50 年的蛋白质折叠难题。当时，人们普遍欢呼，认为它已经“理解”了生命的运作机制。然而，从理解机制到制造出实际产品，中间的差距是巨大的。Isomorphic Labs 所做的，正是弥合这一差距，实现“从蓝图到成功试飞”的过程。Hassabis 将这家公司命名为“Isomorphic”，在数学中意为“同构”。他认为，生命的底层规律与信息的底层规律是相
中兴通讯净利腰斩陷规模陷阱，增收难增利
文|财经观察 人工智能的全面爆发，带动了“光模块”领域的行情井喷。 身处AI算力赛道风口的相关企业，均受到资本市场的热烈追捧。相比之下，比“光模块”更早启动的算力与云计算板块，如今已出现显著分化。 4月28日晚，富士康工业(62.880, -3.38, -5.10%)披露一季报，财报显示，公司季度营收达2510.78亿元，同比增长56.52%；归母净利润105.95亿元，同比增长102.55%，至此，富士康工业已连续三个季度净利润突破百亿元。 对于业绩快速增长的原因，富士康工业表示，得益于AI算力需求持续
电信体系中标3.1亿元AI建设项目
采购代理机构：上海百通项管科技有限公司采购需求：本次项目将深化建设人工智能全栈能力开发服务平台，覆盖算力支撑平台、数据工程平台、模型开发平台、智能体构建平台以及对外运营服务平台等模块。平台建成后，将支持影像与多模态大模型的研发工作，并结合语料与模型迭代，推动“人工智能+”相关场景应用的开发落地。1、定制化软件开发2、成品软件购置3、硬件设备购置提供数据预处理服务、数据清洗平台、数据标注平台、数据测试平台、数据封装平台、数据加工管理平台、临床试验患者智能招募、高性能训推节点、云平台-管理节点、云平台-网络节
软磁巨头业绩亮眼，AI浪潮助推营收增长
本期报告上年同期同比增减营业总收入18.02亿元16.63亿元8.38%营业成本10.44亿元9.86亿元5.88%销售费用2,496.74万元2,660.56万元-6.16%管理费用7,722.03万元8,392.60万元-7.99%财务费用1,612.44万元965.23万元67.05%研发费用1.52亿元1.17亿元29.38%所得税费用5,385.11万元4,664.18万元15.46%2025年年度主营业务利润为4.70亿元，去年同期为4.24亿元，同比小幅增长10.80%。虽然研发投入本期达到
人工智能化学语言模型揭示多种未知代谢物
探究哺乳动物分子暗奥秘人工智能「化学语言系统」识别出数十种前所未见代谢产物，可为制药行业发现全新干预目标。Fei Wang、Russ Greiner计算机学科博士生Fei Wang（左）、计算机科学专家Russ Greiner（右）、生物化学研究者David Wishart（未入镜）属于一支国际合作团队。该团队开发AI化学语言系统DeepMet，能够辨识哺乳生物体内尚未被发现的代谢产物。摄影：Scott Lilwall/Amii宇宙学家将维持宇宙万物的神秘无形物质定义为暗物质。据推测，这类看不见的暗物质占
A股榜单谁称王：盈利、研发与分红
4月30日，A股上市公司2025年年报披露工作全部完成，整体经营表现依旧稳健，展现出中国经济的韧性与活力。 Wind数据显示，截至4月30日午间，已有5506家A股上市公司披露2025年年报。剔除金融股以及“三桶油”后，上市公司合计营收为57.46万亿元，同比增长1.23%；合计归母净利润为2.22万亿元，同比小幅下降0.33%。 剔除金融股后，中国石油(12.220, -0.03, -0.24%)成为A股“盈利王”。公司2025年实现营业收入2.86万亿元，归母净利润1573.02亿元。此外，中国移动(
电子行业研发投入首超建筑，仅27家公司具备“三优”特质
2025年，A股市场正经历一场从注重规模扩张转向聚焦创新驱动的重大变革。全年研发支出高达1.91万亿元，占营收比重达到近十年来的峰值，上市公司将超过三分之一的净利润用于技术研发。电子、汽车等高科技产业成为研发投入的主要领域，一批企业连续五年实现了研发投入与业绩增长的双轨并行。A股研发强度创近十年新高据证券时报·数据宝的统计，2025年A股上市公司整体的研发投入达到了1.91万亿元，研发支出占公司营收的比例为2.62%，这两项数据均创下了近十年的最高纪录。更进一步来看，A股的研发投入相当于其净利润的35.4
BVP报告：打造AI时代的生物原生数据基建
2026年4月12日，美国著名风投Bessemer Venture Partners（BVP）发布了一份报告，阐述了AI时代生物原生数据基础设施的三大核心准则，并强调这将彻底变革药物研发流程，确立下一代顶尖生物技术公司的标准。长久以来，药物研发一直是一个通过反复试错来验证生物学假设与临床现实的过程。虽然科技持续进步，但从靶点发现到锁定临床候选药物，周期往往超过五年，且进入临床试验阶段的药物有近90%会遭遇失败。随着治疗环境的演变和药物类型的复杂化，每款获批药物的研发成本每九年翻一番也就不足为奇了。药物研发
信达生物的AI战略布局
一、AI赋能药物研发2024年7月，信达生物携手唯信计算，合力推动国清院计算平台的优化与升级，借助人工智能技术构建集高效、智能、自动化于一体的药物研发平台，从而削减研发开支、压缩研发周期并提升研发成功率。二、全集团AI工作模式升级2026年4月27日，信达生物同钉钉达成框架合作协议，双方合作由办公协同向人工智能应用全面跃升，核心在于推进“悟空”试点项目，意在推动全集团AI工作模式的革新。具体落地举措1.AI工具落地：依托企业专属平台“信达钉”，优先部署AI听记、AI表格等核心AI产品，把智能工具深度嵌入日
硅谷AI万亿估值：华人拼在前线
我们日常频繁使用的 ChatGPT、Claude、Midjourney 等 AI 应用，早已悄然融入生活；但不少人并不了解，支撑全球最前沿 AI 不断突破的研发核心圈层里，华人始终是关键力量之一。以 OpenAI 最新图像模型 Images 2.0 为例，十三人专项研发团队全员为亚裔，华人从业者占比更是过半；Meta 超级智能实验室的十一位核心研究员里，有七位具备华裔背景；Anthropic 的主打产品 Claude Code，核心产品负责人同样是一位 90 后华裔女性。从掌舵芯片大厂的行业领军者，到硅谷
AI赋能ADC设计：为“生物导弹”装上智能导航系统
早期的ADC研发主要依赖X射线晶体学与分子对接技术，然而抗体中那些柔性的区域（例如CDR-H3环）以及完整的IgG结构往往难以解析。虽然分子动力学模拟能展示动态细节，但其受限于高昂的计算开销以及力场精度的不足。人工智能与机器学习的加入彻底颠覆了这一局面。深度学习能够从庞大的序列-结构数据集中自动提取关键特征，从而预测抗体的可开发性、优化连接子结构并筛选毒素与抗体的最佳组合。现在的ADC研发已从单纯的“试错法”迈向了“预测驱动”的新阶段。主线一：经验筛选 → AI预测 → 理性设计AlphaFold2虽能以
Meta加码人形机器人，收购AI新星加速技术攻坚
Meta Platforms已成功将专注于机器人人工智能的初创企业Assured Robot Intelligence纳入麾下，此举旨在加速其在人形机器人技术研发方面的步伐。该项收购已于5月1日正式完成，但具体的交易金额并未对外公布。 Assured Robot Intelligence的核心业务在于为机器人构建人工智能模型，其研发的技术能够赋予机器人在复杂多变的动态环境中感知、预测并适应人类行为的能力。Meta的发言人表示，这家初创公司“在机器人智能领域处于领先地位”。 此次收购正值Meta加大对人形机
五角大楼采购变革，国防初创企业迎来新机遇
随着美国国防部拓宽供应商选拔渠道，新一代国防科技初创企业逐渐成为焦点 内容摘要 五角大楼已彻底改革采购机制，致力于采购更具性价比的武器，并引入新兴国防初创企业的报价，不再局限于传统的军工主承包商。 美国国防部的采购策略正在发生深刻转变。 业内高管指出，五角大楼正在拓宽供应商选拔范围，不再单纯依赖传统“军工主承包商”，而是寻求更廉价的武器装备和更有竞争力的投标报价，同时增加研发投入。 这一变化导致：新一代国防科技初创企业正式进入行业视野。 目前，民营国防企业获得大量风险投资支持，竞相在政府新项目中脱颖而出。
AI制药：资本热潮下的技术挑战与未来走向
步入2026年，人工智能在制药领域的应用呈现出愈发迅猛的态势。三月中旬，罗氏公司宣布进一步扩建其全球人工智能基础设施，成功在美国和欧洲部署了2176个高性能GPU；同期，礼来公司正式启用其医药人工智能工厂LillyPod，并与英伟达达成协议，将在未来五年内斥资超过10亿美元，共同建立人工智能联合创新实验室。两家大型跨国公司所合作的英伟达BioNeMo平台，采用了“实验室内循环”（Lab in the Loop）的模式，旨在构建数字实验室并探索个性化模型的应用。这与前几年AI工具的外包和零散应用方式截然不同