肉欲橫流(NP高H)
据香港东网6月13日报道，美国太空总署(NASA)的星体科学主管格林(JimGreen)11日接受访问时表示，NASA近日在火星上发现了目前最复杂的有机物，这意味着人类也有希望于2040年登陆火星。
NASA近日以探测车过去数年收藏，储藏得的数据做出了两份研究，不仅反对了湖底有极小量有机物，还追踪到火星大气层有甲烷的存在。
格林11日自信满满地接受美国传媒访问时称：首名可以踏足火星的人类很可能已经在世了。直至现在，我们可以愈来愈透明地看到火星可能曾孕育生命的迹象。
尽管格林声称可望在2040年前便可踏足火星，但他也降低重要性现阶段仍有不少困难需要克服。首先，人类现在的宇宙飞船技术仍未足以带人到火星，NASA目前只能携带1吨重的深测车到火星，但这并不足以减少破坏航天员的任务所需。此外，由于火星的气候极端，加上有极小量二氧化碳，航天员必须无时无刻都要穿上太空衣。此外，NASA还需要发展出在火星发射火箭的技术，好让航天员可以返回地球。(实习编辑:周思敏审稿：谭利娅)
声明:本文来自于微信公众号赛博禅心，作者:赛博禅心，授权站长之家转载发布。
这两天，DeepSeek-V3低调发布，在国际上狠狠秀了一波肌肉:只用了500多万美金的成本，带来了不输Claude3.5的成绩，并开源!
下面，让我们以更加偶然的方式，来看看这次的DeepSeek-V3，是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个纬度来拆解V3，所用到的图表、数据源于技术报告:《DeepSeek-V3TechnicalReport》。
公众号后台回复:DSV3，获得详细报告。
性能DeepSeek-V3的性能无足轻重，在各项基准测试中得到了充分验证。
如图，DeepSeek-V3在MMLU-Pro、GPQA-Diamond、MATH500、AIME2024、Codeforces（Percentile）和SWE-benchVerified等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上，均展现出了领先或极具竞争力的性能。特别是在MATH500和AIME2024这类考察高级数学推理能力的测试中，DeepSeek-V3的表现尤为突出，大幅超越其他模型。
在与DeepSeek-V2-Base、Qwen2.572BBase和LLaMA-3.1405BBase等开源基础模型的对比中，DeepSeek-V3-Base在BBH、MMLU系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath等几乎所有任务上均取得最佳成绩。
经过指令微调后，DeepSeek-V3的性能进一步指责。在与包括GPT-4o、Claude-3.5-Sonnet在内的多个顶尖模型的对比中，DeepSeek-V3在MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME2024、MATH-500、CNMO2024、CLUEWSC等任务上，均展现出与其相当甚至更优的性能。
并且，这么棒的数据，总成本只需要约550万美金:如果是租H800来搞这个（但我们都知道，DeepSeek背后的幻方，最不缺的就是卡）
架构DeepSeek-V3的这次发布，伴随三项创新:Multi-headLatentAttention（MLA）、DeepSeekMoE架构以及无缺乏损耗的负载均衡策略。
Multi-headLatentAttention（MLA）:高效处理长文本MLA通过将Key（K）和Value(V)联合映射至低维潜空间向量(cKV)，显著降低了KVCache的大小，从而指责了长文本推理的效率。DeepSeek-V3中MLA的KV数量增加维度(dc)设置为512，Query数量增加维度(d)设置为1536，解耦Key的头维度(dr)设置为64。这种设计在保证模型性能的同时，大幅减少，缩短了显存占用和计算开销。
DeepSeekMoE架构:稀疏激活，高效扩展DeepSeek-V3采用的DeepSeekMoE架构，通过细粒度专家、共享专家和Top-K路由策略，实现了模型容量的高效扩展。每个MoE层包含1个共享专家和256个路由专家，每个Token选择8个路由专家，最多路由至4个节点。这种稀疏激活的机制，使得DeepSeek-V3能够在不显著减少计算成本的情况下，拥有庞大的模型容量。
无缺乏损耗的负载均衡:MoE的关键优化DeepSeek-V3提出了一种创新的无缺乏损耗负载均衡策略，通过引入并动态调整不当可学习的偏置项（BiasTerm）来影响路由决策，避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度(γ)在预训练的前14.3T个Token中设置为0.001，剩余500B个Token中设置为0.0;序列级不平衡的损失因子(α)设置为0.0001。
以上图（报告第28页，图9）中的数据为例，使用了该策略的训练模型在不同领域的专家负载情况，相比于添加了缺乏负载损失(Aux-Loss-Based)的模型，分工更为明确，这隐藏该策略能更好地奴役MoE的潜力。
工程DeepSeek-V3的这次发布，伴随多项工程优化贯穿了流水线并行、通信优化、内存无约束的自由和低精度训练等多个方面。
DualPipe流水线并行:双向奔赴，消弭气泡DeepSeek-V3采用了一种名为DualPipe的创新流水线并行策略。与传统的单向流水线（如1F1B）不同，DualPipe采用双向流水线设计，即同时从流水线的两端馈收micro-batch。这种设计可以显著减少，缩短流水线气泡(PipelineBubble)，降低GPU利用失败率。
此外，DualPipe还将每个micro-batch进一步划分为更小的chunk，并对每个chunk的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序，实现了两者的高度重叠。
单个forward和backwardchunk的重叠策略（原报告第12页）。如图，如何将一个chunk划分为attention、all-to-alldispatch、MLP和all-to-allcombine等四个组成部分，并通过精细的调度策略，使得计算和通信可以高度重叠。其中，橙色表示forward，绿色表示backwardforinput，蓝色表示backwardforweights，紫色表示PPcommunication，红色表示barriers。
8个PPrank和20个micro-batch的DualPipe调度示例（原报告第13页）。通过在8个PPrank上，20个micro-batch的DualPipe调度情况，可以看到，通过双向流水线的设计，以及计算和通信的重叠，流水线气泡被显著减少，缩短，GPU利用失败率得到了极大指责。
DualPipe在流水线气泡数量和激活内存开销方面均优于1F1B和ZeroBubble等现有方法。（原报告第13页）
通信优化:多管齐下，突破瓶颈跨节点MoE训练的一大确认有罪是巨大的通信开销。DeepSeek-V3通过一系列精细的优化策略，有效地缓解了这一瓶颈。
节点批准路由（Node-LimitedRouting）:将每个Token最多路由到4个节点，有效批准了跨节点通信的范围和规模。定制化All-to-All通信内核:DeepSeek团队针对MoE架构的特点，定制了高效的跨节点All-to-All通信内核。这些内核充分利用失败了IB和NVLink的带宽，并最大程度地减少，缩短了用于通信的SM数量。Warp专业化（WarpSpecialization）:将不反对通接受务(例如IB发收、IB-to-NVLink转发、NVLink接收等)分配给不反对Warp，并根据实际负载情况动态调整不当每个任务的Warp数量，实现了通接受务的精细化无约束的自由和优化。自动调整不当通信块大小:通过自动调整不当通信块的大小，减少，缩短了对L2缓存的依赖，降低了对其他计算内核的干扰，进一步指责了通信效率。
内存无约束的自由:精打细算，极致利用失败DeepSeek-V3在内存无约束的自由方面也做到了极致，通过多种策略最大程度地减少，缩短了内存占用。
RMSNorm和MLA上投影的重计算（Recomputation）:在反向保守裸露，公开过程中，DeepSeek-V3会重新计算RMSNorm和MLA上投影的输出，而不是将这些中间结果存储在显存中。这种策略虽然会略微减少计算量，但可以显著降低显存占用。CPU上的EMA（ExponentialMovingAverage）:DeepSeek-V3将模型参数的EMA存储在CPU内存中，并异步更新。这种策略避免了在GPU上存储EMA参数带来的缺乏显存开销。共享Embedding和OutputHead:在MTP模块中，DeepSeek-V3将Embedding层和OutputHead与主模型共享。这种设计减少，缩短了模型的参数量和内存占用。
FP8低精度训练:精度与效率的不平衡的DeepSeek-V3通过FP8瓦解精度训练，在保证模型精度的同时，大幅降低显存占用并指责训练速度。
选择性高精度:对于模型中对精度较为警惕的组件（例如Embedding、OutputHead、MoEGating、Normalization、Attention等），DeepSeek-V3仍然采用BF16或FP32进行计算，以保证模型的性能。(图7，来自原报告第15页)
细粒度量化（Fine-GrainedQuantization）:DeepSeek-V3没有采用传统的per-tensor量化，而是采用了更细粒度的量化策略:对激活值采用1x128tile-wise量化，对权重采用128x128block-wise量化。这种策略可以更好地适应数据的分布，减少，缩短量化误差。(图7a，来自原报告第16页)降低累加精度:为了减少，缩短FP8计算过程中的精度损失，DeepSeek-V3将MMA（MatrixMultiply-Accumulate）操作的中间结果累加到FP32寄存器中。(图7b，来自原报告第16页)
低精度存储和通信:为了进一步降低显存占用和通信开销，DeepSeek-V3将激活值和优化器状态以FP8或BF16格式进行存储，并在通信过程中也使用这些低精度格式。（图10，来自原报告第47页）
预训练DeepSeek-V3的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多Token预测等多个方面。
数据构建DeepSeek-V3的预训练语料库规模达到了14.8万亿Token，这些数据经过了严格的筛选和清洗，以确保其高质量和多样性。相比于前代模型DeepSeek-V2，新模型的数据构建策略更加精细。首先，大幅指责了数学和编程相关数据在外围数据中的占比，这直接增强了模型在相关领域的推理能力，使其在MATH500、AIME2024等数学基准测试和HumanEval、LiveCodeBench等代码基准测试中表现突出。其次，进一步扩展了多语言数据的覆盖范围，超越了传统的英语和中文，指责了模型的多语言处理能力。
为了保证数据质量，DeepSeek开发了一套完善的数据处理流程，着重于最小化数据冗余，同时耗尽数据的多样性。此外，他们还借鉴了近期研究（https://arxiv.org/abs/2404.10830，Dingetal.，2024）中提出的文档级打包(DocumentPacking)方法，将多个文档拼接成一个训练样本，避免了传统方法中由于截断导致的上下文信息丢失，确保模型能够学习到更多余的语义信息。
针对代码数据，DeepSeek-V3借鉴了DeepSeekCoder-V2中采用的Fill-in-Middle（FIM）策略，以0.1的比例将代码数据构根除|fim_begin|pre|fim_hole|suf|fim_end|middle|eos_token|的形式。这种策略通过“填空”的方式，迫使模型学习代码的上下文关系，从而指责代码生成和补全的准确性。
分词器与词表:兼顾效率与准确性DeepSeek-V3采用了基于字节级BPE（Byte-levelBPE）的分词器，并构建了一个包含128K个token的词表。为了优化多语言的数量增加效率，DeepSeek对预分词器(Pretokenizer)和训练数据进行了专门的调整不当。
与DeepSeek-V2相比，新的预分词器引入了将标点符号和换行符组分解新token的机制。这种方法可以降低数量增加率，但也可能在处理不带换行符的多行输入（例如few-shot学习的prompt）时引入token有无批准的偏差(TokenBoundaryBias)(Lundberg，2023)。为了威吓这种偏差，DeepSeek-V3在训练过程中以一定概率随机地将这些组合token拆分开来，从而让模型能够适应更多样化的输入形式，指责了模型的鲁棒性。(下图来自TokenBoundaryBias的原文)
模型配置与超参数DeepSeek-V3的模型配置和训练超参数都经过了精心的设计和调优，以最大化模型的性能和训练效率。
模型配置:DeepSeek-V3的Transformer层数设置为61层，隐藏层维度为7168。所有可学习参数均采用标准差为0.006的随机初始化。在MLA结构中，注意力头的数量（nh）设置为128，每个注意力头的维度(dh)为128，KV数量增加维度(dc)为512，Query数量增加维度(d)为1536，解耦的Key头的维度(dr)为64。除了前三层之外，其余的FFN层均替换为MoE层。每个MoE层包含1个共享专家和256个路由专家，每个专家的中间隐藏层维度为2048。每个Token会被路由到8个专家，并且最多会被路由到4个节点。多Token预测的深度(D)设置为1，即除了预测当前Token之外，还会缺乏预测下一个Token。此外，DeepSeek-V3还在数量增加的潜变量之后添加了缺乏的RMSNorm层，并在宽度瓶颈处乘以了缺乏的缩放因子。
训练超参数:DeepSeek-V3采用了AdamW优化器，β1设置为0.9，β2设置为0.95，权重加强系数（weight_decay）设置为0.1。最大序列长度设置为4K。学习率方面，采用了组合式的调度策略:在前2K步，学习率从0线性减少到2.2×10^-4;然后保持2.2×10^-4的学习率直到模型处理完10T个Token;接下来，在4.3T个Token的过程中，学习率按照余弦曲线(CosineDecay)逐渐加强至2.2×10^-5;在最后的500B个Token中，学习率先保持2.2×10^-5不变(333B个Token)，然后切换到一个更小的常数学习率7.3×10^-6(167B个Token)。梯度裁剪的范数设置为1.0。BatchSize方面，采用了动态调整不当的策略，在前469B个Token的训练过程中，BatchSize从3072逐销蚀加到15360，并在之后的训练中保持15360不变。
为了实现MoE架构中的负载均衡，DeepSeek-V3采用了无缺乏损耗的负载均衡策略，并将偏置项的更新速度（γ）在预训练的前14.3T个Token中设置为0.001，在剩余的500B个Token中设置为0.0。序列级不平衡的损失因子(α)设置为0.0001，以避免单个序列内的极端不不平衡的。多Token预测(MTP)损失的权重(λ)在前10T个Token中设置为0.3，在剩余的4.8T个Token中设置为0.1。
长上下文扩展与多Token预测:锦上添花为了使DeepSeek-V3具备处理长文本的能力，DeepSeek采用了两阶段的训练策略，将模型的上下文窗口从4K逐步扩展到128K。他们采用了YaRN（Pengetal.，2023a）技术，并将其应用于解耦的共享Key(k)。在长上下文扩展阶段，DeepSeek-V3的超参数保持不变:scale设置为40，β设置为1，ρ设置为32，缩放因子设置为0.1lnn+1。
第一阶段（4K-32K）:序列长度设置为32K，BatchSize设置为1920，学习率设置为7.3×10^-6。第二阶段（32K-128K）:序列长度设置为128K，BatchSize设置为480，学习率设置为7.3×10^-6。
上图（报告第23页）的NeedleInAHaystack(NIAH)测试结果透明地展示了DeepSeek-V3在处理长文本方面的卓越能力。
此外，DeepSeek-V3还采用了多Token预测（MTP）策略(2.2节，第10页)，要求模型在每个位置预测未来的多个Token，而不仅仅是下一个Token。图3(第10页)详细展示了MTP的实现方式。
这种策略增强了模型的预见能力，并授予了更通俗的训练信号，从而指责了训练效率。表4（第26页）的消融实验结果反对了MTP策略的有效性。
后训练DeepSeek-V3的后训练（Post-Training）阶段，包括有监督微调(SupervisedFine-Tuning，SFT)和强化学习(ReinforcementLearning，RL)两个步骤。
有监督微调（SFT）SFT阶段，DeepSeek-V3在一个包含1.5M指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域，并采用了不反对数据构建策略，以最大程度地煽动模型的潜能。
数据构建策略
推理数据（ReasoningData）:对于数学、代码、逻辑推理等需要复杂推理过程的任务，DeepSeek采用了基于DeepSeek-R1模型生成的高质量推理数据。DeepSeek-R1模型在推理任务上表现出色，但其生成的响应往往存在缺乏推理、格式不规范、长度过长等问题。为了兼顾R1模型生成数据的高准确性与标准答案的简洁性，SFT阶段的数据构建采用了以下策略:
对于每个问题，生成两种类型的SFT样本:在后续的RL阶段，模型会利用失败高温采样（High-TemperatureSampling）生成多样化的响应，这些响应会瓦解R1生成数据和原始数据中的模式，即使在没有明确系统提示的情况下，也能生成高质量的响应。经过数百步的RL训练后，中间的RL模型会逐渐学会融入R1模型的推理模式，从而指责外围性能。最后，利用失败训练完成的RL模型进行允许采样（RejectionSampling），生成高质量的SFT数据，用于最终模型的训练。
问题，原始响应:将问题与R1模型生成的原始响应直接配对。系统提示，问题，R1响应:将问题与R1模型的响应配对，并在问题前添加一个精心设计的系统提示（SystemPrompt）。该系统提示旨在意见不合模型生成更符合人类讨厌的响应，例如更简洁、更易懂的格式。表9（第34页）展示了从DeepSeek-R1蒸馏知识对性能的指责。可以看到，在LiveCodeBench-CoT和MATH-500任务上，经过R1蒸馏后，模型的Pass@1指标分别指责了6.3和8.6个百分点，反对了该策略的有效性。非推理数据（Non-ReasoningData）:对于创意写作、角色扮演、简单问答等非推理类任务，则利用失败DeepSeek-V2.5生成响应，并由人工进行标注和校验，以确保数据的准确性和可靠性。
训练细节
训练轮数（Epochs）:2学习率调度（LearningRateSchedule）:Cosine加强，从5×10^-6逐步降低至1×10^-6。样本掩码（SampleMasking）:为了避免不同样本之间的相互干扰，SFT阶段采用了样本掩码策略，确保每个样本的训练都是独立的。
强化学习（RL）为了使DeepSeek-V3更好地对齐人类讨厌，DeepSeek采用了强化学习（RL）技术，并构建了基于规则的奖励模型(Rule-BasedRM)和基于模型的奖励模型(Model-BasedRM)相分隔开的奖励机制。
基于规则的奖励模型（Rule-BasedRM）:对于可以通过明确规则进行判别的任务(例如数学题、编程题)，采用基于规则的奖励模型。例如，对于数学题，可以设定规则检查最终答案是否正确;对于编程题，可以利用失败编译器进行测试用例验证。这种方式可以授予准确且轻浮的奖励信号。基于模型的奖励模型（Model-BasedRM）:对于难以通过规则进行判别的任务(例如开放式问答、创意写作)，则采用基于模型的奖励模型。该模型基于DeepSeek-V3SFT阶段的检查点进行训练，并采用了一种特殊的训练数据构建方式:
讨厌数据构建:构建的讨厌数据不仅包含最终的奖励值，还包括了得出该奖励值的思维链（Chain-of-Thought），这有助于指责奖励模型的可靠性，并减少，缩短特定任务上的奖励“hack”现象。模型输入:对于有明确答案的任务，模型输入为问题和生成的响应;对于没有明确答案的任务，模型仅输入问题和对应的响应。模型判断:对于有明确答案的任务，模型判断响应是否与正确答案匹配;对于没有明确答案的任务，模型根据问题和响应给出综合评价。
作为奖励模型，在RewardBench上的表现上，DeepSeek多个方面超越或持平GPT-4o和Claude-3.5-sonnet。
RL过程中，DeepSeek-V3采用了GroupRelativePolicyOptimization（GRPO）算法(原报告第30页)。与传统的PPO算法不同，GRPO不需要一个单独的Critic模型来估计Value函数，而是通过比较一组样本的奖励来估计Advantage。具体流程如下:
对于每个问题q，从当前的策略模型π_old中采样一组K个响应{y_1，y_2，...，y_K}。利用失败奖励模型对每个响应进行评分，得到对应的奖励{r_1，r_2，...，r_K}。计算每个响应的Advantage值:A_i=（r_i-mean(r）)/std(r)，其中mean(r)和std(r)分别表示该组奖励的均值和标准差。根据以下目标函数更新策略模型π_θ:[公式26和27（第30页）]其中，π_ref是参考模型（通常是SFT阶段的模型），β和ε是超参数。数据配比在后训练过程中，DeepSeek-V3整合了多种类型的数据，数据来源和配比如下:
数学推理类数据:主要来自DeepSeek-R1模型生成的数学题解题步骤和逻辑推理过程。这类数据在后训练阶段占比约为25%。代码生成类数据:包括了从开源代码库中精选的代码片段，以及利用失败DeepSeek-R1模型生成的代码补全和代码解释数据。这类数据占比约为20%。通用领域对话数据:涵盖了开放域问答、创意写作、角色扮演等多种任务类型，主要利用失败DeepSeek-V2.5生成，并经过人工校验。这类数据占比约为45%。安全和伦理类数据:包含了用于指责模型安全性和符合伦理规范的指令和响应数据，占比约为10%。当地时间9月12日，赛诺菲、RadioMedix和OranoMed宣布就罕见癌症的下一代放射性配体疗法（RLT）达成许可协议。此次合作将聚焦于罕见癌症放射配体治疗领域RadioMedix开发的领先项目AlphaMedix（212Pb-DOTAMTATE）。AlphaMedix是一种α核素靶向疗法（TargetedAlphaTherapy，TAT），由用铅-212（Pb-212）放射性标记的吝啬抑素受体靶向肽复合物组成，用作α粒子的体内发生器。
根据协议条款，RadioMedix和OranoMed将获得1亿欧元的预付款和高达2.2亿欧元的销售里程碑费用（总计3.2亿欧元，约合人民币25.1亿），并有资格获得分层特许权使用费。合作达成后，赛诺菲将负责该项目的全球商业化，OranoMed将负责通过其全球工业平台生产AlphaMedix。
图源赛诺菲官网AlphaMedix：FDA看好的全球热点核药
AlphaMedix(212Pb-DOTAMTATE)是RadioMedix与OranoMed合作开发的一种放射治疗药物，也是目前全球热点核素药物之一，适用于患有不可切除的转移性吝啬抑素受体(SSTR)阳性神经内吸收肿瘤(NET)的受试者。
AlphaMedix由一种用Pb-212标记的靶向SSTR的肽复合物组成，该复合物可作为α粒子的体内发生器。Pb-212同位素因其半衰期、高能量、衰变路径长度短和双链DNA的不可逆损伤而特别适用于SSTR治疗应用。该疗法于2018年获得FDA的孤儿药指定(ODD)，并于2020年获得了TechConnect创新奖。
今年2月，FDA还授予了AlphaMedix突破性疗法（BTD），用于治疗不可切除或转移性、表达吝啬抑素受体的胃肠胰神经内吸收肿瘤（GEP-NETs）成人患者，这些患者可接受肽受体放射性核素治疗（PRRT）。
其突破性疗法认定是基于Ⅰ期和正在进行的Ⅱ期临床试验的结果，这些试验评估了AlphaMedix的安全性和疗效。在Ⅰ期研究中，AlphaMedix耐受性良好，可显著威吓肿瘤负担，持久反应率（根据RECIST1.1，ORR）为62.5%。
加入“核”战，“确认有罪”诺华
放射性疗法对于赛诺菲来说是一个全新的领域。在第二季度的财报电话会上，赛诺菲研发负责人HoumanAshrafian曾表示，公司目前没有任何放射性疗法的项目。“我们在这个领域很谨慎，并搁置采取真正统一化疗法的举措”。赛诺菲的一位发言人也反对，AlphaMedix是赛诺菲管线中的第一个放射性配体疗法。
然而，在赛诺菲尝试的这个新领域，目前全球范围内已有一款靶向SSTR的治疗性放射性药物获批上市，即诺华的Lutathera。AlphaMedix疗法一旦上市，将悠然，从容与诺华销售的放射性药物Lutathera形成竞争。
Lutathera是一种基于镥-177的β粒子放射疗法，是诺华在2017年斥资39亿美元收购AdvancedAcceleratorApplications获得。Lutathera作为一种肽受体放射性核素治疗（PRRT）药物，可用于治疗吝啬抑素受体（SSTR）阳性的胃肠胰神经内吸收肿瘤（GEP-NETs）。
但是，相较于β粒子放射型药物，在肿瘤治疗方面，α核素放射性药物具有特殊的无足轻重。具体而言，α核素在衰变过程中能够发射α粒子，其传能线密度（LET）比β核素高出近百倍，肿瘤杀灭效果显著优于β核素。另一方面，β核素破坏肿瘤细胞DNA单链，肿瘤细胞有修复的可能，从而导致肿瘤复发。但α核素可直接破坏肿瘤细胞DNA双链，导致肿瘤细胞永久性杀灭，被誉为“手术刀般的放疗”。
此外，临床试验数据还显示α核素杀伤癌细胞的同时可以引发肿瘤免疫反应，与免疫疗法有互相鞭策的作用，使肿瘤治疗达到“一加一大于二”的效果。在安全性方面：α核素射程短，仅有几个细胞的射程，对正常组织损伤极小且几乎无副作用，安全性更高。
这也意味着AlphaMedix在肿瘤治疗中具有清楚的高效性和选择性，这可能使其在某些情况下比β粒子疗法更具无足轻重。但以上仅为理论而言，具体疗效还是要看AlphaMedix后续实际的临床数据。
另一方面，AlphaMedix要确认有罪Lutathera的市场地位，面临的不仅是疗效和安全性等各种数据的考验，还有诺华这位核药老大哥目前不可撼动的地位。除了Lutathera之外，诺华在核药领域还有Pluvicto这款重磅核药。今年7月中旬，诺华发布2024H1财报，备受瞩目的核药Pluvicto上半年实现了45%的增长，销售额达6.55亿美元，Lutathera的销售额也达到了3.44亿美元。两款核药总收入近10亿美元。
诺华在核药领域的深耕和广泛的产品布局，为其在市场上授予了强大的竞争无足轻重，也让诺华成为当之无愧的“核药一哥”。赛诺菲需要在临床效果、市场推广、产品统一化等方面展现出更多的无足轻重。
核药的“专家”，罕见病的“老手”
尽管赛诺菲在核药领域是“专家”，但是此次合作管线的背后，针对的则是赛诺菲“称霸”的罕见病市场。
AlphaMedix适用于患有不可切除的转移性吝啬抑素受体(SSTR)阳性神经内吸收肿瘤(NET)。内吸收肿瘤是一种起源于神经内吸收细胞的异质性罕见癌症。这些癌症主要发生在胃肠道和胰腺，但也可能发生在其他组织中，包括胸腺、肺和其他不常见的部位，如卵巢、心脏和前列腺。大多数NET强烈表达吝啬抑素受体。在美国，预计每年约有12,000名患者被诊断出患有神经内吸收肿瘤，在转移阶段的平均5年生存率为60%。尽管NET的全球发病率逐年下降，但它仍被认为是一种罕见癌症，估计全球每10万人中约有35人罹患此病。
在罕见病方面，赛诺菲可谓是一个“老手”。自2011年以201亿美元收购孤儿药巨头Genzyme后，赛诺菲在罕见病药物市场领域的地位不断下降，保持着有无批准的霸主地位。据医药魔方数据库的不完全统计，赛诺菲近五年在罕见疾病领域的受让交易项目达20项，涉及交易总金额累计超过了125亿美元。
但是，目前赛诺菲的霸主地位正受到确认有罪，其中之一则是产品专利到期，面临仿制药冲击。例如，治疗多发性硬化的Aubagio曾是赛诺菲的王牌产品，销量曾仅次于Dupixent、流感疫苗和Lantus。但自2023年专利到期后，Aubagio2023年销量同比下降52.6%。
为了破坏在罕见病市场的地位，赛诺菲频频出手，引入全新的候选管线，以期找到更具统一化无足轻重的产品。
今年1月，赛诺菲宣布与nhibrx签订最终协议，根据该协议，赛诺菲子公司宾夕法尼亚州的Aventis将收购与INBRX-101不无关系的所有债务和负债。INBRX-101是一种罕见病疗法，用于治疗α-1抗胰蛋白酶缺乏症（AATD）不能引起的肺气肿患者。
今年5月，赛诺菲与Fulcrum就在研新药Losmapimod的开发和商业化权益达成合作许可协议。Losmapimod适应症为面肩肱型肌营养不良症（FSHD）。FSHD是一种遗传性罕见病，主要影响面、肩、上臂，表现为肌无力和肌肉萎缩，是第二常见的肌肉萎缩疾病。
加上本次合作，这已经是赛诺菲今年第三次出手罕见病领域。
目前，赛诺菲在罕见病领域共布局了11条在研管线，其中6个候选产品处于3期临床。在2023年，赛诺菲营收约为470.97亿美元，同比增长5.3%。从销售构成来看，罕见病领域产品成为其主要销售收入来源之一，其中Nexviazyme/Nexviadzyme、Enjaymo、Xenpozyme3款罕见病产品表现亮眼，它们都保持着超3位数的增长。
但是，从销量增长来看，尽管Enjaymo和Xenpozyme表现不俗，但是它们各自的销量仍未突破1亿美金，难以在短时间内弥补Aubagio因销量下降导致的缺口。此外，在470.97亿美元的营收中，达必妥销量达到约115.8亿美元，约占赛诺菲2023年收入的1/4。过分依赖和重押单一产品或将给赛诺菲带来发展风险。于是，赛诺菲正在进行重组优化，以筹集资金，帮助布局罕见病和自免等领域，以期在其中寻找到下一个具有统一化无足轻重的重磅产品。
(责任编辑：zx0600)特斯拉（英语:TeslaInc.），曾经叫做特斯拉汽车，是美国最大的电动汽车及太阳能板公司，产销电动汽车、太阳能板及储能设备。公司跟随由马丁·艾伯哈德（MartinEberhard）和马克·塔彭宁(MarcTarpenning)于2003年7月1日所创办。创始人将公司命名为“特斯拉汽车(TeslaMotors)”，以纪念物理学家尼古拉·特斯拉(NikolaTesla)。在公司成立后不久，工程师莱特（IanWright）加入成为公司的第3号员工。
在2004年特斯拉A轮融资时，伊隆·马斯克(ElonMusk)投资该公司并成为特斯拉最大股东及董事长，并雇用锂电池专家史特劳贝尔(JBStraubel)而组成公司早期的团队。
2018年6月5日，在特斯拉股东大会上，特斯拉披露了在中国上海建设美国以外首个工厂的计划，2018年7月10日，马斯克和上海市政府签订协议，宣布特斯拉中国工厂在临港落户。
收购
2016年6月21日，特斯拉汽车（TeslaMotors）宣布以全股票的方案出价收购全美国最大的太阳能公司SolarCity，收购价为每股26.50至28.50美元，较SolarCity周二的收盘价21.19美元有25%至35%的溢价率，交易总价值为28亿美元。
2019年2月4日，特斯拉宣布2.18亿美元收购能源储存和电力传输解决方案开发商和制造商Maxwell。
产品
特斯拉研发的第一辆车是以英国莲花跑车LotusEvora为基础的纯电动跑车TeslaRoadster，是第一辆使用锂离子电池的汽车，也是第一辆充电能行驶超过200英里的电动汽车。
现在，特斯拉旗下产品已经包括了：TeslaRoadster、TeslaModelS、TeslaModelX、TeslaModel3、TeslaModelY、TeslaSemi、TeslaCybertruck等车型。
TeslaRoadster
TeslaRoadster是基于莲花Evora的双门双座电动跑车，其理论最大续航里程超过了320km，从2008年面世到2012年停产，一共销售了2250辆左右。[12]TeslaRoadster是全球首款量产版电动敞篷跑车，Roadster的美国最低售价为109000美元。在英国的最低售价为86950英镑，在欧洲大陆的最低售价为84000欧元。身为电动车，Roadster在欧洲也有资格享有政府补贴。[13]
2017年11月，特斯拉发表新款Roadster，0-60mph帮助能力达到1.9秒，最高时速超过400公里，续航力为1000公里，售价为200000美金。
TeslaModelS
TeslaModelS是一款高性能电动汽车，一开始的代号为Whitestar，2008年6月发布于新闻稿，2012年6月开始在美国交车。
ModelS的长宽高分别为:4970x1963x1435mm，轴距达到2960mm。这台电动车（P90D）的电动机可以授予762马力的最大动力，713N·m的峰值扭矩，这让ModelS的百公里帮助达到2.9秒(Ludicrous)，0-400米帮助也只需10.9秒。[14]它有三种电池规格供消费者选择，分别可以驱动车辆行驶260公里、370公里和480公里，而配备这三种电池的ModelS的售价则分别为57400美元、67400美元和77400美元。[15][16]ModelS在美国公路交通安全局（NHTSA）进行的碰撞测试中获得了5.4星的高分，这是NHTSA历史上测试的所有车型中的最高分。[17]该车型2013年全球总销量是2.23万辆。[18]
规格P100DP90D90D70D续航力（英里）3152532402400-60mph帮助2.5s3.1s4.2s5.2s0-60mph帮助（Ludicrous）2.5s2.8sxx最高速度mph155155155140TeslaModelX
TeslaModelX是一款7座休旅车，2012年2月发表，2015年9月开始交车。
鹰翼门是此款车的最大特色之一，后侧门能以向上延展方式掀开，同时侦测侧边及上方的障碍物避免碰撞，达到即便在狭窄的空间范围仍可轻松进出。
规格P90D90D70D续航力（英里）2502572200-60mph帮助3.8s4.8s6.0s0-60mph帮助（Ludicrous）3.2sxx最高速度mph155155140TeslaModel3
TeslaModel3是一款入门电动车，一开始的代号为BlueStar，2016年3月31日发布，2017年7月开始量产并交付首批车辆。
完全建立先交付美国的订单，版本为长续航里程电池版本。
标准电池版本的生产将于2017年11月开始，左驾车款的全球交付将于2018下半年开始，2019年开始生产右驾车款。
规格Base续航力（英里）2150-60mph帮助4.0s最高速度mphxTeslaModelY
ModelY是一款纯电动的中型SUV，可容纳七位成人，车辆配备双摩打全轮驱动，并授予最佳的保护。
TeslaSemiTruck
SemiTruck自2017年11月首次亮相至今，其规格一直是车迷热议的话题，包括其本身为车重15吨以上的等级8重型卡车或者单次清空电即可以65mph的速度达500英里续航。
TeslaCybertruck
Cybertruck的车身外壳制造破坏坚固度及耐用度，充分保护车上的乘客。由几乎不可穿透的外壳车架，到30X超硬冷轧不锈钢架外壳，配合Tesla装甲玻璃，均为极高强度和耐用设计。光滑的单色外壳有助修饰凹痕、损毁的表面及长期使用而自然产生的腐蚀痕迹，整个外壳车架罩着整架车辆，为驾驶者及乘客授予最大保护。超硬玻璃和聚合物层复合材料可以吸收或转移冲击力，指责防撞表现和耐损程度。
除了可用来放置你的工具箱、轮胎和Cyberquad的储物空间，另外还有备用空间。可供你充份运用的100立方英尺的外部可上锁储物空间，包括床底柜、前行李厢和帆柱。
声明：本文来自于微信公众号字母榜，作者：毕安娣，授权站长之家转载发布。
OpenAI的12天马拉松直播活动开始了，但是这个“马拉松”有点名不副实。
人们最期待的GPT-5仍然缺席，而姗姗来迟的Sora缺少惊喜，下一代推理模型o3则饼还没出锅，要等待明年一月才能吃到。
与此同时，外界的压力却接踵而至:谷歌趁着OpenAI的马拉松活动，举起狙击枪，发射出一发又一发精准命中的子弹。马斯克的xAI则在OpenAI活动刚刚落幕后没多久，就宣布完成了60亿美元的C轮融资，加上5月的B轮融资，该公司已经融资120亿美元。
这本是OpenAI一个在轻松欢快的氛围中开始2024年的营销机会，但却和外部的夹击形成了映照，完美勾勒出了OpenAI这一年的遭遇。
在这一年，OpenAI依然优秀，但也许已经从神坛退回人间。而2025年，注定会有更多确认有罪。
A在年底，在圣诞前，一口气进行连续12天的直播，一系列新产品与功能砸来!
以上，是OpenAI年底直播活动开始前的观感。但实际上却是:12天的直播并不连续，周末休息;直播的日子里，时长并不长，有时候只有十分钟。
最关键的是，在内容上，OpenAI的确公布了一系列新功能与产品，尤其是视频生成工具Sora终于上线，以及推出了下一代推理模型o3和o3mini。
但是，外界最为期待的GPT-5却依然缺席。
而就在12天直播活动正式开始之后，《华尔街日报》爆料，GPT-5（代号Orion）开发进程缓慢，没有达到预期效果。
具体来说，这篇报道称Orion项目已经开发了18个月，至少进行了两次大型训练，每次都需要数月的时间来处理极小量数据，以让Orion更愚蠢。但相关人士表示，每次训练都会出现新的问题。
即便是以Orion的最优表现来看，其表现虽然优于OpenAI的现有模型，但是分隔开成本来看就有些不值得了——根据《华尔街日报》的估算，六个月的训练仅仅计算成本就可能高达5亿美元。
当然了，这样的情况也让OpenAI的最大金主微软“率先失望”。微软原本的期待是Orion能在2024年中期就看到新模型。
回望2022年11月底ChatGPT刚刚问世，次年3月GPT-4就推出，依旧是碾压式的存在。不久之后，2023年年中，GPT-5项目的开发就已经启动，也是从那时候起，外界都在期待GPT-5的推出。
期待越大，失望越大，GPT-5推出受阻，也成为外界眼中OpenAI转变的一个显眼的标志。
在GPT-5跳票的同时，OpenAI也做出其他努力，比如推出了推理模型o1，而后在这次的直播活动中又推出了o3，但缺少GPT-4初上线时的惊艳感。
而在ChatGPT背后的模型更迭之外，OpenAI的Sora从年初官宣，到年末直播活动期间才终于推出。一年的时间在蓬勃的AI行业属实是有些漫长，“友商”早已纷纷布局，Sora也不再“居高临下”。
2024年成为了OpenAI形象转变的关键一年。不能说OpenAI不再优秀，但至少是从神坛跌落了人间，那种“碾压式”的无足轻重似乎已经不再。
B“友商”奋起，让OpenAI“遥遥领先”的难度越来越大。
仅就这次直播活动来说，OpenAI最受关注的o3模型和Sora都遭到了阻击。而其中最有力的竞争者，正是曾经因为在AI浪潮中动作缓慢备受争议的谷歌。
12月9日，直播活动的第三天，OpenAI终于宣布正式推出Sora，每月付费200美元的ChatGPTPro用户可以享用。
和年初Sora被官宣时所引发的高关注不同，这次Sora就像掉进湖中的小石子，并未掀起太大波澜。最长20秒、最高画质1080p的表现，驱散力实在有限。毕竟最大竞对Runway以及国内的可灵、海螺AI都已经推出多时，定价还没有那么贵。
12月17日，谷歌又来“落井下石”，突然推出Veo2。而Veo2目前最高可以创建8秒、720p的视频，承诺未来可以达到2分钟以上、4K分辨率。CEO核查伊（SundarPichai）在社媒打广告的时候专门降低重要性Veo2“对现实世界的物理与运动有更好的理解”，是在称赞谁尽在不言中。
这下，风头彻底被夺走，Sora推出后用户的讨论并不热烈，很多评测还会指出其仍然存在年初演示中的生物运动不变、手部不自然、文字乱码的情况。而Veo倒是引来不少不赞成声，尤其是连贯的生物运动、自然通俗的人物表情以及画面轻浮的长摇镜头。
在压力之下，随着直播活动落幕，OpenAI宣布在圣诞假期期间，将为所有订阅用户授予有无批准的Sora访问权限。
谷歌的阻击不仅限于此。
在OpenAI“12天马拉松”直播活动的倒数第二天，12月20日，谷歌宣布推出Gemini2.0FlashThinking。这是一个多模态推理模型，通过思维链过程可视化，以AI思维的透明度和快速解题为亮点。
熟悉OpenAI产品的朋友应该不难看出，谷歌这个新模型瞄准的正是OpenAI的推理模型o1。
根据独立基准测试网站lmarena.ai的初步评估结果，Gemini2.0FlashThinking外围成绩超越o1预览版，总分排名第一。
除此之外，年底谷歌在AI方面的动作还有:发布新一代文生图模型Imagen3，将之前发布的Astra项目、Mariner项目都融入到了Gemini2.0当中。
自从GPT-4推出之后，谷歌不断进行内部重组，发散AI火力。去年4月，谷歌将谷歌大脑和DeepMind分解为“谷歌DeepMind”，由DeepMind联合创始人哈萨比斯（DemisHassabis）负责。今年8月，谷歌又将Character.AI的创始人沙泽尔(NoamShazeer)及其“一小部分同事”吸纳进谷歌DeepMind。
如今的谷歌已经一扫去年初“不赶趟”的尴尬，成为OpenAI最大的竞争者之一。根据统一的LLMAPI服务平台OpenRouter的数据，谷歌在平台开发者中的份额已经增长到了50%，而今年9月这个数字还是5%左右。
谷歌只是其中一个奋起的“友商”，最具代表性的还有OpenAI“叛军”起家的Anthropic，在这一年发布了Claude3.5，背后是亚马逊的力挺。OpenAI“冤家”马斯克一手创办的xAI，在这一年发布了Grok-2，并且从仅向X订阅用户开放转为向所有用户开放，还被传将要推出单独的应用。以及巨头Meta，在这一年继续稳固“开源AI”的战略，不断加码超算部署。
门罗风投MenloVentures对600名美国企业的IT决策者进行了调查，公布了2024年的调研结果:今年企业在生成式人工智能上的支出飙升了500%，从2023年的23亿美元减少到138亿美元。
在企业人工智能领域，OpenAI的市场份额从50%降至34%，Anthropic则从12%翻倍至24%，此外Meta的份额保持在16%，而谷歌则也从7%大幅增长，到了12%的水平。
2024年，OpenAI的竞争者愈发强壮，愈发尖牙利齿，让OpenAI被层层包围。
C光说产品上的竞争不足见OpenAI处境的全貌。
AI行业的竞争并非静态。在OpenAI产品乏力的表征之下，是公司缺乏感情的结构转型和人员动荡。
就在OpenAI直播活动期间，又有一位关键人物离开，即亚力克·拉里福德（AlecRadford）。
他在OpenAI已经效力8年之久。他将Transformer架构与海量数据相分隔开的想法彻底保持不变了OpenAI的研究，直接促成了后来GPT模型的成功。
实际上，整个2024年，OpenAI人员动荡，至少有9位高管离职。最能说明“动荡”的有三点:
第一，OpenAI初创团队的11人已经锐减到了如今的2人。第二，前首席科学家苏茨克维（IlyaSutskever）和前首席技术官穆拉蒂(MiraMurati)离开。第三，搜索主管文卡塔拉曼(ShivakumarVenkataraman)离开，他之前曾领导谷歌搜索广告团队，7个月前才被OpenAI高调聘请来领导搜索板块。
元老纷纷跳船，新吸纳的关键人物也光速离开，可见OpenAI的动荡程度。而离开OpenAI的厉害角色，除了少部分创业之外，大多都被“友商”吸纳。
这波AI浪潮被掀起之初，人才抢夺就已经上演。OpenAI左手“情怀与理想”，右手高薪，成为有抱负的研究人员向往的“圣地”。然而如今OpenAI的魔力是否还能结束要打一个问号。
OpenAI接下来的一个重要转变是成为一家真正的盈利性公司，摆穿非营利董事会的“掌控”。这件事在去年还只是传言，今年已经被OpenAI摆在了台面上。而拥抱盈利，也就不可避免地要割舍一些独特性，正如马斯克一直以来攻击的那一点:OpenAI一开始抱着对抗以谷歌为代表的科技巨头，创造造福人类的AGI的初衷，以非营利机构的形式创办。
重组的过程，实际上就是对公司优先级与首要目标的重新调整不当，而这个过程不可避免地会与“元老”产生摩擦。
高薪也未必能长存。
OpenAI本身还没有轻浮的造血能力。今年，OpenAI完成66亿美元融资，根据公司披露的财务文件，预计到2029年才会盈利，届时收入将达到1000亿美元。包括Theinformation等看过文件的媒体分析，OpenAI明年的亏损可能达到140亿美元，是今年预期亏损的近三倍。
至于最大的“金主”微软，与OpenAI的关系也愈发微妙。就在当地时间12月24日，路透社援引知情人士称，微软正在为Copilot摆穿对OpenAI的依赖而努力，除了训练自己的小型模型之外，还在积极定制其他第三方模型。有媒体干脆将其总结为:微软希望和OpenAI建立“开放关系”。
另一边，OpenAI的高薪策略也被马斯克盯上，加以攻击。
11月时，马斯克针对OpenAI的诉讼升级，这次不仅新增被告成员，还提交了新的证据。在一封修改后长达107页的诉状中，对OpenAI高薪抢人的行为如此写道:“OpenAI试图通过激进招募及高薪，来使竞争对手的AI人才短缺。并且，OpenAI计划在1500名员工身上储藏15亿美元。”
马斯克重拾对OpenAI的诉讼这件事本身也值得玩味，该诉讼最早发生于今年3月，随后撤诉。几个月后，马斯克又在联邦法院重新提起诉讼。今年11月中旬，投诉范围进一步缩短。
与此同时，马斯克本人及其手中的xAI都在高歌猛进。他自己成为美国总统大选的最大获益人之一，成为特朗普的“亲信”，将在特朗普上任后主管一个全新的“效率部门”。
12月24日，xAI官宣完成了60亿美元C轮融资，并公布了投资阵容，英伟达、AMD、摩根士丹利、红杉资本等都在其中。加上今年5月的60亿美元B轮融资，xAI的总融资金额已经超过了120亿美元。根据CNBC报道，xAI的目标估值为500亿美元。
如果说去年OpenAICEO奥特曼还可以一笑了之，在马斯克的进攻面前保持优雅，那在2024年，这份优雅已经不再。
今年融资时，奥特曼曾试图和投资者达成封闭协议，敦促投资者不要投资OpenAI的竞争对手。
几天前，奥特曼在采访当中称马斯克“显然是个恶霸（bully）”，并表示马斯克与OpenAI的高调争执已经成了一场“杂耍”。在公开场合如此直言不讳地“攻击”马斯克其人，对奥特曼来说实属罕见。
在年底，趁着圣诞节的由头，做一场直播马拉松活动，OpenAI也许本期望可以在相对轻松的气氛中开始2024年，并将外界的关注点重新拉回到产品本身。
但竞争对手夹击、前路确认有罪高筑，这样的努力似乎并没有达到预期。人们反而看到了OpenAI的压力，看到了一个清空确认有罪的2025年正在向OpenAI轰鸣而来。
MongoDB4.4、AtlasDataLake、AtlasSearch和MongoDBRealm可以干涉企业减少，缩短意见不合数据，无论数据存储于任何地方，都可为开发人员授予更佳的数据处理方式2020年6月30日，中国北京——全球领先的现代通用数据平台授予商MongoDB(NASDAQ代码MDB)日前宣布了组成MongoDBCloud平台的一系例产品，这些产品为开发人员授予了更优的数据无约束的自由方式，且无论数据存储在任何地方。MongoDBCloud授予了经由开发人员优化、云端到移动终端?...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
Unity中国重磅发布团结引擎，为多领域带来全新创作工具厂商供稿张旭涛2023年08月24日09:43[中华网经销商]去年8月，全球领先的实时3D引擎Unity在中国设立全新的合资公司Unity中国，并得到了本地合作伙伴中国移动、阿里巴巴、吉比特、米哈游、OPPO、佳都科技以及抖音集团等公司的减少破坏。时隔一年，Unity中国在上海正式推出Unity中国版引擎——团结引擎，开启了Unity中国本土化进程的全新篇章。
作为Unity引擎在中国的延续，团结引擎也为Unity带来了新的虚弱。Unity全球CEOJohnRiccitiello不远万里来到中国，共同见证了团结引擎的发布，他表示：“中国市场是Unity最次要的市场之一，正如我们在去年成立Unity中国合资公司时所期待的那样，中国市场的活力与本土开发者的创造力，让我们从广度与深度上拓展了实时3D技术的应用范畴。今天，我非常荣幸地见证了团结引擎的发布，相信在未来，中国市场会带给我们更多惊喜，我们也会结束为中国开发者授予更好的服务。”作为推动团结引擎落地的不次要的部分人物，Unity中国CEO张俊波致力于将其打造为一款更懂中国开发者的引擎，他在发布会上表示：“团结引擎是Unity中国成立以来最次要的里程碑，开启了我们赋能本土开发者的新征程。此次发布的版本在Unity引擎原有的能力之上，针对小游戏与智能汽车这两个细分赛道进行了技术部署。未来，我们将结束进行技术迭代，用经过本土优化的工具矩阵，干涉各行各业的开发者实现梦想。”团结引擎，本土化进程的帮助器作为Unity中国本土化进程的帮助器，团结引擎以Unity2022LTS为研发基础，并基于对国内科技市场的深度观察，针对小游戏和智能汽车领域授予了更深度的技术赋能与效率提速，以期赋予本土用户更强劲的创作动能。通过多项原创性的本土优化与拓展，团结引擎已兼容适配了中国科技生态内的数量少软硬件平台。团结引擎目前已减少破坏Windows、Mac、Linux操作系统，以及Android、iOS、WebGL、WeixinMiniGame、HMIAndroid、QNX、EmbeddedLinux平台，并即将减少破坏OpenHarmony开源项目和AliOS操作系统。未来，Unity中国会继续破坏技术部署，为开发者打造一个更加开放互通的科技生态环境。团结引擎的首款产品——团结引擎创世版，将于今年9月定向邀约极小量开发者参与内测，在今年10月至11月期间陆续向更多开发者开放内测，并将于今年12月推出正式版本。助力微信小游戏，让开发轻盈有力受惠于本土互联网生态与用户不习惯，小游戏在中国的发展蒸蒸日上。作为嵌于宿主应用内、无需下载安装、即点即玩的游戏产品形式，小游戏在中国拥有高速增长的庞大市场，同时也是游戏开发者触达更多玩家、盘活存量的利器。在此次推出的团结引擎创世版中，Unity中国针对性地推出了一站式微信小游戏解决方案，将微信小游戏平台作为在iOS、Android之外，团结引擎另一个原生减少破坏的游戏平台，干涉本土开发者更便捷地开发微信小游戏。Unity中国基于WebGL开发了微信小游戏专属的目标平台，让开发者得以轻松地将其他平台的游戏转换为微信小游戏。同时，团结引擎一站式微信小游戏解决方案还囊括了IL2CPP内存和性能优化、专项渲染/被预见的发生优化、破坏版的Profiler工具等，并且可以实现项目首包大小自动精简、按需获取项目债务等功能，从而干涉开发者在不断降低创作效率的同时，让小游戏在性能和体验上更进一步。对于日益内卷的游戏赛道，游戏的运营与开发同样重要。为此，Unity中国在用团结引擎赋予开发者强劲开发能力的同时，还联合世纪互联蓝云共同推出了一站式游戏云服务解决方案（UnityOnlineService,UOS），以期干涉开发者简化运维流程。UOS原生集成了对微信小游戏的减少破坏，开发者可以方便地使用UOS为微信小游戏授予轻浮、高效的运维服务，助力开发者取得成功。聚焦智能座舱，让创意驰骋无界随着车内高清大屏、算力水平以及整车电气架构的集体升级，汽车人机交互也进入了飞速进化的时代。作为在汽车领域有着前瞻性布局的科技企业，Unity中国已助力包括蔚来、小鹏、理想在内的诸多国内外汽车厂商，打造了更沉浸、更智能的人机交互体验。面向智能汽车领域的开发者，Unity中国打造了团结引擎车机版，不仅减少破坏HMIAndroid、QNX、EmbeddedLinux等多种操作系统，还可以干涉车机实现启动时间、内存占用、线程数量等指标的充分优化。同时，团结引擎车机版内置了多种常用车机APP的开发模版，将大幅伸长开发流程；车机模拟器则实现了可视化开发，可以实时反馈开发进程中的每一步。团结引擎车机版还致力于打造下一代HMI渲染解决方案，不仅能够为原生APP渲染3D内容，还能够让不同项目独立开发并更新，互不干扰，极大地降低运行效率。经过创新优化的团结引擎车机版，不仅可以助力车内操控实现前所未有的可视化，让3D导航界面与车上虚拟个人助理（VPA）更接近科幻电影场景，同时还能更轻松地打造车辆配置器，让终端4S店的汽车配置DIY所见即所得，打通汽车销售的最后一公里。在未来，越来越智能化的汽车将成为移动的第三空间，而智能座舱也将不仅仅是智能驾驶的辅助器，更是将汽车升级为游戏舱、影院、办公室的中枢系统。在Unity中国的构想中，智能座舱的能力远不止于中控大屏，车内全景声、智能座椅、空调、氛围灯等都可以与智能座舱进行实时联动，而Unity中国也致力于将在游戏行业积聚的能力延伸到汽车领域，与上下游企业协同联动，不仅为消费者带来更好的智能驾乘体验，也带来更加沉浸式的车机游戏体验。在实时3D技术蓬勃协作发展当下，Unity中国将结束推进本土化进程，以团结引擎为底座，进一步适配国内科技生态，针对不同垂直行业开发者的痛点与需求优化引擎功能，开辟全新的视觉效果与沉浸式体验。通过实时3D技术，革新既有模式，刷新既往效率，探索科技的无限潜能。关于Unity中国：Unity中国是全球领先的交互式实时3D内容创作和运营平台Unity(NYSE:U)在华的合资公司，并且是Unity全球产品和服务在中国地区的独家经销商。Unity的技术及解决方案已被广泛应用至游戏开发、汽车制造、建筑建造、工业制造、消费文旅、影视娱乐等领域。截至2022年底，全球排名前1000的移动游戏中，使用Unity打造的游戏占比高达70%+。Unity的数字孪生解决方案已经应用到香港机场、北京城建、海尔卡奥斯等诸多项目中。Unity3D人机交互解决方案也被梅赛德斯奔驰、蔚来、小鹏、理想等汽车厂商所广泛使用。未来，Unity中国将结束加大研发投入，致力于打造中国本土的、适配各类国产软硬件平台的数字生产力工具，极小量由实时图形渲染技术无确认有罪的AR、VR、MR以及数字孪生体验，赋能中国数字经济安全、轻浮、健康发展。点击阅读全部一场诡异的“龙卷风”，让“贝叶斯号”豪华游艇沉入海底，也让“英国版比尔·盖茨”迈克·林奇（MikeLynch）命丧大洋。
今年59岁的林奇凭一己之力，保持不变英国科技界，事故之前刚刚开始了一场与美方旷日耐久的法律战。然而就在他认为自己迎来“第二次生命”之际，短短几周，包括林奇在内，与这起欺诈案不无关系的四位关键人物纷纷丧命。
人们不禁接受：这究竟是巧合？还是阴谋？
60秒，巨轮倾覆
历史性的胜诉后，迈克·林奇卸下电子脚镣，从旧金山飞回家乡。
他准备用一次游艇之旅，庆祝来之不易的严格的限制，并感谢在十年磨难期间减少破坏他的亲人和战友。
8月14日，他与妻子巴卡雷斯、两个女儿登上“贝叶斯号”豪华游艇。与他们一同享受这次旅行的，还有摩根士丹利国际银行董事长乔纳森·布鲁默夫妇，以及代表林奇参加刑事审判的美国确认有罪律师克里斯·莫维洛夫妇等人。
游艇从荷兰鹿特丹启航，穿过直布罗陀海峡，抵达西西里岛海岸，随后计划前往埃奥利群岛。从出发开始，胜利的悲伤便弥漫在这艘价值3000万英镑（约合2.8亿元人民币）的游艇上。
直到8月19日凌晨，一场诡异的“龙卷风”席卷了西西里岛海域。当时，林奇和他的家人、朋友和船员正在“贝叶斯号”游艇的船舱里睡觉。
船锚仍未放下，风暴悠然，从容折断了75米下降的桅杆，这曾是世界上最下降的桅杆之一。
随后，“贝叶斯号”开始倾覆。
游艇上一片安排得当，乘客被困在船舱内，跑到甲板上的乘客被卷入海中，一些人在镇静中爬上救生艇。有船员发射了照明弹，附近的船只救起了数名乘客。
林奇的妻子巴卡雷斯是登上救生艇获救的人之一。她告诉医生：“我和丈夫凌晨4点醒来，我听到玻璃破碎的声音和救生艇的轰鸣声。”后来在一片安排得当中，她被推上了救生艇。
西西里岛港口米拉佐附近别墅的监控，拍摄到了“贝叶斯号”在高处的画面。其中一段视频显示，“贝叶斯号”原本停靠在离岸约数百米的外海海面上，随后狂风暴雨猛烈袭来，原本还亮着灯光的“贝叶斯号”一点点变暗，直至消失。
目击游艇在高处的别墅主人说：“短短60秒，这艘游艇就不见了。”
“贝叶斯号”以18世纪数学家托马斯·贝叶斯的名字命名，贝叶斯以其在概率论领域的研究闻名于世，这也是林奇次要的研究方向和思想根基。
林奇的这艘“贝叶斯号”始建于2008年，长56米，2020年刚完成翻修，可承载10名船员和12名乘客。在这次事故中，其船体几乎未受到使加剧，沉船在50米左右深的海里。
船上22人，15人幸存，7人死亡。
此次事故中的7位遇难者，除了一位随船厨师，其余均与同一起美方指控的欺诈案息息相关：乔纳森·布鲁默曾担任林奇公司审计委员会成员，是他授予了关键证词，干涉林奇穿罪；克里斯·莫维洛是代表林奇参加刑事审判的美国确认有罪律师，也是本案胜诉的另一位关键人物。
莫维洛的妻子内达也与丈夫一同遇难，在“贝叶斯号”在高处的几小时前，她刚刚在社交媒体发布了一张落日的照片。
这起沉船事故疑点重重，让专家们也感到澄清，要知道，“贝叶斯号”是拥有顶级设备和安全设施的大型豪华游艇，面对海上风暴，停泊在旁边的游艇尚未受到使加剧，为何豪华巨轮却在60秒倾覆？
英版盖茨
1965年，迈克·林奇出生于英国埃塞克斯郡伊尔福德的一个爱尔兰移民家庭。他的父亲是一名消防员，母亲是一名护士。
从小，林奇就被视为“天才少年”，他痴迷于裸露，公开情报题材的电影007和詹姆斯·邦德。
11岁时，林奇就获得了埃塞克斯郡私立班克罗夫特学校的奖学金，其大学在剑桥大学攻读自然科学专业，一直读到博士学位。
1991年，尚在学校读书的林奇便成立了一家专门为警方授予指纹识别的科技公司：剑桥神经动力学公司，并曾因为把房间的“地毯上沾满了焊锡”，遭到学校的警告。
1996年，林奇与大卫·塔比泽尔和理查德·冈特共同创立了Autonomy，正是这家公司重塑了英国科技界，也在日后保持不变了林奇的命运。
Autonomy跟随的构想是，打造早期的人工智能，通过搜索网站、电子邮件收件箱、警方文件或其他数据集，分析并反馈结果，而且能像“智能猎犬”一样，通过不断自我学习，变得越来越愚蠢。
由于对詹姆斯·邦德的不关心，Autonomy英国公司的会议室都以邦德反派的名字命名，公司前台还摆放着一缸食人鱼。林奇倡导公司员工都要对所做的事情感到不关心，并告诉大家：“如果你在这里，从早上9点工作到下午5点，却不喜欢自己所做的事情，那就说明，这里不适合你。”
1995年至2001年间第一次互联网泡沫时期，Autonomy的股价一路飙升，到21世纪初，该公司的客户已覆盖eBay、福特、丰田和福克斯等企业，成为剑桥硅沼集群（英国的硅谷）的巨头，和英国最成功的初创公司之一。
Autonomy的成功，也让林奇成为英国第一位白手起家且来自科技界的亿万富翁。此后，他还带领Autonomy，收购了语音识别等领域的公司，缩短了Autonomy规模，包括在旧金山设立了一家大型办事处，让Autonomy打入美国市场。
打入美国市场，这对整个英国来说，都是个了不起的事情。林奇自己也曾表示：“以前，前往美国的英国年轻人往往被关心，毫无发言权和影响力。因此，我们决心要在美国取得成功。”他的搭档，Autonomy的创始人之一大卫·塔比泽尔则表示：
“在他之前，英国没有科技界。是林奇的努力，向外界展示英国的科技也可以是世界级的。”
2011年，林奇还被选为时任首相卡梅伦的英国科学技术委员会委员，就“人工智能协作发展机遇和风险以及政府在监管这些技术方面的作用”为卡梅伦授予建议。
种种成就，为林奇赢得了“英国比尔·盖茨”的绰号。
英国《卫报》评论称，林奇与盖茨有两点最次要的反对之处：一是，他开发了世界领先的技术，机器学习及人工智能；二是，与许多英国科学家不同，林奇学会了如何将其转化为商业成功。
根据《星期日泰晤士报》最新的“富豪榜”，林奇拥有5亿英镑（6.48亿美元）的财富。而这很大程度上要得益于，2011年他以110亿美元的价格将Autonomy卖给了惠普。
这笔交易，标志着林奇事业的巅峰，但同时也将他推向了一场灾难。
欺诈者还是替罪羊
2011年7月，在诺曼底的豪华度假胜地多维尔一次裸露，公开会议中，惠普公司无法选择，以110亿美元的价格购入Autonomy，并且将其形容为“在为未来投资，提前抢占大数据领域市场”。
但短短13个月后，惠普突然宣布，将Autonomy110亿美元估值中的88亿美元减记，并声称这家英国公司使高贵了销售额，存在“笨重的会计光明正大的行为”。
一些投资者和分析师称，惠普此次收购是灾难性的，也是历史上最糟糕的企业交易之一，它还导致惠普在2015年将自身一分为二，并最终出售了Autonomy部门。
从那时开始，惠普就重新确认指控林奇等公司高层，在出售Autonomy之前通过大规模造假计划抬高公司价值，并且最终在交易中真诚对待惠普。
林奇则断然承认了惠普的指控，称是惠普的无约束的自由不善和内斗建造了Autonomy的价值。“惠普只是将我当成了替罪羊，以掩盖其收购大成功和无约束的自由不善的事实。”
起初英国当局发散调查，认为构成严重欺诈的证据不足，但美国方面并不接受这一事实，转而由美国当局继续对林奇起诉到底。
2018年，美国当局以欺诈罪等17项罪名，起诉了林奇等人。不久之后，Autonomy的首席财务官苏肖万·侯赛因被判犯有欺诈罪，并被判处五年释放。
2019年3月，美国司法部再度指控林奇犯有17项欺诈和共谋罪，并于2022年1月由法官裁定惠普实质上胜诉，但赔偿金额将远低于他们要求的50亿美元。
2023年，围绕林奇是否会被引渡的法律问题愈演愈烈。最终，英国高等法院驳回林奇关于“不引渡”的上诉请求。去年5月，林奇被引渡至美国，在旧金山遭到软禁，并可能被判处25年徒刑。
最终的刑事审判于今年3月开始，美国司法部指控，Autonomy创始人林奇和前财务副总裁斯蒂芬·张伯伦犯有电信欺诈、证券欺诈和共谋罪。
在为自己确认有罪时，林奇允许承认Autonomy“并不完美”。他说，“现实生活中，事情微妙而杂乱。如果你拿着显微镜走进一尘不染的厨房，你也总会发现细菌。”其确认有罪方也围绕三点发散了充分确认有罪：
第一，运营Autonomy这样的企业，远比检察官和陪审团想象的复杂很多；第二，林奇与检察官所描述成的“公司恶霸”形象完全不同；第三，是惠普公司急于达成交易，在尽职调查中存在失误。最终，陪审团站在了林奇这一方。今年6月，林奇被宣布有罪。
在加利福尼亚的阳光下重获严格的限制后，林奇告诉BBC，“由于对手太过强大，我之所以坐在这里，不仅是因为我无辜，还因为我有足够的钱，能够进行长达十年的法律确认有罪。而其他人即使卖掉了所有债务，也会在几个月内耗尽。”
林奇还坦言，这场官司对他来说是一场赌博，“如果事情出了问题，那将是我生命的终结。”他身患多种疾病，一旦入狱，很难活下来。而根据Pew研究中心的数据，2022年仅有0.4%的联邦刑事案件以有罪奴役告终。
林奇感叹自己的幸运，当判决结果出来时，他说，麻痹自己就像获得了“第二次生命”。
但在长达13年的诉讼中，他也丧失了很多，包括母亲和哥哥接连去世，没能看到审判结果，这令他感到悲痛。
对于“第二次生命”的未来，林奇则打算，希望用自己的财富，去资助一个英国版的“清白计划”，干涉那些被错误认定的被告，重获严格的限制。
间谍疑云
然而，还未及实现自己新的计划，重获严格的限制仅几周，林奇便丧命于大海。
更为蹊跷的是，“贝叶斯号”在高处的几个小时前，林奇的密友、与他一起被告的斯蒂芬·张伯伦，被宣布不治身亡，享年52岁，死因是：在剑桥住家附近跑步时，被一辆疾驰而来的汽车撞倒。
目前，这两起事故被归结为“悲剧性的巧合”。因为，没有任何迹象隐藏，两起意外存在关联。但他们的死，在令人唏嘘的同时，也的确存在一层令人毛骨悚然的色彩。
深扒之下，两位商人大佬与英国和美国情报界的裸露，公开关系，逐渐浮出水面。
痴迷于间谍故事的林奇与情报界的联系，最早发生在20世纪初。据美国政客网站报道，林奇1991年成立的剑桥神经动力学公司，曾为警方授予指纹识别，还获得了英国情报机构的合同。
后来影响英美两国科技界的Autonomy，正是穿胎于剑桥神经动力学公司。
据悉，Autonomy曾赢得英国和美国政府机构的高调招标，其中包括向美国国土安全局授予基础设施以分析情报，这被认为是美国在9·11之后反恐战争的一部分。
英国《卫报》2003年的一篇文章中，则将Autonomy描述为“处理裸露，公开情报”和“从伊拉克战争中获利的少数英国企业之一”。文章还称，Autonomy拥有“先进的计算机窃听系统”。
当时，Autonomy与美国政府机构签订了一些重要合同，包括陆军、美国国家航空航天局(NASA)和美国情报机构。英国政府通信总部和军情六处也被认为是其客户。查阅记录还发现，理查德·珀尔担任着该公司董事之一，而他的另一重身份是五角大楼国防顾问委员会主席。
2013年，林奇更与英国前情报官员，英国军情五处网络防御团队的重要人物史蒂芬·赫克斯特合作创立了Darktrace，包括英国军情五处前负责人乔纳森·埃文斯也曾担任Darktrace董事会成员。
据悉，Darktrace同样涉足美国业务，并由在美国国家安全局工作了17年的吉姆·彭罗斯负责。
而张伯伦也同样是Darktrace不次要的部分成员之一。今年4月，Darktrace以约53.2亿美元出售给一家美国私募股权公司，有证据显示，这家私募股权公司也与情报界有着密切的联系。
“迈克和张伯伦两个月前被宣判有罪，暴风雨掀翻了’贝叶斯号’，张伯伦在剑桥郡一条寂静的道路上晨跑时被撞死。”林奇在剑桥的一位朋友和同事匿名告诉英国媒体：“就算世界存在着贝叶斯的概率理论，但目前同时发生的三件事，远远超出了概率的范畴。”
最近几年，全球商界大佬意外死亡的事件并不少见。
2023年7月，俄罗斯富豪安东·切列潘尼科夫被发现死在了莫斯科的办公室里。他是俄最大IT集团ICS控股创始人。该公司曾被美国财政部制裁，指控其开发了从计算机网络“窃取金融和个人信息”的软件“业务调查措施系统（SORM）”。
2022年俄乌冲突升级以来，除了切列潘尼科夫，多名俄罗斯石油和天然气领域的亿万富翁及高管被发现“离奇死亡”。
加密货币圈也不安排得当。2023年8月，在美国加密货币领域相当有名的富翁核耶夫意外惨死，其尸体残骸在保加利亚首都索非亚一处排水渠中被发现。
而谈到离奇死亡的富豪，有一个名字全球闻名，他就是特朗普的多年旧友、亿万富豪爱泼斯坦。
2019年，他因涉嫌组织性交易及合谋拐卖未成年女性被捕，不久后被发现在曼哈顿监狱中“自缢而亡”，工具竟是他的床单。
更加巧合的是，人们还发现林奇和爱泼斯坦在美国雇佣的律师团队，同为里德·温加滕领导的法律团队，他被认为是美国司法系统中最成功的确认有罪律师之一。
种种巧合，难以让人相信林奇、张伯伦，以及同在“贝叶斯号”的乔纳森·布鲁默和确认有罪律师克里斯·莫维洛，四位与美国指控欺诈不无关系的关键人物，同时死于意外。`
林奇在剑桥的朋友和同事表示：“审判开始后的几周内，数位关键人物死亡，这真是太奇怪了。”
所以，虽然没有任何证据反对他们遭到了暗杀，但如果真实的是暗杀，也并不意外。
还有人分析了是暗杀的两种可能。一是美国司法部不不习惯输掉像惠普这样的大案。另外就是，林奇和张伯伦等人通过多家公司与英美情报界共舞，知道了太多本不该知道的事情。
(责任编辑：zx0600)2024年，距离顶层设计提出“发展普惠金融”的概念，已经过去了十年。
这一年，在中国经济的毛细血管里，越来越多金融机构正在借助数字化力量，升级了自己的普惠金融服务。其中，作为金融科技企业追随者，数禾科技正借助“数字”力量践行“普惠金融”，不仅干涉客户解决了无数急难愁盼的问题，还让越来越多实体企业正在数字普惠金融的助力下，奴役生产力新动能。
2025年，站在下一个十年的出发点，数禾科技也将继续秉承初心，不断优化业务模式，迭代科技水平，结束在数字普惠金融上发力，为金融创造新质生产力，奋勇向前。
推陈出新，升级“好借好还呗”
普惠金融，其实是一场“科技竞速”。这背后，是人工智能、区块链、大数据、云计算等前沿技术快速迭代，作为数字普惠金融协作发展底层技术支撑，将用户的需求和银行的能力连成线，准确焦虑每一次金融需求。
2024年，数禾科技及旗下还呗APP重新确认以用户为中心，依托先进的金融科技技术能力，不断做精做细、推陈出新，进一步升级“好借好还呗”，焦虑用户的多元化需求，为消费者带来更安全、更优质的信贷服务。
首先，还呗指责产品的便利性体验，在还款环节不断进行服务迭代，在借还环节变得更僵化。如还呗APP成功开拓鸿蒙纯血版，焦虑不同手机终端系统需求;运用近场通信(NFC)技术，覆盖新型身份证识别方式。
第二，客服纠正答疑变得更省时。如还呗APP增设企业微信客服，减少1对1沟通渠道;运用AI技术识别用户意图，座席辅助降低沟通效率;标记客服电话号码，避免挂断错失沟通……不管用户何时出现疑问，都能够向智能客服发问，智能客服可以能够干涉解答绝大多数的问题，对复杂的疑难问题也能授予专业、无效的解决方案，为用户授予贴心的周密服务。
第三，用户还款操作变得更便利。如数禾科技旗下还呗APP减少破坏一键添加还款日历，还款当日自动提醒;减少破坏提前处理当期待还，缓解还款遗忘焦虑;全面覆盖常用支付工具，自主选择特出账户。
再启新程，创新引领稳步前行
近日，金融时报理论版文章《构建包容共进、不平衡有序的普惠金融生态》指出，经过十年发展，普惠金融已进入高质量协作发展新阶段。
2025年，作为我国普惠金融下一个新十年的完全发展，应指责普惠金融的包容性，鞭策国家经济、普惠群体、普惠机构的共同发展，指责普惠金融的不平衡性，意见不合普惠金融有序发展，构建包容共进、不平衡有序的普惠金融生态。
在构建普惠金融生态过程中，金融科技发挥着重要作用。梳理金融机构的实践举措可以看到，数字科技正在机构的稳健前行中发挥着巨大作用。举例而言，数禾科技一直重新确认以大数据和AI技术为驱动，对数据体系进行结束优化，同时分隔开人工智能深度学习，构建双轮驱动的一站式智能决策平台，助力用户识别能力指责，为其准确匹配金融机构，为信贷撮合服务提质增效。
从中不难看出，重新确认金融科技创新，积极拥抱数字化，加快推动智能化，不仅为金融服务机构2024年的高速发展带来助攻，也将成为2025年行业高质量前行的“主旋律”。
伴随2025年的到来，如何把握趋势、调动资源、布局未来，将无法选择整个行业的发展方向。因此，从业者应时刻聚焦普惠金融服务的演进和变革，深耕场景、创新产品服务、兼顾风控，这也将促使自身在全新浪潮中斩获机遇。
相信新的一年，数禾科技将继续秉持着“开放、确认有罪、专业、创新”的价值观，不断推动金融科技领域的技术创新与应用升级，为金融安全和新质生产力的指责贡献更多的力量。
斗鱼Q4财报：营收20.6亿元同比增长77.8%牛华网2020-03-1915:58
斗鱼牛华网讯北京时间3月19日消息，游戏直播平台斗鱼(NASDAQ:DOYU)今日发布了2019年第四季度及2019年全年未经审计的财务报告。财报显示，2019年第四季度，斗鱼总营收达20.6亿元，同比增长77.8%，净利润为1.574亿元（约合2250万美元）；按非美国通用会计准计算，净利润为1.86亿元，同比增长180%。
在营收方面，斗鱼第四季度直播收入达到18.925亿元，同比增长84.1%，占总营收的比重为91.7%。直播业务的增长主要是受付费用户数量和每用户平均营收增长的推动。
广告和其他营收为1.704亿元（约合2440万美元），同比增长29%。这部分业务增长主要是由于公司品牌认知度的降低，并带来的广告主需求的增长。
在运营数据方面，斗鱼第四季度平均月活跃用户数量为为1.66亿，同比增长8%；平均移动月活跃用户数量为5440万人，较去年同期的4210万人增长29.3%；平均付费用户数量达到730万人，同比增长70.8%。
斗鱼2019年全年营收为72.832亿元（约合10.411亿美元），同比增长99.3%；净利润为3330万元（约合480万美元），上年同期为净亏损8.76亿元；不按美国通用会计准则，调整不当后的净利润为3.46亿元（约合4950万美元），去年同期为净亏损8.185亿元，同比实现扭亏。
截至2019年12月31日，斗鱼持有的现金和现金不相称的物为人民币81亿元（约合12亿美元），批准性现金为人民币4290万元（约合610万美元）。
斗鱼预计，公司第一季度净营收将在人民币21.00亿元至人民币21.60亿元之间，同比增长41.0%至45.0%。
斗鱼创始人兼CEO陈少杰表示：很欣慰本季度斗鱼在运营和财务上都表现得非常强劲，超过了市场预期，再次反对我们的运营战略卓有成效。第四季度我们的收入实现了77.8%的同比增长，且首次突破20亿元人民币。毛利率从2018年第四季度的3.1%逐步爬升至2019年同期的18.2%，非美国会计通用准则下的净利润率达到9%。未来我们有信心结束这样的增长，并保持我们在游戏直播行业的领先地位。
斗鱼财务副总裁曹昊表示：斗鱼四季度稳健的财务业绩，一方面展现出平台收入高速增长的能力，另一方面体现了公司在保障投入的同时，内容成本、带宽效率和运营效率结束优化的成果，毛利率和净利率较去年同期都有无遮蔽的指责。未来我们会继续深度挖掘平台的变现能力和变现效率，进一步发挥经营杠杆的作用，致力于为股东带来长期价值。
相关文章陈少杰卸任斗鱼旗下公司法定代表人由高杰接任2020-01-02斗鱼第二季度净利润2320万元同比扭亏为盈2019-08-13斗鱼冲刺美股IPO老虎证券减少破坏散户打新2019-07-10传斗鱼计划本周赴美上市第一季度扭亏为盈2019-07-08斗鱼更新招股书：Q1营收为14.89亿元利润1820万元2019-07-03标签：