7月27日，据讲谈社公告，日本推理作家因结肠癌离世，终年68岁。 消息传来，无数读者在哀悼的同时也不禁唏嘘：一位写了30年“意外与真相”的作家，最终却被一场不该“意外”的疾病带走。   Ⅳ期5年相对生存率仅为14%的癌症，其实给了你5-10年时间去发现[1] 几乎所有的结直肠癌，都是由腺瘤发育而来。而从一颗腺瘤发展到结直肠癌，往往需要10年以上的时间[1]。在这个过程中，只要发现并切除异常组织，就能有效阻止结直肠癌的发生和发展。 ▲结直肠癌发展进程 数据显示，发生远处转移的Ⅳ期结直肠癌，5年相对生存率仅为14%，但如果能在早期发现，Ⅰ期结直肠癌的5年相对生存率可达90%[2]。约80%的生存率差异，关键就在于“早发现”。 ▲结直肠癌阶段生存率对比[2] 更值得警惕的是，国家癌症中心数据显示，在死亡率排名前五的癌症中，结直肠癌是我国患病率最高的消化系统癌症[3]。特别是在40岁以后，结直肠癌发生率显著上升[3]。  而它早期症状不明显，甚至无症状，难以引起重视。通过早筛手段，能发现早期的癌前病变，实现早诊早治。 目前结直肠癌的早期筛查方法包括肠镜、粪便隐血、Septin9基因甲基化检测、粪便DNA检测等。其中，大多数医院采用的是肠镜筛查。 肠镜虽被称为肠道肿瘤筛查“金标准”，但由于其侵入性、对饮食的限制等原因，使得一部分人对肠镜筛查产生抗拒。 因此，指南共识也提到了以下肠癌甲基化筛查检测方案。 如果你属于以下人群，建议及早进行结直肠癌筛查  假设能从30岁左右开始持续关注肠道健康，进行定期筛查，那么患结直肠癌的风险会大大降低。 如果您或家人符合高危人群特征，请一定趁早行动。我们无法预知命运，但至少，可以在那5-10年的窗口期里，做一次筛查。为自己，也为来不及告别的人。   参考文献：        

$瑞为技术(07656)$瑞为不是那种完全没业务的AI概念股，民航、商业空间、安全驾驶都有实际应用

$维升药业-B(02561)$从获批到首方，速度比预期快，执行力给满分。实质性进展有了，市场情绪也到位了，就看后续放量

同学们好，半个月没更新了，这回聊点大佬的，很简单，就研究那些持续拿到大结果而且不断的在拿到更大结果的人他们到底走了一条什么样的路， 这不是在讲故事，不是爽文，就是我们一起搞清楚一件事，就为什么有些人30岁到天花板四五十岁还停在那个地，但另外一些人50岁了还在持续的加速成长，同样都是面对市场，同样都是长期暴露在波动率里边，差别究竟在哪，今天富老师要聊的一个人叫葛卫东，圈内人都叫他东邪，期货四大天王之一，比起他赚了多少钱 其实富老师更想跟大家聊的是他身上那种每隔几年就把自己推倒重来的那种节奏。 葛卫东这人在从中国资本市场上有几个数字大家可能都听说过，2000年10w本金入期货，4年做到50个亿，然后2014年在伦敦和纽约交易所上狙击铜期货，3天把国际铜价打下了10%，被外媒称作东方之狼，同年22亿重仓平安银行，2015年牛市躺着赚了20亿，2017年开始重仓科大讯飞，兆易创新，一拿就是5年起步，一级市场他更是投了像沐曦股份这种国产gpu，公司上市以后持股市场一度超过240亿， 听着就牛逼，但其实他真正值得研究的不是这种高光时刻，富老师想看的是他几次转折时刻，那种他差点就要完了的时刻，他并不是没有这种时刻，期货爆了2次仓，2015年股灾旗下的2个基金回撤超过50%。客户大规模赎回，舆论一度很难听，所以说他不是没有过这种事，而是在这种时刻之后他又换了一套操作系统，又重新出来，这才是这个人最有意思的地方，我们一段一段看。 首先他第一段是1991年到1998年那个时候她在贵州粮油出口公司做外贸员，整整做了8年这段经历很多人会忽略，觉得只是他金融生涯的前传，但我个人的看法是他后面所有的赚钱能力都扎根在这8年里边，那个年代绝大多数的中国人都不知道期货是个什么东西，不知道他在做什么，但是他在干什么，他在研究厄尔尼诺现象和国际粮价的关系，他在做现货黄豆期货现货油菜籽做大麦的贸易，每天处理的都是

转载自“IVD 从业者”   一家年利润只剩1800万的ICL公司，敢花14亿人民币去收购一家全球肿瘤CRO。 这不是赌徒心态，而是一场精心计算的转型。2025年，艾迪康控股交出了一份让市场皱眉的成绩单：营收26.38亿元，同比下滑9.5%；归母净利润仅1844万元，同比暴降60.8%。但在利润表的背面，这家公司在12个月内连续完成了两笔关键收购——2.29亿拿下血液病诊断标杆元德友勤，2.04亿美元收购全球肿瘤CRO领军企业冠科生物。 当金域医学押注数据要素、迪安诊断布局AI病理的时候，艾迪康选了一条完全不同的路：从"帮医院做检验"跨界到"帮药企做新药研发"。   基本盘：ICL老三的底盘与困局 先说清楚艾迪康是谁。 中国第三方医学检验行业三强之一。全国34家自营实验室，4000余项检测服务，2025年ICL市场份额约10.6%——排在金域医学（约22%）和迪安诊断（约15%）之后。背后站着全球私募巨头凯雷集团，2023年6月登陆港交所。 这个排位的尴尬在于：论规模，比金域少了不止一个身位；论"服务+产品"全产业链，又不如迪安诊断有自研试剂和仪器。艾迪康在ICL行业的位置，像一个卡在中间层的优等生——足够优秀，但不够不可替代。 2025年的财务数据很诚实地反映了这种尴尬。营收26.38亿，下滑9.5%。毛利9.52亿，毛利率从37.7%降至36.1%。净利润2275万，调整后也只有6607万。应收账款周转天数从220天拉长到239天。研发开支1.04亿，同比缩减了13.6%。 这些数字指向一个核心矛盾：普检价格在DRG/DIP控费下持续下行，检测量的增长对冲不了价格下跌；而特检虽然有结构性增长，但占比还不够大，不足以扭转整体颓势。 但有一组数据值得注意。三级医院客户收入占比提升至85%，公立三级医院中标数同比增长32%，重点客户保留率高达91%。这意味

$山高控股(00412)$世纪互联那边宁德时代接盘了，山高这边钱到手先还债，算力赛道阶段性收官，接下来钱往哪儿投才是看点

最近老有人私信问我，群核这票怎么看。说实话，从上市首日暴涨144%的20港元，到现在11港元附近徘徊，盘面确实让人心里打鼓。但我翻了翻刚出炉的研报和公司最新的物理AI布局，反而觉得这里头有点意思。市场有时候就是这样，短期的情绪和长期的基本面会脱节，而脱节的地方，往往藏着认知差。 SaaS基本盘是底气，82.2%的毛利率不是虚的 群核科技2025年实现营收8.20亿元，毛利率已经爬升到82.2%，这个数字放在SaaS行业里，足够说明产品定价权和客户粘性是真实的。更关键的是，公司在2025年经调整净利润达到5710万元，已经成功扭亏为盈，跨过了运营拐点。国泰海通预测，2026年至2028年群核营收将分别达到9.46亿、11.09亿、13.13亿元，归母净利润更是从1.04亿跳升到3.06亿元，同比增速分别高达124.3%、80.4%和62.8%。这份盈利释放曲线，是现阶段最硬的底气。我个人比较看重这种从亏损到盈利的转折点，SaaS公司一旦迈过规模效应的门槛，利润端的弹性往往比收入端更大。 物理AI的ChatGPT时刻，这张门票比想象中值钱 今年1月CES上，黄仁勋放话：物理AI的ChatGPT时刻已经到来，2026年是物理AI爆发元年。AI从"会聊天"进化到"会干活"，核心瓶颈是什么？是高质量、物理正确的三维空间数据。而群核科技手里握着的，恰恰是这门生意的"卖水人"门票。 经过15年深耕，群核构建起"空间工具-空间数据-空间大模型"三位一体的飞轮。数据层面上，公司拥有超过5亿个3D场景、4.8亿个3D模型，构成了全球最大的室内场景深度认知学习数据集InteriorNet，其推出的全球首个3D高斯语义数据集InteriorGS曾登顶Hugging Face数据集榜首。这些不是普通图片，而是具备物理正确、结构化双重优势的稀缺燃料，包含空间结构、尺寸、材质、物理属性与语义关系。基于这

近期，欧洲计算机视觉顶级会议ECCV 2026公布论文录用结果，我们注意到一家中国公司的名字反复出现——群核科技。 这次群核科技共有三篇论文入选：Syn-GRPO讨论了训练数据如何在强化学习过程中持续生成和自我进化；SPEAR提出了一套面向具身智能研究的高保真仿真器，让机器在进入真实世界之前，先在数字世界里观察、行动、试错和学习；WalkerBench则是分析了模型的空间智能如何在更接近真实世界的交互任务中被更合理评测。 这三篇论文，实际上反映了群核科技关于物理AI基础设施建设的最新探索与思考：如何把物理世界转化为可训练、可交互、可评测的数字世界？ 由此，群核科技的物理AI路线也变得更清晰。它并不仅是从数据服务商向“数据-仿真-评测”全链路延伸，更是在尝试把自己过去多年积累的数据和空间智能能力，转化为物理AI时代的底层基础设施。 这套基础设施的底座是群核科技沉淀的海量三维可交互数据，以及将物理世界数字化的能力；核心是结构化三维数据集和真实世界驱动的世界模型；面向的应用，则是具身智能、大模型、XR、工业孪生等需要空间理解和空间训练的物理AI场景。 当空间理解、仿真训练和持续学习能力成为物理AI新基建的要求，群核科技想扮演的角色，是连接物理世界与数字世界的“架桥人”。 1.为什么“架桥” 机器人行业最常讨论的问题是模型和本体。 一边是具身智能模型公司向视觉语言行动模型推进，试图让机器人拥有更强的理解、规划和泛化能力；另一边是机器人本体公司在降本、量产、供应链和场景落地上快速迭代。 但在训练一台真正能进入物理世界的机器人时，一个更基础的问题会提前出现：它在哪里学习？ 就像人类学习需要书本、学校和考试一样，机器人学习也需要自己的“教材、训练场和考卷”：首先，它需要获得足够真实、足够结构化的训练数据；然后，它需要仿真环境进行低成本、高频次、可控的试错；最后，我们需要评测它是否真的理解

$金嗓子(06896)$不得不说，这票适合拿着养老

最近，计算机视觉领域三大顶会之一ECCV 2026公布了论文录用名单，群核科技一口气入选了三篇论文。 三篇论文覆盖了空间感知评测、强化学习数据生成、高保真仿真三个方向，也就是说，教机器人怎么看懂世界、怎么持续学习、怎么在虚拟环境里训练，群核科技全给安排上了！ 论文一：SPEAR——联手多家科技巨头共同探索的仿真平台 训练机器人，最大的难题之一就是：真实世界太贵了。 让机器人在真实场景里反复摔跤、碰撞、试错，成本高、效率低，还可能出安全问题。所以研究者都想在虚拟世界里先练好，再到真实世界部署。 但现有的仿真器有个大问题： 要么画面太假，要么操作太麻烦，要么速度太慢。 群核科技联合Adobe等共同提出了 SPEAR，这篇论文聚集众多来自产业界的大牛，专门解这道题： 开放超过 14,000 个底层 Python 接口，研究者可以用代码精确控制场景里的一切 56帧/秒输出1080P高清画面，比同类仿真器快约15倍 同步输出深度图、材质、语义分割等多种传感器数据——机器人训练最需要的原材料 无缝接入群核科技开源的 InteriorAgent、InteriorGS 等数据集，资产天然带碰撞体、关节等物理属性，直接可用 简单说，SPEAR 做的事，是让机器人在虚拟世界里「看得真、练得快、控得准」，从而顺畅地迁移到真实世界。 论文二：Syn-GRPO——解决 AI 训练 “死记硬背”，训练时自动生成全新素材 有了仿真环境，下一个问题来了：训练数据从哪来？ 传统的强化学习训练有个通病——“熵坍塌”和“多样性坍塌”。 翻译成人话就是：AI越训练越死板，同一张图翻来覆去只能给同一个回答，完全失去了探索精神。 群核科技联合浙江大学提出的Syn-GRPO解决的就是这个问题。它的思路很直接：边训练边造新题，而且造的题越来越难。 Syn-GRPO分两大模块： 模块

6月29日，瑞为技术正式启动招股，华泰国际、建银国际、农银国际担任联席保荐人。公司将成为港股“视觉具身智能”赛道的首家上市企业。 一、公司介绍：前**高管创业，做了十四年"眼睛"和“大脑” 瑞为技术成立于2012年，创始人詹东晖，前**研发高管。公司定位很清晰：面向企业级客户提供从感知到认知的全栈视觉智能产品与解决方案。 技术架构分三层： 基座技术：计算机视觉算法、光学成像控制、大规模数据集 融合技术：AI ISP、多传感器融合 组件技术：认知决策引擎、光学成像系统、交互执行单元、数据中台 基于这套全栈能力，公司构建了三大视觉智能体：RecoSee（感知）、RecoAware（认知）、RecoThink（推理）。 应用场景锚定三个：智慧民航、智慧商业、智慧安全驾驶。 按2025年收入计，瑞为在中国民航企业视觉智能产品市场排名第一，市占率8.7%；在商业空间企业视觉智能产品市场排名第四，市占率1.7%。 覆盖全国三分之二的千万级枢纽机场，落地超60座大型购物中心，为超50万辆长途货车提供辅助安全驾驶方案。 这是一个有场景、有落地、有数据的AI公司，不是PPT融资型选手。 但注意一个细节：2025年智慧民航收入同比下滑24.7%。公司解释是国内机场改扩建项目招标周期阶段性放缓。这意味着什么？它的基本盘和基建周期高度绑定。 二、核心壁垒：民航场景的护城河，比你想象的深 瑞为的核心竞争力，我总结为三条： 第一，民航场景的"基础设施级绑定"。 机场智能化系统一旦接入，涉及硬件部署、软件集成、数据对接、运维服务，替换成本极高。全国三分之二的千万级枢纽机场用的是瑞为，这不是"一锤子项目制"，这是"长期饭票型"生意。客户粘性极强，后来者很难切入。 第二，全栈技术能力，不是组装厂。 从算法到光学成像，从感知到认知，瑞为的技术是自下而上打通的。很多AI公司只做算法层，硬件找ODM，瑞为是自己做

HBM需求量暴增就是AI需求爆发带来的效应，前端算力需求一旦起飞，整个产业链就会被一起拉着来，进行压力测试。哪儿跟不上，可能这儿就是下一个红利的分配点。  这启示我们：下一个被压力测试压出来的环节，很可能就是下一个万亿美金的赛道。不要只盯着盘面K线做短期预判，多去留意产业底层的细微变化，找出未来会被需求挤爆产能的细分赛道。  关注杰老师，紧跟产业趋势，提前找出下一个被需求引爆的细分机会。[财迷]  

2026年，企业在AI上的投入还在涨，但一个尴尬的事实越来越难回避：很多钱花出去了，说不清换回了什么。 与此同时，硅谷传来一个热词：FDE（Forward Deployed Engineer）——前沿部署工程师。面对企业落地的复杂需求，OpenAI正式成立DeployCo，Anthropic深化交付布局，与多家机构组建合资服务公司，提供更深度的运营支持。 这两个信号放在一起，值得多想一步：AI落地的瓶颈如果不在模型，那到底在哪？FDE的翻红，究竟是一个概念营销，还是对某个真实问题的回应？ AI投入“不值”？问题出在哪？ 直觉上，AI项目效果不好，第一反应是模型不够强、数据不够多。但实际接触下来，大量资源其实消耗在一个更不起眼的环节上：衔接。 数据散落在多个系统且权限不通，业务流程没人能完整描述，这些工作不产生任何可见的成果，却吃掉了大部分时间和预算。更隐蔽的是项目结束之后的浪费：一次交付积累了大量Context，但没有被结构化地沉淀下来，下次遇到类似需求又从零开始。 过去十余年IT服务的老问题，被AI无限放大。 传统软件功能边界清晰，交付偏差可以用验收标准兜底。而AI的能力边界模糊，效果高度依赖上下文，同样的模型在不同企业身上的表现可能天差地别。当“衔接”的质量直接决定投入回报率时，它就不再是技术细节，而是商业问题。 明略科技创始人、CEO兼CTO吴明辉在最近一场分析师分享会上用了一个框架来解释这件事：Context Not Control。这个概念最早来自Netflix创始人哈斯廷斯的管理哲学：把充分的信息上下文授权给一线团队，让他们基于full Context自己做决策，形成集体智慧和涌现。 企业需要的正是能够带着对Context的理解深入业务一线，同时把AI能力翻译成业务语言的人。 FDE做的恰恰就是这件事。 FDE的上限，取决于平台体系 既然瓶颈在衔接，解法似乎很直

近日，港股上市AI领军企业明略科技（2718.HK）与全球领先、具备“硬软芯云”一体化能力的AI平台公司博泰车联（2889.HK）签署战略合作框架协议。 双方将整合明略科技在企业级可信AI大模型、智能体套件与精准营销领域的核心技术能力，以及博泰车联在端侧硬件入口、AI算力基础设施和车载应用场景方面的核心技术及资源优势，共同搭建「AI×车×用户需求」链路平台，以Token经济为底层商业逻辑，打通"品牌营销预算—车端AI算力消耗—用户场景化消费"的完整闭环，探索"智能座舱即流量入口"的创新商业范式。 场景即入口：AI Agent赋能座舱消费体验 随着智能网联汽车渗透率持续提升，智能座舱正从单一的人机交互终端，向集出行、娱乐、消费于一体的"第三生活空间"演进。然而，当前座舱服务仍多停留于信息展示与功能调用层面，用户在车内场景中的真实消费需求尚未被有效激活。 明略科技将发挥其在精准营销与品牌客户资源方面的核心优势，基于用户画像、实时位置及车辆状态构建精准推荐引擎，联合品牌方设计场景化营销策略。当用户途经餐厅、抵达商圈、或在充电等待时，AI Agent将主动感知需求，提供AI点餐、AI导购、AI预定等一站式消费履约服务，让智能座舱从"信息展示窗口"升级为"消费决策入口"。 博泰车联将提供车载AI算力基础设施、AI Box硬件入口及车端应用场景，实现明略AI营销服务与车控、导航等原生能力深度融合。双方将共同拓展餐饮、零售、出行等品牌方入驻车载生态，建立全链路效果追踪体系，实现按效果付费的营销模式。 端云协同：AI能力落地车载基础设施 大模型上车已成为汽车智能化的核心趋势，但车端算力与实时性、云端能力与延迟之间的平衡，始终是制约AI规模化落地的关键技术瓶颈。如何构建一套兼顾响应速度与模型能力的底层架构，成为智能座舱迈向"AI原生"的必答题。 明略科技依托自研企业级可信AI大模型与智能体套