ONE

[Persimmon Tree Investments @PersimmonTI]

$CGEM

[Yair Einhorn @yaireinhorn]

1/The exponential growth in both the number and size of M&A deals in the BioTech and Pharma ecosystem is just staggering! This excellent article - by FT's Oliver Barnes and Aanu Adeoye, describes the problematic situation that big Pharma companies - $PFE $LLY $NVO $JNJ $NVS $BMY $AZN $ABBV $MRK $SNY and others, are now in. The “patent cliff” or IP Lost of Exclusivity (LOE) scenario is predicted to cause more than $330B (!) in combined revenue loss, thus creating an immense pressure on both the clinical pipeline of Pharma companies as well as on their future revenue streams. This is probably the most significant catalyst behind the vast scale of M&A deals in the BioTech and Pharma ecosystem as big Pharma are trying to aggressively replenish their pipelines - mostly via M&A deals with smaller BioTech companies, in order to compensate for their potential losses. This frenzy can be seen in the sheer number of deals in which BioTech companies have been acquired for at least $1B in 2026 (37) - a number which is already much higher than the previous annual record of 35 companies set only last year, with 4 months still remaining for more possible M&A deals in the sector. Another important indicator of this positive stance in the BioTech and Pharma ecosystem could be seen in the new five-year high that the $XBI biotech index has set this month. 🧵👇

[Shay Boloor @StockSavvyShay]

$GLW Q2 EARNINGS

• Revenue $4.74B vs Est. $4.61B
• EPS $0.78 vs Est. $0.76
• Optical Communications: $2.07B (+32% YoY)
• Gross Margin 40% vs Est. 38%

Q3 Guidance
• Revenue $4.95B vs Est. $4.99B
• EPS $0.87 vs Est. $0.85

Corning says it’s entering a new phase of accelerating growth and expects a 19% sales CAGR through 2030.

[投资TALK君 @TJ_Research]

虽然周三有加息的概率，我们更新一下美股的锚：估值
图1：NDX，21.5倍，距离3月份低点20.5倍仅有5%的下跌空间
图2：SOX，20.9倍，距离3月份的低点16.9倍还有20%的距离
估值并非一定要回到3月份，但是如果回到就是很便宜的位置，所以QQQ如果因为加息出现下跌3%+，就已经是买点了，财报季度正在进行，好的财报价格如果不动，也会把估值往下修。芯片的话再有7-10%的距离我认为就很吸引人了。估值大于宏观，模糊的正确，给你心里有个底。

[Kay Capital @keyahayek]

历史反复验证：韩国永远是全球金融危机的第一预警器。

1997 年亚洲金融风暴：韩元率先断崖贬值，KOSPI 暴跌，外汇储备几乎耗尽；随后风险迅速传导至全球市场。

2000 年互联网泡沫：韩国半导体板块提前见顶回落，几个月后纳斯达克崩盘 78%，科技泡沫彻底破裂。

2008 年次贷危机：韩股率先进入加速下跌，一个多月后雷曼破产，全球金融体系当场宕机。

后来韩国人发现，只靠韩国市场发送预警，效率还是太低，于是开始主动出海：

2021 年，Bill Hwang 通过 Archegos 把杠杆塞进总收益互换，一次爆仓让全球投行损失上百亿美元，其中瑞信单家亏掉55亿美元，开启了中概一路趴到现在的大熊市。

2022 年，Do Kwon 发明的 LUNA 和 UST 梯云纵 400 多亿美元市值几天内灰飞烟灭，随后三箭资本、Celsius 等机构连环爆雷，半年后 FTX 倒闭。

2025 年，韩国危机预警系统进一步完成了产业化升级。据说南方东英最初只给三星电子在香港市场推出了两倍杠杆产品 7747。SK 海力士看完很不高兴，主动找上门问：

「为什么三星有，我没有？」

南方东英从善如流，随后推出 7709，满足了韩国企业在金融创新领域不患杠杆不足，患杠杆不均的合理诉求。

结果以 7709 和 7747 为首的两支杠杆兵团迅速做大：SK海力士相关产品最高管理规模约 230 亿美元，三星相关产品约 80 亿美元，合计超过 300 亿美元。其中 7709 单只产品规模一度超过 200 亿美元，成为全球最大的单一个股 ETN 杠杆产品。

这批产品每天自动再平衡：

股票上涨，它们必须继续买入；
股票下跌，它们必须被迫卖出。
别人投资讲究低买高卖，韩国金融创新实现了高买低卖全自动化。

偏偏三星和 SK 海力士又占据 KOSPI 超过一半的权重。于是两员大将上涨时负责把韩国股市顶上天，下跌时负责按照两倍杠杆纪律集体砸盘。一次暴跌，仅 SK 海力士相关杠杆基金就能制造约 50 亿美元的机械性卖盘。

最终，KOSPI 从 9385 点一路被干到 6000 点附近，一个多月回撤约 36%，期间反复熔断，单日盘中再跌超过 11%。

[tradingbiotech @tradingsssss]

$CRVS $NKTR $EVMN

interesting

https://t.co/8t8k51KrCK

[星光闪眸 @5QaGPYdgUh50596]

@TechFlowPost @fundstrat 2C市场弹性太大了。手机销量下降📉1%，产能就够几百个2B数据中心了。涨价带来的2C销量放缓，会迅速的放空产能。

[Max For AI @MaxForAI]

关于 @ilyasut 的 @ssi 在做什么，我觉得这个分析是目前最靠谱的。

网友 @imjustnewatai 根据之前 SSL泄露的信息进行了一个推测：

SSI 真正在研究的，可能不是一个更大的模型，而是一种让 AI 在部署之后继续学习的新机制。

这个猜测未必准确，但目前公开线索确实能拼出一条相当完整的逻辑链。

以下是三个核心论点：

1. Ilya 之前在播客上的泄密

今天的前沿模型有一个很明显的问题。

模型主要在训练阶段学习。

一旦训练完成，核心能力基本冻结。
它可以提前读完海量数据，却很难像人一样，在真实任务中不断吸收经验、修正方法，并把一次失败变成长期能力。

所以模型经常表现出一种奇怪的割裂：它知道很多，但学得很慢。

遇到训练分布之外的问题时，它可能连续犯同一种错误。即使通过上下文暂时纠正，下次重新开始，错误往往还会再次出现。

这位网友推测，SSI 可能已经做出了某种早期系统，让模型能够：

从极少量经验中学习新技能；
在最终结果出现之前，判断当前方法正在失败；
学习新技能时，不破坏原来的能力；
把一个任务中的经验迁移到完全不同的问题；
甚至在部署后继续更新自己。

换句话说，这种 AI 更像一个天赋极高的少年，而不是一本已经写完的百科全书。

它一开始未必掌握所有职业知识，但进入一个新领域后，可以通过少量经验迅速学会。

这恰好对应 Ilya 之前在播客上对 SSI 目标的描述：

一个“超级智能的 15 岁少年”，可以学习任何工作。

这句话真正重要的地方，不是“超级智能”，而是“可以学习”。

Ilya 此前多次提到，当前 AI 最大的问题之一，就是泛化能力远不如人类。

人类可以从少量案例中提取规律，再把规律迁移到陌生环境。

模型通常需要海量数据，并且一旦环境发生变化，能力就可能迅速失效。

当有人问 Ilya，怎样才能实现更接近人类的学习时，他曾表示，自己对某个机器学习原理有一套独特看法，但不能公开讨论。

2. 此前的媒体报道

《华尔街日报》曾报道称，SSI 的秘密研究聚焦于“人类大脑功能中长期被忽视的方面”。

NVIDIA 在接触这项研究后，不仅投资了 SSI，还将向其提供约十倍的计算资源，并与其合作影响未来计算平台的设计。

这就很值得玩味了。

如果 SSI 只是想训练一个更大的语言模型，它需要的主要是更多 GPU。

但如果 NVIDIA 愿意让 SSI 参与未来计算平台的设计，就说明这套方法可能对训练、推理、内存或者模型更新方式提出了新的硬件需求。

这位网友进一步猜测，SSI 的核心组件可能是一种模型内部的“价值判断系统”。

人类执行复杂任务时，并不会等到所有步骤结束后，才知道自己走错了。

我们在过程中会不断产生反馈：

这个方向不对。
这个方法可能有效。
这里存在风险。
这件事值得继续。

这些内部判断，让人类可以在最终奖励到来之前就调整行为。

Ilya 也曾讨论过，AI 需要某种内部价值函数。

它不只负责判断答案对不对，还要在漫长的推理和行动过程中，持续判断当前路径是否值得继续。

因此，SSI 可能在尝试构建这样一个循环：

经验进入模型，模型进行内部判断，发现错误后自我修正，再将修正结果转化为持久能力，最后迁移到其他任务中。

模型不再只是根据固定参数生成答案，而是可以不断吸收行动产生的经验。

这也能解释 SSI 为什么一直强调，能力和安全必须共同解决。

如果同一套机制既负责教会模型“什么方法有效”，也负责教会模型“什么事情值得做”，那么能力和价值观就会在同一个学习循环中形成。

3. 从成员背景和招聘岗位中找到的痕迹

SSI 目前能够被确认或报道的部分成员背景，也与这条路线有一定吻合。

SSI 总裁 Daniel Levy @daniellevy__ 曾负责 OpenAI 的优化工作，并参与 GPT-4 的优化。

之前媒体报道加入了 SSI 的 Yair Carmon ，研究方向包括鲁棒优化、缩放规律，以及模型在训练环境之外的可靠性。

另一名被报道的研究人员 Hugh Zhang @hughbzhang ，则长期研究测试时计算、规划、搜索、奖励模型、多智能体学习，以及模型如何通过推理获得新技能。

把这些方向放在一起，会发现它们共同指向一件事：

如何让模型在训练数据之外继续学习。

2025 年，Ilya 曾表示，SSI 已经拥有足够的算力，可以验证自己的核心研究想法是否成立。

现在 SSI 表示，这项研究已经“值得扩展”。

随后 NVIDIA 获得了罕见的研究访问权限，并决定提供十倍算力。

这至少说明，SSI 很可能已经观察到了某种值得继续放大的实验信号。

当然，目前没有任何证据能够证明 SSI 已经实现持续学习，也没有公开任何模型架构、实验结果和技术细节。

上面的内容仍然是基于公开信息进行的高概率推演。

但这个推演最有意思的地方在于，它提供了一个完全不同的 AGI 路径：

未来最强的 AI，未必是训练时读过最多数据的模型。
它可能是部署之后，学习速度最快的模型。

如果这个方向成立，AI 的能力将不再随着一次训练结束而固定，而会随着经验持续复合增长。

NVIDIA 投资的，也可能不只是下一个更大的聊天机器人。

它可能正在帮助 Ilya 扩展一种足以替代当前预训练范式的学习系统。

感谢 @imjustnewatai 的工作

[AYi @AYi_AInotes]

这是@Kimi_Moonshot K3开源后我见过最狠的帖子。
一个Baseten的工程师，@waterloo_intern 老哥花48小时喝了40罐气泡水，把K3的建模代码扒了个底朝天。
128万浏览，6000多收藏，
最后得出一个结论，
一个K3里能塞下22580个2019年的GPT-2，
七年时间参数涨了两万两千多倍，
但这根本不是堆参数堆出来的。

从GPT-2到线性注意力，到DeltaNet，到门控DeltaNet，再到Kimi自己的KDA注意力。

每一步迭代，都在精准解决上一代的具体bug。

内存不够，信息干扰，
无法选择性遗忘，残差稀释，
没有一步是多余的。

这才是开源最可怕的地方啊兄弟们，
代码放出来第一天，
全世界最聪明的工程师，
已经在帮你把七年的技术脉络理得明明白白，
而你的闭源模型，永远享受不到这个待遇。

[Sean @sean_________]

Fubon- "the production push out in Rubin will bring some negative impact to the supply chain as Rubin has higher dollar content compared to Blackwell"
$MU: "recent checks suggest that $NVDA HBM4 cost will increase to US$31-32 per GB from US$17-18 per GB (HBM 3e) in 2026."
"We estimate nVidia’s Rubin GPU price will skyrocket to US$78-80K assuming nVidia is still able to maintain its GM at 75-80% in chips."
"For other GPU and custom-ASIC projects, we believe their HBM cost will be higher than nVidia’s and may reach US$35-36 per GB, meaning the HBM cost will double in 2027."
"Despite the market’s AI inflation concern recently, in our view, the token cost is still a more important factor in driving CSP’s capex, and we remain positive about AI market demand."
"Our checks suggest nVidia still plans to put the same amount of compute dies in its new rack architecture or system"
"Between the two racks, nVidia plans to use NPO/CPO for scale out connection while inside the rack, cable connection is still used for scale up connection"
"Based on our checks, Google plans to have 12-15mn TPUs in 2028. Entering 2028, Google’s TPUs will enter the V9 generation with four compute dies, suggesting that their capacity consumption will more than double in 2028 vs. 2027."
"Based on our checks, $INTC EMIB capacity will reach 10-12k by the end of 2026, and the plan is to double its capacity to 24-25k per month by the end of 2027."
"we see $TSM slowing down its SoIC expansion to prioritize the CoWoS expansion"
$AVGO: "we think it is possible that MediaTek could further raise its custom-ASIC market share in 2027."

[Max For AI @MaxForAI]

这也是为什么 @OpenAI 和 @Google 退出了正式文件的签署。

他们无法接受这一切。

[Art of Speculation @ArtofSpecuycky]

这是一张SMH期权 Gamma Exposure（GEX）分布图。 以 7 月 31 日 这一列来看，520 是最大的正 Gamma（约 +$18.3M），属于最强的 Gamma Pin（磁铁位），价格容易围绕这里震荡。而 500 和 532.5 附近则聚集了大量负 Gamma，一旦进入这些区域，做市商对冲会放大波动，价格更容易出现快速上涨或下跌。因此，520 是当天最关键的支撑/平衡位，而跌破 520 或突破至 532.5 以上，波动率都有可能明显增加。我心里SMH阶段性底部的位置在500-520之间。SOXX差不多在440-460。QQQ对应差不多637-650，个股跟这些同理，同步到底。到了这些位置看大反弹或者趋势反转。

[Xudong Han @Xudong07452910]

Kimi K3 这次把牌摊得很开：2.8T 模型权重只是第一层，连支撑它训练、推理和 Agent 扩展的基础设施也一起放了出来。

它是一个 2.8T 参数的 MoE 模型，每个 Token 实际激活约 104B 参数，在 896 个专家中选择 16 个，支持原生视觉理解和 100 万 Token 上下文。

论文中提到的 KDA、Attention Residuals 与 Stable LatentMoE 共同带来了相较 K2 约 2.5 倍的扩展效率。参数继续变大，背后依靠的已经是架构、稀疏化与系统工程一起推进。

当然，官方也没有回避差距，报告中也写了 K3 的整体体验仍落后于 Fable 5 和 GPT-5.6 Sol，但在多项 Coding、Agent 和视觉评测中已经接近前沿闭源模型。对于一个权重可下载的模型，这个位置本身就很有分量。

我觉得更值得关注的是kimi这次同时开放的整套 Infra：

MoonEP 负责超大规模 MoE 通信，FlashKDA 把长上下文注意力计算做到更快，AgentENV 则提供大规模 Agent 训练需要的隔离沙箱。社区拿到的不只有一个 Checkpoint，还包括模型为什么能训出来、怎样高效运行，以及如何搭建 Agent 环境的部分答案，kimi这次真实把压箱底东西都拿出来了。

当然，开放权重不等于部署门槛消失。Hugging Face 上的文件约 1.56TB，官方建议使用 64 张以上加速卡组成的 Supernode，普通用户很难本地运行。它真正释放的价值，更多属于研究机构、云厂商和有私有部署需求的企业。

Kimi K3 这次更像一次「整栈开放」：模型、架构、算子、通信库和 Agent 基础设施被放进了同一张牌桌。

开放模型下一轮的竞争，可能会从参数和榜单，扩展到谁能把整套系统真正交给开发者。不过大家觉得这种路线会加速追平闭源模型，还是 3T 级的部署成本会形成一道新的门槛？

[王海滨的财经闲谈 @wangwatchworld]

深紫外光刻机量产与长鑫存储上线对韩国与美国芯片情绪打击会很大，因为都知道中国人会卷价格。
早些年，我曾写文章，谈及美国贸易战的风险。
如果美国不遏制中国半导体，中国现在的市场仍旧是美国韩国台湾荷兰的。
中国是基于比较优势的完全竞争的市场，国产良率那么差，不是遏制导致被迫适应国产化，芯片产业起来的难度非常之高。
也就是说，如果美国不遏制中国科技，中国中高端反而会发展缓慢。会滞留在集成组装这个阶段。

[比特币橙子Trader @oragnes]

月之暗面正式开源旗舰模型 Kimi K3 权重，附带完整技术报告。

直接看数据：2.8T 参数的 MoE 架构，100 万 token 上下文，带原生视觉理解，单位算力智能效率直接拉到了 2.5 倍。

最炸裂的是实战战绩：

Agent 竞技场：开源模型综合第一，净提升度 +9.75%，压过 GLM-5.2（+7.12%）。在实操搜网、写代码、做 PPT、跑终端的长流程任务里全部霸榜。

代码与文本：前端代码竞技场 1682 分，文本竞技场 1485 分，斩获双料冠军。

全栈硬核开源：除了 2.8T 权重，连高性能 Attention 内核、MoE 通信库和大规模 Agent 运行基础设施全送了。

[Xudong Han @Xudong07452910]

Thinking Machines Lab 刚发布首个开放权重模型不久，联合创始人 Lilian Weng 却决定离开。

熟悉她的朋友应该知道，她曾在 OpenAI 负责安全系统、应用研究和机器人，参与过机械手解魔方，也写了多年的 个人技术博客 Lil’Log。很多人对强化学习、Agent、幻觉和模型安全的系统理解，都受过她那些长文的影响。

在短贴里，她把原因写得很坦白：过去 7 个月反复生病，持续的压力和工作量，已经超过身体能够承受的范围。她依然喜欢 AI，也为 Inkling 的发布感到骄傲，只是下一阶段更需要一份职责清晰、节奏可预期的工作。Inkling 是 Thinking Machines 刚发布的首个开放权重模型。

这件事让我有点难受。

AI 行业每天都在谈加速、执行力和更高密度的产出，但连最顶尖、最清楚自己在做什么的人，也可能被这种节奏推到身体之外。

她最后写了一句：

The future worth building is human.

当持续高压成为 AI 创业的默认配置，我们究竟是在建设未来，还是在消耗建设未来的人？

[外汇交易员 @fxtrader]

Anthropic CEO Amodei阿莫迪发布文章澄清从未主张全面禁止开源权重模型，回应未签署支持开放权重信函的讨论，指开源模型风险更高，难以设置安全防护、追踪使用，易被用于攻击。

阿莫迪主张：不向中国出售先进芯片及制造设备，严厉打击走私、打击蒸馏、强制对所有强大模型安全测试。

[Unclestocknotes @Unclestocknotes]

謝謝一些朋友告訴我是宇量昇，這家公司。我做了功課分享給大家。

中芯國際曾測試宇量昇開發的國產 DUV，初期結果被形容為正面。外界推測，其技術大約接近 ASML 早期 NXT: 1950i 世代，主要瞄準 28 奈米等級製程。它的突破值得重視，但距離追上 ASML，仍然非常遙遠。

目前最缺乏的，正是量產級數據：
套刻精度能否長時間穩定？
每小時能處理多少片晶圓？
機台可用率有多高？
多久故障一次？
關鍵零件壽命多長？
最終能不能通過客戶驗收？
送進中芯測試，不等於已經成為量產工具。

五台可能不代表什麼。但只要它能做到成熟製程可以使用、機器雖慢但穩定、維修不受出口管制，而且中芯、華虹與長鑫願意共同驗證，它就有價值。
如果未來真的從每年 5 台提高到 20 台以上，並通過量產驗證，ASML 損失的不只是新機收入，還包括後續維修、升級與服務收入。但大叔認為大概要再3-5年才會對 ASML 中國 DUV 業務的威脅。

接下來五到十年是學習曲線，能不能形成循環：設備交付 → 客戶測試 → 故障數據 → 製程修正 → 零組件改良 → 下一代設備。如果宇量昇只能做出幾台展示機，威脅有限。
但如果中芯、華虹與長鑫願意長期提供產線、工程師、晶圓與數據，它就會得到一般設備新創公司很難取得的學習環境。

所以真正重要的是這 5 台一年後累積了多少有效曝光時數、故障紀錄與良率數據。

ASML 的優勢至少有光學與雷射光源、精密運動平台、奈米級套刻、計算光刻與控制軟體、全球維修服務與多年量產數據。背後還有蔡司等關鍵供應商，以及數十年與台積電、三星、英特爾共同累積的製程 Know-how。
所以中國可以用資金加速硬體研發，但可靠度、服務能力與量產資料，不可能一次用錢買齊。
還是同樣一句話，別把 5 台看成 500 台，但也別把這 5 台只當成玩具。
還有會做DUV ，跟會做EUV 又是另外一個故事。
#不要再張飛打岳飛了
#ASML #宇量昇 #新凱來 #DUV #EUV #光刻機 #中國半導體 #半導體設備 #美股大叔

以上為產業資訊與投資邏輯分析，不構成個別證券買賣建議

[Art of Speculation @ArtofSpecuycky]

Kospi韩国股市目前下跌9%
KOSPI目前已经进入一个比较清晰的下降通道，短期趋势依然偏弱，但这种通道最终都会迎来突破。从技术面来看，下方重要支撑正在逐渐汇聚：EMA 200约在6000，Weekly EMA 50约在5700，SMA 200也在5700附近，而5500还有前期缺口等待回补。这几个关键支撑区域重叠，5700-6000成为本轮调整最值得关注的区域。

另外，KOSPI已经连续下跌接近六周，技术指标也逐步进入超卖区，短线进一步杀跌的空间正在缩小。如果指数回踩EMA 200甚至Weekly EMA 50附近，我认为出现一轮像样的技术性反弹，甚至中期趋势反转的概率都会明显提高。从时间窗口来看，本周或下周很有可能形成阶段性低点。

[川沐｜Trumoo🐮 @xiaomustock]

亏钱亏的超出认知了，
真他娘的最美的故事套最多的家人。
反弹给个机会再不玩了