电动化及智能化专家交流 20260629 摘要 特斯拉 Robotaxi 采用端到端深度神经网络，虽有抖动问题，但整体体 验良好，且成本低于高清地图方案。工程团队热情高涨，预示进展可能 超预期，但完全无人交付难度高于 Robotaxi，需 AI 自主应对所有问题， 短期内难大规模铺开。 小米 SU7 在产品定义上与主流产品差异不大，优势在于搭载车规级骁龙 8 Gen 3 芯片，成本降低且性能优于现有车规芯片；深化"人车家战 略"，整合米家生态链配件，主机厂身份参与汽车后市场，或成标准制 定者。 特斯拉 Robotaxi 对海外订单促进作用不明显，中国市场影响难追溯。 自动驾驶和机器人技术虽宣称同源，但实际操作中存在差异。Ashok 监 管后，机器人深度神经网络预计更大程度转向端到端或与 FSD 同源，但 仍需大量特定开发。 小米汽车成功依赖独特设计、产品定义和品牌影响力，人车家战略和消 费电子芯片优势尚未完全体现。长期来看，复用米家生态链是其显著差 异化优势，能以主机厂身份有效进入汽车后市场配件领域。 Q&A 特斯拉 Robotaxi 在首次试运营中表现如何，其技术路线和团队状态有何特点？ 特斯拉完全无人交付 ...

2.1美国ETF资金：标普500 ETF规模差距持续扩大 1. 美国ETF创新产品：Roundhill发行周度分红系列产品 上周美国共14只新发产品，Roundhill发行周度分红系列产品： 上周一，Tortoise将一只场外能源基金转型为ETF，该产品同时投资于能源相关企业的股票和债券，重点关注能源基础 设施公司，包括新能源、能源科技企业，产品也有可能使用期权策略来增厚收益，整体收益产生方式较为灵活。 Global X上周发行一只公司债ETF，该产品使用了Wealthspot的量化模型和深度神经网络，先通过行业、久期、评级 等将相似债券分组，然后结合趋势、基本面等不同因子对债券进行打分。 Nicholas上周一发行一只数字货币相关产品，投资于数字货币相关的股票以及对应股票的期权、ETF等，希望同时带 来资本增值和现金流收益。 Roundhill上周发行一系列周度杠杆+分红ETF，分别挂钩Meta、Netflix、亚马逊、伯克希尔和Robinhood，提供各股 票周度收益的1.2倍收益，同时采用周度分红的模式运作，该系列目前已有合计10只产品。 Rainwater Equity 上周发行首只ETF产品，主要投 ...

南京大学博士生蒋俊鹏 投稿 量子位 | 公众号 QbitAI 在AI应用中，表格数据的重要性愈发凸显，广泛应用于金融、医疗健康、教育、推荐系统及科学研究领域。 深度神经网络（DNN）凭借其强大的表示学习能力，在表格数据建模上展现出令人瞩目的潜力。 南京大学团队系统介绍了表格表示学习这一研究领域，他们将现有方法按泛化能力划分为三大类： 专用模型 （Specialized）、可迁移模型（Transferable）和通用模型（General） 。 除此之外，他们还比较了DNN与传统方法——树模型的优劣，并剖析表格数据学习中的核心挑战，讨论了集 成学习方法以及开放环境下的表格学习和多模态表格任务等扩展方向。同时，考虑到不同数据集之间方法表现 差异显著，研究团队还探讨了数据集收集、评估与分析的系统策略，旨在建立跨数据集的稳健评估体系。 背景 表格数据本质上是一种 结构化的信息表示方式 ，在组织与表达复杂数据关系方面具有天然优势。 此研究聚焦于 有监督的表格机器学习任务 ，主要包括分类与回归两类常见问题。 除了结构化的组织形式外，表格数据通常还具有 属性类型异质性 ，即包含数值型、类别型或混合型等多种数 据类型，且这些数 ...

随着全球人口老龄化加快，养老机器人产业正迎来巨大的发展机遇。世界卫生组织的数据显示，预计到 2050年，全球60岁以上人口数量将达21亿，其中80岁以上的老年人为4.26亿。当前，全球养老机器人呈 多元化发展态势，各国在技术研发、产品应用等方面各具特色。今年2月，国际电工委员会（IEC）正 式发布由中国牵头制定的首个养老机器人国际标准，这标志着全球养老机器人产业迈入规范化、标准 化、智能化的新阶段。 近日，本报记者走进IEC位于瑞士日内瓦的总部，以及德国、日本的科研机构，实地探访养老机器人的 技术发展和国际标准出台的意义。 ——编者 国际电工委员会—— 统一标准，打造更好产品 随着5G、人工智能、物联网、云计算、大数据等新一代信息技术的蓬勃发展，以及AI芯片、传感器、 伺服电机等关键零部件的日渐成熟，养老机器人在辅助行走、健康护理、家务协助、情感陪伴、紧急呼 叫等方面的应用日益广泛。据IEC《电子技术》杂志主编凯瑟琳·比绍博格介绍，从全球看，中国、日 本、德国、美国、意大利等国在相关技术领域较为领先，其产品在辅助康复训练、智能护理等方面具有 一定市场占有率。 针对全球市场各类养老机器人产品缺乏统一性能规范的情 ...

Core Viewpoint - The article discusses the potential of AI and deep learning technologies to revolutionize the hearing aid industry, addressing long-standing challenges in sound recognition and user satisfaction [5][6][9]. Group 1: Current Market Landscape - The hearing aid market is dominated by five major companies: Sonova, Demant, Starkey, which control over 90% of sales [5]. - Despite advancements, many new tech companies face challenges in core algorithms and chip monopolies [5][6]. - The penetration rate of hearing aids remains low, with only 6.5% of users satisfied with their devices [6][7]. Group 2: Technological Advancements - AI and deep learning models like DeepSeek are providing new opportunities for hearing aid manufacturers to enhance product capabilities [5][9]. - Traditional hearing aids rely on digital signal processing algorithms that struggle with noise cancellation and voice recognition in complex environments [8][9]. - Recent innovations include deep neural networks (DNN) that allow hearing aids to learn from real-world sounds, improving their performance in noisy settings [8][9][10]. Group 3: Consumer Trends and Market Dynamics - There is a growing consumer awareness and acceptance of professional hearing aids, moving away from low-cost sound amplifiers [12]. - The distinction between medical-grade and consumer-grade hearing aids is significant, with prices ranging from 5,000 to 40,000 yuan for medical-grade devices, while consumer-grade devices are priced between 1,500 and 4,000 yuan [13]. - The emergence of consumer-grade hearing aids aims to reduce costs and improve accessibility, potentially allowing new entrants to capture market share [12][13]. Group 4: Future Outlook - The article suggests that consumer-grade hearing aids will become an important segment of the market, although they may not fully replace professional fitting services [15]. - The competitive landscape may remain dominated by established players in the short term, but long-term success will depend on factors like pricing, understanding of local language contexts, and after-sales service [15][16].