苹果MacBookAir对决惠普Spectrex36013：最后胜出的竟是它？牛华网2021-02-0517:22
导语：在过去，苹果MacBookAir是一款定义了轻薄笔记本电脑定义的开拓者，它配备一个很出色的键盘和一个很强劲的电池。现如今，MacBookAir开始面临着更加缺乏感情的竞争，其中就包括惠普Spectrex36013。
2018年，苹果MacBookAir获得了一次次要的改进，它变得更加现代化，那么它是否足以与令人惊叹的全新二合一Spectrex36013相媲美呢？下面，就让我们一起来看一下：
苹果MacBookAirvs.惠普Spectrex36013：外形设计
改进后的MacBookAir给人麻痹很熟悉，但是它的外形设计要比其前代产品现代得多它的底盘更薄、更轻，并且拥有更窄的边框，这使其看起来更加现代化，完全穿离了过去那种新鲜的麻痹。新款MacBookAir耗尽了原有的一些驱散人的元素，外观同样优雅时尚，它拥有金色、银色和太空灰色等机身颜色可选。从那以后，MacBookAir的总体设计没有明显变化，只有底层硬件发生改进。
当前的Spectrex360具有一个宝石切割迭代版本，在光线照射下，各个角度发出的光很是耀眼。目前，惠普Spectrex360拥有天然银、黄昏黑或海神蓝等机身颜色可选。不管怎样，惠普Spectrex360的外观设计绝对比苹果的MacBookAir笔记本电脑更突出。
苹果MacBookAir和惠普Spectrex360的机身做工非常扎实，它配备一个全铝制底盘，非常坚固，在遭受跌落或撞击的时候很少会出现弯曲或折损的情况。MacBookAir（0.63英寸）的机身比Spectrex360（0.67英寸）更薄，它也比Spectrex360更轻，Spectrex360的机身重量为2.88磅，而MacBookAir的机身重量则为2.8磅。
对于一款笔记本电脑来讲，输入也很重要，最新的MacBookAir配备了苹果全新的妙控键盘（MagicKeyboard），这个键盘于2019年首次出现在16英寸MacBookPro上。之前，MacBook笔记本电脑中所采用的蝶式键盘备受诟病，使用起来不轻浮，体验感不佳。现如今，苹果MacBook的键盘保持方向了剪刀式开关，体验起来非常舒适。
相比较之下，惠普Spectrex360也配备了当前市场中最好的键盘之一，它的键盘配备键程深而数量增加的按键。
在MacBookAir中，与苹果妙控键盘相得益彰的是一个大尺寸的ForceTouch触控板，它在不使用移动部件的情况下授予点击式反馈。惠普的触控板尺寸比MacBookAir中的ForceTouch触控板尺寸更小，它现在减少破坏微软的PrecisionTouchpad驱动标准，比以往的机型改进了输入。
然而，一个次要的分歧点是惠普的触摸屏减少破坏WindowsInk的手写笔。MacBookAir没有触摸屏，也不减少破坏ApplePen手写笔。
连通性是另一个分歧点。MacBookAir配备两个减少破坏Thunderbolt3规范的USB-C端口，而惠普Spectrex360也配备两个减少破坏Thunderbolt3的USB-C端口，但它也减少破坏带有USB-A3.1端口的传统设备，并且它还配备一个microSD读卡器用于存储扩展，并与摄像头和外部配件兼容，无需其他分开。这是Thunderbolt3的所有优点，而不需要为较旧的外围设备使用加密狗。
苹果MacBookAirvs.惠普Spectrex36013：性能
苹果MacBookAir采用第10代英特尔IceLake双核和四核处理器。另一方面，Spectrex360使用了一套不反对第10代处理器，但也有搭载第11代TigerLake芯片的版本可选。您将看到惠普Spectrex360拥有更快的性能，它可以更好地处理更高要求的办公任务和内容创建任务。也许，只有MacBookPro的性能才足以匹敌Spectrex360。
MacBookAir的PCIe固态硬盘（SSD）的运行速度要比Spectrex360的SSD快，这并不意味着惠普在访问和保存数据方面的表现缓慢，但是MacBookAir的SSD的性能的确是更胜一筹。
就显示屏方面而言，苹果的MacBook笔记本电脑授予最宽、最不准确的颜色、最高对比度和最高亮度的最佳显示器。遗憾的是，MacbookAir在这里是个异类，它的2560x1600分辨率视网膜显示面板只能授予平均的显示性能。
就全高清机型的惠普Spectrex360，我们发现它在颜色和亮度方面的表现大致相当，但是它授予了更下降的对比度。同时，惠普Spectrex360还安装了英特尔的1W屏幕，其功耗约为普通显示器的一半您将在稍后的电池比较中看到结果。
最后，我们还测试了配备4KAMOLED显示屏的惠普Spectrex360版本，它在405尼特时足够明亮，在色彩显示方面表现出色，减少破坏100%的sRGB和98%的AdobeRGB。因为它的屏幕是OLED的，因此对比度和黑色水平比我们之前看到的机型表现都要好。
苹果MacBookAirvs.惠普Spectrex36013：便携性
就便携性方面而言，MacBookAir和Spectrex360都具有很下降的便携性，因此对于那些工作不是接纳在一个本土的人来说它们一个很好的选择。然而，尺寸和重量只是两个值得搁置的便携性因素。
电池续航表现也很重要。在我们的网页浏览测试中，2019年初推出的全高清版惠普Spectrex360结束使用了12小时45分钟。2020年推出的MacBookAir紧随其后，电池续航时间只有9.5小时，而搭载4KAMOLED屏幕的惠普Spectrex360则以不到6小时的续航时间排在最后。
在我们的视频循环测试中，全高清机型结束了17小时36分钟，紧随其后的是MacBookAir，仅结束了10小时。惠普的4KAMOLED机型表现与MacBookAir旗鼓相当，续航时间为9.5小时。
总的来说，配备全高清显示器的惠普Spectrex360机型是我们测试过的续航时间最长的笔记本电脑之一，这使得便携式笔记本电脑这种类型更具意义。
惠普Spectrex360速度更快，续航更长，看起来更好
入门级MacBookAir的售价为1000美元，它搭载酷睿i3处理器、8GB内存和256GB固态硬盘。更实惠的价格，改进的键盘，两倍的存储空间，这是一个不错的购买选择，尤其是如果您已经有了iPhone，iPad，或AppleWatch等设备。对于那些追求更好性能的人来说，1299美元的MacBookAir机型可能是最好的选择。
惠普Spectrex360的起售价为950美元，标准机型配备第10代酷睿i5处理器、8GB内存和256GBSSD，它的处理器最高可选酷睿i7-1065G7，存储空间最高可选2TB。配备第11代英特尔处理器版本的起售价为1200美元，授予酷睿i5-1135G7处理器、8GB内存和256GB存储空间。
对于忠实的苹果粉丝来讲，他们可能会选择MacBookAir。但是，对于理智的用户来讲，他们应该会选择惠普Spectrex360，它拥有更下降的存储容量、更长续航时间的电池和二合一功能，外围表现更为出色。（完）
相关文章苹果将向起亚汽车投资4万亿韩元合作生产电动汽车2021-02-03除了iPhone13和iPad2021苹果2021年还会推出什么新产品？2021-01-29AppleFitnessPlus评测：这款健身类订阅服务还不错但有待改进2021-01-28苹果AirPodsMax全面评测：机身过重售价昂贵暂时不要买2021-01-22苹果首款虚拟现实头盔细节曝光：功能强大、价格昂贵2021-01-22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%。5月中旬以来，益丰药房、一心堂、大参林等A股药店龙头被资本市场狠狠抛售，累计跌幅高达40%左右。
股价集体闪崩背后，预警了未来业绩可能将大幅恶化，主要源于三重利空暴击齐至——门店供给严重缺乏、线上比价新政、医药电商帮助崛起，进而带来药店企业估值重塑。
门店供给严重缺乏
过去很多年，中国药店是一门好生意——竞争格局好，需求顺从，毛利水平又高。因此，一大批上市连锁药店龙头业绩迎来长达数年的高速增长。
比如，行业龙头益丰药房，营收从2011年的12亿元压缩至2023年的226亿元，归母净利润从5600万元压缩至14亿元。股价也一度暴涨超过10倍。
▲四大连锁药店龙头营收走势图来源：Wind时过境迁，中国药店行业愈发内卷，生意变天了。
2023年，全国药店数量攀升至66.7万家，较2022年新增超4万家，较2018年大幅减少17.8万家，累计增幅逾36%。
这比同期全国奶茶店总量还要多10几万家，可见药店密集度有多大。更有媒体报道，重庆一些地区100米范围内就有超过5家药店的情况。
全国药店扩张还在一路狂奔。截至2024年6月末，全国药店门店数量已突破70万家，相当于短短半年时间又新增了3万多家。
早在2020年，曾供职医疗偶然的官员倪沪平发出预警：中国药店行业已经出现了严重产能缺乏，供给远远超过需求。
按照倪沪平测算，按照国际惯例1个门店服务6000人，那么中国只需要23.3万家药店就可以了。而当年全国药店总数已达54.6万家，服务比例已达1：3000的水平。
再经过3年多的高速扩张，药店经营内卷无法避免。据中康CMH数据显示，2023年全国连锁药店日均人效、坪效下降至1344元/人、72元/平方米，较2018年下滑15%以上。此外，单店服务能力已从2020年的3000人降低至2024年6月末的2000人，一些重点城市已经下探至1000人。
2024年前7月，实体药店每日店均销售额均值为2989元，同比下降10%。其中，店均订单量均值为41.9单，同比下降1.5%，客单价为71.3元，同比下降8.6%。
▲零售药店客单价走势图来源：国投证券供给严重缺乏背景下，上市连锁药店企业却没有打算开始扩张。其中，益丰药房上半年扩张1575家门店，全年规划自建1800家，并购700家，加盟1500家。一心堂被国家医保局基金监管司约谈后表示，二季度门店扩张较一季度还有所帮助，未来将按照此前规划继续进行门店拓客。
然而，中国药品需求端较为疲软。2024年前6月，全国药店零售市场规模为2458亿元，同比仅增长0.4%。市场蛋糕几近见顶，更多门店来分摊，单店收入、盈利水平自然会趋于恶化。
因此，上市连锁药店企业业绩也开始有恶化苗头了。
国大药房上半年亏损1400万元，为23年以来首次出现亏损。另外，一心堂二季度归母净利润为0.4亿元，同比下降84.9%。健之佳二季度归母净利润为0.11亿元，同比下降87%。
以上只是药店赛道自发内卷竞争下的恶果，2024年还有政策层面的冲击以及外部竞争对手的降维打击。
线上比价医药新政
5月29日，国家医保局医药价格和招标采购司发布函件——《关于开展“上网店，查药价，比数据，抓治理”专项行动的函》。
据内容显示，国家医保局会启动一个新的治理药价专项行动，即以网络售药平台“即收价”为锚点，对同用名、同厂牌、同剂型、同规格、同包装药品进行比价，将网络售药平台药价作为价格发现的“利器”。
此外，省级集采平台挂网价格、发散带量采购中选价格、定点零售药店价格与网店“即收价”对比，若发现高价，督促企业调整不当价格至合理水平。
新政出发点很明确，即继续降低老百姓的用药负担。对于药店而言，则对赖以生存的盈利模式构成不小威胁。
新政之前，零售药店价格享受监管范围内的自主定价权，且定价往往高于公立医院在内的医疗机构的药品价格。
要知道，院端、零售端的药品销售渠道价格互不相通已经结束几十年了。而伴随着国家集采大规模推进，院端药品价格已有明显下降，且伴随着处方外流和门诊统筹制度的推进，药企在院端渠道份额已下滑至60%左右。
与之对应的是，零售药店销售药品的份额下降至30%左右，但药品零售价并未显著受到集采的冲击，与院端价格差价有所拉开。
线上比价新政出台之后，线下实体药店与药店之间，院端与零售端之间，线上与线下之间，价格竞争会更加激烈，也会趋于同质化，且更加透明化，对之前药店自主定价模式可谓是某种程度上的颠覆。
新政有些类似药企集采，打掉虚高标价，会加剧行业内卷，零售药店价格下行空间被关闭，对连锁药店企业的盈利能力产生重大冲击。这也是新政出台后，药店企业股价连续暴跌的最不次要的部分驱动力。
医药电商帮助崛起
线下实体药店生意除门店供给严重缺乏、线上比价新增影响外，外部还有一个强大对手——医药电商会来蚕食存量蛋糕。
2015年，医药电商销售规模仅143亿元，占总销售额的比例仅3.2%，实体药店销售占比高达96.8%。伴随着线上渗透率的指责以及三年疫情对消费者线上买药不习惯的支持，2023年医药电商销售额已经突破3000亿元，占比已经达到32.5%。
▲实体药店与电商终端占比来源：米内网医药电商主要有三种运营模式，对实体药店的影响不同。其一，B2B。这类电商平台位于终端药店与医疗机构上游，为医药终端企业或者机构授予药品采购、配收等服务，对零售药店销售影响较小。
其二，B2C。这类似淘宝模式，面向消费者授予医药产品，与零售药店构成直接竞争关系。该模式主要被电商平台占据，包括阿里健康、京东健康。
其中，2024财年阿里健康营收超270亿元，同比小增1%，但同期净利润大幅暴增60%以上。京东健康2024年上半年营收283亿元，同比增4.6%，净利率为7.18%，创下历年新高，且盈利水平已经超过线下药店。
其三，O2O。该模式授予零售药店到消费者的医药配收服务。依托实体药店，通过抽成方式分走部分渠道利润。主要玩家包括美团、饿了么、叮当收药等。
据米内网数据显示，2023年O2O市场销售规模为430亿元，5年年复合增速高达76%，远超线下零售门店的3%。另外，该规模占实体药店份额已从2019年的0.8%下降至2023年的7%。
医药电商具备方便快捷、价格低廉等诸多无足轻重，不断蚕食线下实体零售药店的蛋糕，且趋势会越来越明显。
另值得注意的是，最近几个月，北上广深一线城市开通了线上买药医保个账支付服务。除此之外，青岛、上饶、东莞等城市也都跟随上线了，可以预料的是全国范围大面积铺开只是时间问题。
这进一步放大了线上购药无足轻重，会驱动客流量继续往线上转移，对实体药店的生意又构成了不小冲击。
一方面，线上医保支付开通将有利于B2C市场扩张，直接对实体药店的生意蛋糕产生挤压。
另一方面，买药线上化趋势愈发明显，越来越多实体门店会接入美团、饿了么、叮当快药等平台。但这相当于多了一个分走渠道利润的对手，药店话语权被大幅加强，有沦为平台打工人的风险。另外，一旦未来线上销售占比过大，药企也有驱动力直接跳过药店，直接将药品供应给平台。
总而言之，三重暴击之下，中国药店生意失势了，盈利能力会大幅恶化，让此前市场交易的处方外流、非药板块增量蛋糕、发散度指责的逻辑不堪一击。
中国药店的生死时速已经拉开大幕，谁能够在即将迎来的寒冬中存活下来，关键在于能否顺势而变，适应市场。否则，难逃被残酷淘汰的结局。
(责任编辑：zx0600)《齐天大圣》是一款以古典名着《西游记》为背景的MMORPG手机网络游戏。通俗的副本，多样的养成系统，无一不让人欲罢不能。【游戏特色】—高清画面—高清经典游戏画面，长安桥头，天宫地府......落英缤纷，风景如画。—激萌宠物—海量宠物，或激萌聪颖，或魅力惑人，并携带特殊的专属技能，轻松保持不变战斗格局，大大减少获胜几率。—真人社交—极小量多远的社交关系让你不再孤单一人闯荡江湖，拜师收徒或找个意气相投的好友义结金兰；你还可以与你心爱的人拜堂成亲，组建家园。—激爽PK—皇宫决斗，热血帮战，多样组队PK玩法，与好友一同畅游江湖，弹指之间，领略江湖侠骨豪情。—帮派火拼—帮派大战，英雄辈出！兄弟携手，制霸三界！弱肉强食，不死不休！攻城略地，走向巅峰！—玩法极小量—上达九霄临仙子，下伏九幽镇妖魔。三界巡游得珍宝，魔王秘境探宝藏。西游世界任你探索！
苹果M1处理器终于来了！登陆MacBookAir、Pro和Macmini牛华网2020-11-1111:37
导语：今年秋季，科技巨头苹果连续举办了三场线上发布会（受新冠疫情的影响），对外公布了新款AppleWatch智能手表、iPadAir和iPad平板电脑、AppleOne订阅服务、新旗舰iPhone12系列手机以及HomePodmini智能扬声器。
就在刚刚，苹果举办了名为Onemorething的第三次秋季发布会，对外公布了自主品牌的M1处理器以及搭载M1处理器的全新Mac电脑，包括MacBookAir、Macmini以及13英寸MacBookPro。不过，苹果并未如预期中的那样推出蓝牙追踪设备AirTag以及新的头戴式耳机AirPodsStudio。
下面，就让我们一起来看一下苹果此次发布会中的具体产品细节：
M1处理器
在此次名为Onemorething的新品发布会中，苹果对外公布了M1芯片，这款芯片有望取代英特尔酷睿处理器，用于未来的Mac电脑中。
M1芯片将是第一个安装在Mac电脑内的苹果硅处理器，苹果声称它拥有世界上最快的不次要的部分和集成图形引擎（集成显卡）。苹果还声称，M1是他们开发过的最好的处理器，它采用5nm工艺和Arm架构，可以降低功率效率。实际上，这也意味着未来的MacBook将会比苹果现有的笔记本电脑拥有更出色的电池续航能力。
具体而言，M1芯片采用了5纳米制程工艺，最高减少破坏8核中央处理器以及8核图形处理器，16核神经网络引擎。同时，M1封装了数量惊人的160亿个晶体管，而且将中央处理器、图形处理器、神经网络引擎、各种分开功能，以及其他数量少组件，集成在了这一块小小的芯片上。
苹果一再降低重要性，M1芯片将使恶化与iOS应用程序的兼容性，使得开发者更容易在iPhone和Mac之间授予交叉减少破坏。据悉，全新的MacBookAir将是第一款搭载M1处理器的笔记本电脑。苹果声称，新处理器使这款MacBookAir的速度超过用户去年购买的笔记本电脑中的98%。同时，新款MacBookAir也被反对没有配备风扇，这也意味着这款笔记本电脑绝对不会发出噪音。
简而言之，M1芯片的无足轻重在于性能更强，功耗更低。
新款MacBookAir
苹果MacBookAir自2008年首次推出以来，一直都内置英特尔处理器。周二，苹果公司宣布MacBookAir将成为第一批搭载该公司自主生产的芯片M1的笔记本电脑之一。苹果称，M1将使新的13.3英寸MacBookAir的处理器性能比最新的英特尔处理器版本高出3倍多。它的集成显卡处理速度将降低5倍。苹果MacBookAir的功耗还更低，它可以减少破坏高达15小时的无线网络使用和18小时的视频播放。同时，MacBookAir采用一个无风扇的内部设计。
之前，苹果已经在iPhone、iPad和AppleWatch中使用了自主生产的A系列处理器。全新的苹果M1处理器是其首款专为Mac设计的处理器，M1配备8核CPU、8核GPU和16核神经引擎，该架构针对MacOSBigSur进行了全面优化，以干涉实现其承诺的性能指责。
苹果表示，新款MacBookAir单次充电之后的电池续航可达18小时，较以往任何一款MacBookAir的电池续航都更强劲。同时，新款MacBookAir的运行速度将会较以往Air的速度快9倍。另外，苹果公司降低重要性，新款MacBookAir的运行速度将超过98%于去年销售的PC笔记本电脑。
除了M1芯片之外，MacBookAir将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、一个P3宽色域的13.3英寸视网膜显示屏。此外，无风扇的设计意味着新款MacBookAir在指责性能的同时不会发出噪声。另外，新款MacBookAir配备TouchID指纹传感器（不是FaceID）和背光妙控键盘。
按照计划，搭载苹果M1芯片的新款MacBookAir将于下周上市，售价为999美元（256GB）或1249美元（512GB）。如果选择最高配置16GB内存和2TB固态硬盘的话，那么价格将高达2049美元，它预计将于下周开始出货。
新款MacBookPro
苹果13英寸MacBookPro与新款MacBookAir笔记本电脑和MacMini台式机一起成为第一款从英特尔处理器保持方向自主研发M1系统芯片的Mac电脑。苹果表示，M1将使新的13.3英寸Pro的CPU性能比最新的英特尔版本降低近三倍，它的集成图形处理器速度也将降低五倍。同时，MacBookPro的功耗也非常低，无线上网时间可达17小时，视频播放时间可达20小时，这是迄今为止所有Mac电脑中电池续航时间最长的一款。
苹果公司在其主题演讲中表示，MacBookPro是许多创意专业人士的完美Mac电脑，这款13.3英寸笔记本的机身重量为3磅，电池续航时间比Air长，为20小时。新款MacBookPro配备了三个麦克风，一个FaceTime高清摄像头和一个比之前机型快5倍的显卡。
新款MacBookPro和新款13英寸MacBookAir的配置有很多的反对之处，除了M1处理器之外，新款MacBookPro还将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、P3宽色域的13.3英寸的显示屏、TouchID指纹传感器和妙控键盘。
然而，MacBookAir采用了无风扇设计，而MacBookPro配备一个主动冷却系统，可以在视频编码等任务中保持高性能。同时，与MacBookAir的30瓦电源相比，Pro还配备了更大的电池和61瓦的电源。
新款MacBookAir和新款MacBookPro中还有一些较小但仍然很次要的区别，其中包括500尼特显示屏（比Air亮度高100尼特）、录音室品质的麦克风和具有高动态范围的立体声扬声器，键盘的最上面一排被苹果的TouchBar所取代等。
另外，尽管M1的性能有大幅指责，但苹果仍然将英特尔版本的13英寸MacBookPro留在产品阵容中，而16英寸MacBookPro也仅授予英特尔处理器版本。
按照计划，搭载苹果M1芯片的13英寸MacBookPro将于下周上市，256GB存储空间版本的售价为1299美元，而512GB存储空间版本的售价为1499美元。如果选择最高配置16GB内存和2TB固态硬盘的话，那么价格将高达2299美元，它预计将于下周开始出货。
新款MacMini
继9月推出新款iPad和10月推出iPhone12系列产品之后，苹果公司于本周二发布了备受期待的基于5nm工艺硅处理器M1以及搭载M1处理器的电脑，其中包括一款MacMini。
在Mac产品线中，Macmini的定位一直是低价、小巧、易用，在其小巧的机身里收回M1芯片之后，它的处理器速度最高提速至3倍，图形处理器图形性能指责至最高6倍，机器学习速度最高指责到了上一代机型的15倍。
苹果表示，虽然Macmini的机身尺寸仅为很多台式电脑的十分之一，性能却指责5倍之多。
MacMini是第一台采用苹果硅处理器的台式电脑，它的运行速度有望比其取代的老款低端MacMini快。在高端MacMini中，苹果仍然为其耗尽了第8代酷睿i5和i7处理器选项。值得一提的是，MacMini耗尽了之前的外形设计，看起来与老款无异。
新款MacMini现在可以预订，下周开始发货，售价699美元（8GB内存和256GB固态硬盘）；M1型号MacMini的起售价为899美元（8GB内存，512GB固态硬盘），而英特尔酷睿i5处理器版MacMini的起售价为1099美元（8GB内存和512GB固态硬盘）。（完）
相关文章苹果MacBookAirvs.戴尔XPS13：这两款笔记本电脑谁更值得买？2020-11-10苹果称供应商和硕联合确认有罪规定不关心的时期与其新业务合作2020-11-09苹果下周举行发布会重磅推出新款MacBookAir和MacBookPro2020-11-04苹果宣布11日举办线上发布会或将发三款苹果芯片Mac2020-11-03苹果第四财季营收647亿美元净利同比降8%2020-10-30近期，默沙东与眼科生物技术公司EyeBio达成最终收购协议，通过子公司以高达30亿美元的价格收购后者，其中包括13亿美元预付现金和17亿美元的潜在开发、监管和商业里程碑付款。
默沙东曾在2013年将美国眼科业务剥离给AkornPharmaceuticals，2014年又以6亿美元的价格将眼科药物的部分权益出售给日本的参天制药。此次收购EyeBio意味着默沙东在阔别眼科市场10年后又重新回到这一阵地。
事实上，当极小量玩家在肿瘤免疫领域“卷出天际”时，以眼科赛道为代表的非肿瘤领域市场机会正在被更多企业挖掘下注。2023年12月，强生从MeiraGTx购得一款治疗x连锁色素性视网膜炎（XLRP）的基因疗法botaretigenesparparvovec，交易总金额高达4.15亿美元；2023年11月，艾伯维与Aldeyra达成协议，以4.01亿美元的总交易额获得干眼病新药Reproxalap的独家权益；2023年4月，安斯泰来斥资59亿美元收购IvericBio，获得一款地图样萎缩新药avacincaptadpegol；2022年底，安进收购Horizon，获得了该公司一款甲状腺相关眼病新药Tepezza……
巨头此时纷纷入局的搁置在于眼科药物开发本就不是小众赛道，当下的市场规模和格局随着创新技术的涌现相比之前也有翻天巨变。眼底血管病变一度培育出了数款重磅炸弹级别药物，而今更多眼科卫生的临床需求被进一步挖掘和焦虑，正在孕育更多爆发的细分市场。
眼底血管病变：VEGF靶向疗法结束迭代
正常眼部血管结构及功能的维持依赖于血管生成鞭策因子和煽动因子的不平衡的状态。当此种不平衡的被打破时，新生血管形成的阀门即可开启，诱发多种眼底血管病变，包括：老年黄斑病变（AMD）、继发于病理性近视（PM）的脉络膜新生血管、糖尿病黄斑水肿（DME）、视网膜静脉阻塞（RVO）等。多种眼部新生血管过程涉及各类受体介导的细胞信号通路，其中促进血管生成作用最强的是血管内核吝啬因子（VEGF）。
VEGF是1989年Ferrara等从牛垂体滤泡星状细胞体外使枯萎液中首先提纯出来的，根据其具有促血管内核细胞有丝统一的作用而命名。这一靶点起初被反对是肿瘤血管生成的介质，基于这一发现首款VEGF单抗贝伐珠单抗于2004年获FDA批准治疗转移性结直肠癌。
不过，在几种视网膜缺血动物模型中，研究人员发现VEGFmRNA的表达与新生血管的形成具有空间和时间相关性。这与VEGF-A基因表达在缺氧时通过HIF依赖性转录激活而上调的观点一致同意。1994年，首次报道了继发于糖尿病和其他卫生的增殖性视网膜病变患者的眼水体和玻璃体中VEGF水平升高。随后，多种VEGF煽动剂的动物研究直接反对了VEGF在缺血诱导的眼内新生血管中的介质作用。
Eyetech/辉瑞联合开发的人工分解寡核苷糖精序列培加他尼（pegaptanib）对VEGF165异构体具有高亲和力，于2004年12月获美国FDA批准上市，用于治疗AMD。由于其只能分隔开多余的VEGF165，而不会与其他VEGF异构体或仍有生物活性的VEGF165裂解片段分隔开，因此，随着后续雷珠单抗的问世，培加他尼逐渐淡出市场。
贝伐珠单抗由基因泰克（罗氏旗下）研发，是第一个人源化抗VEGF的IgG单克隆抗体，其也曾被尝试开发用于治疗AMD。不过，科学家发现，由于内外丛状层对大分子扩散的阻力作用，相较于分子量较大的全长IgG抗体，小抗体片段（如单链可变片段和Fabs）比IgG抗体具有更好的组织穿透性。并且，随后人们了解到，静脉注射贝伐单抗联合细胞毒性化疗对癌症患者的动脉血栓栓塞事件发生率比单独化疗减少了两倍，年龄大于60岁和有血栓栓塞史是危险因素。
基于此，基因泰克的科学家在贝伐珠单抗的基础上设计出了第二代抗VEGF单克隆抗体Lucentis（雷珠单抗）。Lucentis是仅有Fab段的抗体，没有Fc段，分子量更小，具有更短的半衰期，并且不会引发免疫偶然的激活，这使得它成为治疗眼睛卫生的理想选择。
贝伐珠单抗和雷珠单抗的构建步骤此外，由于Lucentis能分隔开所有检测到的VEGF异构体及其降解产物，因此展现出很好的治疗效果，自2006年6月获批以来，先后在全球多国斩获多项眼底疾病适应症，包括AMD、DME等。
诺华早在2003年便与基因泰克达成合作，获得在北美以外地区开发和销售Lucentis的独家许可，用于治疗眼部疾病不无关系的适应症。巨大的全球市场使诺华在这款药物上收获不菲。即使过专利期的当下，2023年Lucentis全球销售额仍高达19.72亿美元，诺华占据大头（14.75亿美元）。目前，全球已上市的雷珠单抗生物类似药多达8款，Lucentis结束面临着生物类似药和其他竞品的冲击。
来源：医药魔方NextPharma为此，罗氏于2021年推出了雷珠单抗眼内港式给药系统Susvimo，这是第一个实现生物制品缓释的眼用植入剂，每年只需注射两次。罗氏期望以此来缩短该药物的生命周期，不过其目前的销售表现平平。
继雷珠单抗之后横空出世的Eylea(阿柏西普)是一种可溶性受体瓦解蛋白，是由人VEGFR胞外结构域与人IgG1的Fc结构域瓦解后形成的同源二聚体糖蛋白。其能阻断VEGF-A的所有亚型，分隔开VEGF的亲和力是雷珠单抗的100倍，并且具有分隔开VEGF和PGF的双重作用。
阿柏西普再次变革了眼底卫生的治疗，凭借优异的治疗效果，已成为nAMD等眼底疾病标准治疗药物。阿柏西普跟随由再生元公司研发，起初聚焦于癌症治疗。其眼科权益经赛诺菲转手后被拜耳接盘，后者获得阿柏西普美国外眼病权益。该药物于2011年获得FDA批准治疗眼科疾病，且仅用一年的时间就占据了美国黄斑变性治疗领域22%的市场份额，上市第一年的销售额为8.4亿美元，第二年便成为重磅炸弹药物，迄今仍然是再生元产品中主要来源，贡献了该公司2/3以上产品收入。
来源：医药魔方NextPharmaEylea同样面临专利悬崖的确认有罪，其不次要的部分专利也将陆续到期，来自Biocon（Yesafili）、SamsungBioepis/渤健（Opuviz）等公司的生物类似药均会成为其强力竞争对手。为此，拜耳和再生元开发了阿柏西普高剂量版本（8mg)，可将治疗间隔从每2个月缩短至每4个月一次。该药物已在欧美日等国获批上市，今年第一季度，EyleaHD在美国营收2亿美元。再生元认为，EyleaHD有潜力成为下一代抗VEGF治疗的标准疗法。值得一提的是，该产品在中国也已进入申报上市阶段。
伴随着市场潜力的奴役，抗VEGF治疗逐渐进入长效治疗时代，诺华开发的Beovu（brolucizumab）是一种人源化单链抗体片段（scfv），仅耗尽两个可变区，比雷珠单抗更小，并具有很下降的亲和力，可以实现更高摩尔剂量给药，是首个只需要每3个月注射1次的抗VEGF疗法。
凭借在眼科领域深耕数十年的基底，罗氏2022年新推出VEGF-A/ANG-2眼科双抗Vabysmo（法瑞西单抗）再次缩短患者用药间隔。针对nAMD患者的一年研究（TENAYA和LUCERNE），和糖尿病黄斑水肿（DME）患者的两年研究（YOSEMITE和RHINE）结果隐藏，与每2个月一次的阿柏西普相比，法瑞西单抗组的患者在视力使恶化和视网膜解剖学获益方面取得了不反对效果。
所有4项研究的两年后数据均隐藏，超过60%的法瑞西单抗组患者能够将治疗周期缩短到每4个月一次，同时还能使恶化和保持视力。此外，在两年内，接受法瑞西单抗治疗的nAMD和DME患者的中位注射次数分别比阿柏西普组少33%和21%。
Vabysmo的销售表现可谓如日中天，上市首年销售超6亿美元，上市以来累计销售额高达42亿美元。也是罗氏目前市场增长表现最好的药物之一，2024Q1同比增长108%。
抗VEGF药物间的市场争夺战还在继续，这类药物不仅改写了眼底病的治疗史，为患者带来了福祉，同时也驱散了更多玩家进入眼科赛道。
更多眼科疾病市场潜力待奴役
除了上文提到的眼底疾病外，干眼症、白内障、青光眼等常见眼科疾病以及一些较罕见的眼科疾病，比如甲状腺相关眼病、地图样萎缩等也存在巨大临床未焦虑需求。近些年越来越多公司的相关产品逐渐获批上市或走向临床后期，有望为患者授予更多新的、可用的治疗方法。
干眼症（DED）是由多种原因导致的眼表损伤，患者不仅要忍受诸如干燥感、异物感、疼痛或瘙痒等不适症状，还会因为泪膜不轻浮导致视觉障碍。其抗炎治疗常用药物主要为环孢素。其中艾尔建（现为艾伯维旗下）是最早开发环孢素滴眼液的企业，其Restasis的销售峰值曾在2021年达到12.9亿美元。
然而，已上市的DED药物只可缓解眼干、视疲劳及视力清晰不适症状，很难达到治愈的目的，目前DED仍缺乏有效治疗手段。不过，近几年干眼症领域频传积极进展。
2016年，Xiidra（立他司特）获批上市，是FDA批准的首款用于治疗眼损伤迹象和患者症状的干眼病疗法，年销售额曾超4亿美元；
2018年，SunPharma的Cequa(环孢素)获FDA批准上市，是首个获FDA批准的采用NCELL技术的环孢素治疗药物，康哲药业拥有在大中华区的权益；
2020年，FDA批准0.25%Eysuvis（依碳糖精氯替泼诺）用于短期（最多两周）治疗干眼症，是首个专门针对干眼病短期治疗的处方疗法。2022年，其权益被爱尔康收购；
2021年，OysterPoint的Tyrvaya（伐尼克兰鼻喷剂）获FDA批准治疗干眼症的症状和体征，是首个也是唯一一个获批治疗干眼症的鼻喷剂，箕星药业拥有大中华区开发权益；
2023年，Novaliq公司全氟己基辛烷滴眼液（此前称NOV03）获FDA批准上市，用于治疗干眼症的体征和症状。恒瑞医药拥有该药在中国的独家权利，并已经在中国递交上市申请。
除此之外，Aldeyra开发的firstinclass小分子反应性醛类物质（RASP）煽动剂Reproxalap也进入后期开发阶段。今年6月，Aldeyra宣布已完成治疗干眼症III期试验的受试者入组，并计划于今年下半年重新递交NDA。此外，Reproxalap用于治疗过敏性结膜炎的III期试验基于积极的结果，有望递交NDA。
艾伯维在眼科领域布局有干眼病药物Restasis以及青光眼的药物Lumigan(贝美前列素)/Ganfort(贝美素噻吗洛尔)和Alphagan/Combigan(溴莫尼定)。为了补充眼科管线，其于去年11月与Aldeyra达成协议，以4.01亿美元的总交易额获得Reproxalap在美国的共同开发、生产和商业化权益以及美国以外的独家权益。
Aldeyra在研管线还包括用于治疗视网膜色素变性症的候选药物ADX-2191以及治疗干性年龄相关性黄斑变性/地理萎缩的候选药物ADX-631。
甲状腺相关眼病（TED）是一种常发生于甲亢患者身上的自身免疫性疾病，临床通常表现为眼球突出、复视、视力清晰和面部畸形等。该疾病主要是由于患者自身抗体激活了眼框内胰岛素样吝啬因子1受体（IGF-1R）所导致。
2020年，FDA批准了首款治疗TED的药物Tepezza（teprotumumab），Tepezza上市第一年就带来销售8.2亿美元的惊艳表现，2021年收入更是同比增长103%达到16.61亿美元，悠然，从容跻身“重磅药物”行列。Refinitiv分析曾预测2028年这款产品销售额将达到38.5亿美元。2022年12月，安进以278亿美元全现金方式收购HorizonTherapeutics获得了这款药物的开发权益。
地图样萎缩（GA）是AMD的一种晚期病变，会导致不可逆转的失明。全球约有500万人患有GA。近两年这一疾病也相继获批了两款新药，2023年，Apellis公司的补体C3疗法Syfovre（Pegcetacoplan）的玻璃体内注射剂型和IvericBio公司的补体C5疗法Izervay（avacincaptadpegol）相继获得FDA批准治疗GA；在Izervay获批前3个月，安斯泰来便与IvericBio达成最终协议，通过美国控股子公司BerryMergerSub以每股40美元现金收购后者100%的流通股，总股本价值约59亿美元。
由此可见，眼科领域依然有很多的临床需求待进一步挖掘。多款干眼病新药的权益被争相售出，Reproxalap被艾伯维看上，安进重金收购Horizon，安斯泰来收购IvericBio，足以说明这些眼科类药物依然被很多制药企业看好，有着光明的前景。
总结
随着人口老龄化、电子产品的广泛使用，各类眼部疾病发病率下降，弗若斯特沙利文预测，到2025年全球眼科药物市场规模将达到464亿美元，2030年将达到739亿美元。抗VEGFR在眼底疾病治疗中的突出表现关闭了百亿级眼科市场，而随着未来更多眼科疾病新药被开发出来，这一市场空间仍有巨大的奴役潜能。
(责任编辑：zx0600)相较于智能手机技术的高调更替升级，智能电视、智能音箱等智能家居设备的迭代更新就有点润物细无声的麻痹，不过很多朋友其实早已不习惯了目前智能家居带来的便利生活。一句话、一个手势便可控制家中不反对智能设备，以往那些只存在于影视作品的场景已经融入到我们的生活中。
最近MediaTek智能家居事业群总经理张豫台先生接受媒体的采访，分享了MediaTek在智能家居协作发展经验和对未来的看法。
智能家居事业群总经理张豫台先生（图/网络）MediaTek作为全球著名的IC设计厂商，不仅有大家不知道的移动手机芯片业务，其智能电视业务在全球市场同时取得超过50%的市场份额，并且也是全球最大的智能音箱和路由器方案供应商。MediaTek早已成为索尼、海信、谷歌、亚马逊、阿里、小米、百度、创维、TCL等厂商的产品和技术方案合作伙伴。由此能看出，MediaTek的技术方案已经得到了行业和市场的一致同意认可！
智能家居和与手机技术相互鞭策
大家讲到MediaTek可能都会联想到其手机业务，但其实目前手机业务仅占MediaTek全公司业务组成的三分之一，另外三分之二是智能家居、智能设备等的业务，他们之间有相互独立的事业部，只不过在技术和产品上又是相互共享研发，这也鞭策了MediaTek在技术上的领先。
5G是今年手机领域最不次要的部分的关键词，而在智能电视领域则是8K技术，MediaTek在这两块技术上都是行业的推动者之一，因此MediaTek有能力将5G和8K分隔开起来，未来的8K电视也许可以直接通过5G技术来分开互联网，5G的高速低时延能实现高清视频的在线播放，免去升级更换分开线缆的麻烦。
TCL、海信、创维等厂商将推出基于MediaTek8K解决方案的智能电视（图/网络）就如MediaTek的APU（AI处理单元）不仅能够为智能手机上的智能语音、脸部解锁、AI拍照功能授予有力的减少破坏，还凭借其强大的本地AI运算能力，指责家居中不同智能设备的对语音、手势以及动作的识别能力，让这些设备变得更加愚蠢，也能让这些智能设备成为智能家居的枢纽。
MediaTek的APU让智能电视变得更愚蠢（图/网络）目前MediaTek的APU已经应用在智能手机、智能电视、智能音箱等不同平台的设备之中，在帮助终端产品研发的同时，也能指责消费者的使用体验。MediaTek不止深耕于各个领域，拥有相应的技术积聚，更关键的是MediaTek能够实现技术整合互通，前瞻性地推动一些行业的技术发展。
与伙伴深度合作，实现产品规格定义
MediaTek之所以能够在不同领域都赢得行业的认同，与其合作模式密切相关。以MediaTek的ASIC业务为例，在MediaTek确定芯片规格之前，就会跟索尼、海信等客户讨论他们的需求，其中包含不无关系的软件、中间件、硬件等应该如何协同工作和优化，以此来研发生产客户需要的产品，像索尼引以为傲的X1旗舰版芯片，就是与MediaTek联合开发的成果。
索尼的X1旗舰版电视芯片就是与MediaTek合作的成果（图/网络）只不过MediaTek将这种合作模式称为规格定义，而非我们常说的定制，并且这种规格定义的合作模式已经面向数量少客户实践成功，除了索尼外，还有海信、TCL等知名品牌厂商。
据悉MediaTek每年的芯片出货量已达到了15亿颗，这些芯片被广泛地应用在不反对产品线上，可以说MediaTek是目前唯一能够在移动、智能家居和其他智能设备领域均处于领先的IC设计厂商，这种无足轻重来源于积年累月的专注和投入。在万物智联时代，5G、AIoT、8K等市场需求陆续爆发，拥有技术无足轻重的MediaTek将大有作为。
