正面影響
技術領導地位可能強化，吸引更多科研合作訂單 營收
技術聲譽提升可能帶來更多科研合作與商業授權機會，增加營收
持續關注
新簽科研合作案數量；模型授權收入；客戶提及 BigBang-V1 的採用意願
反轉信號
若後續季度合作案未明顯增加，或市場反應冷淡，則此正面影響不成立
-- / 深势科技
深势科技
DP Technology 未上市公司
--
每日解讀
這家公司還沒有每日解讀。
公司概況 - 公司定位、管理層與關係網。
2026-08-09 更新公司簡介
深势科技（DP Technology）是一家專注於科學智能（AI for Science）的公司，致力於運用人工智慧與分子模擬演算法，為生物醫藥、能源、材料及資訊科學等領域，提供新一代微尺度工業設計與模擬平台。作為AI for Science研究範式的先行者，深势科技透過「多尺度建模＋機器學習＋高效能運算」的技術路徑，以及「深势·宇知®」AI for Science大模型體系，協助科學研究與工業研發加速創新。AI技術的導入，大幅縮短了微尺度模擬與設計的週期，使藥物分子篩選、新材料開發等流程得以更高效地進行，從而擴大了科學智能在產業中的應用需求。公司以「軟體＋服務」模式，已獲得醫藥公司及新能源領域主要業者的認可，其技術在藥物設計、材料科學等前沿領域展現出顯著的應用潛力，並透過多項重要獎項與融資，持續推動科學發現與工業研發的進步。
公司高管
--
公司關係
| 競爭對手 | -- |
|---|---|
| 上游供應商 本公司向它們採購，或依賴其供應。 | -- |
| 下游客戶 它們採購或採用本公司的產品與服務。 | |
| 策略合作 | -- |
| 投資／持股 | -- |
公司事件 - 重大事件與所有事件時間線。
2026-08-09 更新2026-08-09
中國團隊發布 BigBang-V1，用 AI 自我進化合成資料訓練出 35B 模型，科研能力超越 1T 大模型 大事件
由上海交大、深勢科技等組成的「無盡前沿團隊」發布了首個基於遞迴自我改進（RSI）原生訓練的基座模型 BigBang-V1。該模型參數僅 35B，但後訓練數據 100% 由 AI 自主合成，在多項高難度科研任務上成績超越 1T 參數的 DeepSeek V4 Pro Preview。團隊公開了技術報告並開源模型，展示了一條讓 AI 參與創造下一代 AI 的可行路徑。
atrac解讀
這條新聞真正暴露的是：高質量訓練數據的生產瓶頸，正在從「人類標註」轉向「AI 自我出題」。BigBang-V1 用 35B 參數在多項科研基準上打敗 1T 大模型，證明數據品質與自我進化管線的價值可能比參數規模更重要。這對整個 AI 模型訓練的典範是一記警鐘——如果數據層 RSI 跑通，未來模型軍備競賽的關鍵可能不再是誰買更多 GPU，而是誰能讓數據生產系統跟著模型一起進化。
--
來源連結 ›
負面影響
新訓練方法初期成本可能偏高，影響短期毛利 成本
研發支出增加可能使短期毛利承壓
持續關注
研發費用率；毛利率變化；RSI 訓練相關的投資支出
反轉信號
若公司財報顯示研發費用未明顯增加，或毛利率維持穩定，則成本壓力不成立
新聞僅保留摘要與來源連結，不存原文。
非投資建議。市場資料以中性事實呈現，不含個股估值評等或買賣建議。