
6月14日上午,帝恩思(837018)敲响了登陆新三板的钟声。作为帝恩思的重要股东,迅雷(NASDAQ:XNET)CEO邹胜龙与帝恩斯董事长王宇杰、总经理许渊培等人一同参加了这一仪式。

帝恩斯是一家关注互联网云安全领域的企业,主要提供域名解析服务。CNNIC数据显示,由于网络攻击频繁,国内网站域名存在安全问题的高达62%,正是抓住这样的机遇,帝恩斯迅速成长,自2012年成立后,服务用户的数量迅速冲进了全国前三名。
去年5月,迅雷披露了此前的3笔投资案,其中就包括收购厦门帝恩斯公司15%的股权,另外两笔投资则涉及风投和手游行业。
迅雷CEO邹胜龙表示,“帝恩思是迅雷在云计算和互联网基础设施建设领域里的重要战略投资之一。他们的服务特色鲜明,在安全性方面的表现尤其让我印象深刻,相信帝恩思在未来的一段时间还将继续保持较高的成长性。”
帝恩斯提供的抗DNS攻击的高级防御服务,是基于其自主开发、拥有知识产权的高性能内核。敲钟仪式后,帝恩思董事长王宇杰在谈到今后的发展规划时也明确表示,帝恩思的定位,就是DNS研发的技术服务商,帝恩思将持续增加研发方面的投入,提升产品技术实力。
据迅雷联席CEO陈磊介绍,现在双方的实质性合作已经展开,迅雷星域CDN业务就在使用帝恩思的DNS服务。
“在投资决策之初,我们就考虑到DNS服务与迅雷当时正在起步的CDN服务有很强的协同效应。因此,投资帝恩思对迅雷具有战略价值。CDN服务能够给DNS服务带来更多的客户,而DNS服务的技术是CDN服务中不可或缺的部分。特别是我们的星域CDN,需要DNS服务有更强的处理能力。”陈磊说。
迅雷云计算业务被视为迅雷具有战略性的转型业务。这一业务具备创新的商业模式,不仅重新定义了CDN,还将原本浪费的边缘节点资源实现高价值利用,兼顾了科技发展与环境发展。迅雷2016年第一季度的财报显示,迅雷云计算业务继上一季度环比增长33.9%之后,再次大幅上涨40.4%,增速继续加快。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。