韩美药业与罗氏集团旗下子公司基因泰克签订下一代肥胖新药候选药物的独家授权协议,交易最高规模达3.5万亿韩元(折合23亿美元)。该药物不仅具备减重效果,还拥有优异的肌肉保护作用,市场期待其成长为下一代肥胖治疗赛道的核心候选药物。 韩美药业24日宣布,已与基因泰克就代谢疾病候选药物HM17321签署独家授权协议,适应症覆盖肥胖、2型糖尿病、心血管疾病等代谢类疾病。 基因泰克获得除韩国以外全球范围内HM17321的开发、生产、商业化全部权益;韩国本土权益仍归韩美药业所有。韩美药业将完成Ⅰ期临床试验,从Ⅱ期临床开始由基因泰克接续推进开发。 根据协议,韩美药业将收取1.9亿美元(约2850亿韩元)的首付款;叠加临床开发、药品获批、商业化各阶段里程碑款项,整体交易最高规模23亿美元(约3.5万亿韩元)。药品上市之后,韩美药业还将按照产品销售额收取特许权使用费。
「搞a」是什么意思?一文讲清这个热词的来龙去脉
最近一年,「搞a」这个词在社交平台和职场群里出现的频率越来越高。很多人第一次看到会疑惑:这个带英文字母的说法到底指什么?其实它并没有太多玄机,就是「搞AI」的口语化简写——把人工智能当成一件需要动手去做、去用的正经事。年轻人说「今天又在搞a」,意思往往是花时间研究AI工具、用AI处理工作;管理者说「团队要开始搞a了」,说的则是把人工智能引入业务流程。一个字母,浓缩的是当下最真实的效率焦虑与工具热情。
「搞a」之所以能流行,和AI工具门槛的快速下降直接相关。两年前,想用上大模型还得会写代码、会调接口;如今打开网页或手机应用,输入一句话就能得到大纲、文案、表格公式甚至一段可运行的代码。写周报、做会议纪要、整理访谈录音、给图片去背景、把长文档压缩成三条要点,这些琐碎但耗时的事情,都可以交给AI先做一版初稿。当「用AI」从技术活变成日常操作,「搞a」自然就成了一个动词,和「搞设计」「搞数据」并列使用。
真正想把a搞明白,关键不在工具数量,而在提问方式。第一,把任务说清楚:交代背景、目标、受众和格式,比一句「帮我写个方案」有用得多。第二,分步骤来:先让AI列框架,再逐段填充,最后自己通读修改,比一次性索要成品更可控。第三,给它参考资料:把产品文档、历史数据、优秀案例贴进对话,输出质量会明显提升。第四,保留人工判断:涉及数据、法规、对外发布的内容,必须自己核对来源,AI负责提速,人负责把关。
也要提醒一句,「搞a」不等于把脑子外包出去。大模型存在编造事实、引用不存在文献的问题,越是具体到数字、人名、条款,越要回到原始出处验证。同时注意数据安全:客户名单、未公开的财务数据、个人隐私信息,不要随意粘贴进公共AI工具。企业层面更需要明确使用规范,哪些场景可以用、哪些数据不能传,事先讲清楚,比事后补救省事得多。
从趋势看,「搞a」正在从个人尝鲜走向组织标配。招聘信息里开始出现「熟悉AI工具者优先」,内部培训里多了提示词课程,一些团队甚至设立了专门负责AI落地的岗位。对普通人来说,不必追求把所有工具都试一遍,挑两三个和工作最贴近的场景,坚持用上一个月,形成自己的固定流程,收益远比收藏一堆教程更实在。说到底,搞a的本质不是追风口,而是把新工具变成自己的手感。
为用户提供丰富的视频内容资源与高清播放体验,覆盖多类型热门视频与精选推荐内容。平台每日实时更新,确保用户能够第一时间获取最新资源;同时支持多终端访问,让观看更加便捷流畅。,提供丰富的视频资源库,涵盖最新更新与热门推荐内容。平台通过优化播放结构,实现更快速的视频加载与更稳定的观看体验。。相关话题「自称能搞定全上海名校 24位家长被骗上千万」持续受到关注,更多内容请访问 协鑫能科投运广州首个用户侧高压并网储能项目与依托的视频内容体系,平台实现资源快速更新与智能分类推荐。用户可轻松浏览各类视频内容,并享受高速播放与稳定解析服务。。
「搞a」是什么意思?一文讲清这个热词的来龙去脉
最近一年,「搞a」这个词在社交平台和职场群里出现的频率越来越高。很多人第一次看到会疑惑:这个带英文字母的说法到底指什么?其实它并没有太多玄机,就是「搞AI」的口语化简写——把人工智能当成一件需要动手去做、去用的正经事。年轻人说「今天又在搞a」,意思往往是花时间研究AI工具、用AI处理工作;管理者说「团队要开始搞a了」,说的则是把人工智能引入业务流程。一个字母,浓缩的是当下最真实的效率焦虑与工具热情。
「搞a」之所以能流行,和AI工具门槛的快速下降直接相关。两年前,想用上大模型还得会写代码、会调接口;如今打开网页或手机应用,输入一句话就能得到大纲、文案、表格公式甚至一段可运行的代码。写周报、做会议纪要、整理访谈录音、给图片去背景、把长文档压缩成三条要点,这些琐碎但耗时的事情,都可以交给AI先做一版初稿。当「用AI」从技术活变成日常操作,「搞a」自然就成了一个动词,和「搞设计」「搞数据」并列使用。
真正想把a搞明白,关键不在工具数量,而在提问方式。第一,把任务说清楚:交代背景、目标、受众和格式,比一句「帮我写个方案」有用得多。第二,分步骤来:先让AI列框架,再逐段填充,最后自己通读修改,比一次性索要成品更可控。第三,给它参考资料:把产品文档、历史数据、优秀案例贴进对话,输出质量会明显提升。第四,保留人工判断:涉及数据、法规、对外发布的内容,必须自己核对来源,AI负责提速,人负责把关。
也要提醒一句,「搞a」不等于把脑子外包出去。大模型存在编造事实、引用不存在文献的问题,越是具体到数字、人名、条款,越要回到原始出处验证。同时注意数据安全:客户名单、未公开的财务数据、个人隐私信息,不要随意粘贴进公共AI工具。企业层面更需要明确使用规范,哪些场景可以用、哪些数据不能传,事先讲清楚,比事后补救省事得多。
从趋势看,「搞a」正在从个人尝鲜走向组织标配。招聘信息里开始出现「熟悉AI工具者优先」,内部培训里多了提示词课程,一些团队甚至设立了专门负责AI落地的岗位。对普通人来说,不必追求把所有工具都试一遍,挑两三个和工作最贴近的场景,坚持用上一个月,形成自己的固定流程,收益远比收藏一堆教程更实在。说到底,搞a的本质不是追风口,而是把新工具变成自己的手感。







