FX168财经网_全球视野外汇黄金加密货币NFT资讯网

中国海诚：3月5日接受机构调研，上海上市公司协会、海通证券投教基地等多家机构参与

公司在人工智能技术方面的研究应用包括了机器学习、文字生图和大语言模型等多个方向。根据公司目前研究的阶段成果，人工智能有助于专业知识的提取、总结和传播，需要与专业领域的知识深度结合才能为业务带来直接收益。7.公司在 ESG以及碳排放方面有什么规划？公司作为工业工程服务公司，以管理服务输出为主，属于低碳排行业。公司也注重节能减碳等新技术的应用，包括使用屋顶光伏等。公司也成立了“双碳”科创中心进行节能低碳技术研究，具备为客户提供“低碳、减碳”整体解决方案的能力。另外，公司依托核心工艺技术，在全过程工程服务中将绿色、低碳理念和技术措施融入工程项目服务各环节，助力客户减少能耗提升效益，倡导轻工行业节能降耗，致力于为行业和客户提供“更优质、更节约、更环保、可持续”的服务和产品。8.公司在市值管理特别是并购重组方面有没有特别的举措？关于市值管理方面，公司主要从价值创造、价值挖掘和价值经营三个维度开展市值管理工作。在价值创造方面，公司通过机构改革加强管理，通过数字化转型提升效率，持续加大研发投入确保公司竞争优势；在价值挖掘方面，公司从产业和资本两个维度梳理，挖掘公司的内部的价值，维护公司的生态圈；在价值经营方面，一是做好 4R 关系管理（投资者关系、分析师关系、媒体关系、监管层关系），二是做好信息披露工作，三是积极参与资本市场各种评奖提升影响力，四是持续现金分红报投资者。另外近几年公司也陆续实施了股权激励计划，通过向特定对象发行股票募集资金用于数字化转型和“双碳”科创中心项目。投资并购方面，公司希望通过投资并购或自主孵化等方式寻求第二发展曲线，增强公司可持续发展能力，为战略转型提供支撑，目前尚没有落地的项目。中国海诚（002116）主营业务：提供设计、咨询、监理等工程技术服务和工程总承包服务。中国海诚2024年三季报显示，公司主营收入42.92亿元，同比上升2.05%；归母净利润2.13亿元，同比上升8.12%；扣非净利润2.04亿元，同比上升13.13%；其中2024年第三季度，公司单季度主营收入15.66亿元，同比上升4.64%；单季度归母净利润7318.37万元，同比上升4.47%；单季度扣非净利润6597.72万元，同比下降4.14%；负债率60.43%，投资收益198.4万元，财务费用-4632.1万元，毛利率14.96%。该股最近90天内共有2家机构给出评级，买入评级2家。以下是详细的盈利预测信息：以上内容为证券之星据公开信息整理，由智能算法生成（网信算备310104345710301240019号），不构成投资建议。

证券之星03-06 19:11

DeepSeek+风起，金融行业率先加速生产力落地

S、HiAgent、大模型防火墙、轻量机器学习平台产品，提供大模型部署、管理、推理、微调、蒸馏、应用开发等产品能力，实现一站式私有化大模型软硬一体管理。基于此，其能够全方位保障金融数据安全，让金融机构在享受AI带来便利的同时，无后顾之忧。其次，作为数据密集型与计算密集型行业，金融行业对算力的需求极为迫切。随着金融科技的飞速发展，金融数据量呈爆炸式增长，数据处理与分析的复杂度大幅提升，传统计算能力已难以满足其需求。火山引擎DeepSeek凭借强大的算力和先进的技术架构，为金融行业提供了高效解决方案，有效缓解了“算力饥渴症”。例如，通过全栈自研的推理引擎，火山引擎在DeepSeek系列模型上进行了算子层、推理层、调度层的深度优化，与此同时，火山方舟还提供了完善的大模型调用监控与告警能力，充分保障模型应用的高流量、低延迟和稳定性。最后，受困于风险偏好保守、监管环境复杂、技术应用难度大，金融机构在新技术应用、业务模式创新和产品服务升级等方面表现相对谨慎。这也可能导致金融机构在市场竞争中处于劣势。在此背景下，火山引擎提供多种模型、平台的部署方案为企业提供灵活、安全、高效的智能体平台。基于此，火山引擎将大模型打造成了类似“水电煤”的基础设施，当金融机构的AI转型常被头部云厂商绑架，面临动辄千万级的高昂投入时，火山引擎的轻量方案，直接拉平了金融科技的起跑线，有力攻克了金融行业的“创新桎梏”，重塑了金融行业的竞争力。从券商、基金这些金融机构来看，目前其主要将DeepSeek模型用于投研投顾、产品销售、风控合规、客户服务与投教等业务场景。试想，当基金经理用自然语言直接调取跨市场数据、风控系统自动生成合规报告、客服机器人听懂方言投诉时，金融从业者的工作模式已然被彻底改写，并激发了更多的创新空间和生产力。可以说，火山引擎在金融领域的实践，并没有颠覆性口号，而是用最接地气的解决方案悄然重构行业规则。当不少对手还在炫耀模型参数量时，它早已把技术转化为金融机构资产负债表上的真实ROI。这种“务实主义颠覆”，或许才是AI落地最可怕的杀伤力。 03、火山引擎的野望：全栈AI服务——从技术优势到生态构建火山引擎的野心绝非简单兜售模型或技术，而是着眼于构建一个繁荣的AI 生态。在AI技术日新月异的当下，为助力企业更好地智能化转型，火山引擎提供了包括豆包大模型、HiAgent、扣子等在内的全栈AI服务，帮助企业更好、更快、更全面地实现智能化转型。火山引擎AI全栈服务以豆包大模型为例，该模型能力全面，覆盖语言、语音交互、图像生成和编辑、音乐生成、视频生成、视觉理解等多个领域，能够满足企业各类型的大模型需求。如文字、语音方面，为企业提供智能客服等应用支持；图像、视频生成方面，助力企业进行创意设计和营销推广等。基于这一全面的模型服务，其能够有效帮助企业提升效率、降低成本、增强竞争力。此外，火山引擎提供的火山方舟、扣子、HiAgent等产品，也进一步降低企业模型落地的门槛，助力企业高效构建自身AI能力中心，加速AI应用开发进程。其中，火山方舟作为大模型服务平台，提供模型的训练、推理、评测、精调等全流程服务，助力企业高效开发AI应用。方舟亦搭载了豆包大模型以及第三方模型，依托其强大的模型能力，帮助企业实现业务智能化能力和商业新增长。与此同时，扣子作为火山引擎打造的新一代应用开发平台，已接入多模态能力，进一步降低了开发者的使用门槛。近期，扣子亦官宣独家支持DeepSeek「全家桶」工具调用功能，助力开发者打造出各种爆款AI智能体。火山引擎以模型、工具为起点，构建的全链路生态，在这个生态中，从底层硬件供应商到上层应用开发者，从数据标注服务商到模型调优专家，各方参与者相互协作、相互依存，共同构建了一个繁荣的AI生态圈。火山引擎通过提供丰富多样的工具和服务，吸引了大量开发者和企业加入，形成了强大的网络效应。开发者可以基于火山引擎的工具快速开发出创新的 AI应用，企业则可以借助这些应用实现业务的智能化升级，而火山引擎则通过与各方的合作，不断拓展自身的业务边界，挖掘新的市场潜力。可以说，火山引擎的全栈AI服务，不仅为企业提供了强大的技术支撑，更通过构建繁荣的AI生态，为整个行业的发展注入了新的活力。 04、结语 DeepSeek-R1的推出，无疑是对云厂商技术实力的一次大考。火山引擎凭借极致的性能优化和稳定性保障，在金融等高要求场景中验证了其技术的领先性。但如若从火山引擎更深层次的竞争力来看，则源于其全栈AI服务能力：从底层的算力革新到上层的生态构建，火山引擎不仅解决了企业单点需求，更通过开放平台和低成本方案推动AI普惠和应用发展，重塑整个行业价值生态。未来，随着多模态技术与硬件矩阵的完善，火山引擎或将成为“DeepSeek+”时代的核心推手，引领AI从技术突破迈向生态繁荣，其自身的商业价值也将在这一过程中不断得到兑现。(全文完）

格隆汇03-03 19:00

英伟达2025 年第四季度收益电话会议分析师问答

了解。我们知道，未来绝大多数软件将基于机器学习。因此，加速计算、生成 AI、推理 AI 将成为您在数据中心中想要的架构类型。当然，我们拥有来自顶级合作伙伴的预测和计划。我们还知道，仍有许多创新、真正令人兴奋的初创公司涌现，它们为开发人工智能的下一个突破提供了新的机会，无论是代理人工智能、推理人工智能还是物理人工智能。初创公司的数量仍然相当活跃，每家公司都需要相当数量的计算基础设施。因此我认为——无论是短期信号还是中期信号，短期信号当然是订单和预测之类的东西。中期信号将是与前几年相比的基础设施和资本支出水平。然后长期信号与我们知道的软件从根本上已经从在 CPU 上运行的手工编码转变为在 GPU 和加速计算系统上运行的机器学习和基于 AI 的软件这一事实有关。因此，我们非常清楚这是软件的未来。然后，也许当你推出它时，另一种思考方式是，我们实际上只利用了消费者人工智能和搜索以及一定数量的消费者生成人工智能、广告、推荐系统，这些都属于软件的早期阶段。下一波浪潮即将到来，企业的代理人工智能、机器人的物理人工智能和主权人工智能，因为不同的地区为自己的生态系统构建人工智能。所以这些都刚刚起步，我们可以看到它们。我们可以看到它们，因为很明显，我们处于这一发展的中心，我们可以看到在所有这些不同的地方发生的伟大活动，这些都会发生。所以短期、中期和长期。操作员您的下一个问题来自摩根大通的 Harlan Sur。请继续。 Harlan Sur 下午好。感谢您回答我的问题。您的下一代 Blackwell Ultra 将于今年下半年推出，与团队的年度产品节奏一致。Jensen，鉴于您仍将增加当前一代 Blackwell 解决方案的产量，您能否帮助我们了解 Ultra 的需求动态？您的客户和供应链如何管理这两种产品的同时产量增加？而且——团队是否仍有望在今年下半年推出 Blackwell Ultra？黄仁勋是的。Blackwell Ultra 是下半年。如你所知，第一款 Blackwell 出现故障，可能要花几个月的时间。当然，我们已经完全恢复了。团队在恢复方面做得非常出色，我们所有的供应链合作伙伴和许多人都帮助我们以光速恢复。所以现在我们成功地提高了 Blackwell 的产量。但这不会阻止下一趟列车的推出。下一趟列车将以年度节奏推出，Blackwell Ultra 将配备新的网络、新的内存，当然还有新的处理器，所有这些都将上线。我们一直在与所有合作伙伴和客户合作，规划这一切。他们拥有所有必要的信息，我们将与所有人合作，实现正确的过渡。这一次，Blackwell 和 Blackwell Ultra 之间的系统架构完全相同。从 Hopper 到 Blackwell 的过渡要困难得多，因为我们从 NVLink 8 系统过渡到了基于 NVLink 72 的系统。因此，底盘、系统架构、硬件、电源传输，所有这些都必须改变。这是一个相当具有挑战性的过渡。但下一个过渡将恰好在 Blackwell Ultra 中完成。我们也已经透露了，并正在与我们所有的合作伙伴密切合作，以完成下一个过渡。下一个过渡叫做 Vera Rubin，我们所有的合作伙伴都在加快过渡速度，为过渡做准备。再说一次，我们将提供一个巨大的进步。所以来到 GTC，我会和你谈谈 Blackwell Ultra、Vera Rubin，然后向你展示我们接下来的产品。真正令人兴奋的新产品，所以来到 GTC 部分。操作员您的下一个问题来自瑞银的 Timothy Arcuri。请继续。非常感谢。Jensen，我们听到了很多关于定制 ASIC 的消息。您能谈谈客户 ASIC 和商家 GPU 之间的平衡吗？我们听说一些异构超级集群同时使用 GPU 和 ASIC？这是客户计划构建的东西吗？或者这些基础设施将保持相当独特。谢谢。黄仁勋嗯，我们制造的东西与 ASIC 非常不同，在某些方面，在我们拦截的某些领域完全不同。我们在几个方面都不同。首先，NVIDIA 的架构是通用的，无论您是针对非攻击性模型、基于扩散的模型、基于视觉的模型、多模态模型还是文本模型进行了优化。我们在所有这些方面都很出色。我们在所有方面都表现出色，因为我们的软件堆栈非常——我们的架构非常合理，我们的软件堆栈生态系统非常丰富，这是我们最激动人心的创新和算法的初始目标。因此，根据定义，我们的通用性远远大于狭隘性。从端到端，从数据处理、训练数据的管理，到数据训练，当然，到后期训练中使用的强化学习，再到具有严格时间扩展的推理，我们都做得很好。所以我们是通用的，是端到端的，而且我们无处不在。因为我们不只在一个云中，我们在每个云中，我们可以在本地。我们可以在机器人中。我们的架构更容易访问，对于任何创办新公司的人来说，这都是一个很好的初始目标。所以我们无处不在。我要说的第三件事是，我们的节奏非常快。请记住，这些数据中心的规模始终是固定的。它们的规模是固定的，或者说它们的功率是固定的。如果我们每瓦的性能是 2 倍、4 倍或 8 倍，这并不罕见，那么它就会直接转化为收入。因此，如果您拥有一个 100 兆瓦的数据中心，如果该 100 兆瓦或千兆瓦数据中心的性能或吞吐量高出 4 倍或 8 倍，那么该千兆瓦数据中心的收入就会高出 8 倍。它与过去的数据中心如此不同，是因为人工智能工厂可以通过其生成的代币直接货币化。因此，我们架构的代币吞吐量如此之快，对于所有为了创收和快速获得投资回报而构建这些东西的公司来说，都是非常有价值的。所以我认为第三个原因是性能。最后我想说的是软件堆栈非常困难。构建 ASIC 与我们所做的没什么不同。我们构建一个新的架构。如今，我们架构之上的生态系统比两年前复杂 10 倍。这是相当明显的，因为世界在架构之上构建的软件数量呈指数级增长，人工智能也在迅速发展。因此，将整个生态系统置于多个芯片之上非常困难。我会说有这四个原因。最后，我要说的是，芯片设计出来并不意味着它就会被部署。你已经一次又一次地看到这一点。有很多芯片被制造出来，但时机成熟时，必须做出一个商业决策，而这个商业决策就是将一个新引擎、一个新的处理器部署到一个规模、功率和质量都有限的人工智能工厂中。我们的技术不仅更先进、性能更高，软件功能也更强大，而且非常重要的是，我们的部署速度快如闪电。这些对于胆小者来说已经足够了，这一点现在大家都知道了。我们之所以能取得好成绩、取得胜利，有很多不同的原因。操作员您的下一个问题来自 Melius Research 的 Ben Reitzes。请继续。 Ben Reitzes 是的，我刚才就问到了这个问题。嘿，非常感谢你的提问。嗨，Jensen，这是一个与地理相关的问题，你很好地解释了一些需求强劲的潜在因素。但美国环比增长了约 50 亿美元左右。我认为，如果对其他地区有监管，美国能否弥补不足是一个问题。我只是想知道，随着我们全年的发展，美国的这种激增是否会继续下去，这是否会没问题。如果这是你们增长率的基础，那么在向美国转移这种组合的情况下，你们如何保持如此快速的增长？你的指导看起来中国可能会环比增长。所以我想知道你是否可以经历这种动态，也许收集可以权衡一下。黄仁勋中国的比例与第四季度和前几个季度大致相同。这大约是出口管制之前的一半。但比例大致相同。就地域而言，要点是人工智能是软件。它是现代软件。它是令人难以置信的现代软件，但它是现代软件，人工智能已成为主流。人工智能在各地的送货服务、购物服务中得到应用。如果你要买四分之一，从牛奶送到你手中，人工智能就参与其中。因此，几乎所有消费者服务的核心都是人工智能。每个学生都会使用人工智能作为导师，医疗保健服务使用人工智能，金融服务也使用人工智能。没有一家金融科技公司不使用人工智能。每家金融科技公司都会。气候技术公司使用人工智能。矿产勘探现在也使用人工智能。每所高等教育机构、每所大学都在使用人工智能，所以我认为可以相当肯定地说，人工智能已经成为主流，它正在被整合到每一个应用程序中。当然，我们希望技术能够继续安全地发展，并以有益于社会的方式发展。因此，我相信我们正处于这一新转变的开始阶段。我所说的开始阶段是指，请记住，我们已经建立了数十年的数据中心和数十年的计算机。它们是为手工编码、通用计算和 CPU 等世界而构建的。展望未来，我认为可以肯定地说，这个世界几乎所有的软件都将融入人工智能。所有软件和服务都将基于机器学习，数据飞轮将成为改进软件和服务的一部分，未来的计算机将加速发展，未来的计算机将基于人工智能。我们实际上已经踏上这一旅程两年了。我们正在对花了几十年时间打造的计算机进行现代化改造。所以我很确定我们正处于这个新时代的开始阶段。最后，没有任何技术有机会比人工智能解决全球 GDP 更大一部分问题。没有任何软件工具能够做到这一点。因此，现在这个软件工具可以解决比历史上任何时候都多得多的世界 GDP 问题。因此，我们思考增长的方式以及我们思考某件事是大还是小的方式都必须放在这个背景下。当你退一步从这个角度来看时，我们才刚刚开始。操作员您的下一个问题来自 Evercore ISI 的 Mark Lipacis。请继续。 Mark Lipacis 我有一个澄清和问题。Colette 愿意澄清。您是否说过，1 月份数据中心内的企业同比增长了 2 倍？如果是这样，那么这是否会使其增长速度超过超大规模企业？然后，Jensen，对于您来说，问题是，超大规模企业是您解决方案的最大购买者，但他们购买设备用于内部和外部工作负载，外部工作流是企业使用的云服务。所以问题是，您能否让我们了解一下超大规模企业的支出在外部工作负载和内部工作负载之间的分配情况？随着这些新的 AI 工作流和应用程序的出现，您是否希望企业成为该消费组合中更大的一部分？这会影响您开发服务和生态系统的方式吗？科莱特·克雷斯当然。感谢您提出有关我们企业业务的问题。是的，它发展到了 X，与我们在大型 CSP 中看到的情况非常相似。请记住，这些都是了解与 CSP 合作和开发大型语言模型的重要领域，您可以在自己的工作中进行推理。但请记住，这也是企业提供服务的地方。您的企业既与您的 CSP 合作，又在自行构建。它们都发展得很好。黄仁勋 CSP 约占我们业务的一半。正如您所说，CSP 有内部消费和外部消费。我们正在使用——当然，用于内部消费。我们与他们所有人密切合作，以优化他们内部的工作负载，因为他们拥有大量可以利用的 NVIDIA 设备基础设施。事实上，一方面我们可以用于 AI，另一方面可以用于视频处理，像 Spark 这样的数据处理，我们是可互换的。因此，我们基础设施的使用寿命要长得多。如果使用寿命更长，那么 TCO 也会更低。所以，第二部分是，如果您愿意的话，我们如何看待企业或非 CSP 的增长？答案是，我相信，从长远来看，它的发展要大得多，原因是，如果你看看今天的计算机行业，计算机行业所不服务的东西主要是工业。所以让我举个例子。当我们说企业时，让我们以汽车公司为例，因为他们既制造软件产品，也制造硬件产品。因此，在汽车公司的情况下，员工就是我们所说的企业和 Agentic AI 以及软件规划系统和工具，我们在 GTC 上有一些非常令人兴奋的事情要与大家分享，为员工构建 Agentic 系统是为了提高员工的工作效率，设计市场计划来运营他们的公司。这就是 Agentic AI。另一方面，他们生产的汽车也需要人工智能。他们需要一个人工智能系统来训练汽车，处理整个庞大的车队。今天，路上有 10 亿辆汽车。总有一天，路上会有 10 亿辆汽车，每一辆都将成为机器人汽车，它们都会收集数据，我们将使用人工智能工厂来改进它们。虽然他们今天有一个汽车工厂，但未来他们会有一个汽车工厂和一个人工智能工厂。汽车内部本身就是一个机器人系统。正如你所看到的，这里面有三台计算机，一台计算机帮助人们，另一台计算机为机器构建人工智能，这些机器当然可以是拖拉机，也可以是割草机。它可能是人类或当今正在开发的机器人。它可能是一栋建筑，也可能是一个仓库。这些物理系统需要一种新型的人工智能，我们称之为物理人工智能。它们不仅能理解单词和语言的含义，还必须理解世界的含义、摩擦和惯性、物体的永久性以及因果关系。所有这些对你我来说都是常识，但人工智能必须去学习这些物理效应。所以我们称之为物理人工智能。使用 Agentic AI 彻底改变公司内部工作方式的整个过程才刚刚开始。现在是代理 AI 时代的开始，你听到很多人谈论它，我们正在做一些非常棒的事情。然后是物理 AI，然后是机器人系统。所以这 3 台计算机都是全新的。我的感觉是，从长远来看，这将是一个更大的购物中心，这很有道理。世界 GDP 代表着——由重工业或工业以及为这些工业提供服务的公司代表。操作员您的下一个问题来自富国银行的 Aaron Rakers。请继续。 Aaron Rakers 感谢您让我回来。詹森，我很好奇，因为我们现在即将迎来霍珀拐点的两周年纪念日，您在 2023 年看到了 GenAI 的普遍变化。当我们考虑您面前的路线图时，您如何从替换周期的角度看待已部署的基础设施？无论是 GB300 还是鲁宾周期，我们开始看到一些更新机会。我只是好奇你是如何看待这一点的。黄仁勋我很感激。首先，人们仍在使用 Voltus、Pascal 和 Amperes。原因在于，CUDA 具有极高的可编程性，因此总有一些东西可以使用。Blackwell，目前的主要用例之一是数据处理和数据管理。你发现 AI 模型不太擅长的情况。你将这种情况呈现给视觉语言模型，比如说，它是一辆汽车。你将这种情况呈现给视觉语言模型。视觉语言模型实际上会根据情况进行观察，说，这就是发生的事情，我在这方面非常擅长。然后，你根据提示做出响应，并提示 AI 模型在整个数据湖中查找其他类似的情况，无论情况如何。然后，你使用 AI 进行域随机化并生成一大堆其他示例。然后，你就可以开始训练瓶子了。因此，你可以使用安培进行数据处理和数据管理和基于机器学习的搜索。然后，你创建训练数据集，然后将其呈现给 Hopper 系统进行训练。因此，这些架构中的每一个都是完全的——它们都与 CUDA 兼容，因此一切都需要。但是，如果你有基础设施，那么你可以将不太密集的工作负载放在过去的安装基础上。我们所有的 [GBU] (ph) 都得到了很好的利用。操作员我们还有时间再问一个问题，这个问题来自花旗银行的 Atif Malik。请继续。 Atif Malik 我有一个关于 Colette 毛利率的后续问题。我知道 Blackwell 的收益率有很多变动因素，NVLink 72 和以太网组合。你提到了之前的问题，4 月季度是最低点；但下半年必须每季度增加 200 个基点才能达到你在财年末给出的 70 年代中期范围。我们仍然不太了解关税对更广泛的半导体的影响。那么是什么让你对今年下半年的轨迹有信心呢？科莱特·克雷斯是的。谢谢你的提问。我们的毛利率在材料方面相当复杂，我们在 Blackwell 系统中整合的所有东西都有很多机会来研究其中的许多不同部分，以便随着时间的推移更好地提高我们的毛利率。请记住，我们在 Blackwell 上也有许多不同的配置，可以帮助我们做到这一点。因此，在为客户完成一些真正强大的产能提升后，我们可以一起开始很多工作。如果没有，我们可能会尽快开始。如果我们能在短期内改善它，我们也会这样做。目前，关税还是一个未知数，在我们进一步了解美国政府的计划之前，包括其时间、地点和金额，这都是未知数。所以目前，我们正在等待，但同样，我们当然会一直以这种方式遵守出口管制和/或关税。操作员女士们，先生们，我们的问答环节到此结束。抱歉。黄仁勋谢谢。科莱特·克雷斯我们将向詹森敞开心扉，我相信他有几件事。黄仁勋我只是想感谢你。谢谢你，科莱特。对布莱克威尔的需求非常大。人工智能正在从感知和生成人工智能发展到推理。随着人工智能的发展，我们观察到了另一个缩放定律，推理时间或测试时间缩放，更多的计算。模型思考得越多，答案就越聪明。OpenAI、Grok-3、DeepSeek-R1 等模型是应用推理时间缩放的推理模型。推理模型可以消耗 100 倍以上的计算。未来的推理模型可以消耗更多的计算。DeepSeek-R1 点燃了全球爱好者的热情——这是一项出色的创新。但更重要的是，它开源了一个世界级的推理人工智能模型。几乎每个人工智能开发人员都在应用 R1 或思路链和强化学习技术（如 R1）来扩展其模型的性能。正如我之前提到的，我们现在有三个扩展损失，推动了对人工智能计算的需求。人工智能的传统扩展损失保持不变。基础模型正在通过多模态得到增强，预训练仍在增长。但这已经不够了。我们有两个额外的扩展维度。训练后技能，其中强化学习、微调、模型提炼需要比单独的预训练多几个数量级的计算。推理时间扩展和推理，其中单个查询和需求增加 100 倍的计算。我们目前定义了 Blackwell，一个可以轻松从交易前、训练后和测试时间扩展过渡的单一平台。 Blackwell 的 FP4 变压器引擎和 NVLink 72 扩展结构以及新软件技术使 Blackwell 能够处理推理 AI 模型，速度比 Hopper 快 25 倍。Blackwell 的所有配置都已全面投入生产。每个 Grace Blackwell NVLink 72 机架都是工程奇迹。近 100,000 名工厂操作员在 350 个制造基地生产了 150 万个组件。人工智能正以生命的速度前进。我们正处于推理 AI 和推理时间扩展的开端。但我们才刚刚进入人工智能时代，多模态 AI、企业 AI 主权 AI 和物理 AI 即将到来。我们将在 2025 年实现强劲增长。展望未来，数据中心将把大部分资本支出用于加速计算和人工智能。数据中心将日益成为人工智能工厂，每家公司要么租用，要么自营。我要感谢大家今天加入我们。几周后我将参加 GTC。我们将讨论 Blackwell Ultra、Rubin 和其他新的计算、网络、推理人工智能、物理人工智能产品。还有一大堆其他产品。谢谢大家。 (这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)

老虎证券03-03 11:30

特朗普3月5日国会演讲引关注，美股迎英伟达GTC与美联储决议，黄仁勋领航AI热潮

将在上海举办“深入探索Apple智能和机器学习”开发者活动，聚焦AI技术在生态系统中的应用。苹果近期股价受科技股抛售影响波动，此次活动或展示其在AI领域的最新进展，提振投资者信心。分析师预计，苹果可能公布与智能设备和生成式AI相关的新功能，进一步巩固其市场地位。编辑总结 3月美股市场将迎来多重考验与机遇。特朗普国会演讲可能为政策方向提供线索，但其不确定性或加剧市场波动；英伟达GTC 2025有望为科技股注入活力，黄仁勋的AI愿景备受期待；美联储利率决议将决定货币政策基调，通胀与就业数据至关重要；苹果上海活动则为科技巨头展现创新窗口。叠加夏令时调整和重磅经济数据发布，投资者需密切关注事件联动效应，把握短期调整与长期布局的平衡。名词解释 GTC大会：英伟达年度技术大会，聚焦AI与计算技术的最新发展。核心PCE：剔除食品和能源的个人消费支出物价指数，美联储通胀核心指标。 L3自动驾驶：第三级自动驾驶，车辆可在特定条件下自主运行。 2025年相关大事件（倒序） 2025年2月27日：英伟达财报后股价跌超8%，市值跌破3万亿美元（来源：CNBC）。 2025年2月23日：特朗普在CPAC演讲，重申关税政策（来源：VOA中文）。 2025年1月29日：美联储首次决议维持利率不变，鲍威尔强调谨慎（来源：NBC新闻）。国际知名投行与专家点评 “英伟达GTC可能成为科技股反弹的转折点。” — Wedbush分析师Dan Ives，2025年2月27日 “特朗普政策的不确定性将主导3月市场情绪。” — Goldman Sachs分析师Toshiya Hari，2025年2月26日 “美联储可能因通胀压力推迟降息至年中。” — Morgan Stanley分析师Joseph Moore，2025年2月25日 “苹果的AI布局将是其股价修复的关键。” — Mizuho分析师Vijay Rakesh，2025年2月27日 “3月事件密集，美股波动性将显著升高。” — UBS分析师Timothy Arcuri，2025年2月28日来源：今日美股网

今日美股网03-01 00:10

六折血洗，Applovin 罪至于此吗？

ovin 的员工简历中提到了 AI 和机器学习，其中能够确认的 11 名研究科学团队成员，有 5 名来自 Meta。 3、专家访谈：Applovin 开打信息差优势的牌 Fuzzy Panda 通过访谈广告技术专家，了解到，Applovin 通过旗下竞价平台了解到 Meta 广告的详细竞价以及匹配到的最高价值客户。然后将 Meta 出价信息、设备信息和从第三方数据商处购买的数据（包括大量个人信息）或者是督促客户使用 Adjust 获得数据结合起来，还原 Meta 的广告转化与用户匹配的数据。再利用这些信息来增强自己的用户标签，同时向定位的客户发出更有优势的出价。因此<1-3>的证据链，让 Fuzzy Panda 认定 Applovin 正在窃取 Meta 的 “数据资源” 和 “广告成果”，并判断如果让 Meta 知晓该问题，Meta 将立即回以打击。海豚君解读：“数据窃取” 这个问题应该主要出现在 Applovin 拓展非游戏领域广告市场阶段。在游戏领域，尽管 Applovin 存在上述的反合规和数据虚高现象，但至少 Applovin 自身有相对的游戏用户数据优势，而无需向 Meta 窃取数据。因此只有在 Applovin 并不熟悉的电商等非游戏领域，才会有极大的动力去利用 Meta 的用户匹配数据来提升自己的转化率。这也是海豚君一直提到的比较担心的问题，在游戏领域中的统一开发商可以互为广告主 + 发布商的循环游戏，Applovin 并不能完全复制到电商上。毕竟电商广告主的最终目的不是 DAU，而是成交额 GMV。商家是要将手里的货品卖出去的，而不是像休闲游戏用户那种可以反过来利用 DAU 去接广告来变现。因此光给到很高的 DAU，但用户不精准，不能给到商家满意的 GMV 的话，再高的 DAU 放在商家手中也只是无价值且有运营成本的拖累。这个逻辑下，Applovin 需要像当初进入游戏广告领域一样，要完成 “用户数据积累” 的第一步工作。这个用户数据积累，需要包含用户背后的购物行为标签（收入支出水平、兴趣爱好等等），比游戏用户数据包含的因子明显更多，解析起来也更复杂。因此站在巨人的肩膀上去做这件事，无疑于事半功倍。这里是不是和海豚君之前深度里面重点分析的，Applovin 如何建立自己在游戏领域的数据优势的途径非常相似？画个对比表格更直观一点。而另一个，Applovin 利用信息差打竞价优势的动作，海豚君在之前提及过。具体参考之前的文章《爽文 Applovin 大揭秘：一场筹谋五年的必胜局》。我们认为，由于在电商领域并不具备绝佳的优势，因此 Applovin 可能进一步扩大利用了这个信息差优势，以此来获得电商用户的青睐。这里 “理论上” 的风险在于，Meta 可能通过掐断 Applovin 的这个数据获取渠道，并且不再与 Applovin 展开合作，接入 MAX 竞价网络。但海豚君认短中期这个风险发生的概率可能并不大： a. 数据授权取决于谁？数据真正的归属权是广告主，广告主有权知晓并获得在 Meta 投放广告后，展示情况和用户交互情况（Meta 一般会给广告主提供关于用户基本标签数据、设备数据、广告从展示到转化的全链路用户行为数据等）。而同时真正对商品感兴趣或产生交易下单的用户，广告主对其数据标签也会了解得更加全面。因此数据能否给到 Applovin，权利并不在于 Meta，而在于广告主本身。 b．Meta 与 Applovin 的关系只有竞对？根据做空报告，Applovin 要求广告主在 Meta 上每月至少投入 60 万美元，而在 CEO Adam 面对空头的回应中，提及去年 12 月 Applovin 已经获得了 600 个电商客户，预计一年 10 亿美元的广告预算。如果这 600 个电商客户，每个都需要在 Meta 上先花 60 万美元，每个广告主都需要在 Meta 上先花 60 万美元，也就是 Applovin 只增加了 10 亿电商广告收入，但这个操作给 Meta 至少保证了这些广告主中一年 43 亿美金的广告预算。至少从短期而言，Meta 并没有严重受损。综合，因此海豚君认为，尽管 Fuzzy Panda 采用的某 Meta 高管 “Meta would shut it down” 的观点来认为，Meta 将掐断 Applovin 获取数据的渠道，但实际操作而言并不容易（1、拦不住客户主动授权给 Applovin；2、Meta 目前还没有感觉到严重受损）。当然，长期视角就不好说了，如果 Applovin 的 AXON 2.0 因为从 Meta 得来的转化数据，在广告追踪和精准度上有很大的提升，并获得了不错的真实购买转化，规模越来越大时（比如 50 亿美金以上时），那么 Meta 则有很大可能会出于竞争威胁而采取一定的措施。罪状三：违规分发广告这个问题中，空头主要是聚焦在博彩类游戏的分发，以及对儿童展示色情广告。空头们认为，这种违规分发广告，会导致 Applovin 的 SDK 被 Apple 和 Google 踢出应用商店，以及面临监管机构罚款。海豚君解读：对儿童展示色情广告，这个问题仅由 Fuzzy Panda 提出，举证也比较单薄，似乎是出于他们发现的少数案例来进行论证。并由于 Applovin 旗下的 MoPub 在 2017 年有过被起诉违反收集儿童数据的黑历史，来推演 Applovin 收了 MoPub 后现在仍然存在这个问题。我们认为这个问题的影响值得商榷，目前没有看到大规模的父母投诉或抱怨，那么说明本质上还是少数案例。广告分发中，或许会有一些漏网之鱼，以及如果以前操作真有不当的时候，那么 Applovin 后续要及时调整就行。往年 Google 和 YouTube 也出现过因为侵犯儿童隐私而收到罚款的情况。博彩游戏和现金激励广告的问题，这个在 Lauren Balik、Bear cave 以及 Fuzzy Panda 的报告中都有提及。只能说这个确实存在风险，同行尤其是 Meta 和 Google 等头部平台，在这方面的合规性会更强一些。 Applovin 确实分发了一些博彩游戏，里面不排除涉嫌欺诈，比如用户可以直接用现金参与 PVP 竞技，但也有可能用户其实是与一个已经调好结果概率的 “机器人账号” 进行比拼。由于这其中涉及 “真实现金 + 欺诈 “，需要受到严格监管或直接别判定违法。如果真被计较起来，这类游戏确实存在被 Apple 或者 Google 封杀的风险。目前有过赌博诉讼污点的游戏，有一些在 Apple 和 Google 仍然可以下载，比如 2023 年被起诉开展非法赌博业务的 AviaGames 工作室游戏。不过考虑到各个国家有不同的法律约束，连美国不同州政府之间的要求都有差异，因此只能说这类潜在风险是确实存在的。Applovin 在其财报中也一直提示了该类博彩应用可能会遇到的风险。至于 Lauren 提及的 Applovin 旗下子公司 Zerro 自营的博彩游戏《Cash Tornado Slots》，Applovin 最后一次提及它就是 Lauren 列举的 2024 年一季报，二季度开始，这款类博彩游戏已经不在报表中出现。从最后仅剩的 10 家工作室名单可以看出，Applovin 已经默默卖掉了 Zerro。（Applovin 近两年来一直在处理早年收购的游戏工作室，自有 App 收入占比持续收缩）。再结合这次 Q4 业绩发布时，公司宣布将以 9 亿美元出售剩余的 10 家游戏工作室（Machine Zone、Magic Tavern、Lion Studios、PeopleFun、Belka、Athena、Clipwire、Leyi、Zenlife 和 Zero Gravity），海豚君认为，Applovin 在做降本增效的同时，也在剥离一些潜在的风险。写在最后：梳理下来看，几份做空报告确实都是依照事实举证，给 Applovin 列罪名。其中有一些是海豚君事先已知的，也有一些是这次才了解到的。我们不否认 Applovin 确实存在 “作恶” 成分，这从道德以及公序良俗角度，Applovin 无从辩驳。但从商业视角，Applovin 的做法只要不违法，大到可以被贬斥不正当竞争，但小到也可以被一句 “这就是商战” 一笑了之。当然这取决于竞争对手怎么看，尤其是利益直接相关的 Meta 等。前文我们也分析了，至少在目前而言，从商业利益角度，客户、Meta、Apple 以及 Google，均没有太大的动力对 Applovin 长期已久存在的 “罪行” 做一定的约束和反抗。这意味着目前而言，整个生态仍然存在利益共存，Applovin 被揭露的行为，或许只是广告、App 应用行业的一个潜规则。只是 Applovin 做的过于明显，在市值一年十倍并且还在不断新高下，吸引了更多空头去扒细节。如果同行正义泯然的控诉 Applovin，那是否意味着自己未来也不能实施潜规则获利了？这种行为又是否会被行业抵触呢？从去年上半年大举进军电商广告市场，以及这个季度宣布剥离游戏工作室，Applovin 似乎想进一步洗白黑历史，步入广告正规军。海豚君认为，空头们列举的 Applovin 以往在游戏市场的广告欺诈等操作，这个时候就算 Applovin 进行整改，也不会对其竞争地位产生太多影响了，原因在于近几年的大量的游戏用户数据积累，已经足够让 Axon 真正的跑起来了。但如果反之映射到电商上，也可以很容易发现 Applovin 的问题——没有足够的电商用户行为数据、转化数据等，去喂给 Axon 2.0。也就是说在它过去的知识积累中，并不清楚一个高转化率的电商广告如何实现。因此它需要先 “窃取” Meta 的数据，就好比当初先买了十几家游戏工作室一样，目的是获得不同商品吸引的不同用户标签数据，以及如何促成用户从曝光到点击到下单这个过程的成功率。因此海豚君预计，在早期未达到一定规模之前，Meta 不会轻易去做干预。就如上文的分析，此刻的 Meta 是不亏反赚的。但如果 Applovin 的电商广告规模不是 10 亿量级，而是年入 50 亿的量级时，那么 Meta 很有可能去采取动作。而在游戏广告领域，在下游游戏消费缓慢增长的前景预期下，Applovin 管理层仍然认为自己可以实现游戏广告 20% 的增长，这意味着 Applovin 要进一步争抢市场份额。且不论 Unity 正打算脱胎换骨的推出新的模型（由于效果未知，暂时不必打入太多乐观预期），而是海豚君之前一直说的，有限库存位下，接入更多需求会拉高 CPM 降低 ROI 的问题。到时候是否会给 Applovin 带来一定的增长压力？因此海豚君仍然坚持 1-2Q 短期无忧，但中长期电商客户的需求持续性和规模扩张性存疑，需要边走边看的观点。尤其是 Q1 如果继续 beat，谨防市场预期太过线性推演。就好比当初 Applovin 做游戏广告时，在相关数据的规模和模型打磨优化到一定程度之前，ROAS 的优势并没有那么快凸显。正如 Fuzzy Panda 在报告中提及，有些营销技术人员开始认为 Applovin 的电商转化数据并没有想象中（最初测试时）那么好，尤其是第一批之后的净新增量开始快速衰减。目前 Applovin 已经跌至 1050 亿，按照市场预期以及这次 CEO 回应中提及已确定的 10 亿电商广告预算收入，当前市值隐含 2025、2026 年业绩预期（剔除自有 APP 业务），EV/Non-GAAP EBITDA 分别为 31x、23x，估值上逐渐回归正常（但鉴于美股都在调整，估值还是比同行高一点，但溢价率已经大大降低）。如果对 Applovin 进军电商市场的前景比较积极，则可以将这次空头袭击看成是一个阶段性机会。当然这也取决于各位投资者自己的道德标杆和主观偏好，是否能够接受这样有道德污点，但业务有潜力的黑马公司。

海豚投研02-28 19:21

Meta计划投资65亿美元扩展AI基础设施，并考虑在美国建设新数据中心

人工智能服务。人工智能（AI）：通过机器学习、自然语言处理等技术，模拟人类智能的计算机程序。Meta等公司在AI方面的投资旨在提升其产品和服务的智能化程度。 ChatGPT：由OpenAI开发的人工智能聊天机器人，能够与用户进行自然对话并提供信息。基础设施投资：指用于支持公司运营的硬件、软件及设施建设的投资。数据中心是支撑AI等技术发展的重要基础设施。相关大事件 2025年2月：Meta宣布计划在美国建设新的数据中心校园。这一举措将帮助Meta加大在人工智能领域的投入，增强其技术能力。 2024年10月：Meta CEO马克·扎克伯格宣布计划投资最多65亿美元用于扩展AI基础设施。 2023年11月：微软宣布计划投资80亿美元用于数据中心建设，推动其AI产品开发。来源：今日美股网

今日美股网02-28 00:12

Alphabet裁员云计算部门员工以腾出资金投资人工智能和未来业务

能的技术，广泛应用于自动化、数据分析和机器学习等领域。资本支出: 公司用于购买、升级、维修或扩展固定资产的支出，通常用于长期投资。裁员: 公司因各种原因（如业绩不佳、业务调整等）减少员工数量的行为。来源：今日美股网

今日美股网02-28 00:11

段永平点评英伟达财报：AI值得关注，英伟达是一个很不错的公司

（人工智能）：模仿人类智能的技术，通过机器学习等方法进行自我优化，广泛应用于自动化、数据分析等多个领域。今年相关大事件 2025年2月：英伟达宣布Q1 Blackwell芯片销售额达到数十亿美元，超出市场预期。 2025年2月：英伟达四季度营收创纪录，尽管增速放缓，但依然维持强劲增长。来源：今日美股网

今日美股网02-28 00:10

英伟达盘后股价剧烈波动，看看黄仁勋在电话会议上强调了什么

黄仁勋说。“未来，绝大多数软件都将基于机器学习。” 他还道，AI创业公司“依然非常活跃，每家公司都需要大量计算和计算基础设施”。黄仁勋还表示，公司下一次产品升级将比向Blackwell过渡时更容易，因为将采用相同的架构。 “你们知道，第一次推出Blackwell时……我们遇到了一些小问题，这可能损失了几个月时间，”黄仁勋在公司财报电话会议上对分析师表示。“但我们已经完全恢复。” 他指出英伟达的供应链合作伙伴，等帮助公司“以光速恢复”。他说，“这并不会阻挡下一趟列车。公司向下一代产品Blackwell Ultra的过渡将更顺利，因为它采用相同的架构。从Hopper升级到Blackwell要困难得多”。在此之后，下一代产品代号为Rubin，以天体物理学家维拉·鲁宾命名。黄仁勋表示，他将在下个月的GTC大会上讨论Blackwell Ultra和Rubin。来源：加美财经

加美财经02-28 00:00

AI赋能诊疗一体化，圣湘生物营收增五成

生物将聚焦AI辅助模型研发，致力于借助机器学习与深度学习算法，深度挖掘医疗数据背后价值，通过传染病数智化系统功能的完善，辅助临床诊断与传染性疾病预测，提升医疗决策精准性与科学性。未来，圣湘生物将通过AI与生命健康深度融合，加速推进体外诊断行业数字化变革，为构建智慧医疗新生态提供创新样本。同时公司将以数据为基础、算力为支撑，围绕诊疗一体化、个性化方案储备资源和能力，规范开展数智化及AI工作，构建医疗行业新质生产力。

证券之星02-27 22:49

24小时热点