FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

7亿营收撑起千亿市值，被曝裁员上百人，“AI芯片第一股”寒武纪的“光环与荆棘”
go
和数据三大行业的支持。目前用于人工智能深度学习的芯片主要有GPU、FPGA、ASIC三类芯片。寒武纪打造的智能芯片产品在人工智能领域可以替代GPU芯片，可覆盖视觉、语音、自然语言处理、推荐系统、搜索引擎及传统机器学习等多样化应用领域。　　据悉，寒武纪打造的思元系列产品适配TensorFlow、Pytorch、Caffe深度学习框架，思元290与商汤在CV层面深度合作，NLP领域在讯飞、百度语音都有出货，寒武纪思元590将是最早实现商业应用的接近英伟达A100性能的国产Al训练芯片。　　不过，基于国内类ChatGPT应用刚刚起步的现实背景，寒武纪与多支个股一样并未在该领域产生实际业务收入。3月30日晚间，寒武纪曾发布公告表示，公司不直接从事人工智能最终应用产品（例如类ChatGPT应用）的开发和销售，公司相关产品正处于适配阶段，尚未产生收入；客户是否进行规模化采购受产品技术能力、交付能力、产品价格及客户采购意愿等因素影响，存在不确定性。4月20日晚间，寒武纪再次发布公告强调了这一事实。　　除了相关业务进展，需要投资者理性看待的还有寒武纪持续下降的利润。业绩快报显示，寒武纪2022年实现营业收入7.29亿元，同比仅增长1.11％；净利润亏损11.66亿元，亏损同比扩大41.40％。　　自成立以来，寒武纪已经连续7年亏损，2022年度业绩快报中，寒武纪表示亏损扩大主要原因系研发费用、资产减值损失、信用减值损失增长所致。公司尚未盈利主要系公司设计的复杂计算芯片需要持续大量的研发投入所致。根据多家券商一致预测，2023年和2024年，寒武纪净利润亏损分别为7.5亿元和4.2亿元。　　为了在竞争激烈的市场中保持技术领先优势，寒武纪不得不持续加大研发投入，这需要大量的资金来“输血”。此前4月13日，寒武纪16.72亿元的定增终于宣告落地，募资净额将投资于先进工艺平台芯片项目、稳定工艺平台芯片项目、面向新兴应用场景的通用智能处理器技术研发项目和补充流动资金。　　据统计，寒武纪上市以来募资金额（包括IPO和定增）已超过40亿。不过，受益于近期股价的暴涨，最近一次定增的机构或已实现大幅盈利。截至4月24日收盘，寒武纪收报243元/股，与定增价121.10元/股相比，浮盈已逾一倍。　　“AI芯片第一股”的“光环与荆棘” 　　“天才兄弟”创业、背靠中科院、华为芯片合作方……寒武纪自出生起就自带光环。　　寒武纪的创始人是陈天石，他16岁考入科大少年班，毕业后在中科院计算所担任研究员和博导。2016年，31岁的陈天石与同样毕业于科大少年班，且就职于计算所的亲哥哥陈云霁，创办了中科寒武纪科技股份有限公司。　　靠着出身和技术实力，寒武纪成立三年进行了6轮融资，迅速成为全球AI芯片领域第一家独角兽，上市前股东包括了阿里巴巴、联想、科大讯飞等知名互联网科技公司和中科院，以及SDIC基金、国鑫资本等“国家队”基金。　　2020年7月，寒武纪登录科创板，以发行价64.39元/股开盘，开盘涨约288％，股价报250元，市值达1000.25亿元。上市前，寒武纪科创板过会时间仅为68天，也是除了中芯国际外过会最快的企业。　　在成立初期，寒武纪通过与华为海思合作，将终端智能处理器IP应用到了麒麟970。华为Mate10一经推出，作为华为芯片合作方的寒武纪，也一夜成名。之后，寒武纪又连续迭代推出寒武纪1H、寒武纪1M系列处理器。　　华为的订单快速养大了寒武纪——2017年至2019年，寒武纪对华为海思终端智能处理器IP授权业务的销售金额为771.27万元、1.14亿元、0.64亿元，分别占到公司IP授权业务营收的100％、97.94％、92.56％。　　但就在2019年，华为推出的新款手机芯片麒麟990、麒麟810全面采用了华为自研AI模块，这也宣告了寒武纪与华为的合作再无必要。与华为分手后，寒武纪2020年的终端智能处理器IP授权业务收入相较于2019年下滑82.96％。失去大客户的寒武纪也被市场看衰，股价跌跌不休，市值一度蒸发超过600亿。　　2019年，寒武纪开始全力转型自谋生路。新增了云端智能芯片及加速卡与智能计算集群系统业务，并发展成为寒武纪的营收主力，2019年、2020年，智能计算集群系统，具体营收分别是2.96亿元和3.26亿元，占总营收比例为66.72％和70.96％。同时，寒武纪成立全资子公司布局车载智能芯片市场，首款芯片于去年发布，预计于今年下半年通过车规认证。　　业务布局满足了复合场景需求也带动起收入的增长。2022年度业绩快报显示，公司市场拓展稳步发展，公司实现营业总收入 72,903.46 万元，较上年同期增加 798.93 万元，同比增长 1.11％。公司营业收入主要来自于云端产品线、边缘产品线及智能计算集群系统业务。　　“寒武纪”是地球上的一次短期内出现的“生命大爆发”。陈天石用此命名是想要证明他所创立的公司会引领芯片领域的大变革、大发展。但是，通往成功的道路都是充满了荆棘与坎坷，寒武纪遇到的挑战也是一桩接着一桩。　　去年12月15日，美商务部下属的工业和安全局发布公告，以国家安全为由，将36家中国芯片公司和研发机构纳入了“实体清单”。今年3月15日，寒武纪发布公告，宣布公司CTO、核心技术人员梁军“因与公司存在分歧”，已于近日离职。同一天，上交所就此向寒武纪下发了监管工作函。就在最近，寒武纪还被曝大幅裁员，一位寒武纪员工向南都记者透露，据他了解，此次裁员应该才刚开始，各个城市的部门都在裁员，目前应该有上百人。　　转型之路道阻且长　　庞大的研发团队力量一直是寒武纪的特色和优势，也正是因为此，寒武纪大规模裁员的消息才备受关注。　　降低成本是最显而易见的原因。作为一家“烧钱”的科技企业，寒武纪近年来的研发投入已远远超越其营业收入。2019年、2020年、2021年和2022年1-9月，寒武纪研发投入分别为5.43亿元、7.68亿元、11.36亿元和9.63亿元，研发费用率分别为122.32％、167.41％、157.51％、366.34％。　　研发人员方面，2020年、2021年及2022年上半年，公司研发人员数量分别为978人、1213人、1207人。且公司核心研发人员学历较高，多毕业于著名高校或科研院所，拥有计算机、微电子等相关专业的学历背景，硕士及以上学历人员占比超过 77％。2021年年报显示，公司研发人员平均薪酬为60.88万元，同比增加34.48％。　　作为一家AI公司，产品的核心竞争力是重中之重，积极招募人才、给予高额薪酬尚在情理之中。但尴尬的是，寒武纪的商业落地进程推进缓慢，且存在强烈依赖大客户的的风险。　　目前，寒武纪的主营业务由三部分组成：智能计算集群系统、云端智能芯片、边缘端智能芯片，每项业务的收入情况都受大客户的订单影响。例如，2019年，云端智能芯片及加速卡销售收入7888.24万元，其中中科曙光贡献了6384.43万元，占比80.94％；智能计算集群系统业务方面，珠海市横琴新区管理委员会商务局、西安沛东仪享科技服务有限公司两大客户贡献了97.29％的收入；2020年，智能计算集群系统业务的大客户又变成南京智能计算中心项目（一期），贡献了81.54％的营收。　　进入2022年后，寒武纪的第一业务又变了。2022年上半年，云端产品线占寒武纪营收比重为75.87％，新晋为公司第一大业务。与之相反，昔日占主导的智能计算集群系统业务占营收比重仅为1.18％。目前，公司营收90％高度依赖于前5大客户，而它们也只能算是小客户，仅贡献6亿营收。　　2021年，寒武纪提出了“云边端车”的战略布局，并成立子公司行歌科技负责车载智能芯片的研发。浙商证券研报指出，智能驾驶是一个复杂的系统性任务，除了车载智能芯片外，还需要在云端处理复杂的训练及推理任务，也需要边缘端智能芯片在路侧实时处理车路协同相关任务，在统一的基础软件协同下，能够实现更高的效率。寒武纪是行业内少数能为智能驾驶场景提供 “云边端车”系列产品的企业之一，有望在智能驾驶领域实现规模应用。　　不过，车载芯片的研发周期较长，回收成本时间漫长。从研发周期的角度来看，整体的车载芯片从研发到流片到验证再到量产上车，是一个非常漫长的过程。而且后续需要经过过车规的一个环节，至少还需要两年以上的时间。根据海思之前的数据，乐观来看，一个汽车半导体公司要实现回报需要8年左右的时间。　　中国人工智能芯片行业起步晚，成立不到7年的寒武纪虽发展迅猛但也略显孱弱，在浩瀚的理想和盈利遥遥无期的现实困境之间，寒武纪的“春天”还远未到来。
金融界2023-04-25
Binance Sensei介绍：您的Web3 AI导师
 go
一年中，ChatGPT和DALL-E等深度学习系统已逐渐成为主流。这些AI工具得到了迅速推广，2023年也因此成为AI整合的关键一年。此项技术潜力巨大，足以改变我们处理日常工作的方式，提高多种工作的效率。毫无疑问，您和我们一样渴望探索AI带来的新机遇。币安旨在创建一个人人皆可访问的生态系统，不断拥抱前沿技术，提高Web3的全球采用率。为实现这一愿景，我们尤其强调教育和知识共享，且已搭建了各类教育计划和资源，帮助人们了解数字资产领域。鉴于我们对教育的承诺以及对AI潜力的兴趣，我们隆重推出了全新的AI工具 - Binance Sensei。什么是Binance Sensei？ Binance Sensei是币安推出的一款创新型AI学习工具，现已无缝整合至币安学院，币安学院是提供Web3、区块链和加密货币免费教育的终极平台。Binance Sensei旨在增强用户的学习体验，它通过改变用户探索科普内容以及与科普内容互动的方式，提高学习过程的趣味性。 Binance Sensei可赋能用户以更直观的方式访问币安学院提供的海量知识。无论您是初学者或专家，均只需在交互式聊天窗口中输入关键词或问题即可。随后，Binance Sensei将迅速为您提供一个简单易懂的回复，这些回复来自币安学院的综合知识体系（包括各类文章、指南和词汇表条目），或来自其他可靠的开放来源。依托最先进的ChatGPT技术，Binance Sensei将为您提供切题且易于理解的信息。这一用户友好的方式大大提高了深入研究复杂主题或快速掌握新概念的便利性，可满足各类学习风格与偏好。如果有人希望拓展关于快速发展的区块链和加密货币领域的知识，由AI赋能的Binance Sensei堪称完美搭档。借助这一互动工具，您可轻松而自信地探索币安学院的海量教育资源。因此，无论您是希望了解区块链基础知识的好奇新手，还是希望深入探索复杂知识的资深专业人士，Binance Sensei均可满足您的需求。为确保您在Web3和加密货币领域中获得丰富且愉快的学习体验，后文将为您介绍该前沿工具的分步使用指南。什么是币安学院？币安学院是一个综合性教育平台，提供关于区块链技术、加密货币和Web3生态系统的海量学习资源。币安学院于2018年推出，提供文章、指南、视频和词汇表条目等多种内容，可满足技能水平和兴趣不同的各类用户。币安学院旨在为所有人提供区块链和加密货币知识，对专业知识水平不设任何门槛。该平台支持30多种语言，包括英语、西班牙语、中文、俄语以及韩语等，在全球范围内拥有数百万用户。币安学院涵盖了从基本概念到高级交易策略的多种主题，确保用户在拓展个人知识的同时及时了解最新行业动态。币安学院的内容完全免费，没有广告，无需付费或注册即可浏览。人人皆可按照自己的节奏学习，且信息的获取不受任何限制。此外，币安学院还推出了一项学习赚币(Learn and Earn)计划，用户在通过互动测验和视频教程了解Web3的同时，还可以赚取加密货币。如何使用Binance Sensei？您准备好利用Binance Sensei的力量优化区块链学习体验了吗？按照以下简单步骤操作，即可充分利用我们全新的AI聊天机器人（仅在币安学院上提供）。第1步：访问币安学院首先，请前往币安学院网站。第2步：找到机器人图标币安学院页面上会显示一个机器人图标。点击该图标，即可访问Binance Sensei。第3步：通过聊天与Binance Sensei互动聊天窗口打开后，输入您感兴趣的问题或关键词。Binance Sensei将根据您的需求，为您提供一个约150字的简短摘要。第4步：探索推荐阅读材料除简短摘要外，Binance Sensei还将为您推荐三篇相关主题的文章，进一步拓展您在该主题方面的知识。通过对这些学习资源的深入研究，您可以获得更深入的了解，满足自身的好奇心。按照上述简单步骤操作，即可迅速解锁币安学院的全部潜力，获得更高效、更有趣的学习体验。立即体验Binance Sensei，与您的AI私教一起沉浸在Web3、区块链与加密货币的浩瀚世界中吧！来源：金色财经
金色财经2023-04-25
欧比特：玉龙810芯片可以实现12tops的算力
 go
处理、前端信号处理和智能控制，芯片具有深度学习、神经网络算法的平台加速能力，具有高性能、高可靠、低功耗的特点，芯片可面向航空航天、智能安防、机器人、AIoT、智能制造、智慧交通等应用场景。欧比特公司推崇“芯科技、兴中国；小卫星、大数据”的发展理念，主要从事宇航电子、微纳卫星星座及卫星大数据、人工智能技术和产品的研制与生产，服务于航空航天、地理信息、国土资源、农林牧渔、环境保护、交通运输、智慧城市、数字政府、现代金融、个人消费等领域。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!
有连云2023-04-25
华西证券：给予首都在线买入评级
 go
性能的异构算力平台，满足图像图形渲染、深度学习、AR/VR、AI训练及推理、高性能算力需求，为客户提供低延时，高可靠的云网一体化IaaS算力资源，此边缘节点是公司核心壁垒之一。公司2022年持续加大面向渲染业务的新型边缘节点，并大批量部署算力，进一步优化异构算力平台，进一步细化资源调度能力。同时，公司已深度绑定英伟达与遂源，夯实底部算力基础。公司首云星图云算力平台已经震撼发布，深度绑定英伟达，算力平台采用A100、A40、A5000，为全球数字世界多场景提供澎湃算力。同时，公司携手燧原科技，开启AIGC芯征程，重点针对大模型MaaS开展联合攻关，正式推出云燧i20支撑的AIGC实时推理应用。　　AIGC背景下，AI算力云龙头迎来黄金发展周期　　大模型是人工智能发展的必然趋势，也是辅助式人工智能向通用性人工智能转变的坚实底座，算力是打造大模型生态的必备基础，平台是算力的桥梁。大模型开启算力军备赛，大模型参数呈现指数规模，引爆海量算力需求。公司属于AI算力云龙头，已经从原有的IaaS服务转为向客户提供IDC、IaaS和PaaS的混合云全栈服务，可就近为高算力业务场景如云游戏、AI、XR、数字人、数字孪生、元宇宙、智能制造等各领域提供了算力支持。其中云游戏方面，我们判断云游戏市场处于“技术成熟走向商业可行”与“商业可行走向商业腾飞”的交替阶段，公司坐拥算力和算力网络双重竞争优势，此外公司2022年开发电商赛道行业解决方案，跨境电商、直播电商也有望成为公司另一个“爆发点”。　　投资建议　　根据公司2023年一季报业绩披露，维持2023年-2025年公司营收预测16.05/21.02/28.01亿元，归母净利润为0.74/1.74/3.35亿元，每股收益（EPS）为0.16/0.37/0.72元。2023年4月21日总市值为91亿元，收盘价为19.40元，对应PS为5.7/4.3/3.2倍，依旧坚定看好，维持“买入”评级。　　风险提示　　1)市场竞争加剧风险；2)业务经营风险；3)固定资产折旧大幅增加的风险；4)AI云不及预期的风险。该股最近90天内共有1家机构给出评级，买入评级1家。根据近五年财报数据，证券之星估值分析工具显示，首都在线（300846）行业内竞争力的护城河一般，盈利能力较差，营收成长性较差。财务可能有隐忧，须重点关注的财务指标包括：有息资产负债率、应收账款/利润率、应收账款/利润率近3年增幅、经营现金流/利润率。该股好公司指标0.5星，好价格指标1星，综合指标0.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。
证券之星2023-04-23
深度学习和人工智能的 5 大新兴趋势
 go
深度学习和人工智能（AI）是快速发展的领域，新技术不断涌现。该领域最有前途的五个新兴趋势包括联邦学习、GAN、XAI、强化学习和迁移学习。这些技术有可能彻底改变机器学习的各种应用，从图像识别到游戏，并为研究人员和开发人员等提供令人兴奋的新机会。联邦学习联合学习是一种机器学习方法，允许多个设备在单个模型上进行协作，而无需与中央服务器共享数据。这种方法在数据隐私受到关注的情况下特别有用。例如，谷歌使用联合学习来提高其预测文本键盘的准确性，而不会损害用户的隐私。机器学习模型通常是使用集中式数据源开发的，这需要与中央服务器共享用户数据。尽管用户可能会对他们的数据被收集并存储在单个服务器上感到不安，但这种策略会产生隐私问题。联邦学习通过在用户设备上保留的数据上训练模型来防止数据被发送到中央服务器，从而解决了这个问题。此外，由于训练数据保留在用户的设备上，因此无需将大量数据发送到中央服务器，从而降低了系统的计算和存储需求。相关：微软正在开发自己的人工智能芯片来为 ChatGPT 提供动力：报告生成对抗网络 (GAN) 生成的对抗网络是一种神经网络，可用于根据现有数据生成新的、真实的数据。例如，GAN 已被用于生成人物、动物甚至风景的逼真图像。GAN 的工作原理是让两个神经网络相互对抗，其中一个网络生成虚假数据，另一个网络则试图检测数据是真实的还是虚假的。可解释的人工智能 (XAI) 一种称为可解释人工智能的人工智能方法旨在提高机器学习模型的透明度和理解力。XAI 至关重要，因为它可以保证 AI 系统做出公正、公平的决策。以下是如何使用 XAI 的示例：考虑这样一种情况，金融机构使用机器学习算法来预测贷款申请人拖欠贷款的可能性。在传统的黑盒算法的情况下，银行不会了解算法的决策过程，也可能无法向贷款申请人解释。然而，使用 XAI，该算法可以解释它的选择，使银行能够确认它是基于合理的考虑，而不是不准确或歧视性的信息。例如，该算法可能会指定它根据申请人的信用评分、收入和工作经历计算风险评分。这种程度的透明度和可解释性有助于增加对人工智能系统的信任、改进问责制并最终导致更好的决策。强化学习一种称为强化学习的机器学习包括教代理人通过批评和激励来学习。许多应用程序，包括机器人、游戏甚至银行业，都使用了这种策略。例如，DeepMind 的 AlphaGo 使用这种方法不断改进其游戏玩法，并最终击败了顶尖的人类围棋选手，证明了强化学习在复杂决策任务中的有效性。迁移学习一种称为迁移学习的机器学习策略涉及应用先前训练的模型来解决全新的问题。当新问题的可用数据很少时，此方法特别有用。例如，研究人员使用迁移学习来使为特定类型的图片（例如人脸）开发的图像识别模型适用于不同类型的图像——例如动物。这种方法允许在新任务中重用预训练模型的学习特征、权重和偏差，这可以显着提高模型的性能并减少训练所需的数据量。来源：金色财经
金色财经2023-04-23
信达证券：给予中兴通讯买入评级
 go
足百度定制化要求，针对百度智能云AI、深度学习的需求，中兴通讯服务器产品采用高密度、模块化、精细化设计，具有高性能、高可靠、易扩展、易管理等优势，在AI、云计算、大数据、NFV等领域具有出色的表现，适用于百度大脑、飞桨深度学习平台。目前，公司服务器产品已规模应用于百度智能云，充分满足百度智能云不同业务场景差异化配置需求、资源分配和上云服务。我们认为此次合作体现了公司在提供AI服务器解决方案的强大实力，公司服务器产品可充分满足AI模型所需的蓬勃算力需求和庞大的数据吞吐量需求。未来，随着国产AI模型持续发展，AI下游应用的落地，模型推理算力需求有望带动公司AI服务器持续放量。　　截至目前，公司最新的R6500G5GPU服务器可支持20张单宽半长GPU加速卡，具备高密度算力、灵活扩展、异构算力、海量存储、稳定可靠等特性，双路最大支持120核，AI性能提升10倍，为数字经济发展提供强大算力支持。在中兴通讯2022年年报解读交流会上，公司表示年底有望推出支持Chatgpt的GPU服务器以及高性能交换机，2023年运营商数据中心交换机营收有望倍增，同时公司是全球领先的ICT解决方案提供商，研发实力强劲，我们看好公司强劲技术研发实力在AI等新应用领域的持续价值变现。　　服务器方面：市场份额快速提升，保持较高增速　　据IDC数据，2022年中国服务器市场规模为273.4亿美元（1888.37亿人民币），同比增长9.1%，中兴通讯2022年服务器收入已达100.08亿元；根据中兴通讯官网，2022年，中兴通讯服务器及存储营业收入百亿元，同比增长近80%；据IDC2022年第四季度中国服务器市场跟踪报告，Top8服务器厂商中，浪潮、戴尔、联想份额均出现下滑，超聚变和中兴则取得明显增长，其中中兴通讯市场份额从3.1%提升至5.3%，位居国内第五。公司在今年新产品发布会上表示将快步实现服务器及储存产品国内前三（按照2022年份额超10%以上）、全球前五的经营愿景。　　谷歌、Meta、百度等深度学习库均已接入中兴Adlik架构，长期需求有望持续释放　　2022年12月28日，公司联合英特尔共同发布《英特尔联手中兴优化深度学习模型推理，实现降本增效》白皮书，本白皮书深入介绍了中兴通讯主导的开源项目Adlik如何与英特尔OpenVINO工具结合。为解决购买专用GPU硬件会大幅增加部署成本，而且应用范围有限，灵活度较低的问题，中兴通讯通过硬件创新和软件层面的深度优化，在部分场景中，如果能够直接使用CPU来进行推理，将有助于降低成本，提升灵活度，白皮书指出通过中兴Adlik可以对AI模型进行自动剪枝、蒸馏，实现模型大小的优化，再通过OpenVINO™的量化工具和推理引擎，对模型实现INT8量化，从而实现模型压缩，以降低模型推理所需的计算资源和内存带宽，提高模型的推理性能。通过使用中兴Adlik+第三代英特尔®至强®可扩展处理器+OpenVINO™工具套件的组合，可使已完成训练的高精度AI模型转换成参数较小、结构简单、精度基本不下降的AI小模型，其性能与大模型接近，模型数据吞吐量更高，从而实现在不增加GPU硬件，大幅减少部署成本的情况下，直接使用CPU服务器即可满足模型的日常推理需求，成功实现降本增效，并使得模型更易部署在算力有限的场景下，比如自动驾驶车端场景。我们认为此解决方案能够实现AI模型推理的降本增效，适用各垂直领域的AI小模型有望加速落地，充分满足不同场景需求。　　Adlik是用于将深度学习模型从训练完成到部署到特定硬件，提供应用服务的端到端工具链，其应用目的是为了将模型从研发产品快速部署到生产应用环境。Adlik可以和多种推理引擎协作，支持多款硬件，提供统一对外推理接口，并提供多种灵活的部署方案。目前谷歌TensorFLOW，Meta PyTorch和百度的PP飞桨深度学习库都已能够接入Adlik架构。随着Meta AI SAM开源图像分割模型的问世，计算机视觉产业或将加速发展。由于SAM中的图像编码器功能必须在PyTorch中实现，并需要GPU才能进行高效推理，我们认为计算机视觉产业的发展有望进一步带动对Meta深度学习库PyTorch以及其他AI互联网企业深度学习库的需求，公司adlik软硬整体架构的需求有望提升。　　测试效果如下图所示，在ImageNet val验证数据集上，ResNet50剪枝模型经过蒸馏后精度略有提升，剪枝模型的吞吐量比原始模型提升了2.74倍。INT8量化后的模型的吞吐量比未量化模型提升了2.96倍。经过Adlik剪枝蒸馏和INT8量化等方法优化后的ResNet50模型，在精度无损失的情况下，吞吐量比原始模型提升了13.82倍，效果显著。　　目标检测YOLOv5m模型优化测试结果如下图所示，在COCO2017验证集上，YOLOv5m经剪枝蒸馏和INT8量化后的模型，精度损失在1%以内。优化后的YOLOv5m模型吞吐量比原始模型提升了3.39倍。　　盈利预测与投资评级　　公司具有软件、硬件、芯片、操作系统等基础能力，将基础能力外溢赋能更多数字经济应用，有望打开公司第二成长曲线。我们预计公司2023-2025年归母净利润分别为101.90亿元、123.35亿元、149.90亿元，对应PE为17.00倍、14.04倍、11.55倍，维持“买入”评级。　　风险因素　　5G建设不及预期、智能汽车发展不及预期、中美贸易摩擦证券之星数据中心根据近三年发布的研报数据计算，兴业证券代小笛研究员团队对该股研究较为深入，近三年预测准确度均值高达95%，其预测2023年度归属净利润为盈利99.85亿，根据现价换算的预测PE为17.33。最新盈利预测明细如下：该股最近90天内共有31家机构给出评级，买入评级24家，增持评级7家；过去90天内机构目标均价为42.38。根据近五年财报数据，证券之星估值分析工具显示，中兴通讯（000063）行业内竞争力的护城河良好，盈利能力一般，营收成长性一般。财务可能有隐忧，须重点关注的财务指标包括：有息资产负债率、应收账款/利润率。该股好公司指标2.5星，好价格指标2.5星，综合指标2.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。
证券之星2023-04-23
热点题材AIGC概念是什么？热门概念股有哪些
 go
中的“自然语言处理”、“机器学习”、“深度学习”等技术，对大量的语言数据进行分析、学习和模拟，从而实现对自然语言的理解和生成。 AIGC技术是一种新型的人工智能技术，将会在新闻媒体、广告营销、电子商务、教育培训等多个领域产生重要影响。AIGC的核心意义在于降本增效。但是，AIGC技术也存在知识产权风险、信息安全风险和技术挑战等问题，需要企业和政府共同合作，加强监管和管理。结合过去三年研发投入和本周市场表现，小编为大家筛选了十大概念股。如下图所示：其中中科信息、浪潮信息、蓝色光标市场关注度较高，下面为大家简单评论这三只个股。中科信息：在垂直领域应用大模型的代表。公司近期接受投资者调研时表示，公司是国内少数几家能够为烟草农、工、商业全产业链提供信息化整体解决方案的供应商。公司的优势体现在对行业垂直知识与数据的掌握与应用，能够开发落地于行业应用的模型。浪潮信息：公司除了是服务器龙头外，其在数据中心散热方向的布局也值得关注。不论是计算中心还是边缘计算，散热都是一个硬需求，2022年，浪潮信息将“All in 液冷”纳入公司发展战略，并提供液冷数据中心全生命周期整体解决方案。因此其未来业绩迈向高增长有较高的确定性。其股价近来持续大涨的很大原因也是市场给予了其在散热方面的业绩预期。蓝色光标：公司很好的把握了市场喜好，给予市场想象空间。蓝色光标近期发布新的战略：即All in AI。此外，有媒体报道蓝色光标华东区总部运营采购部近日下发邮件，宣布无期限全面停止创意设计、方案撰写、文案撰写、短期雇员四类相关外包支出。这体现了AI的降本增效意义。
证券之星2023-04-21
台积电2023Q1业绩电话会分析师问答
 go
署光刻解决方案，如逆光刻技术、更广泛的深度学习等等。因为这个，我们与我们的客户和我们的供应商打交道。我们希望这将使我们在成本改进和竞争中获得一些优势。 Charles Shi 也许我想从你在文件中披露的一项开始。在您的资产负债表上，您有一个项目叫做设备正在安装和施工中。我认为，截至 2022 年第四季度末，这个数字创下了历史新高，超过 400 亿美元，这意味着有 400 亿美元的投资。你投入了资金，但你还没有收获这笔投资。但是没有产生任何收入。但现在我认为你说你正在收紧 2023 年的资本支出，但你重申了 320 亿美元至 360 亿美元的资本支出。这似乎是在 400 亿美元的基础上增加的。预计今年会有更多投资。所以我的问题真的是关于这个。您是否期望在 2024 年及以后有更高的增量收入机会来证明 400 亿美元以上，也许是另外 320 亿美元的投资？或者是你投入资金、投入投资到收获投资之间的周期时间，产生的收入比平时长一点？所以希望你能澄清这一点。 Wendell Huang 去年底在建的400亿资产主要来自2个节点，一个N3节点和N5节点。N3 节点，那是因为我们正在增加 N3 节点。而 N5，我们继续增加我们的容量。这两个加在一起，你会看到去年年底在建的一个更大的资产。据我所见，这个数字将在未来几年逐渐下降。 Charles Shi 也许这个问题的另一部分是因为你正在处理 320 亿美元到 360 亿美元，我很难调和这个数字是如何下降的，至少在接下来的一年左右的时间里，在接下来的 12 个月里地平线。我该如何调和呢？或者你是否期望明年会有可观的收入台积电的增量收入？ Wendell Huang 正如我们所说，现在谈论明年还为时过早。但我们也表示，如果我们继续看到那里未来的增长机会，我们将继续投资。 Charles Shi 关于 CHIPS 法案。我听说您对另一位分析师的问题提供了一些帮助。但是你能量化美国 CHIPS 法案的潜在好处吗？制造业激励措施，据我所知，包括赠款和投资税收抵免？我知道这与我们未来的建模有点相关。也许如果可以的话，我能问一下你们的一位美国同行似乎更倾向于投资税收抵免而不是赠款。他们似乎只想要投资税收抵免，而不是赠款。台积电对这两个不同的融资机会有何想法？ Wendell Huang 查尔斯，正如我所说，我们正在处理申请，因此我们无法透露任何细节。我现在不会分享更多信息。 (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2023-04-21
ChatGPT AI对数据存储的需求与DMC的未来的机会
 go
缺的参与者。 ChatGPT是一个基于深度学习的自然语言处理模型，它的训练和部署需要大量的参数和数据。这些参数和数据通常非常大，无法在单个计算机或服务器上存储和处理。为了解决这个问题，OpenAI使用了分布式存储技术来存储和处理ChatGPT的参数和数据。具体来说，ChatGPT使用了一种名为“参数服务器”的分布式存储架构。在这个架构中，参数数据被分散存储在多个节点或服务器上，并且可以通过网络进行交互和同步。这使得ChatGPT可以利用多台计算机或服务器进行并行计算，从而加快模型的训练和推理速度。总之，分布式存储技术是ChatGPT的关键组成部分之一，去中心化存储也可以促使帮助ChatGPT处理大规模的语言模型参数和数据，并提高模型的性能和可扩展性。存储需求规模的不断扩大，高效数据访问能力的需求，存储技术的创新和发展，数据安全和隐私保护的挑战，随着AI应用场景的不断扩展，涉及到的数据量也在不断增加。因此，数据安全和隐私保护成为了AI应用面临的挑战之一。存储行业需要提供更安全、更可靠的存储方案，确保用户的数据不会被泄露或遭受攻击。此外，存储行业也需要在存储设备的设计和实现中加强数据加密、身份验证和权限管理等安全措施，以保障用户数据的安全和隐私。可持续发展的考虑：随着AI应用场景的不断扩展，存储行业的能耗和碳排放量也在不断增加。因此，可持续发展成为了存储行业需要考虑的问题之一。未来，存储行业需要采用更加节能和环保的技术，提高存储设备的能效和环保性能，从而实现可持续发展。数据存储与管理：在AI的发展过程中，数据是非常重要的资源。Datamall Chain可以为企业提供灵活、安全、可靠的数据存储和管理方案，帮助企业有效地处理和管理大量的数据。同时，Datamall Chain的分布式存储方案可以提高数据的可用性和可靠性，避免了数据单点故障的问题。数据安全：随着AI技术的发展，用户面临的数据安全风险越来越高。Datamall Chain可以为之提供完整的数据安全保障措施，包括数据加密、数据备份、数据恢复等方案，保证数据的安全性和完整性。数据质量和一致性：在AI领域中，数据质量和一致性对于数据分析和模型训练等方面至关重要。Datamall Chain可以提供数据治理和数据质量控制服务，确保数据的质量和一致性，从而提高数据的可用性和可信度。数据挖掘和分析：AI技术的核心是数据挖掘和分析。Datamall Chain可以为用户提供高效、准确的数据挖掘和分析服务，帮助他们发现数据背后的价值和趋势，提高决策的准确性和效率。综上所述，Datamall Chain在AI发展角度下的存储板块价值是非常显著的，可以为当下发展提供全方位的数据存储、管理、安全、质量、挖掘和分析服务，帮助企业更好地利用数据，推动AI技术的发展和应用。来源：金色财经
金色财经2023-04-20
链游的 AI 革命（一）AI 不是一个新命题
 go
，辛顿创造了一种描述神经网络的方式——深度学习出现了。作为 AI 的一个子领域，深度学习在 2000 年代开始迅速崛起，并带动了人工智能突飞猛进的十年，一批批才华横溢的计算机科学家和大小公司纷纷入场： 2010 年，DeepMind 成立；2011 年，吴恩达等人创立“谷歌大脑”；2013 年，扎克伯格和发明了卷积神经网络（CNN）的杨立昆成立了 Facebook 人工智能实验室，该实验室也在计算机视觉、自然语言处理等领域取得了一系列重要突破；2014 年，谷歌收购 DeepMind；2015 年，AlphaGo 击败了欧洲冠军樊麾，初显身手；2015 年，今天全球最瞩目的明星公司 OpenAI 成立了；2016 年，AlphaGo 击败了世界冠军李世石；2017 年，AlphaGo 击败了柯洁，从此再无敌手；同年陆奇加入百度，百度作为中国的 AI 领导者，在自然语言处理、自动驾驶等领域具有重要地位。英伟达推出渐进式生成网络，可以生成照片级的人脸，“深度造假”开始出现在互联网上。英伟达这个公司后续会不断出现在我们这个系列的长文中，真的是华人之光，一个公司通过显卡芯片技术横跨了游戏，AI 和加密三大行业。这里要帮百度多说几句（分文未收，本人一向非常厌恶百度系产品的使用体验），早在 2012 年人工智能这一波复兴刚开始不久，百度就意识到了深度学习的重要性。为了把神经网络之父辛顿招进公司，几家第一梯队的公司加入了竞价，发起对辛顿团队的人才收购。辛顿为此特意注册了一家初创小公司 DNNresearch，公司的全部资产便是辛顿、他的两个学生，以及几篇深度学习的论文和研究成果。参与本次竞拍的四家公司是硅谷巨头谷歌、微软、刚成立两年的 DeepMind、以及……中国公司百度。百度率先给出了一千万美元的报价，但很快价格就来到了两千万美元，资金不足的初创公司 DeepMind 不得不退出竞拍，而信仰不足的微软随后也退出了竞拍，只剩下谷歌和百度持续在掰手腕儿，双方都非常坚决要把辛顿拿下。于是价格从两千万，到三千万，到四千万，眼看势必还要继续去五千万和更高的价码，百度也从一开始负责竞拍的研究员换成了公司高管，从北京直接连线接入拍板。但最后辛顿主动停止了拍卖，选择用较低的价格直接出售给谷歌——早已功成名就的大佬，把合适的研究环境看得比钱更重要一些。而当时替百度参与竞拍的研究员余凯，惊奇的发现原来财富可以来的这么快和舒服！李彦宏再帅也阻挡不了余凯的梦想了！于是他创办了自己的芯片和自动驾驶公司，就是地平线。截止 2022 年末，地平线的估值为 50 亿美元，累计融资 34 亿美元，这是一个屌丝抓住信息机遇实现自由的典型案例。而辛顿的其中一个学生伊尔亚・苏茨克维后来也应马斯克的邀请离开了谷歌，联合成立了 OpenAI。那是谷歌在人工智能领域最春风得意的一段时间。其实直到 18 年，谷歌都是人工智能领域绝对的领头羊，招来了辛顿、收购了 DeepMind、发展自家的谷歌大脑 Google Brain，将自己置于 AI 领域的研究和应用前沿。业界其他人员和公司大多也都追寻着谷歌的研究道路，谷歌发布的 Transformer 架构也为 OpenAI 提供了巨人的肩膀——今天广为人知的 GPT 的 T 便指的是这个架构。但此后 OpenAI 慢慢来到了历史舞台的中央。2019 年，OpenAI 发布了 GPT-2 ，没有把辛顿收入旗下的微软这次没有错过机会，向 OpenAI 投资 10 亿美元。GPT-2 以后的 OpenAI 终于在不同于谷歌领导的道路上走通了属于自己的大模型之路，而后便开启了狂暴的开挂模式： 2020 年，GPT-3 ；2022 年，GPT-3.5 ，仅用十几天做出来的 ChatGPT 在年末席卷了全球，开启新一轮 AI 热潮；2023 年，其他公司还在苦苦追赶 ChatGPT 之际，又直接砸出了 GPT-4 。至此，再无敌手，打通了任督二脉的 OpenAI 以强悍的先发优势和极快的迭代速度和所有同行拉开了代际差。未完待续。感觉这个系列要成为瓜田实验室创立以来最长的系列长文了，各位看官当做八卦故事慢慢欣赏哈～本系列由 W Labs “AI 链游研究小组”集体创作，感谢小组成员瓜哥、嘉然、包包、Brian、小飞、华哥的努力付出！欢迎转载，原创不易，泪求注明”瓜田实验室 W Labs”出品瓜田实验室 Website：http://www.wlabsdao.com/ 瓜田实验室 Discord：https://discord.gg/wggdao 瓜田实验室推特：https://Twitter.com/GuaTianGuaTian 瓜田实验室深度研究长文 Mirror：https://mirror.xyz/iamwgg.eth 瓜田实验室 Medium：https://guatianwgg.medium.com/ 来源：金色财经
金色财经2023-04-20

上一页
1
•••
106
107
108
109
110
•••
133
下一页

24小时热点

最新话题更多