FX168财经网_全球视野外汇黄金加密货币NFT资讯网

合锻智能：公司参股公司合肥汇智光模块只涉及核心结构件供应，产品销量涉及商业秘密，不便公开披露

光谱视觉成像。公司在行业内率先推出基于深度学习的人工智能分选设备，引领了行业新设备的人工智能升级。感谢您对公司的关注！投资者：尊敬的董秘，你好，请问公司有产品用于减速器的吗？合锻智能董秘：您好，公司锻造类液压机产品可用于减速器零部件的锻造工艺。校正压装类设备用于减速器零部件的矫正等工艺。感谢您对公司的关注！投资者：尊敬的董秘，公司旗下公司，还提供全套的牙科设备，跟3D打印结合在一起，提供全套牙科诊疗云是真的吗？合锻智能董秘：您好，公司没有相关产品。感谢您对公司的关注！投资者：董秘，公司的Lauffer多层挤压机打破了国外垄断吗？合锻智能董秘：您好，公司参股投资的Lauffer公司位于德国，其层压机技术处于世界领先地位，公司已成功进行国产化，并已量产。我公司生产的层压机生产线处于国内领先，国际一线水平。感谢您对公司的关注！投资者：尊敬的董秘，你好，请问公司有和华为合作过吗？公司的mim技术目前可以应用到那些地方？合锻智能董秘：您好，公司没有和华为合作，参股的合肥汇智MIM技术可以应用于各类精密复杂的金属/陶瓷结构件。感谢您对公司的关注！投资者：尊敬的董秘，你好，公司的高端机器视觉技术后面是否可以应用于医疗，新能源汽车，机器人，以及人脸识别等等？合锻智能董秘：您好，公司长期以来专注于智能光电分选业务并积极向矿石、煤炭等新兴领域开拓，领域覆盖范围行业最全，且应用前景广阔，暂无医疗、新能源汽车等领域设备的开发计划，但不排除会应用于其上下游物料的检测环节应用；机器人方面，智能光电分选设备本身就是智能机器人的一个分支和变种；而人脸识别是一项非常通用的识别技术，公司具备相应技术开发能力，但分选市场暂无相应需求。感谢您对公司的关注！投资者：董秘，公司主研的多项国家级尖端装备,先后应用于飞机、神舟飞船、天宫火箭、核电、高铁,以及国家“跃升计划”的科研领域，目前有相关技术的提升吗？合锻智能董秘：通过多项国家级尖端装备的研发及制造，促进公司在液压机研发、液压系统的研发、电气控制、超大件的加工制造方面技术提升，并将这些技术推广应用于液压机其他领域，设备性能得到了提升。感谢您对公司的关注！以上内容由证券之星根据公开信息整理，由算法生成，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2023-11-29

腾讯公司取得推广内容投放方法专利，提升推广内容投放的效率

电子设备，所述方法涉及人工智能领域中的深度学习方向，可以提升推广内容投放的效率。

金融界2023-11-28

重塑计算界限：去中心化算力的现状与展望

用于处理大量计算任务，因此在机器学习和深度学习领域得到了广泛的应用。而CPU的核心数量较少，适合处理更集中地处理单个复杂计算或序列任务，但在处理并行计算任务时不如GPU高效。在渲染任务和神经网络计算任务中，通常需要处理大量重复计算和并行计算，因此GPU比CPU在这个方面会更高效且适用。 • FPGA（Field Programmable Gate Array）现场可编程逻辑门阵列，是作为专用集成电路（ASIC）领域中的一种半定制电路。由大量小型处理单元组成的阵列，FPGA可以理解为可编程的数字逻辑电路集成芯片。目前的运用主要集中在硬件加速，其他任务仍然在CPU上完成，让FPGA和CPU协同工作。 • ASIC（Application Specific Integrated Circuit）专用集成电路，是指应特定用户要求和特定电子系统的需要而设计的集成电路。ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。因而在比特币挖矿的固有场景下，只需要执行特定的计算任务，ASIC则是最契合的。Google 也推出了针对机器学习专门设计的 TPU（Tensor Processing Unit）作为ASIC的一种，但目前主要通过Google Cloud提供算力租用服务。 • ASIC 和 FPGA 相比，ASIC 是专用集成电路，一旦设计完成后集成电路即固定。而FPGA是在阵列内集成大量数字电路基本门电路和存储器，开发人员可以通过烧写FPGA配置来定义电路，并且这种烧写是可更换的。但就当下的AI领域的更新速度，定制化或半定制化的芯片，无法及时通过调整重新配置来执行不同的任务或适应新算法。因而，GPU 的普遍的适应性和灵活性，使其在 AI 领域大放异彩。各大 GPU 厂商就 AI 领域也对 GPU 在 AI 领域的适配做了相关优化。以 Nvidia 为例，推出了专为深度学习设计的 Tesla 系列和 Ampere 架构 GPU，这些硬件包含针对机器学习和深度学习计算优化的硬件单元（Tensor Cores），这使得GPU能够以更高的效率和更低的能耗执行神经网络的前向和反向传播。此外也提供了广泛的工具和库来支持AI开发，如 CUDA（Compute Unified Device Architecture）来帮助开发人员利用GPU进行通用并行计算。去中心化算力去中心化算力是指通过分布式计算资源提供处理能力的方式。这种去中心化的方法通常结合区块链技术或类似的分布式账本技术，将闲置的计算资源汇集并分发给需要的用户，以实现资源共享、交易和管理。产生背景 • 强劲的算力硬件需求。创作者经济的繁荣，使得数字媒体处理方向进入全民创作的时代，激增的视效渲染需求，出现专门渲染外包工作室、云渲染平台等形式，但这样方式也需要本身投入大量的资金用于前期算力硬件采购。 • 算力硬件来源单一。AI 领域发展更加剧了算力硬件的需求，全球以 Nvidia 为龙头的 GPU 制造企业在这场AI算力竞赛中，赚得盆满钵满。其供货能力甚至成为能掣肘某一行业发展的关键要素，Nvidia的市值也于今年首次突破一万亿美元。 • 算力提供仍主要依赖中心化云平台。而目前真正受益于高性能计算需求激增的是以 AWS 为代表的中心化云厂商，它们推出了 GPU 云算力服务，以目前AWS p4d.24xlarge 为例，租用一台这样的专精于 ML 方向的 HPC 服务器，包含8块 Nvidia A100 40GB GPUs，每小时花费在 32.8 美元，其毛利率据估计可达61%。这也使得其他云巨头纷纷竞相参与，囤积硬件以其在行业发展初期尽可能占据有利。 • 政治、人为干预等因素导致行业发展不平衡。不平衡我们不难看出GPU的所有权和集中度更向资金和技术充裕组织和国家倾斜，且与高性能计算集群呈现依仗关系。这使得以美国为代表的芯片半导体制造强国，也在对AI芯片出口方面实施更为严苛的限制，以削弱其他国家在通用人工智能领域的研究能力。 • 算力资源分配过于集中。 AI 领域的发展主动权掌握在少数巨型公司手中，目前以 OpenAI 为代表的巨头，有微软的加持，背后是微软Azure 提供的丰富算力资源，这使得 OpenAI 每次新产品的发布，都是对当下 AI 行业的重塑和整合，让其余团队在大模型领域难以望其项背。那么在面对高昂的硬件成本、地域限制、产业发展不均衡的情况，是否有其他解决方案？去中心化算力平台则应运而生，平台的目的是创建一个开放、透明且自我调节的市场来更有效地利用全球计算资源。适应性分析 1. 去中心化算力供给侧目前高昂的硬件价格和供给侧的人为控制，都给去中心化算力网络的建设提供了土壤。 • 从去中心化算力的组成方式来看，多样的算力提供方小到个人PC、小型物联网设备大到数据中心、IDC等，大量累积的算力可提供更灵活和可扩展的计算解决方案，从而帮助更多的AI开发者和组织更有效地利用有限的资源。都可以通过个人或组织的闲置算力，来实现去中心化算力共享，但这些的算力的可用性、稳定性，受本身用户的使用限制或分享上限的限制。 • 有可能的潜在优质算力来源，则是以太坊转 PoS 后，直接由相关矿场转型提供的算力资源。以美国领先的 GPU 集成式算力提供商 Coreweave 为例，前身是北美以太坊最大的矿场，基于已构建的完备基础设施。此外，退役的以太坊矿机，其中也包含了大量的闲置 GPU，据悉此前以太坊挖矿时代巅峰在网工作的 GPU 约2700万张，盘活这些 GPU 也能进一步成为去中心化算力网络重要的算力来源。 2. 去中心化算力需求侧 • 从技术实现来看，去中心化算力资源在图形渲染类，视频转码类，这种计算复杂程度不高的任务，结合区块链技术和web3的经济体系能在确保信息数据安全传递情况下，为网络参与者带来了切实的收益激励，积累了有效的商业模式和客群。而 AI 领域则涉及大量的并行计算，节点间的通信、同步等环节，对网络环境等方面有非常高的要求，因而目前应用也都集中于微调、推理、AIGC 等更偏应用层。 • 从商业逻辑来看，单纯算力买卖的市场是缺乏想象力的，行业只能卷供应链、定价策略，但这些又恰好是中心化云服务的优势。因而，市场上限较低也缺乏更多想象空间，所以也能看到原本做单纯图形渲染的网络在寻求 AI 转型，如 Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向 AI 领域扩展。 • 从主要客群来看，很显然大B端客户会更倾向于中心化集成式云服务，他们通常有充足的预算，他们通常是从事底层大模型的开发，需要更高效的算力聚合形式；因而，去中心化算力更多的是服务于中小型开发团队或个人，从事多是模型微调，或应用层开发，对算力的提供形式没有太高的要求。他们对价格更敏感，去中心化算力的能从根本上减轻初始成本的投入，因而整体的使用成本也更低，以 Gensyn 此前测算的成本来看，将算力换算成V100 提供的等值算力，Gensyn 价格仅为0.4美元每小时，相比AWS 同类型的算力需要2美元每小时，能下降80%。虽然这部分生意并不在目前行业中占开销大头，但伴随 AI 类应用的使用场景持续延展，未来的市场规模不容小觑。 • 从提供的服务来看，可以发现目前的项目更像是去中心化云平台的概念，提供的是一整套从开发、部署、上线、分发、交易全流程的管理，这样的好处在于吸引开发者，可以利用相关工具组件来简化开发部署，提升效率；同时能吸引用户来平台使用这些完整的应用产品，形成基于自身算力网络的生态护城河。但这同时也对项目运营提出了更高的要求。如何吸引优秀开发者和用户并实现留存显得尤为重要。不同领域的应用 1. 数字媒体处理 Render Network 一个基于区块链的全球渲染平台，其目标是为创作者数字创意提供帮助。它允许创作者按需将 GPU 渲染工作扩展到全球 GPU 节点，提供了以一种更为高速且便宜的渲染工作能力，在创作者确认过渲染结果后，再由区块链网络向节点发送代币奖励。相比传统的视觉效果实现方法，在本地建立渲染基础设施或在购置的云服务中增加相应的GPU开支，这都需要高昂的前期投入。自2017年创立以来，Render Network 用户在网络上渲染了超过1600万帧和近50万个场景。从Render Network 2023 Q2 发布数据也能表明，渲染帧数作业和活跃节点数都呈增长的趋势。此外，Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向AI领域扩展。 Livepeer 则是通过网络参与者贡献自己的GPU算力和带宽，为创作者提供实时视频转码服务。广播者可以通过将视频发送至Livepeer，完成各类视频转码，并向各类端侧用户分发，进而实现视频内容的传播。同时，可以便捷地通过法币形式支付，获得视频转码、传输、存储等服务。在Livepeer 网络中，任何人都允许贡献个人计算机资源（CPU、GPU 和带宽）以进行转码和分发视频来赚取费用。原生代币（LPT）则代表了网络参与者在网络中的权益，通过质押代币的数量，决定节点在网络中的权重，从而影响其获得转码任务的机会。同时，LPT也起到了引导节点安全、可靠、快速地完成分派的任务。 2. AI领域的扩展在目前AI领域的生态系统中，主要参与者大致可以划分成：从需求方入手，在产业的不同阶段，对算力的诉求是有明显区别的。以底层模型开发为例，在预训练环节为确保训练结果的有效对并行计算、存储、通信等方面要求都非常高，这就需要通过大型的算力集群来完成相关的任务。当下主要算力供给主要还是依赖自建机房、中心化的云服务平台来集中提供。而在后续模型微调、实时推理和应用开发等环节则对并行计算、节点间通信的要求没有那么高，这恰恰是去中心化算力能一展拳脚的部分。纵观此前已颇具的声量的项目， Akash Nework 在去中心化算力方向做了一些尝试： Akash Network 结合不同的技术组件，让用户可以在去中心化的云环境中高效、灵活地部署和管理应用程序。用户可以利用 Docker 容器技术打包应用，然后通过 Kubernetes 在 Akash 提供的云资源上通过 CloudMOS 进行部署和扩展。Akash 采用“反向拍卖”的方式，这使得价格比传统云服务更低。 Akash Network 在今年8月也发布将推出了主网第6次升级，将对 GPU 的支持纳入其云服务中，未来向更多 AI 团队提供算力供给。 Gensyn.ai，今年颇受行业瞩目的项目由 a16z 领投完成了4300万美元A轮融资，就目前公布项目公布的文档来看，该项目是一个主网基于波卡网络的 L1 PoS 协议，聚焦于深度学习，它旨在通过创建一个全球性的超级计算集群网络来推动机器学习的边界。这个网络连接了从拥有算力富余的数据中心到潜在可贡献个人 GPU 的 PC，定制的 ASIC 和 SoC 等多种设备。为解决的目前去中心化算力中存在的一些问题，Gensyn 借鉴了学术界的一些理论研究新成果： 1. 采用概率学习证明，即使用基于梯度的优化过程的元数据来构建相关任务执行的证明，来加快验证过程； 2. 图形基准协议（Graph-based Pinpoint Protocol），GPP作为一个桥梁，连接了DNN（Deep Neural Network）的离线执行与区块链上的智能合约框架，解决了跨硬件设备间容易发生的不一致性，并确保了验证的一贯性。 3. 与 Truebit 类似的激励方式，通过质押和惩罚相结合的方式，建立一个能让经济理性参与者能诚实地执行分派的任务。该机制采用了密码学和博弈论方法。这个验证系统对于维持大型模型训练计算的完整性和可靠性。但值得注意的是以上内容更多的是解决任务完成验证层面，而非在项目文档中作为主要亮点讲述的关于去中心化算力来实现模型训练方面的功能，特别是关于并行计算和分布式硬件间通信、同步等问题的优化。当前受网络延迟（Latency）和带宽（Bandwidth）的影响，频繁的节点间通信会使得迭代时间和通信成本都发生增长，这不仅不会带来实际的优化，相反会降低训练效率。Gensyn 在模型训练中处理节点通信和并行计算的方法可能涉及复杂的协调协议，以管理计算的分布式性质。然而，如果没有更详细的技术信息或对他们具体方法的更深入了解，Gensyn通过其网络实现大型模型训练的确切机制需要等项目上线才能真正揭晓。我们还关注到 Edge Matrix Computing (EMC) protocol 它通过区块链技术将算力运用至 AI、渲染、科研、AI电商接入等类型的场景，通过弹性计算把任务分发到不同的算力节点。这种方法不仅提高了算力的使用效率，还确保了数据传输的安全性。同时，它提供了一个算力市场，用户可以访问和交换计算资源。方便开发者部署，更快地触达用户。结合 Web3 的经济形式，也能使算力提供方在根据用户的实际使用情况获取真实收益和协议方补贴，AI开发者也获得更低的推理和渲染成本。以下是其主要组成部分和功能的概述：预期还将推出了基于 GPU 的 RWA 类产品，此项的关键在于将原本在机房固定住的硬件盘活，以 RWA 的形式分割流通，获得额外的资金流动性，高质量 GPU 能作为 RWA 底层资产的原因在于，算力可以算得上 AI 领域的硬通货，目前有明显的供需矛盾，且该矛盾并不能在短期内解决，因而 GPU 的价格相对比较稳定。此外，通过部署 IDC 机房实现算力集群也是 EMC protocol 会重点布局的部分，这不仅能让 GPU 在统一环境下的运转，更高效地处理相关大型算力消耗的任务，如模型的预训练，由此来匹配专业用户的需求。同时，IDC 机房也能集中托管和运行大量的 GPU，确保同类型高质量硬件的技术规格，方便将其打包作为 RWA 产品推向市场，开启DeFi 新思路。近年学界在边缘计算领域也有新的技术理论发展和应用实践。边缘计算作为云计算的一种补充和优化，一部分的人工智能正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。而这些物联网设备往往体积很小，为此轻量机器学习受到青睐，以满足功耗、延时以及精度等问题。 Network3 是通过构建了一个专门的AI Layer2，通过AI 模型算法优化和压缩，联邦学习，边缘计算和隐私计算，为全球范围内的AI开发者提供服务，帮助他们快速、便捷、高效地训练或者验证模型。它通过利用大量智能物联网硬件设备，可聚焦小模型，来做相应的算力供给，且通过构建TEE（Trusted Execution Environment）能让用户仅通过上传模型梯度，来完成相关训练，确保用户相关数据隐私安全。综上 • 伴随 AI 等领域的发展，许多行业会从底层逻辑上实现巨大变革，算力会上升到更重要的地位，与之关联的各个方面也都会引起行业的广泛探索，去中心化算力网络有其自身优势，可答复降低中心化风险，同时也能作为中心化算力的一种补足。 • 且本身 AI 领域的团队也处于一个分岔口上，是否利用已训练好的大模型构建自身产品，还是参与到训练各自地域内的大模型，这样的选择也多是辩证的。因而去中心化算力能满足不同的业务需求，这样的发展趋势是喜闻乐见的，且伴随技术的更新和算法的迭代，势必在关键领域也会有所突破。 • 至不惧，而徐徐图之。来源：金色财经

金色财经2023-11-28

中国银行申请虹膜识别支付验证技术专利，提高支付验证的效率及安全性

预设阈值则认为支付验证失败。由此，通过深度学习算法实现虹膜识别，提高了支付验证的效率及安全性。

金融界2023-11-25

航宇微：公司自主研制的玉龙810芯片可以实现12tops的算力，具有超高稳定性和超低功耗

证券之星2023-11-24

中国石油申请基于深度学习的专利，能够实现孔隙边缘批量的自动化提取

油天然气股份有限公司申请一项名为“基于深度学习的岩石薄片孔隙结构智能分析方法及系统“，公开号CN117115639A，申请日期为2022年5月。专利摘要显示，本发明公开了一种基于深度学习的岩石薄片孔隙结构智能分析方法及系统，分析方法的具体步骤如下：获取岩石薄片图像；对岩石薄片图像中的孔隙进行提取得到孔隙分割结果；对岩石薄片图像中的喉道进行识别；在孔隙分割结果以及喉道识别的基础上，进行计算得到孔隙储层评价参数，即为孔隙参数。和现有的研究技术相比，本发明提出的方法主要特点是能够实现孔隙边缘批量的自动化提取，对孔隙类型进行标注时融合了专家经验，因此结果更为准确。

金融界2023-11-24

小米申请云端重定位技术专利，能通过服务器接收终端发送的重定位请求数据

图像对应的第一相机参数；通过第一预训练深度学习模型对所述实时图像进行特征提取，得到全局图像特征和局部图像特征；根据所述全局图像特征将所述实时图像与多个预设图像分别进行特征匹配，得到匹配图像，所述预设图像为用于创建增强现实AR点云地图的图像；根据所述局部图像特征、所述匹配图像以及所述第一相机参数对所述终端在所述AR点云地图中的第一位姿进行重定位。

金融界2023-11-24

Solana的起源：联创的“顿悟时刻”及高性能区块链愿景

” 雅科文科一直在做一个业余项目，构建深度学习硬件，部署图形处理单元并挖掘加密货币来测试该项目。这为该平台的诞生铺平了道路。这个想法的推动力源于一个称为时分多址的概念。正如雅科文科解释的那样，该技术与蜂窝塔如何根据时间间隔交替传输有关。 Solana 联合创始人 Yakovenko 在阿姆斯特丹 Breakpoint 的炉边聊天中。资料来源：Solana 基金会他的想法是建立一个基于斯坦福大学研究人员一直在研究的可验证延迟函数技术的系统。雅科文科开玩笑说，他认为自己发现了一些真正新颖的东西，这促使他开始开发智能合约层平台： “我的直觉是，一旦你有办法在公共无许可区块链上以去中心化的方式跟踪时间，你就可以使用高通为蜂窝网络所做的类似优化。” 受到以太坊开创的智能合约功能的启发，Yakovenko 和他的合作伙伴着手开发由智能合约功能支持的突破性应用程序和用例： “我们希望构建一个高度优化的智能合约平台，该平台可以提供信任最小化计算的好处，但不会带来与替代方案相关的性能问题或成本。” Solana 的设计工作历时两年，最终于 2020 年 3 月推出。该平台获得了巨大的成功、宣传和支持，但雅科文科承认其中有相当大的运气成分。 “我希望我能说这都是天才，但我们没有筹集到足够的资金来构建所有可能的功能。我们的许多竞争对手筹集的资金是我们的十倍，实际上是数亿美元，”雅科文科说。 Solana 是智能合约开发者的一片绿地由于有足够的跑道来构建区块链，Solana 致力于创造“尽可能最快的事物”。它不包括以太坊虚拟机支持或远程过程调用服务，并且“几乎没有一个正常运行的浏览器”，但雅科文科坚持认为这是吸引构建者的部分原因。 “这就是我们推出时激发开发人员想象力的原因；它与以太坊非常不同，并且是为非常具体的优化而独特构建的，使这个区块链尽可能快的运行，”他解释道。他补充说，该工程并没有牺牲去中心化，因为 Solana 可以与大量节点一起运行。开辟一个利基市场（小众市场）吸引了一批核心开发人员，他们催生了去中心化无线网络 Helium 和智能合约协议 Anchor 等成功项目。 “他们认识到了一些特别的东西，他们看到我们没有任何资源来建造其他东西。他们自己承担起构建开源代码的责任。” Solana 生态系统在 2021 年加密货币牛市期间出现了大量资本流入，其原生代币是 SOL。 “令人痛苦的”网络中断该平台也经历了一些小问题。 Sam Bankman-Fried 的 FTX 加密货币交易所的崩溃严重损害了生态系统。雅科文科承认，他对接受 FTX 和 Alameda Research 投资的几个项目以及那些在破产交易所持有资本的项目深感担忧。 Solana 还因几次导致区块链离线的故障而受到严厉批评。雅科文科将这些实例描述为“对工程师来说是痛苦的”，也是值得吸取的惨痛教训： “第一要务是安全。然后就是活力。当你遇到像拥塞这样的问题时，即使你可以在一周内敲出代码，也需要审核和测试才能将其发送到主网。” 从这些事故中吸取教训是生态系统持续运行的重要组成部分。它还促使 Solana 基金会组建了一个团队来构建第二个验证器客户端。 “唯一拥有多个客户端的主要智能合约网络是以太坊。在我看来，这是实现完全去中心化必须采取的步骤之一，”雅科文科说。至于以太坊和 Solana 之间的竞争，雅科文科表示，来自两个生态系统的开源开发人员之间存在健康的思想共享。主要争论点仍然存在，开发人员人才较少，并且功能重叠。来源：金色财经

金色财经2023-11-24

平治信息(300571.SZ)天昕服务器的产品系列有GPU高性能计算、AI等

系列有GPU高性能计算、虚拟化、AI、深度学习、仿真模拟、大数据计算、大容量储存、刀片式服务器等。杭州平治信息技术股份有限公司的主营业务为智慧家庭业务、5G 通信业务和移动阅读业务。公司主要产品包括宽带网络终端设备、IoT泛智能终端设备、5G基站天线、5G小基站和OTN设备。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-11-24

平治信息：公司可转债项目已向深交所提交了发行申请并受理，目前正在交易所审核阶段

系列有GPU高性能计算、虚拟化、AI、深度学习、仿真模拟、大数据计算、大容量储存、刀片式服务器等。感谢您的关注。股市有风险，投资需谨慎。投资者：请问平治信息的可转债申请现在进入什么流程？大概什么时候能获批？谢谢平治信息董秘：答：尊敬的投资者，您好。公司可转债项目已向深交所提交了发行申请并受理，目前正在交易所审核阶段。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。投资者：董秘你好：请问贵公司有没算力租赁相关业务平治信息董秘：答：尊敬的投资者，您好。公司的算力租赁业务目前已中标中国电信宁夏公司2023年算力服务集中采购项目，具体详见公司刊登在巨潮资讯网（www.cninfo.com.cn）的《中标候选人公示的提示性公告》（2023-057）。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。投资者：董秘您好请问可否介绍一下公司的算力租赁业务？公司现有算力属于什么设备有多少算力？平治信息董秘：答：尊敬的投资者，您好。公司的算力租赁业务目前已中标中国电信宁夏公司2023年算力服务集中采购项目，具体详见公司刊登在巨潮资讯网（www.cninfo.com.cn）的《中标候选人公示的提示性公告》（2023-057）。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。投资者：公司预中标1.5亿元中国电信宁夏公司算力服务集中采购项目时间这样长了究竟有没有中标？？？平治信息董秘：答：尊敬的投资者，您好。公司的算力租赁业务目前已中标中国电信宁夏公司2023年算力服务集中采购项目，具体详见公司刊登在巨潮资讯网（www.cninfo.com.cn）的《中标候选人公示的提示性公告》（2023-057）。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。投资者：请问董秘:公司收购的成都天昕电子生产的算力服务器有没有储备英伟达或者昇腾的算力芯片?如果有,有多少?2023年算力服务器的产能是多大? 平治信息董秘：答：尊敬的投资者，您好。公司拟以收购原股东股权及增资入股方式获得天昕电子（成都）有限公司60%股份，公司利用天昕电子服务器生产基地，能够实现公司算力服务器产品的研发及生产能力，加快公司在算力网络建设及算力租赁市场的战略部署。天昕电子一直专注于服务器、工作站业务，努力成为集研发、定制、生产、销售为一体的国内一流厂商。目前，天昕服务器的产品系列有GPU高性能计算、虚拟化、AI、深度学习、仿真模拟、大数据计算、大容量储存、刀片式服务器等。感谢您的关注。股市有风险，投资需谨慎。投资者：请问贵公司的AI算力业务是采取什么模式？贵公司作为三大运营商的核心合作伙伴，进入AI算力业务有哪些优势？目前在这一块业务的进展如何平治信息董秘：答：尊敬的投资者，您好。公司作为通信运营商设备的核心供应商，持续围绕通信运营商的战略规划进行提前布局，公司的算力租赁业务目前已中标中国电信宁夏公司2023年算力服务集中采购项目，具体详见公司刊登在巨潮资讯网（www.cninfo.com.cn）的《中标候选人公示的提示性公告》（2023-057）。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。投资者：公司是否有布局算力租赁业务? 平治信息董秘：答：尊敬的投资者，您好。公司的算力租赁业务目前已中标中国电信宁夏公司2023年算力服务集中采购项目，具体详见公司刊登在巨潮资讯网（www.cninfo.com.cn）的《中标候选人公示的提示性公告》（2023-057）。请关注公司公告信息，谢谢！股市有风险，投资需谨慎。以上内容由证券之星根据公开信息整理，由算法生成，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2023-11-23

24小时热点