FX168财经网_全球视野外汇黄金加密货币NFT资讯网

“深度学习之父”Geoffrey Hinton：超级智能体可能会比预想的更快到来

　　图灵奖得主、“深度学习之父”Geoffrey Hinton在演讲中指出，他的研究使他相信，超级智能的到来比他想象中更接近，在此过程中，数字智能可能会追求更多控制权，甚至通过“欺骗”控制人类，人类社会也可能会因此面临更多问题。

金融界2023-06-11

了应用。 Transformer是一种深度学习的神经网络架构，由谷歌的8位AI科学家在2017年提出。这是人工智能行业极其重要的一项发明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。与传统神经网络RNN和CNN不同，Transformer通过自我注意力机制，去挖掘序列中不同元素的联系及相关性，具有很好的时序数据处理能力。这让它在机器翻译、文本摘要、问答系统等任务上，展现出突出的性能。因此Transformer一开始被人们用在NLP（高级自然语言处理）领域，用于理解人类的文本和语言。在Transformer模型上进行预训练，经过不断的微调、迭代，OpenAI相继推出了GPT-1、GPT-2、GPT-3、GPT-4等语言训练大模型。ChatGPT是OpenAI对GPT-3模型微调后开发出来的对话机器人。由于它能以对话的方式进行交互，普通人很好上手，且比过去的聊天机器人显得更“聪明”，因此大放异彩。从根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。将Transformer模型用于自然语言，诞生了ChatGPT这样的聊天应用；将它用在计算机视觉，同样取得了惊人的效果，这方面的先行者是特斯拉。 Andrej Karpathy在担任特斯拉AI总监期间，负责领导自动驾驶的计算机视觉团队，通过结合Transformer模型，特斯拉成功开发出BEV技术。 BEV全称是Bird's Eye View，即鸟瞰图。它可以将摄像头拍摄的2D图像拼接转化为3D图像，统一转换到俯视角度下进行处理，形成“上帝视角”。这么做的原因是：开车是在三维空间中进行的，人看到的是立体的世界，而不是2D的图像。这项全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy对外展示。为此特斯拉不惜重写了自动驾驶算法，对训练深度神经网络的基础设施进行了重构。这是大模型技术首次被应用到自动驾驶行业。今天回过头来看，虽然GPT目前主要应用在自然语言处理领域，我们并不能让GPT去驾驶一辆汽车，但它背后的AI大模型技术，尤其是Transformer架构，实际上早就已经在自动驾驶领域应用了。从自然语言处理到计算机视觉，两个领域基于Transformer架构在建模结构上实现了统一，使联合建模更加容易。而随着对AI的理解加深，汽车公司越来越像人工智能公司。除了特斯拉，理想汽车在今年初公布公司愿景，声称要在2030年成为一家人工智能企业。它将在今年推出的城市NOA导航辅助驾驶系统，技术支撑就是BEV感知和Transformer模型。让AI跟人对话，与让AI驾驶一辆汽车，似乎本质上并无区别，只是二者落地场景不同。在将底层技术应用到具体产品这件事上，人类永远充满想象力。 GPT教会自动驾驶的那些事今年以来，GPT展现出来的强大能力，让外界大受震撼。通用人工智能不再是空中楼阁。自动驾驶行业的人开始思考，或许生成式AI在语言模型上的应用思路，可以迁移到自动驾驶上。本质上，语言模型是对人类的语言建立的数学模型。计算机还是不懂自然语言，但它通过数学建模，把语言问题变成了数学问题。通过给定的文本的历史，预测下一个词出现的概率，间接地理解了自然语言。换到驾驶场景，如果给定当前的交通环境，给定一个导航地图，以及一个驾驶员驾驶行为的历史，那么，大模型是不是可以预测下一个驾驶动作？地平线创始人余凯在今年4月举办的电动汽车百人会论坛上说，ChatGPT给他很大启发，“我们要继续用大数据、更大的数据、更大的模型，并且无监督地去学习人类驾驶的尝试，就像你从大量的、无监督的、没有标注的自然文本里去学习一样”。他认为，每个驾驶员驾驶控制的序列，就像我们的自然语言文本一样。下一步，他想构建一个回归自动驾驶的大语言模型。理论上，这个思路是可行的。人工智能已经具备学习能力。根据自适应的语言模型，机器会根据用户的反馈不断迭代优化，学习用户的习惯，然后改进模型。现在的ChatGPT就运用了这项技术。那么，让机器学习司机的驾驶习惯，就不是一件很难的事情。特斯拉的影子模式，就是把真人司机的驾驶数据，投喂给机器学习。通过比对人类驾驶员行为，来达到训练算法的目的。 GPT掀起新一轮AI热潮后，对行业造成的一个认知冲击是，通过把模型的参数规模不断变大，数据量指数型增加，也就是所谓的大模型，在达到某个临界点后，模型会突然变得很聪明。过去，模型在训练阶段需要的数据，是经过人工标注的。以自动驾驶为例，数据标注员通过大量的图片标注，告诉机器什么是猫，什么是狗，猫和狗各有多少种类。标注员就像是机器的老师，一遍一遍教会它认识这个世界。问题是，老师没教过的东西，机器还是不会。典型的是特斯拉曾多次发生自动驾驶事故，车辆撞上侧翻的大卡车，因为机器识别不了。和高资本创始合伙人何宇华对深途举过这样一个例子：广州的夏季雨天频繁，在一些灯光比较昏暗的场景下，空中会有大量的飞虫。当汽车驶过时，灯光打过去，可能会有数以千计的飞虫撞向车头。在这种情况下，汽车的自动驾驶感知系统，可能会误认为是一堵墙。自动驾驶系统不能穷尽所有的corner case（极端场景），是其发展路上的一大难关。 ChatGPT抓取的是全网未标记的数据。在自监督学习中，数据本身被用作监督信号，而不是依赖于人工标记的标签。有一天人们发现，大模型在消化这些数据的过程中，突然具备了举一反三的能力。那么，如果自动驾驶大模型也能无监督地学习人类驾驶行为，不需要“老师”手把手地教，是不是意味着，系统摇身一变，成了“老司机”？ GPT“开车”，还不靠谱梦想很美好，实现梦想的路总是很骨感。类似ChatGPT的AI大模型要在自动驾驶领域发挥威力，目前来看至少有如下几个问题需要解决。首先是数据来源。 ChatGPT的数据来源非常丰富，包括维基百科、书籍、新闻文章、科学期刊等等，相当于全网公开数据都是它的养料。自动驾驶不同。驾驶员的驾驶数据、车辆行驶数据不公开，很多还涉及隐私。汽车厂商、自动驾驶公司各自为政，数据封闭不流通，这让获取数据变得困难。没有数据，自动驾驶就是无源之水。联想创投总裁贺志强对深途说，自动驾驶的核心是要有数据，数据对训练模型非常重要。比亚迪这样的主机厂有数据，但算法还需要打磨，“蔚小理”等造车新势力擅长算法，但车的销量还不够。既有数据也有算法的公司，才能充分用好大模型。其次是系统的计算部署方式有限制。余凯认为，OpenAI、ChatGPT是在云端的计算，在云端有充分的能量供给、电源供给，同时有非常好的系统，可是如果在车上依赖的是电池，依赖的是车端的散热，那么这个挑战是很大的，意味着自动驾驶不能用那么大的模型、那么大的计算。大模型对算力的消耗，导致云计算厂商成为这波AI热潮中第一批吃到红利的玩家。大厂开卷云计算，也是为大模型开路。但是在车端，这会是一个矛盾。更大的问题是，大模型的可靠性尚未验证。使用过ChatGPT的人知道，ChatGPT有时候会胡说八道，时对时错。这在业内被称为幻觉（hallucination）倾向，即产生完全没有出处的非真实内容。大模型会编造内容，而不在意内容的真实性和准确性。聊天可以胡说八道，自动驾驶不可以。任何一次错误的输出，导致的结果都可能是致命的。 “ChatGPT取得巨大进展，但自动驾驶迟迟没有到来，因为自动驾驶特别是无人驾驶，可能容错率就是零，那是人命关天的事情。”余凯说。曾在硅谷某AI创业公司担任COO的龙志勇认为，不可控、不可预测和不可靠，是大模型商业化最大的威胁。典型表现是大模型有幻觉倾向。现在，要让自动驾驶系统学会选择和辨别，并稳定地输出最优解，还不太现实。一家人工智能公司的内部人士对深途说：“视觉感知在算法层面的确有不少突破。但车这种场景，要求太高了，我个人不觉得短期能有大的突破。可以关注一下特斯拉的动向。” 然而最近科技圈有一股风气，大大小小的公司，都要蹭一把GPT的热点。有一些汽车厂商，宣布即将应用类似GPT的技术，一堆炫酷的概念让人傻傻分不清楚。比如某传统车企旗下的自动驾驶公司，就发布了一个自动驾驶生成式大模型，要用这个模型来训练自动驾驶，号称“行业首例”。一位长期关注智能汽车赛道的投资人，询问一位行业大佬怎么看该模型，对方就回了四个字：“TM扯淡。” “完全就是一个PR行为。”这位投资人对深途评价。自动驾驶，会被推倒重来吗？在特斯拉的带动下，再叠加今年兴起的AI浪潮，自动驾驶行业逐渐向大模型、大算力、大数据方向不断靠近。大模型对自动驾驶的影响，目前还不够剧烈，但嗅觉敏锐的人已经呈现出一种矛盾心态。就像当年特斯拉利用Transformer将多摄像机数据从图像空间转化为BEV空间，为此不惜将原有架构推翻，重写算法。现在大模型的应用，也可能意味着原有自动驾驶算法，会被推倒重来。贺志强认为，大模型会对自动驾驶有巨大影响。以前自动驾驶用到很多小模型，现在变成大模型，可能需要重新来一遍。自动驾驶行业会重新洗牌。一家AI芯片公司的自动驾驶总监赵东翔对深途说，整体端到端更改，等于重新做。洗牌对新入局者是机会，对领先者是威胁。弯道超车的故事，往往发生在技术急速变革时期。在技术一日千里的时代，在旧路线投入越多，沉没成本可能越大，转身越困难。对于整车厂或自动驾驶公司而言，要拥抱一项新技术，不仅要考虑效果，还要考虑成本。赵东翔表示，就当前阶段而言，自动驾驶变换技术路线没意义，“现在行业技术能力也不差，大家花那么多钱做了那么久，没有大幅度提高的话没有换的动力。” 在去年底的AI DAY上，特斯拉将BEV升级到占用网络（occupancy network），泛化能力得到进一步提升。通过占用网络，特斯拉的自动驾驶感知系统可以不需要知道看到的物体是什么，就可以判断是否需要躲避，由此解决了更多长尾问题。不论何种技术路线，现在都处于快速变化迭代中。过去的小模型可能会被大模型替代，今天的大模型也可能在未来被某种新物种替代。但不管怎样，蹭热点、制造噱头的做法，是无益于技术进步的。“蹭热度是陋习，踏踏实实做产品才有用。”赵东翔说。自动驾驶真正的“王炸”，还远没有到来。我们需要做的，是对每一轮技术变革保持敬畏之心。被神话的GPT，造不出你的梦中神车，但至少，变化已经发生了。来源：金色财经

金色财经2023-06-10

金色Web3.0日报 | 以太坊Dencun升级已获得开发者们的最终确认

及人工智能领域，具体涉及自然语言处理、深度学习、计算机视觉、图像处理、增强现实和虚拟现实等技术领域，可应用于元宇宙等场景。免责声明：金色财经作为区块链资讯平台，所发布的文章内容仅供信息参考，不作为实际投资建议。请大家树立正确投资理念，务必提高风险意识。来源：金色财经

金色财经2023-06-09

AI风险堪比核能？诈骗、失控等众多黑暗面我们该如何应对？

I可能会对人类构成灭绝性风险。此前，深度学习之父Hinton也曾为了警告AI的风险，不惜从谷歌离职。的确，AI技术的发展和应用不仅给人们带来了便利和福祉，也带来了巨大的挑战和危机。如何识别和应对AI的潜在风险，已经成为当下亟待解决的问题，而我们将在以下内容中针对这些问题做详细的阐述。 AI有哪些风险？ ◉ 伦理和道德风险想象一下，如果有一天，AI技术发展到了超越人类智慧的水平，它会怎么对待我们？它会尊重我们的价值观和利益吗？它会保护我们的主体地位和自由吗？科幻小说中人类的机器大战的场面是否会成为现实？这是我们需要认真思考的一个非常重要的问题，因为在AI技术的发展和应用中，伦理和道德风险已经悄然出现。一方面，AI系统可能成为人类偏见的镜子或放大器，导致不公平的决策或行为；另一方面，AI系统可能区别对待不同的个人或群体，比如有些招聘系统可能会针对某些性别或种族，从而影响他们的就业前景。 ◉ 经济风险 AI技术所引发的经济风险也与我们的生活息息相关。诈骗分子通过“换脸”和“拟声”等技术模仿受害人的朋友或亲戚的声音和外貌，让受害人完全分不清真假，这便是利用AI技术进行诈骗的典型方式。据报道，这种诈骗的成功率高达100%，已经造成了多起重大财产损失，给人们带来了严重的经济风险。目前，AI诈骗包括以下几种常用手法：声音合成：诈骗者通过骚扰电话录音等来提取某人声音，获取素材后进行声音合成，从而可以用伪造的声音骗过对方。 AI程序筛选受害人和换脸技术：诈骗分子首先分析公众发布在网上的各类信息，然后根据所要实施的骗术，通过AI技术筛选目标人群，最后在视频通话中利用AI换脸骗取信任。在短时间内便可生产出定制化的诈骗脚本，从而实施精准诈骗。转发微信语音：诈骗分子在盗取微信号后，便向其好友“借钱”，为取得对方的信任，他们会通过提取语音文件来实现语音转发，进而实施诈骗。 ◉ 技术风险作为一种改变人们生活方式和工作方式的技术，AI的广泛应用为人们带来了极大的便利，但同时AI技术的发展也给人类带来了一系列的技术危害和技术风险。首先是数据隐私和安全问题。AI技术需要处理的数据通常涉及到用户的个人信息，如果这些数据处理不当或泄露，将给用户带来巨大的损失和安全隐患。其次，AI技术往往采用黑箱技术，以获得更高的预测能力和效率，这使得AI系统不能向人类提供足够的可解释性，使得AI系统无法“解释”其行为或决策的标准，可能产生误导性和歪曲性。除了以上技术问题以外，清华大学教授陶建华曾表示，大模型的安全漏洞威胁大模型的应用生态和国家安全，如数据投毒攻击、对抗样本攻击，以及模型窃取攻击国家、企业、个人信息窃取等。 ◉ 社会风险 AI技术的不断发展还导致了越来越多的工作被自动化取代，部分人失去了工作机会，从而使得富人和穷人之间的差距越来越大。在某些行业中，AI可能会取代人类工作岗位，如制造业、商业、金融和法律，这会导致失业、职业转移和社会经济的重大变化，进一步造成失业率上升，并对整个社会产生负面影响。除此之外，AI可能对人类的社交和人际交往能力产生影响。在未来，人类可能会倾向于与机器对话，而不是与真正的人进行交流，这将对我们的社会联系和人类身份认同带来重要的改变。如果AI技术变得足够智能，可能会超出人类的控制范围，从而导致不可预测的人类控制丧失。最后，由于人工智能技术的发展需要大量投资和技术资源，可能会导致一些国家或组织比其他国家或组织更具竞争力，从而加剧社会不平等。该如何应对？ ◉ 国家层面尽管人工智能技术具有跨国性质，并且围绕它的担忧程度很高。在AI监管方面，自2017年以来，69个国家共通过了800多项人工智能法规。但在人工智能监管或数据使用方面仍然没有统一的政策方法，那么，世界各地的政府机构是如何处理这个问题的呢? 世界各地的政府机构正在努力制定人工智能监管和数据使用方面的政策。例如，英国宣布将举办世界首个人工智能峰会，呼吁加强AI管制。美国国家标准与技术研究院也已经制定了负责任地使用人工智能的方法框架，并试图在政府的AI监管工作方面扮演突出角色。欧盟委员会提出了一项旨在加强人工智能（AI）技术监管的法规草案，拟创建一个所谓“AI高风险应用场景”的清单，并对AI技术在关键基础设施、大学招生、申请贷款等被认定为“高风险”应用领域的开发和使用制定新的标准，并进行有针对性的监管。此外，中国政府也在积极推进人工智能监管和数据使用方面的政策，中国国家互联网信息办公室发布了《人工智能安全评估规范》等文件，以加强对人工智能安全性的监管。在近日国务院办公厅印发的《国务院2023年度立法工作计划》中，人工智能法草案等也将预备提请全国人大常委会审议。由此可见，国家政府机构在处理人工智能监管或数据使用方面问题时，通常会制定一些法规或指南来规范相关行为。这些法规或指南通常会涉及到人工智能技术的安全性、隐私保护、公平性、透明度等方方面面。 ◉ 企业层面为了更好地应对AI所带来的风险，不只是国家层面，还需要使用AI技术的相关企业也做出努力。如今，AI已在许多企业内外纳入应用层面，其中的一个重要布局是与大数据相结合，能够实现智能营销、分析需求、提升服务、改进供应链等。但应用该技术也暴露出不少弊端，即使是ChatGPT也存在不知道实时信息的局限性，更多依赖AI可能会招致黑客攻击。最优的选择便是用最新的算法更新系统，实现“技术为王”。此外，针对AI技术衍生的部分道德伦理问题，比如自动筛选与分类容易导致歧视与偏见，以及面部识别技术可能会暴露人的隐私等，企业在其中往往扮演主要角色。不可否认，逐利是企业的天性，但作为社会的一员，企业还应承担相应的社会责任，合法使用用户数据并保障知情权，主动建立企业内部监管机制，主动接受国家与社会的监督。竭泽而渔，显然不是市场竞争的长远选择。 ◉ 个人层面目前AI诈骗的新闻大多集中于个人案例，因此每个人都应当提高防范能力，包括反诈意识与技术知识。我们不仅要对陌生网址、短信、电话、好友保持警惕，更要对熟人在网络上突如其来的汇款请求与提供个人隐私信息的要求提高警觉。当无法见面核实真实情况时，请拒绝涉及隐私与财产的要求，一旦发现风险，请第一时间寻找有关部门的帮助。（在某社交平台查询到的个人经历分享）了解AI前沿技术同样能够提高个人反诈能力。一个人很难赚到认知之外的钱，同样，也难以丢掉认知之内的钱。虽然中老年人容易因不熟悉网络而被诈骗，但实际上AI诈骗早已渗透年轻一代里。诈骗者往往利用被诈骗者的自信自负、虚荣爱面子、捡漏捞偏门等心理，从而达到其目的。理性对待AI风险我们必须要意识到，人工智能的发展对人类社会是一把双刃剑。AI到今天已成为不可逆的社会潮流，但现有与潜在的风险需要我们提前预防。英国阿斯顿大学学者大卫·科林格里奇曾提出，创新技术如果因为担心后果采取提早控制，那么很可能就不会爆发，如果控制过晚，就很可能会走向失控。AI失控此前只存在于科幻作品中，但近来诸如“AI将会毁灭人类”的言论甚嚣尘上，引发的诈骗、隐私等问题也暴露无遗。想要突破AI的科林格里奇困境，需要国际组织、国家机关、企业团体与个人联合努力，携手并进。在社会高速公路上急驰AI，急停只会造成难以估量的损失，我们要做的，唯有匀速向前。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-06-09

百度数字人生成专利可用于元宇宙百度数字人生成方法专利获授权

及人工智能领域，具体涉及自然语言处理、深度学习、计算机视觉、图像处理、增强现实和虚拟现实等技术领域，可应用于元宇宙等场景。实现方案为：获取素材内容；基于预训练的场景划分模型，从素材内容中确定多个场景，其中，多个场景中的每个场景分别对应于素材内容中的一个具有完整语义信息的内容片段；基于内容片段，确定该场景对应的目标内容和场景标签信息，从而配置特定于该场景的数字人。

金融界2023-06-09

彩讯股份：公司已在去年布局了数字人领域

续投入研发，结合新的AI模型算法，通过深度学习、数据分析、语音识别、情感识别等方面赋能，从而营造更加智能、快速、准确的数字人服务，后续发展请持续关注公司官方信息。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2023-06-09

公司在算力领域是否有布局？东方通这样答

安全底座。公司在机器视觉领域拥有基于深度学习的多模态内容识别算法的内容安全监测系统，具备对文本、图片、视频、语音、深度合成内容等的识别能力。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2023-06-08

华为智慧金融峰会召开生成式AI技术正快速融入

息化企业+AI的结合形式：基于大模型的深度学习框架、算力云、硬件部分由合作伙伴提供；金融信息化企业负责行业模型、标准层、插件层、应用层等相关生态建设。　　海外来看，金融行业大模型已在MorganStanley、Stripe、Bloomberg等多家企业应用；国内来看，同花顺I问财、iFind等产品已有相关行业模型赋能。　　华福证券此前指出，建议关注证券IT（恒生电子、同花顺）；银行IT（长亮科技、宇信科技）；保险IT（中科软）。

金融界2023-06-08

灵均投资携手清华大学教育基金会设立奖助学金

域的创新高地，深度融合了AI人工智能、深度学习等前沿科技，不断突破着行业发展新象限。　　如何持续为国家和行业培养相关拔尖创新人才，成为公司、学校乃至全社会共同关心的议题。灵均投资以务实本心回馈社会，携手清华大学教育基金会设立“清华之友灵均领航奖学金”和“清华之友灵均成长助学金”，用于支持清华大学品学兼优的同学，助力国内量化行业人才培养。　　会后，杨斌向灵均投资颁发捐赠证书。

金融界2023-06-07

东方国信：公司积极开拓合作生态，长期以来一直是华为的优质合作伙伴

域有稳定的合作关系。公司自主研发的AI深度学习应用层产品，与华为昇思MindSpore（盘古大模型的底层AI框架）完成兼容认证，性能进一步提升，可高度满足客户需求。公司通过加入华为昇思MindSpore开源社区，未来将进一步深化社区合作，推动项目、产品生根发芽，通过更专业、更高效地合作共同推进行业应用落地。谢谢！投资者：贵公司在MLOps领域有什么布局？东方国信董秘：您好，感谢您的关注。公司的人工智能平台数据科学云平台Data Science Cloud就是一套MLOps工具，对机器学习模型进行持续调优、集成、部署、评价、回测。支持算法模型持续集成优化，简化算法人员工程人员工作量，提升优化效率。目前在中国联通集团支持全集团算法模型开发部署优化已经三年，平台集成运营商O、B两侧数据，沉淀300多个线上业务模型，涵盖经营分析预测预警、营销客群、策略、产品自动匹配、异业产品营销、客服产品问题挖掘服务质量优化等多个运营场景，省分调用平台模型，营销触达月用户数过千万，年触达1.2亿。谢谢！投资者：贵公司有数字水印技术吗？能否介绍？东方国信董秘：您好，感谢您的关注。公司已有数字水印技术，对于模型输出可以做防伪追踪。谢谢！东方国信2023一季报显示，公司主营收入5.01亿元，同比上升6.77%；归母净利润4596.42万元，同比上升11.04%；扣非净利润1541.8万元，同比下降47.29%；负债率18.66%，投资收益81.03万元，财务费用719.3万元，毛利率40.57%。该股最近90天内共有3家机构给出评级，买入评级2家，增持评级1家；过去90天内机构目标均价为14.0。近3个月融资净流入2.14亿，融资余额增加；融券净流入1039.86万，融券余额增加。根据近五年财报数据，证券之星估值分析工具显示，东方国信（300166）行业内竞争力的护城河良好，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：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）东方国信（300166）主营业务：为客户提供企业级大数据、云计算、工业互联网等平台、产品、服务及行业整体解决方案。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2023-06-07

24小时热点