FX168财经网_全球视野外汇黄金加密货币NFT资讯网

芯片业重磅频传！“天眸芯”问世，半导体股强势“起舞”

触底回升。从成长维度看，开源证券称，生成式AI的发展将成为2030年全球半导体销售总额相比2023年翻倍的核心推动力。 AI升级需要更多的算力以及高带宽存储(HBM)，拉动全球晶圆厂投资额2023-2027年CAGR达到9.3%。据其测算，基于先进存储、逻辑晶圆厂资本开支加大以及产线设备国产化率提升，中国内地半导体设备销售额有望从2023年的366亿美金增长到2027年的657.7亿美金，CAGR达15.8%。在新一轮行情到来之际，那么哪些方向值得关注？光大证券认为，随着国家大基金三期成立，设计工具（EDA）、高端芯片（高端存储芯片）、关键材料（光刻胶、第四代半导体材料）有望受益。瑞银证券中国科技硬件行业分析师俞佳也表示，大基金三期的注册资本规模超前两期总和，显示国家在半导体的投资支持力度或将继续加大。由于半导体制造环节的资本密集属性，芯片制造领域将很可能是该基金投资重点。其中，存储以及与我国优势下游产业（如电车等）相关的半导体供应链端，最有可能获得资金持续支持。

格隆汇2024-05-30

苹果有大动作？全球开发者大会2024前瞻：值得期待的亮点

I达成协议，将为iOS 18提供一系列生成式AI功能，例如自动生成表情符号、邮件和短信回复内容等。特别值得一提的是，苹果将推出全新辅助功能——眼动追踪，专为残障用户设计，允许他们通过眼动来操作iPad或iPhone。其它操作系统的更新除iOS 18外，其他操作系统也将迎来重大更新。macOS 15和iPadOS 18预计会引入新的UI设计和AI功能，而watchOS 11和tvOS 18则会在用户体验和性能上进一步优化。visionOS 2将展示苹果针对Apple Vision Pro的首次重大功能更新。新AI工具方案：Project Greymatter 据马克·古尔曼透露，苹果将在WWDC24上推出一套全新的AI工具方案，项目名为Project Greymatter。这些AI功能将主要面向普通消费者，集成到Safari、Photos和Notes等核心应用中。AI功能包括照片编辑、语音备忘录转录、自动建议电子邮件和短信回复、个性化表情符号生成、Safari网页搜索改进、Spotlight搜索优化等。 Project Greymatter采用“边云协同”架构，结合设备端和云端的计算能力。大部分计算密集程度较低的AI功能将在设备上运行，而需要更多算力的任务则会在云端完成。苹果自研芯片和M2 Ultra芯片的支持，将确保这些功能的高效运行。硬件更新展望虽然WWDC通常以软件为主，但硬件方面的更新同样值得期待。尽管有传言称Mac系列产品可能会升级，但具体细节尚未明确。Mac mini有望升级到M4芯片，而其他专业级硬件如Mac Studio和Mac Pro预计要等到秋季或2025年才会更新。市场反应与未来展望投资者对苹果在AI领域的期待值已经达到顶点。Wedbush分析师Daniel Ives预测，AI技术被引入苹果生态系统后，将带来大量的商业化机会，预计苹果的每股收益(EPS)将增长30美元至50美元。 Ives还认为，WWDC24将成为苹果十年来最重要的事件，苹果将借此机会奠定其在人工智能领域的领先地位。随着AI技术在iPhone和其他硬件中的应用，苹果的服务和硬件业务将迎来新的增长点。苹果庞大的用户群将使其在AI领域具有独特的优势，预计全球数亿台苹果设备将支持这些新功能，使苹果一夜之间成为最大的AI玩家。总结苹果全球开发者大会2024即将揭幕，预计将带来一系列令人兴奋的更新和新功能。无论是操作系统的重大升级，还是全新的AI工具方案Project Greymatter，都将展示苹果在科技创新方面的雄心壮志。随着大会的临近，全球的开发者和用户都在翘首以待，期待苹果为未来的科技发展带来更多惊喜。

Sissi2024-05-30

加密AI赛道的下一波叙事推演：催化因素、发展路径和相关标的

拥有的 13 亿张照片和视频数据对训练生成式 AI 模型极具价值。他正在与多家科技公司就出售这些数据进行谈判，报价范围从每张照片 5 美分到 1 美元不等，每段视频超过 1 美元，其估计 Photobucket 可提供的数据价值超过 10 亿美金。专注于人工智能发展趋势的研究团队 EPOCH ，根据 2022 年机器学习对数据的使用和新数据的生成情况，再考虑计算资源的增长，曾经发表了一篇关于机器学习所需的数据的情况报告《 Will we run out of data ? An analysis of the limits of scal in g data sets in Mach in e Learn in g》，报告的结论是高质量的文本数据大约会在 2023 年 2 月到 2026 年之间用尽，图像数据则会在 2030 年到 2060 年间用尽。如果数据的利用效率不能显著提高，或出现新的数据来源, 目前依赖于海量数据集的大型机器学习模型趋势可能会放缓。而就目前 AI 巨头们纷纷高价采买数据的情况来看，免费的优质文本数据真的已经基本用尽， EPOCH 在 2 年前的预测是比较准确的。同时，围绕「 AI 数据短缺」的需求的解决方案也在出现，即： AI 数据提供服务。 Defined . ai 就是一家为 AI 公司提供定制化真实高质量数据的公司。 Defined.ai 所能提供的数据类型举例：https://www.defined.ai/datasets 它的生意模式是： AI 公司给 Defined . ai 提供自己对于数据的需求，比如就图片而言，质量方面需要分辨率达到多少以上、避免模糊、过曝、内容真实。内容方面 AI 公司可以根据自己的训练任务，定制特定的主题，比如需要夜里的照片、夜里的锥桶、停车场、指示牌，用来提高 AI 在夜景下的识别率。大众都可以领任务，拍完上传由公司审核，然后把符合要求的部分按张数结算，价格大约是一张高质量的图片 1-2 美元，一个十几秒的短片 5-7 美元，一部 10 分钟以上的高质量影片 100-300 美元，文本是千字 1 美元，领分包任务的人可以得到其中 20% 左右的费用。数据提供可能会成为「数据标记」之后的又一门众包生意。全球范围的任务众包分配、经济激励、数据资产的定价\流通和隐私保护、人人可以参与，听起来就特别像一门适合 Web3 范式的商业门类。产业供给端视角下的 AI 叙事标的芯片短缺引发的关注渗透到加密行业，让分布式算力成为了截止目前最热门、市值最高的 AI 赛道类别。那么 AI 产业在能源和数据上的供需矛盾如果在未来 1-2 年中爆发，加密行业目前有哪些叙事相关的项目？先来看能源类的标的。已经上线了头部 CEX 的能源类项目非常稀少，仅有 Power Ledger （代币 Powr ）一个。 Power Ledger 于 2017 年立项，是一个基于区块链技术的综合能源平台，旨在实现能源交易的去中心化，推动个人和社区直接交易电力，支持可再生能源的广泛应用，并通过智能合约确保交易的透明和高效。最初 Power Ledger 基于以太坊改造而来的联盟链运行。2023 年下半年， Power Ledger 更新了白皮书，并推出了自己的综合型公链，该公链基于 Solana 的技术框架改造而来，便于处理分布式能源市场中的高频微交易。目前 Power Ledger 的主要业务包括： · 能源交易：允许用户点对点地直接买卖电力，特别是来自可再生能源的电力。 · 环境产品交易：比如碳信用和可再生能源证书的交易，以及基于环境产品的融资。 · 公链运营：吸引应用开发者在 Powerledger 区块链上构建应用，公链的交易费用以 Powr 代币支付。目前 Power Ledger 项目的流通市值为 1.7 亿 $，全流通市值为 3.2 亿 $。相比能源类的加密标的，数据赛道的加密标的数量则更丰富一些。笔者仅罗列目前自己关注的，并已经至少上线了币安、 OKX 和 Coinbase 其中一家 CEX 的数据赛道项目，且按照 FDV 从低至高排列： 1. Streamr – DATA Streamr 的价值主张是构建一个去中心化的实时数据网络，允许用户自由地交易和分享数据，同时保持对自己数据的完全控制。通过其数据市场， Streamr 希望使数据生产者能够直接向感兴趣的消费者销售数据流，无需中介机构，从而降低成本并提高效率。来源：https://streamr.network/hub/projects 在实际的合作案例中， Streamr 与另一个 Web3 车载硬件项目 DIMO 合作，通过装载在车辆上的 DIMO 硬件传感器收集温度、气压和其他数据，形成天气数据流传输给需要的机构。与其他数据项目相比， Streamr 更侧重于物联网、硬件传感器的数据，除了上面提到的 DIMO 车载数据之外，其他项目还有赫尔辛基的实时交通数据流等。因此， Streamr 的项目代币 DATA 也曾经在去年 12 月， Depin 概念最火热的时候一度创造出了单日翻倍的涨幅。目前 Streamr 项目的流通市值为 4400 万 $，全流通市值为 5800 万 $。 2. Covalent – CQT 与其他数据类项目不同的是， Covalent 提供的是区块链数据。 Covalent 网络通过 RPC 从区块链节点读取数据，然后对这些数据进行处理和组织，创建一个高效的查询数据库。这样， Covalent 的用户们可以快速地检索到他们需要的信息，而不必直接从区块链节点进行复杂的查询，这类服务也被称为「区块链数据索引」。 Covalent 的客户以 B 端为主，其中既有 Dapp 项目，比如各种 Defi ，也包括很多中心化加密公司，比如 Consensys （ Metamask 的母公司）, CoinGecko ( 知名加密资产行情站 )、 Rotki ( 税务工具 )、 Rainbow ( 加密钱包 ) 等，此外传统金融行业中的巨头富达、四大会计事务所安永，也是 Covalent 的客户。根据 Covalent 官方披露的数据，项目的来自于数据服务的收入已经超过同领域的头部项目 The Graph 。 Web3 行业由于链上数据的完整性、公开性、真实性以及实时性，有望成为细分 AI 场景和特定「 AI 小模型」的优质数据来源。 Covalent 作为数据提供方，已经开始为各类 AI 场景提供数据，并推出了专门面向 AI 的可验证的结构化数据。来源：https://www.covalenthq.com/solutions/decentralized-ai/ 比如为链上智能交易平台 SmartWhales 提供数据，利用 AI 识别出盈利的交易模式和地址； Entendre Finance 则通过 Covalent 的结构化数据，经过 AI 处理用于实时洞察、异常检测和预测分析等。目前来看， Covalent 提供的链上数据服务的主要场景仍以金融为主，但随着 Web3 产品和数据类型的泛化，链上数据的使用场景也将进一步拓展。目前 Covalent 项目的流通市值为 1.5 亿 $，全流通市值为 2.35 亿 $，相对于同赛道的区块链数据索引项目 The Graph ，具有比较明显的估值优势。 3. Hivemapper – Honey 在所有数据素材中，视频数据的单价往往是最高的。 Hivemapper 可以为 AI 公司提供包括视频和地图信息在内的数据。 Hivemapper 本身是一个去中心化的全球地图项目，旨在通过区块链技术和社区贡献来创建一个详细、动态且可访问的地图系统。参与者可以通过行车记录仪（ dashcam ）捕捉地图数据并将其添加到开源的 Hivemapper 数据网络中，并基于贡献获得项目代币 HONEY 的奖励。为了提高网络的效应和降低交互成本， Hivemapper 构建在 Solana 上。 Hivemapper 最早成立于 2015 年，最初的愿景是使用无人机创建地图，但后来发现这种模式难以扩展，从而转向使用行车记录仪和智能手机来捕捉地理数据，降低了全球地图制作的成本。与 Google map 等街景和地图软件相比，Hive map per 通过激励网络和众包模式，能更高效地拓展地图覆盖范围、保持地图实景的新鲜度、提升视频质量。在 AI 对数据的需求爆发之前， Hivemapper 的主要客户包括汽车产业的自动驾驶部门、导航服务公司、政府、保险和地产公司等。如今 Hivemapper 则可以通过 API 为 AI 和大模型提供广泛的道路和环境数据，通过不断更新的图像和道路特征数据流的输入， AI 和 ML 模型将能够更好地将数据转化为能力的提升，执行与地理位置、视觉判断有关的任务。数据来源：https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/ 目前 Hivemapper – Honey 项目的流通市值为 1.2 亿 $，全流通市值为 4.96 亿 $。除了以上三个项目之外，数据赛道的项目还有 The Graph – GRT （流通市值 32 亿 $， FDV 37 亿 $），其业务与 Covalent 类似，也提供区块链数据索引的服务；以及 Ocean Protocol – OCEAN （流通市值 6.7 亿 $， FDV 14.5 亿 $，本项目即将与 Fetch . ai 和 SingularityNET 合并，代币转换为 ASI ），一个开源协议，旨在促进数据和数据相关服务的交换和货币化，将数据消费者与数据提供者连接起来，从而在保证信任、透明和可追溯性的前提下共享数据。 AI 叙事的第二个视角： GPT 时刻再现，通用人工智能降临在笔者看来，加密行业里「 AI 赛道」的元年是 GPT 震惊世界的 2023 年，加密 AI 项目的暴涨，更多是 AI 产业爆炸式发展带来的「热度余波」。虽然 GPT3 .5 之后 GPT4 、 turbo 等的能力不断升级，以及 Sora 在视频创作能力的惊人展现，包括 Open AI 之外的大语言模型也快速发展，但不可否认的是 AI 的科技进步给大众带来的认知冲击正在减弱，人们开始逐渐使用 AI 工具，大规模的岗位替代似乎还未发生。那么，未来 AI 领域是否还会再现「 GPT 时刻」，出现让大众震惊的 AI 跨越式发展，让人们意识到自己的生活和工作都将因此被改变？这个时刻可能是通用人工智能（ AGI ）的降临。 AGI 指的是机器拥有类似于人类的综合认知能力，能够解决各种复杂问题，而不仅限于特定任务。AGI 系统拥有高度的抽象思维、广泛的背景知识、全领域的常识推理和因果关系理解、以及跨专业的迁移学习等能力。 AGI 的表现与各个领域最优秀的人类无异，就综合能力来说则完全超越最优秀的人类群体。实际上，无论科幻小说和游戏、影视作品之中的呈现，还是在 GPT 迅速普及之后的大众预期，社会大众对超越人类认知水平的 AGI 的出现早有预期。或者说， GPT 本身就是 AGI 的先导产品，是通用人工智能的预言版。而 GPT 之所以有这么大的产业能量和心理冲击，在于其落地的速度和表现超越了大众的预期：人们没想到，一个能完成图灵测试的人工智能系统真的到来了，而且速度这么快。实际上，人工智能 ( AGI ）或许将在 1-2 年内再次复现「 GPT 时刻」的突然性：人们才刚刚适应 GPT 的辅助，就发现 AI 已经不仅仅是一个助手，它甚至能独立完成极具创造性和挑战的工作，包括那些困住人类顶尖科学家几十年的难题。在今年 4 月 8 日，马斯克接受了挪威主权财富基金首席投资官 Nicolai Tangen 的采访，谈到了 AGI 出现的时间。他说：「如果把 AGI 定义为比最聪明的那部分人类还要聪明的话，我认为它很可能在 2025 年出现。」也就是按照他的推断，最多就是还需要 1 年半的时间， AGI 就将降临。当然，他加了一个前提条件，就是「电力和硬件都跟得上的话。」 AGI 的降临的好处是显而易见的。它意味着人类的生产力水平将大跨步地上一个台阶，大量困住我们几十年的科研难题将迎刃而解。假如我们把「最聪明的那部分人类」定义为诺贝尔奖得主的水平，也就意味只要能源、算力、数据足够，我们可以拥有无数个不知疲倦的「诺奖得主」，全天候攻关那些最难的科学问题。而实际上诺奖得主并不是几亿分之一那样珍贵，他们在能力和智力上大多是顶级大学教授的水平，但是因为概率和运气选对了方向，持续做了下去并拿到了结果。和他水平相当的人，他同样优秀的同僚们，也许在科研的平行宇宙中也获得了诺奖。但是无奈的是，具备顶尖大学教授并参与科研突破的人员还是不足，因此「遍历所有科研正确方向」的速度仍然很慢。有了 AGI 之后，在能源和算力充分供给的情况下，我们可以有无限个「诺奖得主」水平的 AGI 在任何一个可能的科研突破方向进行纵深探索，技术的提升速度会快几十倍。技术的提升，会导致我们如今认为相当昂贵稀缺的资源，在 10 到 20 年间成百倍地增加，比如粮食产量、新材料、新药、高水准的教育等，获取这些的成本也将成倍下降，我们得以用更少的资源养活更多的人口，人均财富迅速增加。全球 GDP 总量走势图，数据来源：世界银行这听起来似乎有点耸人听闻，我们来看两个例子，这两个例子笔者在此前关于 IO . NET 的研报中也使用过： · 2018 年，诺贝尔化学奖得主弗朗西斯·阿诺德在颁奖仪式上才说道：「今天我们在实际应用中可以阅读、写入和编辑任何 DNA 序列，但我们还无法通过它创作（ compose it ）。」仅仅在他讲话的 5 年后，2023 年，来自斯坦福大学和硅谷的 AI 创业企业 Salesforce Research 的研究者，在《自然 - 生物技术》发表论文，他们通过基于 GPT3 微调而成的大语言模型，从 0 创造出了全新的 100 万种蛋白质，并从中寻找到 2 种结构截然不同、却都具有杀菌能力的蛋白质，有希望成为抗生素之外的细菌对抗方案。也就是说：在 AI 的帮助下，蛋白质「创造」的瓶颈突破了。 · 而在此前，人工智能 AlphaFold 算法在 18 个月内，把地球上几乎所有的 2.14 亿种蛋白质结构都做了预测，这项成果是过往所有人类结构生物学家工作成果的几百倍。变革已经发生，而 AGI 的降临会进一步加快这个过程。另一个方面， AGI 的降临带来的挑战也是非常巨大的。 AGI 不但会替代大量的脑力劳动者，如今被认为「受 AI 冲击较少的」体力服务业者，也会随着机器人技术的成熟和新材料的研发带来的生产成本降低而受到冲击，被机器和软件替代的劳动岗位占比会迅速提高。届时，两个曾经看起来非常遥远的问题会很快浮出水面： 1.大量失业人口的就业和收入问题 2.在 AI 无处不在的世界，如何分辨 AI 和人类而 Worldcoin \ Worldchain 正在尝试提供解决方案，即用 UBI （全民基本收入）系统为大众提供基本收入，用基于虹膜的生物特征把人和 AI 进行区分。实际上，给全民发钱的 UBI 并非没有现实实践的空中楼阁，芬兰、英格兰等国都进行过全民基本收入的实践，而加拿大、西班牙、印度等国亦有政党正在积极提案推进相关的实验。而基于生物特征识别 + 区块链的模式进行 UBI 分配的好处在于这个系统的全球性，对人口有更广泛的覆盖，此外还可以基于通过收入分配拓展而来的用户网络，构建其他商业模式，比如金融服务（ Defi ）、社交、任务众包等，形成网络内商业的协同，这也正是 AGI 降临带来的冲击效应的对应标的之一是 Worldcoin – WLD ，其流通市值为 10.3 亿 $，全流通市值为 472 亿 $。叙事推演的风险和不确定性本文与 Mint Ventures 之前发布的诸多项目和赛道研究报告不同，对于叙事的推演和预测具有较大的主观性，请读者仅将本文内容作为一个发散性的讨论，而不是预测未来的预言。笔者上述的叙事推演面临很多不确定性，导致猜想错误，这些风险或影响因素包括但不限于：能源方面： GPU 更新换代造成的能耗速降尽管围绕 AI 的能源需求猛增，但以英伟达为代表的芯片厂商正在通过不断的硬件升级，以更低的功耗提供更高的计算能力，比如在今年 3 月英伟达发布了集成了两个 B200 GPU 和一个 Grace CPU 的新一代 AI 计算卡 G B200 ，其训练的性能是上一代主力 AI GPU H100 的 4 倍，推理的性能是 H100 的 7 倍，需要的能耗却只有 H100 的 1/4。当然尽管如此，人们希望从 AI 中获得的力量渴望远远没到尽头，伴随着单元能耗的下降，随着 AI 应用场景和需求的进一步扩张，总能耗可能反而是上升的。数据方面： Q * 计划实现「自产数据」 Open AI 内部一直存在一个传闻中的项目「 Q *」，该项目在 Open AI 发给员工的内部信息被提到过。根据路透社援引 Open AI 内部人士的看法，这可能是 Open AI 在追寻超级智能 / 通用人工智能（ AGI ）道路上取得的一项突破。 Q * 不但能够凭借抽象能力解决以前从未见过的数学问题，还能够通过自我创造用于训练大模型的数据，而无需现实世界的数据喂养。如果该传言为真， AI 大模型训练受限于优质数据不足的瓶颈将被打破。 AGI 降临： OpenAI 的隐忧 AGI 降临的时点是否真的如马斯克所说，会在 2025 年到来尚不得而知，但这只是一个时间问题。但 Worldcoin 作为 AGI 降临叙事的直接诶受益标的，最大的隐忧可能来自 OpenAI ，毕竟其是公认的「 OpenAI 影子代币」。 5 月 14 日凌晨， OpenAI 在春季新品发布会展示了最新的 GPT - 4o 与另外 19 个不同版本的大语言模型在综合任务得分中的表现，仅从表格来看， GPT - 4o 得分 1310，视觉上似乎比后几名高出了一大截，但从总分来看，其仅比第二名 GPT 4 turbo 高了 4.5%，比第四名谷歌的 Gemini 1.5 Pro 高了 4.9%，比第五名 Anthropic 的 Claude 3 Opus 高了 5.1%。从 GPT3 .5 初登场时震惊世界的时刻仅仅过去了一年多， OpenAI 的竞争对手们已经追到了非常接近的位置（尽管 GPT5 尚且没有放出，并预计在今年发布）， OpenAI 未来是否已经能保持自己的行业领先位置，这个答案似乎正在变得模糊。如果 OpenAI 的领先优势和统治地位被稀释乃至赶超，那么 Worldcoin 作为 OpenAI 的影子代币的叙事含金量也会下降。此外，除了 Worldcoin 的虹膜认证方案之外，越来越多的竞争对手也开始进入这个市场，比如手掌扫描 ID 项目 Humanity Protocol 刚刚宣布以 10 亿美元估值完成 3000 万美元新一轮融资， LayerZero Labs 也宣布将在 Humanity 上运行，并加入其的验证者节点网络，使用 ZK 证明对凭证进行身份验证。结语最后，笔者虽然对 AI 赛道后续的叙事进行了推演，但 AI 赛道与 DeFi 等加密原生赛道不同，其更多是 AI 热潮外溢至币圈的产物，目前诸多的项目就商业模式而言并未跑通，很多项目更像是 AI 主题的 Meme （比如 Rndr 类似于英伟达的 meme ， Worldcoin 类似于 Open AI 的 meme ），读者应审慎看待。来源：金色财经

金色财经2024-05-28

探索AI与Web3的六大融合之处

可能是Web3数据赛道未来的明星。基于生成式AI技术和模拟，合成数据能够模拟真实数据的属性，作为真实数据的有效补充，提高数据使用效率。在自动驾驶、金融市场交易、游戏开发等领域，合成数据已经显示出其成熟的应用潜力。隐私保护：FHE在Web3中的作用数据驱动时代，隐私保护已成为全球关注的焦点，欧盟的通用数据保护条例（GDPR）等法规的出台，反映了对个人隐私的严格守护。然而，这也带来了挑战：一些敏感数据因隐私风险而无法被充分利用，这无疑限制了AI模型的潜能和推理能力。 FHE即全同态加密，允许在加密数据上直接进行计算操作，而无需对数据进行解密，且计算结果与在明文数据上进行相同计算的结果一致。 FHE为AI隐私计算提供了坚实的保护，使得GPU算力能够在不触及原始数据的环境中执行模型训练和推理任务。这为AI公司带来了巨大的优势。它们可以在保护商业机密的同时，安全地开放API服务。 FHEML支持在整个机器学习周期内对数据和模型进行加密处理，确保敏感信息的安全性，防止数据泄露风险。通过这种方式，FHEML强化了数据隐私，为AI应用提供了一个安全的计算框架。 FHEML是ZKML的补充，ZKML证明机器学习的正确执行，而 FHEML 则强调对加密数据进行计算以维护数据隐私。算力革命：去中心化网络中的AI计算当前AI系统的计算复杂性每3个月翻一番，导致算力需求激增，远超现有计算资源的供应。例如，OpenAI的GPT-3模型训练需要巨大算力，相当于单个设备上355年的训练时间。这样的算力短缺不仅限制了AI技术的进步，更让那些高级的AI模型对于大多数研究者和开发者来说变得遥不可及。同时，全球GPU的利用率不足40%，加之微处理器性能提升的放缓，以及供应链和地缘政治因素导致的芯片短缺，这些都让算力供应问题变得更加严重。AI从业者们陷入了两难：要么自购硬件，要么租赁云资源，他们急需一种按需、经济高效的计算服务方式。 IO.net是一个基于Solana的去中心化AI算力网络，通过聚合全球范围内的闲置GPU资源，为AI公司提供了一个既经济又易于访问的算力市场。算力需求方可在网络上发布计算任务，智能合约将任务分配给贡献算力的矿工节点，矿工执行任务并提交结果，经验证后获得积分奖励。IO.net的方案提高资源利用效率，有助于解决AI等领域的算力瓶颈问题。除了通用的去中心化算力网络，还有像Gensyn、Flock.io这样专注于AI训练的平台，以及Ritual、Fetch.ai这样专注于AI推理的专用算力网络。去中心化算力网络提供公平透明的算力市场，打破垄断，降低了应用门槛，提高了算力的利用效率。在web3生态系统中，去中心化算力网络将发挥关键作用，吸引更多创新型dapp的加入，共同推动AI技术的发展和应用。 DePIN：Web3赋能Edge AI 想象一下，你的手机、智能手表、甚至家中的智能设备，都具备了运行AI的能力——这就是Edge AI的魅力所在。它让计算发生在数据产生的源头，实现了低延迟、实时处理，同时保护了用户的隐私，Edge AI技术已经应用于自动驾驶等关键领域。在Web3领域，我们有个更熟悉的名字—DePIN。Web3强调去中心化和用户数据的主权，DePIN通过在本地处理数据，可以增强用户隐私保护，减少数据泄露的风险；Web3 原生的Token经济机制可激励DePIN节点提供计算资源,构建一个可持续的生态系统。目前DePIN在Solana生态中发展迅速，成为项目部署的首选公链平台之一。Solana的高TPS、低交易费用以及技术创新为DePIN项目提供了强大支持。目前，Solana上的DePIN项目市值超过100亿美元，知名项目如Render Network和Helium Network已取得显著进展。 IMO：AI模型发布新范式 IMO的概念由Ora protocol首先提出，将AI模型代币化。在传统模式下，由于收益分享机制缺失，一旦AI模型被开发出来并投入市场，开发者往往难以从模型的后续使用中获得持续的收益，尤其是当模型被整合进其他产品和服务后，原始创造者很难追踪使用情况，更不用说从中获得收益了。并且AI模型的性能和效果往往缺乏透明度，这让潜在的投资者和使用者难以评估其真正价值，限制了模型的市场认可和商业潜力。 IMO为开源AI模型提供了一种全新的资金支持和价值共享方式，投资者可以购买IMO代币，分享模型后续产生的收益。Ora Protocol使用ERC-7641和ERC-7007两个ERC标准，结合AI预言机（Onchain AI Oracle）和OPML技术来确保AI模型的真实性和代币持有者能够分享收益。 IMO模式增强了透明度和信任，鼓励开源协作，适应加密市场趋势，并为AI技术的可持续发展注入了动力。IMO目前还处于初期尝试阶段，但随着市场接受度的提升和参与范围的扩大，它的创新性和潜在价值值得我们期待。 AI Agent：交互体验的新纪元 AI Agent能够感知环境，进行独立思考，并采取相应的行动以实现既定目标。在大语言模型的支持下，AI Agent不仅能理解自然语言，还能规划决策，执行复杂的任务。它们可以作为虚拟助手，通过与用户的互动学习其偏好，并提供个性化的解决方案。在没有明确指令的情况下，AI Agent也能自主解决问题，提高效率，创造新价值。 Myshell 是一个开放的 AI 原生应用平台，提供全面易用的创作工具集，支持用户配置机器人功能、外观、声音以及连接外部知识库等，致力于打造公平开放的 AI 内容生态系统，利用生成式 AI 技术，赋能个人成为超级创作者。Myshell训练了专门的大语言模型，使角色扮演更人性化；语音克隆技术可以加速 AI 产品个性化交互，MyShell 把语音合成成本降低 99%，语音克隆仅需 1 分钟即可实现。利用Myshell定制的AI Agent，目前可应用于视频聊天、语言学习、图像生成等多领域。在Web3与AI的融合上，当前更多的是对基础设施层的探索，如何获取高质量数据、保护数据隐私，如何在链上托管模型，如何提高去中心化算力的高效使用，如何验证大语言模型等关键问题。随着这些基础设施的逐步完善，我们有理由相信，Web3与AI的融合将孕育出一系列创新的商业模式和服务。来源：金色财经

金色财经2024-05-27

重磅！美媒记者曝光：苹果接近与OpenAI达成协议 ChatGPT将引入iPhone系统

之一微软构建的大型超级计算机上开发了其生成式AI技术，该超级计算机使用了10000个英伟达图形处理单元(GPU)。运行ChatGPT对公司来说成本非常高，根据Bernstein分析师Stacy Rasgon计算，每个查询的成本约为4美分。如果ChatGPT查询规模增长到谷歌搜索的10%，则最初需要价值约481亿美元的GPU，每年需要价值约160亿美元的芯片才能维持运营。

颜辞2024-05-27

AI浪潮下区块链的机遇在哪里？

击枪。这一轮AI热潮，最直接的推手是生成式AI技术的突破，尤其是大语言模型（LLM）的崛起。以ChatGPT为代表的AI写作、编程、问答等能力，令人震惊。不过别忘了，推动这一切的是算力、数据和算法模型的共同进步。无论是训练大语言模型，还是部署各类AI应用，都需要大量计算资源、海量数据及强大的存储能力。正是由于对算力、数据、存储等基础设施的巨大需求，AI的发展给区块链带来了全新的机遇。我们不妨梳理一下，区块链在AI浪潮下可以发挥哪些作用。机遇一：去中心化算力的供给目前，AI训练和部署的算力资源高度集中在少数科技巨头手中，供给短缺且存在地缘政治风险。区块链可以通过代币激励，将全球ocity的闲置算力组织起来，形成一个去中心化的算力池，缓解供给紧缺。项目如Akash、RenderToken、IovLabs等，都在推动去中心化算力网络的建设。值得一提的是，零知识证明（ZK）技术的加入，可以确保算力提供方如实执行了计算任务，避免作假和隐私泄露，这使得区块链算力网络能够可信地服务于AI训练和部署。机遇二：数据采集、处理及交易数据是AI发展的燃料，但全球数据大部分处于非结构化和分散状态，需要采集和标注处理才能被AI使用。这恰好是区块链擅长的去中心化众包模式可以切入的领域。诸如Grass、Airnode等项目，正在构建利用代币经济激励全球用户贡献数据和处理能力的平台。而Ocean Protocol则聚焦于解决数据隐私难题，它的Compute-to-Data模式，让AI算法可以直接在数据提供方的节点上运行，避免数据外泄。机遇三：去中心化存储基础设施训练和部署AI模型需要大量数据的读写和存储，这是区块链去中心化存储项目可以切入的领域。Arweave、Filecoin等项目，利用代币经济和共识机制，搭建了一个低成本、永久可访问的分布式存储网络，非常适合存放AI模型及训练数据。 Arweave更进一步，它的AO计算网络为AI训练提供了并行计算能力，生态中还衍生出多个分布式数据库项目，共同为AI提供了完整的存储和数据库基础设施。机遇四：AI下游应用的创新 AI的根本目的是服务各行各业，推动生产力和效率的提升。在AI赋能的下游应用领域，区块链也孕育着无限可能。最直接的，就是结合大语言模型能力的AIGC(AI生成内容)创作平台。借助LLM，用户可以通过文字指令，生成图像、视频、代码等各类内容。Kaitoai、EchelonFund等项目就在探索这一领域。更具前景的，是能够独立执行任务的AI Agent(智能代理)。它们不仅能根据语义理解用户意图，还能在链上链下环境中自主决策执行。这种智能机器人可以应用到各个场景，如游戏、元宇宙的虚拟助手，也可以是DeFi协议的自动化操作代理等。Fetch.ai、Delysium等项目正在布局这一领域。机遇五：打造AI生态基础设施除了切入AI的具体环节，区块链还可以尝试打造连接上下游、集成各种AI能力的生态基础设施。 Bittensor就是这样一个雄心勃勃的项目，它基于区块链打造了一个去中心化的AI网络，将全球的算力、数据、模型等要素连接在一起，并通过代币经济实现要素自动交易和组合。开发者可以在这个网络中低成本地部署和运行AI应用。总的来说，AI给区块链带来了全新的发展机遇。从算力、数据到存储，区块链都可以为AI提供基础设施支持；从AIGC到智能代理，区块链也可以成为创新应用的温床；更有项目直指打造连接AI上下游的生态平台。机遇是客观存在的，但能否抓住，取决于区块链项目的执行力。毕竟AI浪潮已然来临，机会稍纵即逝。与其被动等待AI巨头入场，不如区块链先人一步，用自身的去中心化、加密经济等特性，在AI赛道上先行布局。来源：金色财经

金色财经2024-05-26

奥巴马是穆斯林？谷歌被批评AI概览生成重大事实错误

ft、OpenAI 和其他公司正在掌舵生成式 AI 军备竞赛，因为似乎每个行业的公司都争先恐后地添加人工智能驱动的聊天机器人和代理，以避免被竞争对手甩在后面。预计该市场的收入将在十年内超过1万亿美元。根据用户分享的屏幕截图，以下是AI Overview产生的一些错误示例。当被问及美国有多少位穆斯林总统时，AI Overview回答说：“美国有一位穆斯林总统，巴拉克·侯赛因·奥巴马。当用户搜索“奶酪不粘在披萨上”时，该功能建议“在酱汁中加入大约 1/8 杯无毒胶水”。社交媒体用户发现了一条 11 年前的 Reddit 评论，这似乎是来源。归因也可能是AI Overview的一个问题，尤其是在将不准确的信息归因于医疗专业人员或科学家时。例如，当被问及“为了获得最佳健康，我可以盯着太阳看多久”时，该工具说，“根据 WebMD 的说法，科学家说，盯着太阳看 5-15 分钟，如果你的皮肤较黑，则最多30分钟，通常是安全的，并且提供最大的健康益处。当被问及“我每天应该吃多少块石头”时，该工具说，“根据加州大学伯克利分校的地质学家的说法，人们每天至少应该吃一块小石头”，并继续列出维生素和消化益处。该工具还可能对简单的查询做出不准确的响应，例如制作一个以“嗯”结尾的水果列表，或者说1919年是20年前。当被问及谷歌搜索是否违反反垄断法时，AI Overview表示，“是的，美国司法部和11个州正在起诉谷歌违反反垄断法。谷歌在其年度Google I/O活动中推出AI Overview的当天，该公司表示还计划直接在搜索中引入类似助手的规划功能。它解释说，用户将能够搜索诸如“为易于准备的团体创建一个为期 3 天的膳食计划”之类的内容，他们将从网络上获得各种食谱的起点。 “绝大多数人工智能概述都提供了高质量的信息，并提供了在网络上深入挖掘的链接，”谷歌发言人在一份声明说。“我们看到的许多例子都是不常见的查询，我们也看到了被篡改或我们无法重现的例子。这位发言人表示，AI Overview在发布前进行了广泛的测试，该公司正在“根据我们的内容政策在适当的情况下迅速采取行动”。此前，谷歌在2月份高调推出了Gemini的图像生成工具，并在同月出现类似问题后暂停了这一消息。该工具允许用户输入提示以创建图像，但几乎立即，用户发现了历史不准确和可疑的回复，这些回复在社交媒体上广泛流传。例如，根据社交媒体平台X上的截图，当一位用户要求Gemini展示1943年的德国士兵时，该工具描绘了一群穿着当时德国军装的种族多样化的士兵。截图显示，当被要求“对中世纪英国国王的历史准确描述”时，该模型生成了另一组种族多样化的图像，其中包括一张女性统治者。当用户要求提供美国开国元勋、18世纪法国国王、1800年代的一对德国夫妇等照片时，他们报告了类似的结果。据用户报道，该模型展示了一张亚洲男性的形象，以回应有关谷歌自己创始人的询问。谷歌当时在一份声明中表示，它正在努力解决双子座的图像生成问题，并承认该工具“没有达到目标”。不久之后，该公司宣布将立即“暂停人物图像生成”并“很快重新发布改进版本”。今年2月，谷歌DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）表示，谷歌计划在未来“几周内”重新启动其图像生成AI工具，但尚未再次推出。 Gemini的图像生成输出问题重新点燃了AI行业内的争论，一些团体称Gemini过于“清醒”或左倾，而另一些人则表示该公司没有充分投资于正确的AI伦理形式。谷歌在2020年和2021年因罢免其 AI 伦理小组的联合负责人而受到抨击，因为他们发表了一篇批评此类AI模型的某些风险的研究论文，然后重组了该小组的结构。 2023年，谷歌母公司Alphabet首席执行官桑达尔·皮查伊（Sundar Pichai）因该公司在ChatGPT病毒式传播之后拙劣且“仓促”推出Bard而受到一些员工的批评。

金融界2024-05-25

OpenAI 4o 发布聊聊AI+区块链的看法

+区块链的看法：以OpenAI为首的生成式AI浪潮，靠一己之力，拉动了数据、存储、计算这三个板块的发展。从此之后，AI将成为它们未来十年甚至几十年最重要的客户，服务好AI，再由AI去服务各个下游行业客户和应用的链条正在逐步形成，AI成了最重要的中间层和发动机：第一，AI带动了上游基建的需求： 1) 计算：包括芯片的设计与生产，云计算服务，数据中心，网络/电力基础设施等这一环节偏重物理，AI的训练和结果输出需要消耗大量的算力、电力以及网络资源，而芯片的性能又是决定效率和能耗的关键，这就决定了像英伟达, AMD这样的芯片设计公司，台积电, 三星这样的晶圆代工厂，以及谷歌、微软，亚马逊等有云计算和数据中心业务的科技巨头注定捕获这一轮最大的价值。但区块链并不是没有用武之地。目前算力垄断非常明显，高性能GPU一卡难求，或者需要付出很高的溢价才能在云计算厂商处获取相关服务，并且还可能由于地缘政治，芯片禁售等原因，导致算力在地理上的分布也呈现集中。这种失衡带来的需求外溢，使得去中心化计算成为这一轮AI浪潮中获取实际利益的区块链板块之一。这一板块的项目众多，新项目不断涌现，争夺会很激烈，如@akashnet_ @rendernetwork @gensynai @NodeAIETH @exa_bits @ionet @fluence_project @gpunet @nosana_ai 等等。不过由于区块链网络本身的性能局限与机器学习高昂计算量的矛盾，使得复杂的深度学习必然要在链下进行，然后把结果传输到链上。如何验证算力提供方是否按照要求执行了训练任务是一个难点，并且计算需要调用数据和模型，存在潜在的隐私暴露问题。此时ZK（零知识证明）的威力就显现出来了。目前已经有不少项目在探索ZK为AI进行服务，例如 @bagel_network @gizatechxyz @ModulusLabs 都旨在打造一个开发者可以部署AI模型，并可运用ZK对AI训练和推断过程进行校验的机器学习平台，即ZK machine learning，而 @ezklxyz 则是专注做服务AI的ZKP生成器和验证器，@Ingo_zk 则是钻研ZKP生成硬件加速。另外，生成式AI带来的能耗（包括计算产生的能耗以及散热带来的能耗）也是相当惊人。据说OpenAI训练GPT-6的时候，把微软的电网都搞崩了。随着之后各大巨头继续加码AI数据中心（其中OpenAI计划联合微软耗资1000亿美元打造名为Stargate星际之门的超级计算器），能耗只会几何级上涨。但是网络/电力这种基础的建设翻新周期很慢，且在例如美国这种国家，土地大多是私有的，拓展电网及相关的基础设施需要经过私人同意。如何让私人有动力参与到基础设施的拓展中，或是让私人减轻对电网的依赖和负担，这可能是未来 #DePin 的一个重要议题。当然，除了电能，稳定的带宽也是AI需求的重要基础设施之一，大部分数据中心都会倾向于构建在ISP（网络业务提供商）近一些的地方，电力丰富的地方，网络带宽资源不一定丰富。如何利用 #DePin 解决这个错配问题，也是一个值得期待的方向。 2) 数据：包括数据采集、数据标注/处理、数据交易/授权。尽管数据是AI的“食物”，然而大多数机器学习模型只能使用经过处理的结构化数据。目前，用于机器学习的数据来源非常广泛，且大部分是非结构化的和分散在各处的公开数据，因此需要花费大量时间和精力对这些数据进行搜集和处理。这其实是一个劳动密集的苦差事，却也是区块链和代币经济能够很好切入的环节，目前在做这个数据采集、处理分包业务的主要有 @getgrass_io @PublicAI_ @AITProtocol 这几家。不过需要注意的是，随着新的机器学习模型架构的出现，对于结构化数据的依赖会有所改变。新的技术架构如自监督学习、GAN、VAE和预训练模型，可以直接利用非结构化数据进行深度学习，绕过数据处理和清洗环节，而这会对劳动密集型平台的需求带来一定冲击。此外，可以公开抓取的数据只是这个世界数据的冰山一角，大量的数据其实掌握在私营机构或者个人用户手中，除了部分企业会有公开的API允许调用外，大部分数据仍旧没有被激活。如何让更多的数据持有者贡献/授权自己的数据，同时又能良好的保护隐私，是一个重点方向。曾经有不少做去中心化数据交易的平台，但因为苦于找不到有数据需求的甲方，经过几轮周期的大浪淘沙，基本都销声匿迹，只剩下少数如 @oceanprotocol 熬到了AI的春天，而它们独特的Compute-to-data模式，让数据使用者可以直接在数据分享者的数据集上进行计算而不暴露数据，恰好解决了这个隐私痛点。 3) 存储：包括数据库（database），数据备份/存储系统（storage）深度学习模型在训练和推断时用到的数据，大多是从数据库或者数据存储备份系统处调取的。可以把数据库和备份/存储系统理解成“冰箱”，不过数据库和备份/存储系统其实是不太一样的，前者侧重管理，需要支持频繁的读写，以及复杂查询（如SQL）和检索，后者侧重大规模、长期的备份和归档，需要保证隐私、安全和不可篡改。 Database和storage相辅相成，共同服务AI深度学习，一个典型的场景是：数据从database中提取，进行预处理和清洗，转换成适合模型训练的格式，处理后的数据可以存储在去中心化storage中，确保数据的安全。模型训练阶段，从去中心化storage中读取训练数据，进行模型训练，训练过程中生成的中间数据和模型参数可以存储在database中，便于快速访问和微调、更新。这一板块是区块链的优势所在，@ArweaveEco @Filecoin @storj @Sia__Foundation 都是这个赛道的，甚至 @dfinity 也可以归类进去，然而越来越觉得 @ArweaveEco 才是最适合服务AI的那个方案：其一次性支付永续存储的模式，加上生态系统中许多database项目作为补充，以及新发布的并行架构AO计算网络，完美适配深度学习中多线程任务的需求，这使得其能够很好地支持机器学习的部署。第二，AI性能决定了下游应用的上限：虽然AI已经或多或少在工业、农业领域（2B）有所应用，但这一轮我们看到的突破主要是基于大语言模型（LLM）的2C应用。我们可以把这些应用分成两大类：第一类其实只是大语言模型的具象化，例如一些AIGC平台，它们根据用户指令生成用户想要的结果，但这一类应用的性能主要取决于使用的AI模型，而主要的LLM模型被巨头们垄断，因而应用间的差异性往往较小，护城河相对较窄；另一类则是利用AI模型来提升现有产品的功能和用户体验，例如增加了AI能力的搜索引擎、游戏等，包括@_kaitoai @ScopeProtocol @EchelonFND 除此之外，生成式AI浪潮还催热了一种新的应用生态—AI Agent，即智能机器人，其具备根据用户意图独立执行任务和做出决策的功能。AI Agent本质是在LLM的模型基础上，增加了更为复杂的执行和处理逻辑，使其能服务于不同的应用场景。实际上，这种Agent的雏形在加密货币领域已经存在，例如DeFi借贷协议的清算机器人（liquidation bot）和去中心化交易平台的套利机器人（arbitrage bot）。这些DeFi Bots虽然具备智能机器人的一些特点，但它们是纯链上的，不支持链下行为，且因为是基于智能合约，需要外部触发才能启动。在没有AI的情况下，目前是通过一套外部的keeper网络来打通链下和链上的，例如价格预言机就是这样一个典型，以及 @thekeep3r 也是一个例子。而AI Agent的出现，给了一种新的思路，即可以由智能机器人自行去完成，并实现自动化。链上AI Agent标的主要有：@autonolas @MorpheusAIs ；而其他较为通用的AI Agent的标的有 @chainml_ @Fetch_ai ；以及专注陪伴、人机交互的AI Agent有 @myshell_ai @virtuals_io @The_Delysium ，而这一类Agent的特点是拟人化，提供情绪价值，且具有被运用到各个游戏、元宇宙之中的想象空间。第三，写在最后： AI其实是一个融合叙事，它的出现，把原先各个孤立甚至当初找不到市场契合点的几个加密板块串联起来了。目前AI仍旧处于大基建投资时代，数据、存储、计算这一类上游板块是最直接的持续受益者，它们对AI发展更为敏感，确定性也更高。但是对于这个行业的投资者来说，风险在于大部分的红利可能不在加密货币市场，目前币市的AI效应更多还是来自传统市场供需关系失衡带来的溢出效应，或者就是纯炒作。而下游应用由于性能天花板取决于AI模型，而AI模型仍处在不断迭代的过程中，且AI与产品的结合点还在探索，市场契合度还有待验证，这使得下游应用的未来变数还比较大，确定性不如上游板块那么高。当然，还有像@bittensor_ 和 @ritualnet 这样的项目，我认为更应该称之为AI生态平台的项目。他们并不单纯专注于上游或下游的某一块业务，而是通过架构和经济机制设计，使上下游业务的各个提供者能够接入并部署到其平台或链上，实现所谓的人工智能协作。这些项目有着宏大的远景，但目前区块链AI上下游面临的需求捕获问题同样会反映到它们身上，且估值较高。不过，相比于押注某一个具体项目，押注这些平台的风险会相对小一些。短期内，区块链能否继续从AI红利中获益，可能仍然取决于上游板块的供需关系失衡，尤其是供给不足状况的持续。但从中长期来看，区块链的可验证性、不可篡改性和代币激励等特性，确实能够为AI带来新的可能性，其中，零知识证明是一大利器，既能保护隐私，又能实现可信验证，完美解决了区块链在性能局限下服务AI深度学习高计算量需求的问题。来源：金色财经

金色财经2024-05-24

南向资金持续流入，出门问问(2438.HK)有望迎Beta与Alpha共振

和实践经验，出门问问自成立之初便专注于生成式AI与语音交互技术。经过十余年深耕，通过坚持“技术、产品、商业化三位一体”，公司领先于行业，已构建了一整套完整的生态系统，以及完整的“端到端”人机交互相关技术栈，涵盖了AIGC解决方案，AI企业解决方案以及智能设备，并成为为数不多的同时服务于消费者、企业、创作者三大类不同群体的公司。目前，公司多个产品在各领域已拥有较大影响力。比如，公司最为公众所熟悉的，是旗下现象级AIGC产品“魔音工坊”。目前，短视频平台上很多爆款视频都使用了“魔音工坊”来配音。作为中国最早专注于开发大模型的市场参与者之一，出门问问已于2020年成功开发出大模型‘UCLAI’，并基于其开发出垂直优化技术模块，以及面向创作者及企业开发的AIGC技术及应用程序。2023年，公司发布了多模态大模型“序列猴子”，进一步巩固了其在AI领域的领先地位。根据灼识咨询报告，按2022年收入口径计算，在中国市场参与者中，出门问问的AIGC解决方案市占率第一，这充分证明了公司的市场地位和行业影响力。然而，过去的成绩只是公司发展的前奏。展望未来，一方面，随着技术迭代、市场教育提升，产品的渗透率在快速提升；另一方面出门问问正在较快地延伸业务边界，以赋能更多的领域。公司正从汽车业务，逐步走向智能车载、物联网、金融及IoT等场景。国投证券研究所指出，此轮AI技术迭代升级将逐步从技术突破转向应用落地，有望推动公司的AIGC解决方案收入实现快速增长。国投证券研究所进一步预测，公司在2024-2026年的营业收入将为5.88亿、7.64亿、9.65亿；实现归母净利润为0.20亿、1.13亿、1.70亿，这意味着未来三年内公司的利润将增长超过七倍。这一预测充分证明了出门问问拥有较强的Alpha逻辑支撑。 AI正处于一个激动人心的发展阶段。出门问问凭借其先发优势、技术创新和商业化能力，有望加速释放业绩潜力，并迎来Beta和Alpha共振的机遇。

格隆汇2024-05-24

AI提振！英伟达股价飙升大涨近10%，AI人工智能ETF(512930)震荡走高上涨0.54%

师均提高了英伟达的目标价。分业务来看，生成式AI最大的受益业务，英伟达数据中心业务，本季度以222.6亿美元营收再破历史记录，环比增长23%，同比大涨427%。英伟达创始人兼CEO黄仁勋声表示，下半年上市的Blackwell超强AI芯片将带来更多增长。下一场工业革命已经开始，已经为下一波增长做好了准备。中信证券认为，英伟达一季度业绩、指引均超市场预期，良好业绩表现反映全球对AI算力的持续强劲需求，料将对美股硬件&半导体相关企业中短期业绩继续形成有力支撑，但伴随AI算力下游客户结构不断扩散，以及英伟达自身产品策略的不断优化等，从AI芯片到硬件&整机、网络设备等环节的产品形态、市场竞争结构、产业投资逻辑亦在快速变化，围绕英伟达技术路线和产业链，持续看好晶圆代工、存储芯片、IT设备、数通设备等环节的中期投资机会。关注人工智能，AI应用发展以及娱乐消费、线上购物的投资者，可借道线上消费ETF平安(159793)、AI人工智能ETF(512930)把握投资机遇。据了解，Blackwell平台已全面投入生产，为万亿参数规模的生成式人工智能奠定了基础。线上消费ETF平安(159793)紧密跟踪中证沪港深线上消费主题指数，中证沪港深线上消费主题指数从内地与香港市场中选取50只主营业务涉及线上购物、快递物流、影视娱乐、网络游戏、视频直播、在线教育以及远程医疗等领域的上市公司证券作为指数样本，以反映内地与香港市场线上消费主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证沪港深线上消费主题指数(931481)前十大权重股分别为美团-W(03690)、腾讯控股(00700)、快手-W(01024)、顺丰控股(002352)、科大讯飞(002230)、昆仑万维(300418)、京东健康(06618)、世纪华通(002602)、圆通速递(600233)、哔哩哔哩-W(09626)，前十大权重股合计占比58.57%。 AI人工智能ETF(512930)紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证人工智能主题指数(930713)前十大权重股分别为海康威视(002415)、中际旭创(300308)、科大讯飞(002230)、韦尔股份(603501)、金山办公(688111)、新易盛(300502)、中科曙光(603019)、紫光股份(000938)、澜起科技(688008)、浪潮信息(000977)，前十大权重股合计占比51.88%。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-05-24

24小时热点