全球数字财富领导者
财富汇
|
美股投研
|
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
SFFE2030
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
FMG 深度研报:DePIN 赛道从下至上的 5 个机会
go
lg
...
绕 AI 展开公链叙事,Aptos 与
微软
合作,尝试将 AI 与 Web3 的产品结合起来。 通用型中间件是 DePIN 皇冠明珠 将物理基础设施与区块链无缝连接起来需要强大的中间件。目前可信硬件主要通过官方授权控制,防作弊则通过治理和矿工管理工具的方式实现。 通用型中间件发展难点: · 技术难度较大,仅凭技术很难防止作弊和可信数据上链。 · 整体 DePIN 市场规模有限,导致中间件市场空间有限。 一旦通用型中间件突破,将大大降低 DePIN 应用门槛,并促进生态繁荣,而中间件将是直接受益者。 DePIN 矿工服务层:矿工的无国界公会,人民的网络 矿工服务层位于 DePIN 生态最底层,是 DePIN 应用必不可少的组件,主要分为硬件生产和节点运维两大类: · 硬件生产商负责提供构建网络所需的物理设备,如服务器、存储和网络设备等。硬件生产商通过创新和改进产品来满足特定需求,可以开拓新的市场,是 DePIN 生态增长的直接受益者。因此实力强大的硬件生产商会以多种形式参与 DePIN 生态,除了硬件支持,还包括资金支持。种种原因使得硬件生产商成为 DePIN 发展中一股重要的推动力量。 · 硬件运维项目帮助节点进行部署及运维,从中收取一定服务费用,该模式在牛市后期将有较好的表现。在 DePIN 飞轮效应下,牛市后期代币价格高涨,节点回本周期将非常快,普通用户通过支付服务费用,能快速开始盈利。 潜在机会: 1、具有全球分布、快速生产可信设备的硬件生产商。 2、无需许可的 DePIN 节点部署平台将扮演类似链游公会角色。 3、期待更好的 DePIN 工具层项目出现、并捕获价值。设备数据聚合平台是优质的用户入口。目前 DePIN 数据仍然不够透明,一些判断项目发展情况的关键数据难以获取,譬如设备节点数、矿工回报对比、需求端用户数和收入,导致决策难度高,DePIN 工具层存在空缺机会。 Part 03 DePIN 应用价值评估逻辑:找到不变的规律 DePIN Protocol 是一个双边市场,供给端提供服务,需求端贡献收入,因此应该从供需两端进行价值评估。 需求端价值判断 相比从概念、行业和供给端去划分,我们认为对需求市场的判断更加重要,因此我们尤其关注面向 C 端市场的项目。 对需求端的两个判断: · 面向 C 端的应用,高利润场景更多,想象空间更大。 · 面向 AI 数据需求的应用,还处于非常早期。 需求端终局大胆猜测:Web3 手机和新型共享经济 1、加密手机将是突破 C 端市场的关键 通过定制化手机,手机可以内置 DePIN 应用,并通过空投激励,实现快速增长。面向 C 端往往需要通过补贴获取市场。以 Helium Mobile 为例,收入为用户支付的 20 美元套餐。由于需要向 T-mobile 支付合作费用,当 70-80% 下载服务由 Helium 自身网络提供时,刚好到盈利点(Messari,截至 2023 年 12 月迈阿密的比例是 55%),一旦超过盈利点,项目将实现自造血,DePIN 飞轮将运转的更好。 2、打造 Web3 版本的共享经济网络 依托 Web3 移动端应用,通过有效代币激励,未来可实现大规模的共享经济/社交网络。 供给端价值判断 过去二十年里,硬件设备价格急剧下降,使个人也能够充当基础设施服务提供商。 我们对供给市场的判断标准: · 产品是否容易标准化?产品越标准化则越容易金融化,譬如算力根据时长定价,配置不同价格不同。 · 设备成本是否够低?成本越低,潜在供给规模越大,且越去中心化。 供给端终局:关注可以快速规模化和标准化的项目 · 6 个赛道的节点设备成本大多为中等($300-$1000),可以达到消费级。其中算力中高端 GPU(A100、H100)较昂贵,而 AI 需要专业性我们也将其定义为高成本,能源中部分设备超过 $1000。 · 而在产品标准化方面,普遍面临标准化低的问题,Wireless 中带宽属于标准化产品,其他细分领域如 5G、WiFi 均为非标产品。 Part04 DePIN 应用层潜力分析 根据 Messari 统计,到 2023 年,DePIN 应用已经有超过 650 个项目,涵盖六个子赛道:计算、AI、无线网络、传感器、能源和服务。 01 计算是 DePIN 发展最成熟的板块 计算(算力+存储)是 TAM 最大的赛道,2023 年企业云服务收入达到 2700 亿美元(Synery Research)。 · 需求端:计算板块需求来自中小企业以及个人,其中受益于 AI 的增长,GPU 需求最旺盛。 · 供给端:Akash 拥有包括 CPU、GPU 和存储在内的多样化硬件网络,Render 有大量的 GPU。io.net 从自己的网络以及其他平台获取了大量的 GPU。 计算板块 2 个趋势判断: 1、GPU 算力市场是目前最有想象空间的细分领域,我们认为该领域存在更多二级市场机会,并且未来会走向头部集中和横向整合。 GPU 算力平台增长逻辑: 1、全球范围的 GPU 短缺,需求飞涨 2、与 AI 概念同频共振 3、地缘冲突下的世界算力货币 去中心化 GPU 平台发展趋势是通过 Token 激励吸引算力头部项目,以及资源横向整合。目前面临需求和供给匹配失效的风险,需要需求增长或者模式创新支撑当前市值。未来去中心化 GPU 平台增长点,供给端在于绕开 B 端,向 C 端算力拓展,构建边缘计算网络,需求端在于和下游需求端紧密结合或者自建应用场景。 2、存储板块将走向存算一体,成为一种独特的 Layer1。 一些大型存储 DePIN 在叠加计算之后,会成为独特的 Layer1——可以提供去中心化存储和计算能力的区块链。相比当前的区块链,这种独特的 Layer1 能大幅降低链上存储和计算成本,一些需要大规模存储和复杂逻辑的应用都可以在这里实现,如内容平台、社交、游戏等。 02 DePIN AI 通过去中心化方式实现开放的 AI 模型平台、AI 数据、AI Agent Bittensor 是 DePIN AI 的典型模式,它创建了一个去中心化的机器学习 (ML) 网络,激励人工智能的发展和去中心化。Bittensor 在 Web3 AI 大模型赛道具有先发优势,是该领域龙头项目,其模式迭代和生态构建正在稳步发展。预期在 AI 叙事爆发或者优质的子网带动下,Bittensor 有望再进一个台阶。 ORA 有着比 Bittensor 更强大的可拓展性。Bittensor 的子网目前申请成本巨大,需要质押相当量级的 TAO 代币,而实现了链上 AI 预言机的 ORA,将会有更多的生态 (AI Agent / AIGC NFT / AI-powered Protocol 等项目) 在其链上 AI 技术上绽放。 03 传感器:最有增长潜力、AI 驱动的新板块 目前传感器类,特别是以数据为重点的项目较少,这意味着更多的一级市场机会。 传感器板块价值分析: 市场空间是否足够大?下游需求市场的规模决定了项目天花板。 数据价值是否足够高?数据的独特性和应用场景决定了传感器类 DePIN 应用的价值。 传感器板块的增长逻辑: 1、AI 驱动的新板块 2、从底层逻辑上需要去中心化 3、自带矿机供应链提供了更丰富的资金来源,盈利周期更长。 04 无线网络:竞争激烈,运营难度高 DePIN 通过去中心化基站、路由器等物理设备,为物联网、终端用户提供信息传输服务。主要难点在于,需求分散,去中心化网络难以满足需求。需要借助传统运营商网络力量拓展市场,譬如 DePIN 作为传统运营商的补充、或者为他们提供数据。因此无线通信领域核心竞争力在于和传统运营商的合作。(Helium Mobile 在市场冷启动阶段借助了 T-mobile 的力量)。 05 能源网络:需要借助中心化网络实现最小可行产品 DePIN 能源网络通过分布式供电减少能源传输,提高能源利用效率,最终实现 VPP 虚拟电厂。随着能源采集和储能技术的发展,个人可以成为能源供应者,但传输则面临较高成本。智能电网通过用电数据采集,可以指导供电网络的构建,构建相对容易。因此 DePIN 能源发展最快的细分领域会是智能电网。和无线通信网络类似,发电类项目需要通过和中心化电网合作实现模式运转。 我们对于 DePIN 能源的判断: · VPP(Virtual Power Plant,VPP)虚拟电厂是 DePIN 能源终局:通过 DePIN 激励模式,将小型供电网络和需求端连接起来,形成良性循环,最终实现 VPP 虚拟电厂。 · 目前 DePIN 能源项目正逐步实现 VPP 的部分环节,如数据、电表或者发电。 06 DePIN + 消费级产品:营销模式新革命 自从 DePIN 赛道去年十月份爆火以来,市场上涌现出大量的 DePIN 消费级产品,包括手表,戒指,电子烟,充电宝,游戏机等等,通过 DePIN 激励的方式,促进设备的销售和高频使用。 DePIN + 消费级产品的特点: · 市场规模天花板高:消费级设备市场空间巨大,在 Web2 世界当中估计在数万亿美元至上百万亿美元之间,包括各种消费品。 · 触达 C 端用户:Web3 用户大多是交易型用户,与现实世界的联系相对较少,缺乏与用户生活的密切关联。然而,DePIN 消费品的商业模式和运营方式可以让 Web3 的应用融入到现实生活中,与用户建立联系并增加用户黏性,从而使其真正融入现实世界。 · 高回报预期促进传统品牌 Web3 转型:新型 Web3 营销模式让商品不仅有使用价值,还有盈利属性,这种模式有助于产品快速占领市场,从而显著提升盈利能力。 消费级 DePIN 硬件潜在风险和不足: 受制于单一的代币激励,买硬件撸毛用户居多,而非有真实需求用户,和目前 DePIN 硬件设备和软件之间存在验证问题类似,需要有更多的防作弊解决方案来攻克。 Part 05 DePIN 衍生的两大新机会 01 DePIN 供应端下半场突破口在 Edge AI:手机和 PC 端 手机和 PC 是最普及的硬件设备,无需加密货币经验,是绝佳的破圈入口。可以通过两种方式加入 DePIN 网络: · 运行节点程序,成为 DePIN 硬件的控制端。 · 直接提供传感器数据或者计算资源。 加密手机崛起的机会:4 大应用场景,通过潜在收益撬动市场 · 移动端加密 App。加密手机内置的加密应用市场,是 dAPP 绝佳的用户入口。手机作为人们日常使用最多的设备,给加密应用的普及提供了平台。 · 边缘计算。边缘计算是一种明确的发展趋势。数据处理和分析任务从中心化数据中心转移到更靠近数据源的地方,从而提高效率、降低成本。代币经济激励结合加密手机可以加速边缘计算发展进程。 · 代币空投。对于手机购买者而言,空投可以带来经济回报。对于项目方而言,以加密手机为对象进行空投,使得代币持有分散度高,有利于 Meme 传播或者消费级应用冷启动。 · DePIN 挖矿。对于 DePIN 项目而言,加密手机的传感器、计算模块是天然的供给端。手机作为 DePIN 设备可以参与 DePIN 经济,获得奖励。 加密手机竞争关键 · 手机硬件生产壁垒较小,手机生产供应链成熟, 生产周期短、成本可控,使得售价低,目前推出的加密手机定价 100 美元到 1000 美元不等。 · 手机交付的难点在于销售网络。具有互联网销售和线下地推网络的项目将更容易获取市场。 · 应用生态是加密手机形成壁垒的关键,一旦形成网络就会有机会成为 Web3 的流量入口。 · 其他考验:硬件迭代,考验项目的资金实力和运营能力。 加密手机终局:DePIN + 共享经济 Web2 时代,通过互联网,个人汽车、房屋聚集起来形成庞大的服务市场,使个人资产实现变现。 Web3 时代,通过代币经济,将闲置和分散个人硬件设备组织起来形成生产力,使个人硬件设备变现。基于 Web3 手机的软件还将构建 Web3 服务基础设施,革新 Web2 共享经济模式,覆盖餐饮、出行、住宿等各个方面,手机端 Web3 应用具有以下特点:通过加密经济进行营销创新、代币空投、高频社交和消费级产品。 02 DePIN 硬件和数据资产借助 RWA 模式,实现链上金融化 DePIN 物理硬件代币化: · 释放 DePIN 硬件流动性。DePIN 物理硬件代币化后,可以实现收益分离、抵押借贷等 RWA 衍生项目,无需采用实物交割即可对 DePIN 收益权进行交易。 · DePIN 收益为稳定币提供生息来源。 · DePIN 硬件资产区块链资产证券化,发行传统金融类似 Reits 模式的产品,例如将 GPU 打包上链,做成 GPU Index。 数据资产(NFT)代币化: · 将数据资产标准化、代币化是促进其在市场上流动的关键。 · DePIN 数据资产赋能链上金融。在数据资产代币化基础上可以创建以数据为支持的金融产品,从而实现创新应用,譬如,DIMO 的汽车数据可以用于链上车贷。 总结与预测 · 区块链向现实世界拓展是一个必然趋势,DePIN 代表了一种去中心化应用的范式:节点经济,矿工模式,改造现实世界。按照 Messari 去年的预估,2028 年 DePIN 市值达到 3.5 万亿美元,按照当前 Coingecko 上 DePIN 类别 300 亿美元的规模,可以得出,潜在增长空间 20-120 倍的结论。 · Layer1/2 是生态增长最确定以及稳定的受益者,本轮周期支持 DePIN 生态的公链将获得最大红利。 · 目前中间件主要是 DePIN 专用 Layer1 的一个重要组件,尽管通用型中间件技术难度较大,我们仍然期待有所突破,这将大大促进 DePIN 应用繁荣,而中间件会是繁荣的直接受益者。 · 和游戏公会类似,DePIN 矿工服务层有望发展出无国界硬件矿工公会,当前潜在机会是全球硬件供应链和节点部署服务,DePIN 数据聚合工具层也存在空缺机会。 · 计算板块中,GPU 是发展最快、最成熟的细分领域,未来 GPU 平台将走向横向整合和垂直打通;此外基于存储叠加计算的「算存一体」将是新的叙事,传统存储如 Filecoin、Arweave 将焕发新生机。 · DePIN AI 发展现状:以 Bittensor 为首的 AI 大语言模型利用先发优势逐渐吸纳众多赛道龙头项目,同时类似 Fetch.ai 的其他大模型也在积极布局当中,竞争激烈,格局不明朗,未来会像 2000 年互联网爆发一样,迎来千模大战,各家都有机会。 · 传感器是 AI 激活的潜力板块,专有设备销售收入将给传感器项目提供更多创新空间和抗风险能力。 · 无线网络和能源网络的模式逻辑类似。无线网络终局在于绑定大型运营商,更可能从第三世界突破;能源网络终局是虚拟电厂(VPP),目前项目从 VPP 各个环节入手进行探索,赛道仍处于发展早期。 · 基于手机和 PC 的 Edge AI 是 DePIN 发展下一个趋势,通用型 Web3 终端设备也将催生新型 Web3 共享经济,更多面向 C 端的高频消费级 Web3 应用将逐步涌现。 · DePIN 是一种新的 RWA 资产发行方式,与链上 DeFi 结合将释放 DePIN 硬件和数据的流动性。 报告原文:https://docsend.com/v/x2zdt/futureofdepincn 感谢支持: DePhy、Exabits、Ora、EthStorage、Hotspotty、IoTeX、DePIN Hub 对本报告的提供的指导和建议。 Reference: https://messari.io/report/state-of-depin-2023 https://public.bnbstatic.com/static/files/research/depin-an-emerging-narrative.pdf https://mirror.xyz/sevenxventures.eth/Hx4AScWLZf4HrCl1IoumFTq1L20e3SzF-9XEkgWmrG4 https://www.galaxy.com/insights/research/understanding-intersection-crypto-ai/ https://gpus.llm-utils.org/nvidia-h100-gpus-supply-and-demand/ https://messari.io/report/the-depin-sector-map 来源:金色财经
lg
...
金色财经
2024-06-12
美股盘前要点 | 5月核心CPI回落至三年低位 甲骨文与
微软
、OpenAI合作
go
lg
...
1.11美元,均低于市场预期;宣布将与
微软
、OpenAI合作,将Azure接入到甲骨文云基础设施。 6. 消息称欧盟将从下月起对进口自中国的电动汽车暂时征收最高达25%的额外关税。 7. 大摩维持苹果“增持”评级,乐观情景预测目标价为270美元,指人工智能功能下的支援限制将加快设备更新周期。 8. 摩根大通预计特斯拉的Robotaxi(无人驾驶出租车)业务很难在短期实现盈利。 9. 特斯拉官宣:已在工厂部署两个自动执行任务的Optimus机器人。 10. 台积电回应涨价传闻:定价以策略而非机会为导向,持续与客户紧密合作。 11. 消息称台积电南科嘉义园区新厂开始采购设备,冲刺CoWoS先进封装。 12. 消息称联发科正开发一款以ARM为基础架构PC芯片,将用于
微软
Windows系统。 13. 必和必拓与铜矿工人达成初步协议,罢工风险得到缓解。 14. 联邦快递将在欧洲裁员2000人,预计每年节省1.75亿美元成本。 15. 荷兰光刻机巨头阿斯麦创始人之一Wim Troost于6月8日逝世,享年98岁。 16. 理想汽车上周销量达1.09万辆,首次超越宝马、奥迪,跻身中国市场豪华品牌销量前三。 17. 游戏驿站公布,完成配股行动,筹集资金21.4亿美元。 18. 市场调查显示:Temu吸引的回头客超过eBay,与亚马逊仍有显著差距。 美股时段值得关注的事件: 次日02:00 美国至6月12日美联储利率决定
lg
...
格隆汇
2024-06-12
美股盘前要点 | 5月核心CPI回落至三年低位 甲骨文与
微软
、OpenAI合作
go
lg
...
1.11美元,均低于市场预期;宣布将与
微软
、OpenAI合作,将Azure接入到甲骨文云基础设施。6. 消息称欧盟将从下月起对进口自中国的电动汽车暂时征收最高达25%的额外关税。7. 大摩维持苹果“增持”评级,乐观情景预测目标价为270美元,指人工智能功能下的支援限制将加快设备更新周期。8. 摩根大通预计特斯拉的Robotaxi(无人驾驶出租车)业务很难在短期实现盈利。9. 特斯拉官宣:已在工厂部署两个自动执行任务的Optimus机器人。10. 台积电回应涨价传闻:定价以策略而非机会为导向,持续与客户紧密合作。11. 消息称台积电南科嘉义园区新厂开始采购设备,冲刺CoWoS先进封装。12. 消息称联发科正开发一款以ARM为基础架构PC芯片,将用于
微软
Windows系统。13. 必和必拓与铜矿工人达成初步协议,罢工风险得到缓解。14. 联邦快递将在欧洲裁员2000人,预计每年节省1.75亿美元成本。15. 荷兰光刻机巨头阿斯麦创始人之一Wim Troost于6月8日逝世,享年98岁。16. 理想汽车上周销量达1.09万辆,首次超越宝马、奥迪,跻身中国市场豪华品牌销量前三。17. 游戏驿站公布,完成配股行动,筹集资金21.4亿美元。18. 市场调查显示:Temu吸引的回头客超过eBay,与亚马逊仍有显著差距。美股时段值得关注的事件:次日02:00 美联储利率决定
lg
...
格隆汇
2024-06-12
英伟达喜讯连连!!再获大客户META,为其提供伺服器GB200!
go
lg
...
长。 此前,英伟达已经与美股七巨头中的
微软
(MSFT)、谷歌(GOOG)、亚马逊(AMZN)达成合作,主要为其提供主机板(L6)。 今年以来,英伟达营收与股价都出现了大涨行情。今年1至5月,英伟达营收高达2337.24 亿元,年增15.08%。截止发稿,英伟达报价120美元,累计上涨150%。 【英伟达股价走势图,来源:TradingView】 原文链接
lg
...
投资慧眼
2024-06-12
知乎2024Q1财报:营收9.61亿 职业教育同比增长35.9%
go
lg
...
GI、软考等优势品类,联合CFA协会、
微软
等机构为用户带来优质内容服务,另一方面则不断拓宽产品线,新增四六级考试课程品类,满足用户更多细分需求。
lg
...
格隆汇
2024-06-12
硅谷AI恩仇录暂歇,马斯克突然撤诉OpenAI ,为何不撕了?
go
lg
...
利益置于公共利益之上。 OpenAI与
微软
的关系损害了最初致力于公共、开源的通用人工智能(AGI)的目标。 为此,马斯克还要求该公司恢复开源,并请求法院下达禁令,禁止OpenAI、奥特曼、Brockman以及
微软
从该公司的人工通用智能技术中获利。 这起诉讼,也标志着马斯克长期以来对 OpenAI 的反对达到了顶峰。 不过,据OpenAI称,马斯克做这些只不过是为了推进自己人工智能利益。 “看到 OpenAI 取得的显著技术进步,马斯克现在想自己也获得这样的成功。” 只不过,随着四个月时间过去,闹得沸沸扬扬的案件现在又变成了无条件撤销。 眼下更紧迫的问题…… 马斯克与 OpenAI的渊源颇深。 作为最早的创始成员之一,马斯克于2018年离开了OpenAI。 此后,OpenAI 与
微软
开始合作,后者成为了其背后的大金主。 随着OpenAI的ChatGPT横空出世后火爆全球,AI掀起了阵阵惊涛骇浪。而作为曾经“反AI斗士”的马斯克,自然将目光盯到OpenAI身上。 早期的马斯克时常唱着反调,但AI 作为时代大趋势,马斯克在发现阻挡不了后,便选择了加入。 为了对抗OpenAI,马斯克于去年7月创立了自己的人工智能公司 xAI。 同年11月,xAI 推出了具有“一点幽默”的聊天机器人 Grok,与 ChatGPT 等产品展开竞争。 当然与此同时,马斯克时不时地就要将OpenAI拿出来遛一遛。 而此次撤诉背后,难道是马斯克“转意”要和平相处?还是忙着憋别的大招? 对此有业内人士分析称,锋芒毕露的OpenAI抢走了马斯克的聚光灯,通过起诉OpenAI可以让更多投资人看见xAI, 而现如今xAI完成了新一轮60亿美元“超级融资”,转移焦点的目标已经达成,自然就撤诉了。 不过网友们都坐不住了,纷纷表示期待马斯克会怎么解释。 马斯克在X上回应称,稍后将详细介绍。网友则让马斯克别制造悬念。 甚至还有人还调侃表示,“传言称 Neuralink 与 OpenAi 达成协议,将 ChatGPT 纳入每个人的大脑。” 眼下,马斯克正面临着更紧迫的是,特斯拉股东大会在即,他的天价薪酬还悬而未决呢。 据悉,马斯克薪酬案的最终结果预计将在当地时间6月13日(北京时间14日凌晨)特斯拉年度股东大会当天公布。 在这场即将“硝烟四起”的股东会上,目前股东们意见分歧严重。 市场分析师表示,若马斯克的薪酬方案被否,特斯拉股价将受挫。 CFRA分析师Garrett Nelson认为,马斯克的创新是特斯拉股票以如此高倍数交易的主要原因之一。如果薪酬方案被否决,这可能会增加公司未来领导的不确定性,并危及马斯克的溢价。
lg
...
格隆汇
2024-06-12
“三幻神”悄悄创下历史新高。。
go
lg
...
达12.69%。美股七姐妹,年初至今,
微软
涨幅15.48%,苹果涨幅7.88%,英伟达涨幅达144.17%,谷歌涨幅达26.58%,亚马逊涨幅23.23%,Meta涨幅43.52%,特斯拉下跌31.32%。 A股市场,跟踪纳指科技、纳指100、标普500指数的ETF迎来普涨。其中,景顺长城纳指科技ETF年内涨幅高达48%,位居ETF市场涨幅第一。 因二级市场溢价过高,景顺长城基金旗下纳指科技ETF(QDII)和易方达基金旗下原油LOF(QDII)于今日上午开盘后停牌一小时。 QDII基金近两年涨势喜人,吸引大量资金涌入。即使基金公司持续提示溢价风险,投资者的热情依然高涨。数据显示,今年以来多只QDII基金规模增长强劲。 截至6月11日,今年以来超97亿资金净流入QDII ETF。其中,景顺长城基金纳指科技ETF资金净流入46亿,净流入最多;博时基金标普500ETF资金净流入33亿,位居第二。净流入超10亿的有嘉实基金纳斯达克指数ETF、华安基金日经225ETF、大成基金纳斯达克100指数ETF、广发基金纳指ETF和南方基金日本东证指数ETF。 (本文内容均为客观数据信息罗列,不构成任何投资建议) 随着一些QDII基金持续上涨,有基金公司对一些热门QDII产品实行限购。限购原因一方面是部分QDII基金在二级市场上出现大幅溢价,另一方面是外汇额度紧张。 近期QDII新一轮额度获批,国家外汇管理局最新披露的合格境内机构投资者(QDII)投资额度审批情况表显示,今年5月,32家公募基金公司合计获得12.3亿美元QDII新增额度,其中易方达基金、华夏基金、广发基金等28家机构均新增0.5亿美元额度。 同期,南方基金、银河金汇资管2家机构新增0.4亿美元额度,建信基金、申万菱信基金等4家机构则新增0.2亿美元额度。 另有招商基金、国投瑞银基金等6家机构获得0.1亿美元新增额度。其中,西部利得基金为首次获批QDII额度,获批额度达0.5亿美元。 值得一提的是,这是2024年以来的首次QDII额度审批。在此之前,QDII额度曾在2023年1月11日和2023年7月27日有过两次扩容审批。 截至今年5月底,累计QDII投资批准额度为1677.89亿美元,较4月末的1655.19亿美元增加22.7亿美元,增幅约13.7%。 目前,累计批准额度超过50亿美元的是易方达基金、华夏基金和南方基金,分别为77.3亿美元、67.3亿美元和59.8亿美元,广发基金、嘉实基金、博时基金的额度也超过了30亿美元,前5家公募合计占据了公募基金约一半的QDII额度。 业内人士表示,不少QDII产品长期处于限购状态,此次额度增加或可缓解其额度不足的“燃眉之急”。 2 苹果迈入AI时代,马斯克扬言要禁用苹果 当地时间6月10日,苹果公司在一年一度的全球开发者大会上正式发布了其首个生成式AI大模型——Apple Intelligence(苹果智能系统)。该系统集成了生成式人工智能的强大功能,可跨平台和程序应用于苹果手机、平板、电脑等产品。 Apple Intelligence支持写作润笔、通话摘要、内容总结、图像生成,智能查找照片和视频,智能创作影片以及AI指令跨应用运行等,能为iPhone、Mac等设备提供一系列AI功能。 值得注意的是,由于对芯片算力的要求,Apple Intelligence将仅支持iPhone 15 Pro、iPhone 15 Pro Max以及搭载M1或后续芯片的iPad和 Mac设备,需将设备语言设置为英语(美国)。 Apple Intelligence发布标志着苹果正式迈入了AI时代。分析人士指出,在AI的加持下,这一轮暴涨或许是市场对苹果的重新定价。 然而,苹果宣布引入ChatGPT,马斯克急了:我的公司将禁止苹果设备。 马斯克在社交平台上连发多条推文,质疑苹果“出卖用户数据”,并威胁说要禁止旗下公司使用苹果设备。 马斯克直言,如果苹果在操作系统中集合OpenAI,那么他的公司将禁止使用苹果设备,这被视为不可接受的安全违规行为。 苹果公司强调,在发展AI的同时,将兼顾用户隐私问题。不过,这一表态很快就引来马斯克的强烈谴责。他表示,苹果不够聪明,无法开发自己的AI,但却有能力确保OpenAI将保护用户的安全和隐私,这显然是荒谬的。 马斯克进一步指出,一旦苹果把你的数据交给OpenAI,他们就根本不会知道会发生什么,他们正在出卖你。 尽管如此,华尔街还是给了苹果巨大的正反馈。苹果股价暴涨,创下历史新高,较今年4月22日以来累计涨幅达25%,进入技术性牛市。 这轮反弹使苹果公司总市值重回3万亿美元关口,一夜之间华尔街分析师对苹果的看法发生了巨大转变。 其中,摩根士丹利表示,苹果的AI功能让该公司成为“最具差异化的消费者数字代理”,将推动消费者升级iPhone手机,有望“加速设备的更换周期”;美银分析师指出,坚信人工智能可以帮助开启iPhone超级周期。 此外,苹果合作的OpenAI,今年2月的估值已高达800亿美元,在不到10个月的时间内几乎翻了三倍,成为全球市值第三高的科技初创公司,仅次于字节跳动和SpaceX。 事实上,马斯克是OpenAI的联合创始人之一,2015年参与了公司的创立,2018年离开了OpenAI董事会。在离开OpenAI后,与其掀起口水战,他们的恩怨由来已久。 3 AI口水战硝烟弥漫 今年3月,马斯克用一篇9万多字的起诉书起诉了OpenAI以及CEO奥尔特曼,随后OpenAI发博客反驳马斯克。 当时这瓜还挺大。马斯克指责OpenAI成为
微软
“事实上的子公司”,违反了一项创始协议,即成为一家“为人类利益”开发人工智能的非营利组织。 据起诉书的叙述,马斯克一手促成OpenAI创立,早期既给钱又出力,为的就是防止AI对人类的潜在威胁。 之后OpenAI发博回怼,丝毫不给老马留情面。大致意思是,首先在该公司创建时,马斯克承诺给10亿美元,但只给了4500万,而且在OpenAI缺钱的时候,马斯克试图让特斯拉收购它;其次,当收购企图不成功以后,马斯克声称OpenAI成功的概率为0,并在特斯拉内部创建竞品试图取而代之。 除此之外,OpenAI还写了一段似是深情告白但又像是控诉马斯克的话:“我们很难过,我们深深钦佩的一个人竟然走到了这一步。他激励我们向更高的目标迈进,然后告诉我们会失败,创办了一个竞争对手,当我们在没有他的情况下开始朝着 OpenAI 的使命取得有意义的进展时,他又告了我们一状。” 马斯克此前正推进自己的人工智能项目,宣布旗下的xAI正式成立,并表示一定会与OpenAI竞争。xAI的产品也是生成式聊天机器人——Grok,据悉xAI刚刚宣布获得60亿美元融资。 这场AI浪潮,华尔街貌似不太给马斯克面子,特斯拉股价表现疲软。 数据科技公司Hazeltree周二发布的月度报告显示,特斯拉在5月份超越雪佛龙重新成为被做空最严重的美股大型股。 HazelTree以1到99的“拥挤度分数”对空头押注进行排名,99代表基金做空百分比最高的证券,特斯拉的拥挤度分数为99分。
微软
、英伟达、苹果等巨头在AI的驱动下屡创新高,而特斯拉今年股价已经累计下跌逾30%。特斯拉曾经也是被美股市场捧为明珠的公司,随着这场AI大变局的加速,留给马斯克的时间不多了。
lg
...
格隆汇
2024-06-12
苹果正式迈入AI时代,年内纳指科技ETF“吸金”46亿,标普500ETF“吸金”33亿
go
lg
...
达12.69%。美股七姐妹,年初至今,
微软
涨幅15.48%,苹果涨幅7.88%,英伟达涨幅达144.17%,谷歌涨幅达26.58%,亚马逊涨幅23.23%,Meta涨幅43.52%,特斯拉下跌31.32%。 A股市场,跟踪纳指科技、纳指100、标普500指数的ETF迎来普涨。其中,景顺长城纳指科技ETF年内涨幅高达48%,位居ETF市场涨幅第一。 因二级市场溢价过高,景顺长城基金旗下纳指科技ETF(QDII)和易方达基金旗下原油LOF(QDII)于今日上午开盘后停牌一小时。 QDII基金近两年涨势喜人,吸引大量资金涌入。即使基金公司持续提示溢价风险,投资者的热情依然高涨。数据显示,今年以来多只QDII基金规模增长强劲。 截至6月11日,今年以来超97亿资金净流入QDII ETF。其中,景顺长城基金纳指科技ETF资金净流入46亿,净流入最多;博时基金标普500ETF资金净流入33亿,位居第二。净流入超10亿的有嘉实基金纳斯达克指数ETF、华安基金日经225ETF、大成基金纳斯达克100指数ETF、广发基金纳指ETF和南方基金日本东证指数ETF。 随着一些QDII基金持续上涨,有基金公司对一些热门QDII产品实行限购。限购原因一方面是部分QDII基金在二级市场上出现大幅溢价,另一方面是外汇额度紧张。 近期QDII新一轮额度获批,国家外汇管理局最新披露的合格境内机构投资者(QDII)投资额度审批情况表显示,今年5月,32家公募基金公司合计获得12.3亿美元QDII新增额度,其中易方达基金、华夏基金、广发基金等28家机构均新增0.5亿美元额度。 同期,南方基金、银河金汇资管2家机构新增0.4亿美元额度,建信基金、申万菱信基金等4家机构则新增0.2亿美元额度。 另有招商基金、国投瑞银基金等6家机构获得0.1亿美元新增额度。其中,西部利得基金为首次获批QDII额度,获批额度达0.5亿美元。 值得一提的是,这是2024年以来的首次QDII额度审批。在此之前,QDII额度曾在2023年1月11日和2023年7月27日有过两次扩容审批。 截至今年5月底,累计QDII投资批准额度为1677.89亿美元,较4月末的1655.19亿美元增加22.7亿美元,增幅约13.7%。 目前,累计批准额度超过50亿美元的是易方达基金、华夏基金和南方基金,分别为77.3亿美元、67.3亿美元和59.8亿美元,广发基金、嘉实基金、博时基金的额度也超过了30亿美元,前5家公募合计占据了公募基金约一半的QDII额度。 业内人士表示,不少QDII产品长期处于限购状态,此次额度增加或可缓解其额度不足的“燃眉之急”。
lg
...
格隆汇
2024-06-12
甲骨文绩后飙涨10%!与OpenAI及Google达成合作
go
lg
...
的云基础设施上提供甲骨文数据库服务。
微软
方面也证实,尽管
微软
仍然是OpenAI的独家云提供商,但已与甲骨文合作扩展Azure AI的容量。此外,OpenAI也将利用甲骨文的云基础设施,包括英伟达的技术,以获取额外的计算能力。 消息一出,甲骨文(ORCL)股价盘后一度涨超10%。截至发稿,甲骨文涨9.45%,报135.59美元。 2024年初至今,甲骨文股价已上涨19%。 【图源:TradingView;甲骨文(ORCL)2024年股价走势】 Evercore ISI分析师指出,甲骨文云基础设施业务的发展势头强劲,OpenAI的声明为人工智能领域增添了积极信号。 目前,分析师们对甲骨文未来的平均的目标价为141.42美元,这意味着其还有14%以上的涨幅。 【图源:TradingView;甲骨文(ORCL)目标价】 原文链接
lg
...
投资慧眼
2024-06-12
生于边缘:去中心化算力网络如何赋能Crypto与AI?
go
lg
...
,2024年美国四大主要云服务提供商:
微软
、谷歌、AWS和Meta的对于高端AI服务器的需求预计分别将占全球需求的20.2%、16.6%、16%和10.8%,总计超60%。 图片来源: https://investor.nvidia.com/financial-info/financial-reports/default.aspx “芯片紧缺“连续成为近几年的年度热词。一方面,大语言模型(LLM)的training和inference需要大量算力支撑;并且随着模型的迭代,算力成本和需求呈指数级增加。另一方面,像Meta这样的大公司会采购巨量的芯片,全球的算力资源都向这些科技巨头倾斜,使得小型企业越来越难以获得所需的算力资源。小型企业面临的困境不仅来自于激增的需求导致的芯片供给不足,还来自于供给的结构性矛盾。目前,在供给端仍存在着大量闲置的GPU,比如,一些数据中心存在大量闲置的算力(使用率仅在12% – 18%),加密挖矿中由于利润的减少也闲置出来大量的算力资源。虽然这些算力并非都适合AI训练等专业的应用场景,但消费级硬件在其他领域,如AI inference、云游戏渲染、云手机等领域仍然可以发挥巨大作用。整合并利用这部分算力资源的机会是巨大的。 把视线从AI转到crypto,在加密市场沉寂了三年之后,终于又迎来了又一轮牛市,比特币价格屡创新高,各种memecoin层出不穷。虽然AI和Crypto作为buzzword火了这些年,但人工智能和区块链作为两项重要技术仿佛两条平行线,迟迟没有找到一个“交点”。今年年初,Vitalik发表了一篇名为“The promise and challenges of crypto + AI applications” 的文章,讨论了未来AI和crypto相结合的场景。Vitalik在文中提到了很多的畅想,包括利用区块链和MPC等加密技术对AI进行去中心化的training和inference,可以将machine learning的黑箱打开,从而让AI model更加trustless等等。这些愿景若要实现还有很长一段路要走。但其中Vitalik提到的其中一个用例——利用crypto的经济激励来赋能AI,也是一个重要且在短时间内可以实现的一个方向。去中心化算力网络便是现阶段AI + crypto最合适的场景之一。 2 去中心化算力网络 目前,已经有不少项目在去中心化算力网络的赛道上发展。这些项目的底层逻辑是相似的,可以概括为: 利用token激励算力持有者参与网络提供算力服务,这些零散的算力资源可以汇集成有一定规模的去中心化算力网络。这样既能提高闲置算力的利用率,又能以更低的成本满足客户的算力需求,实现买方卖方双方的共赢。 为了使读者在短时间内获得对此赛道的整体把握,本文将从微观—宏观两个视角对具体的项目和整个赛道进行解构,旨在为读者提供分析视角去理解每个项目的核心竞争优势以及去中心化算力赛道整体的发展情况。笔者将介绍并分析五个项目: Aethir、io.net、Render Network、Akash Network、Gensyn,并对项目情况和赛道发展进行总结和评价。 从分析框架而言,如果聚焦于一个具体的去中心化算力网络,我们可以将其拆解成四个核心的构成部分: 硬件网络:将分散的算力资源整合在一起,通过分布在全球各地的节点来实现算力资源的共享和负载均衡,是去中心化算力网络的基础层。 双边市场:通过合理的定价机制和发现机制将算力提供者与需求者进行匹配,提供安全的交易平台,确保供需双方的交易透明、公平和可信。 共识机制:用于确保网络内节点正确运行并完成工作。共识机制主要用于监测两个层面:1)监测节点是否在线运行,处于可以随时接受任务的活跃状态;2)节点工作证明:该节点接到任务后有效正确地完成了任务,算力没有被用于其他目的而占用了进程和线程。 代币激励:代币模型用于激励更多的参与方提供/使用服务,并且用token捕获这种网络效应,实现社区收益共享。 如果鸟瞰整个去中心化算力赛道,Blockworks Research的研报提供了一个很好的分析框架,我们可以将此赛道的项目position分为三个不同的layer。 Bare metal layer: 构成去中心化计算栈的基础层,主要的任务是收集原始算力资源并且让它们能够被API调用。 Orchestration layer: 构成去中心化计算栈的中间层,主要的任务是协调和抽象,负责算力的调度、扩展、操作、负载均衡和容错等。主要作用是“抽象”底层硬件管理的复杂性,为终端用户提供一个更加高级的用户界面,服务特定的客群。 Aggregation layer: 构成去中心化计算栈的顶层,主要的任务是整合,负责提供一个统一的界面让用户可以在一处实现多种计算任务,比如AI训练、渲染、zkML等等。相当于多个去中心化计算服务的编排和分发层。 图片来源:Youbi Capital 根据以上两个分析框架,我们将对选取的五个项目做一个横向的对比,并从四个层面——核心业务、市场定位、硬件设施和财务表现对其进行评价。 2.1 核心业务 从底层逻辑来讲,去中心化算力网络是高度同质化的,即利用token激励闲置算力持有者提供算力服务。围绕这个底层逻辑,我们可以从三个方面的差异来理解项目核心业务的不同: 闲置算力的来源: 市面上闲置算力有两种主要的来源:1)data centers, 矿商等企业手里闲置算力;2)散户手里的闲置算力。数据中心的算力通常是专业级别的硬件,而散户通常会购买消费级别的芯片。 Aethir、Akash Network和Gensyn的算力主要是从企业收集的。从企业收集算力的好处在于:1)企业和数据中心通常拥有更高质量的硬件和专业维护团队,算力资源的性能和可靠性更高;2)企业和数据中心的算力资源往往更同质化,并且集中的管理和监控使得资源的调度和维护更加高效。但相应的,这种方式对于项目方的要求较高,需要项目方有与掌握算力的企业有商业联系。同时,可扩展性和去中心化程度会受到一定程度的影响。 Render Network和io.net主要是激励散户提供手中的闲置算力。从散户手中收集算力的好处在于:1)散户的闲置算力显性成本较低,能提供更加经济的算力资源;2)网络的可扩展性和去中心化程度更高,增强了系统的弹性和稳健性。而缺点在于,散户资源分布广泛且不统一,管理和调度变得复杂,增加了运维难度。并且依靠散户算力去形成初步的网络效应会更加困难(更难kickstart)。最后,散户的设备可能存在更多的安全隐患,会带来数据泄露和算力被滥用的风险。 算力消费者 从算力消费者来讲,Aethir、io.net、Gensyn的目标客户主要是企业。对于B端客户来说,AI和游戏实时渲染需要高性能计算需求。这类工作负载对算力资源的要求极高,通常需要高端 GPU 或专业级硬件。此外,B端客户对算力资源的稳定性和可靠性要求很高,因此必须提供高质量的服务级别协议,确保项目正常运行并提供及时的技术支持。同时,B端客户的迁移成本很高,如果去中心化网络没有成熟的SDK能够让项目方快速deploy(比如Akash Network需要用户自己基于远程端口进行开发),那么很难让客户进行迁移。如果不是及其显著的价格优势,客户迁移的意愿是非常低的。 Render Network和Akash Network主要为散户提供算力服务。为C端用户提供服务,项目需要设计简单易用的界面和工具,为消费者提供良好的消费体验。并且消费者对于对价格很敏感,因此项目需要提供有竞争力的定价。 硬件类型 常见的计算硬件资源包括CPU、FPGA、GPU、ASIC和SoC等。这些硬件在设计目标、性能特性和应用领域上有显著区别。总结来说,CPU更擅长通用计算任务,FPGA的优势在于高并行处理和可编程性,GPU在并行计算中表现出色,ASIC在特定任务中效率最高,而SoC则集成多种功能于一体,适用于高度集成的应用。选择哪种硬件取决于具体应用的需求、性能要求和成本考虑。我们讨论的去中心化算力项目多为收集GPU算力,这是由项目业务类型和GPU的特点决定的。因为GPU在AI训练、并行计算、多媒体渲染等方面有着独特优势。 虽然这些项目大多涉及到GPU的集成,但是不同的应用对硬件规格的要求不同,因此这些硬件有异质化的优化核心和参数。这些参数包括parallelism/serial dependencies,内存,延迟等等。例如渲染工作负载实际上更适合于消费级 GPU,而不适合性能更强的data center GPU,因为渲染对于光线追踪等要求高,消费级芯片如4090s等强化了RT cores,专门为光线追踪任务做了计算类优化。AI training和inference则需要专业级别的GPU。因此Render Network 可从散户那里汇集 RTX 3090s 和 4090s等消费级GPU,而IO.NET需要更多的H100s、 A100s等专业级别GPU,以满足AI初创公司的需求。 2.2 市场定位 对于项目的定位来讲,bare metal layer、orchestration layer和aggregation layer需要解决的核心问题、优化重点和价值捕获的能力不同。 Bare metal layer 关注的是物理资源的收集和利用,Orchestration layer 关注算力的调度和优化,将物理硬件按照客户群体的需求进行最佳优化设计。Aggregation layer是general purpose的,关注不同资源的整合和抽象。从价值链来讲,各个项目应该从bare metal层起,努力向上进行攀升。 从价值捕获的角度来讲,从bare metal layer、orchestration layer 到aggregation layer,价值捕获的能力是逐层递增的。Aggregation layer能够捕获最多的价值,原因在于aggregation platform能够获得最大的网络效应,还能直接触及最多的用户,相当于去中心化网络的流量入口,从而在整个算力资源管理栈中占据最高的价值捕获位置。 相应的,想要构建一个aggregation platform的难度也是最大的,项目需要综合解决技术复杂性、异构资源管理、系统可靠性和可扩展性、网络效应实现、安全性和隐私保护以及复杂的运维管理等多方面的问题。这些挑战不利于项目的冷启动,并且取决于赛道的发展情况和时机。在orchestration layer还未发展成熟吃下一定市场份额时,做aggregation layer是不太现实的。 目前,Aethir、Render Network、Akash Network和Gensyn都属于Orchestration layer,他们旨在为特定的目标和客户群体提供服务。Aethir目前的主营业务是为云游戏做实时渲染,并为B端客户提供一定的开发和部署环境和工具; Render Network主营业务是视频渲染,Akash Network的任务是提供一个类似于淘宝的交易平台,而Gensyn深耕于AI training领域。io.net的定位是Aggregation layer,但目前io实现的功能还离aggregation layer的完整功能还有一段距离,虽然已经收集了Render Network和Filecoin的硬件,但对于硬件资源的抽象和整合还未完成。 2.3 硬件设施 目前,不是所有项目都公布了网络的详细数据,相对来说,io.net explorer的UI做的是最好的,上面可以看到GPU/CPU数量、种类、价格、分布、网络用量、节点收入等等参数。但是4月末时io.net的前端遭到了攻击,由于io没有对 PUT/POST 的接口做 Auth,黑客篡改了前端数据。这为其他项目的隐私、网络数据可靠性也敲响了警钟。 从GPU的数量和model来说,作为聚合层的io.net收集的硬件数量理应是最多的。Aethir紧随其后,其他项目的硬件情况没有那么透明。从GPU model上可以看到,io既有A100这样的专业级GPU,也有4090这样的消费级GPU,种类繁多,这符合io.net aggregation的定位。io可以根据具体任务需求选择最合适的GPU。但不同型号和品牌的GPU可能需要不同的驱动和配置,软件也需要进行复杂的优化,这增加了管理和维护的复杂性。目前io各类任务分配主要是靠用户自主选择。 Aethir发布了自己的矿机,五月时,高通支持研发的Aethir Edge正式推出。它将打破远离用户的单一集中化的GPU集群部署方式,将算力部署到边缘。Aethir Edge将结合H100的集群算力,共同为AI场景服务,它可以部署训练好的模型,以最优的成本为用户提供推理计算服务。这种方案离用户更近,服务更快速,性价比也更高。 从供给和需求来看,以Akash Network为例,其统计数据显示,CPU总量约为16k,GPU数量为378个,按照网络租赁需求,CPU和GPU的利用率分别是11.1%和19.3%。其中只有专业级GPU H100的租用率是比较高的,其他的model大多处于闲置状态。其他网络面临的情况大体与Akash一致,网络总体需求量不高,除了如A100、H100等热门芯片,其他算力大多处于闲置的状态。 从价格优势来看,与除云计算市场巨头而言,与其他传统服务商相比成本优势并不突出。 2.4 财务表现 不管token model如何设计,一个健康的tokenomics都需要满足以下几个基本条件:1)用户对于网络的需求需要体现在币价上,也就是说代币是可以实现价值捕获的;2)各个参与者,不管是开发者、节点、用户都需要得到长期的公平的激励;3)保证去中心化的治理,避免内部人士过度持有;4)合理的通胀和通缩机制和代币释放周期,避免大幅波动的币价影响网络的稳健型和持续性。 如果把代币模型笼统地分为BME(burn and mint equilibrium)和SFA(stake for access),这两种模式的代币通缩压力来源不同:BME模型在用户购买服务后会燃烧代币,因此系统的通缩压力是由需求决定的。而SFA要求服务提供者/节点质押代币以获得提供服务的资格,因此通缩压力是由供给带来的。BME的好处在于更加适合用于非标准化商品。但如果网络的需求不足,可能面临着持续通胀的压力。各项目的代币模型在细节上有差异,但总体来说,Aethir更偏向于SFA,而io.net,Render Network和Akash Network更偏向于BME,Gensyn尚未可知。 从收入来看,网络的需求量会直接反映在网络整体收入上(这里不讨论矿工的收入,因为矿工除了完成任务所获的报酬还有来自于项目的补贴。)从公开的数据上来看io.net的数值是最高的。Aethir的收入虽然还未公布,但从公开信息来看,他们宣布已经与很多B端客户签下了订单。 从币价来说,目前只有Render Network和Akash Network进行了ICO。Aethir和io.net也在近期发币,价格表现需要再观察,在这不做过多讨论。Gensyn的计划还不清楚。从发币的两个项目以及同一个赛道但没有包含在本文讨论范围内的已经发币的项目,综合来讲,去中心化算力网络都有非常亮眼的价格表现,一定程度体现了巨大的市场潜力和社区的高期望。 2.5 总结 去中心化算力网络赛道总体发展很快,已经有很多项目可以依靠产品服务客户,并产生一定收入。赛道已经脱离了纯叙事,进入可以提供初步服务的发展阶段。 需求疲软是去中心化算力网络所面临的共性问题,长期的客户需求没有被很好地验证和挖掘。但需求侧并没有过多影响币价,已经发币的几个项目表现亮眼。 AI是去中心化算力网络的主要叙事,但并不是唯一的业务。除了应用于AI training和inference之外,算力还可被用于云游戏实时渲染,云手机服务等等。 算力网络的硬件异质化程度较高,算力网络的质量和规模需要进一步提升。 对于C端用户来说,成本优势不是十分明显。而对于B端用户来说,除了节约成本之外,还需考虑服务的稳定性、可靠性、技术支持、合规和法律支持等等方面,而Web3的项目普遍在这些方面做得不够好。 3 Closing thoughts AI的爆发式增长带来的对于算力的巨量需求是毋庸置疑的。自 2012 年以来,人工智能训练任务中使用的算力正呈指数级增长,其目前速度为每3.5个月翻一倍(相比之下,摩尔定律是每18个月翻倍)。自2012 年以来,人们对于算力的需求增长了超过300,000倍,远超摩尔定律的12倍增长。据预测,GPU市场预计将在未来五年内以32%的年复合增长率增长至超过2000亿美元。AMD的估计更高,公司预计到2027年GPU芯片市场将达到4000亿美元。 图片来源: https://www.stateof.ai/ 因为人工智能和其他计算密集型工作负载(如AR/VR渲染)的爆发性增长暴露了传统云计算和领先计算市场中的结构性低效问题。理论上去中心化算力网络能够通过利用分布式闲置计算资源,提供更灵活、低成本和高效的解决方案,从而满足市场对计算资源的巨大需求。因此,crypto与AI的结合有着巨大的市场潜力,但同时也面临与传统企业激烈的竞争、高进入门槛和复杂的市场环境。总的来说,纵观所有crypto赛道,去中心化算力网络是加密领域中最有希望获得真实需求的的垂直领域之一。 图片来源:https://vitalik.eth.limo/general/2024/01/30/cryptoai.html 前途是光明的,道路是曲折的。想要达到上述的愿景,我们还需要解决众多的问题与挑战,总结来说:现阶段如果单纯提供传统的云服务,项目的profit margin很小。从需求侧来分析,大型企业一般会自建算力,纯C端开发者大多会选择云服务,真正使用去中心化算力网络资源的中小型企业是否会有稳定需求还需要进一步挖掘和验证。另一方面,AI是一个拥有极高上限和想象空间的广阔市场,为了更广阔的市场,未来去中心化算力服务商也需要向模型/AI服务进行转型,探索更多的crypto + AI的使用场景,扩大项目能够创造的价值。但目前来说,想要进一步发展到AI领域还存在很多问题和挑战: 价格优势并不突出:通过之前的数据对比可以看出,去中心化算力网络的成本优势并没有得到体现。可能的原因在于对于需求大的专业芯片H100、A100等,市场机制决定了这部分硬件的价格不会便宜。另外,去中心化网络虽然能收集闲置的算力资源,但去中心化带来的规模经济效应的缺乏、高网络和带宽成本以及极大的管理和运维的复杂性等隐形成本会进一步增加算力成本。 AI training的特殊性:利用去中心化的方式进行AI trainning在现阶段有着巨大的技术瓶颈。这种瓶颈从GPU的工作流程当中可以直观体现,在大语言模型训练中,GPU首先接收预处理后的数据批次,进行前向传播和反向传播计算以生成梯度。接下来,各GPU会聚合梯度并更新模型参数,确保所有GPU同步。这个过程将不断重复,直到训练完成所有批次或达到预定轮数。这个过程中涉及到大量的数据传输和同步。使用什么样的并行和同步策略,如何优化网络带宽和延迟,降低通讯成本等等问题,目前都还未得到很好的解答。现阶段利用去中心化算力网络对AI进行训练还不太现实。 数据安全和隐私:大语言模型的训练过程中,各个涉及数据处理和传输的环节,比如数据分配、模型训练、参数和梯度聚合都有可能影响数据安全和隐私。并且数据隐私币模型隐私更加重要。如果无法解决数据隐私的问题,就无法在需求端真正规模化。 从最现实的角度考虑,一个去中心化算力网络需要同时兼顾当下的需求发掘和未来的市场空间。找准产品定位和目标客群,比如先瞄准非AI或者Web3原生项目,从比较边缘的需求入手,建立起早期的用户基础。同时,不断探索AI与crypto结合的各种场景,探索技术前沿,实现服务的转型升级。 参考文献 https://www.stateof.ai/ https://vitalik.eth.limo/general/2024/01/30/cryptoai.html https://foresightnews.pro/article/detail/34368 https://app.blockworksresearch.com/unlocked/compute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market?callback=%2Fresearch%2Fcompute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market https://research.web3caff.com/zh/archives/17351?ref=1554 来源:金色财经
lg
...
金色财经
2024-06-12
上一页
1
•••
571
572
573
574
575
•••
1000
下一页
24小时热点
忘掉芯片吧!中美人工智能竞赛的下一个战场是……
lg
...
中国散户手握23万亿美元储蓄,但除了股票几乎别无选择?
lg
...
下周展望:“习特会”韩国登场!多位美联储官员驾到,别忘了美国PCE
lg
...
周评:中美领导人通话敲定TikTok协议!美联储终于重启降息,黄金冲高回落
lg
...
下周两大风暴!鲍威尔将登场,美国PCE恐放缓
lg
...
最新话题
更多
#Web3项目情报站#
lg
...
6讨论
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
36讨论
#链界盛会#
lg
...
123讨论
#VIP会员尊享#
lg
...
1989讨论
#CES 2025国际消费电子展#
lg
...
21讨论