FX168财经网_全球视野外汇黄金加密货币NFT资讯网

华为现有的ADS高阶辅助驾驶系统不同，自动驾驶公司Momenta和华为分别提供软件和硬件方案，三方深度合作并整合。丰田汽车方面表示“不予置评”。据悉，丰田将在北京车展期间宣布与国内大厂的重要合作。

格隆汇2024-04-09

向，马斯克更倾向于后者，他曾预测，赋予自动驾驶的出行方式未来将比人类驾驶更常见。特斯拉需要一款廉价的汽车来实现年增长50%的目标，但在马斯克看来，Robotaxi的实现能够完全替代上一个方案。他要创造一种没有踏板或者方向盘的车型，并坚信这款产品能让特斯拉称为价值十万亿美元的公司。看似又一张大饼，但未来公司的增长引擎如果能由服务收入来驱动，现金流肯定要比单纯卖车的商业模式来得轻松，壁垒在于规模、还有更低的生产运营成本，对出行赛道是一次彻底的颠覆。网约车平台的护城河在于双边网络效应，在司机和用户规模均衡提升的情况下，实现对运力和需求的高效匹配，乘客叫车的等待时间缩短，而司机又不能同时在不同平台上接单，供给黏性更强。平台以收取佣金获得收入，成本包括税金、司机分成和司机补贴、乘客补贴、平台运营成本及费用。从成本端看Robotaxi无疑有着更大的毛利空间，司机的支出消失了，虽然增加了自营车队的比例，这也是特斯拉扩大规模优势的基础，最大限度地降低造车成本。经典的第一性原理测出了自动驾驶出租车未来将颠覆整个移动出行赛道。驾驶一英里的成本，特斯拉Robotaxi压缩到0.18美元，比Uber便宜上10倍不止。根据机构测算，按2030年2万亿美元的市场规模/特斯拉20%市占率，C端平台25%提成佣金，特斯拉远期收入将达到1000亿美元。参照Uber、Lyft平均4-5x的PS，这部分业务远期市值有望达到5000亿美元。这相当于，再造一个特斯拉。如今特斯拉处在交付低潮期，马斯克的决定足以影响特斯拉未来五年的投入与产出，也需要让投资人相信这个愿景。技术上，特斯拉的底牌是FSD服务。2022年报显示，FSD所实现的递延收入部分的毛利率已达到90%。不久前，特斯拉将其全自动驾驶系统FSD的命名更新，从“FSD Beta”改为了“FSD Supervised”或许暗示FSD从公测阶段已经过渡到受监督的商业化运营阶段。根据华为数据，L4级自动驾驶的最低路测里程数为10亿公里。L4级的领头羊，谷歌旗下的Waymo在2月初刚刚突破了100万英里的无人驾驶里程数。巧的是，近期特斯拉官方庆祝了FSD过去三年半累积突破10亿英里（16亿公里）的里程碑。可以看出，自今年3月底全美开启免费试用一个月以来，里程数直线飙升。要知道，里程数和长尾场景是目前制约自动驾驶技术发展的关键，特斯拉想借“端到端”的数据积累，在纯视觉模式下边跑边完成L2+到L4的迭代，简直是“大力出奇迹”模式。推特要真正意义地在消费级汽车上部署自动驾驶，从推动驾驶员尝试FSD到不需经过监督的无人驾驶，安全性是不能含糊其辞的，需要在任何地方都能可靠地安全行驶。而目前开展Robotaxi业务最主要的瓶颈就是获得各个州监管机构的许可，法律监管层面限制了它的推广速度，只能一个萝卜一个坑地争取。比如去年，美国本土自动驾驶技术厂商头部玩家Cruise和Waymo就相继获得了旧金山全天候商业运营无人驾驶出租车的运营牌照。中国无人驾驶企业玩家也获得了在北京上海等地试点运营的资格。各公司官网但不同地区对无人驾驶的监管，和对司机群体利益的考虑存在差异，必然会给Robotaxi带来不同程度的阻力，规模效应很难一下子建立起来。在不可控的安全事故面前，公众对机器人出租车的敌意与日俱增，监管机构也采取了极为谨慎的态度。去年10月份，发生在旧金山的一辆无人驾驶出租车碾压行人的事故，直接导致相关部门暂停了Cruise的运营许可证。特斯拉必须像 Waymo 一样获得许可证，一次一个小测试区，直到他们证明FSD在每个区域里无人驾驶百万英里的确安全。这意味着，特斯拉的Robotaxi至少要花数年实现合规、交付，配置运营团队，要烧多少钱才能覆盖开发成本，一两年或许根本算不清楚。 03 但种种迹象表明，尽管有着严格的准入门槛，民众抗议层出不迭，C端无人驾驶市场还是逐步加快了商用化的节奏。特斯拉开始做robotaxi，那么直接的竞争对手就是Waymo和Cruise。进展最快的Waymo目前在旧金山、菲尼克斯、加州以及奥斯汀已经获准运营出租车业务，今年还将L4带上了高速公路。 Waymo向加州公用事业委员会报告的数据显示，去年12月至2月期间，无人驾驶出租车行驶了140万英里，较上一季度增长约42%。该季度载客量约为 316,000 人次，比9月至11月的季度增长了45% ，其中绝大多数是付费乘车。数据和Uber去年四季度26亿人次相比占约0.01%，这才只能算踏出了一小步。去年的自动驾驶行业寒潮中，创业公司都困于缺乏可规模化的商业模式实现自我造血，但花钱却一个比一个狠。有的被迫减速，有的将注意力转移到了其他商用化方向。谷歌旗下的Waymo估值已经从2019年时的1750亿美元急剧缩水到300多亿美元，甚至进行了数轮裁员。原本专注于L4级自动驾驶卡车的图森未来决定从纳斯达克摘牌退市，开始重视起来L2/L3级的研发。国内，去年11月四部委联合发布政策，对L3/L4级别自动驾驶车型的准入规范、上路通行、等方面提出具体要求。本月7日，为了打造Robotaxi，滴滴和广汽埃安组成合资公司，并计划2025年推出首款商业化L4车型。 L4的普及在千难万阻中加快，虽然特斯拉还未真正在无人监督的模式下学会安全行走，但马斯克看到了AI学习能力的提升，将公司从电动汽车制造商，改造为机器人出行公司可能会更快地实现。身处交付低潮期，马斯克的决定影响着特斯拉未来的投入与产出，去年以一款25000美元的平价车吊足市场胃口，至少相比Robotaxi，平价车没有商业化推进的阻碍，能够立即带来销售收入。（全文完）

格隆汇2024-04-09

美股盘前要点 | 谷歌发布AI芯片暴雪网易或于明日官宣恢复合作

后者将从港交所退市。 15. 通用汽车自动驾驶子公司Cruise将在凤凰城恢复无人驾驶出租车服务的测试。 16. 汇控将其阿根廷业务出售予私人金融集团Grupo Financiero Galicia，交易代价5.5亿美元。 17. 法拉第未来已在迪拜设立中东销售实体，并计划今年交付一款限量版FF91车型。

格隆汇2024-04-09

美股盘前要点 | 谷歌发布AI芯片暴雪网易或于明日官宣恢复合作

，后者将从港交所退市。15. 通用汽车自动驾驶子公司Cruise将在凤凰城恢复无人驾驶出租车服务的测试。16. 汇控将其阿根廷业务出售予私人金融集团Grupo Financiero Galicia，交易代价5.5亿美元。17. 法拉第未来已在迪拜设立中东销售实体，并计划今年交付一款限量版FF91车型。

格隆汇2024-04-09

美股异动｜丰田盘前涨1.2% 即将宣布与国内大厂的重要合作

华为现有的ADS高阶辅助驾驶系统不同，自动驾驶公司Momenta和华为分别提供软件和硬件方案，三方深度合作并整合。对此消息，丰田汽车方面表示“不予置评”。据悉，丰田将在北京车展期间宣布与国内大厂的重要合作。

格隆汇2024-04-09

大行评级｜Roth Capital：予特斯拉“中性”评级及目标价85美元对Robotaxi持怀疑的态度

动能。在初步消化了这个消息后，特斯拉的自动驾驶技术的收成期还很遥远。以耗电程度来讲，自动驾驶与目前的电动车传动系统一样多。从技术上讲，这是可以想象的，也是可行的，但不适用于已售出的特斯拉车辆，也不是当今任何人都可以采用的制式。

格隆汇2024-04-09

大行评级｜德银：Robotaxi正在改变市场对特斯拉的看法予其“买入”评级

么特斯拉利好的情况可能是，公司会基于其自动驾驶技术得到理想改进，而决定利用专注于机器人出租车，来发挥其独特的人工智能和软件优势，这一点很少有OEM(原始设备制造商)可以模仿，这将带来更大的经济效益。然而，特斯拉也放弃了许多人持有该股的一个“关键因素”：主打销量的Model 2将重新加速销量、利润率和自由现金流。Rosner对该股给予“买入”评级，目标价189美元。

格隆汇2024-04-09

AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

游戏是一个规则清晰的封闭沙盒。而AI在自动驾驶上的进展会相对缓慢，因为开放的外部环境的挑战更大，我们也更难容忍AI处理问题的随机性。例子B：塑造资源，通过代币激励聚集资源 BTC背后的全球的算力网络，其当前的总算力（Hashrate: 576.70 EH/s）超过了任何一个国家的超级计算机的综合算力。其发展动力来自于简单、公平的网络激励。 BTC网络算力走势，来源：https://www.coinwarz.com/ 除此之外，包括Mobile在内的DePIN项目们，也正在尝试通过代币激励塑造供需两端的双边市场，实现网络效应。本文接下来将重点梳理的IO.NET，则是为了汇聚AI算力设计的平台，希望通过代币模型，激发出更多的AI算力潜力。例子C：开源代码，引入ZK，保护隐私的情况下分辨人机作为OpenAI创始人Sam Altman参与的Web3项目，Worldcoin通过硬件设备Orb，基于人的虹膜生物特征，通过ZK技术生成专属且匿名的哈希值，用于验证身份，区别人和机器。今年3月初，Web3艺术项目Drip就开始使用Worldcoin的ID，来验证真人用户和发放奖励。此外，Worldcoin也在近日开源了其虹膜硬件Orb的程序代码，就用户生物特征的安全和隐私提供保证。总体来说，加密经济由于代码和密码学的确定性、无许可和代币机制带来的资源流转和募集优势，和基于开源代码、公开账本的去信任属性，已经成为人类社会面临AI挑战的一个重要的潜在解决方案。而且其中最迫在眉睫，商业需求最旺盛的挑战，就是AI产品在算力资源上的极度饥渴，围绕芯片和算力的巨大需求。这也是本轮牛市周期，分布式算力项目的涨势冠绝整体AI赛道的主要原因。分布式计算（Decentralized Compute）的商业必要性 AI需要大量的计算资源，无论是用于训练模型还是进行推理。而在大语言模型的训练实践中，有一个事实已经得到确认：只要数据参数的规模足够大，大语言模型就会涌现出一些之前没有的能力。每一代GPT的能力相比上一代的指数型跃迁，背后就是模型训练的计算量的指数级增长。 DeepMind和斯坦福大学的研究显示，不同的大语言模型，在面对不同的任务（运算、波斯语问答、自然语言理解等）时，只要把模型训练时的模型参数规模加大（对应地，训练的计算量也加大了），在训练量达不到10^22 FLOPs（FLOPs指每秒浮点运算量，用于衡量计算性能）之前，任何任务的表现都和随机给出答案是差不多的；而一旦参数规模超越那个规模的临界值后，任务表现就急剧提升，不论哪个语言模型都是这样。来源：Emergent Abilities of Large Language Models 来源：Emergent Abilities of Large Language Models 也正是在算力上“大力出奇迹”的规律和实践的验证，让OpenAI的创始人Sam Altman提出了要募集7万亿美金，构建一个超过目前台积电10倍规模的先进芯片厂（该部分预计花费1.5万亿），并用剩余资金用于芯片的生产和模型训练。除了AI模型的训练需要算力之外，模型的推理过程本身也需要很大的算力（尽管相比训练的计算量要小），因此对芯片和算力的饥渴成为了AI赛道参与者的常态。相对于中心化的AI算力提供方如Amazon Web Services、Google Cloud Platform、微软的Azure等，分布式AI计算的主要价值主张包括：可访问性：使用 AWS、GCP 或 Azure 等云服务获取算力芯片的访问权限通常需要几周时间，而且流行的 GPU 型号经常无货。此外为了拿到算力，消费者往往需要跟这些大公司签订长期、缺少弹性的合同。而分布式算力平台可以提供弹性的硬件选择，有更强的可访问性。定价低：由于利用的是闲置芯片，再叠加网络协议方对芯片和算力供给方的代币补贴，分布式算力网络可能可以提供更为低廉的算力。抗审查：目前尖端算力芯片和供应被大型科技公司所垄断，加上以美国为代表的政府正在加大对AI算力服务的审查，AI算力能够被分布式、弹性、自由地获取，逐渐成为一个显性需求，这也是基于web3的算力服务平台的核心价值主张。如果说化石能源是工业时代的血液，那算力或将是由AI开启的新数字时代的血液，算力的供应将成为AI时代的基础设施。正如稳定币成为法币在Web3时代的一个茁壮生长的旁支，分布式的算力市场是否会成为快速成长的AI算力市场的一个旁支？由于这还是一个相当早期的市场，一切都还有待观察。但是以下几个因素可能会对分布式算力的叙事或是市场采用起到刺激作用： GPU持续的供需紧张。GPU的持续供应紧张，或许会推动一些开发者转向尝试分布式的算力平台。监管扩张。想从大型的云算力平台获取AI算力服务，必须经过KYC以及层层审查。这反而可能促成分布式算力平台的采用，尤其是一些受到限制和制裁的地区。代币价格的刺激。牛市周期代币价格的上涨，会提高平台对GPU供给端的补贴价值，进而吸引更多供给方进入市场，提高市场的规模，降低消费者的实际购买价格。但同时，分布式算力平台的挑战也相当明显：技术和工程难题工作验证问题：深度学习模型的计算，由于层级化的结构，每层的输出都作为后一层的输入，因此验证计算的有效性需要执行之前的所有工作，无法简单有效地进行验证。为了解决这个问题，分布式计算平台需要开发新的算法或使用近似验证技术，这些技术可以提供结果正确性的概率保证，而不是绝对的确定性。并行化难题：分布式算力平台汇聚的是长尾的芯片供给，也就注定了单个设备所能提供的算力比较有限，单个芯片供给方几乎短时间独立完成AI模型的训练或推理任务，所以必须通过并行化的手段来拆解和分配任务，缩短总的完成时间。而并行化又必然面临任务如何分解（尤其是复杂的深度学习任务）、数据依赖性、设备之间额外的通信成本等一系列问题。隐私保护问题：如何保证采购方的数据以及模型不暴露给任务的接收方？监管合规难题分布式计算平台由于其供给和采购双边市场的无许可性，一方面可以作为卖点吸引到部分客户。另一方面则可能随着AI监管规范的完善，成为政府整顿的对象。此外，部分GPU的供应商也会担心自己出租的算力资源，是否被提供给了被制裁的商业或个人。总的来说，分布式计算平台的消费者大多是专业的开发者，或是中小型的机构，与购买加密货币和NFT的加密投资者们不同，这类用户对于协议所能提供的服务的稳定性、持续性有更高的要求，价格未必是他们决策的主要动机。目前来看，分布式计算平台们要获得这类用户的认可，仍然有较长的路要走。接下来，我们就一个本轮周期的新分布式算力项目IO.NET进行项目信息的梳理和分析，并基于目前市场上同赛道的AI项目和分布式计算项目，测算其上市后可能的估值水平。 2.分布式AI算力平台：IO.NET 2.1 项目定位 IO.NET是一个去中心化计算网络，其构建了一个围绕芯片的双边市场，供给端是分布在全球的芯片（GPU为主，也有CPU以及苹果的iGPU等）算力，需求端是希望完成AI模型训练或推理任务的人工智能工程师。在IO.NET的官网上，它这样写道： Our Mission Putting together one million GPUs in a DePIN – decentralized physical infrastructure network. 其使命是把百万数量级的GPU整合到它的DePIN网络中。与现有的云AI算力服务商相比，其对外强调的主要卖点在于：弹性组合：AI工程师可以自由挑选、组合自己所需要的芯片来组成“集群”，来完成自己的计算任务部署迅速：无需数周的审批和等待（目前AWS等中心化厂商的情况），在几十秒内就可以完成部署，开始任务服务低价：服务的成本比主流厂商低90% 此外，IO.NET未来还计划上线AI模型商店等服务。 2.2 产品机制和业务数据产品机制和部署体验与亚马逊云、谷歌云、阿里云一样，IO.NET提供的计算服务叫IO Cloud。IO Cloud是一个分布式的、去中心化的芯片网络，能够执行基于Python的机器学习代码，运行AI和机器学习程序。 IO Cloud的基本业务模块叫做集群（Clusters），Clusters是一个可以自我协调完成计算任务的GPU群组，人工智能工程师可以根据自己的需求来自定义想要的集群。 IO.NET的产品界面的用户友好度很高，如果你要部署属于自己的芯片集群，来完成AI计算任务，在进入它的Clusters（集群）产品页面后，就可以开始按需配置你要的芯片集群。页面信息：https://cloud.io.net/cloud/clusters/create-cluster，下同首先你需要选择自己的任务场景，目前有三个类型可供选择： General（通用型）：提供了一个比较通用的环境，适合早期不确定具体资源需求的项目阶段。 Train（训练型）：专为机器学习模型的训练和微调而设计的集群。这个选项可以提供更多的GPU资源、更高的内存容量和/或更快的网络连接，以便于处理这些高强度的计算任务。 Inference（推理型）：专为低延迟推理和重负载工作设计的集群。在机器学习的上下文中，推理指的是使用训练好的模型来进行预测或分析新数据，并提供反馈。因此，这个选项会专注于优化延迟和吞吐量，以便于支持实时或近实时的数据处理需求。然后，你需要选择芯片集群的供应方，目前IO.NET与Render Network以及Filecoin的矿工网络达成了合作，因此用户可以选择IO.NET或另外两个网络的芯片来作为自己计算集群的供应方，相当于IO.NET扮演了一个聚合器的角色（但截至笔者撰文时，Filecon服务暂时下线中）。值得一提的是，根据页面显示，目前IO.NET在线可用GPU数量为20万+，而Render Network的可用GPU数量为3700+。再接下来就进入了集群的芯片硬件选择环节，目前IO.NET列出可供选择的硬件类型仅有GPU，不包括CPU或是苹果的iGPU(M1、M2等），而GPU也主要以英伟达的产品为主。在官方列出、且可用的GPU硬件选项中，根据笔者测试的当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。其中可用量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。此外，在处理AI计算任务如机器学习、深度学习、科学计算上更为高效的A100-SXM4-80GB芯片（市场价15000$+），在线数有7965张。而英伟达从硬件设计开始就专为AI而生的H100 80GB HBM3显卡（市场价40000$+），其训练性能是A100的3.3倍，推理性能是A100的4.5倍，实际在线数量为86张。在选定集群的硬件类型后，用户还需要选择集群的地区、通信速度、租用的GPU数量和时间等参数。最后，IO.NET根据综合的选择，会为你提供一个账单，以笔者的集群配置为例：通用（General）任务场景 16张A100-SXM4-80GB芯片最高连接速度（Ultra High Speed）地理位置美国租用时间为1周该总账单价格为3311.6$，单张卡的时租单价为1.232$ 而A100-SXM4-80GB在亚马逊云、谷歌云和微软Azure的单卡时租价格分别为5.12$、5.07$和3.67$（数据来源：https://cloud-gpus.com/，实际价格会根据合约细节条款产生变化）。因此仅就价格来说，IO.NET的芯片算力确实比主流厂商便宜不少，且供给的组合与采购也非常有弹性，操作也很容易上手。业务情况供给端情况截至今年4月4日，根据官方数据，IO.NET在供应端的GPU总供给为371027张，CPU供给为42321张。此外，Render Network作为其合作伙伴，还有9997张GPU和776张CPU接入了网络的供给。数据来源：https://cloud.io.net/explorer/home，下同笔者撰文时，IO.NET接入的GPU总量中的214387处于在线状态，在线率达到了57.8%。来自Render Network的GPU的在线率则为45.1%。以上供应端的数据意味着什么？为了进行对比，我们再引入另一个上线时间更久的老牌分布式计算项目Akash Network来进行对比。 Akash Network早在2020年就上线了主网，最初主要专注于CPU和存储的分布式服务。2023年6月，其推出了GPU服务的测试网，并于同年9月上线了GPU分布式算力的主网。数据来源：https://stats.akash.network/provider-graph/graphics-gpu 根据Akash官方数据，其GPU网络推出以来，供应端尽管持续增长，但截至目前为止GPU总接入数量仅为365张。从GPU的供应量来看，IO.NET要比Akash Network高出了好几个数量级，已经是分布式GPU算力赛道最大的供应网络。需求端情况不过从需求端来看，IO.NET依旧处于市场培育的早期阶段，目前实际使用IO.NET来执行计算任务的总量不多。大部分在线的GPU的任务负载量为0%，只有A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3四款芯片有在处理任务。且除了A100 PCIe 80GB K8S之外，其他三款芯片的负载量均不到20%。而官方当日披露的网络压力值为0%，意味着大部分芯片供应都处于在线待机状态。而在网络费用规模上，IO.NET已经产生了586029$的服务费用，近一日的费用为3200$。数据来源：https://cloud.io.net/explorer/clusters 以上网络结算费用的规模，无论是总量还是日交易量，均与Akash处在同一个数量级，不过Akash的大部分网络收入来自于CPU的部分，Akash的CPU供应量有2万多张。数据来源：https://stats.akash.network/ 此外，IO.NET还披露了网络处理的AI推理任务的业务数据，截至目前其已经处理和验证的推理任务数量超过23万个，不过这部分业务量大部分都产生于IO.NET所赞助的项目BC8.AI。数据来源：https://cloud.io.net/explorer/inferences 从目前的业务数据来看，IO.NET的供给端扩张顺利，在空投预期和代号“Ignition”的社区活动刺激下，让其迅速地汇聚起了大量的AI芯片算力。而其在需求端的拓展仍处于早期阶段，有机需求目前还不足。至于目前需求端的不足，是由于消费端的拓展还未开始，还是由于目前的服务体验尚不稳定，因此缺少大规模的采用，这点仍需要评估。不过考虑到AI算力的落差短期内较难填补，有大量的AI工程师和项目在寻求替代方案，可能会对去中心化的服务商产生兴趣，加上IO.NET目前尚未开展对需求端的经济和活动刺激，以及产品体验的逐渐提升，后续供需两端的逐渐匹配仍然是值得期待的。 2.3 团队背景和融资情况团队情况 IO.NET的核心团队成立之初的业务是量化交易，在2022年6月之前，他们一直专注于为股票和加密资产开发机构级的量化交易系统。出于系统后端对计算能力的需求，团队开始探索去中心化计算的可能性，并且最终把目光落在了降低GPU算力服务的成本这个具体问题上。创始人&CEO：Ahmad Shadid Ahmad Shadid在IO.NET之前一直从事量化和金融工程相关的工作，同时还是以太坊基金的志愿者。 CMO&首席战略官：Garrison Yang Garrison Yang在今年3月才正式加入IO.NET，他此前是Avalanche的战略和增长VP，毕业于加州大学圣巴巴拉分校。 COO：Tory Green Tory Green 是 io.net 首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略总监，毕业于斯坦福。从IO.NET的Linkedin信息来看，团队总部位于美国纽约，在旧金山有分公司，目前团队人员规模在50人以上。融资情况 IO.NET截至目前仅披露了一轮融资，即今年3月完成的A轮估值10亿美金融资，共募集了3000万美金，由Hack VC领投，其他参投方包括Multicoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures和ArkStream Capital等。值得一说的是，或许是因为收到了Aptos基金会的投资，原本在Solana上进行结算记账的BC8.AI项目，已经转换到了同样的高性能L1 Aptos上进行。 2.4 估值推算根据此前创始人兼CEO Ahmad Shadid的说法，IO.NET将在4月底推出代币。 IO.NET有两个可以作为估值参考的标的项目：Render Network和Akash Network，它们都是代表性的分布式计算项目。我们可以用两种方式推演IO.NET的市值区间：1.市销比，即：市值/收入比；2.市值/网络芯片数比。先来看基于市销比的估值推演：从市销比的角度来看，Akash可以作为IO.NET的估值区间的下限，而Render则作为估值的高位定价参考，其FDV区间为16.7亿~59.3亿美金。但考虑到IO.NET项目更新，叙事更热，加上早期流通市值较小，以及目前更大的供应端规模，其FDV超过Render的可能性并不小。再看另一个对比估值的角度，即“市芯比”。在AI算力求大于供的市场背景下，分布式AI算力网络最重要的要素是GPU供应端的规模，因此我们可以以“市芯比”来横向对比，用“项目总市值与网络内芯片的数量之比”，来推演IO.NET可能的估值区间，供读者作为一个市值参考。如果以市芯比来推算IO.NET的市值区间，IO.NET以Render Network的市芯比为上限，以Akash Network为下限，其FDV区间为206亿~1975亿美金。相信再看好IO.NET项目读者，都会认为这是一个极度乐观的市值推算。而且我们需要考虑到，目前IO.NET如此庞大的芯片在线张数，有受到空投预期以及激励活动的刺激，在项目正式上线后其供应端的实际在线数仍然需要观察。因此总体来说，从市销比的角度进行的估值测算可能更有参考性。 IO.NET作为叠加了AI+DePIN+Solana生态三重光环的项目，其上线后的市值表现究竟如何，让我们拭目以待。 3.参考信息 Dephi Digital：The Real Merge Galaxy：Understanding the Intersection of Crypto and AI 来源：金色财经

金色财经2024-04-09

ACY证券汇评：【每日分析】自动驾驶是电动车破局之道？

电动车板块进入寒冬，自动驾驶是破局之道？由于竞争太过激烈，叠加高利率下的消费降级，各大电车厂纷纷打起了价格战，而欧洲传统车厂也相继放缓了向电动车的转型速度（并非网传的放弃电车）。再加上特朗普的潜在威胁，全球电动车行情已经进入低迷期。电动车龙头特斯拉的一季度销量不增反降，加剧了资本的逃离。特斯拉想靠全自动驾驶FSD破局因此想要吸引资本或重获市场信心，就不能赖在电动车这一个赛道上，对于特斯拉同样如此。创新基金的木头姐也为特斯拉说话，说特斯拉不能看做一家电动车公司，而是一家机器人、能源储存与人工智能公司。毕竟，软件与服务业的成长属性可比制造业高多了。一旦市场相信了这个观点，特斯拉将重获增长潜力。不过暂时来看，除了能源储存外，另外两项并没有体现在财报业绩当中。4月23日将发布财报，大概率也不会有所体现。不过就在特斯拉股价持续下跌的档口，上周末，特斯拉CEO马斯克宣布，将于今年8月推出自动驾驶出租车Robotaxi。这不禁让人猜想，特斯拉已经通过AI大模型在自动驾驶领域实现了技术突破。不过也有分析认为，这是马斯克惯用的营销伎俩，通过展示新技术来制造话题，从而止住股价的颓势。自动驾驶行业其实也身处寒冬虽然特斯拉砸了很多钱在自动驾驶上，但自动驾驶行业本身竞争同样激烈。谷歌、英特尔等科技巨头早已是自动驾驶领域的领头羊，但即便如此，通过自动驾驶实现盈利的企业仍然寥寥无几。尤其是近半年来，自动驾驶行业异常惨淡，倒闭的倒闭，裁员的裁员。不少企业放弃了自动驾驶，因为这个领域难以获利。为了将事故率从0.1%降低到0.01%，花费的人力与成本数倍上涨。就像是一个无底洞，投入的资金和实际可以获得的盈利完全不成正比。再加上高利率环境下，融资成本高昂，消费需求降级，自动驾驶行情同样身处寒冬。特斯拉去年对FSD降价，其实也代表了这个行业不好干。 AI带动自动驾驶技术突破？不过特斯拉的全自动驾驶FSD技术最受关注的便是采用了AI多模态大模型，再加上马斯克宣布让美国用户免费试用一个月，让不少人相信特斯拉在技术上实现了突破。让特斯拉在L4级别的无人驾驶赛道上占据主导。自动驾驶技术分级不过这种期待可能有些过于乐观。就在马斯克宣布Robotaxi的同一天，OpenAI投资的自动驾驶公司Ghost突然毫无征兆地倒闭了。作为AI模型的领军企业首次与自动驾驶的合作，最后却无疾而终。这是因为目前的生成类AI模型本身就不是为了自动驾驶设计的，因此训练的效果是未知数。并不是用了AI模型就一定能够降低自动驾驶的事故率的。因此特斯拉新版V12.3的FSD全自动驾驶是否有技术上的突破，还要看数据说话。信任才是木桶的短板再退一步来讲。特斯拉技术真的突破了，事故率进一步降低。对于特斯拉的死忠粉来说，必然是好消息。但对于普通消费者来说，可能无法一下子就说服他们去接受自动驾驶。消费者要的不是特定场合，特定区域的自动驾驶，而是通用全自动驾驶技术。即便是搭上了AI的快车，消费者对自动驾驶的认知与信任仍然无法跟上技术的日新月异。这就好比用Chatgpt让打工人写英文邮件非常便利。但即便如此，在写了一份邮件发给你老板之前，你还是会检查一下是否会有文不达意的情况。这就好比目前L2/L3的自动驾驶系统，起到辅助作用，但仍需要驾驶员保持警惕。但L4的无人驾驶技术就好比让Chatgpt自动生成一份邮件发给老板。不是说技术不达标，而是用户的信任需要时间培养，对技术可实现的范围也需要时间学习（在什么情况下可以自动驾驶，什么情况必须切换手动等等）。对于很多消费者来说，即便技术成熟，但将自己的性命交给一台机器，听起来还是有些发憷。这点只能依靠时间和政府宣传来消除恐惧（企业宣传只有反作用），这就好比电刚刚被发明出来的时候，也有很多人因为担心其危险，所以不愿在家中通电。但经过漫长的政府宣传与市场实践，电力最终进入了家家户户。人工智能的需求同样需要时间去改变，并非一蹴而就的。不仅仅是自动驾驶的使用者存在信任问题，周围的相关者会发出更大的质疑。假如你在开车的时候，旁边突然出现一辆无人驾驶汽车，你会不会担心？假如你在过马路，看到一辆无人车向你驶来，你是否会驻足？这一切的担忧都需要时间去抹平。自动驾驶还有两大难题 – 责任认定和道德困境责任认定说到底，交通事故是一个概率事件，即便事故率远低于真人驾驶（按照特斯拉披露数据，事故率约是真人驾驶的十分之一），然而一旦发生事故，就要追究由谁来承担责任。最近，特斯拉遭到了起诉，原因是一位苹果工程师驾驶带自动驾驶功能的汽车途中发生车祸，并当场死亡。他的家属起诉了特斯拉，认为是技术缺陷导致事故发生。这也就是自动驾驶存在的责任认定问题。如果每一个出事故的用户都在特斯拉赔偿，那么推出自动驾驶必然是一场亏本的买卖。不过，针对责任认定，各国的法律正在逐渐完善，其中也包括由政府兜底的保险业务。因此自动驾驶的发展需要与法律的制定同步进行。道德困境如果突然有一个成年人闯马路，刹不住就要装上了，而你旁边是一辆车，你会怎么选？如果是一个或一群孩子呢？如果旁边是一辆重型卡车呢？到底选择紧急避险还是择轻避重？对于真人驾驶来说，这个就是个人的选择，无关对错。然而一旦上升到自动驾驶系统，便会有对与错的争议。是用一般人的标准去训练自动驾驶模型，还是最小化损失的最优解，又或是统一采用刹车标准，让速不让道？这些责任目前都压在自动驾驶企业身上。同样需要相应法规的建设去规范模型的训练。除了上述两个难题外，如果想要实现L5真正的完全自动驾驶单靠一家公司是不行的，还需要高精度的地图和智联网络的配合。要实现上述的这一切，不仅依赖于法律的完善，还需要基建的覆盖、智能的配套、智慧城市的建设以及消费认知的革命。无一不需要时间去打造，缺一不可。今日关注数据 18:00 美国3月NFIB小型企业信心指数联系我们电话：167 4049 5509（中国） 1300 729 171（澳大利亚）微信：acyauzh 官网：https://www.acyasia-cn.com 邮箱：support.cn@acy.com 本文内容由第三方提供。ACY证券对文中内容的准确性和完整性，不做任何声明或保证；由第三方的建议，预测或其他信息导致了投资损失，ACY证券不承担任何责任。本文内容不构成任何投资建议，与个人投资目标，财务状况或需求无关。如有任何疑问，请您咨询独立专业的财务或税务的意见。 2024-04-09

ACY证券2024-04-09

江铃汽车下跌5.07%，报28.25元/股

商用车领域率先搭载北斗导航并推出L4级自动驾驶产品，拥有400多家一级经销商，经销商总数超过1000家，美国福特汽车公司持有公司32%股份。截至2月29日，江铃汽车股东户数2.83万，人均流通股3.05万股。 2023年1月-12月，江铃汽车实现营业收入331.67亿元，同比增长10.19%；归属净利润14.76亿元，同比增长61.26%。

金融界2024-04-09

24小时热点