FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

好消息不断，联想控股(03396.HK)否极泰来？
go
语言交互、内嵌个人大模型、标配本地混合AI算力、开放的AI应用生态、设备级个人数据&隐私安全保护。这是行业最受关注的重磅事件之一，AI PC被认为将对行业产生颠覆性影响， 3、联泓新科的新项目投产，再融资有进展联泓新科近期表示其“电子级高纯特气和锂电添加剂项目”主体工程建设已于2023年完成，将于近期投产。另外，根据其披露的信息，预计其近期将有包括VA装置、超高分子量聚丙烯装置、聚乳酸装置、PLA装置、锂电添加剂项目多个重大项目陆续投产，有助于其24年业绩的回升。此外，联泓新科也更新了定向增发的一系列材料，说明尽管市场环境不佳，但是再融资工作依然取得一定进展。 4、低空经济和固态电池的重点布局同时迎来利好低空经济和固态电池是这段时间资本市场比较火热的概念，不出意外的是联想控股在这两个领域也早有布局。低空经济最有代表性的是深圳飞马机器人股份公司。该公司创始人均来自联想，联想控股系基金连续投资其A轮和Pre-B轮，目前持股达到近20%，是其最大的股东之一。该公司已累计发布了19款智能无人机航测/遥感/巡检/应急系统，以及SLAM、RTK、背包等3D移动测量平台，是国家级的专精特新小巨人企业。固态电池最有代表性的是太蓝新能源，联想控股系基金是其最重要的投资人，持股近10%，它在“车规级全固态锂电池”的研发方面取得重大进展，成功制备出世界首块车规级单体容量120Ah，实测能量密度达到720 Wh/kg的超高能量密度体型化全固态锂金属电池，刷新了体型化锂电池单体容量和最高能量密度的行业纪录，将有望让纯电新能源汽车轻松进入1000公里续航的时代。当前联想控股的股价因为2023年的业绩不佳已创下新低。不过新的一年，从资本市场的回暖，到AI PC的推出，再到EVA价格的回升和新项目的陆续建成投产，以及近期多个资本市场热门领域的提前布局，联想控股23年的至暗时刻应该已经过去，提供了向上修复的机会。可以观察中报能否确定业绩反转，如果可以，公司股价将有望迎来反弹，投资者也可以考虑提前布局关注。
格隆汇2024-04-10
好消息不断，联想控股否极泰来？
go
语言交互、内嵌个人大模型、标配本地混合AI算力、开放的AI应用生态、设备级个人数据&隐私安全保护。这是行业最受关注的重磅事件之一，AI PC被认为将对行业产生颠覆性影响， 3、联泓新科的新项目投产，再融资有进展联泓新科近期表示其“电子级高纯特气和锂电添加剂项目”主体工程建设已于2023年完成，将于近期投产。另外，根据其披露的信息，预计其近期将有包括VA装置、超高分子量聚丙烯装置、聚乳酸装置、PLA装置、锂电添加剂项目多个重大项目陆续投产，有助于其24年业绩的回升。此外，联泓新科也更新了定向增发的一系列材料，说明尽管市场环境不佳，但是再融资工作依然取得一定进展。 4、低空经济和固态电池的重点布局同时迎来利好低空经济和固态电池是这段时间资本市场比较火热的概念，不出意外的是联想控股在这两个领域也早有布局。低空经济最有代表性的是深圳飞马机器人股份公司。该公司创始人均来自联想，联想控股系基金连续投资其A轮和Pre-B轮，目前持股达到近20%，是其最大的股东之一。该公司已累计发布了19款智能无人机航测/遥感/巡检/应急系统，以及SLAM、RTK、背包等3D移动测量平台，是国家级的专精特新小巨人企业。固态电池最有代表性的是太蓝新能源，联想控股系基金是其最重要的投资人，持股近10%，它在“车规级全固态锂电池”的研发方面取得重大进展，成功制备出世界首块车规级单体容量120Ah，实测能量密度达到720 Wh/kg的超高能量密度体型化全固态锂金属电池，刷新了体型化锂电池单体容量和最高能量密度的行业纪录，将有望让纯电新能源汽车轻松进入1000公里续航的时代。当前联想控股的股价因为2023年的业绩不佳已创下新低。不过新的一年，从资本市场的回暖，到AI PC的推出，再到EVA价格的回升和新项目的陆续建成投产，以及近期多个资本市场热门领域的提前布局，联想控股23年的至暗时刻应该已经过去，提供了向上修复的机会。可以观察中报能否确定业绩反转，如果可以，公司股价将有望迎来反弹，投资者也可以考虑提前布局关注。
格隆汇2024-04-10
润建股份(002929.SZ)：持续跟进6G等前沿通信技术积极探索相关技术在新能源等领域的应用
 go
前沿通信技术，积极探索相关技术在通信、AI、算力、数字化、新能源等领域的应用，不断增强公司的市场竞争力。
格隆汇2024-04-10
招商证券：关注英伟达新平台变化把握景气趋势中Q1超预期板块
 go
2024年同比两位数以上增长。建议关注AI算力需求带动的算力芯片和先进封测等相关半导体链，把握AI叠加自主可控逻辑持续加强相关的设备、材料和零部件等公司，以及行业复苏和电子新品带来24Q1和24全年业绩弹性的存储等细分板块和公司。
金融界2024-04-10
AI爆发，芯片强受益获持续关注
 go
在支撑？答案是芯片。准确说，AI芯片是AI算力的核心。有说法称，对标ChatGPT，做好一个大模型的最低门槛就是1万块A100的芯片。前面说到，随着人工智能应用场景和数据规模的扩大，算法模型的复杂度呈指数级增长，特别是深度学习成为主流，需要更快的计算速度。虽然CPU可以执行AI算法，但由于内部逻辑多，对于AI算法来说效率不高。因此，出现了专门的AI芯片，它们设计用于高效并行计算，加速AI计算过程，并提高性价比。广义而言，AI 芯片指的是专门用于处理人工智能应用中大量计算任务的模块，除了以 GPU、FPGA、ASIC 为代表的 AI 加速芯片，还有比较前沿性的研究，例如：类脑芯片、可重构通用 AI 芯片等。狭义的 AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片。图：AI芯片技术架构这里面，GPU是AI芯片主力军，因为它拥有卓越的高性能计算能力和通用性，适用于处理复杂算法和通用型人工智能平台。而随着人工智能技术、平台和终端的不断成熟，随着视觉、语音、深度学习的算法在FPGA以及ASIC芯片上的不断优化，此两者也有望逐步占有更多的市场份额。图：主要AI芯片的功能特性比较（资料来源：IDC）图：中国AI芯片市场规模占比（数据来源IDC）根据VMR数据，全球和中国的GPU市场规模预计将继续快速增长。2021年全球GPU市场规模达到334.7亿美元，预计到2030年将增至4773.7亿美元，年复合增长率达34.4%。2020年中国GPU市场规模为47.39亿美元，预计到2027年将增至345.57亿美元，年复合增长率为32.8%。这表明GPU在人工智能领域的需求将继续扩大，并将成为市场的重要推动力量。寻找中国版英伟达，期待国产替代空间对于AI在下一轮科技革命中的地位，各国已经形成共识，都在纷纷抢滩。从中美对比来说，竞争优势的争夺就主要涉及前面提到的算法、大数据资源和算力三方面。在算法设计方面，双方没有明显差距，主要依赖设计团队的智慧和灵感；在大数据资源方面，中国占据着绝对优势，双方在大数据分析技术上相近。然而，决定人工智能产品的关键要素还包括“算力"，计算能力是计算机的核心能力，这也是中美两国长期竞争超级计算机领域的原因之一。国内大模型与国外的主要差距也体现在算力层面，没有算力基础，后面算法等发展都无法进行。在AI芯片领域，国外的芯片巨头占据了大部分市场份额，有着明显的先发优势，比如英伟达、AMD、英特尔的营收几乎代表整个GPU行业收入。而国内的AI芯片产业起步较晚，与世界先进水平存在较大差距，国内AI芯片市场也较为分散，集中度较低，发展空间巨大。图：AI芯片产业图谱图：AI的核心驱动与英伟达的三重壁垒资料来源：长江证券不过，国内一批新兴力量正在崛起，竞争梯队越发丰富。从国内AI芯片厂商格局来看，以大算力或者高性能计算芯片为代表，一梯队，有成熟产品、批量出货的企业，主要包括寒武纪、华为海思、百度昆仑芯、燧原科技，这四家有2-3代更多的产品，技术能力、软件能力都有一定积累；二梯队，主要包括以AI芯片起家的壁仞科技、天数智心、摩尔线程、沐曦等。壁仞科技去年发布的产品规格很高，但主要还停留在纸面数据，实测数据、实际性能方面业界和第三方评测机构评价没有那么高，软件层面从使用角度来讲也还有很大的成长空间。其他几家也陆续有产品推出，但技术能力还停留在推理层面，不像一梯队企业有更成熟的产品经验；三梯队，如海光、景嘉微等。技术能力还有待市场的认可和验证。图：国内AI厂商成立时间表（来源甲子光年）从产品来说，目前国内已经批量生产的产品大多都是A100的上一代，如昆仑芯三代、思远590、燧思3.0等，不过，各公司正在研发更新一代产品，缩小国内外差距。天弘基金指出，向后看，基于国家政策的大力支持，以及自主可控的迫切需求，中国厂商有望迎来更大的国产升级机遇。而如果国内产品能够替代英伟达的算力产品，将会是非常大的机会。数据中心建设方面也需要服务器，会带动国内提供大型服务器的厂商，比如浪潮信息、中科曙光等，以及光模块、调节芯片和散热技术，需求都会受益于大模型浪潮。相信随着国内企业的持续投入和创新，以及政府的支持，中国在人工智能领域的发展势头仍然很强，有望逐步缩小与国外竞争对手的差距。 AI的一切才刚刚开始，其带来的潜在生产力提升和劳动力供应的增加等结果不可低估。而从当下的投资时点来看，2024年半导体芯片板块投资或许可以关注三条主逻辑：一是周期底部，景气复苏；二是人工智能推动超级创新周期，AI芯片迎来发展机遇；三是国产升级研发成果正在逐步落地，突破性产品发布。关注相关投资机会的投资者，可以通过芯片产业ETF（159310）进行布局，覆盖芯片领域高研发投入、高技术壁垒的50家优质成长型企业，把握芯片板块的持续增长机遇。4月8日开始，芯片ETF（159310）正在火热发售中，中信、中信建投、华泰、光大等渠道均可购买。风险提示：观点仅供参考，不构成投资建议。文中所提及企业客观列示，不作为推介。市场有风险，投资需谨慎。指数基金存在跟踪误差。基金过往业绩不代表未来表现，购买前请仔细阅读《基金合同》和《招募说明书》。我国基金运作时间较短，不能反映证券市场发展的所有阶段。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2024-04-09
AI爆发，芯片崛起！
go
在支撑？答案是芯片。准确说，AI芯片是AI算力的核心。有说法称，对标ChatGPT，做好一个大模型的最低门槛就是1万块A100的芯片。前面说到，随着人工智能应用场景和数据规模的扩大，算法模型的复杂度呈指数级增长，特别是深度学习成为主流，需要更快的计算速度。虽然CPU可以执行AI算法，但由于内部逻辑多，对于AI算法来说效率不高。因此，出现了专门的AI芯片，它们设计用于高效并行计算，加速AI计算过程，并提高性价比。广义而言，AI 芯片指的是专门用于处理人工智能应用中大量计算任务的模块，除了以 GPU、FPGA、ASIC 为代表的 AI 加速芯片，还有比较前沿性的研究，例如：类脑芯片、可重构通用 AI 芯片等。狭义的 AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片。图：AI芯片技术架构这里面，GPU是AI芯片主力军，因为它拥有卓越的高性能计算能力和通用性，适用于处理复杂算法和通用型人工智能平台。而随着人工智能技术、平台和终端的不断成熟，随着视觉、语音、深度学习的算法在FPGA以及ASIC芯片上的不断优化，此两者也有望逐步占有更多的市场份额。图：主要AI芯片的功能特性比较(资料来源：IDC) 图：中国AI芯片市场规模占比(数据来源IDC) 根据VMR数据，全球和中国的GPU市场规模预计将继续快速增长。2021年全球GPU市场规模达到334.7亿美元，预计到2030年将增至4773.7亿美元，年复合增长率达34.4%。2020年中国GPU市场规模为47.39亿美元，预计到2027年将增至345.57亿美元，年复合增长率为32.8%。这表明GPU在人工智能领域的需求将继续扩大，并将成为市场的重要推动力量。寻找中国版英伟达，期待国产替代空间对于AI在下一轮科技革命中的地位，各国已经形成共识，都在纷纷抢滩。从中美对比来说，竞争优势的争夺就主要涉及前面提到的算法、大数据资源和算力三方面。在算法设计方面，双方没有明显差距，主要依赖设计团队的智慧和灵感；在大数据资源方面，中国占据着绝对优势，双方在大数据分析技术上相近。然而，决定人工智能产品的关键要素还包括“算力"，计算能力是计算机的核心能力，这也是中美两国长期竞争超级计算机领域的原因之一。国内大模型与国外的主要差距也体现在算力层面，没有算力基础，后面算法等发展都无法进行。在AI芯片领域，国外的芯片巨头占据了大部分市场份额，有着明显的先发优势，比如英伟达、AMD、英特尔的营收几乎代表整个GPU行业收入。而国内的AI芯片产业起步较晚，与世界先进水平存在较大差距，国内AI芯片市场也较为分散，集中度较低，发展空间巨大。图：AI芯片产业图谱图：AI的核心驱动与英伟达的三重壁垒资料来源：长江证券不过，国内一批新兴力量正在崛起，竞争梯队越发丰富。从国内AI芯片厂商格局来看，以大算力或者高性能计算芯片为代表，一梯队，有成熟产品、批量出货的企业，主要包括寒武纪、华为海思、百度昆仑芯、燧原科技，这四家有2-3代更多的产品，技术能力、软件能力都有一定积累；二梯队，主要包括以AI芯片起家的壁仞科技、天数智心、摩尔线程、沐曦等。壁仞科技去年发布的产品规格很高，但主要还停留在纸面数据，实测数据、实际性能方面业界和第三方评测机构评价没有那么高，软件层面从使用角度来讲也还有很大的成长空间。其他几家也陆续有产品推出，但技术能力还停留在推理层面，不像一梯队企业有更成熟的产品经验；三梯队，如海光、景嘉微等。技术能力还有待市场的认可和验证。图：国内AI厂商成立时间表(来源甲子光年) 从产品来说，目前国内已经批量生产的产品大多都是A100的上一代，如昆仑芯三代、思远590、燧思3.0等，不过，各公司正在研发更新一代产品，缩小国内外差距。向后看，基于国家政策的大力支持，以及自主可控的迫切需求，中国厂商有望迎来更大的国产替代机遇。而如果国内产品能够替代英伟达的算力产品，将会是非常大的机会。数据中心建设方面也需要服务器，会带动国内提供大型服务器的厂商，比如浪潮信息、中科曙光等，以及光模块、调节芯片和散热技术，需求都会受益于大模型浪潮。相信随着国内企业的持续投入和创新，以及政府的支持，中国在人工智能领域的发展势头仍然很强，有望逐步缩小与国外竞争对手的差距。 AI的一切才刚刚开始，其带来的潜在生产力提升和劳动力供应的增加等结果不可低估。而从当下的投资时点来看，2024年半导体芯片板块投资或许可以关注三条主逻辑：一是周期底部，景气复苏；二是人工智能推动超级创新周期，AI芯片迎来发展机遇；三是国产替代研发成果正在逐步落地，突破性产品发布。关注相关投资机会的投资者，可以通过芯片产业ETF(159310)进行布局，覆盖芯片领域高研发投入、高技术壁垒的50家优质成长型企业，把握芯片板块的持续增长机遇。4月8日开始，芯片ETF(159310)正在火热发售中，中信、中信建投、华泰、光大等渠道均可购买。风险提示：观点仅供参考，不构成投资建议。文中所提及企业客观列示，不作为推介。市场有风险，投资需谨慎。指数基金存在跟踪误差。基金过往业绩不代表未来表现，购买前请仔细阅读《基金合同》和《招募说明书》。我国基金运作时间较短，不能反映证券市场发展的所有阶段。
证券之星2024-04-09
什么是WEB3.0？什么是PrismNET棱镜协议？
go
棱镜协议？ prismnet是一个主做AI算力集成分发租赁的全球AI超算供给平台，池化系统可以把gpu算力按需分配，切块租赁。落地应用分三个板块，AI算力租赁、AI短视频工具、AI电商图文带货（目前数据非常漂亮）。来源：金色财经
金色财经2024-04-09
AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET
go
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
OpenAI计划建立“数据市场”，AI人工智能ETF(512930.SH)助力把握AI算力崛起投资机遇
 go
截至2024年4月9日 10:55，AI人工智能ETF(512930.SH)盘中反弹，跌幅收窄，最新报价1.08元，盘中成交额已达2974.82万元，换手率3.16%。跟踪指数成分股方面涨跌互现，宝信软件(600845)领涨4.22%，恒玄科技(688608)上涨3.58%，深信服(300454)上涨3.28%。拉长时间看，截至2024年4月8日，AI人工智能ETF近3月累计上涨6.77%。规模方面，AI人工智能ETF近2周规模增长1.17亿元，实现显著增长，新增规模位居可比基金1/3。资金流入方面，AI人工智能ETF最新资金净流入657.16万元。拉长时间看，近8个交易日内有6日资金净流入，合计“吸金”2.25亿元，日均净流入达2815.00万元。消息面上，据了解，AI 公司如 OpenAI、Anthropic 等正在努力寻找足够的信息来训练下一代人工智能模型。数据短缺问题日益突出，对训练下一代强大模型至关重要。面对这一挑战，AI 初创、互联网大厂开始寻找新的方法来解决算力和数据的瓶颈问题。日前，微软携手 OpenAI，投入千亿美元，开发代号为 "Stargate" 的全新人工
有连云2024-04-09
AI+DePIN大爆发：OpenPower全球启幕,预期回报拉满!
go
来，立志于构建一个全球性的、去中心化的AI算力网络。我们的愿景与Delphi Digital联合创始人Tommy的看法不谋而合，即未来将充斥着数十亿个AI模型，每个人都可以下载、个性化开源模型，或为特定用例构建自己的模型集。简言之，OpenPower集成了数据收集、存储、预处理、计算以及AI模型的设计、训练、微调和部署，提供一站式去中心化AI解决方案。我们的目标是融合AI与DePIN技术，通过完善的激励模型吸引广泛用户参与，同时为用户提供低门槛、低成本、高隐私保护的AI服务，构建基于信任的全球AI生态系统。要实现人人可贡献、人人可设计、人人可受益的AI算力世界，OpenPower首先构建了一个去中心化的基础设施层，通过我们的原生代币OPCT实现激励闭环，保证网络的稳定运行。我们设计了一套独特的节点结构来维持网络的稳定性和高效运转，包括智算锚点、智算节点、智算集群和智算中心，这些不同级别的计算单元共同工作，为AI应用提供必要的计算支持，并确保AI技术的快速发展及其广泛应用。通过整合全球的闲置算力，OpenPower不仅优化了算力资源的分配和利用，也降低了获取高质量算力的门槛。我们鼓励全球用户将自己的硬件设备作为节点加入OpenPower网络，共同贡献算力资源，享受经济回报。如此，OpenPower不只是建立了一个去中心化算力网络的基础设施层，更为基于OpenPower智算网络构建的应用提供了支撑。无论是dApp、定制AI还是未来可能爆发的更多创新应用，都将依托这一去中心化智算网络实现更高效的响应、更广泛的数据分析、更可靠的数据安全及更透明的运作流程。随着OpenPower高性能分布式智算网络的框架搭建完成，我们正积极推进产品的具体化，涵盖数据存储、计算、AI部署和训练等多个维度，展现出初步的产品矩阵。这一切都为实现一站式去中心化算力解决方案铺平了道路，开启了AI与DePIN融合的新篇章。OpenPower 计算：整合全球长尾市场算力 OpenPower致力于挖掘和整合全球范围内的闲置算力资源，为AI模型运行提供强大而经济的计算支持。我们深知，在数字化时代，每一台个人电脑、智能手机和平板电脑中都蕴藏着巨大的未利用算力，而这些设备遍布全球每一个角落。OpenPower通过创新的技术手段和智能算法，精准匹配AI项目的计算需求和全球用户的闲置算力，实现资源的最优配置。我们的目标是打破传统计算资源获取的限制和高昂成本，通过利用现有的闲置算力，降低AI技术的门槛，使其更加民主化和普及化。通过OpenPower平台，全球用户可以轻松参与到AI革命中来，不仅为AI研究和应用提供必要的算力支持，还能从中获得实际的经济回报，共享AI技术发展的成果。在实现这一目标的过程中，OpenPower已建立了一套完善的技术体系和运营模式，包括但不限于智能合约、区块链技术和加密算法等，确保闲置算力的安全、透明和公平交易。此外，我们还为算力提供者提供了简易的接入方式和友好的用户界面，让每一个人都能轻松成为全球AI计算网络的一份子。 OpenPower不仅仅是一个算力交易平台，它更是一个连接全球算力资源与AI需求的桥梁，促进全球技术资源的有效利用和科技创新的快速发展。通过不断探索和创新，OpenPower期待在AI和DePIN赛道上实现更多突破，推动全球科技进步与经济增长。 AI+DePIN 炙手可热：OpenPower 的生态布局在AI技术与DePIN结合的新赛道上，OpenPower正迅速成为引领全球科技创新的重要力量。我们正在构建一个全方位的AI解决方案生态，这不仅包括数据的存储、计算资源的供给，还涵盖了AI模型的设计、训练及应用部署等关键环节。OpenPower的目标是通过智算节点的广泛部署，大幅降低技术门槛，吸引全球用户的广泛参与，共同释放闲置的计算资源，提供值得信赖、去中心化、高度定制化的一站式AI服务。 OpenPower背后是一个由顶尖科学家、工程师和行业专家组成的强大团队。自项目启动以来，我们凭借着深厚的技术积累和丰富的实践经验，成功地将OpenPower推向全球市场。尤其值得一提的是，OpenPower的首席执行官，曾在全球顶尖学府担任计算机科学教授，不仅在深度学习和人工智能领域做出了开创性的贡献，而且还是多项创新技术和算法的发明者，拥有众多国际专利和学术成就。在行业合作方面，OpenPower已与包括腾讯云、戴尔科技、联想等在内的全球顶尖企业建立了密切的合作关系，共同探索去中心化技术的创新应用。此外，我们还与OpenAI、Binance等行业领导者建立了战略伙伴关系，为BNB Chain生态下的AI项目提供强有力的算力支持，加速推动行业的整体进步和发展。 OpenPower正以其独特的价值主张和技术优势，为全球AI+DePIN赛道注入新的动力，推动科技与经济的共同发展。我们相信，在不久的将来，OpenPower将成为连接Web2与Web3、推动全球算力共享与AI技术普及的关键桥梁，为世界带来更加智能、高效和公平的数字未来。面向未来：为世界文明跃升贡献力量随着OpenPower全球上线的成功，我们正站在一个AI与DePIN技术融合发展的新起点。在未来，OpenPower将持续拓展其在全球算力网络中的影响力，通过不断优化我们的技术平台，以及扩大与全球科技巨头和创新企业的合作，加速推进AI技术的民主化和普及化。前瞻性的技术研发我们将不断深化对AI与DePIN技术的研究，推出更为高效、安全、透明的算力解决方案。未来，OpenPower致力于成为全球AI算力网络的核心枢纽，支持从个人开发者到大型企业的广泛需求，从而加速AI技术在各行各业的创新应用。拓展全球算力网络 OpenPower的全球算力网络将持续扩张，我们计划在未来几年内覆盖更多国家和地区，建立更多的智算中心。通过提供接近用户的算力服务，我们能够有效降低延迟，提高算力的可访问性和经济性，促进全球数字经济的均衡发展。构建全球AI生态系统 OpenPower不仅是一个算力提供平台，更是一个全球AI生态系统的构建者。我们将携手全球开发者、科研机构、企业及其他合作伙伴，共同推动AI技术的革新，探索AI与DePIN结合的新模式，促进AI技术的应用落地和产业化发展。强化社区和平台治理社区是OpenPower成功的关键。我们将持续加强与全球社区的互动与合作，鼓励社区参与到OpenPower的发展和治理中来。通过完善的激励机制和透明的治理模型，我们致力于构建一个开放、公平、共赢的AI算力生态。未来展望展望未来，OpenPower将以其创新的AI+DePIN模式，引领全球算力和AI技术的新浪潮。我们相信，通过OpenPower的努力，可以实现更广泛的技术普及，推动全球经济的高质量发展，并最终实现人类社会的智能化升级和可持续发展的美好愿景。随着OpenPower生态的不断壮大和完善，我们期待着与全球合作伙伴和用户一同创造更加繁荣的AI未来。来源：金色财经
金色财经2024-04-08

上一页
1
•••
108
109
110
111
112
•••
230
下一页

24小时热点

最新话题更多