FX168财经网_全球视野外汇黄金加密货币NFT资讯网

人工智能时代的算力挑战

率的可能也是有限的。根据阿姆达尔定律（Amdahl’s Law），对于给定的运算量，当并行计算的线程趋向于无穷时，系统的加速比会趋向于一个上限，这个上限将是串行运算在总运算中所占比例的倒数。举例来说，如果在一个运算中，串行运算的比例是20%，那么无论我们在并行运算部分投入多少处理器，引入多少线程，其加速比也不会突破5。这就好像，如果我要写一本关于生成式AI的书，可以将一些资料查找的工作交给研究助手。显然，如果我有更多的研究助手，写书的进度也会加快。但这种加快不是无限的，因为最终这本书什么时候写完，还要看我自己“码字”的速度。（2）分布式计算采用聚集资源的方式来增强算力的另一种思路就是分布式计算。和高性能计算主要聚集本地计算单位不同，分布式计算则是将分散在不同物理区域的计算单位聚集起来，去共同完成某一计算任务。比如，刘慈欣在他的小说《球状闪电》中就提到过一个叫做SETI@home的科研计划（注：这个项目是真实存在的），这个计划试图将互联网上闲置的个人计算机算力集中起来处理天文数据，这就是一个典型的分布式计算用例。分布式计算的一个典型代表就是我们现在经常听说的云计算。关于云计算的定义，目前的说法并不统一。一个比较有代表性的观点来自于美国国家标准和技术研究所（NIST），根据这种观点，“云计算是一种按使用量付费的模式。这种模式对可配置的IT资源（包括网络、服务器、存储、应用软件、服务）共享池提供了可用的、便捷的、按需供应的网络访问。在这些IT资源被提供的过程中，只需要投入很少的管理和交流工作”。这个定义很抽象、很学院派，我们可以用一个通俗的比喻来对其进行理解。在传统上，用户主要是通过调用自有的单一IT资源，这就好比每家每户自己发电供自己用；而云计算则好像是（用大量算力设备）建了一个大型的“发电站”，然后将“电力”（IT资源）输出给所有用户来用。根据云服务提供者所提供的IT资源的不同，可以产生不同的“云交付模式”（Cloud Delivery Model）。由于IT资源的种类很多，因此对应的“云交付模式”也就很多。在各类新闻报道中，最常见的“云交付模式”有三种：第一种是IaaS，它的全称是“基础设施作为服务”（Infrastructure-as-a-Service）。在这种交付模式下，云服务的提供者供给的主要是存储、硬件、服务器和网络等基础设施。第二种是PaaS，它的全称是“平台作为服务”（Platform-as-a-Service）。在这种交付模式下，云服务的提供者需要供应的资源更多，以便为使用者提供一个“就绪可用”（ready-to-use）的计算平台，以满足他们设计、开发、测试和部署应用程序的需要。第三种是SaaS，也就是“软件作为服务”（Software-as-a-Service）。在这种交付模式下，云服务提供者将成品的软件作为产品来提供给用户，供其使用。有了以上不同的云交付模式，用户就可以根据自己的需要来选择相应的IT资源。比如，如果元宇宙的用户需要更多的算力或存储，而本地的机器无法满足，那么就可以通过从云端来获取“外援”。一个云端GPU不够，那就再来几个，按需取用，丰俭由人，既方便，又不至于产生浪费。需要指出的是，尽管从理论上看云计算可以很好地承担巨大运算和存储需求，但其缺陷也是很明显的。比较重要的一点是，在执行云计算时，有大量的数据要在本地和云端之间进行交换，这可能会造成明显的延迟。尤其是数据吞吐量过大时，这种延迟就更加严重。对于用户来说，这可能会对其使用体验产生非常负面的效果。那么怎么才能克服这个问题呢？一个直观的思路就是，在靠近用户或设备一侧安放一个能够进行计算、存储和传输的平台。这个平台一方面可以在终端和云端之间承担起一个中介的作用，另一方面则可以对终端的各种要求作出实时的回应。这个思想，就是所谓的边缘计算。由于边缘平台靠近用户，因而其与用户的数据交换会更加及时，延迟问题就可以得到比较好的破解。 2、超越经典计算——以量子计算为例无论是高性能计算还是分布式计算，其本质都是在运算资源的分配上下功夫。但正如我们前面看到的，通过这种思路来提升算力是有很多障碍的。因此，现在很多人希望从计算方式本身来进行突破，从而实现更高的计算效率。其中，量子计算就是最有代表性的例子。我们知道，经典计算的基本单位是比特，比特的状态要么是0，要么是1，因此经典计算机中的所有问题都可以分解为对0和1的操作。一个比特的存储单元只能存储一个0或者一个1。而量子计算的基本单位则是量子比特，它的状态则可以是一个多维的向量，向量的每一个维度都可以表示一个状态。这样一来，量子存储器就比经典的存储器有很大的优势。考虑一个有 N物理比特的存储器，如果它是经典存储器，那么它只能存储2的N次方个可能数据当中的任一个；而如果它是量子存储器，那么它就可以同时存储2的N次方个数据。随着 N的增加，量子存储器相对于经典存储器的存储能力就会出现指数级增长。例如，一个250量子比特的存储器可能存储的数就可以达到2的250次方个,比现有已知的宇宙中全部原子数目还要多。在进行量子计算时，数学操作可以同时对存储器中全部的数据进行。这样一来，量子计算机在实施一次的运算中可以同时对2的N次方个输入数进行数学运算。其效果相当于经典计算机要重复实施2的N次方次操作，或者采用2的N次方个不同处理器实行并行操作。依靠这样的设定，就可以大幅度节省计算次数。为了帮助大家理解，我们可以打一个并不是太恰当的比方：玩过动作游戏的朋友大多知道，在游戏中，我们扮演的英雄经常可以使用很多招数，有些招数只能是针对单一对象输出的；而另一些招数则可以针对全体敌人输出。这里，前一类的单体输出招数就相当于经典计算，而后一类的群体输出招数就相当于量子计算。我们知道，在面对大量小怪围攻的时候，一次群体输出产生的效果可以顶得上很多次单体输出的招数。同样的道理，在一些特定情况下，量子计算可以比经典计算实现非常大的效率提升。举例来说，大数因式分解在破解公开密钥加密的过程中有十分重要的价值。如果用计算机，采用现在常用的Shor算法来对数N进行因式分解，其运算的时间将会随着N对应的二进制数的长度呈现指数级增长。1994年时，曾有人组织全球的1600个工作站对一个二进制长度为129的数字进行了因式分解。这项工作足足用了8个月才完成。然而，如果同样的问题换成用量子计算来解决，那么整个问题就可以在1秒之内解决。量子计算的威力由此可见一斑。但是，在看到量子计算威力的同时，我们也必须认识到，至少到目前为止，量子计算的威力还只能体现对少数几种特殊问题的处理上，其通用性还比较弱。事实上，现在见诸报道的各种量子计算机也都只能执行专门算法，而不能执行通用计算。比如，谷歌和NASA联合开发的D-Wave就只能执行量子退火（Quantum Annealing）算法，而我国研发的光量子计算机“九章”则是专门被用来研究“高斯玻色取样”问题的。尽管它们在各自的专业领域表现十分优异，但都还不能用来解决通用问题。这就好像游戏中的群体攻击大招，虽然攻击范围广，但是对每个个体的杀伤力都比较弱。因此，如果遇上大群的小怪，群体攻击固然厉害，但如果遇上防御高、血条厚的Boss，这种攻击就派不上用处了。从这个角度看，如果我们希望让量子计算大发神威，就必须先找出适合量子计算应用的问题和场景，然后再找到相应的算法。与此同时，我们也必须认识到，虽然量子计算的研发和探索十分重要，但是它和对其他技术路径的探索之间更应该是互补，而不是替代的关系。 3、通过改进算法节约算力如果说，通过高性能计算、分布式计算，以及量子计算等手段来提升算力是“开源”，那么通过改进算法来节约算力就是“节流”。从提升计算效率、减少因计算而产生的经济、环境成本而言，开源和节流在某种程度上具有同等重要的价值。在ChatGPT爆火之后，大模型开始越来越受到人们的青睐。由于在同等条件下，模型的参数越多、训练的数据越大，它的表现就越好，因此为了追求模型的更好表现，现在的模型正在变得越来越大。我们知道，现在的ChatGPT主要是在GPT-3.5的基础上训练的。在它出现之前，GPT共经历了三代。GPT-1的参数大约为1.17亿个，预训练数据为5GB，从现在看来并不算多；到了GPT-2，参数量就增加到了15亿个，预训练数据也达到了40GB；而到了GPT-3，参数量则已经迅速膨胀到了骇人的1750亿个，预训练数据也达到了45TB。为了训练GPT-3，单次成本就需要140万美元。尽管OpenAI并没有公布GPT-3.5的具体情况，但可以想象，它的参数量和预训练数据上都会比GPT-3更高。为了训练这个模型，微软专门组建了一个由1万个V100GPU组成的高性能网络集群，总算力消耗达到了3640“算力当量”——也就是说，如果用一台每秒计算一千万亿次的计算机来训练这个模型，那么大约需要近十年才能完成这个任务。如果任由这种“一代更比一代大”的趋势持续下去，那么在未来几年，对算力的需求将会出现爆炸性的增长。一项最新的研究估计，在5年之后，AI模型需要的算力可能会是现在的100万倍。很显然，由此产生的经济和环境成本将会是十分惊人的。令人欣慰的是，目前已经有不少研究者希望改进算法、优化模型来减少对算力的需求，并且已经取得了一定的成就。比如，就在今年1月3日，来自奥地利科学技术研究所 (ISTA)的研究人员埃利亚斯·弗朗塔（Elias Frantar）和丹·阿里斯特尔（Dan Alistarh）合作进行了一项研究，首次针对 100至 1000亿参数的模型规模，提出了精确的单次剪枝方法SparseGPT。SparseGPT可以将GPT系列模型单次剪枝到 50%的稀疏性，而无需任何重新训练。以目前最大的公开可用的GPT-175B模型为例，只需要使用单个GPU在几个小时内就能实现这种剪枝。不仅如此，SparseGPT还很准确，能将精度损失降到最小。在进行了类似的修剪之后，这些大模型在训练时所需要的计算量就会大幅减少，其对算力的需求也就会相应下降。关于提升算力、支持人工智能发展的政策思考随着ChatGPT引领了新一轮的人工智能热潮，市场上对算力的需求也会出现爆炸性的增长。在这种情况下，为了有力支撑人工智能的发展，就必须要通过政策的手段引导算力供给的大幅度增加。而要实现这一点，以下几方面的工作可能是最为值得重视的。第一，应当加快对算力基础设施的建设和布局，提升对全社会算力需求的支持。如前所述，从目前看，分布式计算，尤其是其中的云计算是提升算力的一个有效之举。而要让云计算的效应充分发挥，就需要大力建设各类算力基础设施。唯有如此，才可以让人们随时随地都可以直接通过网络获得所需的算力资源。这里需要指出的是，在布局算力基础设施的时候，应当慎重考虑它们的地域和空间分布，尽可能降低算力的成本。我们知道，不同的地区的土地、水、电力等要素的价格是不同的，这决定了在不同地区生产相同的算力所需要的成本也不尽相同。因此，在建设算力基础设施时，必须统筹全局，尽可能优化成本。需要指出的是，我国正在推进的“东数西算”工程就是这个思路的一个体现。由于我国东部各种资源的使用成本都要高于西部，因此在西部地区建立算力设施，就会大幅降低算力的供给成本，从而在全国范围内达到更优的配置效率。第二，应当加强与算力相关的硬件技术及其应用的研发，为增加算力供应提供支持。与算力相关的硬件技术既包括基于经典计算的各种硬件，如芯片、高性能计算机等，也包括超越经典计算理论，根据新计算理论开发的硬件，如量子计算机等。从供给的角度看，这些硬件是根本，它们的性能直接关系到算力提供的可能性界限。因此，必须用政策积极促进这些硬件的攻关和研发。尤其是对于一些“卡脖子”的项目，应当首先加以突破。这里需要指出的是，在进行技术研发的同时，也应该积极探索技术的应用。例如，我们现在已经在量子计算领域取得了一些成果，但是由于用例的缺乏，这些成果并没有能够转化为现实的应用。从这个意义上讲，我们也需要加强对技术应用的研究。如果可以把一些计算问题转化成量子计算问题，就可以充分发挥量子计算机的优势，实现计算效率的大幅提升。第三，应当对算法、架构等软件层面的要素进行优化，在保证AI产品性能的同时，尽可能减少对算力的依赖。从降低AI计算成本的角度看，降低模型的算力需求和提升算力具有同等重要的意义。因此，在用政策的手段促进算力供给的同时，也应当以同样的力度对算法、架构和模型的优化予以同等的激励。考虑到类似的成果具有十分巨大的社会正外部性，因此用专利来保护它们并不是最合适的。因此，可以积极鼓励对取得类似成功的人员和单位给予直接的奖励，并同时鼓励他们将这些成果向全社会开源；也可以考虑由政府出面，对类似的模型产品进行招标采购。如果有个人和单位可以按照要求提供相应的成果，政府就支付相应的费用，并对成果进行开源。通过这些举措，就可以很好地激励人们积极投身到改进模型、节约算力的事业中，也可以在有成果产出时，让全社会及时享受到这些成果。总而言之，在人工智能突飞猛进的时代，算力可能是决定人工智能发展上限的一个关键因素。唯有在算力问题上实现突破，人工智能的发展才可能有根本保障。来源：金色财经

金色财经2023-02-21

阿里巴巴再获一众华尔街机构加仓！芒格去年初砍掉一半仓位后三个季度按兵不动

他们在去年四季度增持了英伟达、特斯拉、AMD以及阿里巴巴等公司。其中阿里巴巴的仓位增加较为明显，环比增加了26%。而著名华尔街金融大鳄史蒂夫·科恩旗下的对冲基金Point 72 Hong Kong的持仓报告也显示，第四季度中阿里巴巴依然是他们的第一大持仓股，增持幅度达到19.1%，第四季度末占投资组合高达20.41%。此外，像拼多多、京东、百度以及360数科等中概股也获得了该机构的大幅加仓。可以看出，在一系列的中概股中，第四季度华尔街机构更加偏爱的还是阿里巴巴这只中概股的科技巨头。不过需要提醒一下，13F持仓报告虽然可以给大家带来重要的参考，但考虑到他们发布的时间严重的滞后，我们在第一季度已经过半的时候，才能看到去年第四季度的持仓情况，因此从时效性的角度并不能反映出当前各家机构的实际情况，投资者还是要有选择的进行参考。

TwentyOne2023-02-19

较2022低点涨50%！这一科技板块风头正劲，如何上车？

ced Micro Devices （AMDbuysell）和NXP Semiconductors （NXPI）为“数据中心的领导者”，并表示这些公司将为人工智能的“引擎”提供动力。　　在欧洲，大量芯片股入选了美国银行的“ 2023年欧洲最佳选股”名单　　以Didler Scemama为首的美国银行分析师于2月7日写道：“我们认为，投资者应该布局好半导体仓位，以便在2023年第三季度基本面出现拐点之前的3-6个月跑赢大盘。” 　　该投行补充称，该板块将受益于制造业回流以及加速电气化和数字化等长期主题。　　美银的首选股票为 ASM International（ASMIY）。此外，它还推荐买入ASML和STMicroelectronic （STM）

金融界2023-02-16

通富微电：是AMD最大的封装测试供应商，占其订单总数80%以上

成为通富微电的客户。通过并购，公司与AMD形成了“合资+合作”的强强联合模式，建立了紧密的战略合作伙伴关系；AMD完成对全球FPGA龙头赛灵思的收购，实现了CPU+GPU+FPGA的全方位布局，双方在客户资源、IP和技术组合上具有高度互补性，有利于AMD在5G、数据中心和汽车市场上进一步迈进。公司是AMD最大的封装测试供应商，占其订单总数的80%以上，未来随着大客户资源整合渐入佳境，产生的协同效应将带动整个产业链持续受益。募投项目情况内容显示，公司已完成2021年度非公开发行股票事宜，共发行股票184,199,721股，募集资金总额约26.93亿元，用于募投项目建设、补充流动资金及偿还银行贷款。三个生产型募投项目分别为高性能计算产品封装测试产业化项目、微控制器（MCU）产品封装测试项目、功率器件产品封装测试项目。募投项目均围绕公司主营业务展开，产能释放后公司能够更好的抓住市场发展机遇，满足客户需求，规模优势更加突出，覆盖全面的产品布局与强大的规模化生产能力相得益彰，预计公司的市场竞争力将进一步提升。募投项目的详细情况，可以关注公司后续披露的相关公告。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-15

百度新专利获授权虚拟数字人概念有望获关注

“批量化、短周期、低成本”制作，陆续为AMD、腾讯、百度等各领域一线客户提供技术服务。　　创业黑马：合作国资设立控股子公司，强化元宇宙数字人、Web3.0产业布局。　　平治信息（300571）牵手浙移动杭分，虚拟数字人业务落地

金融界2023-02-15

Coatue Management四季度建仓谷歌及理想，增持阿里巴巴、微软

份从205000万股增加到500万股，AMD和微软的股份。　　根据最新的13F文件，将Rivian Automotive（纳斯达克代码:RIVN）的风险敞口从1960万股减少到833万股，优步的风险敞口从1660万股减少到369万股，PayPal Holdings（纳斯达克代码:PYPL）的风险敞口从469万股减少到160万股，迪士尼（纽约证券交易所代码:DIS）的风险敞口从310万股减少到14.7万股。

金融界2023-02-15

复盘历史，半导体行情处在哪个位置？

导体指数(SOX)$ $美国超微公司(AMD)$ $台积电(TSM)$

老虎证券2023-02-14

格上宏观周报：“通缩”渐远，社融“狂飙”

格上研究 1、私募机构观点汇总本周A股弱势整理，光伏、储能、锂矿、新能源车赛道哑火；CPO、AIGC题材逆势走强，ChatGPT概念股分化。海外方面，美联储哈克：正在增加实现经济软着陆的可能性。需要实现5%以上的利率，然后暂停加息。美联储现在不需要加息50个基点。国内方面，银保监会、央行制定了《商业银行金融资产风险分类办法》，已于2020年3月17日经中国银行保险监督管理委员会2020年第1次委务会审议通过，现予公布，将自2023年7月1日起施行。《办法》称，金融资产按照风险程度分为五类，分别为正常类、关注类、次级类、可疑类、损失类，后三类合称不良资产。《办法》提出，商业银行应对重组资产设置重组观察期。观察期自合同调整后约定的第一次还款日开始计算，应至少包含连续两个还款期，并不得低于1年。《办法》将风险分类对象由贷款扩展至承担信用风险的全部金融资产。金融资产逾期后应至少归为关注类，逾期超过90天、270天应至少归为次级类、可疑类，逾期超过360天应归为损失类。逾期超过90天的债权，即使抵押担保充足，也应归为不良。展望后市，私募管理人认为经济复苏信号逐渐清晰，市场下行风险减少。

格上财富2023-02-12

腾讯、微软、快手等“明星”企业缩减XR业务板块背后的秘密

价跌了29%。亚马逊、英伟达、英特尔、AMD、奈飞等股价则惨遭腰斩；Meta股价则迎来双重暴击跌超64%。从长期来看，地缘政治的冲突、经济衰退的预期，都会让全球资产的配置更加倾向于稳定收益的资产，而非像科技股这样的高风险高收益资产。在这个底层逻辑之下，美国的这些科技公司如果对未来持有一种悲观预期，那对于同样是未来风险业务的XR项目，还会有所期待和投入吗？所以，从整体的大趋势来看，XR行业的投入收缩，是情理之中。 2 性价比是企业企业是否发力业务的根本原因大厂们选择发力XR行业进而进军元宇宙的策略并不难理解，但问题在于，投入了，却没能达到理想的效果——这是每个大厂都恐惧的事情。比如，腾讯 XR 部门成立于 2022 年 6 月，腾讯高级副总裁、游戏业务实际操盘手马晓轶为总负责人，腾讯游戏工作室 NExT Studios 负责人沈黎为 XR 具体业务负责人。XR 部门现有 300 余人，但是多名腾讯 XR 员工透露，XR 部门从成立至今，几乎是“零产出”。实际上，自从2016“VR元年”以来，“性价比”就成为了困扰整个虚拟现实产业的大问题：对于企业来说，投入和产出往往难成正比；而对于消费者来说，无论是在东亚还是欧美市场上，动辄上千美元的PC端VR头显套装，以及预算需求至少与此持平的高性能PC主机，无不让跃跃欲试的潜在VR爱好者望而却步；再加上即便不惜重金买来了设备，完整体验至少需要3平方米的空间来安装Outside-In定位装置的场地需求，又打消了相当一部分VR关注者的热情。任何新兴科技产品，只有跨过了商业化的鸿沟，才能真正得到大众的接受，引爆市场，成为影响未来十年、甚至二十年、五十年的颠覆式创新品类。这意味着，对于任何科技产品而言，其不仅要做到在产品硬件上使用便捷、体验舒适，还需要突破原有产品的场景边界，让其真正成为一款“破圈”产品。未来发展路径 XR行业在过去几年，既有高光时刻，也有沉寂之时，而如果未来实现像现在手机一样的大众普及，还需要在基础软硬件、内容丰富度、社会认知度三个维度进行提升。基础软硬件头显所包含的关键元器件主要有光学、显示、芯片及交互等模块。光学方案中，Pancake（超短焦）光学方案正逐步替代菲涅尔透镜，成为新一代VR头显首选；光波导技术因显示性能优越、不受视场角和体积的平衡限制，成为未来AR必然选择。近年来已有多款搭载光波导先进AR眼镜落地，例如2021年Rokid、亮风台等推出的8款AR眼镜。一旦光波导技术能够突破瓶颈，达到量产能力，将有望实现快速渗透。显示屏的清晰度和视觉暂留是影响沉浸感的重要指标。目前，Fast LCD和Micro OLED已进入量产阶段，而Micro LED 成为业界期待的下一代显示技术。Micro LED在具备高分辨率、高PPI、高刷新率和高对比度等优点的同时，进一步提升了功耗、色域、响应时间等性能。单一的交互方式无法满足深度沉浸的需求，近年推出的主流头显纷纷加入了手势追踪、眼动追踪功能，如触觉手套、肌电手环等VR手部配件方案，例如索尼PS5专用VR手柄搭载自适应扳机，模拟拉弓和射击等的按压张力，并可提供不同纹理触感，模拟环境变化。在实现技术不断迭代的路径上，也会逐步趋于统一，达到降本增效的目的。一方面有助于上游核心零部件统一规格，加速产业链成熟供应，并降低零部件及整机生产成本。另一方面，在需求侧，硬件升级带动产品体验升级，成本降低助力新头显价格下降，有望进一步提升消费级市场的渗透率。内容丰富度 VR内容日后将成为企业新商业模式中的关键一环。而当新商业模式正式形成后，VR行业也将进入内容为王的时代。新时代将更注重VR设备功能与内容的融合，更注重为消费者创造沉浸式的应用体验。目前，VR在内容生态建设上仍面临着许多问题。比如说，VR内容创作体系的建立。以游戏为例，目前VR厂商真正自主研发的游戏并不多，他们更多的精力还是集中在硬件探索上。对于那些有意涉足内容创作的投资者来说，这一取舍无形中也影响了后者的资源投放。未来内容丰富度的提升，主要在于培养内容创作者。根据数据显示，VR内容创作者目前也存在着严重短缺的问题，在公开的VR内容制作成本中，硬件设备和软件设备的成本占比分别为6%和4%，而剩余的90%全部是人工成本。当未来进入内容为王的时代后，人才的短缺必将掣肘VR内容创作发展。因此，培养VR内容人才的重要性也是迫在眉睫的事情。从条件关系看，只有培养足够多的人才，VR内容创作体系才能进一步发挥作用。社会认知度头显设备在B端和C端的渗透率差异明显。根据Perkins Coie数据，B端场景中2021年VR/AR在医疗健康、教育、劳动力培训、生产制造场景中的渗透率已超20%，其中医疗健康渗透率高达38%。而在C端AR、VR头显设备在中国网民间的渗透率从2021年的0.3%增长至2022年1%，说明面向C端的社会大众认知还是比较低，也是未来需要大力发展的方向。提升社会认知度需要企业、政府、媒体等多个角色共同参与。对于企业来说，一方面通过持续的发布新的产品，开产品发布会和宣传广告等形式提升大家对设备的直观感觉和体验；另一方面也可以组织相关的设备体验活动、产品讨论群等，活跃氛围。对于政府来说，需要在政策补贴、人才支持等方面侧面支持企业的发展，同时也可以举办相关的产品体验大赛或者技能大赛提升大家参与的热情等。对于媒体来说，通过积极报导相关的产业活动、新闻资讯，多渠道的影响到消费者。通过时间的沉淀，逐步增加社会认知度。总结现在的元宇宙技术还处于雏形阶段，XR技术也有很长的路要走，但是人们对于创造虚拟世界的欲望确实愈来愈强。元宇宙也好，相关技术也好，都是一条正确的但又是艰难的道路，随着各种巨头企业的纷纷入局，XR产业还将在曲折中前进，最终全面走入我们的生活，掀起另一场信息革命。来源：金色财经

金色财经2023-02-10

格上每日收评—2023年02月08日

今日市场今日A股高开后震荡走低，三大指数均小幅下跌，创指5连阴，题材股继续活跃。两市超3500只个股下跌，北向资金继续小幅净流出。盘面上，固态电池板块全天强势，高压快充、换电概念等新能源设施板块持续走强，医药医疗股集体活跃，航运、酒店等板块上行；数字经济概念陷入回调，传媒、教育板块走低，农业股走弱，贵金属、半导体等板块下行。截至收盘，今日上证指数收于3232.11点，下跌0.49%，成交额为2933亿元；深证成指下跌0.62%，成交额为5114亿元；创业板指下跌0.48%。今日两市上涨个股数量为1378只，下跌个股数为3533只。从风格指数上来看，今日所有风格表现不佳，其中消费和金融风格的个股跌幅最小，成长和稳定风格的个股表现最弱。近期风格转换较为明显。盘面上，31个申万一级行业中有5个行业上涨，其中家医药生物，综合，交通运输行业领涨，涨幅分别为0.24%，0.15%，0.10%。传媒，通信，国防军工行业领跌，跌幅分别为2.01%，1.59%，1.29%。资金面上，今日北向资金净流出13.90亿元；其中沪股通净流出4.36亿元，深股通净流出9.54亿元。近三个月北向资金净流入

格上财富2023-02-08

24小时热点