FX168财经网_全球视野外汇黄金加密货币NFT资讯网

【欧股收市】欧洲股市从一个月低点反弹，焦点转向欧洲央行利率决定

降息至9月份。晨星公司欧洲市场策略师Michael Field表示：“这只是最初的冲击，然后又出现了某种乐观情绪，想知道这是否会产生巨大的影响？”他认为这些数据可能会巩固欧洲央行在美联储之前降息的押注。现在焦点转向欧洲央行周四的政策会议，预计将维持利率稳定。由于鹰派和鸽派都围绕6月降息达成一致，此次会议可能会围绕央行日益增长的信心，即6 月降息的条件已经具备。 Field补充道：“对于欧洲央行来说，他们不仅要权衡通胀是否回升，还要试图在不让我们陷入衰退和不让利率持续太长时间之间保持平衡。” 经济学家料欧元区第一季薪资增速放缓潘森宏观的经济学家Claus Vistesen和Melanie Debono表示，欧洲央行仍然担心工资-价格螺旋上升，在这种情况下，高工资增长将使通胀始终高于目标。但他们说，数据显示，工资和单位劳动力成本的增长滞后于通胀，这表明通胀本身在一定程度上决定了协商后工资增长的速度。随着通胀降温，工资水平也可能会下降。经济学家们说，他们用自己的模型估计，2024年上半年欧元区的工资增长率将下降约1%-1.5%，降至3.0%至3.5%左右。不过，他们补充称，第一季度欧洲央行的协商工资指标不会下降这么多，因为德国许多行业的一次性支付提振了工资增长，尽管意大利的协商工资增长在第四季度一次性飙升后可能出现下滑。欧盟批准对移民规则进行重大改革经过多年的谈判，欧洲议会批准了对欧盟移民和庇护规则的重大改革。欧盟庇护和移民协定自2015年以来一直在筹备中。现在它将在两年后生效。该协定旨在加快庇护程序，促进非正规移民返回本国。协定还将要求欧盟成员国分担对寻求庇护者的责任。去年，约有38万人非法越过欧盟边境，为2016年以来最高水平。欧洲议会主席梅特索拉表示，这在“团结与责任之间取得了平衡”。焦点股份意大利天然气公司(Italgas)股价下跌2.8%，有报道称该公司向国内主要竞争对手2i Rete Gas提出了40亿欧元的初步报价。意大利国家电力公司(Enel)股价下跌2.2%，周二意大利北部一座水力发电厂发生爆炸。巧克力制造商百乐嘉利宝(barrycallebaut)股价上涨11%，此前该公司公布了乐观的半年度收入，缓解了人们对可可价格上涨和其他通胀压力可能影响需求的担忧。英国最大的零售商特易购(Tesco)股价上涨3.3%，此前该公司预计利润将进一步上升。欧洲最大的铜生产商Aurubis股价上涨4.9%，此前梅茨勒资本市场将该公司评级从持有上调为买入。法国支付服务公司Edenred股价下跌4.2%，此前Jefferies将其评级定为“表现不佳”。

Sissi2024-04-11

三个月流出150亿美元灰度CEO称比特币EFT外流趋于平衡

le Investments）CEO Michael Sonnenshein今日表示，经过几个月的投资者抛售，灰度比特币信托的资金外流可能正在达到平衡。今年1月，在美国证券交易委员会（SEC）批准推出现货比特币ETF产品后，灰度一直在努力保持其在该市场的主导地位。研究公司BitMEX Research的数据显示，过去三个月，灰度比特币信托基金（GBTC）的资金流出总额超过150亿美元。当然，由于比特币价格的飙升，灰度所管理的资产仅略微下降至231.3亿美元。 Sonnenshein今日称：“我们确信，该基金已经开始达到某种程度的平衡。一些预期中中资金外流，无论是破产抛售，还是一些投资者进行转手交易，都在很大程度上远离了我们。” Sonnenshin还称，其中一些资金外流是与FTX和其他已倒闭的数字加密货币公司的破产和解相关的出售，还有一些投资者出售灰度ETF只是为了立即购买另一只ETF。许多在2022年和2023年申请破产的数字加密货币公司的资产负债表上，都有灰度当时信托的股票，并希望在产品转换为ETF后出售这些股票，以偿还债权人。但这一点尚未在流动数据中得到充分反映。虽然目前每日流出的资金远低于3月份的6亿美元左右，但仍处于稳健的赤字状态。根据BitMEX Research的数据，灰度周一出现了3.03亿美元的资金外流。 Sonnenshein说：“展望未来，我们更关注的是让更多的投资者进入生态系统，并继续在产品方面创新。”Sonnenshin还暗示，灰度可能会采取措施，与贝莱德(803.9,0.58,0.07%)、富达和其他公司的新产品竞争。目前，贝莱德的iShares比特币信托基金收取0.12%的费用，已经吸引了约178亿美元的资产。而灰度对其转换后的ETF征收1.5%的手续费，远高于大多数竞品约0.25%的平均手续费。Sonnenshin对此表示：“随着时间的推移，以及市场的成熟，预计GBTC的费用将会下降。” 自ETF上市以来，全球最大的数字加密货币比特币得到了提振，今年以来上涨了60%多。

金融界2024-04-10

一文读懂a16z推出的Jolt zkEVM

作者：Michael Zhu（a16z Crypto研究工程师），Sam Ragsdale（a16z Crypto投资工程师）；翻译：金色财经xiaozou 2024年4月9日，a16z 加密研究和工程团队发布了Jolt的初步实现，这是一种新的 SNARK 设计方法，速度比现有技术快 2 倍，并且还会有更多改进。可验证计算（俗称ZK）是一项非常强大的技术，既适用于区块链也适用于非区块链。它使一台计算机（verifier验证者）能够将计算委托给另一台更强大的计算机（prover证明者），并由其有效地验证计算是否被正确执行。在加密行业，可验证计算的应用（尤其是SNARKs）包括： Layer 2（L2）区块链使用SNARKs来保证其状态转换的完整性。跨链桥使用SNARKs来证明一条链到另一条链上的存款/取款转移。一个“ZK协处理器”（由Axiom定义）使用SNARKs来证明一些链上数据的链下计算，如若这些链上数据在智能合约中进行原生计算成本则太过高昂。还有许多几乎未被探索的有趣的非区块链用例。例如，云服务提供商可以向其客户端证明他们正确地运行了委托给其服务器的某些计算。像npm或crates.io这样的软件注册表可以证明二进制文件是从特定的源代码编译的，从而降低了软件供应链攻击的风险。或者一个人可以证明他们的《超级马里奥兄弟》的工具辅助竞速（TAS）打破了世界纪录（RISC Zero也描写过这个想法）。这些应用程序中有很多涉及到的程序过于复杂，无法转换成电路DSL（特定域语言）——想象一下，例如，使用Circom语言重写整个编译器或NES模拟器。但是，如果程序编译成由zkVM支持的指令集，则不需要手写电路或DSL转换：程序员只需要用他们选择的高级编程语言编写程序，由zkVM处理其余的工作。那么，剩下的挑战就是zkVM prover的性能：它需要足够快才有用。这对于区块链用例尤其重要，因为prover时间会影响延迟，从而影响用户体验。可验证计算长期以来一直被吹捧为有望是区块链扩容的终极解决方案，但该技术在采用方面面临三大障碍：性能：与原生执行相比，证明程序的执行会引入高几个数量级的开销。复杂性：SNARKs的复杂性引发了人们对其实现安全的担忧，因为将肩负着数十亿美元链上资产的安全保障。可用性：像Circom这样的特定域语言（DSLs）所要求的专业知识是大多数软件开发人员无法获得的。零知识虚拟机（zkVMs）的发展克服了第三个障碍（可用性），因为zkVMs允许开发人员使用Rust或Go等高级编程语言编写程序，而不需要任何底层SNARK的知识来证明其执行。但是zkVMs可用性的提高也导致了高昂的性能开销（8到9个数量级）和复杂的部署。去年，一篇Jolt文章为zkVMs引入了一个新范式，承诺克服性能开销和部署复杂性这两大挑战。与基于STARK的既有想法相比，Jolt的理论背景有所不同。通过利用Lasso查询参数和其他基于sumcheck的技术，Jolt可以比以往更快地证明程序，并且比以往更容易部署新的VM指令。如今，我们很高兴为RV32I指令集发布一个Jolt开源部署，实现了那篇Jolt文章里所做的承诺。快速：我们的部署比RISC Zero快5倍以上，比刚刚发布的SP1在初步基准测试中快2倍。（相对）简洁：整个代码库不到25,000行Rust（不到其他zkVMs的一半），单个CPU指令只需50行代码即可实现。下面，我们一起来看性能基准，可以看出Jolt是最先进的新兴zkVM。我们还为有兴趣开发使用Jolt的应用程序的开发者提供了一些指导，同时也为有兴趣为Jolt做出贡献的开发者提供了一个路线图预览——我们预计在未来几个月里，Jolt会变得更快、更易使用。 a16z加密工程团队是建立在对开源价值的坚定信念之上的。将Jolt打造为一个开源的公共产品将加速zkVM研究、更广泛的SNARK研究以及整个web3行业的发展。在封闭源代码的孤岛中构建加密技术（代码无法由公众审查），通常会给本不可信的系统带去信任。 1、性能一直以来，与原生执行相比，zkVMs会带来大约8个数量级的开销，这使得许多可验证计算的应用程序无法实现。当前版本的Jolt将这一开销降低到了6个数量级以下。虽然我们已经具备了最先进的性能，但Jolt的底层技术（基于sumcheck协议）并没有像更流行的技术（基于FRI）那样受到工程师的关注。这表明Jolt还有更多的发展空间——我们已经在路线图上设定了一些优化，我们预计还会有未发现的机会。我们的a16z/zkvm基准测试在各种不同Rust程序上对Jolt、SP1和RISC Zero进行了基准点测定。结果是在许多同类RV32程序中，相对性能是相似的。下图将参考一个执行Sha2哈希链的程序。这些基准测试的结果如下所示。基准测试是在AWS r7g. 16xlarge ARM机上运行的，具有64 CPU内核和512 GiB DDR5 RAM。所有基准测试都仅针对CPU。使用continuations的连续系统面临着prover时间和证明大小之间的利弊权衡——当证明被分割成更多“shard分片”（或“段”）时，prover变得更快（由于分片之间的并行化），但在递归之前具有证明体积更大。证明大小基准测试如下所示，其中SP1的结果由分片计数参数化：SP1（shard_count）。RISC Zero有一个固定大小的分片，因此它的分片计数随着程序周期计数隐式增长。RISC Zero支持递归（SP1和Jolt尚未支持），但下面的基准测试是在没有递归的情况下进行的性能检测。我们也不使用“预编译”，因此基准测试反映了核心zkVM证明系统的性能。 2、如何在Jolt上开发建设为了使Jolt尽可能易用，Jolt SDK（由a16z crypto工程合作伙伴Noah Citron构建）提供了围绕Jolt核心功能的简式wrappers。你所要做的就是：向要证明的函数添加jolt_sdk::provable属性。然后，你将能够使用build_*函数来创建一个prover和verifier。请在代码库中查看完整的Fibonacci示例（及其他）。为了更深入地了解Jolt架构，Jolt Book（WIP）是一个关于没有在Jolt文章中记录的设计选择和代码库的实时更新文档。在接下来的几周内，我们将面向有兴趣在Jolt上进行开发建设或想要了解Jolt内部机制的开发者发布更多内容。 3、接下来是什么虽然Jolt是zkVM领域的一个重要里程碑，但我们还有很长的路要走。退一步说，我们的性能基准测试表明，Jolt prover（在M3 Max上）证明了一个程序的速度与100kHz处理器一样快——是阿波罗11号载人飞行登月任务机载计算能力的两倍多。再做一个谦虚的比较，和TI-84图形计算器相比慢150倍。为了达到计算机级别的性能，我们有很多工作要做。我们将继续改进Jolt的性能和可用性，以便为开发者提供最好的开发体验。路线图上的以下主要任务让我们倍感兴奋： Binius：Ben Diamond和Jim Posen最近提出了一个多线性多项式承诺方案，该方案对像Jolt这样的系统尤其有用，因为承诺值很小。Binius与Justin Thaler的小域sumcheck算法相结合，将显著提高Jolt的prover性能（我们预计是5-10倍）。更多指令：Jolt代码库目前部署了RV32I，但Jolt结构非常灵活。我们计划添加RISC-V “M” extension提供对整数乘法和除法的支持，如Jolt一文中所述。此外，Jolt可以轻松支持64位变体RV64IM。 Continuations连续系统：目前，由于内存限制，Jolt无法证明任意长度的计算。我们将使用continuations将长计算分成更小的计算块，每个块都可以由Jolt证明。这将减少内存使用，并在证明单个计算时支持额外的并行性。证明递归：通过将Jolt与另一证明系统组合在一起，我们进一步减少了证明大小和验证时间。例如，Jolt验证器可以使用Circom语言实现，以生成可在链上有效验证的恒定大小的Groth16证明。来源：金色财经

金色财经2024-04-10

0G首席执行官：如何打造“高性能、聚焦AI、可编程”的模块化AI区块链

家机构。 0G的首席执行官、联合创始人Michael Heinrich近日介绍了项目理念、当前的开发进展和未来路线图，以及项目成立背后的更多细节。 0G的创新：高性能、聚焦AI、可编程性从官方介绍来看，0G是第一个具有超级可扩展性和去中心化特性的内置通用存储层的数据可用性系统。0G的可扩展性取决于将数据可用性的工作流程分为数据发布通道(data publishing lane)和数据存储通道(data storage lane)的想法。大量数据传输发生在由存储层支持的数据存储通道上，通过良好设计的分区实现水平扩展性，而数据发布通道通过数据可用性抽样的共识保证数据可用性属性，该过程只需要通过共识协议传输微小数据，以避免交易广播的瓶颈。更加通俗地说，Michael表示，0G有三个特点：“我们通过市场上最快的数据可用性层，帮助高性能的DApps在网络上启动。关键创新有三个方面：1）高性能，2）聚焦于AI，3）数据可用性平台的可编程性。” 从性能的角度来看，0G找到了在共识层横向扩展节点的方法，还找到了如何扩展共识层自身的方法。“这意味着我们能够提供无限的数据可用性吞吐率。在每个共识层，我们可以提供约50GB的数据可用性容量，这比danksharding或其他方法快50000倍，并且成本大约便宜100倍。因此，我们可以真正达到模仿Web2的成本和性能。” 据他透露，0G的模块化AI区块链将支持一系列的DApps，包括AI、游戏、高频交易DeFi、DePIN应用等，这对该领域来说是一个重大突破。 “我们也可以在其中涵盖更多的技术型的创新。然后，聚焦AI是基础设施的一部分，包括分布式存储网络。人们可以使用它来存储AI模型，使用DA属性来提供分布式的推理追踪(inference traces)和opML案例。这样就实现了一个数据基础设施的全方位解决方案，特别是为AI打造。随着时间的推移，我们在这个领域将会有越来越多的创新。” 除了以上两个特点，0G还具有可编程性。区块链和开发者可以通过智能合约保存他们的整个状态，然后稍后加载该状态。“当他们这样做时，他们可以完全定制存储的时间长度、存储的位置、使用的数据类型，安全属性，以及想要多少的数据备份。因此，它完全可根据您的需求进行编程。这三个关键创新，使我们与加密领域中的其他数据可用性层区别开来。” 投资机构热捧，20倍超额认购作为一家初创企业，0G最开始的融资只是个基础的目标，500万美元，用于发展核心技术。但是当0G选择了Hack VC作为领投方时，大门立刻敞开，0G获得了20倍的超额认购。吸引了超过1亿美元的投资兴趣，0G最终与他们认为最能提供帮助的投资者进行了合作。 “我认为这背后的原因包括：团队的能力；这个领域以及它带来的潜力；初期进入的投资者的质量，他们打开了大门，让其他投资者也想要参与进来。Hack VC 是我们收到的第一个投资意向书，一旦他们投资，很多其他人也迅速跟进。” Michael表示，0G收到的投资资金，主要将用于市场推广和工程开发。这是两个主要的用途。大致上会将资金平分给这两个方面。谈到项目最初设立的原因，Michael表示，他最初是从斯坦福大学认识 Thomas Yao的，两人是同学，随着时间的推移成为了很好的朋友。“所以我现在认识Yao已经有10年了。他知道我想在Web 3和AI领域建设一些东西。于是他在2022年底给我打了电话，说：‘嘿，几年前我投资了一家名为Conflux的公司，Ming Wu和Fan Long两位非常出色，他们想要在全球范围内启动一些项目，我认为我们四个人可以组成一个非常有实力的团队。’于是我们聚在一起，我花了大约6个月的时间与联合创始人频繁会面。”Michael表示。主网预计Q3发布 0G创立于去年，大约是9个月前左右。现在，与其说是面对一些开发中的挑战，0G的技术团队目前正在做的是专注优化，对于他们来说，所面对的挑战更多的是如何真正优化系统的每个部分。比如，团队研究不同的纠删码(erasure coding)方案，然后找到了一个我们修改过的实现方案，使得速度比我们见过的任何其他方案都快了三倍。 “这不太涉及到挑战，更多的是优化基础设施。我们正在以非常系统化的方式构建它。我们首先从分散式存储网络开始，然后我们添加了纠删码组件，添加了共识层组件，添加了KZG commits，然后作为共识网络的一部分添加了数据可用性抽样。” 这些组件中的每一个都需要大量的优化。这就是目前0G在开发中，花费时间较多的地方。另一个耗费大量时间的地方是优化共识，以使其高效。因此，最初，0G只会使用现成的共识，但主网的第二阶段将使用更改后的Conflux共识机制。因此，这将需要大量的时间。现在有大约30个人的0G，有超过一半是工程师。Michael表示，0G的团队阵容非常强大，“我们有许多奥赛金牌和信息学竞赛奖牌。这是我曾经合作过的最优秀的工程团队。因此，我真的为与我们的团队感到非常自豪。” 目前，0G尚未披露估值和代币发行时间。0G主网将在今年第三季度发布。“我们正试图让它尽早在第三季度进行。我们正在非常努力地工作，使这成为可能。” Michael表示，这将是主网的第一阶段。“我们将有多个阶段，在未来会宣布每个阶段将包含的功能。” 就合作伙伴关系而言，0G目前正在与一些加密领域中出色的Layer2合作，比如Polygon。还将合作的有一些与人工智能项目、游戏项目和一些DeFi项目合作。除此之外，Michael透露，0G还将与一些 rollups-as-a-service 提供商进行合作。来源：金色财经

金色财经2024-04-10

雾麻科技将于4月17日参加Benzinga资本大会并发表演讲

nga资本大会。雾麻科技联席首席执行官Michael Wang将于美国东部时间2024年4月17日星期三上午11:00与投资者会面，并参与主题为"Puff to Profit: How a Sneaky Product Snuck up the Demand Rankings "的研讨会并发表演讲。该研讨的直播将在雾麻科技投资者关系网站上提供。

格隆汇2024-04-10

雾麻科技将于4月17日参加Benzinga资本大会并发表演讲

ga资本大会。雾麻科技联席首席执行官Michael Wang将于美国东部时间2024年4月17日星期三上午11:00与投资者会面，并参与主题为"Puff to Profit: How a Sneaky Product Snuck up the Demand Rankings "的研讨会并发表演讲。该研讨的直播将在雾麻科技投资者关系网站上提供。

金融界2024-04-10

大摩：强劲数据和强势美股支持美国经济“不着陆”

的想法。摩根士丹利的迈克尔·威尔逊（Michael Wilson）和他的团队在周一（4月8日）给客户的一份报告中表示，投资者已经放弃了几个月前似乎可能的“软着陆”观点。在那种情况下，通胀将继续下降，美国将进入一个短暂、浅层的衰退。#2024投资策略# 然而，一系列乐观的数据使得这种观点变得复杂。3份，美国失业率下降至3.8％，并伴随着ISM制造业指数的强劲表现，以及年度个人消费支出增长了2.5％，这是美联储首选的通胀衡量指标。他在备忘录中写道：“宏观数据和股票市场领导力已经开始支持没有着陆的结果，最近的增长数据超过了大多数预测者的预期，而通胀数据也比预期的要坚挺一些。” 威尔逊强调了股市领导力的扩大，例如今年迄今为止周期性行业（如能源和材料）的表现优异，他说这支持了“股票市场正在开始适应更好的增长环境”的观点。股市领导力的多样化与去年由人工智能推动的科技激增形成了鲜明对比，但威尔逊警告说，尽管周期性敏感的股票和行业正在势头上升，但保持品质至关重要。 “我们认为在仍处于后周期而不是早期周期增长重新加速的情况下，品质和周期性因素的结合是有意义的。”他说，并补充说，如果后一种情况成立，投资者将目睹低质量周期股和小盘股持续表现优异。股市对宏观环境发展的反应导致了过去一年中市场观点在软着陆或硬着陆的预期之间来回摇摆。策略师还强调了10年期美国国债收益率作为市场对宏观经济条件敏感性的关键指标的重要性，称小盘股和低质量股票对利率变化的敏感性比大盘股更高。 “如果10年期国债收益率持续上升到4.35-4.40以上，利率敏感性可能会更广泛增加，但我们仍然预计大盘、高品质股票将在相对基础上表现优异。”他们补充道。

Dan19772024-04-10

摩根士丹利：投资者无奈接受美国经济“不着陆”预期呼吁关注绩优股

资策略# 摩根士丹利的迈克尔·威尔逊（Michael Wilson）及其团队在周一（4月8日）致客户的一份备忘录中表示，投资者已经放弃了几个月前似乎可能的“软着陆”观点。在那种情况下，通胀将继续下降，美国将进入一场短暂而浅层的经济衰退。然而，一连串乐观的数据复杂化了这种观点。3月份美国失业率降至3.8%，伴随着ISM制造业指数强劲的数据和个人消费支出年度增长2.5%，这是美联储偏爱的通胀测量指标。他在备忘录中写道：“宏观数据和股市领涨股开始支持不着陆的结果，最近的增长数据超出了大多数预测者的预期，而通胀数据则比预期略显顽固。” 威尔逊强调了股市领导地位的扩大，例如今年迄今周期性行业如能源和材料部门的表现优于其他行业，他表示，这支持了“股票市场正在开始适应更好的增长环境”的观点。股市的多样化与去年人工智能推动的科技股激增形成了鲜明对比，但威尔逊警告说，虽然周期性敏感的股票和部门正在增长势头，但保持品质至关重要。他说：“在我们看来，品质和周期性因素的结合在仍处于后周期而非早期周期增长重新加速背景下是有意义的。”他补充说，如果后一种情况属实，投资者将见证低质量的周期性股票和小盘股持续领跑的局面。由于股市对宏观环境的反应且一路过山车般波动。在过去一年中，关于软着陆或硬着陆的预期一直在来回摇摆。策略师还强调了美国10年期国债收益率作为市场对宏观经济状况敏感度的关键指标的重要性，称小盘股和低质量股票相比大盘股更敏感于利率变化。 “虽然如果我们看到10年期国债收益率持续上升至4.35-4.40以上，利率敏感度可能会更广泛地增加，但我们仍然预计大盘、品质优良的股票将在相对基础上表现出色。”他们补充道。

佳华1682024-04-10

福特聚焦混动战略

的战略，有助于福特提高利润率。作者：Michael Del Monte 福特于2024年4月3日发布了一项关键公告，该公司重新将注意力集中在混动汽车上，而不是电动汽车。尽管他们最近发布的F-150 Lightning的销量增长了80%，但利润率的挑战已经拖累了总业务支出，而且似乎没有缓解的迹象。考虑到这种向按需车型的转变，相信福特在度过24财年和充满挑战的宏观经济环境时，将经历比预期更强劲的顺风。运营福特终于在电动车采用和缩减及推迟新电动车发布的同时，开始重视混动电动车。正如他们在2023年第四季度财报电话会议中所指出的，管理层正大力专注于调整运营以满足市场需求，同时变得更加资本自律。从22财年到23财年，福特Model E的EBIT亏损从-40.6%的利润率恶化到23财年的-79.7%，亏损额为-47亿美元。考虑到管理层曾预测他们的电动车部门的EBIT亏损在5亿至55亿美元之间，这是一个谨慎的资本部署，因为消费者更喜欢内燃机和混动汽车，而不是纯电汽车。因此，福特推迟了他们的第二家电池工厂，并削减了F-150 Lightning生产目标。根据福特最近发布的2024年第一季度汽车销售报告，很明显消费者更青睐混动车作为从内燃机升级的一步。福特报告称，第一季度混动车销量同比增长42%，Maverick混动车同比增长77%。公司的电动车队也以较小的销量显著增长，同比增长86%。尽管报告F-150 Lightning销量增长了80%，管理层还是决定在密歇根州迪尔伯恩的F-150 Lightning工厂进行裁员。此外，管理层还将他们在安大略省奥克维尔装配厂推出的全新三排电动车的发布日期推迟到2027年。这应该允许福特减少生产，以更好地管理库存。这也应有助于福特在其他方面，包括管理由于库存膨胀导致经销商处的定价压力以及提高整体业务利润率。这也将允许福特灵活地重新聚焦他们的电动车队战略，以确保生产的电动车是市场所需的正确类型的车辆。来源：华尔街日报在福特Pro方面，福特正在扩大其俄亥俄州的装配厂，以生产全新的电动商用车队。福特将电动汽车的重心重新转向福特Pro是一项强有力的战略举措，因为对这些汽车的需求可能属于企业和政府与ESG相关的要求。这条护城河将使福特能够灵活地为不太注重成本的消费者控制更多的成本。正如他们在23财年财报电话会议中提到的那样，更大的内燃机汽车带来更高的利润率，而更大的电动汽车由于电池成本的原因导致利润率更低。相信商业客户会比零售客户更愿意为电动汽车支付溢价，因为商业客户会更好地理解电池成本的效用，而不是根据视觉效果来判断成本。预计福特Pro将推动增长和利润扩张，因为该公司增强了他们的软件订阅产品。福特计划通过让更多的新车联网来显著增强他们在这一细分市场的汽车产品，相信这将允许更强的软件附着率以及更快、更高质量的维护。管理层暗示，他们正在开发预测性维护功能，以检测车队中的各种部件何时达到使用寿命，这将推动该领域的持续发展，因为它将最大限度地减少车主的停机风险。福特Pro在1-7级全尺寸卡车和货车市场占有40%的强劲份额。随着公司将车队全部转换为电动产品，公司的市场份额将继续增长。展望未来的增长，管理层预计美国汽车销量将持平至温和增长，预计销售量在1600万至1650万辆之间。管理层还预计，随着他们推出新的Super Duty，福特Pro细分市场的实力也会增强，这应该会给Pro细分市场带来积极的定价和组合。管理层确实指出，他们的成本节约计划预计将在24财年节省20亿美元，这将被电动车队的损失所抵消。这些信息可能是在他们与美国银行在2024年汽车峰会上的演讲中发布的。自从宣布削减电动汽车生产以来，如果市场对剩余电动汽车的需求仍然强劲，福特可能会经历一些额外的成本利好和潜在的定价利好。福特未来可能会面临挑战，因为该公司将下一代电动汽车转向更小、更紧凑的汽车。正如他们在2024年4月3日的新闻稿中提到的，他们的混动卡车和SUV创造了有史以来最好的混动季度销售记录。虽然汽车偏好可能是区域性的，但相信消费者更倾向于SUV和CUV，而不是较小的轿车。出于这个原因，尽管成本结构较低，但规模较小的电动汽车车队在推出时可能会面临挑战。财务来源：福特在财务方面，预计福特将在2024财年表现强劲，因为该公司更新了F-150和Maverick。随着公司将精力重新集中在混动车队上，将有利于公司的收入增长和利润率扩大。而商用车队变得更加互联，提供越来越多的软件服务，并提供更容易获得的服务，福特Pro也将创造一些顺风。相信电动汽车的收入将持续增长，但价格逆风将持续存在，该部门的EBIT利润率将不断恶化。虽然电动汽车将会出现转变，但不认为消费者会像商业客户那样迫切。预计自由现金流将因其在24财年的混合转变而得到加强；然而，这一数字预计会下降，因为该公司重新投入电动汽车部门，预计在26-27年的产量会增加。来源：高盛估值与股东价值来源：福特为了股东价值，管理层维持每股0.15美元的季度股息，并增加每股0.18美元的特别股息。下一个周期的股息率有提高的空间，因为由于福特Pro的扩张和全面电气化的缓慢进展，利润率会有所扩大。管理层目前的目标是通过股息和回购向股东支付40-50%的自由现金流。这是一个相对有吸引力的回报，因为过去的股息率仅略低于6%。福特目前的企业价值比调整后EBITDA为9.69倍，这个价格在市场上是合理的。预计福特将在利润率扩张方面具有灵活性，因为他们减少了电动汽车的风险敞口，并加强了利润率更高的混动车型。随着混动车开始重新出现，预计25财年会出现一些收缩；然而，考虑到预期的增长，福特被低估了。 $福特汽车(F)$

老虎证券2024-04-09

AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

到了Delphi Digital研究员Michael rinko所写的《The Real Merge》的启发。本文的部分观点存在对该文章的消化和引述，推荐读者阅读原文。本文为笔者截至发表时的阶段性思考，未来可能可能发生改变，且观点具有极强的主观性，亦可能存在事实、数据、推理逻辑的错误，请勿作为投资参考，欢迎同业的批评和探讨。以下为正文部分。 1.商业逻辑：AI和Web3的结合点 1.1 2023：AI造就的新“奇迹年” 回看人类发展史，一旦科技实现了突破性进展，从个体日常生活，到各个产业格局，再到整个人类文明，都会跟着发生天翻地覆的变化。人类历史中有两个重要年份，分别是1666年和1905年，如今它们被称为科技史上的两大“奇迹年”。 1666年作为奇迹年，是因为牛顿的科学成果在该年集中式地涌现。这一年，他开辟了光学这个物理分支，创立了微积分这个数学分支，导出了引力公式这个现代自然科学的基础定律。这当中无论哪一项都是未来百年人类科学发展的奠基式贡献，大大加速了整体科学的发展。第二个奇迹年是1905年，彼时仅仅26岁的爱因斯坦在《物理学年鉴》上连续发表4篇论文，分别涉及光电效应（为量子力学奠基）、布朗运动（成为分析随机过程的重要引用）、狭义相对论和质能方程（也就是那个知名公式E=MC^2）。在后世评价中，这四篇论文每一篇都超过诺贝尔物理学奖的平均水平（爱因斯坦本人也因为光电效应论文获得了诺贝尔奖），人类文明的历史进程再一次被大大推进了好几步。而刚刚过去的2023年，大概率也会因为ChatGPT，而被称之为又一个“奇迹年”。我们把2023年看做人类科技史上的有一个“奇迹年”，不仅是因为GPT在自然语言理解和生成上的巨大进步，更是因为人类从GPT的进化中摸清了大语言模型能力增长的规律——即通过扩大模型参数和训练数据，就能指数级别提升模型的能力——且这一进程短期还看不到瓶颈（只要算力够用的话）。该能力远不至于理解语言和生成对话，还能被广泛地交叉用于各类科技领域，以大语言模型在生物领域的应用为例： 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。有了基于AI的各类模型，从生物科技、材料科学、药物研发等硬科技，再到法律、艺术等人文领域，必将迎来翻天覆地的变革，而2023正是这一切的元年。我们都知道，近百年来人类在财富上的创造能力是指数级别增长的，而AI技术的快速成熟，必然会进一步加速这一进程。全球GDP总量走势图，数据来源：世界银行 1.2 AI与Crypto的结合要从本质上理解AI与Crypto结合的必要性，可以从两者互补的特性开始。 AI和Crypto特性的互补 AI有三个属性：随机性：AI具有随机性，其内容生产的机制背后是一个难以复现、探查的黑盒，因此结果也具有随机性资源密集：AI是资源密集型产业，需要大量的能源、芯片、算力类人智能：AI（很快将）能够通过图灵测试，此后，人机难辨* ※2023年10月30日，美国加州大学圣迭戈分校的研究小组发布了关于GPT-3.5和GPT-4.0的图灵测试结果（测试报告）。GPT4.0成绩为41%，距离及格线50%仅差9%，同项目人类测试成绩为63%。本图灵测试的含义为有百分之多少的人认为和他聊天的那个对象是真人。如果超过50%，就说明人群中至少有一半以上的人认为那个交谈对象是人，而不是机器，即视作通过图灵测试。 AI在为人类创造新的跨越式的生产力的同时，它的这三个属性也给人类社会带来的巨大的挑战，即：如何验证、控制AI的随机性，让随机性成为一种优势而非缺陷如何满足AI所需要的巨大能源和算力缺口如何分辨人和机器而Crypto和区块链经济的特性，或许正好是解决AI带来的挑战的良药，加密经济具有以下3个特征：确定性：业务基于区块链、代码和智能合约运行，规则和边界清晰，什么输入就有什么结果，高度确定性资源配置高效：加密经济构建了一个庞大的全球自由市场，资源的定价、募集、流转非常快速，且由于代币的存在，可以通过激励加速市场供需的匹配，加速到达临界点免信任：账本公开，代码开源，人人可便捷验证，带来“去信任（trustless）”的系统，而ZK技术则避免验证同时的隐私暴露接下来通过3个例子来说明AI和加密经济的互补性。例子A：解决随机性，基于加密经济的AI代理 AI代理（AI Agent）即负责基于人类意志，替人类执行工作的人工智能程序（代表性项目有Fetch.AI）。假设我们要让自己的AI代理处理一笔金融交易，比如“买入1000美元的BTC”。AI代理可能面临两种情况：情况一，它要对接传统金融机构（比如贝莱德），购入BTC ETF，这里面临着大量的AI代理和中心化机构的适配问题，比如KYC、资料审查、登录、身份验证等等，目前来说还是非常麻烦。情况二，它基于原生加密经济运行，情况会变得简单得多，它会通过Uniswap或是某个聚合交易平台，直接用你的账户签名、下单完成交易，收到WBTC（或是其他封装格式的BTC），整个过程快捷简单。实际上，这就是各类Trading BOT在做的事情，它们实际上已经扮演了一个初级的AI代理的角色，只不过工作专注于交易而已。未来各类交易BOT随着AI的融入和演化，必然能执行更多复杂的交易意图。比如：跟踪100个链上的聪明钱地址，分析它们的交易策略和成功率，用我地址里的10%资金在一周内执行类似交易，并在发现效果不佳时停止，并总结失败的可能原因。 AI在区块链的系统中运行会更加良好，本质上是因为加密经济规则的清晰性，以及系统访问的无许可。在限定的规则下执行任务，AI的随机性带来的潜在风险也将更小。比如AI在棋牌比赛、电子游戏的表现已经碾压人类，就是因为棋牌和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

24小时热点