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

开启未来之门：Victoria VR 与 OpenAI 整合,引领 Web3 AI+AR 风潮
 go
和创造力。用户无需编程技能，可以利用 ChatGPT 的 AI 提示来创建各种内容，从游戏中的物品到整个元宇宙平台，都可以通过 AI 算法来实现。与 OpenAI 的集成扩展了平台的功能，使用户能够创建各种内容类型，能够设计 3D VR 体验，包括游戏和应用程序，以及游戏内物品和虚拟配件。借助区块链，用户在 Victoria VR 上创建的内容被铸造为不可替代代币 (NFT)，使其可交易并具有潜在的货币化能力。虽然如此，AI 和 VR 也存在一些技术局限性，例如 VR 硬件的高成本以及人工智能出现幻觉的情况，这是 AI 模型产生的意外结果。Victoria VR 计划在未来集成其他人工智能技术，例如DALL-E、Midjourney和Stable Diffusion，以进一步增强其平台的能力。Victoria VR首席执行官认为，AI将是未来五年VR发展的主要驱动力。人工智能技术有望改变 VR 开发的各个方面，包括文本生成、代码创建、图像渲染等。Victoria VR 和 OpenAI 的整合为虚拟现实创作提供了全新的可能性，使更多人能够轻松参与到虚拟世界的创作中来。这一整合不仅提升了用户的创作能力和体验，还为创作者带来了更多的收益机会。随着技术的不断进步，AI、AR 和 Web3 的联系将更加紧密，而 Victoria VR 则是引领行业变革的先驱！关于 Victoria VRVictoria VR 是基于区块链的虚拟现实元宇宙，是为数不多的，经过了熊市仍然活跃并不断更新和开发产品的元宇宙项目。虚拟现实类产品，画面和玩法是核心竞争力，Victoria VR 由目前业界最先进的游戏引擎虚幻5进行开发，具有逼真、高度详细的图形呈现。并通过精心的策划，将大型多人在线角色扮演游戏 MMORPG 和独特的社交体验游乐场结合在一起，为玩家提供沉浸式的虚拟世界。Victoria VR 规划使用 PC+VR 设备接入，并在积极准备登陆 Apple Vision Pro，官方 X 近期也放出了使用 VR 的测试画面，表示正在进一步的开发和探索。其首席执行官兼联合创始人 Ondřej Dobruský 曾谈到 Victoria VR 的愿景：“《Victoria VR》非常注重探索——不仅探索游戏的“世界”，还探索你、你的联系以及你在虚拟宇宙中的创造力。” Victoria VR 于 2021 年 11 月公布了一次战略融资，获得了包括 Dominance Ventures、Non-Fungible Fund、Wave Financial、Neon、DAOMaker、Altered Ventures 等机构在内的共 550 万美元战略投资，使其总资金达到了1350万美元！Victoria VR 的虚拟现实元宇宙无论用户是想玩游戏、开发数字房地产（VR 土地）、拥有一家企业、工作还是获得一些娱乐，都能够在 Victoria VR 实现，唯一的限制是自己的想象力！玩家会面对一个集娱乐、探索和学习于一体的虚拟现实世界：玩游戏并完成任务、购买和销售商品和服务、参加课程和讲座、参观虚拟画廊、观看体育赛事、创建自己的游戏和任务、社交、交易真实商品、探索充满冒险和用户内容的世界，以及获得奖励...用户可以享受虚拟宇宙中的生活，探索广阔的世界，并且角色和生活都能够随着游玩的深入进行升级。玩家在探索过程中所创建的游戏世界和因角色行为而产生的资产，将以非同质化通证 NFT 的形式存在。Victoria VR 生态核心 — VR 代币VR 是 Victoria VR 生态系统中的治理代币，所有交易和游戏内购买都需要使用 VR 代币。VR 代币同时也用于 DAO，并且是 VR AI Builder 中每个创作都必需的，它是整个 VR 平台经济系统的核心！ VR 的持有者还可以通过质押获得更多奖励，质押VR通证在每个月都有可能获得具备不同品质的神秘宝箱，以兑换游戏上线后各个种类的道具。随着质押数量越多、时间越长，用户获得游戏收入分享、游戏土地 NFT 白名单、VR 通证质押本身的 APY 的比例就越高。目前有3.71亿的 VR 已经被质押，平均质押时长 3215 天，分发 VR Lands 门票43万余张，魔法空杸门票 262万+ VR 已经上线多个知名 CEX，其中 Bitget 2024 年 2 月份刚刚官宣上线 VR。未来展望随着技术的不断发展，人工智能将成为虚拟现实发展的主要驱动力之一。AI 和 AR 的发展为虚拟元宇宙提供了更多有趣的玩法和探索空间。元宇宙概念曾经在加密市场红极一时，众多元宇宙项目层出不穷，但真正坚持下来的可谓是凤毛麟角。能够在快速更迭的加密市场坚持初心是难能可贵的，Victoria VR 的表现足以说明项目韧性和团队长期运营的决心。Victoria VR 和 OpenAI 的整合只是时代大趋势的一个缩影，预示着未来虚拟现实技术将更加智能化和多样化。在未来的五年里，人工智能或许会成为虚拟现实中的重要组件，使虚拟体验变得更加真实和丰富。因此，Victoria VR 和 OpenAI 的整合将有力推动加密市场的科技创新，为 Web3 带来全新的发展和机遇！来源：金色财经
金色财经2024-04-10
OpenAI：API现提供经过大幅改善的GPT-4 Turbo模型
 go
善的GPT-4 Turbo模型，并正在ChatGPT中逐渐推出。
金融界2024-04-10
储能领域再掀波澜：宁德时代发布王炸技术
 go
的基石。 OpenAI的首席执行官、“ChatGPT之父”山姆·奥尔特曼曾深刻指出：“未来的两种重要货币将是算力和能源。如果我们在能源领域无法取得突破，那么技术目标的实现将无从谈起。” 确如奥尔特曼所言，传统能源的能效瓶颈已成为技术革命的关键卡点。而新兴清洁能源仍受制于输出不稳定的特点，储能技术的改进不可或缺。第十三届全国政协经济委员会副主任苏波指出，储能对于消纳新能源、调节电网和提高系统效率及安全性具有关键作用。共识之下，全球储能产业呈现爆发式增长。《2024年中国新型储能产业发展白皮书》指出，2023年全球储能累计装机功率294.1GW，新增装机量占比升至16.5%，从覆盖面来看未来依旧存在较大提升空间，白皮书亦预测到2025年预计该行业CAGR或超22%。另据马克姆资本集团（Mercom Capital Group）数据所示，2023年全球储能风投92亿美元，同比增59%创历史记录。但随着行业快速发展，问题也随之而来。在储能行业发展初期，诸多隐患开始凸显，比如模糊的技术规范、调度规则、产品检测；不完善的电力交易模式和地区政策；市场低价竞争、劣币驱逐良币；储能产品设计参差、软硬件不兼容等，正汇聚成乱流阻碍行业健康发展。中国化学与物理电源行业协会储能应用分会副秘书长陈永翀在解读《新型储能产业发展报告（2023）》时就直言，储能行业面对激烈竞争，产能过剩，产品同质化，导致利润下降和内卷问题，行业或面临重新洗牌。 02 化解矛盾的方法论 “因此，不能走先追求速度再追求质量的老路，必须从一开始就坚持高质量发展。”宁德时代首席科学家吴凯博士在2023年世界储能大会上呼吁道。吴博士认为，就像房子的核心价值是“住”而非“炒”，“储能是用来用的，不是用来撑门面、做摆设、换条路的”。储能技术的核心价值，在于化解新能源落地的痛点，尤其是锂离子电池路径的高能量密度、快速充电、长寿命和环保特性，能更好满足对电能存储容量、补充速度、更换成本和频率、环境友好等诸多方面的高要求，故而满足下一个阶段高质量发展的内在诉求。其中，风险问题不容忽视。在过去，中国储能电站事故率较低，主要因为很多地方强制配储、配而不用，或者使用率非常低，问题未充分暴露。关键在于，储能作为基础设施，要在几十年时间跨度内、多种复杂条件下安全稳定高质量运行，需全行业长期攻坚。任何技术的价值确认都离不开风险与收益的对比。越是低质发展，长期风险就越显著；竞争越是内卷短视，收益空间就越有限。发扬长板、规避风险才是解决问题，化解矛盾的正确思路，同时也是一条必经之路。对此，吴博士提出了“安全体系、实证标准、生态融合”三个核心要素：安全体系是基石，要确保储能系统安全和可靠；实证标准是关键，通过完善测试评价标准和实证平台确保电池寿命和性能；生态融合提供广阔空间，共融产业平台实现行业间相互促进。 03 三个核心要素的“落地生根” 这三个核心要素，眼下正在得到积极践行。世界储能大会不久之后，4月9日，宁德时代正式推出宁德时代天恒储能系统（以下简称“天恒储能系统”），号称全球首款实现“4维真安全、5年零衰减、6.25兆瓦时”的标准20尺集装箱式储能系统。 “5年零衰减、6.25兆瓦时”描述系统的高性能，高性能的背后，直接指向了旨在为客户带来更高的经济效益，提升项目全生命周期的IRR，也实现了单位储能成本的相对下降，概括起来的一句话就是，降本增效。从更多的产品细节来观察，20尺集装箱做到6.25兆瓦时级容量，能量密度提升30%，占地面积减少20%；它搭载的储能专用长寿命电芯L系列，实现了磷酸铁锂储能电池的高能量密度——430Wh/L。使用寿命方面，天恒储能系统采用更高效的补锂技术、锂离子自修复技术并结合仿生SEI和自组装电解液等，成功地解决了“零衰减”电池中锂金属高度活性的难题，有效遏制了氧化反应引发的热失控现象，实现大规模量产5年零衰减系统。更值得重视的是，天恒储能系统的出现，直接让同业其他的大多数只存在“PPT”概念的产品和系统原地“下架”，因为，天恒储能系统是现存行业内唯一一个经过真实数据测试，且可大规模生产落地的解决方案。“5年零衰减、6.25兆瓦时”并非广告词或者一句空话，其更像是一个长期严肃论证而得到的精准结果。高标准、高门槛的安全性，如何强调也不为过，其本质是对“可信、可续”的承诺。吴博士对于“体系安全”的论述是这样的：“系牢安全带，储能才能真正驶入发展‘高速路’。储能的高质量发展，要稳中求进。稳，就是在安全上，必须严格把关。” 可见，天恒储能系统的出现，完全就是宁德时代对产业发展规律的高度把握下，融合其理念与实践所诞生的最终产物。而借助核心技术的长期累积与创新突破，天恒储能系统取得了储能行业破天荒的领先，或许是意料之外预期之内的事，其有望进一步发挥宁德锂离子电池储能技术路径的长板，从而更好满足储户端和发电端、B端和C端等一系列用户核心痛点和需求。实际上，天恒储能系统对高性能与安全性的极致追求，或来源于宁德时代内部的“生态融合”。这里决定一个事儿的走向——为什么这么先进的、能够带来降维打击的储能系统最初就诞生在宁德，而非别人手里。因为，单打独斗很难解决系统性的问题，没有速成的道路。 “所以，我们希望行业能够打造一个生态共融的产业平台，在这个平台上共享技术、分享数据、分享信息，让每一个伙伴都可以在这里得到滋养，获得成长。”吴博士曾这么分享过他的想法。宁德时代借全球汽车动力电池领域的领先地位，已形成研发销售的正向反馈。其电池技术积累足以赋能储能业务，让锂离子电池的两大应用场景的生态融合开始换挡加速。从这点上看，作为宁德时代第二增长曲线，储能很可能复现其汽车行业的领头羊作用——政策驱动市场初步发展的阶段结束，下一步将在技术变现及制造落地水平方面，发挥1+1＞2的集聚效应，正向作用于相关业务与生态伙伴的现金流。据SNE Research，宁德时代2023年储能电池全球市占率40%，连续3年居首。公开资料亦显示，宁德时代的技术积累经过市场的长时间实践检验，已拥有广泛客户基础。在国内，该公司不仅成功入围多个电力央企的储能系统设备框架采购，还与多家行业巨头达成深度战略合作，共同推进储能技术的创新和应用。在亚、欧、非、美及大洋洲等所有主要储能市场，与众多优秀EPC供应商建立长期合作关系，宁德时代的储能业务客户遍布全球。其助力Nextera实现全球最大光储单体项目并网，为意大利国家电力公司ENEL和西澳电力公司Synergy交付了大规模的储能项目，均获得了业界的广泛认可，充分展现了全球储能领域领导地位和强劲实力。结合《中国新型储能产业发展白皮书》预测的22%行业年复合增速，即便保守假设宁德及合作伙伴在市场中的竞争优势不变，“全生态”模式和打法，在未来发展中的估值增长潜力都是不可估量。可以进一步推演，透过此次发布的天恒储能系统，宁德时代将以一系列产品和技术积累所形成的极高门槛的安全标准和高性能标准快速的在全市场铺开。在天恒储能系统出现之前，宁德凭借原有领先的综合竞争优势，就拿到了全球五分之二的市场份额，确立了无可辩驳的阶段领导者地位。而在天恒储能系统推出之后，或意味着宁德的储能业务“破圈”机会来了——在储能产品和储能系统实现全面降维打击的推进下，宁德将有机会快速对剩余的全球五分之三的市场份额形成替代。所以，未来除了这种情况之外——要将全球储能市场确定性较高且增速较好的大趋势，以及公司领先市场地位纳入考量范围内，还要为宁德储能业务插上一双打开了增量空间和替代市场的翅膀。据公开资料，宁德时代2023年储能业务营收599亿元，同比增长33.17%，占总营收的14.94%。如此看来，未来公司储能业务在两至三年内将会突破千亿规模，且持续提升收入占比，是完全可期的。 04 尾声放眼储能行业的发展之路，全行业要做的其实还很多。行业的大趋势是材料低成本、高储能密度、高循环稳定性、长周期存储；装备也正在从关注单体设备效率、成本，转向满足差异性需求的高品质供能、储用协调，然而关于储能的产业标准设定，在国内外尚属空白。加上任何储能产品的检验，都必须经历长时间跨度且足够严格的论证实践，而宁德时代天恒储能系统的出现给出的范例作用，为全行业即将迈入高质量新阶段，打响了头炮。从更加长远的发展角度看，社会和行业所共同展望的是通过智能化储能解决方案，平衡生态与效率，引领科技与经济可持续共进。这条道路上，包括宁德时代在内的先行者开始展现出别树一帜的创新精神和前瞻性布局，昭示了未来能源之路不是单纯的技术和成本竞赛，而是对安全、可靠和环境友好解决方案的不懈探求。这些先行者正在持续发挥其在技术创新和标准制定方面的优势，加强产学研合作，推动储能技术不断进步和落地，以优质产品填补国内乃至全球储能解决方案在技术甚至标准上的空白，向着资源优化利用和能源结构根本性变革迈进。（全文完）
格隆汇2024-04-09
储能领域再掀波澜：宁德时代发布王炸技术
 go
的基石。 OpenAI的首席执行官、“ChatGPT之父”山姆·奥尔特曼曾深刻指出：“未来的两种重要货币将是算力和能源。如果我们在能源领域无法取得突破，那么技术目标的实现将无从谈起。” 确如奥尔特曼所言，传统能源的能效瓶颈已成为技术革命的关键卡点。而新兴清洁能源仍受制于输出不稳定的特点，储能技术的改进不可或缺。第十三届全国政协经济委员会副主任苏波指出，储能对于消纳新能源、调节电网和提高系统效率及安全性具有关键作用。共识之下，全球储能产业呈现爆发式增长。《2024年中国新型储能产业发展白皮书》指出，2023年全球储能累计装机功率294.1GW，新增装机量占比升至16.5%，从覆盖面来看未来依旧存在较大提升空间，白皮书亦预测到2025年预计该行业CAGR或超22%。另据马克姆资本集团（Mercom Capital Group）数据所示，2023年全球储能风投92亿美元，同比增59%创历史记录。但随着行业快速发展，问题也随之而来。在储能行业发展初期，诸多隐患开始凸显，比如模糊的技术规范、调度规则、产品检测；不完善的电力交易模式和地区政策；市场低价竞争、劣币驱逐良币；储能产品设计参差、软硬件不兼容等，正汇聚成乱流阻碍行业健康发展。中国化学与物理电源行业协会储能应用分会副秘书长陈永翀在解读《新型储能产业发展报告（2023）》时就直言，储能行业面对激烈竞争，产能过剩，产品同质化，导致利润下降和内卷问题，行业或面临重新洗牌。 02 化解矛盾的方法论 “因此，不能走先追求速度再追求质量的老路，必须从一开始就坚持高质量发展。”宁德时代首席科学家吴凯博士在2023年世界储能大会上呼吁道。吴博士认为，就像房子的核心价值是“住”而非“炒”，“储能是用来用的，不是用来撑门面、做摆设、换条路的”。储能技术的核心价值，在于化解新能源落地的痛点，尤其是锂离子电池路径的高能量密度、快速充电、长寿命和环保特性，能更好满足对电能存储容量、补充速度、更换成本和频率、环境友好等诸多方面的高要求，故而满足下一个阶段高质量发展的内在诉求。其中，风险问题不容忽视。在过去，中国储能电站事故率较低，主要因为很多地方强制配储、配而不用，或者使用率非常低，问题未充分暴露。关键在于，储能作为基础设施，要在几十年时间跨度内、多种复杂条件下安全稳定高质量运行，需全行业长期攻坚。任何技术的价值确认都离不开风险与收益的对比。越是低质发展，长期风险就越显著；竞争越是内卷短视，收益空间就越有限。发扬长板、规避风险才是解决问题，化解矛盾的正确思路，同时也是一条必经之路。对此，吴博士提出了“安全体系、实证标准、生态融合”三个核心要素：安全体系是基石，要确保储能系统安全和可靠；实证标准是关键，通过完善测试评价标准和实证平台确保电池寿命和性能；生态融合提供广阔空间，共融产业平台实现行业间相互促进。 03 三个核心要素的“落地生根” 这三个核心要素，眼下正在得到积极践行。世界储能大会不久之后，4月9日，宁德时代正式推出宁德时代天恒储能系统（以下简称“天恒储能系统”），号称全球首款实现“4维真安全、5年零衰减、6.25兆瓦时”的标准20尺集装箱式储能系统。 “5年零衰减、6.25兆瓦时”描述系统的高性能，高性能的背后，直接指向了旨在为客户带来更高的经济效益，提升项目全生命周期的IRR，也实现了单位储能成本的相对下降，概括起来的一句话就是，降本增效。从更多的产品细节来观察，20尺集装箱做到6.25兆瓦时级容量，能量密度提升30%，占地面积减少20%；它搭载的储能专用长寿命电芯L系列，实现了磷酸铁锂储能电池的高能量密度——430Wh/L。使用寿命方面，天恒储能系统采用更高效的补锂技术、锂离子自修复技术并结合仿生SEI和自组装电解液等，成功地解决了“零衰减”电池中锂金属高度活性的难题，有效遏制了氧化反应引发的热失控现象，实现大规模量产5年零衰减系统。更值得重视的是，天恒储能系统的出现，直接让同业其他的大多数只存在“PPT”概念的产品和系统原地“下架”，因为，天恒储能系统是现存行业内唯一一个经过真实数据测试，且可大规模生产落地的解决方案。“5年零衰减、6.25兆瓦时”并非广告词或者一句空话，其更像是一个长期严肃论证而得到的精准结果。高标准、高门槛的安全性，如何强调也不为过，其本质是对“可信、可续”的承诺。吴博士对于“体系安全”的论述是这样的：“系牢安全带，储能才能真正驶入发展‘高速路’。储能的高质量发展，要稳中求进。稳，就是在安全上，必须严格把关。” 可见，天恒储能系统的出现，完全就是宁德时代对产业发展规律的高度把握下，融合其理念与实践所诞生的最终产物。而借助核心技术的长期累积与创新突破，天恒储能系统取得了储能行业破天荒的领先，或许是意料之外预期之内的事，其有望进一步发挥宁德锂离子电池储能技术路径的长板，从而更好满足储户端和发电端、B端和C端等一系列用户核心痛点和需求。实际上，天恒储能系统对高性能与安全性的极致追求，或来源于宁德时代内部的“生态融合”。这里决定一个事儿的走向——为什么这么先进的、能够带来降维打击的储能系统最初就诞生在宁德，而非别人手里。因为，单打独斗很难解决系统性的问题，没有速成的道路。 “所以，我们希望行业能够打造一个生态共融的产业平台，在这个平台上共享技术、分享数据、分享信息，让每一个伙伴都可以在这里得到滋养，获得成长。”吴博士曾这么分享过他的想法。宁德时代借全球汽车动力电池领域的领先地位，已形成研发销售的正向反馈。其电池技术积累足以赋能储能业务，让锂离子电池的两大应用场景的生态融合开始换挡加速。从这点上看，作为宁德时代第二增长曲线，储能很可能复现其汽车行业的领头羊作用——政策驱动市场初步发展的阶段结束，下一步将在技术变现及制造落地水平方面，发挥1+1＞2的集聚效应，正向作用于相关业务与生态伙伴的现金流。据SNE Research，宁德时代2023年储能电池全球市占率40%，连续3年居首。公开资料亦显示，宁德时代的技术积累经过市场的长时间实践检验，已拥有广泛客户基础。在国内，该公司不仅成功入围多个电力央企的储能系统设备框架采购，还与多家行业巨头达成深度战略合作，共同推进储能技术的创新和应用。在亚、欧、非、美及大洋洲等所有主要储能市场，与众多优秀EPC供应商建立长期合作关系，宁德时代的储能业务客户遍布全球。其助力Nextera实现全球最大光储单体项目并网，为意大利国家电力公司ENEL和西澳电力公司Synergy交付了大规模的储能项目，均获得了业界的广泛认可，充分展现了全球储能领域领导地位和强劲实力。结合《中国新型储能产业发展白皮书》预测的22%行业年复合增速，即便保守假设宁德及合作伙伴在市场中的竞争优势不变，“全生态”模式和打法，在未来发展中的估值增长潜力都是不可估量。可以进一步推演，透过此次发布的天恒储能系统，宁德时代将以一系列产品和技术积累所形成的极高门槛的安全标准和高性能标准快速的在全市场铺开。在天恒储能系统出现之前，宁德凭借原有领先的综合竞争优势，就拿到了全球五分之二的市场份额，确立了无可辩驳的阶段领导者地位。而在天恒储能系统推出之后，或意味着宁德的储能业务“破圈”机会来了——在储能产品和储能系统实现全面降维打击的推进下，宁德将有机会快速对剩余的全球五分之三的市场份额形成替代。所以，未来除了这种情况之外——要将全球储能市场确定性较高且增速较好的大趋势，以及公司领先市场地位纳入考量范围内，还要为宁德储能业务插上一双打开了增量空间和替代市场的翅膀。据公开资料，宁德时代2023年储能业务营收599亿元，同比增长33.17%，占总营收的14.94%。如此看来，未来公司储能业务在两至三年内将会突破千亿规模，且持续提升收入占比，是完全可期的。 04 尾声放眼储能行业的发展之路，全行业要做的其实还很多。行业的大趋势是材料低成本、高储能密度、高循环稳定性、长周期存储；装备也正在从关注单体设备效率、成本，转向满足差异性需求的高品质供能、储用协调，然而关于储能的产业标准设定，在国内外尚属空白。加上任何储能产品的检验，都必须经历长时间跨度且足够严格的论证实践，而宁德时代天恒储能系统的出现给出的范例作用，为全行业即将迈入高质量新阶段，打响了头炮。从更加长远的发展角度看，社会和行业所共同展望的是通过智能化储能解决方案，平衡生态与效率，引领科技与经济可持续共进。这条道路上，包括宁德时代在内的先行者开始展现出别树一帜的创新精神和前瞻性布局，昭示了未来能源之路不是单纯的技术和成本竞赛，而是对安全、可靠和环境友好解决方案的不懈探求。这些先行者正在持续发挥其在技术创新和标准制定方面的优势，加强产学研合作，推动储能技术不断进步和落地，以优质产品填补国内乃至全球储能解决方案在技术甚至标准上的空白，向着资源优化利用和能源结构根本性变革迈进。
格隆汇2024-04-09
这只暴涨111%的妖股什么来头？
go
争对手EpicGame、以及当下最火的ChatGPT的母公司OpenAI。主要的持仓如下，其中SpaceX的在组合中占比超过三分之一，达到了34.6%。也就是买了这只CEF，等于买了很高比例的SpaceX。太空含量甚至高于木头姐的 $ARK Space Exploration & Innovation ETF(ARKX)$ 为何会有如此剧烈的价格波动？一般来说，封闭式基金通常不会有很大的波动，并不是因为流动性好，恰恰是因为而流动性不好，投资者不愿意购买。因此，只要有够热门的话题，瞬间吸引了更多的投资者，就有可能炒作使得交易量攀升、价格波动。同时，封闭式基金的份额是固定且有限的，也无法像普通公司那样说增发就增发，因此也从货源上有限制。另外，这些未上市的公司，也就是DXYZ的底层资产价格很难确定，因为它们不像二级市场公开交易的股票那样每天都 "按市价计价"。它们的价值基本上是由市场上买卖双方愿意为封闭式基金股票支付的价格决定的。现在的价格合理吗？根据该基金的年报，截至2023年12月31日的总资产为53461960，也就是5300万美元。其中这些投资的未上市公司的公允价值（Fair Value）是4837万美元。而以4月8日的收盘价来算，是10.857亿美元，也就是溢价21倍。就算SpaceX和OpenAI这样的明星公司今年以来的估值翻3倍也打不住这个溢价。同时，这个公司有2.5%的高额管理费，如果每年公允价值增长超不过这个，基金投资者也会亏。这个票的交易有点像当年的 $游戏驿站(GME)$ ，未必适应价值，但是投资者热情不断，前赴后继。由于封闭式基金也没有期权等衍生品的加持，短期内的波动可能依然很大。
老虎证券2024-04-09
AI爆发，芯片强受益获持续关注
 go
益。 AI爆发，算力是当前的关键主线 ChatGPT之所以能引爆全球关注，在于人们看到AI对人类信息获取方式的改变，已经从AI辅助创作阶段进化到AIGC的阶段。所谓AIGC（AI-GeneratedContent），即人工智能生成内容，指的是利用人工智能技术如GAN和大型预训练模型等，通过已有数据找出规律，并以适当的泛化能力生成相关内容，通俗来说就是不需要人的辅助，AI能自行创作文本、图像、音乐、视频等各种内容，实现了从分析到创造的飞越。图：ChatGPT开启AIGC奇点那，AIGC是怎样实现的呢？说到底，AIGC的本质是内容与场景，其发展需要AI技术、后端基础设施以及算法、算力和数据三要素的结合。我们以ChatGPT的迭代为例，从GPT到GPT-3，三要素的进化如下：图：三要素逐步成熟，推动行业进入爆发期算法方面，GPT-3引入了"人工标注数据+强化学习"的方法进行训练，相较于之前的版本，更加精细和智能化。模型参数量从GPT的1.17亿增加到GPT-3的1750亿，这使得模型更加庞大和复杂，能够处理更加复杂和丰富的语言任务。数据方面，GPT-3的预训练数据量大幅增加，从GPT的5GB增加到GPT-3的45TB。这意味着GPT-3可以更好地学习和理解大规模的语言数据，提高了模型的语言表达能力和语境理解能力。算力方面，GPT-3的训练成本非常高，单次训练成本甚至达到了数百万美元以上。它在微软云计算AzureAI超算基础设施上进行训练，总计算力消耗约3640PFs-days。这种庞大的算力支持了GPT-3的训练和推理能力，使其具备了更高的性能和更广泛的应用场景。这其中，算力是当下市场更关注的主线，毕竟要实现AI的终极目标——AGI（Artificial General Intelligence，即通用人工智能），算力是必由之路。产业链的众多玩家也正在持续增加算力投入，以提升人工智能大模型的性能。尤其是，在以往，算力基础设施需求主要来源于数据中心、超算中心以及各大互联网公司的云计算中心，需求量和ChatGPT相比几乎是九牛一毛，且以往的应用场景主要是推理端像图像识别、语音识别等，而大模型的爆发导致训练的应用场景越来越多，对训练算力的需求会大幅增长，增长幅度能达到10倍甚至100倍。据IDC预测，2022年全球人工智能市场规模将达到1017亿美元，2025年将超过2000亿美元。人工智能非常依赖于相关基础设施，包括计算、存储和网络等，随着人工智能向多场景化、规模化、融合化等高应用阶段发展，数据体量呈现出急剧增长态势，算法模型的参数量也呈指数级增加，以加速计算为核心的算力中心规模将不断扩大，对算力提出了更高的要求。图：AI带来海量算力需求据IDC预测，到2022年，中国的智能算力规模将达到268.0EFLOPS，超过通用算力规模。预计到2026年，智能算力规模将进入ZFLOPS级别，达到1,271.4EFLOPS。在2021-2026年期间，中国的智能算力规模年复合增长率预计将达到52.3%，而同期通用算力规模的年复合增长率为18.5%。根据《IDC中国服务器市场季度跟踪报告》及CPU双精度（FP64）运算能力数据，测算了中国通用算力规模。2021年中国通用算力规模达47.7EFLOPS，预计到2026年通用算力规模将达到111.3EFLOPS。2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%，同期通用算力规模年复合增长率为18.5% 图：算力规模及预测（数据来源IDC）无芯片，不AI 那么，这样强大的算力，是什么在支撑？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
益。 AI爆发，算力是当前的关键主线 ChatGPT之所以能引爆全球关注，在于人们看到AI对人类信息获取方式的改变，已经从AI辅助创作阶段进化到AIGC的阶段。所谓AIGC(AI-GeneratedContent)，即人工智能生成内容，指的是利用人工智能技术如GAN和大型预训练模型等，通过已有数据找出规律，并以适当的泛化能力生成相关内容，通俗来说就是不需要人的辅助，AI能自行创作文本、图像、音乐、视频等各种内容，实现了从分析到创造的飞越。图：ChatGPT开启AIGC奇点那，AIGC是怎样实现的呢？说到底，AIGC的本质是内容与场景，其发展需要AI技术、后端基础设施以及算法、算力和数据三要素的结合。我们以ChatGPT的迭代为例，从GPT到GPT-3，三要素的进化如下：图：三要素逐步成熟，推动行业进入爆发期算法方面，GPT-3引入了"人工标注数据+强化学习"的方法进行训练，相较于之前的版本，更加精细和智能化。模型参数量从GPT的1.17亿增加到GPT-3的1750亿，这使得模型更加庞大和复杂，能够处理更加复杂和丰富的语言任务。数据方面，GPT-3的预训练数据量大幅增加，从GPT的5GB增加到GPT-3的45TB。这意味着GPT-3可以更好地学习和理解大规模的语言数据，提高了模型的语言表达能力和语境理解能力。算力方面，GPT-3的训练成本非常高，单次训练成本甚至达到了数百万美元以上。它在微软云计算AzureAI超算基础设施上进行训练，总计算力消耗约3640PFs-days。这种庞大的算力支持了GPT-3的训练和推理能力，使其具备了更高的性能和更广泛的应用场景。这其中，算力是当下市场更关注的主线，毕竟要实现AI的终极目标——AGI(Artificial General Intelligence，即通用人工智能)，算力是必由之路。产业链的众多玩家也正在持续增加算力投入，以提升人工智能大模型的性能。尤其是，在以往，算力基础设施需求主要来源于数据中心、超算中心以及各大互联网公司的云计算中心，需求量和ChatGPT相比几乎是九牛一毛，且以往的应用场景主要是推理端像图像识别、语音识别等，而大模型的爆发导致训练的应用场景越来越多，对训练算力的需求会大幅增长，增长幅度能达到10倍甚至100倍。据IDC预测，2022年全球人工智能市场规模将达到1017亿美元，2025年将超过2000亿美元。人工智能非常依赖于相关基础设施，包括计算、存储和网络等，随着人工智能向多场景化、规模化、融合化等高应用阶段发展，数据体量呈现出急剧增长态势，算法模型的参数量也呈指数级增加，以加速计算为核心的算力中心规模将不断扩大，对算力提出了更高的要求。图：AI带来海量算力需求据IDC预测，到2022年，中国的智能算力规模将达到268.0EFLOPS，超过通用算力规模。预计到2026年，智能算力规模将进入ZFLOPS级别，达到1,271.4EFLOPS。在2021-2026年期间，中国的智能算力规模年复合增长率预计将达到52.3%，而同期通用算力规模的年复合增长率为18.5%。根据《IDC中国服务器市场季度跟踪报告》及CPU双精度(FP64)运算能力数据，测算了中国通用算力规模。2021年中国通用算力规模达47.7EFLOPS，预计到2026年通用算力规模将达到111.3EFLOPS。2021-2026年期间，预计中国智能算力规模年复合增长率达52.3%，同期通用算力规模年复合增长率为18.5% 图：算力规模及预测(数据来源IDC) 无芯片，不AI 那么，这样强大的算力，是什么在支撑？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
AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET
go
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
ACY证券汇评：【每日分析】自动驾驶是电动车破局之道？
go
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
机构：2月全球半导体销售额同比增长16.3%，芯片股表现活跃，士兰微领涨超4%，费率最低的芯片50ETF(516920)午后涨近1%
go
证券指出，人工智能的快速发展，特别是以ChatGPT为代表的AI应用的兴起，对算力提出了更高的要求，同时服务器内部相关芯片互联技术显得尤为重要，相关技术包括NVLink、PCIe和CXL等，也带动了高速互联芯片的需求。一键布局“科技之矛”，首选芯片50ETF（516920）！芯片50ETF（516920）跟踪的中证芯片产业指数包含芯片板块50只龙头股，综合覆盖设备材料、晶圆代工、设计、封测等芯片全产业链环节！值得重点关注的是，芯片50ETF（516920）的管理费率为0.15%，托管费率0.05%，为芯片主题ETF中费率最低品种，仅为市场主流费率——“管理费率0.5%，托管费率0.1%”的三分之一，拉长时间看省到就是赚到！芯片50ETF紧密跟踪中证芯片产业指数，中证芯片产业指数选取业务涉及芯片设计、制造、封装与测试等领域，以及为芯片提供半导体材料、晶圆生产设备、封装测试设备等物料或设备的上市公司证券作为指数样本，以反映芯片产业上市公司证券的整体表现。数据显示，截至2024年3月29日，中证芯片产业指数(H30007)前十大权重股分别为中芯国际(688981)、北方华创(002371)、海光信息(688041)、韦尔股份(603501)、中微公司(688012)、兆易创新(603986)、紫光国微(002049)、三安光电(600703)、澜起科技(688008)、长电科技(600584)，前十大权重股合计占比50.97%。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

上一页
1
•••
176
177
178
179
180
•••
759
下一页

24小时热点

最新话题更多