FX168财经网_全球视野外汇黄金加密货币NFT资讯网

谈AI、电力需求！黄仁勋、奥特曼等科技大佬赴会白宫，跨部门工作组成立

示，我们正处于新的工业革命的开端。鉴于AI行业的增长速度非常快，在这一领域很可能需要政企（公私）合作。谷歌总裁Porat也指出，美国能源基础设施对于确保美国在新兴人工智能领域的领导地位至关重要。 “今天的白宫会议是推进现代化和扩大美国能源网络容量所需工作的重要机会。” 值得一提的是，就在会议召开之际，OpenAI正准备洽谈新一轮融资，拟飞升至1500亿美元估值，以此同时还最新发布了全新o1系列模型；英伟达也正在启动最新AI芯片Blackwell的全面量产。会后，白宫宣布成立AI跨部门工作组，帮助促进美国数据中心的发展，并采取措施支持加快这些设施的许可。美国能源部还将创建一个人工智能数据中心参与团队，引导数据中心所有者和运营商更好地利用政府贷款、赠款和税收抵免等资源，帮助其找到清洁可靠的电力来源。能源部表示，这些投资加上数据中心扩张和其他因素，预计将在未来十年推动电力需求增长15%至20%。此外，美国陆军工程兵团（USACE）将确定美国全国范围内的许可证，这些许可证可以帮助加快符合条件的人工智能数据中心的建设，并与AI数据中心开发商共享这些信息，以加快关键项目的建设。 AI狂飙背后，是电力荒 AI的尽头，是电力…… 今年早些时候，不仅AI卖铲人英伟达黄仁勋提过，openAI 奥特曼、特斯拉的马斯克等大佬也纷纷发出警告，AI的尽头是电力、光伏、储能等可再生能源行业。美国电力研究机构在5月发布的报告显示，到 2030 年，数据中心每年可能消耗美国发电量的9%，高于2023年总负荷的4%。国际能源署也称， ChatGPT上的单个请求所消耗的电量约为典型 Google 搜索的10倍。到2026年，人工智能行业的耗电量预计将至少是2023年的10倍。高盛表示，到2030年，人工智能预计将引发数据中心电力需求激增160%。该行表示，人工智能对能源的需求如此之大，以至于它将迫使美国长期停滞的电力需求在本世纪剩余时间内大幅增加。所以，在这场浩浩汤汤的人工智能潮下，为了保住美国在人工智能领域的领导地位，美国白宫与科技巨头已经开始“联动”了。

格隆汇2024-09-13

黄仁勋一席话引爆美股！英伟达一夜暴涨1.54万亿，黄仁勋说了些什么？

能源行业使用它们，编写新的算法并让整个AI行业使用它们。你明白我的意思吗？因此，所有这些库，每一个库，首先我们必须完成计算机科学的研究，其次，我们必须经历生态系统的开发过程。我们必须去说服每个人使用这些库，然后还要考虑它们运行在哪些类型的计算机上，每种计算机都不一样。因此，我们一步一步地进入一个领域又一个领域。我们为自动驾驶汽车创建了一个非常丰富的库，为机器人开发了一个非常出色的库，还有一个令人难以置信的库，用于虚拟筛选，无论是基于物理的虚拟筛选还是基于神经网络的虚拟筛选，还有一个令人惊叹的库用于气候技术。我们必须去结交朋友，创建市场。事实证明，英伟达真正擅长的事情是创建新的市场。我们现在已经做了这么久，以至于英伟达的加速计算似乎无处不在，但我们确实必须一步步地完成，一次一个行业地开发市场。 3. 现场的许多投资者非常关注数据中心市场，能否分享一下你对中长期机会的看法？显然，你的行业推动了你所称的“下一次工业革命”。你如何看待数据中心市场的现状以及未来的挑战？黄仁勋：有两件事同时在发生，它们经常被混为一谈，分开讨论有助于理解。首先，我们假设没有AI存在的情况下。在没有AI的世界里，通用计算已经停滞不前了。大家都知道，半导体物理学中的一些原理，比如摩尔定律、Denard缩放等，已经结束了。我们不再看到CPU的性能每年翻倍的现象。我们已经很幸运了，能在十年内看到性能翻倍。摩尔定律曾经意味着五年内性能提升十倍，十年内提升一百倍。然而现在这些已经结束了，所以我们必须加速一切能加速的东西。如果你在做SQL处理，加速它；如果你在进行任何数据处理，加速它；如果你在创建一个互联网公司并拥有推荐系统，必须加速它。如今最大的推荐系统引擎已经全部加速了。几年前这些还在CPU上运行，而现在已经全部加速了。因此，第一个动态是，全世界价值数万亿美元的通用数据中心将会现代化，转变为加速计算的数据中心。这是不可避免的。此外，因为英伟达的加速计算带来了如此巨大的成本降低，过去十年中，计算能力不是以100倍，而是以100万倍的速度增长。那么问题来了，如果你的飞机能快一百万倍，你会做什么不同的事情呢？因此，人们突然意识到：“为什么我们不让计算机来编写软件，而不是我们自己去想象这些功能，或者我们自己去设计算法呢？”我们只需要把所有的数据、所有的预测性数据交给计算机，让它去找出算法——这就是机器学习，生成式AI。因此，我们在许多不同的数据领域大规模应用了它，计算机不仅知道如何处理数据，还理解数据的含义。因为它同时理解多种数据模式，它可以进行数据翻译。因此，我们可以从英文转换为图像，从图像转换为英文，从英文转换为蛋白质，从蛋白质转换为化学物质。因为它理解了所有的数据，因此可以进行所有这些翻译过程，我们称之为生成式AI。它可以将大量的文字转换为少量的文字，或者将少量的文字扩展为大量的文字，等等。我们现在正处于这个计算机革命的时代。而现在令人惊讶的是，第一批价值数万亿美元的数据中心将被加速，并且我们还发明了这种新型的软件，称为生成式AI。生成式AI不仅仅是一种工具，它是一种技能。正是因为这个原因，新的行业正在被创造出来。这是为什么？如果你看看直到现在的整个IT行业，我们一直在制造人们使用的工具和仪器。而第一次，我们正在创造出能够增强人类能力的技能。因此，人们认为AI将超越价值数万亿美元的数据中心和IT行业，进入技能的世界。那么，什么是技能呢？比如数字货币是一种技能，自动驾驶汽车是一种技能，数字化的装配线工人，机器人，数字化的客户服务，聊天机器人，数字化的员工为英伟达规划供应链。这可以是一个SAP的数字代理。我们公司大量使用ServiceNow，我们现在拥有了数字员工服务。因此，我们现在拥有了这些数字化的人类，这就是我们现在正处的AI浪潮。 4. 金融市场中存在一个持续的辩论，即随着我们继续建设AI基础设施，投资回报是否足够？你如何评估客户在这个周期中获得的投资回报率？如果你回顾历史，回顾PC和云计算，它们在类似的采用周期中，回报率如何？与现在相比有什么不同？黄仁勋：这是个非常好的问题。让我们来看看。在云计算之前，最大的趋势是虚拟化，如果大家还记得的话。虚拟化基本上意味着我们将数据中心中的所有硬件虚拟化为虚拟数据中心，然后我们可以跨数据中心移动工作负载，而不必直接与特定的计算机相关联。结果是，数据中心的利用率提高了，我们看到了数据中心成本减少了两倍到两倍半，几乎是在一夜之间完成的。接着，我们将这些虚拟计算机放到云中，结果是，不仅仅是一家公司，很多公司都可以共享相同的资源，成本再次下降，利用率再次提高。这些年的所有进步，掩盖了底层的根本变化，那就是摩尔定律的终结。我们从利用率提升中获得了两倍、甚至更多的成本降低，然而这也碰到了晶体管和CPU性能的极限。接着，所有的这些利用率的提升已经达到极限，这也是为什么我们现在看到数据中心和计算通胀的原因。因此，第一件正在发生的事情就是加速计算。因此，当你在处理数据时，比如使用Spark——这是当今世界上使用最广泛的数据处理引擎之一——如果你使用Spark并通过英伟达加速器加速它，你可以看到20倍的加速。这意味着你会节省10倍的成本。当然，你的计算成本会上升一点，因为你需要支付英伟达GPU的费用，计算成本可能会增加一倍，但你将减少计算时间20倍。因此，你最终节省了10倍的成本。而这样的投资回报率对于加速计算来说并不罕见。因此，我建议你加速一切可以加速的工作，然后使用GPU进行加速，这样可以立即获得投资回报。除此之外，生成式AI的讨论是当前AI的第一波浪潮，基础设施玩家（比如我们自己和所有云服务提供商）将基础设施放在云上，供开发人员使用这些机器来训练模型、微调模型、为模型提供保护等等。由于需求如此之大，每花费1美元在我们这里，云服务提供商可以获得5美元的租金回报，这种情况正在全球范围内发生，一切都供不应求。因此，对这种需求的需求非常巨大。我们已经看到的一些应用，当然包括一些知名的应用，比如OpenAI的ChatGPT、GitHub的Copilot，或者我们公司内部使用的共同生成器，生产力提升是不可思议的。我们公司里的每一个软件工程师现在都使用共同生成器，不管是我们自己为CUDA创建的生成器，还是用于USD（我们公司使用的另一种语言），或者Verilog、C和C++的生成器。因此，我认为每一行代码都由软件工程师编写的日子已经彻底结束了。未来，每一个软件工程师都将有一个数字工程师伴随在身边，24/7随时协助工作。这就是未来。因此，我看英伟达，我们有32000名员工，但这些员工周围将有更多的数字工程师，可能会多100倍的数字工程师。 5. 很多行业都在接受这些变化。哪些用例、行业是你最兴奋的？黄仁勋：在我们公司，我们在计算机图形学方面使用AI。如果没有人工智能，我们无法再进行计算机图形学。我们只计算一个像素，然后推测其余的32个像素。也就是说，我们在某种程度上“幻想”出其余的32个像素，它们在视觉上是稳定的，看起来是照片级真实的，图像质量和性能都非常出色。计算一个像素需要大量的能量，而推测其他32个像素的能量需求则非常少，而且可以非常快速地完成。因此，AI并不仅仅是训练模型，这只是第一步。更重要的是如何使用模型。当你使用模型时，你会节省大量的能量和时间。如果没有AI，我们无法为自动驾驶汽车行业提供服务。如果没有AI，我们在机器人技术和数字生物学领域的工作也是不可能的。现在几乎每一个科技生物公司都以英伟达为中心，他们正在使用我们的数据处理工具来生成新蛋白质，小分子生成、虚拟筛选等领域也将因为人工智能而被彻底重塑。 6. 谈谈竞争和你们的竞争壁垒吧。目前有很多公私公司希望能打破你们的领导地位。你如何看待你们的竞争壁垒？黄仁勋：首先，我认为有几件事让我们与众不同。第一点要记住，AI并不仅仅是关于芯片的。AI是关于整个基础设施的。如今的计算机不是制造一块芯片然后人们购买它并放入计算机中。那种模式属于上世纪90年代。如今的计算机是以超级计算集群、基础设施或超级计算机为名开发的，这不是一块芯片，也不完全是计算机。所以，我们实际上是在构建整个数据中心。如果你去看一下我们其中一个超级计算集群，你会发现管理这个系统所需的软件是非常复杂的。并没有一个“Microsoft Windows”可以直接用于这些系统。这种定制化的软件是我们为这些超级集群所开发的，所以设计芯片的公司、构建超级计算机的公司以及开发这些复杂软件的公司，理所当然的是同一家公司，这样可以确保优化、性能和效率。其次，AI本质上是一种算法。我们非常擅长理解算法的运作机制，并且了解计算堆栈如何分布计算，以及如何在数百万个处理器上运行数天，保持计算机的稳定性、能源效率以及快速完成任务的能力。我们在这方面非常擅长。最后，AI计算的关键是安装基础（installed base）。拥有跨所有云计算平台和内部部署（on-premise）的统一架构非常重要。无论你是在云中构建超级计算集群，还是在某台设备上运行AI模型，都应该有相同的架构以运行所有相同的软件。这就是所谓的安装基础。而这种自1993年以来的架构一致性是我们能够取得今天成就的关键原因之一。因此，今天如果你要创办一家AI公司，最明显的选择就是使用英伟达的架构，因为我们已经遍布所有的云平台，不论你选择哪台设备，只要它有英伟达的标识，你就可以直接运行相同的软件。 7. Blackwell在训练上快了4倍，推理速度比它的前代产品Hopper快了30倍。你们的创新速度如此之快，你们能否保持这样的节奏？你们的合作伙伴能否跟上你们的创新步伐？黄仁勋：我们的基本创新方法是确保我们不断推动架构创新。每个芯片的创新周期大约是两年，在最好的情况下是两年。我们每年还会对它们进行中期升级，但整体架构的革新大约是每两年一次，这已经非常快了。我们有七个不同的芯片，这些芯片共同作用于整个系统。我们可以每年推出新的AI超级计算集群，并且比上一代更强大。这是因为我们拥有多个可以进行优化的部分。因此我们可以非常快速地交付更高的性能，并且这些性能的提升直接转化为总拥有成本（TCO）的下降。 Blackwell在性能上的提升意味着，对于拥有1千兆瓦电力的客户，他们可以获得3倍的收入。性能直接转化为吞吐量，吞吐量则转化为收入。如果你有1千兆瓦的电力可用，你可以获得3倍的收入。因此，这种性能提升的回报是无与伦比的，也无法通过芯片成本的降低来弥补这3倍的收入差距。 8. 如何看待对亚洲供应链的依赖？黄仁勋：亚洲的供应链非常复杂并且高度互联。英伟达的GPU不仅仅是一块芯片，它是由成千上万个组件组成的复杂系统，类似于一辆电动车的构造。因此，亚洲的供应链网络非常广泛且复杂。我们力求在每一个环节上设计出多样性和冗余性，确保即使出现问题，我们也能迅速将生产转移到其他地方进行制造。总的来说，即使供应链出现中断，我们也有能力进行调整，以确保供应的连续性。我们目前在台积电进行制造，因为它是世界上最好的，不仅仅是好一点点，而是好得多。我们与他们有着长期的合作历史，他们的灵活性和规模能力都令人印象深刻。去年，我们的收入出现了大幅增长，这离不开供应链的快速反应。台积电的敏捷性以及他们满足我们需求的能力是非常了不起的。在不到一年的时间里，我们大幅提升了产能，并且我们明年将继续扩大，后年还要进一步扩大。因此，他们的敏捷性和能力都很出色。不过，如果有需要，我们当然也可以转向其他供应商。 9. 贵公司处于非常有利的市场位置。我们已经讨论了很多非常好的话题。你最担心的是什么？黄仁勋：我们的公司目前与全球每一家AI公司都有合作，也与每一家数据中心有合作。我不知道有哪家云服务提供商或计算机制造商我们没有合作的。因此，随着这样的规模扩展，我们肩负着巨大的责任。我们的客户非常情绪化，因为我们的产品直接影响他们的收入和竞争力。需求太大，满足这些需求的压力也很大。我们目前正全面生产Blackwell，并计划在第四季度开始发货并进一步扩展。需求如此之大，每个人都希望能尽早拿到产品，获取最多的份额。这种紧张和激烈的氛围实在是前所未有。虽然在创造下一代计算机技术时非常令人兴奋，也令人惊叹地看到各种应用的创新，但我们肩负着巨大的责任，感到压力很大。但我们尽力去做好工作。我们已经适应了这种强度，并将继续努力。

格隆汇2024-09-12

AI对AI完成首笔链上交易 AI Agent概念在区块链上走到了哪一步？

rian Armstrong表示，对于AI行业的发展来说，赋予 AI 代理交易能力将是一个重大突破，特别是对于希望实现 AI 结账的企业而言。 AI可以在设定的算法程序之下去自主做交易，这是从2023年底爆火的AI Agent（AI智能体）概念落地的重要一步。只有能交易，才能事件经济社会中的各种经济行为。当AI Agent成为AI接下来发展的一个重要方向之时，区块链技术又能在这其实发挥什么作用？而AI Agent在区块链上的实践又能为区块链行业带来什么？ AI对AI交易在细节上如何实现？ AI对AI首笔链上交易的实现，得益于一个基础设施，便是Coinbase发布的MPC钱包。简单来说，是想AI Agent结合加密货币钱包，并且让AI 代理能自行交易，而无需人工干预。现阶段，AI Agent还无法在传统金融的世界中拥有一个传统的银行账户，但是拥有一个加密钱包却已经实现了。理论上，拥有了这个Coinbase的MPC钱包，AI Agent便可以在Base链上用USDC进行交易。目前，使用Coinbase提供的开发工具包，就可以创建一个AI Agent的MPC钱包。在项目进展方面， 8 月初Coinbase做了一个 AI 向人类支付加密货币的Demo产品，紧接着还推出了一个“CDP AI Builder 计划”，为构建集成Coinbase MPC 钱包的 AI 机器人开发者提供资助。而为什么是用区块链技术，使用虚拟货币去进行交易呢？在 Skyfire 的创始人Sarhangi 看来，目前 AI 代理还远未发挥出全部潜力。一旦遇到需要支付的问题，它们就会陷入困境，需要人工中介用信用卡来帮助他们。开发人员表示，这样的系统急需精简，而传统银行系统却无能为力。 “它不可能是 Visa，因为这些轨道根本无法满足人工智能的需求，即能够高效、低费用、全天候地进行微交易，”他补充道。“这些都是加密货币和区块链能够提供的东西。” Brian Armstrong 等加密行业领导者也一直公开表示，人工智能的未来取决于链上支付的采用。 Skyfire正在做这件事的区块链公司之一，其由Ripple的两位前高管创立，在今年8月完成了850 万美元种子轮融资。项目简介中写到，Skyfire是人工智能经济的金融堆栈，为人工智能代理提供即时、全球和开放的支付系统，用于在人工智能代理、LLM、数据平台、服务提供商和其他商品和服务之间进行完全自主的交易。 Skyfire 开发了一个开源支付系统，允 AI Agent在互联网上进行各种交易，包括购买数据存储、创意资产、机票和日用品等。其支付网络基于 USDC 稳定币运行，目前部署在 Polygon 网络上，未来计划扩展到其他区块链。对于尚不支持 USDC 支付的服务，Skyfire 考虑集成第三方聚合商实现 USDC 支付到传统支付方式的中转。按照Skyfire官方消息，目前已经有一些项目在尝试使用Skyfire的服务，首先是Payman，这是一个允许AI为各种任务向人类报酬的项目。在理论上，通过Skyfire的平台，Payman的AI智能体现在可以完全自主地行使雇佣合同工并履行支付。根据Skyfire官方消息，另一个在用Skyfire做实验的项目是全球汽车零部件制造商Denso，它创造了一个AI Agent，希望能够实现在没有人类帮助的情况下，自行购买各种材料。此前，它的运行需要需要人类在月底介入并进行电汇支付，但尝试使用Skyfire的服务，似乎可以解决这一问题。另一个在做这件事的便是上述提到的使用了Skyfire提供的服务、Visa投资的Payman，Payman的项目构想是通过提供一个平台的 API，让 AI Agent 能够以法定货币、加密货币还有银行账户等多种方式向人类付款。上述提到的这些项目，都可以被视为一个支付中间件平台，专注于为AI Agent和人类之间的支付提供接口和服务。它们面向的更多是 AI 开发者。除了Skyfire之外，一些非支付类的区块链项目，也在尝试植入这一理念和技术。Parallel Alpha最新的游戏Colony就在设计创建可以拥有钱包并相互交易AI角色。区块链能为AI Agent做什么？ AI Agent是受资本热捧的一个AI赛道新概念和发展趋势。AI Aagent是指能够自主进行决策，完成行动，且无需人在这一过程中介入的人工智能。当机器人演变成强大的 AI Agent，其最终将实现自主处理复杂任务，并做出更加明智的决策。而打通了人工智能的自主支付和交易，无疑是AI Agent这一概念得以落地的重要一步。目前，AI不能使用传统支付手段购买云计算服务（如AWS）、开发者工具（如 GitHub）或支付其他费用（如预订机票或酒店）。AI也无法绕过付费墙来获取所需信息。这些限制大大阻碍了 AI 的潜在效用和实际工作能力。智能代理能够自主处理很多任务，不可避免需要“交易”，在经济社会，需要和其它主体进行各种经济交互。区块链是实现人工智能“交易”的一个方向。在当下的阶段，区块链有着开户门槛更低的特点，能够减少传统金融如开户、中介类似的摩擦成本。而且链上交易可以实现实时交易、提高了交易的效率。这是区块链技术的优势，行业的一些项目也正在实践这一方向。不过，区块链技术是必须的吗？很现实的问题，依托于区块链技术的链上交易，目前有需求，但是适用的范围很小。目前，传统金融体系才是主流，绝大部分的交易还是依托于传统的金融世界在进行。所以人工智能代理的打通交易，使得智能代理足够应对日常的各种经济行为，其实首先应该打通的是传统金融系统。只是现在受限于一些现实因素和技术发展的阶段，运用区块链技术进行打通交易的成为了一种可行的尝试。而实际上，以区块链为基础，打通AI交易的渠道，基石是区块链交易本身已经嵌入到了人类生活的方方面面。否则，类似的AI对AI的交易，本身就会陷入“市场在哪里？”的困境。但是我们从Web2跨回到Web3再看这件事的意义，就会发现，这是十分有利于构建加密原生的AI Agent的。加密原生支付通道被打通了，又能为AI Agent赋予了加密资产所固有的数字产权。这是AI Agent作为一个链上的独立经济人的基石。加密如何和AI结合，一直都是加密行业一个重要的探索方向。而AI Agent正是这一方向中的一个重要分支。目前，一些行业内知名的项目已经在有了相应AI Agent方向的尝试，如Fetch.ai平台推出的AI agent是一个个模块化的构件， AI开发商可以把自身的服务，LLMs、ML模型、API和其他AI业务注册为代理服务。让传统产品开发者可以通过快速集成这些代理来执行特定任务。在交易方面，如价格预测、成交策略、止损策略、杠杆动态调整、KOL 智能跟单、借贷……每一个中心化交易所之前赚钱的服务，都可以包装成一个个可自定义的自主学习的 AI Agent，交易者将通过 AI Agent 来执行自己的策略。也有为了AI Agent而生的公链在今年出现，Arweave推出的AO链，基于Arweave的链上存储构建，实现了无限可扩展的去中心化计算，允许同时并行运行任意数量的进程，去中心化的AI Agent 由AR在链上托管，并由AO在链上运行。也就是说存储在AR链，计算在AO链。在这一套设计模式之下，AO的最终愿景是实现AI与区块链的无缝融合，使AI模型能够在链上托管且直接在链上运行，并实现自主决策。不过目前这些项目都还处于极其早期的探索阶段，AI Agent的交易是一个复杂精细的系统，如何确保其在复杂环境下的稳定性，是需应对的最艰难的挑战。来源：金色财经

金色财经2024-09-06

Coin Metrics ：Layer 1代币市场现状

一起领涨，而 NEAR 受益于其与 AI 行业的联系。随着市场整合，这些代币中有一部分进入了负值区域，但 Solana、Tron、以太坊、NEAR 和 SUI 等其他代币年初至今仍保持正值。市场情绪和架构权衡可能会继续影响 L1 原生代币的感知价值，但从长远来看，考虑推动使用和价值的基本指标至关重要，这些指标可能源于它们类似于新兴市场货币的性质、类似商品的特征或源于现金流的类似股票的特征。费用市场聚焦作为有限区块空间的提供者，第 1 层区块链及其验证者（在 PoS 中）或矿工（在 PoW 中）通过希望将其交易纳入网络的用户支付的交易费获得报酬。虽然费用机制在各个 L1 中可能有所不同，但它们是网络参与者的激励来源，也是第 1 层网络的收入来源，通常以网络的原生代币（即 BTC、ETH、SOL）支付。来源：Coin Metrics Network Data Pro 如上图所示，各 L1 的总费用根据区块空间需求而变化，市场事件和费用结构会影响这种变化。例如，以太坊历来保持最高的总费用，在正常市场条件下平均约为 400-500 万美元，在网络活动高峰期偶尔会出现高峰。这在 3 月份表现得很明显，当时总费用达到 3800 万美元，而在 8 月 5 日，围绕日元套利交易的链上活动将费用推高至 1600 万美元。相对于历史数据，以太坊上的总费用有所下降，尽管 Solana 的平均交易费用较低，但它通过支持更高频率的低价值交易而获得了成功——尽管最近呈下降趋势。在比特币上，网络特定事件，如比特币第四次减半、Runes 的推出以及最近的比特币质押引入，导致交易费用占矿工收入的百分比 (%) 周期性飙升。同样重要的是要考虑 L1 采用的销毁和发行机制，这些机制直接影响其原生代币的供应动态——通过稀缺性或质押奖励影响持有者/质押者。以太坊 - 超声波货币与可访问性随着以太坊通过以 rollup 为中心的路线图不断发展，引入 blob 的 EIP-4844 将 L2 交易费用降至几分之一美元，使其第 2 层生态系统更容易访问。然而，在短期内，这可以说是以牺牲主网 (L1) 产生的总费用为代价的。因此，这阻碍了 ETH 的销毁速度，最低降至 80 ETH 或 19.4 万美元。这就是“超稳健货币”的双重性质，它为 ETH 创造了通货紧缩压力，同时使以太坊对所有人都友好，同时也在其第 2 层 (L2) 上激增 ETH。来源：Coin Metrics Network Data Pro 以太坊上的总费用包括基础费用（根据需求动态变化并从流通中销毁）、优先费用（“小费”，用于激励验证者优先处理交易）和 blob 费用（由使用 blob 在 L1 上结算交易的 L2 支付）。然而，由于 L2 结算成本大幅下降，blob 费用目前对 L1 费用的贡献微不足道，因此通过降低销毁量和对 ETH 供应的通胀压力对持有者（非质押者）产生影响。尽管如此，由于 L2 的进步和可访问性，以太坊仍有望从活动激增中获益。 Solana - 优先考虑还是不优先考虑 Solana 的费用机制结构不同，其固定基本费用为每个签名 5000 lampor（0.000005 SOL，SOL 的最小单位）。无论是铸造新的 memecoin 还是在 DEX 上进行代币转移，Solana 上的用户都支付相同的基本费用。这与以太坊不同，以太坊的基本费用会根据网络需求动态调整。另一方面，优先费用是用户可以支付的可选费用，以增加交易被首席验证者纳入的可能性，其中 50% 被烧毁，50% 归验证者所有。但是，由于需求波动，估算最佳优先费用可能具有挑战性，导致非优先交易因价格过高而无法在区块中执行的情况。来源：Coin Metrics Network Data Pro 受整体市场和 memecoin 飙升的推动，Solana 的总费用在 3 月份达到了 450 万美元的峰值。此时，优先费用占总费用的 95%（自 8 月以来，这一数字一直保持在 80% 左右），代表着对交易纳入的高需求。然而，活动已显着减少，目前总费用为 73.2 万美元，优先费用为 53.3 万美元。采用和使用特征第 1 层区块链的典型使用模式可能有所不同，有些区块链针对大批量、小额交易进行了优化，而有些区块链则擅长处理大额交易。因此，重要的是全面考虑这些系统的“经济吞吐量”，而不能只考虑简单的交易数量。资料来源：Coin Metrics Network Data Pro ，Nic Carter：交易数量是一种较差的衡量标准如上所示，像 Solana 这样的低费用网络经过了优化，主要用于高频、低价值交易。值得注意的是，Solana 还在区块中包含了验证者投票交易（已从此图中删除，以代表用户交易）。比特币通常会出现高价值转账，这与其作为价值存储和结算层的角色相一致，而以太坊则介于高价值转账和更频繁、价值更低的交易之间，反映了其作为通用区块链的性质。Avalanche 的可变性表明，由于其多链架构，该网络能够适应不同的用例。来源：Coin Metrics Network Data Pro 这一趋势也反映在上图中，该图显示了各主要稳定币（USDC 和 USDT）在第 1 层上的中位转账规模。以太坊上的 USDC 和 USDT 通常都显示出较高的中位转账规模——尽管最近分别降至 400 美元和 267 美元——这得益于以太坊主网费用的降低。Tron 上的 Tether 一直保持在 270 美元的典型规模，而 Solana 的稳定币转账价值最低（USDC 为 7 美元）和（USDT 为 50 美元）。来源：Coin Metrics Network Data Pro 第 1 层的每日活跃地址数表示每天在网络中活跃的唯一地址数，可以作为区块链采用和活动的指标。比特币 (672K) 和以太坊 L1 (500K) 保持了相对稳定的活跃地址数，而 Solana 自 2024 年 1 月以来的活跃钱包数增长了约 219%，超过 150 万。在解释这个指标时，重要的是要考虑区块链架构的差异（UTXO 与基于账户的模型）、机器人活动导致的潜在通货膨胀以及地址不一定等同于唯一用户的区别。结论作为链上生态系统的基础层，Layer-1 将继续受到广泛关注。展望未来，技术改进和通过其应用程序吸引采用的能力将塑造这些网络的未来。以太坊即将推出的Pectra升级，以及围绕优化 blob 价格发现和 L1 可扩展性的讨论，将增强其性能和可访问性。Solana 的 Breakpoint 会议可能会揭示进一步提高其高吞吐量能力的关键发展。与此同时，像 Monad 这样的新进入者带来了增长机会，加剧了竞争格局。虽然每个 Layer-1 都遵循其路线图，但它们可能会通过不同的权衡而融合——平衡可扩展性、安全性和去中心化，以满足区块链采用日益增长的需求。来源：金色财经

金色财经2024-09-04

苹果税博弈、华为撞档，苹果这场AI“翻身战”胜算几何？

年的“AI首选股”。该机构认为，目前AI行业已经步入基础设施阶段，即将进入最后一个阶段——设备时代，而随着“Apple Intelligence”的推出，苹果将在AI设备时代大放异彩。大摩分析师称，iPhone 16引入Apple Intelligence有助于释放被压抑的需求，并加速iPhone的更换周期，目前换机周期处于历史高位4.8年。同时，这可能将在未来3至12个月内支持苹果追加iPhone生产订单。苹果、华为同日“竞技” 值得玩味的是，华为新品发布会也选择了这一天。两大手机巨头同日“竞技”，可谓是针尖对麦芒，看点属实颇多。从产品上看，此次苹果iPhone 16 系列、新款 Apple Watch 和 AirPods 等新品均将亮相。硬件方面，苹果还将发布最新版本的iOS 18系统。与此同时，Apple Intelligence也将闪亮登场，这是苹果最新推出的AI功能，也是这次的“杀手锏”。对此，大摩分析师称，Apple Intelligence是新iPhone最大的软件升级，将是第一款真正由AI驱动的设备，对苹果来说至关重要，因为关系到能否扭转苹果全球销售放缓的趋势。再反观华为，新款折叠手机可能是大亮点。今天，华为终端预告了新品——华为Mate XT非凡大师。市场猜测，Mate XT很有可能是非凡大师系列的首款折叠屏手机，预计为三折叠形态。早前就有路透余承东在飞机上使用过一款三折叠屏的手机。昨天，余承东也表示，在9月10日的新品发布会上，华为最具引领性、创新性、颠覆性的产品将至。 “这是别人想到但做不到的划时代产品，5年的坚持与投入，我们将科幻变成了现实。” iPhone16不支持微信？除了要与华为同日“大PK”外，“苹果税”也引发关注。何谓“苹果税”？即苹果应用商店内，年收入在100万美元以上的应用，苹果将对其发生的数字内容消费收取30%的分成，而对100万美元以下的中小开发者则收取15%抽成。这块业务也是苹果重要收入来源的一部分。苹果财报显示，2024财年第三季度，包括“苹果税”、订阅服务等在内的服务收入达242.1亿美元，同比增超14%。当季苹果的营收为857.8亿美元，服务收入占比超28%，是苹果三大主营业务中唯一增长的业务。据第三方数据统计机构Sensor Tower统计，2023年，“苹果税”在全球大约收入223.4亿美元（折合人民币1608亿元），而仅在中国，这一数字就超过400亿元。值得关注的是，今年1月，苹果对其在欧盟的iOS、Safari和App应用商店产品将佣金从最高30%降低至17%。但在中国，最高档仍按30%抽成。由此，中国的“苹果税”也成为全球最高。近来，“iPhone16不支持微信”的传闻喧嚣尘上，根本原因也是源于“苹果税”。据称，此轮“苹果与微信”争议的起因是微信小程序开发者绕开苹果支付，因此苹果要求腾讯须堵住应用程序中的相关漏洞，否则将拒绝App的更新。而对于传闻，苹果中国则回应表示，正与腾讯积极沟通应用商店抽成事宜。

格隆汇2024-09-03

通胀数据稳定推动美联储决策，Nvidia表现平稳

增长，但未能超出市场预期，反映出市场对AI行业未来增长的谨慎预期。来源：今日美股网

今日美股网2024-09-02

百融云-W(06608.HK)：调整后净利润1.97亿元，生成式AI成核心引擎

于J曲线理论，我们有必要进行简要回顾：AI行业因其技术的先进性、研发成本高昂以及市场接受度的逐步提升，利润的变化自然遵循着典型的J曲线成长轨迹。这一过程涵盖引入期、成长期、成熟期，以及针对特定行业或产品存在可能得衰退期。在引入期，AI公司面临技术复杂性与市场不确定性的双重挑战，需大量投入资金与资源于技术研发、团队建设及市场拓展，此阶段常伴随较大的财务压力，因收入增长往往滞后于成本支出，带来了利润的下滑。然而，一旦AI技术获得市场的广泛认可，并在实际应用中实现规模化盈利，公司便跨过拐点，步入成长期。在此阶段，其收入与利润将较快，开启高速增长的新篇章。早在2022年，百融云创便跨过了净利润的盈亏平衡点，开启了盈利增长的轨迹。2024年上半年，在下游需求逆风的背景下，百融云创的生成式AI业务依然显示出较强韧性，抵消了不利因素的影响，也是一个侧面证明。根据业绩报告，上半年百融云创的BaaS金融行业云收入达到5.89亿元，同比增长率高达20%。在保险行业云领域，百融云创新单/续期保费规模分别达到19亿元和9.7亿元，同比激增103%和47%。这一系列数据说明，百融云创生成式AI收入在快速扩张。百融云创不仅迎来了财务模型的正向循环与规模效应，随着技术的飞轮效应显现，公司还构筑了研发与成长的良性循环。随着技术应用范围持续扩张，公司能够汇聚更为庞大的训练数据集，这一宝贵资源对AI模型的深度优化起到了重要的催化作用。技术的不断优化与数据量的激增相辅相成，共同驱动着公司技术模型飞轮效应的加速旋转。在今年上半年，百融云创在自然语言处理（NLP）技术方面取得了显著进步，将传统NLP技术升级为更先进的主动式大模型技术。这一升级通过模型量化、蒸馏和分离式推理架构技术的整合，加强了智能语音交互链条，为用户提供了更高效、更准确的服务体验。百融云创还引入了检索增强生成（RAG）技术，进一步提升了大模型的精确度和可信度。RAG技术使模型能够更深入地理解上下文，并将检索到的信息有效地融入文本生成中，以满足实际需求。在第三方测评机构进行的RGB基准测试中，百融云创的大模型在多个关键能力方面展现了出色的表现，整体准确率略超过ChatGPT3.5，证明了公司在AI技术领域的专业实力和领先地位。智能语音机器人Voice GPT也实现了重大的技术突破。基于ChatGPT的同源技术，Voice GPT的响应时间缩短至500毫秒以内，同时引入了情感识别和情感语音输出功能，将语义理解的准确度提升至97%以上。这些升级使得Voice GPT在智能客服、信用卡及理财营销、客户回访等环节中发挥了关键作用，并且将其每日的AI外呼能力提升至5000万次，极大提高了服务效率和客户满意度。摒弃烧钱策略，通过培养财务与技术的双重正向循环，构筑了百融云创长期稳健增长的基础，也避免了“泡沫”。三、展望未来：垂直场景数智服务市场潜力巨大展望未来，随着千禧一代与X世代的崛起，客户对数字化工具的依赖日益增强，投资习惯、交互模式及服务需求均发生根本性变化，中国财富管理行业正经历着前所未有的变革。而百融云创依托生成式AI技术，凭借其独特的商业模式和技术优势，为客户解决痛点，提供高效的垂直场景数智化服务。 2024年上半年，百融云创不断拓展其BaaS业务模式的应用范围，成功在银行、小微企业运营及财富管理等多个领域赋能客户。其中，在银行领域，百融云创与华夏银行联合打造的数智化绿色金融解决方案入选工信部优秀案例，充分展示了其在绿色金融领域的领先地位。同时，在财富管理业务方面，百融云创通过为多家银行提供数智化客群运营解决方案，有效激活了银行财富管理业务的潜力，实现了客户资产规模的快速增长。通过一系列成功的实践案例，百融云创在数智化服务领域的实力得到了充分验证。其中，笔者注意到，百融云创为一家股份制银行提供了数智化财富管理解决方案，有效激活了银行中长期被忽视的长尾客户群体。针对资产管理规模(AUM)大多低于1万元的客户，百融云创通过构建一个以“一个三角、一条链、一个环”为核心的高效智能客群经营体系，帮助银行改变了对这些客户的传统管理策略。结合个性化营销话术与AI外呼技术的优化，产品同意意向率显著提升，从4%跃升至10%。短短数月内，该体系助力银行成功提升AUM1万元及以上客户数达2.6万户，超出对照组1.9万户，实现了存量客户的深度挖掘与价值提升，为银行财富管理业务的长尾市场开辟了新的增长点。当前财富管理行业面临着激烈的竞争，也面临着时代的机遇，因此亟需数智化服务对自身进行升级转型。据国家统计局及高盛等权威机构数据显示，中国居民财富收入持续增长，中等收入群体规模不断扩大，为财富管理行业提供了广阔的发展空间。预计到2025年，中国居民的可投资资产总规模将达到50万亿美元，并保持两位数的增长速度。这一趋势促使中国财富管理行业加速向数字化转型，以满足客户日益增长的数字化需求。百融云创管理层亦对BaaS业务的未来市场空间充满信心。管理层预测，在未来几年内，在信贷场景中，预计线上化、数字化的市场规模将从17万亿增长至45万亿，复合增长率达13%，其市场空间被认为比信贷场景大十倍，2022年线上化规模为130万亿，预计到2030年将达到400万亿。面对蓬勃发展的百万亿规模的市场，百融云创是否能凭借着生成式AI技术优势，牢牢把握住这一机会？可以拭目以待。

格隆汇2024-08-30

花旗：到2025年，苹果将超越英伟达成为最大的 AI 股票

品周期来说应该是一个关键的胜利。目前AI行业已经进入基础设施阶段，第一阶段是芯片、服务器，第二阶段是网络、存储。该报告指出，尽管英伟达在基础设施阶段占据了大部分主导地位，但人工智能技术向设备功能转变的黄金时机似乎已经到来，这将导致大规模的消费者和企业采用。苹果即将发布“Apple Intelligence”，为这一转变奠定基础。该功能将为 iPhone 系列带来人工智能功能。花旗分析师阿蒂夫·马利克 (Atif Malik) 表示，初步迹象表明，这些功能足以推动下一代 iPhone 的大规模升级周期。马利克说：“开发人员对 iOS18 测试版 AI 功能的反馈，包括最近推出的删除不需要的对象的新照片功能，都表明 AI 是明年 iPhone 更新的一项引人注目的升级。” 苹果预计将在 9 月名为“It's Glowtime”的活动上发布其 iPhone 16 系列。除了设备上的 AI 功能外，iPhone 16 系列预计还将包括具有增强型神经引擎、改进的摄像头和麦克风以及更长电池寿命的 A18 芯片。所有这些硬件升级对于实现新一代人工智能软件功能都至关重要。马利克解释说：“苹果 9 月份的发布会通常都与硬件更新有关，但我们相信，该公司将重点关注 iPhone 16 系列的硬件更新如何更好地支持预计将于秋季晚些时候正式推出的 Apple Intelligence 功能。” 虽然 iPhone 16 将开启苹果的 AI 时代，但真正推动即将到来的销售热潮的是 2025 年发布的 iPhone 17。马利克表示：“由于 AI 功能将在明年逐步发布，开发人员需要时间来开发应用程序，而苹果也需要时间来赢得客户的认可，因此我们预计明年 iPhone 17 将进行重大更新。” 马利克估计，苹果将在 2024 年售出 8500 万部 iPhone 16，在 2025 年售出 9200 万部 iPhone 17。总体而言，马利克预计苹果将在 2024 年售出 2.28 亿部 iPhone，在 2025 年售出 2.41 亿部 iPhone。马利克在谈到消费者对人工智能技术的采用时表示：“我们认为苹果最有能力实现这一目标，因为它在高端智能手机市场处于领先地位，并且软件和硬件无缝集成。” 马利克将苹果评级定为“买入”，目标价为 255 美元，较周三收盘价上涨 13%。

Dan19772024-08-30

8月29日证券之星午间消息汇总：国务院新闻办公室发布《中国的能源转型》白皮书

球加速计算领域的领导者，英伟达已被视为AI行业的风向标。4)国内铜连接厂商崛起，未来市场前景看好。国内各厂商已具备AI算力所需高速铜缆及其上游零部件批量化生产能力。

证券之星2024-08-29

商汤-W(00020.HK)生成式AI收入增长256%，B端C端合力加速商业化进程

能力的AI企业脱颖而出。 8月27日，AI行业领军企业商汤科技发布了其2024年上半年的财报，为AI商业化的前景提供了有力的证明。 2024年上半年，集团总收入为17.4亿元（单位：人民币，下同），同比增长21%；其中，生成式AI业务表现尤为突出，收入同比大幅增长256%至11亿元，占集团收入比重提升至6成，为集团业绩贡献了重要力量。集团整体毛利润同比增长18%，展现了强劲的发展势头。创新之道：大装置+大模型深度协同的创新体系商汤科技的创新之道独树一帜，其核心在于构建了大装置与大模型深度协同的创新体系。早在2022年初，商汤便前瞻性地启用了上海临港智算中心——这一全球顶尖的超大型人工智能计算中心（AIDC）以其开放性、大规模处理能力和低碳环保的先进AI计算基础设施，为AIGC大模型的训练和推理提供了强有力的支持。据最新公开数据，SenseCore的总算力规模已跨越20,000 PetaFLOPS（FP32）大关，较2024年3月增加约70%，稳居亚洲智能计算平台前列。依托SenseCore AI大装置，商汤铺就了“大模型+大装置”的创新之路，迅速推出了自家的“商汤日日新SenseNova”大模型。“日日新”大模型通过高效的预训练机制，能够通过少量的微调，快速适配并生成多种规模的AI模型。其发布时间紧随ChatGPT之后，展现了商汤在AI大模型领域具备较强的研发能力。今年七月，商汤宣布对大模型的再次更新，发布国内首个具备流式原生多模态交互能力的大模型升级版“日日新SenseNova5.5”，交互体验与多项核心指标直逼国际领先的GPT-4o。尤为值得注意的是，“日日新5.5”的问世距其前代产品发布仅隔五十余天，其流式技术乃行业首创，保持了前沿技术快速的迭代能力。 B端商业化加速，交出亮眼成绩单商汤的技术突破正迅速转化为B端市场的商业成果。公司利用其“日日新”大模型和AI云服务平台，针对更多的应用场景、为更多的客户提供全面的企业级、AI解决方案。根据IDC发布报告，商汤的大模型平台及应用以16%市场份额排名行业第二，智算服务以15.4%市场份额跻身行业前三。商汤的生成式AI技术在互联网、智能硬件、机器人、医疗、金融等多个行业迅速落地，推动行业智能化转型。2024年上半年，日日新整体调用量实现400%的增长，用户数和用户平均调用量均大幅增长。其中，在智能终端领域，商汤为小米、Oppo等客户提供服务，优化了手机、汽车、个人电脑、智能音箱等IoT设备的交互体验。此外，在智能汽车领域，商汤的“绝影”品牌借助AI大装置和大模型的全栈部署能力，实现了车端的高效多模态能力部署。商汤已与多家顶级汽车制造商建立了深入的合作伙伴关系，共同推动智能座舱和智能网联技术的发展。在智能座舱领域，商汤与奥迪、大众、本田、宝马等国际知名车企合作，共同开发车舱大模型；在智能网联领域，深圳前海、江苏无锡、陕西西咸新区、上海临港等多个城市均开通了商汤绝影自动驾驶小巴的运行路线。 B端领航，C端助力，探索创新商业化战略不少投资者关注到，商汤在深耕B端业务的同时，正在选择性地布局C端应用，探索创新的商业化战略。广发证券研究所指出，在面向B端企业的应用中，AI技术解决的是与场景深度融合的问题，而场景的丰富性则更加体现了AI提供差异性服务的能力。而面向C端的应用中，AI技术往往只针对单点问题，提供单一功能的应用。较低的门槛、单一的功能，这导致了C端市场应用的同质化现象严重，竞争异常激烈，难以实现很好的商业回报。商汤的策略布局则显示出其独特之处：首先，公司稳固B端业务的基石地位，持续输出高质量服务，确保现金流的稳健增长，为C端市场的小幅尝试提供了坚实的支撑；其次，商汤巧妙地将B端业务中积累的AI大模型、大装置等核心技术优势，经过适应性调整和优化后，成功引入到C端市场。这种技术降维打击的策略，不仅让C端用户能够享受到前沿AI技术的便利，也进一步巩固了商汤在AI技术领域的领先地位。最后，在C端市场的布局中，公司选择性地进入那些具有明确增长潜力和良好发展前景的领域，通过推出创新的优质产品，有效规避了同质化竞争的风险。尽管商汤进入C端市场的时间尚短，但其取得的成绩已颇为可观。近期，商汤发布了一款帮助用户生成创意写真、自拍合照的AIGC产品——“秒画趣拍”。小程序版试运营第9天日活跃用户就已突破52万，用户总量突破146万，日页浏览(PV)突破4117万，网络请求更是破亿次，成为C端“爆款”产品。商汤独特策略布局，为其商业化道路带来了多元化的发展，结语从B端到C端，从智能汽车到智能生活到方方面面，商汤正试图将AI的力量渗透到更多的领域，探索AI技术的无限可能。尽管众多权威测评与报告均高度评价商汤的“日日新5.5”大模型，认为其在性能上已能与GPT-4o相媲美，但市值相较于OpenAI被严重低估。这背后的深层原因，首要之一在于市场对新兴技术商业化路径的短期不确定性持有谨慎态度。随着商汤在技术产品上的连续突破、关键合作的陆续落地，尤其是面向C端市场的创新产品推出，预计将逐步深化公众对商汤的理解。这些积极因素有望为公司价值回归铺平道路。

格隆汇2024-08-28

24小时热点