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

OpenAI推出ChatGPT企业版，直面微软竞争火力全开
 go
持者微软产生了直接的竞争关系。微软通过Azure OpenAI和Microsoft 365 Copilot等平台，也为企业提供ChatGPT服务，并将其技术广泛应用于搜索、网络浏览器以及其他多种软件和服务中。面对这种情况，OpenAI的高管在与金融、医疗和能源等行业客户的对话中，着重强调了其服务在呼叫中心管理、翻译等多个方面的应用优势。为了打消企业客户的顾虑，OpenAI还承诺不会使用ChatGPT企业客户的数据来训练其模型，从而确保了数据的安全性和隐私保护。这一承诺无疑为企业客户在选择AI服务提供商时提供了更多的信心和保障。在推广活动中，一些企业高管对OpenAI和微软的服务提出了疑问。他们询问，如果已经是微软的客户，为何还需要为ChatGPT企业版付费。对此，奥特曼和莱特卡普解释说，为企业服务付费将使企业能够直接与OpenAI团队合作，并获得更多定制AI产品的机会。这种直接的合作模式和定制化的服务，无疑为企业提供了更加灵活和高效的解决方案。值得一提的是，OpenAI在业界的估值和影响力也在不断提升。去年9月，该公司的估值已达到约800亿美元。而截止2023年8月，其营收运行率更是超过了10亿美元。这些亮眼的业绩数据不仅证明了OpenAI在市场上的强大竞争力，也为其未来的发展奠定了坚实的基础。此外，微软与OpenAI之间的关系也备受关注。尽管双方在某些业务领域存在竞争关系，但微软仍然是OpenAI的重要投资者和合作伙伴。2023年1月，微软曾宣布向OpenAI投资数十亿美元，以支持其研发和推广工作。这一巨额投资不仅加速了OpenAI的发展步伐，也为双方在未来的合作中创造了更多的可能性。
金融界2024-04-13
隔夜美股全复盘(4.12)| 三大股指盘中持续走高，苹果、英伟达均涨超4%，据报苹果计划全面更新Mac产品线，搭载增强AI功能的M4芯片
 go
应用商店平台 2010年2月：微软发布Azure云平台服务 2010年4月：苹果第一代iPad平板电脑开售 2011年8月：乔布斯辞去CEO一职(同年10月去世)，由蒂姆·库克接任 2014年2月：微软宣布Satya Nadella为新任CEO 2016年9月：苹果发布第一代AirPods无线耳机 2016年12月：微软以260亿美元收购职业社交网站领英LinkedIn 2022年1月：微软宣布将以687亿美元收购动视暴雪(2023年10月完成收购) 2023年1月：微软宣布对OpenAI追加投资，累计投资达100亿美元 2、Rivian和Lucid触及纪录低点福特降价引发电动汽车担忧 4.12 福特汽车大幅下调电动皮卡的价格引发电动汽车担忧，电动汽车初创公司的股票Rivian Automotive Inc. 和Lucid集团触及纪录低点。电动汽车全行业的价格战是投资者的一个主要担忧因为它会影响利润率。对于像Rivian和Lucid这样尚未盈利的初创公司来说这可能会进一步推迟他们开始盈利的时间。 3、Meta官宣下一代AI训练与推理芯片项目 4.10 Meta当地时间4月10日宣布其训练与推理加速器项目的最新版本。MTIA是Meta专门为AI工作负载设计的定制芯片系列。Meta表示，与第一代MTIA相比，最新版本显著改进了性能，并有助于强化内容排名和推荐广告模型。Meta称，公司的目标是降低对英伟达等公司的依赖。有网友表示，新MTIA的芯片面积小，热设计功耗（TDP）为90W（典型的训练加速器为350-500W，多芯片模块（MCM）为700-1000W），大约只有H100的三分之一的浮点运算能力（TFLOPs），因此总体上可能是一个胜利，可能类似于谷歌采用的许多小型TPU的扩展策略。 4、罗氏与礼来合作的阿尔茨海默病检测法获得美国FDA突破性设备认定 4.11 罗氏制药宣布，该公司用于支持早期阿尔茨海默病诊断的血浆生物标志物ElecsyspTau217获得美国食品药品管理局（FDA）的突破性设备认定。该检测方法由礼来公司和罗氏合作开发，它将用于帮助确定个人体内是否存在淀粉样蛋白病理，有助于患者的疾病诊断。阿斯利康将其2024年的年度股息提高7% 4.11 阿斯利康4月11日宣布将其2024年的年度股息提高7%，达到每股3.10美元，股息支付时间无变动。 4.11 福泰制药(VRTX.N)周三表示，该公司将以约49亿美元现金收购生物技术公司Alpine Immune(ALPN.N)，以获得后者治疗肾脏自身免疫性疾病的药物。 4.11 阿斯利康(AZN.O)在美国癌症研究协会(AACR)年会上公布其在研ATM激酶抑制剂AZD1390全球1期试验的积极结果。阿斯利康(AZN.O)将2024年每股股息提高7%至3.10美元/股。 4.11 默沙东(MRK.N)与科伦博泰公布其所联合开发TROP2靶向抗体偶联药物(ADC)芦康沙妥珠单抗用以治疗晚期胃癌或胃食管交界部癌(GEJ)患者2期研究的初步疗效积极结果。 5、TikTok确认正开发新App：有点像小红书 4.11 近几日不断有外国网友在社交媒体上分享称，收到TikTok应用的弹窗称，一款叫“TikTokNotes”的照片分享应用“即将上线”，用户可以自行选择是否在新应用中展示自己过往发布的照片。还有网友找出疑似TikTokNotes的应用网页，似乎这个App连Logo都已经设计好了。鉴于这件事都已经在应用内推送过了，TikTok这次也大大方方地承认正在为图片和文字开发一个“专用空间”，但现在尚未确定这款Notes应用的设计或发布时间。一名TikTok发言人表示，作为持续致力于创新TikTok体验的一部分，公司正在探索方法为社区提供一个专门的空间，能够以照片和文字的形式展示和分享创意。 04 今日前瞻今日重点关注的财经数据（1）20:30 美国3月进口物价指数月率（2）21:00 美联储柯林斯接受媒体采访（3）22:00 美国4月一年期通胀率预期（4）22:00 美国4月密歇根大学消费者信心指数初值（5）次日02:30 美联储博斯蒂克就楼市问题发表讲话（6）次日03:30 美联储戴利在金融科技会议上发表讲话
格隆汇2024-04-12
GenAI竞赛升温，亚马逊一步布局人工智能创收盘新高
 go
penAI的早期协议以及将其技术集成到Azure的压力，而Alexa语音助手正在与OpenAI和谷歌的GenAI聊天工具展开竞争。过去几个月，亚马逊在亚马逊网络服务、Prime Video服务、医疗保健业务和 Alexa部门等部门解雇了数百名员工，将过去两年的大规模裁员延续到2024年。
Sissi2024-04-12
花旗：予微软“买入”评级在生成式人工智能投资周期中具领导地位
 go
反应，展示微软愿意投资及建立更综合性的Azure数据平台，可增加竞争环境及Data Estate现代化的提升。该行指出，有关产品的成熟程度，安全与管理问题仍有痛点，但微软正快速创新，相信把Fabrit、Co-Pilot及其他生成人工智能相关服务结合，将再度强化微软在生成人工智能投资周期的领导地位。花旗目前给予微软“买入”评级，目标价480美元。
金融界2024-04-11
环球政经要闻全览 | 4月11日
 go
日程安排反映了这一目标。微软报告称，在Azure公有云上运行人工智能模型的客户的收入显著增长，该公司希望通过为开发人员推出新的人工智能功能来保持这一趋势。苹果当前多达14%的iPhone据悉产自印度据彭博，在印度2024财年内，苹果公司已经在该国组装了价值140亿美元的iPhone。印度政府的财年通常从4月1日开始算起，到下一年的3月31日结束。据知情人士透露，苹果目前在印度生产的iPhone设备约占其全球产量的七分之一。 Meta官宣下一代AI训练与推理芯片项目当地时间4月10日，Meta Platforms宣布其训练与推理加速器项目（MTIA）的最新版本。MTIA是Meta专门为AI工作负载设计的定制芯片系列。Meta表示，与第一代MTIA相比，最新版本显著改进了性能，并有助于强化内容排名和推荐广告模型。鸿海集团拟采用轮值CEO制度据《台湾经济日报》，知情人士透露，鸿海集团正在规划让轮值CEO制度化，目的是培养未来领导人才和落实公司治理。其中两位人士称，考虑中的一个选项是会有四个轮值CEO的职位，每次轮值时间为六个月。至于轮值CEO人选，可能由不同的高管担任，此制度实行范围将仅限于鸿海集团的六大事业群以及部分中央单位，不包含如工业富联、鸿腾、富智康等旗下子公司。亚马逊将允许员工用股票奖励换取现金据The Information，亚马逊给中下层员工一个机会，让他们决定自己未来的薪酬在多大程度上与公司的股票表现挂钩。一份内部备忘录显示，今年5月，亚马逊将给许多美国企业员工一项选择——将明年获得的股票数量减少四分之一，以换取更多现金。亚马逊加入了越来越多的包括特斯拉和Shopify在内的科技公司的行列，这些公司不那么重视股权薪酬作为激励员工的一种方式。
格隆汇2024-04-11
AI爆发，芯片强受益获持续关注
 go
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
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
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
4月收益10倍的4个加密货币
 go
rvices 或 Microsoft Azure 等集中式云服务提供了一种成本显着降低的替代方案。它以其无与伦比的能力而脱颖而出，能够促进云提供商之间的无缝转换，确保无与伦比的灵活性和运营效率。该网络使用点对点协议。这允许按比例分配计算工作负载并有效地竞标可用资源。 AKT Network 的价格大幅上涨，当前价值为 4.32 美元，在过去 24 小时内上涨了 9.44%。过去一年价格飙升1,405%，显示出巨大的增长潜力。然而，值得注意的是流动性较低，成交量与市值之比为 0.0051。该上涨股的 30 天波动率也为 10%，表明波动适度。在做出投资决策之前，投资者应考虑这些因素以及网络的独特功能和 AKT 代币的实用性。 3. W Wormhole 是一个开创性的 Jump Crypto 项目，旨在改变跨链通信。最初，它充当 Solana 和以太坊之间的代币桥梁。此后，它演变成了 Wormhole V2，一种促进各种区块链之间互操作性的通用消息传递协议。 Wormhole 的价值转移超过 400 亿美元，发送的消息数超过 10 亿条，支持 30 多个区块链并托管超过 200 个应用程序。 Wormhole 创新的核心在于其 Guardian 网络，该网络由全球顶级验证器公司组成。该网络通过验证操作批准 (VAA) 确保消息的安全性和有效性，这些消息通过中继器网络进行中继。 Wormhole 还提供其他产品，如 Wormhole ZK、查询、网关和连接。这些通过零知识证明、区块链数据查询和简单的代币桥接等功能增强了其跨链功能。 Wormhole 正在掀起波澜，在 DeFi 代币领域占据第 9 名，在 Solana 代币和代币领域占据第 1 名。当前价格为 1.056644 美元，近期在短短 24 小时内飙升 6.59%，Wormhole 正在吸引投资者的眼球。其高流动性体现在 0.4775 的成交量与市值比率，进一步凸显了其潜力。对于那些对跨链通信和互操作性的动态利基感兴趣的人来说，它提供了一个诱人的投资机会。 4.FTM Fantom 是一个动态有向无环图（DAG）智能合约平台。它改进了去中心化金融（DeFi）服务，并大胆解决了之前区块链迭代的局限性。在 Fantom 基金会自 2018 年以来的愿景指导下，其主网 OPERA 于 2019 年 12 月启动标志着一个关键时刻，使开发人员能够无缝部署去中心化解决方案。 Fantom 实力的核心在于其定制的共识机制 Lachesis，提供无与伦比的交易能力和闪电般快速的最终确定。该项目拥有出色的用例，并展示了同样令人印象深刻的价格变动。其价格在过去24小时内飙升5.86%，较去年上涨84%。交易价格高于 200 日简单移动平均线 (SMA) 101.32%，表明市场情绪强劲。 14 天相对强弱指数 (RSI) 显示出平衡的前景，过去 30 个交易日中有 16 个交易日表现出积极的迹象。作为一个诱人的投资机会，FTM 拥有高流动性和高达 0.1288 的成交量与市值比率。有趣的是，Fantom 最近与 USDC 发行人 Circle 合作，迈出了创新的一大步。他们的目标是在 Wormhole 跨链消息传递协议上引入尖端的稳定币 USDC.e。这种富有远见的合作旨在消除流动性碎片化并稳定生态系统。此外，它还试图通过提供额外的入口匝道来增强该平台的吸引力。利用 Wormhole Native Token Transfers (NTT) 标准，USDC.e 承诺 Fantom 上的所有用户和开发人员都可以访问。这一举措旨在将其吸引力和功能提升到前所未有的高度。来源：金色财经
金色财经2024-04-08
风语筑(603466.SH)：基于微软Azure OpenAI、月之暗面Kimi等AI大模型积极探索AI相关应用
 go
平台表示，公司基于千帆大模型平台、微软Azure OpenAI、月之暗面Kimi等AI大模型积极探索AI相关应用。
格隆汇2024-03-29

上一页
1
•••
41
42
43
44
45
•••
88
下一页

24小时热点

最新话题更多