FX168财经网_全球视野外汇黄金加密货币NFT资讯网

海光信息上涨2.08%，报75.55元/股

企业计算、云计算数据中心、大数据分析、人工智能、边缘计算等领域，满足互联网、电信、金融、交通、能源、中小企业等行业的广泛应用需求。截至9月30日，海光信息股东户数4.91万，人均流通股1.79万股。 2023年1月-9月，海光信息实现营业收入39.43亿元，同比增长3.22%；归属净利润9.02亿元，同比增长38.27%。

金融界2024-04-09

大行评级｜德银：Robotaxi正在改变市场对特斯拉的看法予其“买入”评级

利用专注于机器人出租车，来发挥其独特的人工智能和软件优势，这一点很少有OEM(原始设备制造商)可以模仿，这将带来更大的经济效益。然而，特斯拉也放弃了许多人持有该股的一个“关键因素”：主打销量的Model 2将重新加速销量、利润率和自由现金流。Rosner对该股给予“买入”评级，目标价189美元。

格隆汇2024-04-09

AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

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

投资者一问汉王科技：经营乏力是否因“重销售轻研发”？产品毫无竞争力才陪进这么多钱营销？

作者：智研人工智能巨头汉王科技发布的2023年年报引起了市场热议。财报数据显示，公司全年实现营业收入14.4亿元，同比增长3.56%，增幅较小。然而公司的营业总成本高达15.75亿元，已经超过了营业收入，该公司连续两年出现1亿元以上的巨额亏损。分析财务数据发现，营业总成本飙升的原因之一来自于汉王科技销售费用的居高不下，2023年在营业总成本中占比将近三成，过去6年增长了近5倍；与此同时，真正用于科技创新的研发费用增长仅有1.3倍，2023年的研发投入仅是销售费用的58%，销售研发比显著高于行业水平和其他同类企业。由此，汉王科技被投资者质疑“重销售、轻研发”。 2023年亏损原因是什么？ 2023年，汉王科技的收入结构中，占比最大的笔智能交互业务，收入增速有限仅为0.18%；占比次之的AI终端业务则增长较为可观，达到30.36%，文本大数据与服务业务增长4.3%。但是这“多收的三五斗”还是没能挡住汉王科技成本增长的势头。从财务数据来，营业成本本身并没有大幅增长，仅增长了0.95%，但从三费来看，占最大头的销售费用发生了大幅度增长，高达19.46%，从3.6亿元增长到4.3亿元；此外，研发费用保持了较大幅度的增长，由1.99亿元增长到2.46亿元，增幅达到23.21%。仅考虑三费加上研发费用，汉王科技的营业总成本就已经超过了营业收入。再加上今年计提资产减值准备1,695.34万元，最终亏损额达到1.35亿元。 4.3亿元销售费用有啥效果？实际上，这几年汉王科技一直保持着较高的销售费用比，但盈利却并没有得到根本的好转。这一点也被许多投资者质疑。有投资者直接提问：“为什么公司销售费用这么高？是因为产品毫无竞争力才赔进这么多钱销售吗？” 对此，汉王科技回答称：由于公司智能终端新品N10上市，所以要一定强度的市场推广和品牌宣传。然而事实是，汉王科技的销售费用在2023年增长到史无前例的4.26亿元，增长了7000万元，但当年只带了5000万元收入的增长。根据年报，销售费用的增长主要是2023年是其成立三十周年，通过品牌周年庆活动、春秋两季新品发布会、权威论坛、重要展会等方式在央媒、门户网站、财经媒体、数码科技类媒体等100余个主流媒体持续高频发声；进一步加强B站、抖音、小红书、微博等自媒体平台运营与内容输出；进一步拓宽广告投放渠道，除抖音、小红书、B站等投放效果良好的自媒体平台外，还投放了含北上广深在内的60个城市的电梯广告及北京市地铁广告，投放当月“汉王N10”在京东平台的关键词搜索。这种依靠大手臂进行销售投入的做法，并不能够换来营收的同等增长，这一现象从历史数据中早就有迹可循。 2020年，汉王科技的销售费用从接近2亿元的水平突然大幅提升至近4亿元，销售费用占比也从18%拉升到25%，导致当年的营业收入有了明显的增长，增幅达到40%;但是在此之后，同样的策略却再也没有产生同样的效果。 21年至23年，汉王科技依然持续密集地进行高销售费用的投入，销售费用占比均在25%左右，但主营业务的增长却只有3%左右，甚至2021年下降了13%。再看研发投入情况，从2018年，汉王科技的研发费用是1.06亿元，高于当年的销售费用0.74亿元，但此后销售费用逐年大幅增长，在6年间翻了5.7倍，但研发费用仅翻了2.1倍。到2023年，销售费用是研发费用的1.7倍。销售研发比为何显著高于同行？作为产品面向C端销售的企业，进行大规模的广告推广无可厚非，但汉王科技属于是软件开发行业，这个赛道的企业普遍重视研发投入。与行业其他企业相比，汉王科技的销售投入明显高于行业平均水平，但营收增速却低于行业平均；销售研发比也低于行业平均水平。以2022年软件行业整体数据来进行分析，140家软件企业的平均销售费用占营收比为16%，远低于汉王科技；营收的平均增速为10%，则高于汉王科技；行业平均的销售研发比为1.15倍，而汉王科技为1.79倍，2023年达到了1.73倍。再以与汉王科技同样属于人工智能概念的科大讯飞进行对比。科大讯飞的主要产品也是面向C端进行销售，2022年销售费用投入占营收比例只有16.8%，远低于汉王科技的25.5%；研发费用占比为16%，高于汉王科技的14%；销售研发比为1.01倍。这意味着，科大讯飞在研发方面的投入与销售投入是接近的，而不是如汉王科技那样，销售费用投入远远超过研发投入。结语作为一家以技术立身的人工智能企业，研发投入对于企业的重要性不言而喻，投入不足势必影响企业的长期竞争力。汉王科技虽然在笔智能交互、AI终端等领域布局较早，但近年来的业绩表现却不尽如人意，这或许与公司重销售、轻研发的策略不无关系：销售费用占比过高蚕食了利润空间，而研发投入不足又影响了公司的长期竞争力。展望未来，汉王科技若想重回增长快车道，不能只重视“广告”而不重视“疗效”。

金融界2024-04-09

第四范式(06682)下跌5.05%，报57.3元/股

有限公司是一家专注于提供以平台为中心的人工智能解决方案的领先企业，帮助企业实现人工智能规模化转型并提高决策能力。根据灼识咨询报告，该公司于2022年在中国决策类人工智能市场中占据最大的市场份额，其自动机器学习算法领跑全球，在准确性和有效性方面打破了两项图学习标准的世界纪录。截至2023年年报，第四范式营业总收入42.04亿元、净利润-9.09亿元。

金融界2024-04-09

ACY证券汇评：【每日分析】自动驾驶是电动车破局之道？

电动车公司，而是一家机器人、能源储存与人工智能公司。毕竟，软件与服务业的成长属性可比制造业高多了。一旦市场相信了这个观点，特斯拉将重获增长潜力。不过暂时来看，除了能源储存外，另外两项并没有体现在财报业绩当中。4月23日将发布财报，大概率也不会有所体现。不过就在特斯拉股价持续下跌的档口，上周末，特斯拉CEO马斯克宣布，将于今年8月推出自动驾驶出租车Robotaxi。这不禁让人猜想，特斯拉已经通过AI大模型在自动驾驶领域实现了技术突破。不过也有分析认为，这是马斯克惯用的营销伎俩，通过展示新技术来制造话题，从而止住股价的颓势。自动驾驶行业其实也身处寒冬虽然特斯拉砸了很多钱在自动驾驶上，但自动驾驶行业本身竞争同样激烈。谷歌、英特尔等科技巨头早已是自动驾驶领域的领头羊，但即便如此，通过自动驾驶实现盈利的企业仍然寥寥无几。尤其是近半年来，自动驾驶行业异常惨淡，倒闭的倒闭，裁员的裁员。不少企业放弃了自动驾驶，因为这个领域难以获利。为了将事故率从0.1%降低到0.01%，花费的人力与成本数倍上涨。就像是一个无底洞，投入的资金和实际可以获得的盈利完全不成正比。再加上高利率环境下，融资成本高昂，消费需求降级，自动驾驶行情同样身处寒冬。特斯拉去年对FSD降价，其实也代表了这个行业不好干。 AI带动自动驾驶技术突破？不过特斯拉的全自动驾驶FSD技术最受关注的便是采用了AI多模态大模型，再加上马斯克宣布让美国用户免费试用一个月，让不少人相信特斯拉在技术上实现了突破。让特斯拉在L4级别的无人驾驶赛道上占据主导。自动驾驶技术分级不过这种期待可能有些过于乐观。就在马斯克宣布Robotaxi的同一天，OpenAI投资的自动驾驶公司Ghost突然毫无征兆地倒闭了。作为AI模型的领军企业首次与自动驾驶的合作，最后却无疾而终。这是因为目前的生成类AI模型本身就不是为了自动驾驶设计的，因此训练的效果是未知数。并不是用了AI模型就一定能够降低自动驾驶的事故率的。因此特斯拉新版V12.3的FSD全自动驾驶是否有技术上的突破，还要看数据说话。信任才是木桶的短板再退一步来讲。特斯拉技术真的突破了，事故率进一步降低。对于特斯拉的死忠粉来说，必然是好消息。但对于普通消费者来说，可能无法一下子就说服他们去接受自动驾驶。消费者要的不是特定场合，特定区域的自动驾驶，而是通用全自动驾驶技术。即便是搭上了AI的快车，消费者对自动驾驶的认知与信任仍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%

关上市公司的投资机遇。西部证券指出，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

麦迪科技上涨5.02%，报10.67元/股

解决方案。近年来，公司加速构建健康医疗人工智能的产业布局，与中国心血管健康联盟和中科院自动化所等机构合作，致力于成为国内健康医疗人工智能领域的优秀品牌。截至9月30日，麦迪科技股东户数2.45万，人均流通股1.13万股。 2023年1月-9月，麦迪科技实现营业收入3.5亿元，同比增长70.09%；归属净利润-9206.26万元，同比减少628.92%。

金融界2024-04-09

王慧文入股抹香鲸APP开发商

APP开发商，该产品是一款能够让用户与人工智能技术创造的“角色”聊天实时互动的应用。

金融界2024-04-09

IDC：PC市场已开始持续复苏，联想优势扩大

"AI for All"战略，持续推动人工智能在设备、基础设施和解决方案领域的创新与应用。英特尔CEO 帕特·基辛格、AMD董事会主席兼CEO 苏姿丰、高通总裁兼CEO 克里斯蒂亚诺·安蒙也将在大会上发表演讲。

格隆汇2024-04-09

24小时热点