FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美国通胀放缓推升6月降息预期，科技进步路径或影响美股长期趋势

力，力求以更快的速度和更低的成本训练和推理模型；在AI技术应用方面，ChatGPT、Sora等生成式AI带来了全新的产业机遇，人形机器人正成为多方竞逐的新赛道，而智能驾驶和智能家居等领域则趋向成熟化。纳斯达克100ETF（159659）标的指数主要聚焦美股科技龙头股，在人工智能的时代浪潮之下，在AI领域有着领先布局和深厚积淀的科技巨头集中在纳斯达克100指数，比如微软、苹果、英伟达、亚马逊、脸书等股，前十大权重占比46.57%，龙头属性集中。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2024-04-02

科技巨头持续发力人工智能，高通、谷歌、英特尔欲联手“挑战”英伟达？纳斯达克100ETF(159659)迭创上市新高！

力，力求以更快的速度和更低的成本训练和推理模型；在AI技术应用方面，ChatGPT、Sora等生成式AI带来了全新的产业机遇，人形机器人正成为多方竞逐的新赛道，而智能驾驶和智能家居等领域则趋向成熟化。公开资料显示，纳斯达克100ETF（159659）紧密跟踪纳斯达克100指数，前十大权重股包括微软、苹果、英伟达、亚马逊、脸书、博通、特斯拉、开市客、谷歌、超威半导体等，根据纳斯达克官网数据，截至2024年2月29日，十大权重合计占比超47%，龙头属性较为集中，在有效反映美国高科技走势的同时，充分分享AI浪潮下科技巨头投资机会。来源：纳斯达克，截至2024.2.29。注：以上仅为对指数成分券的列示，不构成对上述行业及股票的推荐。指数成分券及权重根据市场情况变化。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2024-03-28

美联储不改降息路径，GTC大会再掀科技热潮

力，力求以更快的速度和更低的成本训练和推理模型；在AI技术应用方面，ChatGPT、Sora等生成式AI带来了全新的产业机遇，人形机器人正成为多方竞逐的新赛道，而智能驾驶和智能家居等领域则趋向成熟化。纳斯达克100ETF（159659）跟踪纳斯达克100指数，在人工智能的时代浪潮之下，AI领域有着领先布局和深厚积淀的科技巨头集中在纳斯达克100指数，前十大权重占比超47%，龙头属性集中。 2010年以来，纳斯达克100指数累计涨幅885.83%，显著跑赢纳斯达克综合指数、标普500等美股主要指数，同时大幅跑赢英国富时100、德国DAX、法国CAC40等全球其他主要市场核心指数。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2024-03-26

零一万物发布API开放平台

数量、更强的多模态，更专业的代码/数学推理模型等；突破更长的上下文，目标 100万 tokens；支持更快的推理速度，显著降低推理成本；基于超长上下文能力，构建向量数据库、RAG、Agent 架构在内的全新开发者 AI 框架。

金融界2024-03-14

Delphi Digital联创：为什么加密与AI的结合是必然的

包括培训资金、众包特定培训数据以及托管推理模型的激励措施。大型语言模型只是人工智能模型的一种，即使如此，也有数十种领先的模型（Bard、ChatGPT、Claude 等）。世界各地的用户可以提供他们的 GPU、资金或数据来大规模训练和微调模型，并拥有最终模型的一部分。更智能的应用程序和智能合约与人工智能不受阻碍的去中心化人工智能将提供更好的应用程序。引用人工智能模型的智能合约可以扩展应用程序的设计空间，并大大增强其逻辑和功能。想象一下 Uniswap 流动性供应受到使用 ZK 的大规模链下模型的影响，以确保模型不被篡改。示例包括 @inference_labs@gizatechxyz 和 @ModulusLabs ，只需看看 @testmachine_ai，它提供了一种掠夺者模式来实时审核您的加密代码并从中学习，而不是等待 6 个月进行昂贵的手动审核。或者通过 @UpshotHQ 查看为 NFT 提供准确定价的大规模机器学习模型。人工智能让加密货币变得易于使用在未来，大多数加密货币用户将永远不会看到我们在加密货币领域谈论的各种细枝末节、无尽的首字母缩略词和词汇。他们只需将意图输入到一个低水平机器学习（LLM）中，一个求解器网络将处理他们交易的所有复杂步骤。这个LLM将学习、个性化并简化你的生活。很少有人需要手动桥接资产，那是由求解器赚取费用的。最佳模型决策者获胜我相信我们正在走向一个拥有数百万个人工智能模型的世界，无论是每个人都有自己的个人模型，还是每个项目和公司都有自己的模型。我们已经在 Hugging Face 上拥有 49 万多个开源模型，在 OpenAI 应用商店上拥有 300 万个自定义 ChatGPT。当加密服务用户中成熟的人工智能服务成为主流时，我认为能够有效选择针对每种情况使用哪种模型的协议将非常有价值。就在今天，@NousResearch 发布了新的 Bittensor 子网计划，该子网可以评估开源模型，并使用该评级的逻辑下一步将请求定向到正确的模型。道德、伦理和法律问题限制了中心化人工智能中心化参与者不断面临道德和伦理问题的诉讼，并因此对模型进行破坏。想象一下，一个去中心化的低水平机器学习（LLM）通过签署协议向人们支付数据，而不是像纽约时报对@OpenAI提起诉讼那样。与中心化的系统相比，这限制了中心化的发展，而开放系统可以直接发布（例如@bittensor_）。当中心化的参与者因知识产权相关的诉讼以及对发布更智能的人工智能的道德和伦理顾虑而苦苦挣扎时，加密网络可以启动和部署这些网络，无需繁文缛节，轻松取胜。去中心化人工智能提供透明度人们会期望透明的训练（“我们按照你所说的方式构建了这个模型”）和推理（“我的请求没有被搞乱”）。中心化人工智能无法提供这一核心价值。即使普通人很难审核该模型，与加密货币类似，但我们的想法是您可以与可以审核该模型的某人或人工智能签订合同。实时洞察未来我认为人们希望实时了解人工智能的未来，而不仅仅是在 OpenAI 想要分享时进行更新。这只有通过透明和去中心化的系统才有可能实现。 AGI被发现后你真的想弄清楚吗？加密 x AI 可视化我们需要更多的平台来提供加密项目正在利用的人工智能模型背后所发生的事情的可视化。当您使用 Bittensor 的子网 1 进行文本生成时，您如何确定它不仅仅是通过 Bard 或 ChatGPT 运行您的提示？我并不是说这是一件坏事，但我不知道答案。人工智能世界中的代币激励使用代币来推动人工智能项目的所有权和协调将会很有趣。目前，代币吸引了供应方用户（和投机者），但使用 OpenAI 等中心化公司的开发人员锁定了需求方，可以接触到大量用户。看看加密项目是否能够有效地引导需求方超越供应方的代币激励，这将是一件很有趣的事情。吸引真正的人工智能人才 Crypto x AI 项目必须吸引来自 Web2 的真正的 AI 人才。鉴于加密货币在 Web2 构建者心目中的表现一般，这是一个障碍。能够从Web2吸引真正的人工智能人才的项目将具有显著的优势。我只是认为学习加密货币比学习如何构建基础人工智能模型更容易。 Delphi Ventures Crypto x AI 投资组合公司 Delphi 在 Crypto x AI 的结合点上表现得非常活跃。我们很荣幸能够支持该领域的领先项目。 - @ionet_official：大规模异构硬件的 GPU 集群。 - @inference_labs：允许 DeFi 和智能合约通过 ZK 来利用链下模型。 - @0G_Labs @mheinrich：链上人工智能的数据可用性。 - @UpshotHQ：用于下一代去中心化应用程序的人工智能网络。 - @testmachine_ai：人工智能驱动的用于审计智能合约的专有算法 - @taofuxyz：Bittensor 等的流动质押代币。 - @altstatemachine：您可以拥有、训练和交易的独特 Metaverse AI。 - @GeppettoAi：人工智能游戏和视频创作。 - @StabilityAI：人工智能的开源工具，通过@seedclubvc（H/t Nima 和 Anthony）。 - @MythosVentures：领先的早期人工智能风险投资基金。 - @mypeachai：NSFW 同伴（天使）。来源：金色财经

金色财经2024-01-30

百家争鸣：BTC L2 30+项目大盘点

化AI网络，构建双L2网络，支持训练和推理模型的比特币L2。 Dovi - @Dovi_L2 Dovi成立于2023年，是比特币Layer2兼容EVM的智能合约平台，采用Schnorr签名和MAST结构，提升隐私和跨链资产转移。 Bitfinity Network - @bitfinitynet Bitfinity是由Polychain Capital和ParaFi Capital支持的下一代基于比特币的闪电般快速的EVM。来源：金色财经

金色财经2024-01-30

瑞芯微申请图像处理专利，提升数字图像质量

质量的图像，提升数字图像质量，从而提升推理模型的识别率和减低误检率。

金融界2024-01-05

工商银行取得领域知识图谱专利，解决知识问答推理的准确性问题

入知识信息，并将输入知识信息输入至预设推理模型，输出目标问题的目标答案。本发明解决了相关技术中对问题进行知识问答推理的准确性较低的技术问题。采集日期：2023年11月19日

金融界2023-11-19

AI Agent：重新定义Web3游戏的创新之路

（量化代币模型）就是一个 AI 驱动的推理模型。QTM 采用了 10 年的固定模拟时间，每个时间步长为一个月。在每个时间步长的开始，代币会被排放到生态系统中，因此模型中有激励模块、代币归属模块、空投模块等。随后，这些代币将被投放到到几个元桶（meta buckets）中，从这些元桶中再次进行更细化的广义效用再分配。然后，从这些效用工具中定义奖励支付等。还有像链下业务方面，这也考虑了业务的一般资金状况，例如可以进行销毁或回购，还可以衡量用户采用率或者定义用户采用情况。当然，该模型的输出质量取决于输入质量，所以在使用 QTM 之前，必须进行充分的市场研究，以获取更准确的输入信息。不过 QTM 模型已经是 AI 驱动模型在 Web3 经济模型里非常落地的应用了，也有许多项目方基于 QTM 模型做操作难度更低的 2C/2B 端应用，降低项目方的使用门槛。 3.2 垂类应用 Agent 垂类应用主要以 Agent 的形式存在，Agent 可能是 Bot、BotKits、虚拟助手、智能决策支持系统、各类自动化数据处理工具等等不同的形式。一般来说，AI Agent 拿 OpenAI 的通用模型为底层，结合其他开源或自研技术，如文本转语音（TTS）等，并加入特定的数据进行 FineTune（机器学习和深度学习领域中的一种训练技术，主要目的是将一个已经在大规模数据上预训练过的模型进一步优化），以创建在某一特定领域表现优于 ChatGPT 的 AI Agent。目前 Web3 游戏赛道应用最成熟的是 NFT Agent。游戏赛道的共识是 NFT 一定是 Web3 游戏的重要组成部分。随着以太坊生态系统中关于元数据管理技术的发展，可编程的动态 NFTs 出现了。对于 NFT 的创建者而言，它们可以通过算法使 NFT 功能更灵活。对于用户而言，用户与 NFT 之间可以有更多的互动，产生的交互数据更是成为了一种信息来源。AI Agent 则可以优化交互过程，并扩展交互数据的应用场景，为 NFT 生态系统注入了更多的创新和价值。案例一：比如 Gelato 的开发框架允许开发者自定义逻辑，根据链下事件或特定时间间隔来更新 NFT 的元数据。Gelato 节点将在满足特定条件时触发元数据的更改，从而实现链上 NFT 的自动更新。例如，这种技术可以用于从体育 API 获取实时比赛数据，并在特定条件下，例如运动员赢得比赛时，自动升级 NFT 的技能特征。案例二：Paima 也为 Dynamic NFT 提供了应用类 Agent。Paima 的 NFT 压缩协议在 L1 上铸造了一组最小的 NFT，然后根据 L2 上的游戏状态对其进行演化，为玩家提供更具深度和互动性的游戏体验。比如 NFT 可以根据角色的经验值、任务完成情况、装备等因素而发生变化。案例三：Mudulas Labs 是非常知名的 ZKML 项目，其在 NFT 赛道也有布局。Mudulas 推出了 NFT 系列 zkMon，允许通过 AI 生成 NFT 并发布至链上，同时生成一个 zkp，用户可以通过 zkp 查验自己的 NFT 是否生成自对应的 AI 模型。更全面的信息可以参考：Chapter 7.2: The World’s 1st zkGAN NFTs。 3.3 Generative AI 应用前文提到，因为游戏本身是内容行业，AI-Agent 能够在短时间内、低成本地生成大量内容，包括创造具有不确定性、动态的游戏角色等等。所以 Generative AI 非常适合在游戏应用。目前，在游戏领域中 Generative AI 的应用可以总结为以下几种主要类型： AI 生成游戏角色类：比如和 AI 对战，或者由 AI 负责模拟和控制游戏中的 NPC，甚至直接用 AI 生成角色等。 AI 生成游戏内容类：直接由 AI 各种内容，如任务、故事情节、道具、地图等。 AI 生成游戏场景类：支持用 AI 自动生成、优化或扩展游戏世界的地形、景观和氛围等。 3.3.1 AI 生成角色案例一：MyShell MyShell 是一个 Bot 创建平台，用户可以根据自己的需求，创建专属 Bot 用于聊天、练习口语、玩游戏、甚至寻求心理咨询等等。同时，Myshell 使用了文本转语音（TTS）技术，只需几秒钟的语音样本，就可以模仿任何人的声音自动创建 Bot。除此以外，MyShell 使用了 AutoPrompt，允许用户仅通过描述自己的想法去给 LLM 模型发出指令，为私人大型语言模型（LLM）打下了基础。有 Myshell 的用户表示，其语音聊天功能非常流畅，响应速度比 GPT 的语音聊天还要快，而且还有 Live2D。案例二：AI Arena AI Arena 是一款 AI 对战游戏，用户可以使用 LLM 模型不断的训练自己的对战精灵（NFT），然后将训练好的对战精灵送往 PvP/PvE 战场对战。对战模式和任天堂明星大乱斗类似，但通过 AI 训练增加了更多的竞技趣味性。 Paradigm 领投了 AI Arena，目前公测阶段已开始，玩家可以免费进入游戏，也可以购买 NFT 提升训练强度。案例三：链上国际象棋游戏 Leela vs the World Leela vs the World 是 Mudulas Labs 开发的一款国际象棋游戏。游戏里游戏双方是 AI 和人，棋局情况放在合约里。玩家通过钱包进行操作（与合约交互）。而 AI 读取新的棋局情况，做出判断，并为整个计算过程生成 zkp ，这两步都是在 AWS 云上完成，而 zkp 交由链上的合约验证，验证成功后调用棋局合约“下棋”。 3.3.2 AI 生成游戏内容案例一：AI Town AI Town 是 a16z 与其投资组合公司 Convex Dev 的合作成果，灵感来自斯坦福大学的《Generative Agent》论文。AI Town 是一座虚拟城镇，城镇内的每个 AI 都可以根据互动和经验构建自己的故事。其中，使用 Convex 后端无服务器框架、Pinecone 矢量存储、Clerk 身份验证、OpenAI 自然语言文本生成以及 Fly 部署等技术堆栈。除此以外，AI Town 全部开源，支持游戏内开发者自定义各种组件，包括特征数据、精灵表、Tilemap 的视觉环境、文本生成提示、游戏规则和逻辑等等。除了普通玩家可以体验 AI Town，开发者也可以使用源代码在游戏内甚至游戏外开发各种功能，这种灵活性使 AI Town 适用于各种不同类型的应用。所以， AI Town 本身是一个 AI 生成内容类游戏，但也是一个开发生态，甚至是一个开发工具。案例二：Paul Paul 是一个 AI 故事生成器，其专门为全链游戏提供了一个 AI 故事生成并直接上链的解决路径。其实现逻辑是给 LLM 输入了一大堆先验规则，然后玩家可以自动根据规则生成次生内容。目前有游戏 Straylight protocol 使用 Paul Seidler 发行了游戏，Straylight 是一款多人的 NFT 游戏，核心玩法就是全链游戏版本的“Minecraft”，玩家可以自动 Mint NFT，然后根据模型输入的基本规则构造自己的世界。 3.3.3 AI 生成游戏场景案例一：Pahdo Labs Pahdo Labs 是一家游戏开发工作室，目前正在开发 Halcyon Zero，这是一款基于 Godot 引擎构建的动漫奇幻角色扮演游戏和在线游戏创建平台。游戏发生在一个空灵的幻想世界中，以作为社交中心的繁华城镇为中心。这款游戏非常特别的地方在于，玩家可以使用游戏方提供的 AI 创作工具快速创作更多的 3D 效果背景以及把自己喜欢的角色带入游戏，真正为大众游戏 UGC 提供了工具和游戏场景。案例二：Kaedim Kaedim 针对游戏 Studio 开发了一个基于 Generative AI 的 3D model generation 工具，可以快速的帮助游戏 Studio 批量生成符合他们需求的游戏内 3D 场景 / 资产。目前 Kaedim 的通用产品还在开发中，预计 2024 年开放给游戏 Studio 使用。 Kaedim 产品的核心逻辑和 AI-Agent 是完全相同的，使用通用大模型为基础，然后团队内部的艺术家会不断输入好的数据，然后给 Agent 的输出进行反馈，不断的通过机器学习训练这个 Model，最后让 AI-Agent 可以输出符合要求的 3D 场景。 04 总结在本文中，我们对 AI 在游戏领域的应用进行了详细的分析和总结。总的来说，未来通用模型以及 Generative AI 在游戏的应用一定会出现明星独角兽项目。垂类应用虽然护城河较低，但先发优势强，如果能靠先发优势制造网络效应和提升用户粘性，则想象空间巨大。除此以外，生成式 AI 天然适合游戏这个内容行业，目前已经有非常多的团队在尝试 GA 在游戏的应用，这个周期就非常有可能出现应用 GA 的爆款游戏。除了文中提到的一些方向，未来还有其他的探索角度。比如： (1) 数据赛道 + 应用层：AI 数据赛道已经孕育出了一些估值达数十亿美元的独角兽项目，而数据 + 应用层的联动同样充满想象空间。 (2) 与 Socialfi 结合：比如提供创新的社交互动方式；用 AI Agent 优化社区身份认证、社区治理；或者更加智能的个性化推荐等。 (3) 随着 Agent 的自动化和成熟化，以后 Autonomous World 的主要参与者到底是人还是 Bot？链上的自治世界是否有可能能像 Uniswap 那样，80%+ 的 DAU 都是 Bot？如果是，那结合 Web3 治理概念的治理 Agent 同样值得探索。来源：金色财经

金色财经2023-10-16

AMD:赢得生成式AI之战可能并不容易

在二级市场中延续，高性能计算对于训练和推理模型的重要性越来越凸显。英伟达、AMD等公司的股价就一路高涨。而我们在Seeking Alpha上看到这么一个观点，AMD赢得生成式AI之战可能并不容易。觉得观点挺新颖，就分享给大家。最后，本文不作为投资建议！正文：尽管AMD的GPU产品表现出色，但市场情绪对其前景仍然褒贬不一，这归因于该股相对于同行公司Nvidia的表现不尽人意。图：AMD和NVDA6个月内的股价表现；来源：Seeking Alpha 截至撰写本文时，与标普500指数的12.9%和NVDA的109.76%相比，AMD仅从2022年10月低点反弹了45.08%。这可能是由于人们对ChatGPT的热情，该技术是在NVDA的A100 GPU上训练的，尤其得益于后者在GPU销售前景乐观的背景下进行财务恢复。此外，AMD的执行似乎受到持续的PC需求破坏的阻碍，由于FQ1'23收入指导在53亿美元（同比下降9.8%），中点估计与共识预期的55.6亿美元相比，指导显得谨慎。2023年的宏观经济前景也显得不确定，由于2023年1月的消费者产品指数仍显示出-6.2%的同比影响。尽管如此，我们仍然对AMD的恢复保持信心，这要归功于MI250加速处理器单元[APU]的前景，这是一款混合CPU-GPU加速器芯片，适用于强烈的云计算工作。到目前为止，该公司在超大规模部署产品上已经取得了巨大成功，并计划在2023年下半年推出新的MI300。考虑到MI300在性能上比MI250提高了8倍，在功耗效率上提高了5倍，因此MI300被选中为世界上最快的超级计算机El Capitan的核心处理器，将于2023年底在劳伦斯利弗莫尔国家实验室投入使用。届时，投资者可能会受到鼓舞，因为2023年底时世界上前两大超级计算机将使用AMD的市场领先的APU，这表明其在同行公司如NVDA或英特尔公司中的市场支配地位。这自然是基于该公司的战略3D堆叠芯片，该技术通过提高能源性能、数据共享和内存使用来提高计算效率。 AMD还与许多大型云服务提供商密切合作，以使MI300能够胜任AI工作负载，这表明从2023年下半年开始可能会有潜在的收入贡献。这可能是公司市场份额增长的助力，尤其是在高性能计算领域为生成式AI带来了令人兴奋的新篇章。特别地，自2022年5月以来，Microsoft的Azure一直在使用AMD的MI200进行“大规模AI训练”，据报道比NVDA的A100 GPU更高效5倍，速度更快1.2倍。根据最近在摩根士丹利技术、媒体和电信会议上的采访，MSFT自2022年以来也一直在使用该公司的MI250。这些硬件进步还利用了AMD现有的AI软件堆栈ROCm和Xilinx AI引擎能力，展示了公司迄今为止出色的整合能力。考虑到Xilinx收购仅在一年前完成，我们认为，在硬件和软件方面的生成式AI能力中，公司还有进一步的机会组合协同作用的助力。然而，NVDA的H100（A100的后继产品）和AMD的MI300之间的比较如何仍有待观察，因为后者尚未发布。 H100的早期评价非常好，该产品在大型语言模型的AI训练和AI推理方面比其前身快9倍和30倍。此外，由于MI250据说比NVDA的A100表现更好，这就引发了一个问题，为什么OpenAI的ChatGPT没有在MI250上进行训练，考虑到它们的价格相似，而且微软已经推出了由NVDA的H100提供支持的新虚拟机。此外，在个人电脑或独立GPU端市场中，AMD在与NVDA的竞争中仍有很长的路要走，因为NVDA到目前为止越来越占主导地位。到2022财年第四季度，NVDA在个人电脑GPU市场占据17％的份额，而AMD报告了12％，英特尔报告了71％。同时，NVDA在独立GPU市场上的领先地位仍然保持在84％，而AMD为11％，其他厂商为5％。此外，AMD的最新旗舰Radeon RX 7900 XTX显卡（于2022年12月发布）无法与NVDA的旗舰GeForce RTX 4090竞争，只能与后者的较慢版本GeForce RTX 4080（2022年11月）相媲美。由于大多数比较都认为NVDA的旗舰芯片是明显的胜者，因此似乎AMD仍然落后于市场领导者。只有时间才能告诉我们，AMD在生成式AI方面的战斗将如何结束。同时，对于对硬件进行极其技术性的分析感兴趣的人，可以参考下面这些链接，我们在研究过程中发现它们非常有趣： • GPU推理性能和价值的可恶比较 • AMD展示未来MI300混合计算引擎的详细信息 • AMD的MI300能否在AI方面击败NVIDIA？ AMD股票是买入、卖出还是持有呢？图：AMD 1年EV/营收和市盈率估值；来源：S&P Capital IQ 标普资本智慧目前，市场对AMD的悲观情绪已经反映在股票估值上。其股票交易的EV/NTM营收为5.41倍，NTM市盈率为26.62倍，而NVDA的扩展数字分别为19.50倍和52.91倍。因此，我们认为，在这些水平上，AMD仍然可能是一个价值投资，特别是考虑到我们的股价目标为116.59美元，从当前水平来看，这意味着出色的43.6%上涨潜力。这个数字是基于市场分析师预测的2024财年EPS为4.38美元和当前市盈率估值，比其1年均值21.79倍高，但低于其3年疫情前的均值37.33倍。图：AMD 1年股票价格；来源：Trading View 然而，AMD股价已反弹并交易在其50日移动平均线之上。因此，尽管我们对公司的未来执行保持信心，但围绕生成式人工智能的乐观情绪可能已经到达了狂热的程度，暗示短期内可能存在潜在的波动性。因此，选择在此处添加AMD的投资者必须在连续降低或匹配他们的美元成本平均值的情况下才能这样做。否则，抄底的投资者可能会尝试等待股价再次跌至低70美元的支撑位，从而扩大他们的安全边际。 $美国超微公司(AMD)$ $英特尔(INTC)$ $英伟达(NVDA)$

老虎证券2023-03-20

24小时热点