FX168财经网_全球视野外汇黄金加密货币NFT资讯网

传媒板块午后进一步走强，相关ETF有望受益

，近日，AIwatch.ai发布“全球AI产品增速黑马榜”，三六零两款AI产品进入前十，其中360AI搜索居榜首，3月访问量环比增加1677%。360苏打办公同时上榜，数据显示其3月访问量超WPS，据了解“苏打办公”将集成更多AI爆款应用，升级为360AI办公工具集。此外，电影数据平台最新数据显示，中国电影市场2024年4月4日至6日清明节假期三天票房收入逾8.41亿元，超过2021年同档期的8.22亿元，创清明档票房历史新高。清明档的火爆为电影业高度关注的五一档进行了预热。国盛证券认为，AI文生视频是多模态应用的下一站。文生视频即根据给定的文字提示直接生成视频。随着文生视频技术的日趋成熟和广泛应用，或将为当下热门的短剧市场带来变数。该技术有望极大降低短剧制作的综合成本，为解决“重制作而轻创作”的共性问题提供解决方案，短剧制作的重心有望回归高质量剧本创作。相关ETF：文娱传媒ETF(516190.SH)、传媒ETF(159805.SZ)、传媒ETF(512980.SH)、游戏传媒ETF(517770.SH) 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2024-04-11

A股异动丨多模态AI概念持续走强三六零涨停

，近日，AIwatch.ai发布“全球AI产品增速黑马榜”，三六零两款AI产品进入前十，其中360AI搜索居榜首，3月访问量环比增加1677%。360苏打办公同时上榜，数据显示其3月访问量超WPS，据了解“苏打办公”将集成更多AI爆款应用，升级为360AI办公工具集。

金融界2024-04-11

秘塔AI搜索3月访问量激增，引领中国AI搜索市场新格局，信达证券建议关注相关产业链

最新消息显示，根据AI产品权威榜单统计，秘塔科技推出的AI搜索产品“秘塔AI搜索”在3月份取得了显著的市场表现，其访问量达到了惊人的721万次，较前期实现了551.36%的高速增长，显示出强大的市场吸引力和发展潜能。这一爆炸式的增长数据充分证明了秘塔AI搜索在技术创新和用户体验优化方面所取得的重大突破，使其在中国AI搜索市场竞争中成功占据了独特的地位。信达证券在最新的研究报告中特别提及了秘塔AI搜索的成功案例，指出其凭借先进的自然语言处理技术和精准高效的搜索算法，为用户提供了前所未有的智能化搜索体验，不仅大幅度提升了搜索效率，而且解决了大量生活、工作、学习场景下的复杂查询需求。信达证券分析师认为，秘塔AI搜索在未来有潜力打破国内现有的搜索引擎市场格局，开创智能搜索的新纪元。鉴于秘塔AI搜索及其所在领域的发展潜力，信达证券建议投资者关注那些在AI搜索功能上有所布局和研发投入的上市公司，其中包括但不限于Sora概念股板块内的浙文互联、数码视讯、因赛集团、中广天择以及昆仑万维等企业。这些公司在各自的业务领域中均有潜力借助AI搜索技术实现产品升级和服务优化，有望在新兴的AI搜索市场中分得一杯羹，从而带来更大的商业价值和社会影响力。

金融界2024-04-11

Web3与人工智能的探索：Laika AI进展与愿景概览

Polygon。 ➤总结 Laika AI产品定位创新一般，但是团队具有年轻化、偏技术化的特点，并且技术人员集中在AI开发，专业性较强、但影响力一般。相比同类的AI分析产品，Laika AI在AI算法和数据分析方面可能具有一定优势。来源：金色财经

金色财经2024-04-10

0xai 团队：为什么我们看好 Bittensor？

ittensor是一个经济系统，通过为AI产品生产者提供极具竞争力的激励体系，充当AI产品市场的优化器。在Bittensor生态中，优质的生产者获得更多的激励，而竞争力较差的生产者则逐渐被淘汰。 0xai 团队、Jacob 和 Vitalik 在小组讨论中那么，Bittensor具体是如何打造这种鼓励有效竞争、促进优质AI产品有机生产的激励机制呢？ Bittensor 飞轮模型 Bittensor 通过飞轮模型实现了这一目标。验证者评估生态系统中人工智能产品的质量，并根据其质量分配激励，确保高质量的生产者获得更多的激励。这刺激了高质量产出的不断增加，从而提升了Bittensor网络的价值并增加了TAO的升值。TAO的升值不仅吸引了更多优质生产者加入Bittensor生态，同时也增加了操纵者操纵质量评价结果的攻击成本。这进一步强化了诚实验证者的共识，增强了评价结果的客观性和公平性，从而实现了更有效的竞争和激励机制。确保评价结果的公正性和客观性是转动飞轮的关键一步。这也是Bittensor的核心技术，即基于Yuma共识的抽象验证系统。那么，什么是玉马共识，它如何保证共识后的质量评价结果公平客观呢？ Yuma共识是一种共识机制，旨在从众多验证者提供的多样化评估中计算出最终评估结果。类似于拜占庭容错共识机制，只要网络中大多数验证者是诚实的，最终就能达成正确的决策。假设诚实的验证者能够提供客观的评价，那么共识后的评价结果也将是公平客观的。以子网质量评估为例，根网络验证器对每个子网输出的质量进行评估和排名。将64个Validator的评估结果进行汇总，通过Yuma共识算法得到最终的评估结果。然后使用最终结果将新创建的 TAO 分配给每个子网。目前，尤马共识确实还有改进的空间：根网络验证者可能无法完全代表所有 TAO 持有者，他们提供的评估结果也不一定反映广泛的观点。此外，一些顶级验证者的评估可能并不总是客观的。即使发现了偏见，也可能不会立即纠正。根网络验证器的存在限制了 Bittensor 可容纳的子网数量。要与集中式人工智能巨头竞争，仅拥有 32 个子网是不够的。然而，即使有 32 个子网，根网络验证器也可能难以有效监控所有子网。验证者可能没有强烈的意愿迁移到新的子网。短期内，验证者从排放量较高的旧子网迁移到排放量较低的新子网时可能会失去一些奖励。新子网的排放最终能否赶上的不确定性，加上追求过程中奖励的明确损失，削弱了他们迁移的意愿。 Bittensor 还计划升级机制来解决这些缺点：动态 TAO 将评估子网质量的权力分散给所有 TAO 持有者，而不是少数验证者。TAO持有者将能够通过质押间接确定每个子网的分配比例。没有根网络验证器的限制，活跃子网的最大数量将增加到1024个。这将大大降低新团队加入Bittensor生态系统的门槛，导致子网之间的竞争更加激烈。较早迁移到新子网的验证者可能会获得更高的奖励。尽早迁移到新的子网意味着以较低的价格购买该子网的 dTAO，从而增加了未来接收更多 TAO 的可能性。较强的包容性也是尤马共识的一大优势。Yuma共识不仅用于确定每个子网的排放量，还用于决定同一子网内每个矿工和验证者的分配比例。而且，无论矿工的任务是什么，它所包含的贡献，包括计算能力、数据、人类贡献和智力，都是抽象考虑的。因此，AI商品生产的任何阶段都可以接入Bittensor生态系统，享受激励的同时也提升了Bittensor网络的价值。接下来，我们来探索一些领先的子网，并观察 Bittensor 如何激励这些子网的输出。子网子网3：Myshell TTS 可以通过在GitHub上创建一个帐户来贡献myshell ai/MyShell TTS 子网的开发。发行量：3.46% （2024年4月9日）背景： Myshell是Myshell TTS（文本转语音）背后的团队，核心成员来自麻省理工学院、牛津大学、普林斯顿大学等知名院校。Myshell旨在创建一个无代码平台，让没有编程背景的大学生轻松创建自己想要的机器人。Myshell专注于TTS领域、有声读物和虚拟助理，于2023年3月推出了首款语音聊天机器人Samantha。随着产品矩阵的不断扩大，目前注册用户已超过百万。该平台托管各种类型的机器人，包括语言学习型、教育型和实用型机器人。定位： Myshell推出这个Subnet是为了汇聚整个开源社区的智慧，打造最好的开源TTS模型。换句话说，Myshell TTS 并不直接运行模型或处理最终用户的请求；相反，它是一个用于训练 TTS 模型的网络。 Myshell TSS架构 Myshell TTS 运行的流程如上图所示。矿工负责训练模型并将训练好的模型上传到模型池（模型的元数据也存储在Bittensor区块链网络中）；验证者通过生成测试用例、评估模型性能并根据结果评分来评估模型；Bittensor 区块链负责使用 Yuma 共识聚合权重，确定每个矿工的最终权重和分配比例。总之，矿工必须不断提交更高质量的模型来维持他们的奖励。目前，Myshell也在其平台上推出了demo，供用户试用Myshell TTS中的模型。未来，随着 Myshell TTS 训练的模型变得更加可靠，将会有更多的用例上线。而且，作为开源模式，它们将不仅仅局限于Myshell，还可以扩展到其他平台。通过这种去中心化的方法来训练和激励开源模型不正是我们在去中心化人工智能中的目标吗？子网5：Open Kaito 可以通过在GitHub上创建一个帐户来贡献Open Kaito的开发。发行量：4.39% （2024年4月9日）背景：Kaito.ai背后的团队是Open Kaito团队，其核心成员在人工智能领域拥有丰富的经验，之前曾在AWS、META和Citadel等一流公司工作。在进入Bittensor子网之前，他们推出了旗舰产品Kaito.ai——一个Web3链下数据搜索引擎，在2023年第四季度推出。利用人工智能算法，Kaito.ai优化了搜索引擎的核心组件，包括数据收集、排名算法和检索算法。它已被认可为加密社区中的一流信息收集工具。定位：Open Kaito旨在建立一个去中心化的索引层，以支持智能搜索和分析。搜索引擎不仅仅是一个数据库或排名算法，而是一个复杂的系统。此外，一个有效的搜索引擎还需要低延迟，这对构建分散版本提出了额外的挑战。幸运的是，通过Bittensor的激励系统，这些挑战有望得到解决。 Open Kaito的运行流程如上图所示。Open Kaito 并不是简单地分散搜索引擎的每个组件，而是将索引问题定义为矿工验证器问题。也就是说，矿工负责响应用户索引请求，而验证者则分发需求并对矿工的响应进行评分。 Open Kaito 并不限制矿工如何完成索引任务，而是关注矿工最终输出的结果，以鼓励创新解决方案。这有助于在矿工之间营造健康的竞争环境。面对用户索引需求，矿工努力完善执行计划，以更少的资源获得更高质量的响应结果。子网6：Nous Finetuning 可以通过在GitHub上创建一个帐户来贡献Nous Research/finetuning 子网的开发。发行量：6.26% （2024年4月9日）背景：Nous Finetuning背后的团队来自Nous Research，这是一个专注于大规模语言模型（LLM）架构、数据合成和设备内推理的研究团队。其联合创始人曾担任Eden Network的首席工程师。定位：Nous Finetuning是一个专门用于微调大型语言模型的子网。此外，用于微调的数据也来自Bittensor生态系统，具体来说是子网18。 Nous Finetuning的运行过程类似于Myshell TSS。矿工基于来自子网18的数据训练模型，并定期发布这些模型以在Hugging Face上托管；验证者评估模型并提供评分；同样，Bittensor区块链负责使用Yuma共识来聚合权重，确定每个矿工的最终权重和发行量。子网18：Cortex.t 可以通过在GitHub上创建一个帐户来贡献corcel-api/cortex.t的开发。发行量：7.74%（2024年4月9日）背景：Cortex.t背后的团队是Corcel.io，其获得了Bittensor网络第二大验证者Mog的支持。Corcel.io是一个面向最终用户的应用程序，通过利用Bittensor生态系统的人工智能产品提供与ChatGPT类似的体验。定位：Cortex.t被定位为向最终用户提供结果之前的最后一层。它负责检测和优化各种子网的输出，以确保结果准确可靠，特别是当单个提示调用多个模型时。Cortex.t旨在防止空白或不一致的输出，确保无缝的用户体验。 Cortex.t中的矿工利用Bittensor生态系统中的其他子网来处理最终用户的请求。他们还使用GPT 3.5 turbo或GPT 4来验证输出结果，以确保对最终用户的可靠性。验证者通过将其与OpenAI生成的结果进行比较来评估矿工的输出。子网19：Vision 通过在GitHub上创建一个帐户来贡献namoray/vision的开发。发行量：9.47%（2024年4月9日）背景：Vision背后的开发团队也来自Corcel.io。定位：Vision旨在通过利用一种名为DSIS（分布式规模推理子网）的优化子网构建框架，最大化Bittensor网络的产出能力。该框架加速了矿工对验证者的响应。目前，Vision专注于图像生成的场景。验证者从Corcel.io前端接收需求并将其分发给矿工。矿工可以自由选择自己喜欢的技术堆栈（不限于模型）来处理需求并生成响应。然后，验证者评估矿工的表现。由于DSIS的存在，Vision能够比其他子网更快、更有效地响应这些需求。总结从上面的例子可以看出，Bittensor 表现出了高度的包容性。矿工的生成和验证者的验证发生在链下，Bittensor 网络仅根据验证者的评估向每个矿工分配奖励。适合矿工验证器架构的人工智能产品生成的任何方面都可以转换为子网。理论上，子网之间的竞争应该很激烈。任何子网要继续获得奖励，就必须持续产生高质量的输出。否则，如果根网络验证器认为某个子网的输出价值较低，则其分配可能会减少，并且最终可能会被新的子网取代。但在现实中，我们确实发现了一些问题：由于子网定位相似而导致资源冗余和重复。现有32个Subnet中，有多个Subnet专注于文本转图像、文本提示、价格预测等热门方向。存在没有实际用例的子网。虽然价格预测子网作为预言机提供商可能具有理论上的价值，但预测数据的当前性能还远远不能被最终用户使用。 “劣币驱逐良币”的例子。某些顶级验证者可能没有强烈的意愿迁移到新的子网，即使某些新子网表现出明显更高的质量。但由于缺乏资金支持，短期内可能无法获得足够的排放量。由于新子网上线后的保护期只有7天，如果不能快速积累足够的排放量，可能会面临被淘汰、下线的风险。这些问题反映出子网之间的竞争不够充分，一些验证者没有起到鼓励有效竞争的作用。开放张量基金会验证器（OTF）实施了一些临时措施来缓解这种情况。作为拥有 23% 质押权（包括委托）的最大验证人，OTF 为子网提供了争夺更多 Staked TAO 的渠道：子网所有者可以每周向 OTF 提交请求，调整其在子网中 Staked TAO 的比例。这些请求必须涵盖“子网目标和对Bittensor生态系统的贡献”、“子网奖励机制”、“通信协议设计”、“数据源和安全”、“计算要求”和“路线图”等10个方面，以方便OTF的最终决策。然而，要从根本上解决这个问题，一方面，我们迫切需要推出dTAO（Dynamic TAO），旨在从根本上改变上述不合理的问题。或者，我们可以呼吁持有大量 Stake TAO 的大型验证者更多地从“生态系统发展”的角度而不是仅仅从“财务回报”的角度来考虑 Bittensor 生态系统的长期发展。综上所述，凭借其强大的包容性、激烈的竞争环境和有效的激励机制，我们相信Bittensor生态系统能够有机地生产出高质量的人工智能产品。尽管并非现有子网的所有输出都可以与中心化产品的输出相媲美，但我们不要忘记当前的 Bittensor 架构刚刚成立一周年（子网 #1 于 2023 年 4 月 13 日注册）。对于一个有潜力与中心化人工智能巨头竞争的平台，或许我们应该专注于提出切实可行的改进计划，而不是急于批评它的缺点。毕竟，我们都不希望看到人工智能不断被少数巨头控制。来源：金色财经

金色财经2024-04-10

直击谷歌(GOOGL.US)Cloud Next‘24大会：推出Gemini 1.5 Pro公共预览版发布一系列AI产品更新

o，并发布了一系列面向云计算企业客户的AI产品更新。

金融界2024-04-10

华泰证券24年Q1传媒行业前瞻：游戏稳健增长，影视行业复苏，AI大模型赋能应用创新及细分赛道机遇分析

华泰证券推荐关注具有细分领域优势和领先AI产品布局的标的，例如恺英网络、巨人网络、焦点科技、分众传媒、光线传媒、捷成股份以及昆仑万维等上市公司。需要注意的是，虽然各领域呈现一定积极信号，但也存在宏观经济压力加大以及AI技术发展可能低于预期的风险，投资者在把握行业机遇的同时，需审慎评估潜在风险。

金融界2024-04-09

AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

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

港股反弹上攻，小鹏汽车领涨，港股一季度回购额再创新高，费率最低的恒生科技ETF基金(513260)连续2日获资金增仓，融资余额创历史新高

EX游戏AI引擎技术、决策AI和生成式AI产品与方案、反外挂服务等亮相展区。这些技术展示了腾讯游戏技术经验，推动AI与游戏全链路深度融合。兴业证券认为，长期来看，腾讯游戏Pipeline充足，同时公司利润率持续扩张，广告收入受益于视频号与广告技术改善而回暖，腾讯云MaaS解决方案逐步落地各大行业，同时金融科技业务将持续受益于线下回暖，以及合规能力提升后的业务创新。海通证券认为，互联网公司持续加大回购彰显市场信心。过往历史中，港股上市公司回购潮往往发生在市场低迷、股价见底之时。如果股价走在上升势头中，回购回来的股份需要尽快注销，将极大增加上市公司“成本”。对于港股互联网板块而言，国内经济、美联储加息等仍然是当前核心宏观变量，预计随着后续经济改善、竞争格局优化、降本增效持续释放，各公司收入和利润端逐步回暖，叠加AI带来新一轮产业革命有望催生新的增长点。【估值洼地，港股或迎布局良机！】估值方面，恒指12个月前瞻PE较2019年来中位数折让1.9个标准差，处于2019年来历史分位值约5.9%；恒指相对MSCI全球指数前瞻PE较2019年来中位数折让3.5个标准差，处于2019年来2.5%分位值；恒指股权风险溢价高于历史中位数1.3个标准差，处于约79%历史分位值。从绝对估值和相对估值来看，港股目前均处于历史底部区域，进一步下行空间极度有限，位于估值高性价比区间，中长期配置性价比凸显。数据来源：Wind 资料显示，恒生科技ETF基金（513260）标的指数（恒生科技指数）是港股重点旗舰指数，市场认可度高，优选港股市值最大的 30 家科技主题上市公司，汇聚众多享誉全球的科技类创新型企业，覆盖互联网平台经济、造车新势力、及先进工业等板块，指数前10大重仓股包括腾讯控股、快手、京东集团、小米、阿里巴巴、理想汽车等。恒生科技ETF基金（513260）还设有场外联接基金(A类：013127；C类：013128)方便7*24申赎。恒生科技ETF基金紧密跟踪恒生科技指数，恒生科技指数代表经筛选后最大30间与科技主题高度相关的香港上市公司。数据显示，截至2024年4月8日，恒生科技指数(HSTECH)前十大权重股分别为美团-W(03690)、小米集团-W(01810)、京东集团-SW(09618)、腾讯控股(00700)、快手-W(01024)、阿里巴巴-SW(09988)、网易-S(09999)、理想汽车-W(02015)、百度集团-SW(09888)、联想集团(00992)，前十大权重股合计占比72.52%。恒生科技ETF基金(513260)，场外联接(A类：013127；C类：013128)。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

阿里云大幅度下调海外市场产品价格，强化全球领先地位，相关产业链受关注！

格战策略争夺公有云市场的剩余份额；二是AI产品有望开辟新的差异化竞争赛道；三是私有云将在政务、科研等领域加快应用落地；四是国内厂商正积极拓展海外市场，海外业务有望成为继本土业务后的重要收入增长点。在此背景下，投资者可重点关注浪潮信息（000977.SZ）、神州数码（000034.SZ）、中科曙光（603019.SH）、海光信息（688041.SH）、寒武纪-U（688256.SH）、网宿科技（300017.SZ）等企业的发展动态。

金融界2024-04-09

24小时热点