FX168财经网_全球视野外汇黄金加密货币NFT资讯网

资金动向 | 北水大买港股近85亿港元，大肆加仓中芯国际近14亿港元

领导。另外，早前有传雷军亲身重金招聘DeepSeek开源大模式DeepSeek-V2的关键开发者之一罗福莉加入小米，预料或会负责领导小米大模型团队。工商银行：消息面上，据香港联交所12月27日披露的文件，工商银行获中国平安人寿保险股份有限公司及关联方增持4,500万股H股股份，价值约2.19亿港元。微盟集团：开源证券表示，微信交易电商逐步完善，微盟集团作为腾讯的龙头服务商有望率先受益。该行指，2024年公司持续降本增效及收缩亏损业务，2025年有望实现扭亏为盈，上调至“买入”评级。中海油：消息面上，国资委近期出台指导意见，鼓励央企市值管理行动。光大证券指出，随着天然气旺季景气来临，以及中长期天然气需求向好、市场化改革持续推进，“三桶油”作为天然气龙头有望充分受益。另外，“三桶油”估值较海外巨头显著低估，长期增长能力有望持续兑现。美团：据“美团Meituan”微信公众号，在此前七次算法公开的基础上，美团将设立算法公示专区，持续与各界沟通算法的基本原理、运行机制等，增加算法的透明度，推动算法更加公正、更加人性化。进一步完善骑手防疲劳机制。着重解决骑手超长时间跑单等问题，当前已在华东等地区进行试点。结合试点情况，征集各界意见后，美团近期将在全国全面落地“弹窗提醒和强制下线结合”的防疲劳措施，并在未来探讨更多举措，避免骑手过度劳动影响身心健康。

格隆汇2024-12-27

港股收评：恒生科技指数涨0.69%，芯片股、军工股大涨，小米股价逼近历史新高

正式通过大模型备案。据称，小米有意引进DeepSeek开源大模型DeepSeek-V2的关键开发者罗福莉，显示小米强攻AI领域的决心。军工股上涨，中航科工涨超3%，中船防务涨超1%。铁路及公路板块冲高，成都高速涨超7%，安徽皖通高速公路涨超5%，沧港铁路涨超3%，越秀交通基建涨超2%，四川成渝高速公路、湾区发展、深圳国际等涨超1%。新能源车企板块表现活跃，理想汽车涨超6%，华晨中国涨超5%，小米集团涨超4%，零跑汽车、蔚来涨超3%，北京汽车涨超1%。煤炭股多数上涨，中国神华、兖煤澳大利亚、首钢资源涨超1%。医药外包概念多数走低，泰格医药、药明康德跌超3%，凯莱英、康龙化成跌超2%。绿电概念股走弱，福莱特玻璃、金风科技、新特能源跌超4%，新奥能源跌超2%，华电国际电力股份、华润电力、华能国际电力股份跌超1%。餐饮股下跌，小菜园跌超4%，九毛九、海底捞跌超3%，海伦司跌近2%。今日，南下资金净买入84.93港元，其中港股通（沪）净买入39.18亿港元，港股通（深）净买入45.75亿港元。展望未来，国泰君安香港认为，美联储将在2025年继续降息，港股估值中枢将继续边际改善，往前看港股将维持震荡向上，投资者需重视结构性的行业机会。其认为，港股市场以“N”型震荡向上行情为主，阶段内不乏弹性机会，但要重视积极寻找结构性行业机会。

格隆汇2024-12-27

中美重磅！华尔街日报：中国人工智能公司已找到变通途径正快速追赶美国同行

最成功的对冲基金经理之一投资的初创公司DeepSeek在11月发布了其最新大型语言模型的预览版。该公司表示，该程序的能力优于OpenAI的推理模型01，后者于9月以预览版形式推出。最近几周，其他中国公司也发表了类似的声明。由中国互联网巨头阿里巴巴(Alibaba)和腾讯(Tencent)支持的初创公司Moonshot AI表示，它开发了一个专门研究数学的模型，其能力接近OpenAI 的 o1，而阿里巴巴表示，他们自己的一个实验研究模型在数学上优于OpenAI的o1预览版本。这些公司还没有发表描述他们模型的论文，而且难以评估这些说法，因为对人工智能模型的能力没有一个公认的测试。不过，一些美国专家表示，他们对对这些模型“印象深刻”。 OpenAI前研究员、现任人工智能企业家Andrew Carr表示，中国正在“更快地追赶”。他说，DeepSeek的研究人员试图复制OpenAI的推理模型，“在几个月内就弄清楚了，坦率地说，我的许多同事对此感到惊讶。” 一个用来做比较的测试是美国国际数学邀请赛(AIME)，它是为了挑战最聪明的高中数学学生而设计的。 DeepSeek表示，其模型在AIME上击败了OpenAI。但《华尔街日报》利用今年AIME的15个问题进行的一项实验发现，OpenAI的o1预览模型比 DeepSeek、Moonshot和阿里巴巴的实验模型更快找到了答案。在一个假设的双人游戏中涉及策略的字谜中，OpenAI程序在10秒内给出了答案，而DeepSeek花了两分钟多时间。在第一次尝试中获得正确答案仍然是一项壮举，因为文字问题经常难倒人工智能程序。自2022年以来，中国人工智能开发人员一直面临美国对世界上最先进的人工智能芯片的限制，包括芯片领导者英伟达(Nvidia)的芯片。在12月，拜登政府再次收紧出口管制规定。但《华尔街日报》称，开发人员已经找到了变通途径。在由阿里巴巴和腾讯支持的初创公司Moonshot，创始人杨植麟表示，该公司专注于强化学习，模仿人类的试错过程。这种方法可能在提高性能方面较少地使用计算能力。自去年年底以来，人工智能开发人员越来越多使用一种名为“混合专家模型”(Mixture of Experts, MoE)的技术，这种技术能降低对芯片的需求。腾讯表示，11月发布的MoE模型的性能堪比Facebook母公司Meta Platforms今年7月推出的Llama 3.1模型。审阅了两家公司发表的论文的研究人员表示，腾讯的模型可能是用Meta使用的大约十分之一的计算能力训练的。 DeepSeek最初是High-Flyer的人工智能研究部门。High-Flyer是一家拥有80亿美元资产的量化对冲基金管理公司，以利用人工智能进行交易而闻名。2021年，DeepSeek将大约1万块英伟达的A100芯片连接起来，形成了一个用于人工智能训练的集群，该集群被称为Fire-Flyer 2。在今年8月发表的一篇论文中，DeepSeek表示，Fire-Flyer 2的性能接近英伟达包含类似芯片的系统，但中国的系统成本更低，能耗更低。DeepSeek在5月份发表的关于其MoE模型的论文在业界引起了广泛关注，该模型采用了一种更有效地处理数据的技术。人工智能初创公司Anthropic的联合创始人Jack Clark在他的博客中写道：“中国绕过出口管制的一种方法是，利用它可以访问的硬件建立非常好的软件和硬件培训。” Clark称：“‘中国制造’将成为人工智能模型的一部分，就像电动车、无人机和其他技术一样。” 《华尔街日报》指出，许多中国人工智能开发人员已经找到获取受限制的英伟达芯片的方法，包括通过与中间商和海外数据中心的交易。尽管如此，据中国高管称，缺乏尖端芯片对中国初创企业来说是痛苦的，而且差距还会扩大。英伟达的客户正准备大规模部署其最新的人工智能数据中心芯片Blackwell。马斯克(Elon Musk)的xAI公司已经用10万块英伟达芯片建造了一个数据中心，最近还筹集了50亿美元来做更多的事情。亚马逊网络服务公司(Amazon Web Services)计划用数十万块本土芯片打造一台大型人工智能超级计算机。专注于开源模型的DeepSeek强调数学和编码。Moonshot凭借其类似ChatGPT的聊天机器人Kimi在中国消费者中广受欢迎，并以其处理长文本的能力而闻名。

tqttier2024-12-27

价格暴跌 70%：AI 算力租赁泡沫是如何破灭的？

的大型开源模型（如 LLaMA3 和 DeepSeek-v2）的出现，二是小型（80 亿参数）和中型（700 亿参数）微调模型的成熟和广泛采用。由于这些开源模型的成熟度越来越高，企业能够轻松获取并使用它们来满足大多数 AI 应用的需求，尤其是在推理和微调方面。尽管这些模型在某些基准测试中可能略微逊色于专有模型，但它们的性能已经足够好，可以应对大多数商业用例。因此，随着开源权重模型的普及，市场对推理和微调的需求正在快速增长。开源权重模型还具有三个关键优势：首先，开源模型具有很高的灵活性，允许用户根据特定领域或任务对模型进行微调，从而更好地适应不同的应用场景。其次，开源模型提供了可靠性，因为模型权重不会像某些专有模型那样在未通知的情况下更新，避免出现一些因更新而导致的开发问题，增加了用户对模型的信任。最后，它还确保了安全性和隐私，企业可以确保其提示和客户数据不会通过第三方 API 端点被泄露，降低了数据隐私风险。正是这些优势促使开源模型的持续增长和广泛采用，特别是在推理和微调方面。中小型模型创作者需求转向中小型模型创建者是指那些没有能力或计划从头训练大型基础模型（如 70B 参数模型）的企业或初创公司。随着开源模型的兴起，许多公司意识到，对现有开源模型进行微调，比自己从头训练一个新模型更加经济高效。因此，越来越多的公司选择微调，而非自行训练模型。这大大减少了对 H100 等计算资源的需求。微调比从头训练便宜得多。微调现有模型所需的计算资源远远少于从头训练一个基础模型。大型基础模型的训练通常需要 16 个或更多 H100 节点，而微调通常只需要 1 到 4 个节点。这种行业的转变削减了小型和中型公司对大规模集群的需求，直接减少了对 H100 计算能力的依赖。此外，基础模型创建的投资减少。在 2023 年，许多中小型公司尝试创建新的基础模型，但如今，除非他们能够带来创新（如更好的架构或对数百种语言的支持），否则几乎不会再有新的基础模型创建项目。这是因为市场上已经有足够强大的开源模型，如 Llama 3，让小型公司很难证明创建新模型的合理性。投资者的兴趣和资金也转向了微调，而非从头训练模型，进一步减少了对 H100 资源的需求。最后，预留节点的过剩容量也是一个问题。许多公司在 2023 年高峰期长期预定了 H100 资源，但由于转向微调，他们发现这些预留的节点已经不再需要，甚至有些硬件到货时已经过时。这些未使用的 H100 节点现在被转售或出租，进一步增加了市场的供应，导致 H100 资源供过于求。总体来看，随着模型微调的普及、中小型基础模型创建的减少，以及预留节点的过剩，H100 市场需求明显下降，供过于求的情况加剧。导致 GPU 算力供应增加和需求减少的其他因素大型模型创建者脱离开源云平台大型 AI 模型创建者如 Facebook、X.AI 和 OpenAI 正在逐步从公共云平台转向自建私有计算集群的原因。首先，现有的公共云资源（如 1000 个节点的集群）已无法满足他们训练更大模型的需求。其次，从财务角度来看，自建集群更有利，因为购买数据中心、服务器等资产可以增加公司估值，而租赁公共云只是费用支出，无法提升资产。此外，这些公司拥有足够的资源和专业团队，甚至可以收购小型数据中心公司来帮助他们构建和管理这些系统。因此，他们不再依赖公共云。随着这些公司脱离公共云平台，市场对计算资源的需求减少，可能导致未使用的资源重新进入市场，增加供应。 Vast.ai 本质上是一个自由市场体系，来自世界各地的供应商相互竞争闲置与延迟出货的 H100 同时上线由于闲置与延迟出货的 H100 GPU 同时上线，促使市场供应量增加，导致价格下降。Vast.ai 等平台采用自由市场模式，全球供应商在这里相互竞争价格。2023 年，由于 H100 出货延迟，许多资源未能及时上线，现在这些延迟的 H100 资源开始进入市场，连同新的 H200 和 B200 设备，以及初创公司和企业闲置的计算资源一起供应。小型和中型集群的所有者通常拥有 8 到 64 个节点，但由于利用率低且资金已经耗尽，他们的目标是通过低价出租资源来尽快收回成本。为此，他们选择通过固定利率、拍卖系统或自由市场定价的方式来竞争客户，尤其是拍卖和自由市场模式，使得供应商为确保资源被租用而竞相降价，最终导致整个市场的价格大幅下降。更便宜的 GPU 替代品另一个主要因素是，一旦算力成本超出了预算，那么 AI 推理基础设施便有很多替代方案，特别是如果你运行的是较小的模型。就不需要为使用 H100 的 Infiniband 支付额外费用。 Nvidia 市场细分 H100 GPU 的 AI 推理任务中更便宜替代品的出现，这会直接影响市场对 H100 的需求。首先，虽然 H100 在 AI 模型的训练和微调上非常出色，但在推理（即运行模型）领域，很多更便宜的 GPU 能够满足需求，尤其是针对较小的模型。因为推理任务不需要 H100 的高端功能（如 Infiniband 网络），用户可以选择更经济的替代方案，节省成本。 Nvidia 自己也在推理市场中提供了替代产品，如 L40S，这是一款专门用于推理的 GPU，性能大约是 H100 的三分之一，但价格只有五分之一。虽然 L40S 在多节点训练方面效果不如 H100，但对于单节点推理和小型集群的微调，已经足够强大，这为用户提供了一个更具性价比的选择。 H100 Infiniband 集群性能配置表（2024 年 8 月） AMD 和 Intel 替代供应商另外，AMD 和 Intel 也推出了价格更低的 GPU，例如 AMD 的 MX300 和 Intel 的 Gaudi 3。这些 GPU 在推理和单节点任务中表现优异，价格比 H100 更便宜，同时还拥有更多的内存和计算能力。尽管它们在大型多节点集群训练中还未得到完全验证，但在推理任务中已经足够成熟，成为 H100 的有力替代品。这些更便宜的 GPU 已经被证明能够处理大多数推理任务，尤其是常见模型架构（如 LLaMA 3）上的推理和微调任务。因此，用户在解决兼容性问题后，可以选择这些替代 GPU，以降低成本。总结来说，推理领域中的这些替代品正逐渐取代 H100，特别是在小规模推理和微调任务中，这进一步降低了对 H100 的需求。 Web3 领域 GPU 使用率下降由于加密货币市场变化，GPU 在加密挖矿中的使用率下降，大量 GPU 因此流入云市场。尽管这些 GPU 由于硬件限制无法胜任复杂的 AI 训练任务，但它们在较简单的 AI 推理工作中表现良好，特别是对于预算有限的用户，处理较小模型（如 10B 参数以下）的任务时，这些 GPU 成为性价比很高的选择。经过优化，这些 GPU 甚至可以运行大型模型，成本比使用 H100 节点更低。 AI 算力租赁泡沫后，现在的市场如何？现在入场面临的问题：新公共云 H100 集群进入市场较晚，可能无法盈利，一些投资者可能会损失惨重。新进入市场的 H100 公共云集群面临的盈利挑战。如果租赁价格设定过低（低于 2.25 美元），可能无法覆盖运营成本，导致亏损；如果定价过高（3 美元或以上），则可能失去客户，导致产能闲置。此外，较晚进入市场的集群因为错过了早期的高价（4 美元 / 小时），难以回收成本，投资者面临无法盈利的风险。这使得集群投资变得非常困难，甚至可能导致投资者遭受重大损失。早期入场者的收益情况：早期签署了长期租赁合同的中型或大型模型创建者，已经收回成本并实现盈利中型和大型模型创建者通过长期租赁 H100 计算资源已经获得了价值，这些资源的成本在融资时已被涵盖。虽然部分计算资源未完全利用，但这些公司通过融资市场将这些集群用于当前和未来的模型培训，并从中提取了价值。即使有未使用的资源，他们也能通过转售或租赁获得额外收入，这降低了市场价格，减少了负面影响，整体上对生态系统产生了积极影响。泡沫破灭后，：价格低廉的 H100 可以加速开源式 AI 的采用浪潮低价 H100 GPU 的出现将推动开源式 AI 的发展。随着 H100 价格下降，AI 开发者和业余爱好者可以更便宜地运行和微调开源权重模型，使这些模型的采用更广泛。如果未来闭源模型（如 GPT5++）没有实现重大技术突破，开源模型与闭源模型的差距将缩小，推动 AI 应用的发展。随着 AI 推理和微调成本降低，可能引发新的 AI 应用浪潮，加速市场的整体进步。结论：不要购买全新的 H100 如果现在投资购买全新的 H100 GPU 大概率会亏损。不过只有在特殊情况下，比如项目能够购买到打折的 H100、廉价的电力成本，或在其 AI 产品在市场上拥有足够竞争力时，再去投资才可能合理。如果你正在考虑投资，建议将资金投入其他领域或股票市场，以获得更好的回报率。

TechubNews2024-10-22

AI 能在加密世界中生存吗？

B、Mistral Nemo 12B、DeepSeek-coder-v2、Nous-hermes2、Phi3 3.8B/14B、Gemma2 9B/27B、Command-R、Qwen2-math-72、MathΣtral 该研究旨在评估人工智能加密应用的现状，并评估人工智能与加密集成的潜力和挑战。鉴于这项研究还处于早期阶段，本文重点关注关键见解，而不是具体的结果数据。实验表明，人工智能模型对加密货币基础知识有全面的了解，并对加密货币生态系统表现出广泛的熟悉度。这些模型还表现出执行各种基本钱包操作所需的知识的熟练程度。在适当的提示下，它们的能力不仅得到了显着提高，而且还展示了按照指示执行复杂分析和操作的能力。这些发现共同表明，为众多加密货币相关领域开发人工智能应用程序现在是一个可行的前景。然而，研究也发现了几个关键的局限性。这些模型的理论知识和实际应用技能之间存在很大差距，特别是在与加密相关的计算方面。虽然它们能够生成简单的智能合约，但它们很难识别更复杂协议中的复杂漏洞。此外，这些模型无法解决在基于云的人工智能系统中安全管理私钥的基本挑战。深入探索数学差距：最值得注意的发现之一是人工智能模型普遍难以处理与加密相关的计算。这不仅仅是复杂的加密技术；即使是计算 AMM 滑点或挖矿盈利能力等基本操作也具有挑战性。然而，需要注意的是，大型语言模型并不是为数学计算而设计的。可以通过加载预设代码来绕过 LLM 的直接计算来解决这一限制，从而提高效率和准确性。这种方法类似于人类通常处理复杂计算的方式，依靠专门的工具或预先设定的公式。安全困境：虽然人工智能模型展示了对加密安全原则的扎实掌握，但使用人工智能实现安全系统的现实仍然存在问题。许多人工智能系统对基于云的处理的需求与加密货币的去中心化、无信任性质产生了内在冲突。解决这个问题将需要第三方服务，例如 TEE、HSM，甚至更具创新性的新技术。智能合约：形式重于功能：AI 模型表现出了理解智能合约和解释其功能的出色能力。它们可以有效地修改合约以解决常见的漏洞和优化点，甚至可以自主创建简单场景的合约。然而，当涉及到深藏在复杂业务逻辑中的漏洞时，所有模型都无法识别它们。这表明模型对智能合约的理解仍然在很大程度上停留在表面，侧重于形式，而不是掌握底层业务逻辑的复杂性。虽然 AI 在合约交互和基本创建方面表现出色，但很明显，人类的专业知识对于确保复杂智能合约系统的安全性和效率仍然至关重要。开源挑战：顶级闭源模型与大多数开源替代方案之间的巨大性能差距引发了有关加密领域人工智能未来的重要问题。鉴于加密社区强调开放性和去中心化，弥合这一差距对于广泛采用至关重要。坚实的基础和潜力：尽管面临挑战，但模型展示了对加密基础知识的深刻理解，并显示出对加密生态系统的熟悉。在适当的提示下，它们的能力显著提高。这表明加密领域的人工智能有着坚实的基础，模型对区块链架构、共识机制和代币经济学等概念的掌握令人印象深刻。引导提示的显著改进表明，当前的人工智能模型虽然并不完美，但已经能够在许多与加密相关的任务中提供有价值的见解和帮助，从市场分析到协议设计评估。展望未来：加密人工智能基准的需求随着实验的进展，一个迫切的需求变得显而易见：加密领域需要标准化的人工智能基准。正如 ImageNet 彻底改变了计算机视觉人工智能一样，加密专用基准可以推动这种技术融合的快速进步。如果人们相信人工智能和加密技术的交叉点具有巨大的潜力，并且人工智能有望推动加密技术的广泛采用，那么为加密领域建立专用基准就成为当务之急。这些基准可以作为连接人工智能和加密领域的重要桥梁，催化创新并为未来的应用提供明确的指导。这项努力不仅仅是一项技术活动；它是对如何理解和塑造这一新兴数字前沿的深刻反思。然而，创建这样的基准并非易事。它面临着几个重大挑战：加密技术的快速发展，其知识库仍在不断变化，并且在多个核心方向上缺乏共识；该领域的跨学科性质，涵盖密码学、分布式系统、经济学等，其复杂性远远超过任何单一领域；不仅需要评估理论知识，还需要评估人工智能利用加密技术的实际能力，这需要设计新的评估框架；必须确保基准测试任务与 DeFi、NFT、DAO 和其他新兴加密领域的实际应用保持相关，相关数据集的稀缺性进一步加剧了难度。鉴于这些挑战的规模和复杂性，很显然这不是一项可以单独解决的任务。问题的多面性需要多种专业知识和观点。它需要加密货币和人工智能社区的共同努力。只有通过这种集体智慧，我们才能确定这一新兴技术前沿中真正重要的东西，并创建准确反映人工智能在加密货币领域的复杂性和潜力的基准。当前状态和后续步骤当前的研究框架由几个关键部分组成：一个包含约 700 道多项选择题的 MVP 数据集，由人工智能和人类协作生成，随后由人类专家验证和完善。尽管存在质量限制，但该数据集能够快速自动测试模型，展示概念理解并提供基本的评分机制。约 100 个复杂任务不断增加，涵盖模拟、计算、代码审计和工具使用等场景。这些任务由多位加密领域专家贡献，增加了评估的深度和真实性。为了建立有效的基准，数据集需要大幅扩展，需要更多领域专家的参与。为这些复杂任务开发合适的自动评估框架也是需要解决的关键挑战。此外，为了让 LLM 能够应对未来现实世界的任务挑战，实现一个基本的 Agent 框架至关重要。该框架将提供更真实的测试环境，弥合理论知识与实际应用之间的差距。该方法正在不断完善，重点是提高测试用例的复杂程度并扩大整体数据集。本着开放协作的精神，所有相关资源将很快在 GitHub 上公开，旨在加快进展并邀请更广泛的社区参与。值得注意的是，这项研究仍处于早期阶段。研究结果应被视为初步观察和进一步研究的起点，而不是快速发展的人工智能和加密领域的明确结论。该项目欢迎更广泛的加密社区做出贡献，以帮助建立更全面、更强大的评估框架。来源：金色财经

金色财经2024-09-04

AI概念股卷土重来！OpenAI断供，国产“平替”们集体开卷

模型已经展开了一场激烈的价格战。先是DeepSeek与字节率先宣布大模型降价，随后阿里、百度、腾讯、科大讯飞、智谱AI等玩家相继加入大模型“价格战”。东吴证券指出，当前阶段的AI投资以国产算力硬件引领为主，其确定性、产业链条更为清晰。但建议不要低估未来AI应用的想象空间，伴随大模型准确率和效率的进一步提升，以及大模型推理成本的降低，AI应用的爆发期才有望进一步来临。

格隆汇2024-06-26

解析猎豹移动（CMCM.US）To B转型下的价值成长新逻辑

大模型、小米大模型、腾讯云行业大模型、DeepseekChat大模型等通过《生成式人工智能服务管理暂行办法》备案。这标志着猎户星空大模型成为同时获得国家“生成式人工智能服务备案”和“深度合成服务算法备案”的双备案大模型，可正式对外提供生成式人工智能服务。技术与备案一应俱全，此外，猎户星空不仅拥有软硬一体化全链条的大模型能力，还拥有经验丰富的ToB销售团队、ToB销售网络，能为公司的大模型能力快速商业化奠定基础。目前已在包括混沌学园、宁夏希望信息等国内一线企业落地私有化大模型的应用。另外，海外市场也在放量。目前猎户星空服务机器人在海外的销售额已超越国内，并呈现持续稳步发展之势。 3、结语总的来说，一季报取得的成绩，证明了AI能力为公司带来了崭新的机遇。随着大模型渗透率的持续提升、产品性能的不断增强、落地场景的多元化以及海外业务的进一步拓展，猎豹移动有望迎来更加广阔的发展空间。资本市场视角下，伴随市场逐渐认识到公司在生成式AI方面的潜力以及强大的应用落地实力，叠加业绩层面呈现的业务结构的积极变化，公司未来的成长性与爆发性进一步得到确认。基于此，市场估值也已经具备了重估的可能，当下的右侧行情相信仍然还将值得期待。

格隆汇2024-06-11

解析猎豹移动（CMCM.US）To B转型下的价值成长新逻辑

大模型、小米大模型、腾讯云行业大模型、DeepseekChat大模型等通过《生成式人工智能服务管理暂行办法》备案。这标志着猎户星空大模型成为同时获得国家“生成式人工智能服务备案”和“深度合成服务算法备案”的双备案大模型，可正式对外提供生成式人工智能服务。技术与备案一应俱全，此外，猎户星空不仅拥有软硬一体化全链条的大模型能力，还拥有经验丰富的ToB销售团队、ToB销售网络，能为公司的大模型能力快速商业化奠定基础。目前已在包括混沌学园、宁夏希望信息等国内一线企业落地私有化大模型的应用。另外，海外市场也在放量。目前猎户星空服务机器人在海外的销售额已超越国内，并呈现持续稳步发展之势。 3、结语总的来说，一季报取得的成绩，证明了AI能力为公司带来了崭新的机遇。随着大模型渗透率的持续提升、产品性能的不断增强、落地场景的多元化以及海外业务的进一步拓展，猎豹移动有望迎来更加广阔的发展空间。资本市场视角下，伴随市场逐渐认识到公司在生成式AI方面的潜力以及强大的应用落地实力，叠加业绩层面呈现的业务结构的积极变化，公司未来的成长性与爆发性进一步得到确认。基于此，市场估值也已经具备了重估的可能，当下的右侧行情相信仍然还将值得期待。

格隆汇2024-06-11

AIPC概念活跃，信息技术ETF(562560)收涨0.79%，中科创达涨超10%

降本已成趋势从商汤日日新5.0、幻方DeepSeek-V2、通义千问2.5等，到近日字节跳动推出的豆包大模型家族，国内大模型角逐日趋激烈，此前OpenAI推出的GPT-4o在速度提升两倍的同时价格减半，这种API提效降价的趋势对国内大模型厂商产生积极的映射作用，豆包大模型的本次突破也顺应这种技术提升路径，据了解，该模型每天能处理1200亿tokens的单位成本，生成3000万张图片，同时主力模型API定价相比行业价格低99.3%。华龙证券认为，通过降低价格门槛，大模型厂商有望吸引更广泛的企业用户群体，从而进一步平衡收入和成本。同时，更多C端用户有望免费使用基础AI应用，庞大的访问量有助于企业进一步提升模型服务能力，完成良性循环。同时算力作为AI产业底座，需求预期依旧强劲。 AI终端时代来临，AIPC正值风口伴随AI技术迭代升级的是AI在应用端的加速布局。继苹果发布AIPC产品后，联想、微软等巨头相继入局，加速布局AI技术。微软在昨日召开的开发者前瞻大会上发布搭载高通芯片的新版SurfaceLaptop和SurfacePro平板电脑，微软此次与OpenAI强强联手，内置ChatGPT-4o模型，同时公布了装备AI技术的Windows11PC计划。此外，联想、戴尔、惠普、华硕等即将发布AIPC新品，驱动AIPC市场迎来高速增长。英伟达财报发布在即，产业链一触即发尽管今日光模块、CPO方向表现一般，但短期内仍有重磅催化。本周四凌晨，英伟达将公布2025Q1业绩报告，作为AI发展的重要风向标，其强劲的市场预期持续提振相关科技股走向。据海外机构分析师一致预期，英伟达第一财季总营收为246.9亿美元，同比增长243.3%；息税前利润（EBIT）同比增长439%至164.6亿美元，每股收益同比增长418%至5.65美元，对于英伟达的支柱业务数据中心，预计实现营收210.6亿美元，同比大增391.6%。相关ETF：信息技术ETF（562560），为投资者提供均衡布局信息技术行业的投资工具，截至4月30日，该ETF科技龙头概念暴露度高达92%，此外，在5G应用、消费电子、核心资产、信创产业、数字经济、华为平台、自主可控等概念上的暴露度也均超过了40%。抢占AI时代先机，把握信息技术红利，且个股集中度不高，能有效降低行业风险敞口和个体风险。 5G通信ETF(515050)，是全市场规模最大的5G通信ETF，最新规模超70亿元。该ETF光模块、光通信、AI算力、6G概念股权重占比超50%，并覆盖了服务器、PCB、消费电子、存储芯片、工业互联网等多个细分算力方向的龙头标的。其跟踪指数的前十大权重股分别为中际旭创、立讯精密、工业富联、中兴通讯、新易盛、兆易创新、紫光股份、沪电股份、天孚通信、三安光电，前十大权重股合计占比53.89%。场外联接(A类：008086；C类：008087)。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2024-05-22

算力需求持续演进，紫光股份、广联达涨停，5G通信ETF(515050)收涨1.94%

测降本已成趋势，算力节省催生更大需求 DeepSeek近日发布全新第二代MoE模型DeepSeek-V2，据了解，DeepSeek-V2性能比肩GPT-4Turbo，综合能力位于大模型第一梯队，但API调用成本仅为GPT-4Turbo的近百分之一。东方财富证券表示，随着大模型参数的不断加大，推理侧降本早已成为众矢之的，模型架构的创新使得降本速度明显加快，算力节省，可能带来需求上升，应用侧的不断诞生也会促进算力上更多的需求。智能手机驱动AI用户增长，云端算力需求势头强劲三星、华为、OPPO等新品均搭载AI大模型，苹果也加速入场，智能手机为AI模型厂商提供了触达AI潜在用户的媒介，尤其在AI换机潮的引领下，手机市场规模增量可观，大模型厂商有望挖掘出更多AI用户，驱动算力需求大规模增长。广发证券认为，智能手机作为云+端联合推理的硬件，AI登陆手机后，端侧计算或仅作为辅助，大多数功能仍需联网，因此，云端算力需求不可小觑。据其测算，基于iPhone用户相对于ChatGPT等APP使用AI的频率倍数，和支持AI的iPhone渗透率两个维度的敏感性分析，在乐观预期下，推理算力需求弹性有望达到124%。当前大模型竞争已进入白热化阶段，如何以更低的价格提供更高的性能已成竞争趋势。同时，各AI厂商纷纷寻求下游机会，AI手机、AIPC、AI机器人等为代表的终端创新不断涌现，大模型厂商在潜在AI用户规模和用户付费的激励下，有望挖掘更多大模型潜能。在AI大模型技术的迭代更新与消费电子反向赋能的双击下，边、端侧算力需求持续向前演进。 5G通信ETF(515050)，是全市场规模最大的5G通信ETF，最新规模超70亿元。该ETF光模块、光通信、AI算力、6G概念股权重占比超50%，并覆盖了服务器、PCB、消费电子、存储芯片、工业互联网等多个细分算力方向的龙头标的。其跟踪指数的前十大权重股分别为中际旭创、立讯精密、工业富联、中兴通讯、新易盛、兆易创新、紫光股份、沪电股份、天孚通信、三安光电，前十大权重股合计占比53.89%。场外联接(A类：008086；C类：008087)。信息技术ETF（562560），为投资者提供均衡布局信息技术行业的投资工具，截至4月30日，该ETF科技龙头概念暴露度高达92%，此外，在5G应用、消费电子、核心资产、信创产业、数字经济、华为平台、自主可控等概念上的暴露度也均超过了40%。抢占AI时代先机，把握信息技术红利，且个股集中度不高，能有效降低行业风险敞口和个体风险。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2024-05-16

24小时热点