FX168财经网_全球视野外汇黄金加密货币NFT资讯网

一文看清苹果今年最重大发布会，iPhone 16全系支持苹果AI，首批功能下月美国上线

lligence基于个人场景发挥生成式人工智能（AI）模型的强大功用，深度集成于 iOS 18、iPadOS 18 和 macOS Sequoia 中，可做出多种跨App操作，同时结合个人场景，提供情景驱动通知、写作改进、图像生成等功能，为用户简化和加快日常任务流程。7月末，Apple Intelligence首次落地iPhone，仅面向付费开发者，且未开通包括ChatGPT辅助在内的部分功能。本周一的发布会上，苹果软件工程高级副总裁Craig Federighi在介绍Apple Intelligence时称，它可以在手机上跨语言、图像、动作和个人背景进行操作。他表示，用户手机的数据绝不会存储，也绝不会与苹果共享，独立专家可以验证这一隐私承诺。 Federighi重点介绍了是新的生成表情符号功能，即创建应景 Genmoji，该功能将允许用户通过输入几个单词来创建自定义表情符号。用户还可以输入单词来调出他们想要查找的照片和视频。 Federighi表示，Apple Intelligence标志着苹果的语音助手 Siri开始进入一个新时代。他提到了7月末“限量”上线的部分Apple Intelligence支持Siri新功能：用户可以输入文本提示Siri，即使用户说话磕磕巴巴，Siri能够理解用户的命令，从文本对话中提取特定细节等。首批Apple Intelligence功能将于10月在美国市场推出测试版，仅限英语版本。12月在英国、加拿大、澳大利亚、新西兰、南非上线当地的英语版，从明年开始，将上线汉语、法语、日语和西班牙语版本。 iPhone 16新增拍照按钮基本款搭载A18芯片起售799美元除了Apple Intelligence，iPhone 16系列还有一些不同于前代的特色。和此前媒体消息一致，整个iPhone 16系列都操作按钮（Action Button），这是基本款的iPhone首次采用该按钮。用户可自定义操作按钮，例如，夜间使用手电筒，白天使用日历。另一个符合媒体此前曝光消息的功能是拍照按钮（Capture Button）。这是一个新增的功能，通过它，用户可一键访问相机，并且通过滑动手指调整各种相机功能的功能。基本款iPhone 16搭载的全新A18 芯片采用3 纳米技术，其六核CPU有两个高效能核心和四个效率核心。A18 的CPU比 iPhone 12的CPU快 60%，这一速度足以挑战高端台式电脑，它的五核GPU比iPhone 15的快40%。用新手机打游戏时，该芯片可将持续性能提升高达30%。基本款iPhone 16的尺寸为6.1 英寸，iPhone 16 Plus 为6.7英寸，起售价分别为799美元和899美元。 iPhone 16 Pro起售999美元搭载A18 Pro芯片 4800万像素摄像头 4k视频拍摄同时苹果发布了两款高端的iPhone 16 Pro 和Pro Max。前者的显示屏为 6.3 英寸，后者的显示屏为 6.9 英寸，都比前代的尺寸大，前代分别为6.1 英寸和 6.7 英寸。苹果表示，iPhone 16 Pro 和Pro Max拥有“所有苹果产品中最薄的边框”，以及“迄今为止我们最好的iPhone 显示屏”。钛的重量几乎是不锈钢的一半，而且“比其他形式的钛更耐刮擦”。iPhone 16 Pro Max 拥有“有史以来最好的iPhone电池续航表现”。 iPhone 16 Pro有四色可选，白色、黑色、自然色和新增的沙漠色，搭载全新的A19 Pro芯片，采用第二代3纳米工艺，具有新的16 核神经引擎，系统总内存带宽从而增加 17%。苹果称它“比 A18 更快、更高效”。 A18 Pro 芯片支持新的相机功能，包括让iPhone 16 Pro拥有全新的 4800万像素“融合相机”，数据读取速度提高2倍，以及4800万像素超广角摄像头，像素较iPhone 15的1200万大幅提升，可在广角拍摄中呈现更多细节。5倍远摄相机可为变焦照片提供更多细节。 iPhone 16 Pro还具有每秒120 帧的4k视频拍摄功能，这是 iPhone 相机“迄今为止的最高分辨率和帧率”。Pro 型号配备四个降噪的“录音棚级品质”麦克风，等于随身携带专业的工作室，部分设计用于录制人声和原声，以及空间音频捕捉。苹果称，新的“音频混合”功能是“行业首创”，它使用机器学习来识别和分离用户语音中的背景元素。 iPhone 16 Pro起售价999美元，Pro Max起售1199美元，和基本款iPhone 16一样，均本周五开始接受预订，9月20日上市。

金融界09-10 07:50

报告,到2030年人工智能模型可扩大10000倍

人工智能（AI）最近的进步主要归结于一点：规模。大约在本世纪初，人工智能实验室注意到，不断扩大算法或模型的规模，并持续为其提供更多数据，可以极大地提高算法和模型的性能。最新的一批AI模型拥有数千亿到超过万亿个内部网络连接，并通过消耗互联网的大量资源，学会像我们一样编写代码。训练更大的算法需要更强的计算能力。因此，根据非营利性人工智能研究机构EpochAI的数据，为了达到这一点，专门用于人工智能训练的计算能力每年都在翻两番。如果这一增长持续到2030年，未来的AI模型将拥有比当今最先进的算法（如OpenAI的GPT-4）高出10,000倍的计算能力。 Epoch在最近的一份研究报告中写道：“如果继续下去，我们可能会在本十年末看到人工智能的巨大进步，就像2019年GPT-2的简陋文本生成和2023年GPT-4的复杂问题解决能力之间的差别一样。” 但现代人工智能已经吸纳了大量的电力、数以万计的先进芯片和数万亿的在线实例。与此同时，该行业已经经历了芯片短缺，而且研究表明它可能会耗尽高质量的训练数据。假设公司继续投资人工智能扩展：这样的增长速度在技术上可行吗？ Epoch在报告中探讨了人工智能扩展的四大制约因素：电力、芯片、数据和延迟。总结：保持增长在技术上是可能的，但并不确定。原因如下： 01.动力：我们需要大量电力电根据Epoch的数据，这相当于23000个美国家庭的年耗电量。但是，即使提高了效率，在2030年训练一个前沿人工智能模型所需的电力也将是现在的200倍，即大约6千兆瓦。这相当于目前所有数据中心耗电量的30%。能提供这么多电力的发电厂很少，而且大多数发电厂可能都签订了长期合同。但这是假设一个发电站就能为一个数据中心供电。 Epoch认为，企业将寻找可以通过当地电网从多个发电厂供电的地区。考虑到计划中的公用事业增长，走这条路虽然吃紧，但还是有可能的。为了更好地打破瓶颈，公司可以在多个数据中心之间分配训练。在这种情况下，它们会在多个地理位置独立的数据中心之间分批传输训练数据，从而降低任何一个数据中心的电力需求。这种策略需要快速、高带宽的光纤连接，在技术上是可行的，谷歌双子座超级计算机的训练运行就是一个早期的例子。总而言之，Epoch提出了从1千兆瓦（本地电源）到45千兆瓦（分布式电源）的各种可能性。公司利用的电力越多，可训练的模型就越大。在电力有限的情况下，可以使用比GPT-4高出约10000倍的计算能力来训练模型。 02.芯片：能否满足计算需求？所有这些电力都用于运行人工智能芯片。其中一些芯片向客户提供完整的人工智能模型；一些则训练下一批模型。Epoch仔细研究了后者。人工智能实验室使用图形处理器（GPU）训练新模型，而英伟达是GPU领域的佼佼者。台积电（TSMC）生产这些芯片，并将它们与高带宽内存夹在一起。预测必须考虑到所有这三个步骤。根据Epoch的说法，GPU生产可能还有剩余产能，但内存和封装可能会阻碍发展。这考虑到预计的行业产能增长，他们认为2030年可能会有2000万到4亿个AI芯片用于AI训练。其中一些将用于现有模型，而人工智能实验室只能购买其中的一小部分。范围如此之大，说明模型存在很大的不确定性。但考虑到预期的芯片容量，他们认为一个模型可以在比GPT-4高出约5万倍的计算能力上进行训练。 03.数据：人工智能的在线教育众所周知，人工智能对数据的渴求和即将到来的稀缺性是一个制约因素。有人预测，到2026年，高质量的公开数据流将枯竭。但Epoch认为，至少在2030年之前，数据稀缺不会阻碍模型的发展。他们写道，按照目前的增长速度，人工智能实验室将在五年内耗尽高质量的文本数据，版权诉讼也可能影响供应。 Epoch认为这给他们的模型增加了不确定性。但即使法院做出有利于版权持有者的判决，像VoxMedia、《时代》、《大西洋月刊》等公司所采取的复杂的执法和许可协议也意味着对供应的影响将是有限的。但至关重要的是，现在的模型在训练中不仅仅使用文本。例如，谷歌的Gemini就是通过图像、音频和视频数据进行训练的。非文本数据可以通过字幕和脚本的方式增加文本数据的供应。非文本数据还可以扩展模型的能力，比如识别冰箱食物的图片并推荐晚餐。更推测性的是，它甚至可能导致迁移学习，即在多种数据类型上训练出来的模型优于仅在一种数据类型上训练出来的模型。 Epoch称，还有证据表明，合成数据可以进一步扩大数据量，但具体有多少还不清楚。 DeepMind长期以来一直在其强化学习算法中使用合成数据，Meta公司也使用了一些合成数据来训练其最新的人工智能模型。但是，在不降低模型质量的前提下，使用多少合成数据可能会有硬性限制。而且，合成数据的生成还需要更昂贵的计算能力。不过总的来说，包括文本、非文本和合成数据在内，Epoch估计有足够的数据来训练人工智能模型，其计算能力是GPT-4的8万倍。 04.延迟：规模越大，速度越慢最后一个限制因素与即将推出的算法的规模有关。算法越大，数据穿越其人工神经元网络所需的时间就越长。这可能意味着训练新算法所需的时间变得不切实际。这一点有些技术性。简而言之，Epoch考察了未来模型的潜在规模、并行处理的训练数据批次规模，以及在人工智能数据中心服务器内部和服务器之间处理数据所需的时间。这样就能估算出训练一个一定规模的模型需要多长时间。主要启示以目前的设置来训练人工智能模型终究会遇到天花板，但不会持续太久。据Epoch估计，按照目前的做法，我们可以用比GPT-4高出100万倍的计算能力来训练人工智能模型。 05.扩展规模：10000倍我们会注意到，在每种限制条件下，可能的人工智能模型的规模都会变大，也就是说，芯片的上限比功率高，数据的上限比芯片高，以此类推。但是，如果我们把所有限制因素放在一起考虑，那么模型只能在遇到第一个瓶颈时才有可能实现。在这种情况下，瓶颈就是功率。即便如此，技术上还是可以实现大幅扩展。 Epoch认为：“如果综合考虑，这些人工智能瓶颈意味着到本十年末，训练运行高达2e29FLOP是可行的。” 这将代表着相对于当前模型的大约10,000倍的扩展，意味着历史上的扩展趋势可以不间断地持续到2030年。虽然所有这些都表明持续扩展在技术上是可能的，但这也做出了一个基本假设：人工智能投资将按需要增长，以资助扩展，并且扩展将继续产生令人印象深刻的进步，更重要的是，有用的进步。目前，各种迹象表明，科技公司将继续投入历史性的巨额现金。在人工智能的推动下，新设备和不动产等方面的支出已经跃升至多年来从未见过的水平。 Alphabet首席执行官Sundar Pichai在上一季度的财报电话会议上表示：“经历这样的曲线时，投资不足的风险要远远大于投资过度的风险。” 但支出还需要进一步增长。Anthropic公司首席执行官Dario Amodei估计，今天训练的模型成本可能高达10亿美元，明年的模型成本可能接近100亿美元，此后几年每个模型的成本可能达到1000亿美元。这是一个令人眼花缭乱的数字，但企业可能愿意为此付出代价。据报道，微软已经为其Stargate人工智能超级计算机投入了这么多资金，该项目是微软与OpenAI的合作项目，将于2028年推出。不言而喻，投资数百亿或数千亿美元的意愿并不能保证。毕竟这一数字超过许多国家的GDP和科技巨头目前年收入的一大部分。随着人工智能的光芒逐渐褪去，人工智能能否持续增长可能会变成一个“你最近为我做了什么”的问题。投资者已经在检查底线。如今，投资金额与回报金额相比相形见绌。为了证明加大投入是合理的，企业必须证明其规模不断扩大，能够生产出更多更强大的人工智能模型。这意味着即将推出的模型面临着越来越大的压力，必须超越渐进式的改进。如果收益下降，或者有足够多的人不愿意为人工智能产品买单，情况可能会发生变化。此外，一些评论家认为，大型语言和多模态模型可能只是个昂贵的死胡同。而且，总有可能出现突破，就像这一轮的突破一样，表明我们可以用更少的资源完成更多的任务。我们的大脑只需一个灯泡的能量就能持续学习，而不需要互联网那样庞大的数据量。 Epoch称，尽管如此，如果目前的方法“能将相当一部分经济任务自动化”，其经济回报可能高达数万亿美元，足以证明花费的合理性。许多业内人士都愿意下这个赌注。但究竟结果如何，目前还不得而知。原文来源于： 1.https://singularityhub.com/2024/08/29/ai-models-scaled-up-10000x-are-possible-by-2030-report-says/ 中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经09-09 17:35

特朗普语出惊人！马斯克“重磅回应”吸引近8000万流量……

篇帖子来回应这一消息，帖子中展示了一张人工智能(AI)生成的图像，描绘了他领导一个虚构的美国政府效率部，并写道：“我愿意为之服务。” 但大约一周后，特朗普称，马斯克太忙，无法担任白宫内阁职务，因为他专注于“经营大企业”，尽管他保留了马斯克担任特朗普政府顾问的可能性。特朗普说：“正如人们常说的，他可以向国家提供咨询，并给你一些非常好的想法。”他建议马斯克可以在AI和其他事务上协助美国政府。但是，特朗普的提议引发了代表75万联邦工作人员的美国政府雇员联合会主席埃弗里特·凯利(Everett Kelley)的批评。凯利指责特朗普和马斯克想要削减联邦政府无党派公务员制度，用他们的盟友来取代被解雇的员工。凯利告诉路透社：“这种做法毫无效率。”

圈内人09-09 14:07

华福证券：给予胜宏科技买入评级

、GPU”的技术路线展开技术布局，紧盯人工智能、AI服务器、AI算力卡、AI Phone、AIPC、智能驾驶、新能源汽车、新一代通信技术等行业技术发展前沿，超前研发新产品。2024年上半年，公司累计研发投入1.98亿元，在AI服务器/算力/交换机等产品的技术改造方面，公司完成对高多层精密HDI5.0mm和高多层PCB8.0mm厚板的设备优化与改造，大孔径盲孔填孔能力与超薄芯板能力建制。除此之外，公司开展了针对AI服务器产品下一代传输PCIe华福证券6.0协议与芯片Oak stream平台技术；800G/1.6T光传输在光模块与交换机上单通道112G&224G的传输技术；L3/L4等级自动驾驶技术等，并顺利落地到产品应用。　　海外产能赋能，业务布局全面开花。为实现PCB产业链横向一体化，为客户提供电路板全系列产品及一体化服务，公司快速推进海外基地的收购与建设。1）公司于2023年底完成MFS100%股权收购，切入挠性电路板赛道，填补公司在软板领域的空白。24H1MFS集团营业收入同比增长13%，净利润同比增长104%，其中二季度收入创历史新高，MFS集团的优异表现助力公司业绩实现增长。2）公司于2024年8月发布公告拟收购APCB100%股份，APCB在多层线路板深耕多年，APCB将成为公司泰国生产基地，有利于快速满足客户海外交付需求。3）公司于2024年5月发布公告拟在越南投资建设高精密度印制线路板项目，进一步助力公司持续扩大市场份额。　　盈利预测与投资建议：公司在高密度多层VGA PCB及小间距LED PCB市场已取得全球第一的份额，同时AI多业务条线进展顺利，成长可期。预计公司2024-2026年营业收入分别为112.03/134.77/160.38亿元，归母净利润分别为11.31/15.27/18.37亿元（维持2024年归母净利润前值，2025-2026年前值为14.07/16.06亿元）。我们看好公司充分受益于AI服务器的发展，维持“买入”评级　　风险提示：宏观经济不及预期、市场竞争加剧风险、原材料供应紧张及价格波动风险、汇率变动风险、收购整合风险、AI服务器新品放量进度不及预期风险等。证券之星数据中心根据近三年发布的研报数据计算，方正证券郑震湘研究员团队对该股研究较为深入，近三年预测准确度均值为70.85%，其预测2024年度归属净利润为盈利12.16亿，根据现价换算的预测PE为19.25。最新盈利预测明细如下：该股最近90天内共有12家机构给出评级，买入评级9家，增持评级3家；过去90天内机构目标均价为43.6。以上内容为证券之星据公开信息整理，由智能算法生成，不构成投资建议。

证券之星09-09 12:15

光刻机进一步受限，半导体迎来国产化机遇？

体行业创新，芯片需求增长有机构指出，人工智能（AI）技术的发展正在推动半导体行业的创新周期。AI技术的应用，尤其是在手机等消费电子产品中，需要更强大的芯片来支持复杂的数据处理和机器学习任务。这不仅会带动现有设备的更新换代，增加芯片的需求量，还可能催生新的硬件形态，如AR/VR设备、智能手表等，这些新设备的开发和普及将进一步扩大对高性能芯片的需求。随着AI技术的不断进步和应用领域的拓展，半导体行业的增长潜力巨大。 4、消费电子市场回暖，有望带动半导体需求随着全球经济的逐步复苏，消费电子市场也开始回暖。手机和PC等主要消费电子产品的库存水平自2022年二季度起持续下降，目前已达到较为健康的水平，预示着新一轮的补库存周期即将到来。在这一过程中，半导体作为消费电子产品的核心组件，其需求量有望随之大幅增加。此外，随着5G、物联网、自动驾驶等新技术的推广，对高性能半导体的需求也将更加旺盛。 5、半导体板块估值修复，市场预期向好有机构表示，尽管半导体板块在前期受到市场波动的影响，估值较低，但随着利空因素的消退和积极因素的积累，市场对半导体板块的预期正在逐步改善。美联储可能的降息行动将为市场提供更多的流动性，国内财政政策的发力也将带来基本面的修复预期。此外，随着全球半导体市场的复苏迹象，如存储芯片价格的回升和全球半导体销售金额的增长，半导体板块的估值有望得到修复，市场预期向好，为投资者提供了良好的投资机会。相关基金半导体ETF（159813）中高风险 R4 跟踪指数：国证芯片指数（980017.SZ）科创100ETF基金（588220）中高风险 R4 跟踪指数：科创100指数（000698.SH）风险提示：市场有风险，投资须谨慎。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09-09 09:36

非农果然炸雷！美债收益率结束793天历史最长倒挂 “经济衰退”恐进入倒计时……

否又将历史重演，像是市场最为担忧的上演人工智能(AI)大破沫： 1981至1982年：第二次石油危机爆发引发通胀再次走高，美联储强力的货币紧缩使得经济再次进入衰退； 1990至1991年：货币政策收紧，加上波斯湾战争引发供给冲击再度推高通胀； 2001年：网络科技泡沫，再加上911事件造成冲击； 2008至2009年：美国房地产信用破裂、金融危机爆发； 2020年：新冠疫情扩散，全球大封锁。

小萧09-09 07:51

AI助力加密货币市场预测：揭秘电报机器人@Trade_SmarteBot的强大功能

肘，难以为投资者提供有效的支持。而随着人工智能（AI）技术的快速发展，AI的应用为投资者带来了全新的解决方案。AI不仅能够快速处理和分析市场数据，还可以识别复杂的市场模式，提供实时预测和决策支持。基于此，@Trade_SmarteBot应运而生——这款电报上的智能机器人，利用最先进的AI技术，为用户提供精准的加密货币走势预测和交易建议。 AI在加密货币市场中的应用优势 1. 快速处理和整合海量数据加密货币市场中，价格走势、交易量、社交媒体情绪、新闻动态和链上数据（如持仓分布、交易所流动性）等各种信息交织在一起，影响着市场的每一个变化。AI能够快速处理这些海量数据，并整合为有价值的市场分析，为用户提供精准的投资建议。与传统分析方法相比，AI可以在更短时间内完成大规模数据的处理，让投资者能够更快地把握市场动态。 2. 识别复杂的非线性模式加密市场中的价格走势常常包含复杂的非线性模式，传统的统计方法往往难以捕捉这些变化。AI尤其是机器学习和深度学习模型，能够发现并利用这些复杂关系，大幅提升市场预测的准确性。通过深度学习模型，AI可以从海量数据中挖掘隐藏的市场模式，为投资者提供更精准的分析结果。 3. 实时分析与智能决策市场变化瞬息万变，实时的数据处理和预测能力对投资者至关重要。AI模型可以实时分析市场数据，提供即时的交易建议，帮助投资者在短时间内做出决策。相比传统的人工分析方法，AI能够更快响应市场变化，为投资者提供及时的决策支持，提升交易效率和成功率。 4. 消除情绪干扰，提高决策的客观性投资者在交易过程中往往会受到恐惧、贪婪等情绪的影响，导致决策失误。AI分析完全基于数据，不受情绪影响，能够帮助投资者做出更加客观和理性的决策，有效减少情绪对交易的干扰，提升投资的稳定性和一致性。 5. 自我优化与动态调整AI模型具备自我学习和优化能力，能够通过不断训练和学习新数据，自动调整预测算法，保持高水平的预测精度。随着市场环境的变化，AI模型能够持续改进自己的预测能力，在新的市场条件下依然表现优异。这种自我优化的能力使得AI在应对市场快速变化时具有无可比拟的优势。 6. 多因素综合分析，提供全面市场洞察AI能够同时分析技术指标、宏观经济数据、链上数据（如持仓和流动性）、新闻报道和社交媒体情绪等多种市场因素。多维度的信息整合分析，能够帮助AI生成更全面的市场预测，是传统单一数据分析无法比拟的。 7. 预测极端行情，提前做好风险管理加密市场的暴涨或暴跌往往给投资者带来巨大挑战。AI在处理历史数据的同时，能够通过模型训练识别极端行情的潜在可能性，为投资者提前发出风险预警。通过提前识别风险，AI帮助投资者在极端市场条件下做出更好的风险管理决策。 8. 高效处理高维和非线性数据AI算法（如深度学习和神经网络）擅长处理高维度和复杂的非线性数据，能够识别市场中隐藏的复杂关系，为投资者提供更深入的市场洞察。相比传统算法，AI的处理能力大幅提升，特别适合应对加密市场这种复杂的数据集。 9. 自动特征提取和优化，减少人为偏差传统算法往往需要专家手动设计特征，而AI模型能够自动从数据中提取有意义的特征。通过自动优化特征提取过程，AI可以发现传统方法难以识别的市场模式，减少人为干扰，使预测更加科学和准确。 10. 快速适应市场变化，保持持续优化AI的在线学习能力使其能够快速适应市场变化。面对市场的快速波动，AI模型可以实时调整预测策略，确保在不断变化的市场环境中依然能够提供高质量的预测。 @Trade_SmarteBot：AI驱动的加密货币预测神器 @Trade_SmarteBot 利用AI的技术优势，为用户提供全方位的市场预测和交易决策支持。作为电报上的智能助手，@Trade_SmarteBot 操作简单、界面友好，用户只需在电报中输入指令，即可获得详细的市场分析和个性化的交易建议。 1. 简单易用的交互体验@Trade_SmarteBot 提供了简洁明了的操作界面，即便是没有专业背景的用户，也能轻松上手。只需简单的指令操作，就可以快速获取实时市场分析和交易建议，让投资变得更加高效和直观。 2. 实时市场预测和决策支持通过对实时数据的分析，@Trade_SmarteBot 可以在市场波动的第一时间向用户提供交易建议，帮助用户找到最佳的进场和出场时机。AI驱动的预测模型能够精准识别市场趋势，为每一次交易提供可靠支持。 3. 个性化策略定制@Trade_SmarteBot 支持用户根据自身的投资风格和风险偏好，定制预测周期和交易策略。无论是偏好稳健收益的长期投资者，还是追求短期收益的日内交易者，都可以找到适合自己的预测方案，享受个性化的投资服务。结语 @Trade_SmarteBot 将AI技术与加密货币市场深度结合，为投资者提供强大的市场预测和决策支持。AI的多维数据处理能力、实时分析与决策支持、自我优化和动态调整能力，使其在加密市场中具备独特优势。无论是投资新手还是资深交易者，@Trade_SmarteBot 都能为您提供科学、精准的数据驱动型交易建议，帮助您在复杂的市场环境中从容决策。通过AI科技的力量，@Trade_SmarteBot 成为您加密货币投资道路上的智能助手，为您的投资保驾护航来源：金色财经

金色财经09-08 11:32

高盛发布研究报告：AI或将重塑石油产业，对生产成本与价格构成潜在负面影响

成本和石油价格潜在负面影响》深入剖析了人工智能（AI）技术在未来十年内对全球石油产业可能带来的多方面挑战，特别是其如何通过提升石油供应效率对市场价格形成下行压力。报告指出，随着AI在能源行业的广泛应用，多家能源公司在其收益电话会议中频繁提及AI的应用成效，并积极将其融入日常运营中。AI技术通过优化物流流程、精准配置资源等手段，显著降低了石油生产的成本。据估算，新页岩井的生产成本有望通过AI技术减少约30%，早期采纳AI的企业甚至能实现25%的生产率提升，进而推动边际激励价格下降约5美元/桶。达拉斯联邦能源调查的最新数据显示，美国已有20%至40%的石油和天然气公司正计划利用AI优化供应链、实现流程自动化，并改进钻井与完井作业，进一步提升效率。此外，AI还通过加速经验学习过程，促进了可盈利回收资源量的增加，有效推动了石油产业成本曲线的右移。假设AI能促使美国页岩油极低的恢复因子提升10%至20%，那么全球石油储备量将有望增加8%至20%，相当于额外增加了100亿至300亿桶的潜在可采储量，进一步增强了市场供应能力。然而，在需求侧，AI对石油市场的正面影响相对有限。尽管AI技术促进了全球电气化进程，推动了电力需求的增长，但与电力和天然气市场相比，其对石油需求的直接提振作用较小。报告预测，未来十年内，AI通过提升经济活动和收入水平，可能仅带动石油需求增加0.7百万桶/日，进而对长期石油价格产生约2美元/桶的上行推动。综合考量AI对石油供应与需求的双重影响，报告认为，AI对石油价格的总体影响可能偏向负面。具体而言，由于AI在降低成本方面的显著效果（约-5美元/桶）可能超过其对需求增长的有限贡献（约+2美元/桶），这将对石油市场的长期价格锚点构成压力。报告还额外关注了电动汽车普及及天然气价格低廉等因素对石油需求的潜在负面影响，并将这些因素与AI的影响进行了对比分析。高盛强调，尽管面临多重挑战，但AI的广泛应用仍有望延续美国页岩行业过去几十年所展现出的强大生产率提升势头，为行业带来深远变革。

金融界09-07 09:28

市值一周蒸发4060亿！英伟达波动性甚至超越比特币

英伟达在过去一周内市值蒸发了4060亿美元，成为市场关注的焦点。虽然今年该股仍上涨逾100%，但投资者对其人工智能前景的担忧日益加剧，尤其是最近发布的业绩预期不及预期上限，加之反垄断调查的冲击，导致其波动性已超过比特币。尽管如此，分析师认为人工智能相关股票依然是长期投资的机会。

Sissi09-07 06:02

【美股收评】华尔街再度暴跌， “非农”数据过度解读？

周五(9月6日)，华尔街再次遭遇大跌，本周市场表现为18个月来最糟糕的一周，此前一份被誉为今年最重要的就业报告表现疲软，令市场对经济的担忧持续升温。由于对美国经济健康状况的担忧加剧，投资者抛售风险资产，大型科技股大幅下跌。

Sissi09-07 05:07

24小时热点