全球数字财富领导者
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
财富汇
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
3月5日证券之星早间消息汇总:沪深交易所举办量化私募机构交易合规培训
go
lg
...
。 4.当地时间周一,被誉为中东“数字
达
沃
斯
”的“LEAP”科技展正式召开。仅在第一天,亚马逊AWS等多家公司就宣布将向主办国沙特阿拉伯总共投资超100亿美元建设数据中心,以支持科技初创企业在当地的发展。AWS表示,计划斥资53亿美元新建一个云服务区域,将于2026年开放并帮助培训本地的开发人员。同时,总部位于沙特的数据中心公司DataVolt也将投资50亿美元开发逾300兆瓦的超大规模数据中心。另外,IBM计划投资2.5亿美元用于建设公司位于MENA区域(中东和北非地区)的第一个软件实验室;软件公司ServiceNow也将投入5亿美元用于推出其在该地区的首个数据中心。
lg
...
证券之星
03-05 09:00
中东“数字
达
沃
斯
”首日频签大单:沙特收获百亿数据中心合同
go
lg
...
时间周一(3月4日),被誉为中东“数字
达
沃
斯
”的“LEAP”科技展正式召开。仅在第一天,亚马逊AWS等多家公司就宣布将向主办国沙特阿拉伯总共投资超100亿美元建设数据中心,以支持科技初创企业在当地的发展。AWS表示,计划斥资53亿美元新建一个云服务区域,将于2026年开放并帮助培训本地的开发人员。同时,总部位于沙特的数据中心公司DataVolt也将投资50亿美元开发逾300兆瓦的超大规模数据中心。另外,IBM计划投资2.5亿美元用于建设公司位于MENA区域(中东和北非地区)的第一个软件实验室;软件公司ServiceNow也将投入5亿美元用于推出其在该地区的首个数据中心。
lg
...
金融界
03-05 08:09
高盛CEO警告:美国“软着陆”的预期过于乐观
go
lg
...
年高点。 所罗门说:“一个月前,当我在
达
沃
斯
上电视时,大家一致认为要降息七次,我说,‘天哪,我真是搞不明白这一点。’”此后,市场降低了预期,目前预计今年将有三次降息,而不是六次或七次。 所罗门说,“美国经济的上半部分一直非常强劲”,但经济下半部分的消费者支出一直在放缓。美国经济谘商会(Conference Board)追踪的消费者信心指数2月意外下滑至106.7,低于预期,1月修正后为110.9。 所罗门说,商业领袖们告诉他,由于物价仍然很高,人们的收入只能勉强维持生计,没有多余的钱用于储蓄或投资,抑制消费的行为已经出现。他说:“我只是认为我们经营得相当不错,但不确定性比市场预期的要高。在过去几个月里,我已经看到了这些行为收紧的模式,这意味着经济的低端部分有些疲软。” 所罗门对经济轨迹的评论比他在去年9月份发表的言论更为悲观,当时他表示“现在软着陆的可能性要高得多”。
lg
...
金融界
02-28 21:45
Web3与AI的交织还能碰撞出怎样的火花?
go
lg
...
生之后已经是难以想象了。而近期,在瑞士
达
沃
斯
2024年度世界经济论坛期间,OpenAI首席执行官山姆·奥特曼更是直言算力和能源是现阶段最大的枷锁,两者在未来的重要性甚至会等同于货币。而在随后的2月10日,山姆·奥特曼在推上发表了一个极为惊人的计划,融资7万亿美元(相当于中国23年全国GDP的40%)改写目前全球的半导体产业格局,创立一家芯片帝国。在写算力相关的文章时,我的想象力还局限在国家封锁,巨头垄断,如今一家公司就想要控制全球半导体产业真的还是挺疯狂的。 所以去中心化算力的重要性自然不言而喻,区块链的特性确实能解决目前算力极度垄断的问题,以及购置专用GPU价格昂贵的问题。从AI所需的角度来看,算力的使用可以分为推理和训练两种方向,主打训练的项目,目前还是寥寥无几,从去中心化网络需要结合神经网络设计,再到对于硬件的超高需求,注定是门槛极高且落地极难的一种方向。而推理相对来说简单很多,一方面是在去中心化网络设计上并不复杂,二是硬件和带宽需求较低,算是目前比较主流的方向。 中心化算力市场的想象空间是巨大的,常常与“万亿级”这个关键词挂钩,同时也是AI时代下最容易被频繁炒作的话题。不过从近期大量涌现的项目来看,绝大部分还是属于赶鸭子上架,蹭热度。总是高举去中心化的正确旗帜,却闭口不谈去中心化网络的低效问题。并且在设计上存在高度同质化,大量的项目非常相似(一键L2加挖矿设计),最终可能会导致一地鸡毛,这样的情况想要从传统AI赛道分一杯羹着实困难。 算法、模型协作系统 机器学习算法,是指这些算法能够从数据中学习规律和模式,并据此做出预测或决策。算法是技术密集型的,因为它们的设计和优化需要深厚的专业知识和技术创新。算法是训练AI模型的核心,它定义了数据如何被转化为有用的见解或决策。较为常见的生成式AI算法比如生成对抗网络(GAN)、变分自编码器(VAE)、转换器(Transformer),每个算法都是为了一个特定领域(比如绘画、语言识别、翻译、视频生成)或者说目的而生,再通过算法训练出专用的AI模型。 那么如此之多的算法和模型,都是各有千秋,我们是否能将其整合为一种能文能武的模型?近期热度高涨的Bittensor便是这个方向的领头者,通过挖矿激励的方式让不同AI模型和算法相互协作与学习,从而创作出更高效全能的AI模型。而同样以这个方向为主的还有Commune AI(代码协作)等,不过算法和模型对于现在的AI公司来说,都是自家的看门法宝,并不会随意外借。 所以AI协作生态这种叙事很新奇有趣,协作生态系统利用了区块链的优势去整合AI算法孤岛的劣势,但是否能创造出对应的价值目前尚未可知。毕竟头部AI公司的闭源算法和模型,更新迭代与整合的能力非常强,比如OpenAI发展不到两年,已从早期文本生成模型迭代到多领域生成的模型,Bittensor等项目在模型和算法所针对的领域也许要另辟蹊径。 去中心化大数据 从简单的角度来说,将私有数据用来喂AI以及对数据进行标记都是与区块链非常契合的方向,只需要注意如何防止垃圾数据以及作恶,并且数据存储上也能使FIL、AR等Depin项目受益。而从复杂的角度来说,将区块链数据用于机器学习(ML),从而解决区块链数据的可访问性也是一种有趣的方向(Giza的摸索方向之一)。 在理论上,区块链数据可随时访问,反映了整个区块链的状态。但对于区块链生态系统之外的人来说,获取这些庞大数据量并不容易。完整存储一条区块链需要丰富的专业知识和大量的专门硬件资源。为了克服访问区块链数据的挑战,行业内出现了几种解决方案。例如,RPC提供商通过API访问节点,而索引服务则通过SQL和GraphQL使数据提取变得可能,这两种方式在解决问题上发挥了关键作用。然而,这些方法存在局限性。RPC服务并不适合需要大量数据查询的高密度使用场景,经常无法满足需求。同时,尽管索引服务提供了更有结构的数据检索方式,但Web3协议的复杂性使得构建高效查询变得极其困难,有时需要编写数百甚至数千行复杂的代码。这种复杂性对于一般的数据从业者和对Web3细节了解不深的人来说是一个巨大的障碍。这些限制的累积效应凸显了需要一种更易于获取和利用区块链数据的方法,可以促进该领域更广泛的应用和创新。 那么通过ZKML(零知识证明机器学习,降低机器学习对于链的负担)结合高质量的区块链数据,也许能创造出解决区块链可访问性的数据集,而AI能大幅降低区块链数据可访问性的门槛,那么随着时间的推移,开发者、研究人员和ML领域的爱好者将能够访问到更多高质量、相关的数据集,用于构建有效和创新的解决方案。 AI赋能Dapp 自23年,ChatGPT3爆火以来,AI赋能Dapp已经是一个非常常见的方向。泛用性极广的生成式AI,可以通过API接入,从而简化且智能化分析数据平台、交易机器人、区块链百科等应用。另一方面,也可以扮演聊天机器人(比如Myshell)或者AI伴侣(Sleepless AI),甚至通过生成式AI创造链游中的NPC。但由于技术壁垒很低,大部分都是接入一个API之后进行微调,与项目本身的结合也不够完美,所以很少被人提起。 但在Sora到来之后,AI赋能GameFi(包括元宇宙)与创作平台的方向将是接下来关注的重点。因为Web3领域自下而上的特性,肯定很难诞生出一些与传统游戏或是创意公司抗衡的产品,而Sora的出现很可能会打破这一窘境(也许只用两到三年)。以Sora的Demo来看,其已具备和微短剧公司竞争的潜力,Web3活跃的社区文化也能诞生出大量有趣的Idea,而当限制条件只有想象力的时候,自下而上的行业与自上而下的传统行业之间的壁垒将被打破。 来源:金色财经
lg
...
金色财经
02-24 08:27
Sora横空出世 2024或成AI+Web3变革元年?
go
lg
...
生之后已经是难以想象了。而近期,在瑞士
达
沃
斯
2024年度世界经济论坛期间,OpenAI首席执行官山姆·奥特曼更是直言算力和能源是现阶段最大的枷锁,两者在未来的重要性甚至会等同于货币。而在随后的2月10日,山姆·奥特曼在推上发表了一个极为惊人的计划,融资7万亿美元(相当于中国23年全国GDP的40%)改写目前全球的半导体产业格局,创立一家芯片帝国。在写算力相关的文章时,我的想象力还局限在国家封锁,巨头垄断,如今一家公司就想要控制全球半导体产业真的还是挺疯狂的。 所以去中心化算力的重要性自然不言而喻,区块链的特性确实能解决目前算力极度垄断的问题,以及购置专用GPU价格昂贵的问题。从AI所需的角度来看,算力的使用可以分为推理和训练两种方向,主打训练的项目,目前还是寥寥无几,从去中心化网络需要结合神经网络设计,再到对于硬件的超高需求,注定是门槛极高且落地极难的一种方向。而推理相对来说简单很多,一方面是在去中心化网络设计上并不复杂,二是硬件和带宽需求较低,算是目前比较主流的方向。 中心化算力市场的想象空间是巨大的,常常与“万亿级”这个关键词挂钩,同时也是AI时代下最容易被频繁炒作的话题。不过从近期大量涌现的项目来看,绝大部分还是属于赶鸭子上架,蹭热度。总是高举去中心化的正确旗帜,却闭口不谈去中心化网络的低效问题。并且在设计上存在高度同质化,大量的项目非常相似(一键L2加挖矿设计),最终可能会导致一地鸡毛,这样的情况想要从传统AI赛道分一杯羹着实困难。 算法、模型协作系统 机器学习算法,是指这些算法能够从数据中学习规律和模式,并据此做出预测或决策。算法是技术密集型的,因为它们的设计和优化需要深厚的专业知识和技术创新。算法是训练AI模型的核心,它定义了数据如何被转化为有用的见解或决策。较为常见的生成式AI算法比如生成对抗网络(GAN)、变分自编码器(VAE)、转换器(Transformer),每个算法都是为了一个特定领域(比如绘画、语言识别、翻译、视频生成)或者说目的而生,再通过算法训练出专用的AI模型。 那么如此之多的算法和模型,都是各有千秋,我们是否能将其整合为一种能文能武的模型?近期热度高涨的Bittensor便是这个方向的领头者,通过挖矿激励的方式让不同AI模型和算法相互协作与学习,从而创作出更高效全能的AI模型。而同样以这个方向为主的还有Commune AI(代码协作)等,不过算法和模型对于现在的AI公司来说,都是自家的看门法宝,并不会随意外借。 所以AI协作生态这种叙事很新奇有趣,协作生态系统利用了区块链的优势去整合AI算法孤岛的劣势,但是否能创造出对应的价值目前尚未可知。毕竟头部AI公司的闭源算法和模型,更新迭代与整合的能力非常强,比如OpenAI发展不到两年,已从早期文本生成模型迭代到多领域生成的模型,Bittensor等项目在模型和算法所针对的领域也许要另辟蹊径。 去中心化大数据 从简单的角度来说,将私有数据用来喂AI以及对数据进行标记都是与区块链非常契合的方向,只需要注意如何防止垃圾数据以及作恶,并且数据存储上也能使FIL、AR等Depin项目受益。而从复杂的角度来说,将区块链数据用于机器学习(ML),从而解决区块链数据的可访问性也是一种有趣的方向(Giza的摸索方向之一)。 在理论上,区块链数据可随时访问,反映了整个区块链的状态。但对于区块链生态系统之外的人来说,获取这些庞大数据量并不容易。完整存储一条区块链需要丰富的专业知识和大量的专门硬件资源。为了克服访问区块链数据的挑战,行业内出现了几种解决方案。例如,RPC提供商通过API访问节点,而索引服务则通过SQL和GraphQL使数据提取变得可能,这两种方式在解决问题上发挥了关键作用。然而,这些方法存在局限性。RPC服务并不适合需要大量数据查询的高密度使用场景,经常无法满足需求。同时,尽管索引服务提供了更有结构的数据检索方式,但Web3协议的复杂性使得构建高效查询变得极其困难,有时需要编写数百甚至数千行复杂的代码。这种复杂性对于一般的数据从业者和对Web3细节了解不深的人来说是一个巨大的障碍。这些限制的累积效应凸显了需要一种更易于获取和利用区块链数据的方法,可以促进该领域更广泛的应用和创新。 那么通过ZKML(零知识证明机器学习,降低机器学习对于链的负担)结合高质量的区块链数据,也许能创造出解决区块链可访问性的数据集,而AI能大幅降低区块链数据可访问性的门槛,那么随着时间的推移,开发者、研究人员和ML领域的爱好者将能够访问到更多高质量、相关的数据集,用于构建有效和创新的解决方案。 AI赋能Dapp 自23年,ChatGPT3爆火以来,AI赋能Dapp已经是一个非常常见的方向。泛用性极广的生成式AI,可以通过API接入,从而简化且智能化分析数据平台、交易机器人、区块链百科等应用。另一方面,也可以扮演聊天机器人(比如Myshell)或者AI伴侣(Sleepless AI),甚至通过生成式AI创造链游中的NPC。但由于技术壁垒很低,大部分都是接入一个API之后进行微调,与项目本身的结合也不够完美,所以很少被人提起。 但在Sora到来之后,我个人认为AI赋能GameFi(包括元宇宙)与创作平台的方向将是接下来关注的重点。因为Web3领域自下而上的特性,肯定很难诞生出一些与传统游戏或是创意公司抗衡的产品,而Sora的出现很可能会打破这一窘境(也许只用两到三年)。以Sora的Demo来看,其已具备和微短剧公司竞争的潜力,Web3活跃的社区文化也能诞生出大量有趣的Idea,而当限制条件只有想象力的时候,自下而上的行业与自上而下的传统行业之间的壁垒将被打破。 结语 随着生成式AI工具的不断进步,我们未来还将经历更多划时代的“iPhone时刻”。尽管许多人对AI与Web3的结合嗤之以鼻,但实际上我认为目前的方向大多没有问题,需要解决的痛点其实只有三点,必要性、效率、契合度。两者的融合虽处于探索阶段,却并不妨碍这条赛道成为下个牛市的主流。 对新事物永远保持足够的好奇心和接纳度是我们需要必备的心态,历史上,汽车取代马车的转变瞬息之间便已成定局,亦如同铭文和过去的NFT一样,持有太多偏见只会和机遇失之交臂。 来源:金色财经
lg
...
金色财经
02-23 22:29
Sora涌现:2024年会是AI+Web3革命年吗
go
lg
...
的需求凸显出来。近日,在2024年瑞士
达
沃
斯
世界经济论坛期间,OpenAI首席执行官Sam Altman公开表示,算力和能源是当前最大的制约因素,暗示它们未来的重要性甚至可能等同于货币。随后,2月10日,Sam Altman在推特上宣布了一项令人震惊的计划,将筹集7万亿美元(相当于2023年中国GDP的40%)来彻底改革当前的全球半导体产业,旨在打造一个半导体帝国。我之前对算力的思考仅限于国家封锁和企业垄断;一家公司想要主宰全球半导体行业的想法确实很疯狂。 因此,去中心化计算能力的重要性是不言而喻的。区块链的特性确实可以解决当前计算能力极度垄断的问题,以及与获取专用 GPU 相关的昂贵成本的问题。从AI需求的角度来看,算力的使用可以分为推理和训练两个方向。专注于训练的项目还很少,因为去中心化网络需要集成神经网络设计,对硬件要求极高,是一个门槛较高、实施难度较大的方向。相比之下,推理相对简单,因为去中心化网络设计没有那么复杂,对硬件和带宽的要求也较低,是更主流的方向。 中心化算力市场想象空间广阔,常常与“万亿级”关键词联系在一起,也是AI时代最容易炒作的话题。然而,纵观最近出现的众多项目,大多数似乎都是利用趋势的考虑不周的尝试。他们经常高举去中心化的旗帜,但却避免讨论去中心化网络的低效率。另外,设计同质化程度很高,很多项目非常相似(一键L2加挖矿设计),最终可能会导致失败,很难在传统AI竞赛中占据一席之地。 算法与模型协同系统 机器学习算法是那些可以从数据中学习模式和规则,并根据它们做出预测或决策的算法。算法是技术密集型的,因为其设计和优化需要深厚的专业知识和技术创新。算法是训练人工智能模型的核心,定义了如何将数据转化为有用的见解或决策。常见的生成式 AI 算法包括生成对抗网络 (GAN)、变分自编码器 (VAE) 和 Transformers,每种算法都是针对特定领域(例如绘画、语言识别、翻译、视频生成)或目的而设计的,然后用于训练专门的 AI模型。 那么,这么多的算法和模型,各有千秋,是否有可能将它们整合成一个通用的模型呢?Bittensor是最近备受关注的一个项目,它通过激励不同的AI模型和算法相互协作和学习,从而创建更高效 、更有能力的AI模型,从而引领了这个方向。其他专注于这个方向的项目包括Commune AI(代码协作),但算法和模型对于AI公司来说是严格保密的,不容易共享。 因此,AI协作生态系统的叙述新颖而有趣。协作生态系统利用区块链的优势来整合孤立的AI算法的劣势,但是否能够创造相应的价值还有待观察。毕竟,拥有自主算法和模型的领先AI公司,拥有强大的更新、迭代和集成能力。例如,OpenAI 在不到两年的时间内从早期的文本生成模型发展到多领域生成模型。像 Bittensor 这样的项目可能需要在其模型和算法目标领域探索新路径。 去中心化大数据 从简单的角度来看,利用隐私数据来喂养AI和注释数据是与区块链技术非常吻合的方向,主要考虑的是如何防止垃圾数据和恶意行为。此外,数据存储可以使 FIL 和 AR 等 DePIN项目受益。从更复杂的角度来看,使用区块链数据进行机器学习来解决区块链数据的可访问性是另一个有趣的方向(Giza 的探索之一)。 理论上,区块链数据是随时可访问的,反映了整个区块链的状态。然而,对于区块链生态系统之外的人来说,访问这些大量数据并不简单。存储整个区块链需要丰富的专业知识和大量的专业硬件资源。为了克服访问区块链数据的挑战,行业内出现了多种解决方案。例如,RPC 提供商通过 API 提供节点访问,索引服务使通过 SQL 和 GraphQL 进行数据检索成为可能,在解决该问题方面发挥了至关重要的作用。然而,这些方法都有其局限性。RPC服务不适合需要大量数据查询的高密度用例,往往无法满足需求。同时,尽管索引服务提供了一种更加结构化的数据检索方式,但 Web3 协议的复杂性使得构造高效查询变得极其困难,有时需要数百甚至数千行复杂代码。这种复杂性对于一般数据从业者和那些对 Web3 细节了解有限的人来说是一个重大障碍。这些限制的累积效应凸显了需要一种更易于访问和利用的方法来获取和利用区块链数据,这可以促进该领域更广泛的应用和创新。 因此,将ZKML(零知识证明机器学习,减轻链上机器学习的负担)与高质量的区块链数据相结合,可能会创建解决区块链数据可访问性的数据集。AI可以显着降低区块链数据的访问障碍。随着时间的推移,开发人员、研究人员和机器学习爱好者可以访问更多高质量、相关的数据集,以构建有效和创新的解决方案。 AI赋能Dapp 自2023年ChatGPT3爆发以来,AI对Dapp的赋能已经成为一个非常普遍的方向。广泛适用的生成式人工智能可以通过API集成,从而简化和智能化数据平台、交易机器人、区块链百科全书和其他应用程序。另一方面,它还可以充当聊天机器人(如 Myshell)或 AI 伴侣(Sleepless AI),甚至可以使用生成式 AI 在区块链游戏中创建 NPC。但由于技术门槛较低,大多数只是集成API后的调整,与项目本身的集成并不完善,因此很少被提及。 但随着Sora的到来,我个人认为AI对GameFi(包括元宇宙)和创意平台的赋能将是未来的重点。鉴于Web3领域自下而上的性质,它不太可能生产出可以与传统游戏或创意公司竞争的产品。然而,Sora的出现可能会打破这一僵局(也许只需两到三年)。从Sora的演示来看,它有与短剧公司竞争的潜力。Web3活跃的社区文化还可以催生出大量有趣的想法,当唯一的限制就是想象力时,自下而上的行业与自上而下的传统行业之间的壁垒将被打破。 结论 随着生成式人工智能工具的不断发展,未来我们将见证更多突破性的“iPhone时刻”。尽管人们对AI与Web3的整合持怀疑态度,但我相信目前的方向基本上是正确的,只需要解决三个主要痛点:必要性、效率和契合度。虽然这两者的融合还处于探索阶段,但并不妨碍这条路径成为下一次牛市的主流。 对新事物保持足够的好奇心和开放的态度是我们的基本心态。从历史上看,从马车到汽车的转变是瞬间解决的,正如铭文和过去的 NFT 所显示的那样。持有太多偏见只会导致错失机会。 来源:金色财经
lg
...
金色财经
02-23 19:29
俞敏洪:一封写给亚布力论坛企业家的信
go
lg
...
这里干什么? 24年前,一些企业家受到
达
沃
斯
论坛的启发,来到中国的滑雪地亚布力,并开启了企业家对于未来发展的研讨,
达
沃
斯
论坛从一个瑞士滑雪小镇开始,最终成为世界经济发展的风向标,成为很多政治、经济人物展示自己思想和观点的舞台,当时的亚布力甚至没有什么完善的宾馆设施,房间里能滴水成冰,但这些充满梦想、希望和活力的企业家,在农家乐的大炕上一边开怀豪饮,一边畅聊祖国的未来、企业的兴旺,那是一个激情燃烧的时代,是充满希望的岁月,“俱怀逸兴壮思飞,欲上青天览明月”。 转眼24年过去了,岁月无情,当时的青年走向了中年,中年走向了老年,“筚路蓝缕,以启山林”开启的亚布力论坛和祖国的命运一样,经历着发展过程中的艰难曲折、波涛汹涌,依然百折不挠、劈波斩浪。二十四载岁月,有些企业风生水起、蓬勃兴旺,有些企业风雨飘摇、生死未卜,但有一点没有改变,不管面对多少风霜雨雪,他们身上都拥有一种永不言败的精神,拥有一种老当益壮的勇气,拥有一种锐意创新的壮志。 24年,他们从青涩走向成熟,伴随祖国的发展,但是他们并不圆滑和世故,他们内心依然坚信:经济繁荣是祖国发展的基础,和祖国同频共振是企业发展的最佳途径,也是企业家的责任和使命。 24年,每年开春,不管亚布力多么寒冷,他们都会齐聚这里,用他们火热的心来温暖这片土地,并且互相传递温暖,他们互相汲取力量、交流思想,让脚步更加坚实和稳当,让眼光更加深邃和广阔,让目标更加高远和超前。 华发已生,他们依然在雪场上展示自己的雄姿;饱经沧桑,他们照旧在农家乐开怀畅饮;大江东去,千古风流人物不会销声匿迹;青山依旧,是非成败之事,终成诗酒年华。 中国的
达
沃
斯
,世界的亚布力!
lg
...
金融界
02-23 11:59
“洋”帆出海,洋河股份开启白酒新时代
go
lg
...
海,以洋河梦想连接世界。 在近日举行的
达
沃
斯
论坛上,洋河股份再次让世界感受到了中国白酒的魅力。当地时间1月15日至19日,2024年冬季
达
沃
斯
论坛在瑞士
达
沃
斯
举行。洋河股份成为了世界经济论坛白酒行业首批“合作伙伴级会员”,并应邀参加了
达
沃
斯
全球母基金峰会、
达
沃
斯
“中国之夜”等会议。 这并非洋河股份首次站上国际舞台。在2023年夏天,“洋河·梦之蓝”就成为了2023夏季
达
沃
斯
论坛“天津文化之夜”品鉴用酒。对洋河股份而言,深度参与到世界经济会议,有助于公司展现中国酒的魅力,提升白酒的国际形象与地位。 在亮相2024年冬季
达
沃
斯
论坛后,洋河·梦之蓝在西班牙再次绽放。1月19日晚,梦想连接世界·洋河“梦之蓝之夜”在西班牙马德里举办,中国驻西班牙大使馆公使衔文化参赞贺踊、西班牙国家关系司司长José Francisco、洋河股份党委书记、董事长张联东等出席。活动晚宴上,洋河·梦之蓝白酒绵柔浓香的口感、时尚高雅的外观以及深厚的底蕴,赢得与会嘉宾与西班牙经销商们的称赞。 1月31日,“庆祝中法建交60周年暨中法文化旅游年开幕音乐会”在巴黎凡尔赛宫皇家歌剧院举行,洋河股份作为特约合作伙伴获权设计的“梦之蓝M6+中法文化旅游年联名礼盒”用于活动酒会用酒与嘉宾礼赠。作为“国礼”的梦之蓝产品,再度为世界了解中国文化打开了一扇窗。 事实上,“出海”对于洋河股份而言并非什么新鲜事,洋河的国际化之路最早可追溯到百年前。早在1915年的巴拿马国际博览会上,洋河大曲就获得了“国际名酒”称号及金质奖章。此后在1923年南洋国际名酒赛会上,洋河大曲再获“国际名酒”称号。 近年来,洋河股份积极推进国际化战略,公司产品相继亮相杭州G20峰会、世界互联网大会、“一带一路”峰会、上合峰会等重要国际舞台。同时,洋河“走出去”也积极“迎进来”,其举办的“洋眼看洋河”国际摄影采风行活动,让国外友人体验中国酒文化,近距离感受中国酒都的独特魅力。 如今,洋河白酒产品已成功出口63个国家和地区,无论是在美国、英国、法国、俄罗斯,还是在韩国、越南、柬埔寨,均能看到那一抹来自中国的耀眼的洋河蓝。 洋河股份出海的底气源于稳健的基本面与优质的产品。作为国内知名酒企,公司旗下拥有洋河、双沟两大中国名酒和两个中华老字号,六枚中国驰名商标以及两个4A级景区。 随着消费结构升级,高端/次高端白酒需求旺盛,洋河股份将重点放在打造海天梦三大单品上,并通过手工班、大师班等超高端产品提升站位。“得高端者得天下”,洋河股份的高端化成果也反映在了数据上。2023年1-6月,该公司中高档酒收入同比增长17.6%,毛利率升近81%,中高档酒成功带动公司酒类毛利率提升至近77%。 锚定发展目标,管理团队再升级 2021年,洋河股份新掌门张联东上任后,公司开启了“二次创业”新时代,并提出了“双名酒、多品牌、多品类”发展战略。 洋河不只有蓝色系列产品,“双名酒、多品牌、多品类”战略实施后,复兴双沟被摆在重要位置。实际上,双沟拥有深厚的历史文化底蕴,有文字记载双沟酿酒始于1000多年前的宋代。进入现代,双沟曾在1984年、1989年的第四、第五届全国评酒会上两度获评全国名酒。 2010年至2011年,洋河股份出资收购双沟酒业;2019年,双沟品牌事业部成立,并推出了高端产品“苏酒头排酒”;2020年,双沟品牌事业部升级为双沟酒业销售公司,从洋河销售体系中独立了出来;此后,在“双名酒、多品牌、多品类”战略实施后,双沟名酒迎来发展新机遇。 值得一提的是,2023年末,洋河股份迎来了新一轮大规模人事变动。管理团队的变动是公司即将开启新篇章的信号,往往预示着公司策略将深化或调整,企业发展被注入新活力。 2023年11月11日,洋河股份发布公告称,因工作调整,林青和郑步军辞任副总裁职务,聘任范晓路、陈太松、张学谦、宋志敏为副总裁。据了解,新任副总裁不仅来自洋河内部,其中多位更是有长期销售经历,并曾在双沟酒业或贵州贵酒任职。 例如,范晓路在被聘任为副总裁前为洋河股份总裁助理,并担任双沟酒业销售有限公司总经理、党总支书记。张学谦从洋河集团销售部起步,有销售、产品、市场多部门的管理经验,曾任双沟酒业销售有限公司总经理等职务。 洋河股份高管团队的扩容,是公司对企业架构的梳理调整,有利于激发组织活力,实现稳健高效发展。此外,来自企业内部的新任副总裁,更熟悉公司的产品与业务,其丰富的销售经验与任职经历是公司宝贵的财富。 业绩稳健,发展势能持续向上 2023年,在经济增长乏力、白酒市场持续低迷下,洋河股份走出了一条逆势而上的增长之路。洋河股份三季报显示,1-9月实现营业收入302.83亿元,同比增长14.35%,已超2022年全年;同期实现归属于上市公司股东的净利润102.03亿元,同比增长12.47%。 时间来到2024年,洋河股份继续从产品、营销、渠道、服务等领域发力,铸造品牌护城河。 龙年春节,洋河股份推出了多款新春限定产品。限定2024年1月1日当天生产的梦之蓝·祥龙献瑞(元旦纪念款)以全新国风形象惊艳亮相;甲辰年生肖纪念酒——“龙行好运”,将生肖文化与洋河美酒巧妙结合;洋河·梦之蓝祥龙献瑞春节礼盒,高端大气,成为走亲访友、宴请亲朋的不二之选。 2024年1月1日起,洋河股份还开启了“洋河新春行龙运”活动,消费者在活动期间只要购买海之蓝、天之蓝、梦之蓝水晶版、梦之蓝M6+,扫描瓶盖上的二维码即可参与中奖率100%的福运字卡活动,赢新春好礼。 洋河股份在2024年初还以多种形式扩大品牌知名度。1月14日,由中央广播电视总台制作、梦之蓝·手工班独家冠名的大型文化节目《诗画中国·江河万古流》开播;1月10日,洋河股份名著与名酒文化高峰论坛暨《洋河水浒一百零八将大全套》发布会在上海举办;1月5日,梦之蓝冰雕作品亮相哈尔滨国际冰雪节。 洋河股份经营业绩整体稳健,中高端产品发展势头迅猛。与此同时,该公司近年来加快布局海外市场,挖掘海外蓝海的同时宣扬中国优秀的白酒文化。在洋河股份努力下,“用梦想连接世界”的愿景正逐步实现。
lg
...
金融界
02-21 12:14
达
沃
斯
笔记:关于人工智能你应该了解的10件事
go
lg
...
邓通,金色财经 2024 年 1 月的
达
沃
斯
论坛主题是人工智能。 人工智能正在被兜售; 主权国家正在宣传他们的人工智能基础设施; 政府间组织正在审议人工智能的监管影响; 企业高管大肆宣扬人工智能的前景; 政治巨头们正在争论人工智能的国家安全内涵; 几乎你在主大道上遇到的每个人都对人工智能滔滔不绝。 然而,内心却隐藏着一丝犹豫:这是真的吗? 以下是您应该了解的关于人工智能的 10 件事——好的、坏的和丑陋的——整理自我上个月在
达
沃
斯
的一些演讲。 准确的术语是“生成式”人工智能。 何为“生成”? 虽然之前的人工智能创新浪潮都是基于从数据集中学习模式并能够在对新输入数据进行分类时识别这些模式,但这一波创新是基于大型模型(又名“模式集合”)的学习,并能够使用这些模型创造性地生成文本、视频、音频和其他内容。 不,生成式人工智能并不是幻觉。 当之前训练过的大型模型被要求创建内容时,它们并不总是包含完全完整的模式来指导生成; 在那些学习模式仅部分形成的情况下,模型别无选择,只能“填空”,从而导致我们观察到的所谓幻觉。 正如你们中的一些人可能已经观察到的,生成的输出不一定是可重复的。 为什么? 因为从部分学习的模式中生成新内容涉及一定的随机性,本质上是一种随机活动,这是一种奇特的说法,即生成式人工智能输出不是确定性的。 内容的非确定性生成实际上为生成式人工智能应用的核心价值主张奠定了基础。 使用的最佳点在于涉及创造力的用例; 如果不需要或不需要创造力,那么该场景很可能不适合生成式人工智能。 以此作为试金石。 微小的创造力提供了非常高的精确度; 在软件开发领域使用生成式人工智能来生成供开发人员使用的代码就是一个很好的例子。 大规模的创造力迫使生成式人工智能模型填补非常大的空白; 这就是为什么当你要求它写一篇研究论文时你往往会看到错误的引用。 一般来说,生成式人工智能的比喻是德尔福的甲骨文。 神谕的表述含糊不清; 同样,生成式人工智能的输出也不一定是可验证的。 询问有关生成式人工智能的问题; 不要将事务性操作委托给生成式人工智能。 事实上,这个比喻远远超出了生成式人工智能,延伸到了所有人工智能。 矛盾的是,生成式人工智能模型可以在科学和工程领域发挥非常重要的作用,尽管这些通常与艺术创造力无关。 这里的关键是将生成式人工智能模型与一个或多个用于过滤模型输出的外部验证器配对,并让模型使用这些经过验证的输出作为后续创造力周期的新提示输入,直到组合系统产生期望的结果。 生成式人工智能在工作场所的广泛使用将导致现代的大鸿沟; 那些使用生成式人工智能以指数方式提高创造力和产出的人,以及那些将思维过程放弃给生成式人工智能并逐渐被边缘化并不可避免地休假的人。 所谓的公共模型大多是有污点的。 任何在公共互联网上接受过训练的模型都经过了网络末端内容的训练,包括暗网等。 这具有严重的影响:一是模型可能接受过非法内容的训练,二是模型可能被特洛伊木马内容渗透。 生成人工智能的护栏概念存在致命缺陷。 正如上一点所述,当模型受到污染时,几乎总有办法创造性地促使模型绕过所谓的护栏。 我们需要更好的方法; 更安全的方法; 一种导致公众对生成人工智能的信任的方法。 当我们目睹生成式人工智能的使用和滥用时,我们必须向内审视,并提醒自己人工智能是一种工具。 来源:金色财经
lg
...
金色财经
02-19 15:32
“做空”德国
go
lg
...
.1%,意大利为3.4%。 在上个月的
达
沃
斯
世界经济论坛上,高管们对德国经济看法也并不乐观,他们认为: 随着技术进步,从机械到汽车等各个领域的竞争加剧,这个欧洲最大经济体已经失去了稳定的声誉,并将面临一段挣扎时期。 “做空”德国启动中 德国经济持续悲观之际,私募股权投资机构希望通过提供高利率贷款或收购财务状况较差的高杠杆公司,来实现利润。 Strategic Value Partners的创始人和首席投资官Victor Kholsa表示,可以利用当前的经济环境,通过高利率贷款或向负债率较高的公司注入资金这些方式来收购公司的机会。 如Ares Management Corp.和黑石这样的大型投资公司已经开始在德国法兰克福设立办事处,向岌岌可危的德国企业提供贷款或资助私募股权收购。 媒体分析指出,这一场景不仅仅限于股权和债务市场。对德国公司的做空押注达到了57亿欧元,对冲基金Qube对德国公司的空头押注已超10亿美元,对象包括大众汽车、德银以及西门子。 在过去两周,Qube增加了其包括大众汽车在内的德国公司的空头头寸,对德意志银行的空头头寸约为1.318亿美元。根据披露数据,Qube为德国股市最大做空者。 媒体称,值得注意的是,Qube对德国巨头公司的空头仓位占其公开披露做空规模的50%,且均是在德国DAX指数接近历史最高点时进行的。 媒体称,Qube于2018年从瑞信独立,当时资产规模为10亿美元,主要从事量化投资。得益于出色的业绩,Qube去年资产管理规模达到约110亿美元,估值达到140亿美元,截至2023年11月底,Qube年化回报率超过了20%。2022年,Qube两只旗舰基金的收益率也均超过了20%。 Qube CEO为Pierre-Yves Morlat,其于2009年加入瑞信,并担任欧洲和亚洲部门交易主管;Laurent Laizet担任Qube首席投资官,其于2009年进入瑞信,担任SMG欧洲部门主管。 媒体此前报道称,Qube计划向多种不同策略的基金提供资金,来扩大其业务范围并进一步提高吸引力,进而吸引那些寻找多样化投资机会的投资者。
lg
...
金融界
02-12 23:08
上一页
1
•••
3
4
5
6
7
•••
52
下一页
24小时热点
美国大选突发!马斯克赢了:宾州法官裁定每天发放100万美元的做法可以继续
lg
...
中国经济突发重磅!中国最高领导人向省级领导人发出警告 释放经济改革信号
lg
...
美国大选首批结果出炉!特朗普、哈里斯选票“持平” 场外押注突然剧烈震荡
lg
...
FX168日报:令人震惊的美国大选民调重击美元、特朗普承认“可能会败选”!伊朗发重大警告
lg
...
美国金融危机开始了!《富爸爸穷爸爸》作者:俄克拉荷马州银行倒闭 债券和房地产市场将“爆雷”
lg
...
最新话题
更多
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
10讨论
#美国大选#
lg
...
1058讨论
#VIP会员尊享#
lg
...
1430讨论
#比特币最新消息#
lg
...
503讨论
#温哥华国际金融峰会(VIFS 2024)#
lg
...
43讨论