FX168财经网_全球视野外汇黄金加密货币NFT资讯网

新利好！北京发放“算力券”，CPO板块止跌回升

光模块、PCB等5G基础设施板块，也在自动驾驶、云计算、物联网等应用场景板块有较高权重，不乏立讯精密、光弘科技、长盈精密、兆易创新、中航光电、新易盛、三安光电、歌尔股份、卓胜微、中科创达等华为产业链公司。截至10月16日，该ETF今年来累计涨幅达17.34%。究竟是继续探底还是倒车接人？四季度A股怎么走，AI能否继续扛大旗？浙商证券策略团队分析指出：对A股而言，库存周期主导下存在规律性的3-4年大势周期，产业周期主导了5-7年的市场主线。回溯历史，重工业主导了2002年至2008年的产业主线，智能手机的渗透和应用主导了2009年至2015年的产业主线，消费升级和新能源车主导了2016年至2021年的产业主线。站在当前，我们认为人工智能将主导新一轮的产业主线。这意味着，对A股主线演绎而言，人工智能是破局的关键。进一步展望四季度，近期高频数据显示经济改善显性化，驱动A股迎来上涨窗口，随着风险偏好提升，经济温和复苏背景下，以TMT为代表的成长占优。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-17

CPO概念大幅下挫，5GETF(515050)盘中跌1%，持续溢价交易

光模块、PCB等5G基础设施板块，也在自动驾驶、云计算、物联网等应用场景板块有较高权重，不乏立讯精密、光弘科技、长盈精密、兆易创新、中航光电、新易盛、三安光电、歌尔股份、卓胜微、中科创达等华为产业链公司。中信建投证券认为，当前国内无论是互联网公司还是传统制造业，对于AI应用均有较高热情，在各方的积极探索下，AI在C端与B应用均有望爆发，或进一步拉动算力需求。目前，全球算力需求仍然旺盛，2024年800G光模块需求有望爆发，在此背景下硅光技术发展有望加速，建议持续关注。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-17

北京市首个大型普通客车自动驾驶车辆获准路测

舟智航作为联合体，近日取得北京市高级别自动驾驶示范区工作办公室印发的《智能网联汽车道路测试通知书》，并获得北京市公安局公安交通管理局颁发的路测牌照。这是北京市首张大型普通客车自动驾驶路测牌照，意味着北京公交高级别自动驾驶车辆跨过封闭场地测试阶段，进入地面公共交通实际运营场景的开放道路测试阶段。

金融界2023-10-17

马斯克称特斯拉汽车可以在奥斯汀街头自动驾驶一整天

写道：“现在，我的车完全依靠计算机视觉自动驾驶已经很正常了，不需要我的干预。并不令人惊讶。不令人震惊。正常的。不足为奇。司空见惯。每个人都取笑埃隆马斯克，但他是对的。特斯拉对这个问题有深刻的见解。” 马斯克回应称：“汽车带着我在奥斯汀转了一整天，没有干预，尽管有ACL音乐节的人群！在不久的将来，人们会想知道为什么曾经有人对自动驾驶持怀疑态度。”

金融界2023-10-17

美国电动汽车价格下降22% “木头姐”称科技创新将加剧通缩压力

反驳了她的观点。伍德周六转发了Ark自动驾驶技术与机器人研究主管萨姆-科鲁斯的一篇帖子（Sam Korus），他在帖子中分享了考克斯汽车公司发布的9月份美国各类汽车价格的图表。图表显示，除电动汽车、中型和超小型SUV/跨界车外，大多数汽车类别的价格都出现了温和上涨。其中电动汽车的跌幅最大，为22.4%，而混合动力汽车的价格上涨了20.6%。总体而言，美国9月份汽车价格温和下跌了0.7%。伍德评论称，这是与电池组系统等“技术创新”相关的价格下降的一个重要例子。这位基金经理利用这些数据对美联储进行了嘲讽。她写道：“美联储继续根据滞后指标做出决策。人工智能、区块链技术、机器人技术和多组学测序将加剧通缩压力。” 在另一条帖子中，伍德写道：“美联储的政策行动是基于滞后指标，特别是各种个人消费支出（PCE）平减指数。投资者似乎相信美联储走在正确的轨道上。我们认为，通缩将是明年的一大意外。” 然而，看空特斯拉的分析师戈登·约翰逊（Gordon Johnson）对电动汽车价格下跌有不同的看法。在回复伍德的帖子时，他说：“或者，电动汽车的价格实际上正在崩溃，因为：需求<供应=更低的价格。”他认为，不是创新压低了价格，而是供需不匹配压低了价格。

金融界2023-10-17

“木头姐”连续两周抛售特斯拉股票

其中大部分看涨都是基于该公司尚未推出的自动驾驶出租车服务。伍德此前还表示，她的基金卖出特斯拉股票是一种例行的头寸调整，可以让公司将利润投入到其他颠覆性的创新公司上。特斯拉将于美东时间周三收盘后公布第三季度业绩。目前分析师平均预计该公司将公布每股盈利0.74美元，低于上年同期的每股1.04美元。不过，他们认为，该公司的营收可能同比增长约10%，至241.6亿美元。分析师们担心该公司的利润率会受到侵蚀，因为特斯拉在本季度坚持通过折扣和直接降价进行降价调整。摩根士丹利的分析师亚当·乔纳斯上周表示，他预计特斯拉第三季度毛利率将降至17.5%，低于第二季度的18.1%和第一季度的19%。

金融界2023-10-17

星网宇达：公司非公开发行的限售股份即将解除限售暨上市流通，敬请关注公司后续的信息披露情况

应用于人形机器人、电子交通、汽车安全、自动驾驶、自动控制等领域，公司将会利用惯性导航技术进一步丰富和完善无人装备的产品谱系，给市场提供更多选择。感谢您对公司的关注！投资者：尊敬的董秘您好！已过6个月的定增股票何时公告上市？公司的证券部分机号多少？谢谢星网宇达董秘：您好！公司非公开发行的限售股份即将解除限售暨上市流通，敬请关注公司后续的信息披露情况。公司对外的投资者交流电话为 010-87838700，欢迎随时致电。感谢您对公司的关注！以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-10-16

AI Agent：重新定义Web3游戏的创新之路

决策过程，以便执行各种任务和交互，例如自动驾驶、语音识别和游戏策略等。 Abacus.ai 的图片清晰的介绍了 AI Agent 的基本原理，步骤如下：感知和数据采集：数据输入，或者 AI Agent 通过感知系统（传感器、摄像头、麦克风等设备）获取信息和数据，比如游戏状态、图像、声音等。状态表示：数据需要被处理和表示成 Agent 可以理解的形式，如转换为向量或张量，以便于输入到神经网络中。神经网络模型：通常使用深度神经网络模型来进行决策和学习，比如使用卷积神经网络（CNN）用于图像处理、循环神经网络（RNN）用于序列数据处理，或者更高级的模型如自注意力机制（Transformer）等。强化学习：Agent 通过与环境的互动来学习最佳行动策略。除此以外，Agent 的运作原理还包括策略网络、价值网络、训练和优化，以及探索与利用等。比如在游戏场景下，策略网络可以输入游戏状态，然后输出行动概率分布；价值网络能够估计状态价值；Agent 则可以通过与环境互动不断强化学习算法以优化策略和价值网络，输出更完美的结果。总之，AI-Agents 是一种能够理解、决策和行动的智能实体，它们可以在各种领域中发挥重要作用，包括游戏领域。OpenAI 核心技术人员 Lilian Weng 撰写的《LLM Powered Autonomous Agents 》非常全面的介绍了 AI-Agents 原理，其中，文中提到一个非常有趣的实验：Generative Agents。 Generative Agents （简称 GA）的灵感来自于《模拟人生》游戏，其使用 LLM 技术生成了 25 个虚拟角色，每个角色都由 LLM 支持的 Agent 控制，在沙盒环境中生活和交互。GA 的设计很聪明，它将 LLM 与记忆、规划和反思功能结合在一起，这使得 Agent 程序可以根据以前的经验来做出决策，并与其他 Agent 互动。文章详细介绍了 Agent 如何基于策略网络、价值网络以及和环境的互动来不断训练和优化决策路径。原理如下：其中，记忆流（Memory Stram）是一个长期记忆模块，记录了 Agent 的所有交互经验。检索模型（Retrieve）根据相关性、新鲜度和重要性来提供经验（Retrived Memories），帮助 Agent 做出决策（Plan）。反思机制（Reflect）则总结过去的事件，指导 Agent 未来的行动。Plan 和 Reflect 则共同帮助 Agent 将反思和环境信息转化为实际行动 Act 。这种有趣的实验向我们展示了 AI Agent 的能力，比如产生新的社交行为、信息传播、关系记忆（比如两个虚拟角色继续讨论话题）和社交活动的协调（比如举办聚会并邀请其他虚拟角色）等等。总之，AI-Agent 是一个非常有趣的工具，并且其在游戏中的应用也值得深入探索。 02 技术趋势 2.1 AI 赛道趋势 ABCDE 的投研合伙人LaoBai曾总结过硅谷创投圈对 AI 下一步发展的判断：没有垂类模型，只有大模型 + 垂类应用；边缘设备比如手机端的数据可能会是个壁垒，基于边缘设备的 AI 可能也是个机会； Context 的长度未来可能引发质变（现在用向量数据库作为 AI 记忆体，但上下文长度还是不够）。即从行业普通发展规律来看，因为大型通用模型模式太重，且具备较强的普适性，所以没必要在大型通用模型领域不断造轮子，而应更多侧重于将大型通用模型应用于垂类领域。同时，边缘设备指通常不依赖于云计算中心或远程服务器，而是在本地进行数据处理和决策的终端设备。因为边缘设备的多样性，所以如何将 AI Agent 部署到设备上运行并合理获取设备数据就是一个挑战，但同时也是新的机会。最后，关于 Context 的问题也备受关注。简单来说，在 LLM 背景下的 Context 可以理解为信息数量，Context 长度可以理解为数据有多少维度。假如现在有一个电子商务网站的大数据模型，该模型用于预测用户购买某个产品的可能性。在这种情况下，Context 可以包括用户的浏览历史、购买历史、搜索记录、用户属性等信息。Context 长度则指特征信息叠加的维度，比如上海 30 岁男性用户的竞品购买历史，叠加最近购买的频率，再叠加最近的浏览记录等。Context 长度的增加可以帮助模型更全面地理解用户购买决策的影响因素。目前的共识认为，虽然目前使用向量数据库作为 AI 的记忆体使得 Context 长度不够，但未来 Context 长度会发生质的变化，而后 LLM 模型可以寻求更高级的方法来处理和理解更长、更复杂的 Context 信息。进一步涌现出更多超出想象的应用场景。 2.2 AI Agent 趋势 Folius Ventures总结过 AI Agent 在游戏赛道中的应用模式，如下图：图中的 1 是 LLM 模型，其主要负责将用户意图从传统的键盘 / 点击输入转化成自然语言输入，降低用户进入门槛。图中的 2 是集成了 AI Agent 的前端 Dapp，为用户提供功能服务的同时，也可以从终端收集用户习惯和数据。图中的 3 是各类 AI Agent，可以直接以应用内功能、Bot 等形式存在。总的来说，AI Agent 作为基于代码的工具，可以充当 Dapp 扩展应用功能的底层程序以及平台的增长催化剂，即链接大模型和垂类应用的中间件。从用户场景来说，最有可能集成 AI Agent 的 Dapp 大概率是足够开放的 Social app， Chatbot 和游戏；或者把现有 Web2 流量入口通过 AI Agent 改造成更简便亲民的 AI+web3 入口；即行业内一直在探讨的降低 Web3 的用户门槛。基于行业发展规律，AI Agent 所处的中间件层往往会成为一个高度竞争的赛道，几乎没有护城河。所以，AI Agent 除了不断的提升体验以匹配 B2C 的需求以外，可以通过制造网络效应或创造用户粘性的来提升自己的护城河。 03 赛道地图 AI 在 Web3 游戏领域的应用已经出现了多种不同尝试，这些尝试可以分为以下几种类别：通用模型：一些项目专注于构建通用 AI 模型，针对 Web3 项目的需求，找到适用的神经网络架构和通用模型。垂直应用：垂类应用旨在解决游戏中的特定问题或为提供特定服务，通常以 Agent、Bot 和 BotKits 的形式出现。 Generative AI 应用：大模型对应的最直接的应用就是内容生成，而游戏赛道本身就是内容行业，所以游戏领域的 Generative AI 应用非常值得关注。从自动生成虚拟世界中的元素、角色、任务或故事情节等，再到自动生成游戏策略、决策甚至是游戏内生态的自动演变都成为了可能，使游戏更具多样性和深度。 AI 游戏：目前，已经有许多游戏集成了 AI 技术，应用场景各不相同，后文将举例说明。 3.1 通用大模型目前，Web3 已经有针对经济模型设计和经济生态发展的模拟模型了，比如 QTM 量化代币模型。 Outlier Venture 的 Dr. Achim Struve 在 ETHCC 的演讲中有提到一些经济模型设计的观点。比如考虑到经济系统的稳健型，项目方可以通过 LLM 模型创建一个数字双胞胎 Digital Twin，对整个生态系统进行 1:1 的模拟。下图的 QTM（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

5GETF(515050)跌超2%，光弘科技领跌

光模块、PCB等5G基础设施板块，也在自动驾驶、云计算、物联网等应用场景板块有较高权重，不乏立讯精密、光弘科技、长盈精密、兆易创新、中航光电、新易盛、三安光电、歌尔股份、卓胜微、中科创达等华为产业链公司。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-16

IDC咨询：边缘环境和Gen AI将共同推动2023下半年中国HCI和SDS市场增长

更高要求。例如，正在从L2升级到L3的自动驾驶，以及车路协同的应用。 SDS系统具有高可扩展性的优势，可以应对海量数据带来的挑战；同时，SDS系统在协议融合和安全性方面不断进步，如在涉及多协议、长链路、混合负载的数据处理中，融入大数据协议，提高人工智能应用的效率。此外，在性能提升方面，SDS通过分离大数据计算层和存储层的部署，按需分配资源，提升了资源利用率。报告显示，2023年上半年，中国SDS市场同比增长7.7%。IDC预测，未来五年，中国软件定义市场将以8.3%的复合年增长率（CAGR）增长；在2027年市场容量接近38亿美元。 IDC中国研究经理杨昀煦表示，目前，5G和人工智能技术正在推动用户积极部署边缘数据中心，结合IDC中国针对边缘计算市场的研究，IDC预计，2027年中国边缘计算服务器市场将达到111亿美元。更多类似于摄像机、传感器以及物联网设备的落地将显著推动边缘数据的生产；公共事业、能源和政府是在中国部署边缘计算平台的领先垂直领域；正在复杂环境中部署专门构建的服务器，支持智能电网、预测性维护等场景；这些行业和场景也将是HCI系统的关键用例。

金融界2023-10-16

24小时热点