全球数字财富领导者
CoNET
|
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
“三幻神”悄悄创下历史新高。。
go
lg
...
.88%,英伟达涨幅达144.17%,
谷
歌
涨幅达26.58%,亚马逊涨幅23.23%,Meta涨幅43.52%,特斯拉下跌31.32%。 A股市场,跟踪纳指科技、纳指100、标普500指数的ETF迎来普涨。其中,景顺长城纳指科技ETF年内涨幅高达48%,位居ETF市场涨幅第一。 因二级市场溢价过高,景顺长城基金旗下纳指科技ETF(QDII)和易方达基金旗下原油LOF(QDII)于今日上午开盘后停牌一小时。 QDII基金近两年涨势喜人,吸引大量资金涌入。即使基金公司持续提示溢价风险,投资者的热情依然高涨。数据显示,今年以来多只QDII基金规模增长强劲。 截至6月11日,今年以来超97亿资金净流入QDII ETF。其中,景顺长城基金纳指科技ETF资金净流入46亿,净流入最多;博时基金标普500ETF资金净流入33亿,位居第二。净流入超10亿的有嘉实基金纳斯达克指数ETF、华安基金日经225ETF、大成基金纳斯达克100指数ETF、广发基金纳指ETF和南方基金日本东证指数ETF。 (本文内容均为客观数据信息罗列,不构成任何投资建议) 随着一些QDII基金持续上涨,有基金公司对一些热门QDII产品实行限购。限购原因一方面是部分QDII基金在二级市场上出现大幅溢价,另一方面是外汇额度紧张。 近期QDII新一轮额度获批,国家外汇管理局最新披露的合格境内机构投资者(QDII)投资额度审批情况表显示,今年5月,32家公募基金公司合计获得12.3亿美元QDII新增额度,其中易方达基金、华夏基金、广发基金等28家机构均新增0.5亿美元额度。 同期,南方基金、银河金汇资管2家机构新增0.4亿美元额度,建信基金、申万菱信基金等4家机构则新增0.2亿美元额度。 另有招商基金、国投瑞银基金等6家机构获得0.1亿美元新增额度。其中,西部利得基金为首次获批QDII额度,获批额度达0.5亿美元。 值得一提的是,这是2024年以来的首次QDII额度审批。在此之前,QDII额度曾在2023年1月11日和2023年7月27日有过两次扩容审批。 截至今年5月底,累计QDII投资批准额度为1677.89亿美元,较4月末的1655.19亿美元增加22.7亿美元,增幅约13.7%。 目前,累计批准额度超过50亿美元的是易方达基金、华夏基金和南方基金,分别为77.3亿美元、67.3亿美元和59.8亿美元,广发基金、嘉实基金、博时基金的额度也超过了30亿美元,前5家公募合计占据了公募基金约一半的QDII额度。 业内人士表示,不少QDII产品长期处于限购状态,此次额度增加或可缓解其额度不足的“燃眉之急”。 2 苹果迈入AI时代,马斯克扬言要禁用苹果 当地时间6月10日,苹果公司在一年一度的全球开发者大会上正式发布了其首个生成式AI大模型——Apple Intelligence(苹果智能系统)。该系统集成了生成式人工智能的强大功能,可跨平台和程序应用于苹果手机、平板、电脑等产品。 Apple Intelligence支持写作润笔、通话摘要、内容总结、图像生成,智能查找照片和视频,智能创作影片以及AI指令跨应用运行等,能为iPhone、Mac等设备提供一系列AI功能。 值得注意的是,由于对芯片算力的要求,Apple Intelligence将仅支持iPhone 15 Pro、iPhone 15 Pro Max以及搭载M1或后续芯片的iPad和 Mac设备,需将设备语言设置为英语(美国)。 Apple Intelligence发布标志着苹果正式迈入了AI时代。分析人士指出,在AI的加持下,这一轮暴涨或许是市场对苹果的重新定价。 然而,苹果宣布引入ChatGPT,马斯克急了:我的公司将禁止苹果设备。 马斯克在社交平台上连发多条推文,质疑苹果“出卖用户数据”,并威胁说要禁止旗下公司使用苹果设备。 马斯克直言,如果苹果在操作系统中集合OpenAI,那么他的公司将禁止使用苹果设备,这被视为不可接受的安全违规行为。 苹果公司强调,在发展AI的同时,将兼顾用户隐私问题。不过,这一表态很快就引来马斯克的强烈谴责。他表示,苹果不够聪明,无法开发自己的AI,但却有能力确保OpenAI将保护用户的安全和隐私,这显然是荒谬的。 马斯克进一步指出,一旦苹果把你的数据交给OpenAI,他们就根本不会知道会发生什么,他们正在出卖你。 尽管如此,华尔街还是给了苹果巨大的正反馈。苹果股价暴涨,创下历史新高,较今年4月22日以来累计涨幅达25%,进入技术性牛市。 这轮反弹使苹果公司总市值重回3万亿美元关口,一夜之间华尔街分析师对苹果的看法发生了巨大转变。 其中,摩根士丹利表示,苹果的AI功能让该公司成为“最具差异化的消费者数字代理”,将推动消费者升级iPhone手机,有望“加速设备的更换周期”;美银分析师指出,坚信人工智能可以帮助开启iPhone超级周期。 此外,苹果合作的OpenAI,今年2月的估值已高达800亿美元,在不到10个月的时间内几乎翻了三倍,成为全球市值第三高的科技初创公司,仅次于字节跳动和SpaceX。 事实上,马斯克是OpenAI的联合创始人之一,2015年参与了公司的创立,2018年离开了OpenAI董事会。在离开OpenAI后,与其掀起口水战,他们的恩怨由来已久。 3 AI口水战硝烟弥漫 今年3月,马斯克用一篇9万多字的起诉书起诉了OpenAI以及CEO奥尔特曼,随后OpenAI发博客反驳马斯克。 当时这瓜还挺大。马斯克指责OpenAI成为微软“事实上的子公司”,违反了一项创始协议,即成为一家“为人类利益”开发人工智能的非营利组织。 据起诉书的叙述,马斯克一手促成OpenAI创立,早期既给钱又出力,为的就是防止AI对人类的潜在威胁。 之后OpenAI发博回怼,丝毫不给老马留情面。大致意思是,首先在该公司创建时,马斯克承诺给10亿美元,但只给了4500万,而且在OpenAI缺钱的时候,马斯克试图让特斯拉收购它;其次,当收购企图不成功以后,马斯克声称OpenAI成功的概率为0,并在特斯拉内部创建竞品试图取而代之。 除此之外,OpenAI还写了一段似是深情告白但又像是控诉马斯克的话:“我们很难过,我们深深钦佩的一个人竟然走到了这一步。他激励我们向更高的目标迈进,然后告诉我们会失败,创办了一个竞争对手,当我们在没有他的情况下开始朝着 OpenAI 的使命取得有意义的进展时,他又告了我们一状。” 马斯克此前正推进自己的人工智能项目,宣布旗下的xAI正式成立,并表示一定会与OpenAI竞争。xAI的产品也是生成式聊天机器人——Grok,据悉xAI刚刚宣布获得60亿美元融资。 这场AI浪潮,华尔街貌似不太给马斯克面子,特斯拉股价表现疲软。 数据科技公司Hazeltree周二发布的月度报告显示,特斯拉在5月份超越雪佛龙重新成为被做空最严重的美股大型股。 HazelTree以1到99的“拥挤度分数”对空头押注进行排名,99代表基金做空百分比最高的证券,特斯拉的拥挤度分数为99分。 微软、英伟达、苹果等巨头在AI的驱动下屡创新高,而特斯拉今年股价已经累计下跌逾30%。特斯拉曾经也是被美股市场捧为明珠的公司,随着这场AI大变局的加速,留给马斯克的时间不多了。
lg
...
格隆汇
06-12 16:36
苹果正式迈入AI时代,年内纳指科技ETF“吸金”46亿,标普500ETF“吸金”33亿
go
lg
...
.88%,英伟达涨幅达144.17%,
谷
歌
涨幅达26.58%,亚马逊涨幅23.23%,Meta涨幅43.52%,特斯拉下跌31.32%。 A股市场,跟踪纳指科技、纳指100、标普500指数的ETF迎来普涨。其中,景顺长城纳指科技ETF年内涨幅高达48%,位居ETF市场涨幅第一。 因二级市场溢价过高,景顺长城基金旗下纳指科技ETF(QDII)和易方达基金旗下原油LOF(QDII)于今日上午开盘后停牌一小时。 QDII基金近两年涨势喜人,吸引大量资金涌入。即使基金公司持续提示溢价风险,投资者的热情依然高涨。数据显示,今年以来多只QDII基金规模增长强劲。 截至6月11日,今年以来超97亿资金净流入QDII ETF。其中,景顺长城基金纳指科技ETF资金净流入46亿,净流入最多;博时基金标普500ETF资金净流入33亿,位居第二。净流入超10亿的有嘉实基金纳斯达克指数ETF、华安基金日经225ETF、大成基金纳斯达克100指数ETF、广发基金纳指ETF和南方基金日本东证指数ETF。 随着一些QDII基金持续上涨,有基金公司对一些热门QDII产品实行限购。限购原因一方面是部分QDII基金在二级市场上出现大幅溢价,另一方面是外汇额度紧张。 近期QDII新一轮额度获批,国家外汇管理局最新披露的合格境内机构投资者(QDII)投资额度审批情况表显示,今年5月,32家公募基金公司合计获得12.3亿美元QDII新增额度,其中易方达基金、华夏基金、广发基金等28家机构均新增0.5亿美元额度。 同期,南方基金、银河金汇资管2家机构新增0.4亿美元额度,建信基金、申万菱信基金等4家机构则新增0.2亿美元额度。 另有招商基金、国投瑞银基金等6家机构获得0.1亿美元新增额度。其中,西部利得基金为首次获批QDII额度,获批额度达0.5亿美元。 值得一提的是,这是2024年以来的首次QDII额度审批。在此之前,QDII额度曾在2023年1月11日和2023年7月27日有过两次扩容审批。 截至今年5月底,累计QDII投资批准额度为1677.89亿美元,较4月末的1655.19亿美元增加22.7亿美元,增幅约13.7%。 目前,累计批准额度超过50亿美元的是易方达基金、华夏基金和南方基金,分别为77.3亿美元、67.3亿美元和59.8亿美元,广发基金、嘉实基金、博时基金的额度也超过了30亿美元,前5家公募合计占据了公募基金约一半的QDII额度。 业内人士表示,不少QDII产品长期处于限购状态,此次额度增加或可缓解其额度不足的“燃眉之急”。
lg
...
格隆汇
06-12 16:36
生于边缘:去中心化算力网络如何赋能Crypto与AI?
go
lg
...
24年美国四大主要云服务提供商:微软、
谷
歌
、AWS和Meta的对于高端AI服务器的需求预计分别将占全球需求的20.2%、16.6%、16%和10.8%,总计超60%。 图片来源: https://investor.nvidia.com/financial-info/financial-reports/default.aspx “芯片紧缺“连续成为近几年的年度热词。一方面,大语言模型(LLM)的training和inference需要大量算力支撑;并且随着模型的迭代,算力成本和需求呈指数级增加。另一方面,像Meta这样的大公司会采购巨量的芯片,全球的算力资源都向这些科技巨头倾斜,使得小型企业越来越难以获得所需的算力资源。小型企业面临的困境不仅来自于激增的需求导致的芯片供给不足,还来自于供给的结构性矛盾。目前,在供给端仍存在着大量闲置的GPU,比如,一些数据中心存在大量闲置的算力(使用率仅在12% – 18%),加密挖矿中由于利润的减少也闲置出来大量的算力资源。虽然这些算力并非都适合AI训练等专业的应用场景,但消费级硬件在其他领域,如AI inference、云游戏渲染、云手机等领域仍然可以发挥巨大作用。整合并利用这部分算力资源的机会是巨大的。 把视线从AI转到crypto,在加密市场沉寂了三年之后,终于又迎来了又一轮牛市,比特币价格屡创新高,各种memecoin层出不穷。虽然AI和Crypto作为buzzword火了这些年,但人工智能和区块链作为两项重要技术仿佛两条平行线,迟迟没有找到一个“交点”。今年年初,Vitalik发表了一篇名为“The promise and challenges of crypto + AI applications” 的文章,讨论了未来AI和crypto相结合的场景。Vitalik在文中提到了很多的畅想,包括利用区块链和MPC等加密技术对AI进行去中心化的training和inference,可以将machine learning的黑箱打开,从而让AI model更加trustless等等。这些愿景若要实现还有很长一段路要走。但其中Vitalik提到的其中一个用例——利用crypto的经济激励来赋能AI,也是一个重要且在短时间内可以实现的一个方向。去中心化算力网络便是现阶段AI + crypto最合适的场景之一。 2 去中心化算力网络 目前,已经有不少项目在去中心化算力网络的赛道上发展。这些项目的底层逻辑是相似的,可以概括为: 利用token激励算力持有者参与网络提供算力服务,这些零散的算力资源可以汇集成有一定规模的去中心化算力网络。这样既能提高闲置算力的利用率,又能以更低的成本满足客户的算力需求,实现买方卖方双方的共赢。 为了使读者在短时间内获得对此赛道的整体把握,本文将从微观—宏观两个视角对具体的项目和整个赛道进行解构,旨在为读者提供分析视角去理解每个项目的核心竞争优势以及去中心化算力赛道整体的发展情况。笔者将介绍并分析五个项目: Aethir、io.net、Render Network、Akash Network、Gensyn,并对项目情况和赛道发展进行总结和评价。 从分析框架而言,如果聚焦于一个具体的去中心化算力网络,我们可以将其拆解成四个核心的构成部分: 硬件网络:将分散的算力资源整合在一起,通过分布在全球各地的节点来实现算力资源的共享和负载均衡,是去中心化算力网络的基础层。 双边市场:通过合理的定价机制和发现机制将算力提供者与需求者进行匹配,提供安全的交易平台,确保供需双方的交易透明、公平和可信。 共识机制:用于确保网络内节点正确运行并完成工作。共识机制主要用于监测两个层面:1)监测节点是否在线运行,处于可以随时接受任务的活跃状态;2)节点工作证明:该节点接到任务后有效正确地完成了任务,算力没有被用于其他目的而占用了进程和线程。 代币激励:代币模型用于激励更多的参与方提供/使用服务,并且用token捕获这种网络效应,实现社区收益共享。 如果鸟瞰整个去中心化算力赛道,Blockworks Research的研报提供了一个很好的分析框架,我们可以将此赛道的项目position分为三个不同的layer。 Bare metal layer: 构成去中心化计算栈的基础层,主要的任务是收集原始算力资源并且让它们能够被API调用。 Orchestration layer: 构成去中心化计算栈的中间层,主要的任务是协调和抽象,负责算力的调度、扩展、操作、负载均衡和容错等。主要作用是“抽象”底层硬件管理的复杂性,为终端用户提供一个更加高级的用户界面,服务特定的客群。 Aggregation layer: 构成去中心化计算栈的顶层,主要的任务是整合,负责提供一个统一的界面让用户可以在一处实现多种计算任务,比如AI训练、渲染、zkML等等。相当于多个去中心化计算服务的编排和分发层。 图片来源:Youbi Capital 根据以上两个分析框架,我们将对选取的五个项目做一个横向的对比,并从四个层面——核心业务、市场定位、硬件设施和财务表现对其进行评价。 2.1 核心业务 从底层逻辑来讲,去中心化算力网络是高度同质化的,即利用token激励闲置算力持有者提供算力服务。围绕这个底层逻辑,我们可以从三个方面的差异来理解项目核心业务的不同: 闲置算力的来源: 市面上闲置算力有两种主要的来源:1)data centers, 矿商等企业手里闲置算力;2)散户手里的闲置算力。数据中心的算力通常是专业级别的硬件,而散户通常会购买消费级别的芯片。 Aethir、Akash Network和Gensyn的算力主要是从企业收集的。从企业收集算力的好处在于:1)企业和数据中心通常拥有更高质量的硬件和专业维护团队,算力资源的性能和可靠性更高;2)企业和数据中心的算力资源往往更同质化,并且集中的管理和监控使得资源的调度和维护更加高效。但相应的,这种方式对于项目方的要求较高,需要项目方有与掌握算力的企业有商业联系。同时,可扩展性和去中心化程度会受到一定程度的影响。 Render Network和io.net主要是激励散户提供手中的闲置算力。从散户手中收集算力的好处在于:1)散户的闲置算力显性成本较低,能提供更加经济的算力资源;2)网络的可扩展性和去中心化程度更高,增强了系统的弹性和稳健性。而缺点在于,散户资源分布广泛且不统一,管理和调度变得复杂,增加了运维难度。并且依靠散户算力去形成初步的网络效应会更加困难(更难kickstart)。最后,散户的设备可能存在更多的安全隐患,会带来数据泄露和算力被滥用的风险。 算力消费者 从算力消费者来讲,Aethir、io.net、Gensyn的目标客户主要是企业。对于B端客户来说,AI和游戏实时渲染需要高性能计算需求。这类工作负载对算力资源的要求极高,通常需要高端 GPU 或专业级硬件。此外,B端客户对算力资源的稳定性和可靠性要求很高,因此必须提供高质量的服务级别协议,确保项目正常运行并提供及时的技术支持。同时,B端客户的迁移成本很高,如果去中心化网络没有成熟的SDK能够让项目方快速deploy(比如Akash Network需要用户自己基于远程端口进行开发),那么很难让客户进行迁移。如果不是及其显著的价格优势,客户迁移的意愿是非常低的。 Render Network和Akash Network主要为散户提供算力服务。为C端用户提供服务,项目需要设计简单易用的界面和工具,为消费者提供良好的消费体验。并且消费者对于对价格很敏感,因此项目需要提供有竞争力的定价。 硬件类型 常见的计算硬件资源包括CPU、FPGA、GPU、ASIC和SoC等。这些硬件在设计目标、性能特性和应用领域上有显著区别。总结来说,CPU更擅长通用计算任务,FPGA的优势在于高并行处理和可编程性,GPU在并行计算中表现出色,ASIC在特定任务中效率最高,而SoC则集成多种功能于一体,适用于高度集成的应用。选择哪种硬件取决于具体应用的需求、性能要求和成本考虑。我们讨论的去中心化算力项目多为收集GPU算力,这是由项目业务类型和GPU的特点决定的。因为GPU在AI训练、并行计算、多媒体渲染等方面有着独特优势。 虽然这些项目大多涉及到GPU的集成,但是不同的应用对硬件规格的要求不同,因此这些硬件有异质化的优化核心和参数。这些参数包括parallelism/serial dependencies,内存,延迟等等。例如渲染工作负载实际上更适合于消费级 GPU,而不适合性能更强的data center GPU,因为渲染对于光线追踪等要求高,消费级芯片如4090s等强化了RT cores,专门为光线追踪任务做了计算类优化。AI training和inference则需要专业级别的GPU。因此Render Network 可从散户那里汇集 RTX 3090s 和 4090s等消费级GPU,而IO.NET需要更多的H100s、 A100s等专业级别GPU,以满足AI初创公司的需求。 2.2 市场定位 对于项目的定位来讲,bare metal layer、orchestration layer和aggregation layer需要解决的核心问题、优化重点和价值捕获的能力不同。 Bare metal layer 关注的是物理资源的收集和利用,Orchestration layer 关注算力的调度和优化,将物理硬件按照客户群体的需求进行最佳优化设计。Aggregation layer是general purpose的,关注不同资源的整合和抽象。从价值链来讲,各个项目应该从bare metal层起,努力向上进行攀升。 从价值捕获的角度来讲,从bare metal layer、orchestration layer 到aggregation layer,价值捕获的能力是逐层递增的。Aggregation layer能够捕获最多的价值,原因在于aggregation platform能够获得最大的网络效应,还能直接触及最多的用户,相当于去中心化网络的流量入口,从而在整个算力资源管理栈中占据最高的价值捕获位置。 相应的,想要构建一个aggregation platform的难度也是最大的,项目需要综合解决技术复杂性、异构资源管理、系统可靠性和可扩展性、网络效应实现、安全性和隐私保护以及复杂的运维管理等多方面的问题。这些挑战不利于项目的冷启动,并且取决于赛道的发展情况和时机。在orchestration layer还未发展成熟吃下一定市场份额时,做aggregation layer是不太现实的。 目前,Aethir、Render Network、Akash Network和Gensyn都属于Orchestration layer,他们旨在为特定的目标和客户群体提供服务。Aethir目前的主营业务是为云游戏做实时渲染,并为B端客户提供一定的开发和部署环境和工具; Render Network主营业务是视频渲染,Akash Network的任务是提供一个类似于淘宝的交易平台,而Gensyn深耕于AI training领域。io.net的定位是Aggregation layer,但目前io实现的功能还离aggregation layer的完整功能还有一段距离,虽然已经收集了Render Network和Filecoin的硬件,但对于硬件资源的抽象和整合还未完成。 2.3 硬件设施 目前,不是所有项目都公布了网络的详细数据,相对来说,io.net explorer的UI做的是最好的,上面可以看到GPU/CPU数量、种类、价格、分布、网络用量、节点收入等等参数。但是4月末时io.net的前端遭到了攻击,由于io没有对 PUT/POST 的接口做 Auth,黑客篡改了前端数据。这为其他项目的隐私、网络数据可靠性也敲响了警钟。 从GPU的数量和model来说,作为聚合层的io.net收集的硬件数量理应是最多的。Aethir紧随其后,其他项目的硬件情况没有那么透明。从GPU model上可以看到,io既有A100这样的专业级GPU,也有4090这样的消费级GPU,种类繁多,这符合io.net aggregation的定位。io可以根据具体任务需求选择最合适的GPU。但不同型号和品牌的GPU可能需要不同的驱动和配置,软件也需要进行复杂的优化,这增加了管理和维护的复杂性。目前io各类任务分配主要是靠用户自主选择。 Aethir发布了自己的矿机,五月时,高通支持研发的Aethir Edge正式推出。它将打破远离用户的单一集中化的GPU集群部署方式,将算力部署到边缘。Aethir Edge将结合H100的集群算力,共同为AI场景服务,它可以部署训练好的模型,以最优的成本为用户提供推理计算服务。这种方案离用户更近,服务更快速,性价比也更高。 从供给和需求来看,以Akash Network为例,其统计数据显示,CPU总量约为16k,GPU数量为378个,按照网络租赁需求,CPU和GPU的利用率分别是11.1%和19.3%。其中只有专业级GPU H100的租用率是比较高的,其他的model大多处于闲置状态。其他网络面临的情况大体与Akash一致,网络总体需求量不高,除了如A100、H100等热门芯片,其他算力大多处于闲置的状态。 从价格优势来看,与除云计算市场巨头而言,与其他传统服务商相比成本优势并不突出。 2.4 财务表现 不管token model如何设计,一个健康的tokenomics都需要满足以下几个基本条件:1)用户对于网络的需求需要体现在币价上,也就是说代币是可以实现价值捕获的;2)各个参与者,不管是开发者、节点、用户都需要得到长期的公平的激励;3)保证去中心化的治理,避免内部人士过度持有;4)合理的通胀和通缩机制和代币释放周期,避免大幅波动的币价影响网络的稳健型和持续性。 如果把代币模型笼统地分为BME(burn and mint equilibrium)和SFA(stake for access),这两种模式的代币通缩压力来源不同:BME模型在用户购买服务后会燃烧代币,因此系统的通缩压力是由需求决定的。而SFA要求服务提供者/节点质押代币以获得提供服务的资格,因此通缩压力是由供给带来的。BME的好处在于更加适合用于非标准化商品。但如果网络的需求不足,可能面临着持续通胀的压力。各项目的代币模型在细节上有差异,但总体来说,Aethir更偏向于SFA,而io.net,Render Network和Akash Network更偏向于BME,Gensyn尚未可知。 从收入来看,网络的需求量会直接反映在网络整体收入上(这里不讨论矿工的收入,因为矿工除了完成任务所获的报酬还有来自于项目的补贴。)从公开的数据上来看io.net的数值是最高的。Aethir的收入虽然还未公布,但从公开信息来看,他们宣布已经与很多B端客户签下了订单。 从币价来说,目前只有Render Network和Akash Network进行了ICO。Aethir和io.net也在近期发币,价格表现需要再观察,在这不做过多讨论。Gensyn的计划还不清楚。从发币的两个项目以及同一个赛道但没有包含在本文讨论范围内的已经发币的项目,综合来讲,去中心化算力网络都有非常亮眼的价格表现,一定程度体现了巨大的市场潜力和社区的高期望。 2.5 总结 去中心化算力网络赛道总体发展很快,已经有很多项目可以依靠产品服务客户,并产生一定收入。赛道已经脱离了纯叙事,进入可以提供初步服务的发展阶段。 需求疲软是去中心化算力网络所面临的共性问题,长期的客户需求没有被很好地验证和挖掘。但需求侧并没有过多影响币价,已经发币的几个项目表现亮眼。 AI是去中心化算力网络的主要叙事,但并不是唯一的业务。除了应用于AI training和inference之外,算力还可被用于云游戏实时渲染,云手机服务等等。 算力网络的硬件异质化程度较高,算力网络的质量和规模需要进一步提升。 对于C端用户来说,成本优势不是十分明显。而对于B端用户来说,除了节约成本之外,还需考虑服务的稳定性、可靠性、技术支持、合规和法律支持等等方面,而Web3的项目普遍在这些方面做得不够好。 3 Closing thoughts AI的爆发式增长带来的对于算力的巨量需求是毋庸置疑的。自 2012 年以来,人工智能训练任务中使用的算力正呈指数级增长,其目前速度为每3.5个月翻一倍(相比之下,摩尔定律是每18个月翻倍)。自2012 年以来,人们对于算力的需求增长了超过300,000倍,远超摩尔定律的12倍增长。据预测,GPU市场预计将在未来五年内以32%的年复合增长率增长至超过2000亿美元。AMD的估计更高,公司预计到2027年GPU芯片市场将达到4000亿美元。 图片来源: https://www.stateof.ai/ 因为人工智能和其他计算密集型工作负载(如AR/VR渲染)的爆发性增长暴露了传统云计算和领先计算市场中的结构性低效问题。理论上去中心化算力网络能够通过利用分布式闲置计算资源,提供更灵活、低成本和高效的解决方案,从而满足市场对计算资源的巨大需求。因此,crypto与AI的结合有着巨大的市场潜力,但同时也面临与传统企业激烈的竞争、高进入门槛和复杂的市场环境。总的来说,纵观所有crypto赛道,去中心化算力网络是加密领域中最有希望获得真实需求的的垂直领域之一。 图片来源:https://vitalik.eth.limo/general/2024/01/30/cryptoai.html 前途是光明的,道路是曲折的。想要达到上述的愿景,我们还需要解决众多的问题与挑战,总结来说:现阶段如果单纯提供传统的云服务,项目的profit margin很小。从需求侧来分析,大型企业一般会自建算力,纯C端开发者大多会选择云服务,真正使用去中心化算力网络资源的中小型企业是否会有稳定需求还需要进一步挖掘和验证。另一方面,AI是一个拥有极高上限和想象空间的广阔市场,为了更广阔的市场,未来去中心化算力服务商也需要向模型/AI服务进行转型,探索更多的crypto + AI的使用场景,扩大项目能够创造的价值。但目前来说,想要进一步发展到AI领域还存在很多问题和挑战: 价格优势并不突出:通过之前的数据对比可以看出,去中心化算力网络的成本优势并没有得到体现。可能的原因在于对于需求大的专业芯片H100、A100等,市场机制决定了这部分硬件的价格不会便宜。另外,去中心化网络虽然能收集闲置的算力资源,但去中心化带来的规模经济效应的缺乏、高网络和带宽成本以及极大的管理和运维的复杂性等隐形成本会进一步增加算力成本。 AI training的特殊性:利用去中心化的方式进行AI trainning在现阶段有着巨大的技术瓶颈。这种瓶颈从GPU的工作流程当中可以直观体现,在大语言模型训练中,GPU首先接收预处理后的数据批次,进行前向传播和反向传播计算以生成梯度。接下来,各GPU会聚合梯度并更新模型参数,确保所有GPU同步。这个过程将不断重复,直到训练完成所有批次或达到预定轮数。这个过程中涉及到大量的数据传输和同步。使用什么样的并行和同步策略,如何优化网络带宽和延迟,降低通讯成本等等问题,目前都还未得到很好的解答。现阶段利用去中心化算力网络对AI进行训练还不太现实。 数据安全和隐私:大语言模型的训练过程中,各个涉及数据处理和传输的环节,比如数据分配、模型训练、参数和梯度聚合都有可能影响数据安全和隐私。并且数据隐私币模型隐私更加重要。如果无法解决数据隐私的问题,就无法在需求端真正规模化。 从最现实的角度考虑,一个去中心化算力网络需要同时兼顾当下的需求发掘和未来的市场空间。找准产品定位和目标客群,比如先瞄准非AI或者Web3原生项目,从比较边缘的需求入手,建立起早期的用户基础。同时,不断探索AI与crypto结合的各种场景,探索技术前沿,实现服务的转型升级。 参考文献 https://www.stateof.ai/ https://vitalik.eth.limo/general/2024/01/30/cryptoai.html https://foresightnews.pro/article/detail/34368 https://app.blockworksresearch.com/unlocked/compute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market?callback=%2Fresearch%2Fcompute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market https://research.web3caff.com/zh/archives/17351?ref=1554 来源:金色财经
lg
...
金色财经
06-12 15:04
市值奔向万亿美元!李开复:中国的优秀企业也有这个机会
go
lg
...
憾的是,中国却并未产生类似苹果、微软、
谷
歌
这样巨大的上市公司。 李开复分析,这些伟大公司的特色是,他们真的敢于去做之前没有人敢做的事情,然后他还有国际化的能力。 这两点不是中国公司的强项,中国公司是能够有很强的执行力,做出很好的产品,不断地迭代,然后也有很好的商业嗅觉。 不过,这种因为相信所以看见的思维方式,并不是中国的标准方式。 但是中国还是有很多很厉害的公司,从宁德时代、华为到阿里、腾讯等,它们都还是有机会成为万亿美元市值的公司。 他直言,这些公司是有奔向万亿美元的机会,当然也有很大的挑战。 这需要看它们抓不抓得住下一个浪潮?敢不敢做巨大的、高风险的投资,去做一个未被证明的事情?有没有像乔布斯、马斯克这样了不起的CEO? 李开复认为,这些条件如果有一个能成功,就有可能。上述四个公司的CEO都非常的优秀,所以是有这个潜力的。 此外,还有一个不利的因素就是全球化。美国能够很自然地把所有的东西都卖到全世界,而中国还需要再这方面进行摸索。 但最近,比如说字节跳动的TikTok、拼多多的Temu、Shein,从这些公司身上也开始可以看到,哪怕中国科技公司走向世界都还是很有竞争力。 对于中国公司出海面临的阻力,李开复表示,很不幸的是,地缘政治是我们必须面对的事实,这方面的阻力会持续存在,但世界也不是只有美国一个市场。 像TikTok,它在全世界的各个地区中——东南美、东南亚都很多用户的,所以就是会丧失一些商机,而且TikTok在美国的案子现在也还未成定局。 如果TikTok在美国遭到下架了,字节跳动还有机会成为一家伟大的公司吗? 李开复表示,自己其实很尊敬张一鸣和字节跳动,因为他们的创造力其实是很强的。 很多公司就靠一个产品吃一辈子,但字节跳动却并非如此,它先做了头条,然后做了抖音,做了TikTok,做了飞书,尽管它们并不能像
谷
歌
、大模型那样彻底改变世界,但每一个产品都非常优秀。 他指出,就自己认识的字节跳动的人,他们的产品嗅觉非常好,工程团队也很强,AI做得也蛮好的。 如果说中国有望成为伟大公司的企业要加第5家的话,可能就是字节跳动。 注:更多精彩完整内容,请关注抖音/视频号:格隆博士会客厅、格隆博士
lg
...
格隆汇
06-12 14:05
稳定币巨头Tether计划投资10亿美元于新兴市场
go
lg
...
利用技术促进传统金融的去中介化,减少对
谷
歌
、亚马逊和微软等大型科技公司的依赖。 此外,该公司首席执行官还强调,Tether的盈利能力在全球范围内吸引了许多潜在的投资机会,公司每个月都会收到“几十甚至上百个”建议。不过,Tether只选择了其中一小部分机会。 稳定币在全球范围内都面临着监管挑战,而Tether最近在努力实现稳定币之外的多元化,这使该公司成为重要的交易制造者。 根据相关报道,今年4月份Tether重组为四个部门,分别专注于金融、数据、BTC mining、能源以及教育。 此外,这家稳定币发行商还计划在今年晚些时候推出一个平台,使公司能够以数字代币形式发行债券和股票,同时也为各国央行提供发行央行数字货币(CBDC)的能力。 Ardoino解释道,Tether的投资方法不同于传统的风险投资公司,因为它并不只是寻找有望在未来一两年内实现盈利目标的公司。相反,Tether投资于其认为“特别引人注目”且符合其战略愿景的项目。 据报道,除了对人工智能和新兴市场感兴趣外,该公司还涉足生物技术领域。特别是,它支持了一家专门从事脑机接口技术的公司Blackrock Neurotech。 Ardoino表示,在其他公司纷纷缩减在生物技术领域的投资时,Tether愿意投资该领域。 来源:金色财经
lg
...
金色财经
06-12 11:25
李开复:成为全球最伟大的公司,苹果、微软到底做对了什么?
go
lg
...
《格隆博士会客厅》。 作为苹果、微软、
谷
歌
等全球顶尖科技公司曾经的高管,李开复在谈话中回顾了苹果、微软是如何成为全球最伟大的公司。 目前,微软和苹果是全球市值最高的两家公司,微软的最新市值为3.22万亿美金,苹果为3.18万亿美金。 在历史车轮滚滚前进中,微软和苹果从未被时代落下,并成为了全球最伟大的公司。 特别是微软,据格隆汇团队统计,微软过去30年从未跌出过全球前十大市值公司。 而李开复作为目前唯一一个在苹果、微软、
谷
歌
三家全球最顶尖的科技公司都任职过高管的人,他对这个问题有着自己的思考。 李开复认为,苹果的特点就是它特别在乎用户体验,软件、硬件甚至芯片都要自己做,这样结合起来的用户体验会最佳、最快、最好用。 因此它成为了一个时尚+科技品牌,大家用它的产品就觉得这个很酷。 苹果曾经走过弯路,当时一个新的 CEO 进来说我们要增加市场份额,要卖很多便宜的产品。 最后这个方向是走不通的,因为苹果它有着追求极致的文化,去做一个便宜的产品不见得是最适合的。 后来又回归了本心,然后抓到了移动互联网智能手机这样的一个巨大机会。乔布斯本人,是一个特别伟大的 CEO、创业者,他可以清晰地预测和看到用户会需要什么。 很多其他公司都是我问用户要什么帮他做,而乔布斯说的一个著名的话:每个公司都做用户调研,我们也做,每天早上我起来刷牙,看着镜子,我就问里面的那个人,你觉得你要什么产品? 虽然他这个说法有点狂,但是他确实是这方面的天才,可以看到未来。 微软的话,它非常有战略思维,然后愿意在重大的事情上做很大、很大的投入。 从战略思维分析,微软当时从 DOS 走到Windows,然后靠 Windows 的优势又做出了Office,做出了当时的MSN,然后 Bing,还有它的Exchange等整套服务器软件。 微软就像在不断地去堆积木,做成了一个非常强的堡垒,然后周围有非常强的护城河,别的公司要想把它打倒都不容易。 当然,就像苹果一样,微软也有过一段低潮期,当它这个失去了 比尔盖茨作为核心人物,因为盖茨转向慈善业,后来的CEO就一直没有给到微软一个让人振奋的方向,然后做巨大的投资。 所以,微软大概有十年的低潮,虽然没有跌出前十,(市场)可能也有一段时间会认为不妙了。 现在的新CEO萨提亚(Satya Nadella)上任以后,又重振了微软。萨提亚做的一个重大的决定就是重金投资了OpenAI,然后微软和OpenAI合作,做出了非常强大的产品ChatGPT。 此外,还有ChatGPT跟微软产品线进行了完全的对接,包括微软 Office Copilot等产品。 总结而言,微软的优势就是非常有战略思维,有执行力,看到重大的机会愿意重金投入。 更多精彩完整内容,请关注抖音/视频号:格隆博士会客厅、格隆博士
lg
...
格隆汇
06-12 10:16
苹果召开WWDC2024,Apple Intelligence如期发布,AI终端加速落地
go
lg
...
备端)大模型的支持下搭载一众AI工具;
谷
歌
作为背后的AI技术提供者,拥有比微软等竞争对手更为下沉的渠道来接触广大用户群体;Apple推出Apple Intelligence并深度集成于iOS 18系统和Siri。 大模型进入端侧趋势明显,具备低时延、离线工作、保护隐私等优势。云端AI是将数据发送至远程服务器或云平台进行处理,而端侧AI是在用户的设备上运行AI算法,如智能手机、笔记本电脑、可穿戴设备、无人机、AR/VR设备和汽车等。将大模型部署于终端,轻量化模型的查询成本减少、能耗降低,在低时延场景或极端环境下表现良好,并且将个人数据保留在终端上,具有保护隐私和个性定制的优势,大模型+终端趋势明显。 端侧AI有望带来硬件价值量提升和换机潮。大模型参数规模的增长将进一步拓展生成式AI手机的能力,同时会对硬件环节提出更高要求,推动多个硬件环节升级,如算力规模、内存容量、电池续航与散热等。而AI手机和AI PC带来诸多此前未有的功能,给用户带来全新的体验,也有望刺激用户换机需求,拉动手机和PC复苏。尤其是本次WWDC提出的AI功能仅面向搭载A17及M1以上芯片的设备,手机端只有iPhone 15 Pro及iPhone 15 Pro Max获得支持,有望推动老用户换机潮,带来国内苹果链业绩和估值向上弹性。 端侧AI亦需要云计算,有望拉动云端算力需求。苹果在本次更新中提出使用私有云计算技术,在端侧算力不够的情况下可在私有云上计算,这意味着即使是移动端性能最先进的A系列芯片和M系列芯片,也无法完全满足AI计算需求,AI手机作为云+端联合推理的硬件,大部分运算或仍将以来云端进行。随着AI手机出货量和渗透率的提升,云端算力需求将进一步扩大。 相关产品: 人工智能 AIETF(515070)及其联接基金(008585/008586/021580):中证人工智能主题指数(指数代码: 930713.CSI,指数简称: CS 人工智)选取为人工智能提供基础资源、技术以及应用支持的公司中选取代表性公司作为样本股,反映人工智能主题公司的整体表现。该指数已纳入截至 2018 年 9月 30 日的 IOSCO 金融基准原则鉴证报告范围。 消费电子 ETF(159732) 及其联接基金(018300/018301):国证消费电子主题指数(指数代码: 980030.CNI,指数简称: 消费电子指数) 选取公司业务领域属于消费电子板块,包括手机产业链、可穿戴智能设备、智能家居等细分领域的上市公司中日均总市值前 50 名证券作为指数样本,反映沪深北交易所消费电子行业优质上市公司的市场表现。 数据ETF(516000)及其联接基金(020336/020335):跟踪中证大数据产业指数(指数代码: 930902.CSI,指数简称:中证数据) 选取涉及大数据存储设备、大数据分析技术、大数据运营平台、大数据生产、 大数据应用等领域的沪深 50 只 A 股作为样本,采用自由流通股本加权,设置10%的权重上限。 数据来源:招商证券、浙商证券、新闻媒体、Wind,截至2024.6.11,以上个股不作投资推荐。 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。
lg
...
有连云
06-12 10:15
网络的下一次迭代AVS 将为 Web2 带去 Web3 的信任机制
go
lg
...
算法其实是缺乏透明度的。就拿最近泄露的
谷
歌
搜索引擎优化(SEO)算法来说,很明显,
谷
歌
在网页排名方面误导了公众。 那么,这种「信任」的成本有多高? 由于我们仍处于早期阶段,因此很难计算 AVS 运营软件的额外成本。EigenLayer 创始人 Sreeram Kannan 曾预估实现金融交易的加密经济安全性需要额外花费 0.1% 的运营费用。 除「信任」之外,AVS 第二个关键优势是「可验证计算」。 AVS 节点网络可以在加密经济/ZK 证明(可用作应用输入)的支持下进行链下计算,这也为实验与人工智能代理交互提供了可能性。 比如 Uniswap v4 的 Hook 机制,它可以与托管在专用 AVS 节点上的去中心化匹配引擎相结合。这个运营者池可以高效地将成千上万的交易请求与交易对手进行匹配,创建在链上结算的批量交易。 AVS 运营者不能窃取用户资金,只能根据用户定义的意图(intent)匹配交易。这种架构允许运营者处理意图、整合人工智能驱动的结果、管理暗池并开发具有可变费用的应用,从而增强功能。 AVS 提供中立、可访问且不可阻挡的网络服务。它为开发人员提供了一个强大的节点网络,可按需处理任何专业计算,从而简化开发流程,无需从头开始构建。目前,共有 1459 名 AVS 运营者和 16 项 AVS 服务。其中,EigenDA 以 264 名活跃运营者排名榜首。 AVS 解锁的可能性非常广泛,涵盖多个领域。我们将其分为 3 大类,包括: 可验证的 Web2 基础架构 Web3 基础设施 Rollup 服务 首先是无需信任的 Web2 服务,包括内容交付、密钥管理和去中心化计算等。 例如,Witness chain 就利用遍布全球的 AVS 「监视塔」服务(Watchtower),通过分析网络延迟提供位置证明。再如 Mishti,通过一组分布式节点从生物识别技术中生成私钥,将 MPC 和 Threshold 签名与 AVS 相结合,提供了更流畅的登录措施并加强了隐私保护。此外,AVS 也在改变去中心化计算,为交易者提供链下匹配引擎等创新技术。Cedro Finance 正准备推出一个人工智能代理层,可让 LP 以动态计算 CEX 和 DEX 的价格,以提供及时的流动性。 其次是 Web3 基础设施。AVS 可为区块链和 Rollup 所依赖的基本原理提供动力.通过确保 DA 层的安全、提供 ZK 支持的预言机以及部署可轻松集成的监控系统,AVS 可加强 Web3 生态。 比如,在 Lagrange 和 Brevis 的去中心化验证过程中, 查询会被转移到链下的 AVS 网络执行并验证,然后再重新整合到合约中。再如受 Danksharding 路线图启发而开发的创新型 DA 解决方案 EigenDA,其 AVS 运营商提供企业级固态硬盘来存储数据,测试中的存储速度高达 10 Mbps,随着更多运营商的加入,其目标是达到 1 Gbps。 最后是由 AVS 保护的 Rollup 服务,比如跨链桥、互操作解决方案、快速结算层、共享定序器、再质押 Rollup 等。目前,NEAR 正在开发一种快速终结层 NFFL,使用 AVS 来证明跨 L2 的 Rollup 状态。 总结来说,AVS 是区块链之上的变革性加密经济层,使开发人员能够使用任何编程语言构建无需信任的应用。 来源:金色财经
lg
...
金色财经
06-12 10:15
快速了解EigenLayer的AVS生态系统
go
lg
...
透明度,我们对其了解甚少。想想最近关于
谷
歌
搜索引擎优化算法的泄露事件。很明显,
谷
歌
的人误导了公众对他们如何对网页进行排名的认知。 这样的“信任”有多贵? 由于我们仍处于早期阶段,因此很难对AVS操作软件的额外成本进行计算。EigenLayer创始人Sreeram Kannan估计,金融交易的加密经济安全将额外增加0.1%的成本。 第二个关键好处是“可验证计算”。 AVS节点网络执行链下计算,由加密经济/ZK证明提供支持,可以用作应用程序的输入。这也为实验以及与AI智能体的互动提供了可能性。 我们来看Uniswap的v4设计,它可以与托管在专用AVS节点上的去中心化匹配引擎相结合。这个操作员池可以有效地将数千个交易请求与对手方匹配,创建一个在链上结算的交易包。 AVS操作员不能窃取用户资金,只能根据用户定义的意图(intents)进行交易匹配。该架构允许操作员处理意图,集成人工智能驱动的结果,管理暗池,并开发可变费用的应用程序,从而带来功能的增强。 AVS提供:中立的、可访问的、不可阻挡的web服务。 它为开发人员提供了一个可靠的节点网络,随时可以按需处理任何专门计算,简化了开发过程,无需从头开始构建。 目前,共有1459个AVS运营商和16项AVS服务,EigenDA以264名活跃运营商领先。运营商以同时处理多个任务,提供多项AVS服务,以最大限度地提高回报。有些服务通常有特定的硬件配置要求。 AVS开启的可能性是巨大的,跨多个领域。我们可以将其分成3类:可验证的Web2基础设施、Web3基础原语以及rollup服务。 AVS运营商可以提供无需信任的web2服务,如内容交付、密钥管理和去中心化计算。例如,Witness Chain 使用AVS watchtowers,进行战略性全球定位,通过分析网络延迟提供位置证明。 通过将MPC和阈值签名与AVS相结合,应用程序可以提供更顺畅的登录体验和隐私保护。Mishti是一个AVS网络,该网络使用一组分布式节点通过生物识别生成私钥,因此没有任何一个节点拥有用户的密码。 AVS正在通过创新来改变去中心化计算领域,比如为交易员提供链下匹配引擎。Cedro Finance正准备推出一个AI智能体层,支持LP动态计算CEX和DEX的价格,以提供及时的流动性。 AVS还为区块链和rollup所依赖的基本原语提供支持。它通过保护DA(数据可用性)层的安全,提供ZK支持的oracle和部署可轻松集成的监控系统来强化生态系统。 Lagrange和Brevis是去中心化prover,查询被转移到链下的一个AVS网络,在那里被执行并验证,然后再重新集成到合约中。dApp可以利用历史数据来实现诸如VIP忠诚度计划等功能。 EigenDA是一个受Danksharding路线图启发的创新DA解决方案。其设计致力于水平扩展,EigenDA的AVS操作员提供企业级SSD来存储数据,在测试中支持高达10 Mbps的速度,随着更多操作员的加入,最终的目标是1 Gbps。 AVS的最后一个类别侧重于rollup服务——桥接、互操作解决方案、快速层、共享排序器、再质押rollup等,这些都是由AVS提供安全保障的。以NEAR Protocol为例,NEAR正在开发NFFL——一个使用AVS来验证L2之间的rollup状态的快速确定层。 总之,AVS是区块链上的一个极具变革性的加密经济层,使开发人员能够使用任何编程语言构建无需信任的应用程序。 来源:金色财经
lg
...
金色财经
06-12 10:05
苹果市值一夜大增超2100亿美元,机构:AI技术外溢持续,应用层增长相对稳健!
go
lg
...
.176万亿美元。微软、博通涨超1%,
谷
歌
、Meta小幅上涨;英伟达跌0.71%,特斯拉跌1.8%。 相关热门ETF方面,纳斯达克100ETF(159659)开盘跳涨0.87%,报1.505元,刷新2023年4月25日上市以来新高。 行情数据显示,前一交易日,纳斯达克100ETF(159659)获资金净流入298万元,近两日连续金流入合计近900万元。 消息面上,苹果召开WWDC2024(苹果全球开发者大会),发布新系统ios18以及Apple Intelligence,并宣布已和OpenAI达成合作,将为苹果设备接入ChatGPT,使用GPT-4o模型。 据了解,苹果推出的全新人工智能平台Apple Intelligence将使应用程序和服务变得更加智能,向来以重视隐私而闻名的苹果公司称,Apple Intelligence将主要在设备本地运行AI模型,他们也开发了一项“私有云计算”技术,用来防止用户的查询信息被AI模型或本地设备所保留,并且不允许开发人员或苹果访问敏感信息。该系统将使用一种新的、基于苹果芯片的服务器硬件,将数据保存在安全存储区域,并采用“端到端”加密来确保数据不会被监视。 高盛分析师表示,周一在全球开发者大会上发布的软件将推动硬件销售,因为新的人工智能功能只与搭载M1或更好芯片的iPhone 15和Mac电脑兼容。“我们对今天发布会的财务影响感到鼓舞,新的产品功能应该有助于推动产品升级需求,为未来更直接的人工智能货币化创造机会,并可能通过允许付费ChatGPT账户的用户链接到苹果账户来降低计算成本。” 广发证券总结近期美股科技板块基本面情况,指出应用层表现相对稳健,而硬件层有所分化。应用层方面,AI技术外溢持续,云计算在AI赋能不断增长下增长良好,梯队之间增长差距缩小,同时大模型再有进展。总体而言,美股科技股整体分子端仍然保持相对稳健增长态势,但需关注内部因整体复苏和AI投入及兑现带来的基本面分化;同时关注通胀顽固下美联储对分母端的扰动。 纳斯达克100ETF(159659)被动跟踪纳斯达克100指数。在人工智能的时代浪潮之下,在AI领域有着领先布局和深厚积淀的科技巨头集中在纳斯达克100指数,前十大权重占比达48.64%,龙头属性集中。 来源:纳斯达克,截至2024.5.31。 综合来看,纳斯达克100ETF(159659)不失为布局大型科技股的便捷工具,场外用户可通过联接基金(A类019547;C类019548)进行定投、申购。
lg
...
金融界
06-12 10:05
上一页
1
•••
136
137
138
139
140
•••
795
下一页
24小时热点
美联储70多年独立性将颠覆!美媒:特朗普准备掌握“利率”发言权 挑战鲍威尔权威
lg
...
令人震惊!特朗普胜选引发美元暴涨175点、金价崩跌近85美元 如何交易黄金
lg
...
【直击亚市】中国允许人民币贬值!特朗普胜选冲击全球,美联储降息逼近
lg
...
中国经济突发重磅!中国最高领导人发出提醒 释放经济增长目标最新信号
lg
...
美国大选突传重磅!共和党209票逼近控制“众议院” 美媒:特朗普拟建立统一政府
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
...
1209讨论
#VIP会员尊享#
lg
...
1441讨论
#比特币最新消息#
lg
...
535讨论
#温哥华国际金融峰会(VIFS 2024)#
lg
...
43讨论