FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美股开盘：道指纳指涨逾百点中概多数走高阿里巴巴涨近5%

肤癌复发或死亡的风险降低44％。　　AMD将推出新的5G产品　　美国超微公司周三表示，将推出新的5G产品，包括核心网络和无线电接入网应用程序；还将为其Zynq UltraScale+产品线扩展两款新设备。　　特斯拉投资者日将至：市场翘首以盼下一代车型平台　　美东时间3月1日，特斯拉的2023年投资者日活动将正式举行。对于特斯拉投资者来说，这是一个听取特斯拉CEO马斯克关于公司战略和未来的重要窗口。对于投资者来说，今年的投资者日上，最需要关注的问题是：特斯拉下一代低成本车型平台的消息。分析师认为，假如特斯拉能够公布一款新的低价汽车及其生产时间表，可能会成为刺激特斯拉股价继续上涨的巨大催化剂。　　媒体称Meta新一轮裁员恐波及数千人，各地区各部门均未幸免　　据外媒周三报道，Meta Platforms正酝酿新一轮裁员，削减一些项目，涉及公司的各部门和全球各地区，恐波及数千名员工。Meta已委托人力资源、律师和高管制定相关计划，目标是减少公司层级。Meta发言人对上述消息拒绝置评，不过援引了CEO扎克伯格之前的公开评论，称“公司需要提高效率”。　　阿里巴巴第三财季经调整净利润499.32亿元，同比增长12％　　阿里巴巴第三财季实现收入2477.56亿元人民币（下同），同比增长2％；经调整净利润499.32亿元，同比增长12％；调整后每ADS收益19.26元，同比增长14％。　　网易2022年Q4净营收254亿元，同比增长4％　　2月23日，网易发布2022年Q4及全年财报。财报显示，网易2022年Q4净营收254亿元，同比增长4％；Q4经调整净利润48亿元，去年同期经调整净利润66亿元。　　唯品会第四季度净营收317.6亿元，超预期　　唯品会第四季度净营收317.6亿元人民币，预估314.6亿元人民币。第四季度商品交易总额544亿元人民币，预估540.1亿元人民币。第四季度调整后每ADS收益 3.65元人民币，预估3.27元人民币。预计第一季度净营收252亿元人民币至265亿元人民币。　　有道2022Q4首次实现单季度盈利　　有道公布了2022年第四季度及2022财年未经审计财务报告。财报显示，网易有道2022年四季度净收入创下历史新高，达到14.5亿元，同比增长38.6％，首次实现单季度经营利润为正。2022全年，有道实现净收入50亿元，同比增长24.8％。

金融界2023-02-23

AI重新占据全球头版，这些公司或从这股热潮受益

　　台积电是Nvidia（NVDA）和AMD（AMD）高端图形处理单元的唯一代工供应商，是Kim挑选的人工智能浪潮受益者之一。　　摩根士丹利预计，对人工智能培训所需的计算机功率的需求增加，将导致图形和中央处理器的市场迅速增长。　　在生成性人工智能的世界里，"原材料是数据；该材料的用户是超大规模的数据中心；使能工作是半导体"，Kim写道。　　百度（BIDU）　　Kim说，中国对聊天机器人有"巨大的"大众市场需求，百度和其他公司已经在竞相发展国内的人工智能能力。　　该分析师指出，百度目前在这一领域的进步已经很领先了。　　Kim写道："该公司正在3月份完成其'Ernie Bot'的内部测试，并旨在最终将其与搜索引擎合并——这是该搜索公司自2019年以来一直在研究的大型AI模型。" 　　GDS Holdings（GDS）　　GDS是一家位于中国的控股公司，主要致力于开发和运营高性能数据中心。其客户包括中国各地的云服务提供商、互联网公司和IT服务提供商。它是百度的主要国际数据中心供应商之一。　　Kim选择GDS的原因是该公司作为市场领导者的地位。　　GDS "对所有的互联网公司有更均衡的业务"Kim说，并补充说其"估值更合理"。

金融界2023-02-22

这些半导体股票是华尔街股票，其中一支能上涨30%

nced Micro Devices（AMD）也入选，近60％的分析师将其评级为买入，平均目标价意味着有14.1％的上升空间。迄今为止，该股今年已经上涨了21％以上。然而，该公司上个月末警告说，它可能在第一季度遭受10％的营收下跌。　　尽管如此，大多数分析师还是支持AMD，包括高盛的Toshiya Hari。　　Hari在一份报告中说："鉴于我们对服务器CPU市场份额大幅扩张的预期，以及23/2024年下半年利润率改善的潜力，我们仍然对该股持正面态度。"该分析师重申了他对AMD的买入评级。　　其他进入名单的公司有Synopsys、Microchip Technology、Applied Materials、KLA和Broadcom。

金融界2023-02-22

人工智能时代的算力挑战

率的可能也是有限的。根据阿姆达尔定律（Amdahl’s Law），对于给定的运算量，当并行计算的线程趋向于无穷时，系统的加速比会趋向于一个上限，这个上限将是串行运算在总运算中所占比例的倒数。举例来说，如果在一个运算中，串行运算的比例是20%，那么无论我们在并行运算部分投入多少处理器，引入多少线程，其加速比也不会突破5。这就好像，如果我要写一本关于生成式AI的书，可以将一些资料查找的工作交给研究助手。显然，如果我有更多的研究助手，写书的进度也会加快。但这种加快不是无限的，因为最终这本书什么时候写完，还要看我自己“码字”的速度。（2）分布式计算采用聚集资源的方式来增强算力的另一种思路就是分布式计算。和高性能计算主要聚集本地计算单位不同，分布式计算则是将分散在不同物理区域的计算单位聚集起来，去共同完成某一计算任务。比如，刘慈欣在他的小说《球状闪电》中就提到过一个叫做SETI@home的科研计划（注：这个项目是真实存在的），这个计划试图将互联网上闲置的个人计算机算力集中起来处理天文数据，这就是一个典型的分布式计算用例。分布式计算的一个典型代表就是我们现在经常听说的云计算。关于云计算的定义，目前的说法并不统一。一个比较有代表性的观点来自于美国国家标准和技术研究所（NIST），根据这种观点，“云计算是一种按使用量付费的模式。这种模式对可配置的IT资源（包括网络、服务器、存储、应用软件、服务）共享池提供了可用的、便捷的、按需供应的网络访问。在这些IT资源被提供的过程中，只需要投入很少的管理和交流工作”。这个定义很抽象、很学院派，我们可以用一个通俗的比喻来对其进行理解。在传统上，用户主要是通过调用自有的单一IT资源，这就好比每家每户自己发电供自己用；而云计算则好像是（用大量算力设备）建了一个大型的“发电站”，然后将“电力”（IT资源）输出给所有用户来用。根据云服务提供者所提供的IT资源的不同，可以产生不同的“云交付模式”（Cloud Delivery Model）。由于IT资源的种类很多，因此对应的“云交付模式”也就很多。在各类新闻报道中，最常见的“云交付模式”有三种：第一种是IaaS，它的全称是“基础设施作为服务”（Infrastructure-as-a-Service）。在这种交付模式下，云服务的提供者供给的主要是存储、硬件、服务器和网络等基础设施。第二种是PaaS，它的全称是“平台作为服务”（Platform-as-a-Service）。在这种交付模式下，云服务的提供者需要供应的资源更多，以便为使用者提供一个“就绪可用”（ready-to-use）的计算平台，以满足他们设计、开发、测试和部署应用程序的需要。第三种是SaaS，也就是“软件作为服务”（Software-as-a-Service）。在这种交付模式下，云服务提供者将成品的软件作为产品来提供给用户，供其使用。有了以上不同的云交付模式，用户就可以根据自己的需要来选择相应的IT资源。比如，如果元宇宙的用户需要更多的算力或存储，而本地的机器无法满足，那么就可以通过从云端来获取“外援”。一个云端GPU不够，那就再来几个，按需取用，丰俭由人，既方便，又不至于产生浪费。需要指出的是，尽管从理论上看云计算可以很好地承担巨大运算和存储需求，但其缺陷也是很明显的。比较重要的一点是，在执行云计算时，有大量的数据要在本地和云端之间进行交换，这可能会造成明显的延迟。尤其是数据吞吐量过大时，这种延迟就更加严重。对于用户来说，这可能会对其使用体验产生非常负面的效果。那么怎么才能克服这个问题呢？一个直观的思路就是，在靠近用户或设备一侧安放一个能够进行计算、存储和传输的平台。这个平台一方面可以在终端和云端之间承担起一个中介的作用，另一方面则可以对终端的各种要求作出实时的回应。这个思想，就是所谓的边缘计算。由于边缘平台靠近用户，因而其与用户的数据交换会更加及时，延迟问题就可以得到比较好的破解。 2、超越经典计算——以量子计算为例无论是高性能计算还是分布式计算，其本质都是在运算资源的分配上下功夫。但正如我们前面看到的，通过这种思路来提升算力是有很多障碍的。因此，现在很多人希望从计算方式本身来进行突破，从而实现更高的计算效率。其中，量子计算就是最有代表性的例子。我们知道，经典计算的基本单位是比特，比特的状态要么是0，要么是1，因此经典计算机中的所有问题都可以分解为对0和1的操作。一个比特的存储单元只能存储一个0或者一个1。而量子计算的基本单位则是量子比特，它的状态则可以是一个多维的向量，向量的每一个维度都可以表示一个状态。这样一来，量子存储器就比经典的存储器有很大的优势。考虑一个有 N物理比特的存储器，如果它是经典存储器，那么它只能存储2的N次方个可能数据当中的任一个；而如果它是量子存储器，那么它就可以同时存储2的N次方个数据。随着 N的增加，量子存储器相对于经典存储器的存储能力就会出现指数级增长。例如，一个250量子比特的存储器可能存储的数就可以达到2的250次方个,比现有已知的宇宙中全部原子数目还要多。在进行量子计算时，数学操作可以同时对存储器中全部的数据进行。这样一来，量子计算机在实施一次的运算中可以同时对2的N次方个输入数进行数学运算。其效果相当于经典计算机要重复实施2的N次方次操作，或者采用2的N次方个不同处理器实行并行操作。依靠这样的设定，就可以大幅度节省计算次数。为了帮助大家理解，我们可以打一个并不是太恰当的比方：玩过动作游戏的朋友大多知道，在游戏中，我们扮演的英雄经常可以使用很多招数，有些招数只能是针对单一对象输出的；而另一些招数则可以针对全体敌人输出。这里，前一类的单体输出招数就相当于经典计算，而后一类的群体输出招数就相当于量子计算。我们知道，在面对大量小怪围攻的时候，一次群体输出产生的效果可以顶得上很多次单体输出的招数。同样的道理，在一些特定情况下，量子计算可以比经典计算实现非常大的效率提升。举例来说，大数因式分解在破解公开密钥加密的过程中有十分重要的价值。如果用计算机，采用现在常用的Shor算法来对数N进行因式分解，其运算的时间将会随着N对应的二进制数的长度呈现指数级增长。1994年时，曾有人组织全球的1600个工作站对一个二进制长度为129的数字进行了因式分解。这项工作足足用了8个月才完成。然而，如果同样的问题换成用量子计算来解决，那么整个问题就可以在1秒之内解决。量子计算的威力由此可见一斑。但是，在看到量子计算威力的同时，我们也必须认识到，至少到目前为止，量子计算的威力还只能体现对少数几种特殊问题的处理上，其通用性还比较弱。事实上，现在见诸报道的各种量子计算机也都只能执行专门算法，而不能执行通用计算。比如，谷歌和NASA联合开发的D-Wave就只能执行量子退火（Quantum Annealing）算法，而我国研发的光量子计算机“九章”则是专门被用来研究“高斯玻色取样”问题的。尽管它们在各自的专业领域表现十分优异，但都还不能用来解决通用问题。这就好像游戏中的群体攻击大招，虽然攻击范围广，但是对每个个体的杀伤力都比较弱。因此，如果遇上大群的小怪，群体攻击固然厉害，但如果遇上防御高、血条厚的Boss，这种攻击就派不上用处了。从这个角度看，如果我们希望让量子计算大发神威，就必须先找出适合量子计算应用的问题和场景，然后再找到相应的算法。与此同时，我们也必须认识到，虽然量子计算的研发和探索十分重要，但是它和对其他技术路径的探索之间更应该是互补，而不是替代的关系。 3、通过改进算法节约算力如果说，通过高性能计算、分布式计算，以及量子计算等手段来提升算力是“开源”，那么通过改进算法来节约算力就是“节流”。从提升计算效率、减少因计算而产生的经济、环境成本而言，开源和节流在某种程度上具有同等重要的价值。在ChatGPT爆火之后，大模型开始越来越受到人们的青睐。由于在同等条件下，模型的参数越多、训练的数据越大，它的表现就越好，因此为了追求模型的更好表现，现在的模型正在变得越来越大。我们知道，现在的ChatGPT主要是在GPT-3.5的基础上训练的。在它出现之前，GPT共经历了三代。GPT-1的参数大约为1.17亿个，预训练数据为5GB，从现在看来并不算多；到了GPT-2，参数量就增加到了15亿个，预训练数据也达到了40GB；而到了GPT-3，参数量则已经迅速膨胀到了骇人的1750亿个，预训练数据也达到了45TB。为了训练GPT-3，单次成本就需要140万美元。尽管OpenAI并没有公布GPT-3.5的具体情况，但可以想象，它的参数量和预训练数据上都会比GPT-3更高。为了训练这个模型，微软专门组建了一个由1万个V100GPU组成的高性能网络集群，总算力消耗达到了3640“算力当量”——也就是说，如果用一台每秒计算一千万亿次的计算机来训练这个模型，那么大约需要近十年才能完成这个任务。如果任由这种“一代更比一代大”的趋势持续下去，那么在未来几年，对算力的需求将会出现爆炸性的增长。一项最新的研究估计，在5年之后，AI模型需要的算力可能会是现在的100万倍。很显然，由此产生的经济和环境成本将会是十分惊人的。令人欣慰的是，目前已经有不少研究者希望改进算法、优化模型来减少对算力的需求，并且已经取得了一定的成就。比如，就在今年1月3日，来自奥地利科学技术研究所 (ISTA)的研究人员埃利亚斯·弗朗塔（Elias Frantar）和丹·阿里斯特尔（Dan Alistarh）合作进行了一项研究，首次针对 100至 1000亿参数的模型规模，提出了精确的单次剪枝方法SparseGPT。SparseGPT可以将GPT系列模型单次剪枝到 50%的稀疏性，而无需任何重新训练。以目前最大的公开可用的GPT-175B模型为例，只需要使用单个GPU在几个小时内就能实现这种剪枝。不仅如此，SparseGPT还很准确，能将精度损失降到最小。在进行了类似的修剪之后，这些大模型在训练时所需要的计算量就会大幅减少，其对算力的需求也就会相应下降。关于提升算力、支持人工智能发展的政策思考随着ChatGPT引领了新一轮的人工智能热潮，市场上对算力的需求也会出现爆炸性的增长。在这种情况下，为了有力支撑人工智能的发展，就必须要通过政策的手段引导算力供给的大幅度增加。而要实现这一点，以下几方面的工作可能是最为值得重视的。第一，应当加快对算力基础设施的建设和布局，提升对全社会算力需求的支持。如前所述，从目前看，分布式计算，尤其是其中的云计算是提升算力的一个有效之举。而要让云计算的效应充分发挥，就需要大力建设各类算力基础设施。唯有如此，才可以让人们随时随地都可以直接通过网络获得所需的算力资源。这里需要指出的是，在布局算力基础设施的时候，应当慎重考虑它们的地域和空间分布，尽可能降低算力的成本。我们知道，不同的地区的土地、水、电力等要素的价格是不同的，这决定了在不同地区生产相同的算力所需要的成本也不尽相同。因此，在建设算力基础设施时，必须统筹全局，尽可能优化成本。需要指出的是，我国正在推进的“东数西算”工程就是这个思路的一个体现。由于我国东部各种资源的使用成本都要高于西部，因此在西部地区建立算力设施，就会大幅降低算力的供给成本，从而在全国范围内达到更优的配置效率。第二，应当加强与算力相关的硬件技术及其应用的研发，为增加算力供应提供支持。与算力相关的硬件技术既包括基于经典计算的各种硬件，如芯片、高性能计算机等，也包括超越经典计算理论，根据新计算理论开发的硬件，如量子计算机等。从供给的角度看，这些硬件是根本，它们的性能直接关系到算力提供的可能性界限。因此，必须用政策积极促进这些硬件的攻关和研发。尤其是对于一些“卡脖子”的项目，应当首先加以突破。这里需要指出的是，在进行技术研发的同时，也应该积极探索技术的应用。例如，我们现在已经在量子计算领域取得了一些成果，但是由于用例的缺乏，这些成果并没有能够转化为现实的应用。从这个意义上讲，我们也需要加强对技术应用的研究。如果可以把一些计算问题转化成量子计算问题，就可以充分发挥量子计算机的优势，实现计算效率的大幅提升。第三，应当对算法、架构等软件层面的要素进行优化，在保证AI产品性能的同时，尽可能减少对算力的依赖。从降低AI计算成本的角度看，降低模型的算力需求和提升算力具有同等重要的意义。因此，在用政策的手段促进算力供给的同时，也应当以同样的力度对算法、架构和模型的优化予以同等的激励。考虑到类似的成果具有十分巨大的社会正外部性，因此用专利来保护它们并不是最合适的。因此，可以积极鼓励对取得类似成功的人员和单位给予直接的奖励，并同时鼓励他们将这些成果向全社会开源；也可以考虑由政府出面，对类似的模型产品进行招标采购。如果有个人和单位可以按照要求提供相应的成果，政府就支付相应的费用，并对成果进行开源。通过这些举措，就可以很好地激励人们积极投身到改进模型、节约算力的事业中，也可以在有成果产出时，让全社会及时享受到这些成果。总而言之，在人工智能突飞猛进的时代，算力可能是决定人工智能发展上限的一个关键因素。唯有在算力问题上实现突破，人工智能的发展才可能有根本保障。来源：金色财经

金色财经2023-02-21

阿里巴巴再获一众华尔街机构加仓！芒格去年初砍掉一半仓位后三个季度按兵不动

他们在去年四季度增持了英伟达、特斯拉、AMD以及阿里巴巴等公司。其中阿里巴巴的仓位增加较为明显，环比增加了26%。而著名华尔街金融大鳄史蒂夫·科恩旗下的对冲基金Point 72 Hong Kong的持仓报告也显示，第四季度中阿里巴巴依然是他们的第一大持仓股，增持幅度达到19.1%，第四季度末占投资组合高达20.41%。此外，像拼多多、京东、百度以及360数科等中概股也获得了该机构的大幅加仓。可以看出，在一系列的中概股中，第四季度华尔街机构更加偏爱的还是阿里巴巴这只中概股的科技巨头。不过需要提醒一下，13F持仓报告虽然可以给大家带来重要的参考，但考虑到他们发布的时间严重的滞后，我们在第一季度已经过半的时候，才能看到去年第四季度的持仓情况，因此从时效性的角度并不能反映出当前各家机构的实际情况，投资者还是要有选择的进行参考。

TwentyOne2023-02-19

较2022低点涨50%！这一科技板块风头正劲，如何上车？

ced Micro Devices （AMDbuysell）和NXP Semiconductors （NXPI）为“数据中心的领导者”，并表示这些公司将为人工智能的“引擎”提供动力。　　在欧洲，大量芯片股入选了美国银行的“ 2023年欧洲最佳选股”名单　　以Didler Scemama为首的美国银行分析师于2月7日写道：“我们认为，投资者应该布局好半导体仓位，以便在2023年第三季度基本面出现拐点之前的3-6个月跑赢大盘。” 　　该投行补充称，该板块将受益于制造业回流以及加速电气化和数字化等长期主题。　　美银的首选股票为 ASM International（ASMIY）。此外，它还推荐买入ASML和STMicroelectronic （STM）

金融界2023-02-16

通富微电：是AMD最大的封装测试供应商，占其订单总数80%以上

成为通富微电的客户。通过并购，公司与AMD形成了“合资+合作”的强强联合模式，建立了紧密的战略合作伙伴关系；AMD完成对全球FPGA龙头赛灵思的收购，实现了CPU+GPU+FPGA的全方位布局，双方在客户资源、IP和技术组合上具有高度互补性，有利于AMD在5G、数据中心和汽车市场上进一步迈进。公司是AMD最大的封装测试供应商，占其订单总数的80%以上，未来随着大客户资源整合渐入佳境，产生的协同效应将带动整个产业链持续受益。募投项目情况内容显示，公司已完成2021年度非公开发行股票事宜，共发行股票184,199,721股，募集资金总额约26.93亿元，用于募投项目建设、补充流动资金及偿还银行贷款。三个生产型募投项目分别为高性能计算产品封装测试产业化项目、微控制器（MCU）产品封装测试项目、功率器件产品封装测试项目。募投项目均围绕公司主营业务展开，产能释放后公司能够更好的抓住市场发展机遇，满足客户需求，规模优势更加突出，覆盖全面的产品布局与强大的规模化生产能力相得益彰，预计公司的市场竞争力将进一步提升。募投项目的详细情况，可以关注公司后续披露的相关公告。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-15

百度新专利获授权虚拟数字人概念有望获关注

“批量化、短周期、低成本”制作，陆续为AMD、腾讯、百度等各领域一线客户提供技术服务。　　创业黑马：合作国资设立控股子公司，强化元宇宙数字人、Web3.0产业布局。　　平治信息（300571）牵手浙移动杭分，虚拟数字人业务落地

金融界2023-02-15

Coatue Management四季度建仓谷歌及理想，增持阿里巴巴、微软

份从205000万股增加到500万股，AMD和微软的股份。　　根据最新的13F文件，将Rivian Automotive（纳斯达克代码:RIVN）的风险敞口从1960万股减少到833万股，优步的风险敞口从1660万股减少到369万股，PayPal Holdings（纳斯达克代码:PYPL）的风险敞口从469万股减少到160万股，迪士尼（纽约证券交易所代码:DIS）的风险敞口从310万股减少到14.7万股。

金融界2023-02-15

复盘历史，半导体行情处在哪个位置？

导体指数(SOX)$ $美国超微公司(AMD)$ $台积电(TSM)$

老虎证券2023-02-14

24小时热点