FX168财经网_全球视野外汇黄金加密货币NFT资讯网

区块链动态2024年6月2日早参考

美元，FTX出售了其在人工智能初创公司Anthropic的剩余股份。根据最新文件，FTX以每股约30美元的价格出售了剩余1500万股股票，总售价逾4.5亿美元。其中最大买家是全球风险投资基金G Squared，它以1.35亿美元的价格收购了剩余股份的约三分之一，即450万股。在Anthropic股票的其他20家买家中，风险投资基金也占了多数。这使得FTX最初的5亿美元投资升值到约13亿美元，利润约为8亿美元。来源：金色财经

金色财经2024-06-02

已在训练下一代AI模型！OpenAI成立新安全委员会解决担忧

已表示，他将加入OpenAI的竞争对手Anthropic。他在Anthropic的工作将专注于与他在 OpenAI工作类似的主题——与AI模型的控制有关的安全问题。在高管离职几天后，OpenAI于5月初解散了超级对齐团队，团队的人员也整合到了公司的其他部门。董事会通过推特才知道ChatGPT推出同时，前董事会成员Helen Toner持续爆料Altman与董事会之间存在的沟通不畅问题，去年她参与了解雇Altman的事件。她透露，OpenAI董事会直到2022年11月ChatGPT发布后才知道它要推出。她表示：“董事会事先并未得到通知，我们在推特上了解到了ChatGPT。” Toner表示， Altman通过隐瞒信息、歪曲事实以及“在某些情况下直接向董事会撒谎”的方式，使OpenAI董事会难以履行职责。她还透露，Altman还向董事会隐瞒了公司的所有权结构。“萨姆没有告知董事会他拥有OpenAI创业基金，他一直声称自己是独立董事会成员，对公司没有任何经济利益”。

格隆汇2024-05-29

美股收盘：纳指突破17000点创新高英伟达狂飙近7%市值超2.8万亿美元

队负责人Jan Leike加盟竞争对手Anthropic】 OpenAI安全团队的前联合负责人Jan Leike周二在社交媒体宣布，他将加入OpenAI的竞争对手Anthropic。本月早些时候，在OpenAI的超级对齐团队（Superalignment）的另一位负责人Ilya Sutskever从公司辞职后，Leike也离开了公司。他们曾经领导的团队后来解散了。【OpenAI宣布已启动下一代前沿模型训练】当地时间周二，OpenAI发布公告称董事会成立一个负责把控AI开发方向的安全委员会。在这个看似平平的公告标题下，还隐藏着一条重磅消息——传言已久的“GPT-5”已经开搞了！OpenAI在公告中表示，近些日子已经开始训练公司的“下一代前沿模型”，预计这个新系统将达到通往AGI（通用人工智能）的“下一个能力水平”。

金融界2024-05-29

马斯克震撼融资60亿美元！ xAI将带来AI投资新浪潮？ OpenAI龙头地位岌岌可危？

（估值860亿美元），但是它已经超越了Anthropic（估值达180亿美元）。原文链接

投资慧眼2024-05-28

加密AI赛道的下一波叙事推演：催化因素、发展路径和相关标的

5 Pro 高了 4.9%，比第五名 Anthropic 的 Claude 3 Opus 高了 5.1%。从 GPT3 .5 初登场时震惊世界的时刻仅仅过去了一年多， OpenAI 的竞争对手们已经追到了非常接近的位置（尽管 GPT5 尚且没有放出，并预计在今年发布）， OpenAI 未来是否已经能保持自己的行业领先位置，这个答案似乎正在变得模糊。如果 OpenAI 的领先优势和统治地位被稀释乃至赶超，那么 Worldcoin 作为 OpenAI 的影子代币的叙事含金量也会下降。此外，除了 Worldcoin 的虹膜认证方案之外，越来越多的竞争对手也开始进入这个市场，比如手掌扫描 ID 项目 Humanity Protocol 刚刚宣布以 10 亿美元估值完成 3000 万美元新一轮融资， LayerZero Labs 也宣布将在 Humanity 上运行，并加入其的验证者节点网络，使用 ZK 证明对凭证进行身份验证。结语最后，笔者虽然对 AI 赛道后续的叙事进行了推演，但 AI 赛道与 DeFi 等加密原生赛道不同，其更多是 AI 热潮外溢至币圈的产物，目前诸多的项目就商业模式而言并未跑通，很多项目更像是 AI 主题的 Meme （比如 Rndr 类似于英伟达的 meme ， Worldcoin 类似于 Open AI 的 meme ），读者应审慎看待。来源：金色财经

金色财经2024-05-28

英伟达FY2025Q1业绩电话会议分析师问答

在它将是多模态和Gemini及其增长和Anthropic以及所有CSP正在进行的工作正在吞噬市面上的每一个GPU。还有一长串生成性AI初创公司，大约有15,000到20,000家初创公司，在从多媒体到数字角色的各个领域，当然还有各种设计工具应用——生产力应用、数字生物学、将AV行业转向视频，以便他们可以训练端到端模型，扩大自动驾驶汽车的运营领域。这个列表非常不寻常。我们实际上正在竞速。客户给我们施加了很大的压力，要求我们尽快交付系统并尽快建立。当然，我甚至还没有提到所有希望尽快让他们的基础设施上线的主权AI，因为他们想节省资金并赚钱。他们希望尽快做到这一点。接线员我们的下一个问题来自摩根士丹利的Joseph Moore。请继续。 Joseph Moore 太好了。谢谢。我知道你刚才说的需求有多强劲。你对H200和Blackwell产品的需求很大。你是否预计在从Hopper和H100过渡到这些产品时会有任何暂停？人们会等待这些新产品吗，这将是一个不错的产品？或者你认为对H100的需求足以维持增长？ Jensen Huang 我们看到对Hopper的需求在本季度持续增长。我们预计——我们预计在一段时间内需求将超过供应，因为我们现在过渡到H200，因为我们过渡到Blackwell。每个人都急于让他们的基础设施上线。原因就是这样，因为他们正在省钱和赚钱，他们希望尽快做到这一点。接线员我们的下一个问题来自高盛的Toshiya Hari。请继续。 Toshiya Hari 嗨。非常感谢你们接受我的问题。Jensen，我想问的是关于竞争。我认为你们的许多云客户都宣布了新的或更新到他们现有的内部计划，对吧，在与你们的合作同时进行。你认为他们在中长期内有多大程度上被视为竞争对手？在您看来，他们是否仅限于解决大部分内部工作负载，还是他们在未来可能会更广泛地解决问题？谢谢。 Jensen Huang 我们有几个不同之处。首先，NVIDIA的加速计算架构允许客户处理他们的管道的每个方面，从非结构化数据处理到准备训练，到结构化数据处理，像SQL这样的数据帧处理来准备训练，到训练到推理。正如我在我的言论中提到的，推理实际上已经发生了根本性的变化，现在是生成。不是试图检测一只猫，这本身就已经很困难了，而是必须生成猫的每一个像素。因此，生成过程是根本不同的处理架构。这也是TensorRT LLM之所以受到如此好评的原因之一。我们在我们架构上使用相同芯片的性能提高了三倍。这告诉你一些关于我们架构丰富性和我们软件丰富性的事情。所以首先，你可以用NVIDIA处理一切，从计算机视觉到图像处理，计算机图形学，到所有模态的计算。由于通用计算已经走到了尽头，世界现在正遭受计算成本和计算能源膨胀的困扰，因此加速计算是真正可持续的前进方式。所以加速计算是你在计算中节省资金的方式，是你在计算中节省能源的方式。因此，我们平台的多功能性使得数据中心的总拥有成本最低。第二，我们在每个云中都有。所以对于正在寻找平台进行开发的开发人员来说，从NVIDIA开始总是一个不错的选择。我们在本地，我们在云端。我们在任何大小和形状的计算机上。我们几乎无处不在。所以这是第二个原因。第三个原因与我们构建AI工厂的事实有关。这变得越来越明显，AI不仅仅是芯片问题。它当然始于非常好的芯片，我们为AI工厂构建了一大堆芯片，但它是一个系统问题。事实上，即使是AI，现在也是一个系统问题。它不仅仅是一个大型语言模型。它是一大堆大型语言模型的复杂系统，它们一起工作。所以NVIDIA构建这个系统的事实使我们能够优化我们所有的芯片作为一个系统一起工作，能够拥有作为一个系统运行的软件，并能够在整个系统中进行优化。只要举一个简单的数字例子，如果你有一个50亿美元的基础设施，你提高了两倍的性能，这是我们通常做的事情，当你提高基础设施两倍时，它的价值也是50亿美元。数据中心中的所有芯片并不能支付它。所以它的价值真的非常不寻常。这就是为什么今天，性能至关重要。这是在最高性能也是最低成本的时候，因为承载所有这些芯片的基础设施成本很高。运营数据中心需要很多资金，与此相关的人员，与之相关的电力，与之相关的房地产，一切都加起来。所以最高性能也是最低的总拥有成本。接线员我们的下一个问题来自TD Cowen的Matt Ramsay。请继续。 Matthew Ramsay 非常感谢。大家下午好。Jensen，我在数据中心行业工作了一辈子。我从未见过你们以同样的性能飞跃速度推出新平台，我的意思是，在训练中提高了5倍。你在GTC上谈到的一些内容，在推理上提高了30倍。这真是令人惊叹，但这也创造了一个有趣的对比，即你的客户正在花费数十亿美元购买的当前一代产品，将比你的产品折旧周期更快地不再具有竞争力。所以我想让你——如果你不介意的话，谈一谈你如何看待这种情况与客户的发展。随着你转向Blackwell，你将拥有非常大的安装基础，显然软件兼容，但安装基础的产品的性能远不如你的新一代产品。我很想知道你如何看待客户在这方面的发展。谢谢。 Jensen Huang 是的。我真的很感激。我想提出三点。如果你是5%的建设完成，而不是95%，你的感觉会非常不同。因为你无论如何都只有5%的建设完成，所以尽快建设。当Blackwell到来时，它会非常棒。然后，在Blackwell之后，正如你提到的，我们还有其他的Blackwell即将到来。然后有一个短暂的——我们已经向世界解释了一年的节奏。我们希望我们的客户看到我们的路线图，尽可能地看到他们喜欢的东西，但他们无论如何都是早期建设，所以他们必须继续建设，好吗。所以将会有很多芯片向他们袭来，他们必须继续建设和只是，如果你愿意的话，通过性能平均进入它。这是聪明的做法。他们今天需要赚钱。他们今天想省钱。时间对他们来说真的很有价值。让我给你举一个时间非常有价值的例子，为什么立即建立数据中心的想法如此有价值，以及获得训练时间的概念如此有价值。原因是因为下一个达到下一个主要里程碑的公司将宣布一个开创性的AI。而之后的第二个公司则宣布了一些东西，只比原来好0.3%。所以问题是，你是想成为反复提供开创性AI的公司，还是提供比原来好0.3%的公司？这就是为什么这场比赛如此重要的原因，就像所有的技术比赛一样。你看到这场比赛在多家公司中展开，因为这对拥有技术领导地位，让公司信任领导地位并希望在你们的平台上构建，并且知道他们正在构建的平台将越来越好至关重要。所以领导地位非常重要。训练时间非常重要。提前三个月完成训练时间，以便提前三个月开始一个为期三个月的项目，提前三个月开始就是一切。所以我们现在正在疯狂地建立Hopper系统，因为下一个里程碑就在眼前。所以这是第二个原因。你刚才提出的评论实际上是一个非常好的评论，即我们是如何做到的——我们移动得如此之快，并且如此迅速地推进它们？因为我们在这里拥有所有的技术栈。我们在这里字面意义上建立了整个数据中心，我们可以监控一切，测量一切，跨一切进行优化。我们知道所有的瓶颈在哪里。我们不是在猜测。我们不会放一些看起来不错的PowerPoint幻灯片。我们实际上——我们也喜欢我们的PowerPoint幻灯片看起来不错，但我们交付的系统在规模上表现良好。我们之所以知道它们在规模上表现良好的原因是因为我们在这里建立了它们。现在，我们所做的其中一件有点奇迹的事情是，我们在这里建立了整个AI基础设施，但然后我们将其解构并集成到我们客户的数据中心，无论他们喜欢什么方式。但我们知道它将如何表现，我们知道瓶颈在哪里。我们知道我们需要在哪里与他们合作进行优化，并知道我们需要在哪里帮助他们改进他们的基础设施以实现最佳性能。这种对整个数据中心规模的深刻了解基本上是今天让我们与众不同的地方。我们从头开始构建每一个芯片。我们确切地知道整个系统是如何进行处理的。所以我们确切地知道它将如何表现，以及如何利用每一代产品获得最佳性能。所以我很感激。这就是三点。接线员你的下一个问题将来自Evercore ISI的Mark Lipacis。请继续。 Mark Lipacis 嗨。谢谢你接受我的问题。Jensen，过去，你曾经观察到，通用计算生态系统通常主导了每个计算时代。我相信论点是它们可以适应不同的工作负载，获得更高的利用率，推动计算周期的成本降低。这是你推动通用GPU CUDA生态系统向加速计算发展的动机。如果我误解了那个观察，请告诉我。所以问题是，鉴于推动对你的解决方案需求的工作负载是由神经网络训练和推理驱动的，这在表面上看起来像是有限数量的工作负载，那么它们也可能适用于定制解决方案。所以问题是，通用计算框架是否变得更有风险，或者这些工作负载的变异性或快速发展是否足以支持历史通用框架？谢谢。 Jensen Huang 是的。NVIDIA的加速计算是多功能的，但我不会称之为通用的。例如，我们可能不擅长运行电子表格。那真的是为通用计算设计的。因此，有一个——操作系统代码的控制循环可能对通用计算不是很好，而不是加速计算。所以我会说我们是多功能的，这通常是我描述它的方式。多年来，我们能够加速的应用程序领域非常丰富，但它们都有很多共同点。也许有一些深刻的差异，但有共同点。它们都可以并行运行，都非常依赖线程。5%的代码代表了99%的运行时间，例如。这些都是加速计算的特性。我们平台的多功能性和我们设计整个系统的事实是过去10年左右，你们在这些电话会议中问我的初创公司数量相当大的原因。每一个，因为他们的架构脆弱，当生成性AI出现时，或者当融合模型出现时，当现在即将出现的下一种模型时。突然之间，看看这个，带有记忆的大型语言模型，因为大型语言模型需要有记忆，这样他们才能与你进行对话，理解上下文。突然之间，Grace内存的多功能性变得非常重要。所以每一次这些生成性AI的进步和AI的进步都迫切需要不是为一个模型设计的一个小部件。而是要有一些真正适合整个领域的东西，整个领域的特性，但要遵循软件的首要原则，即软件将继续发展，软件将继续变得更好、更大。我们相信这些模型的扩展。有很多原因，我们将在未来几年内轻松地扩展一百倍，我们期待着它，我们已经准备好了。所以，我们平台的多功能性确实是关键。如果你太脆弱、太具体了，你还不如直接构建一个FPGA或者构建一个ASIC或者类似的东西，但那几乎不是一台计算机。接线员我们的下一个问题来自Jefferies的Blayne Curtis。请继续。 Blayne Curtis 谢谢你接受我的问题。实际上，我很好奇，我是说，在供应受限的情况下，你为中国推出了一款产品，H20。我假设对它的需求量很大，但显然，你还在尽力用其他Hopper产品为你的客户提供服务。只是有点好奇，你如何看待下半年的情况。你能详细说明一下，你对销售以及毛利率的影响有何看法。 Jensen Huang 我没有听到你的问题。有些东西被消音了。 Simona Jankowski H20，以及你如何看待在不同的Hopper产品之间分配供应。 Jensen Huang 嗯，我们有我们要尊重的客户，我们尽最大努力为每个客户服务。确实，我们在中国的业务比过去低得多。由于对我们技术的限制，中国现在的竞争要激烈得多。所以这些都是真的。然而，我们继续尽最大努力为那里市场的客户提供服务，并且尽我们所能，我们将尽最大努力。但我认为总体上，我们关于需求超过供应的评论是针对整个市场的，特别是对H200和Blackwell年底的情况。接线员我们的下一个问题来自Raymond James的Srini Pajjuri。请继续。 Srini Pajjuri 谢谢。Jensen，实际上更多的是对你所说的澄清。GB 200系统，看起来对系统的需求很大。历史上，我想你卖了很多HGX板和一些GPU，系统业务相对较小。所以我只是好奇，为什么现在你看到如此强烈的需求系统向前发展？这仅仅是因为总拥有成本，还是别的什么，或者是因为架构？谢谢。 Jensen Huang 是的。我感谢那个。实际上，我们销售GB200的方式是一样的。我们分离所有有意义的组件，并将它们集成到计算机制造商中。今年将有100种不同的计算机系统配置用于Blackwell。这是破纪录的。坦率地说，Hopper只有一半，但那是在它的高峰。它开始时甚至比那还少。所以你将看到液体冷却版本、空气冷却版本、x86版本、Grace版本，等等。正在设计一大堆系统。它们由我们所有伟大的合作伙伴生态系统提供。没有什么真的改变了。当然，Blackwell平台极大地扩展了我们的提供。CPU的集成和计算密度的更压缩，液体冷却将在配置电力方面为数据中心节省很多资金，更不用说更具能源效率了。所以这是一个更好的解决方案。它的扩展性更强，意味着我们为数据中心提供了更多的组件，每个人都赢了。数据中心获得了更高的性能，来自网络交换机的网络。当然，NICs，我们现在有了以太网，所以我们可以将NVIDIA AI大规模地带给那些只懂得操作以太网的客户，因为他们拥有的生态系统。所以Blackwell更加扩展。我们在这个时代为我们的客户提供了更多的东西。接线员我们的下一个问题来自Truist Securities的William Stein。请继续。 William Stein 太好了。谢谢你接受我的问题。Jensen，某种程度上说，NVIDIA决定，尽管有相当好的CPU可用于数据中心运营，但你基于ARM的Grace CPU提供了一些真正的优势，这使得这项技术值得交付给客户，可能与成本或功耗或Grace和Hopper、Grace和Blackwell之间的技术协同有关。你能谈谈是否会有类似的动态可能出现在客户端，尽管有非常好的解决方案，你已经强调了Intel和AMD是非常好的合作伙伴，在x86方面提供了非常好的产品，但可能在新兴的AI工作负载方面，NVIDIA可以提供的优势，其他人可能更有挑战？ Jensen Huang 嗯，你提到了一些非常好的理由。确实，对于许多应用程序来说，我们与x86合作伙伴的合作非常棒，我们一起构建了出色的系统。但是Grace让我们能够做一些用今天的系统配置无法实现的事情。Grace和Hopper之间的内存系统是相干且连接的。两个芯片之间的互连，称之为两个芯片几乎很奇怪，因为它就像一个超级芯片。它们通过这个每秒数兆的接口连接。这是破纪录的。Grace使用的内存是LPDDR。这是第一个数据中心级低功耗内存。所以我们在每个节点上都节省了很多电力。最后，由于架构，因为我们现在可以用整个系统创建自己的架构，我们可以创建一个具有真正大的NVLink领域的东西，这对于下一代大型语言模型的推理至关重要。所以你看到GB200有一个72节点的NVLink领域。这就像72个Blackwell连接在一起，形成一个巨大的GPU。所以我们需要Grace Blackwell才能做到这一点。所以有架构原因，有软件编程原因，还有系统原因，这对我们以这种方式构建它们至关重要。所以如果我们看到像那样的机会，我们会探索它。今天，正如你在昨天的构建中看到的，我认为非常棒，Satya宣布了下一代PC，Copilot+ PC，它在NVIDIA的RTX GPU上运行得非常好，这些GPU正在笔记本电脑中发货。但它也非常漂亮地支持ARM。所以它甚至为PC的系统创新打开了机会。接线员我们的最后一个问题来自Cantor Fitzgerald的C.J. Muse。请继续。 C.J. Muse 下午好。谢谢你接受我的问题。Jensen，这是一个更长期的问题。我知道Blackwell甚至还没有启动，但显然，投资者是前瞻性的，并且在潜在的GPU和定制ASIC的竞争中，你如何看待NVIDIA的创新步伐和你在过去十年中的百万倍扩展，真正令人印象深刻。CUDA、Varsity、Precision、Grace、Cohere和Connectivity。当你向前看时，未来十年需要解决什么摩擦？也许更重要的是，你今天愿意和我们分享什么？ Jensen Huang 嗯，我可以宣布，在Blackwell之后，还有另一个芯片。我们处于一年的节奏中。所以你还可以指望我们在非常快的节奏上拥有新的网络技术。我们宣布了Spectrum-X用于以太网。但我们都致力于以太网，我们有一个非常令人兴奋的以太网路线图即将到来。我们有一个丰富的合作伙伴生态系统。戴尔宣布他们将把Spectrum-X推向市场。我们有一个丰富的客户和合作伙伴生态系统，他们将宣布将我们的整个AI工厂架构推向市场。所以对于那些想要最终性能的公司，我们有InfiniBand计算织物。InfiniBand是一种计算织物，以太网是一种网络。多年来，InfiniBand最初是一种计算织物，成为了更好的网络。以太网是一种网络，有了Spectrum-X，我们将使它成为一个更好的计算织物。我们全面致力于所有三个链接，NVLink计算织物用于单一计算域，InfiniBand计算织物，以太网网络计算织物。所以我们将非常迅速地推进所有三个。所以你将看到新的交换机到来，新的NIC到来，新的能力，运行在所有三个上面的新软件堆栈。新的CPU，新的GPU，新的网络NIC，新的交换机，一大堆芯片即将到来。所有这些，美妙的事情是所有这些都能运行CUDA。它们都运行我们的整个软件堆栈。所以你今天投资我们的软件堆栈，不用做任何事情，它只会变得更快、更快、更快、更快。如果你今天投资我们的架构，不用做任何事情，它将进入更多的云和更多的数据中心，一切都运行。所以我认为我们带来的创新步伐将提高能力，一方面，降低总拥有成本另一方面。所以我们应该能够扩展NVIDIA架构，迎接计算的这个新时代，并开始这场新的工业革命，我们将不仅仅制造软件，我们将大规模地制造人工智能代币。谢谢。 (这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)

老虎证券2024-05-23

英伟达FY2025Q1业绩电话会议高管解读财报

LM公司，如OpenAI、Adept、Anthropic、Character.AI、Cohere、Databricks、DeepMind、Meta、Mistral、xAI等许多其他公司，都在云端构建NVIDIA AI。企业推动了本季度数据中心的强劲连续增长。我们支持特斯拉将其训练AI集群扩展到35,000个H100 GPU。他们使用NVIDIA AI基础设施为基于视觉的最新自动驾驶软件FSD版本12的突破性性能铺平了道路。视频转换器虽然消耗了更多的计算，但正在实现显著更好的自动驾驶能力，并推动汽车行业对NVIDIA AI基础设施的显著增长。我们预计汽车将成为今年数据中心的最大企业垂直领域，推动在本地和云消费方面的数十亿美元的收入机会。消费互联网公司也是一个强劲的增长垂直领域。本季度的一个亮点是Meta宣布了他们的最新大型语言模型Llama 3，该模型是在24,000个H100 GPU集群上训练的。Llama 3为Meta AI提供动力，这是Facebook、Instagram、WhatsApp和Messenger上提供的一种新的AI助手。Llama 3公开可用，已经在各个行业中引发了一波AI开发浪潮。随着生成性AI进入更多的消费互联网应用，我们预计随着推理规模随着模型复杂性以及用户数量和每个用户的查询数量的增加，我们将看到持续的增长机会，从而带来对AI计算的更多需求。在过去的四个季度中，我们估计推理推动了我们数据中心收入的约40%。训练和推理都在显著增长。像Meta和特斯拉构建的大型集群是AI生产所必需的基础设施，我们称之为AI工厂。这些下一代数据中心拥有先进的全栈加速计算平台，数据输入，智能输出。在第一季度，我们与100多个客户合作构建AI工厂，规模从几百到几万个GPU不等，有些达到了10万个GPU。从地理角度来看，随着世界各国投资主权AI，数据中心收入持续多样化。主权AI指的是一个国家利用自己的基础设施、数据、劳动力和商业网络生产人工智能的能力。国家正在通过各种模式建立国内计算能力。一些国家正在与国有电信提供商或公用事业公司合作采购和运营主权AI云。其他国家则赞助当地云合作伙伴，为公共和私营部门提供共享的AI计算平台。例如，日本计划投资超过7.4亿美元给关键的数字基础设施提供商，包括KDDI、樱花互联网和软银，以构建国家的主权AI基础设施。法国的Scaleway，Iliad集团的子公司，正在建设欧洲最强大的云原生AI超级计算机。在意大利，Swisscom集团将建立国家首个也是最强大的由NVIDIA DGX驱动的超级计算机，以开发首个本地训练的意大利语LLM。在新加坡，国家超级计算中心正在升级为NVIDIA Hopper GPU，而Singtel正在整个东南亚建设NVIDIA加速的AI工厂。 NVIDIA提供端到端计算到网络技术、全栈软件、AI专业知识以及丰富的合作伙伴和客户生态系统，使主权AI和区域云服务提供商能够迅速启动他们国家的AI雄心。与去年相比，我们相信主权AI收入今年可以达到数十亿美元的高个位数。AI的重要性已经引起了每个国家的注意。我们为中国推出了专门设计的新产品，这些产品不需要出口控制许可证。由于去年10月实施新的出口控制限制，我们在中国的数据中心收入从之前的水平大幅下降。我们预计中国市场将继续保持非常激烈的竞争。从产品角度来看，大部分计算收入是由我们的Hopper GPU架构推动的。在本季度，Hopper的需求持续增长。由于CUDA算法的创新，我们已经能够在H100上加速LLM推理高达3倍，这可以转化为为像Llama 3这样的流行模型提供服务的成本降低3倍。我们在第一季度开始对H200进行采样，目前正在生产中，并计划在第二季度发货。第一个H200系统由Jensen交付给OpenAI的Sam Altman及其团队，并为上周他们惊人的GPT-4o演示提供动力。H200的推理性能几乎是H100的两倍，为生产部署提供了显著的价值。例如，使用具有7000亿参数的Llama 3，单个NVIDIA HGX H200服务器可以每秒提供24,000个token，同时支持超过2400名用户。这意味着对于在当前价格下每花费1美元购买NVIDIA HGX H200服务器，提供Llama 3 token的API提供商在四年内可以产生7美元的收入。随着软件的持续优化，我们继续提高NVIDIA AI基础设施在提供AI模型方面的性能。虽然H100的供应证明，我们仍然在H200上受到限制。与此同时，Blackwell正在全面生产中。我们正在努力使我们的系统和云合作伙伴在今年晚些时候全球可用。H200和Blackwell的需求远远超过供应，我们预计需求可能会在明年的大部分时间里超过供应。 Grace Hopper超级芯片正在大量发货。上周在国际超级计算大会上，我们宣布全球有九台新的超级计算机正在使用Grace Hopper，今年共提供了200 exaflops的节能AI处理能力。这些包括瑞士国家超级计算中心的Alps超级计算机，这是欧洲最快的AI超级计算机。英国布里斯托尔大学的Isambard-AI和德国于利希超级计算中心的JUPITER。我们看到由于其高能效和性能，Grace Hopper在超级计算中的附加率达到了80%。我们还自豪地看到，由Grace Hopper驱动的超级计算机占据了世界上最节能超级计算机的第一、第二和第三位。 InfiniBand推动了网络同比增长的强劲增长。我们经历了适度的环比下降，这主要是由于供应时间的问题，需求远远超过了我们能够发货的数量。我们预计网络将在第二季度恢复环比增长。在第一季度，我们开始发货我们的新型Spectrum-X以太网网络解决方案，该解决方案从一开始就针对AI进行了优化。它包括我们的Spectrum-4交换机、BlueField-3 DPU和新的软件技术，以克服AI对以太网的挑战，与传统以太网相比，为AI处理提供高达1.6倍的网络性能。 Spectrum-X正在多个客户中增加产量，包括一个庞大的10万个GPU集群。Spectrum-X为NVIDIA网络打开了一个新的市场，并使仅以太网数据中心能够容纳大规模AI。我们预计Spectrum-X在一年内将跃升为一个价值数十亿美元的产品线。在3月的GTC上，我们推出了下一代AI工厂平台Blackwell。Blackwell GPU架构提供比H100快4倍的训练和30倍的推理，并在万亿参数的大型语言模型上实现实时生成性AI。 Blackwell是一个巨大的飞跃，与Hopper相比，其总拥有成本和能耗降低了25倍。Blackwell平台包括第五代NVLink，带有多GPU脊柱和新的InfiniBand和以太网交换机，X800系列专为万亿参数规模的AI设计。 Blackwell旨在支持数据中心的普遍性，从超大规模到企业，从训练到推理，从x86到Grace CPU，从以太网到InfiniBand网络，以及从空气冷却到液体冷却。Blackwell在推出时将在100多个OEM和ODM系统中提供，是Hopper推出的数量的两倍多，代表了世界上每一个主要的计算机制造商。这将支持在客户类型、工作负载和数据中心环境中的快速和广泛采用。 Blackwell上市客户包括亚马逊、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉和xAI。我们宣布了一个新的软件产品，即NVIDIA推理微服务或NIM的推出。 NIM提供安全且性能优化的容器，由NVIDIA CUDA加速的网络计算和推理软件提供支持，包括Triton推理服务器和TensorRT LLM，以及用于广泛的用例的行业标准API，包括用于文本、语音、图像、视觉、机器人技术、基因组学和数字生物学的大型语言模型。它们使开发人员能够使用来自NVIDIA、AI21、Adept、Cohere、Getty Images和Shutterstock的领先模型，以及来自谷歌、Hugging Face、Meta、微软、Mistral AI、Snowflake和Stability AI的开放模型，快速构建和部署生成性AI应用程序。NIM将作为我们NVIDIA AI企业软件平台的一部分，用于在云中或在本地生产部署。转向游戏和AI PC。游戏收入为26.5亿美元，环比下降8%，同比增长18%，符合我们对季节性下降的预期。GeForce RTX Super GPU的市场接受度很高，整个产品系列的最终需求和渠道库存保持健康。从我们AI之旅的最开始，我们就为GeForce RTX GPU配备了CUDA张量核心。现在拥有超过1亿的安装基数，GeForce RTX GPU非常适合游戏玩家、创作者、AI爱好者，并在PC上运行生成性AI应用程序方面提供无与伦比的性能。 NVIDIA拥有完整的技术栈，可以在GeForce RTX PC上部署和运行快速高效的生成性AI推理。TensorRT LLM现在加速了微软的Phi-3-Mini模型和谷歌的Gemma 2B和7B模型，以及包括LangChain和LlamaIndex在内的流行AI框架。昨天，NVIDIA和微软宣布了Windows的AI性能优化，以帮助在NVIDIA GeForce RTX AI PC上运行LLMs高达3倍的速度。包括网易游戏、腾讯和育碧在内的顶级游戏开发商正在采用NVIDIA Avatar角色引擎，以创建逼真的化身，改变游戏玩家和非玩家角色之间的互动。转向ProVis。收入为4.27亿美元，环比下降8%，同比增长45%。我们认为，生成性AI和Omniverse工业数字化将推动专业可视化增长的下一波浪潮。在GTC上，我们宣布了新的Omniverse Cloud API，使开发人员能够将Omniverse工业数字孪生和模拟技术集成到他们的应用程序中。包括ANSYS、Cadence、达索系统的3DEXCITE、Brand和西门子在内的一些世界上最大的工业软件制造商正在采用这些API，开发人员可以使用它们将空间计算设备（如苹果Vision Pro）流式传输工业数字孪生。Omniverse Cloud API将在今年晚些时候在微软Azure上提供。公司正在使用Omniverse数字化他们的工作流程。Omniverse强大的数字孪生使纬创，我们的一个制造合作伙伴，将端到端生产周期时间缩短了50%，缺陷率降低了40%。而全球最大的电动汽车制造商比亚迪正在采用Omniverse进行虚拟工厂规划和零售配置。转向汽车行业。收入为3.29亿美元，环比增长17%，同比增长11%。环比增长是由全球OEM客户的AI驾驶舱解决方案推动的，以及我们自动驾驶平台的实力。同比增长主要是由自动驾驶推动的。我们支持小米成功推出了其首款电动汽车SU7轿车，该车型基于NVIDIA DRIVE Orin构建，这是我们的AI汽车计算机，用于软件定义的AV车队。我们还宣布了NVIDIA DRIVE Thor的新设计胜利，Orin的继任者，由新的NVIDIA Blackwell架构驱动，与包括比亚迪、小鹏、广汽埃安超能和Neuro在内的几家领先的EV制造商合作。DRIVE Thor计划从明年开始在量产车辆中使用。好的，转向损益表的其他部分。GAAP毛利率环比增长至78.4%，非GAAP毛利率增长至78.9%，这得益于较低的库存目标。正如上个季度所指出的，第四季度和第一季度都受益于有利的组件成本。从环比来看，GAAP运营费用增长了10%，非GAAP运营费用增长了13%，主要反映了与薪酬相关的成本增加以及计算和基础设施投资的增加。在第一季度，我们以股票回购和现金股息的形式向股东返还了78亿美元。今天，我们宣布了我们股票的10比1拆分，6月10日作为拆股调整后交易的第一天。我们还将股息增加了150%。让我来谈谈第二季度的展望。总收入预计将达到280亿美元，正负2%。我们预计所有市场平台都将实现环比增长。GAAP和非GAAP毛利率预计将分别为74.8%和75.5%，正负50个基点，与我们上个季度的讨论一致。对于全年，我们预计毛利率将在百分之七十多的范围内。GAAP和非GAAP运营费用预计将分别约为40亿美元和28亿美元。全年OpEx预计将增长在百分之四十多的低范围内。 GAAP和非GAAP其他收入和费用预计将分别产生大约的收入，对不起，大约3亿美元的收入，不包括非关联投资的收益和损失。GAAP和非GAAP税率预计将分别为17%，正负1%，不包括任何单独项目。更多的财务细节包含在首席财务官评论和其他信息中，这些信息在我们的IR网站上提供。现在，我想把它交给Jensen，因为他想发表一些评论。 Jensen Huang 谢谢，Colette。行业正在经历一个重大变化。在我们开始问答之前，让我给你一些关于转型重要性的视角。下一次工业革命已经开始。公司和国家正在与NVIDIA合作，将价值数万亿美元的传统数据中心基础设施转变为加速计算，并构建一种新型数据中心，AI工厂，以生产一种新商品，人工智能。 AI将为几乎所有行业带来显著的生产率提升，并帮助公司在扩大收入机会的同时更具成本和能源效率。云服务提供商（CSP）是第一批生成性AI的推动者。有了NVIDIA，CSP加速了工作负载以节省资金和电力。由NVIDIA Hopper驱动的token为其AI服务带来收入。而NVIDIA云实例则吸引了我们丰富的开发人员生态系统中的租赁客户。强劲且加速的需求——对Hopper平台上生成性AI训练和推理的加速需求推动了我们数据中心的增长。随着模型学习成为多模态，理解文本、语音、图像、视频和3D，并学会推理和计划，训练继续扩大。我们的推理工作负载正在令人难以置信地增长。有了生成性AI，推理——现在大约是大规模快速token生成，已经变得非常复杂。生成性AI正在推动从基础上完全堆栈计算平台的转变，这将改变每一次计算机交互。从今天的信息检索模型，我们正在转向一个答案和技能生成模型的计算。AI将理解上下文和我们的意图，具有知识，推理、计划并执行任务。我们正在从根本上改变计算的工作原理以及计算机可以做什么，从通用CPU到GPU加速计算，从指令驱动的软件到意图理解模型，从检索信息到执行技能，并且在工业层面上，从生产软件到生成token，制造数字智能。 Token生成将推动AI工厂多年的建设。除了云服务提供商，生成性AI已经扩展到消费互联网公司和企业，主权AI、汽车和医疗保健客户，创造了多个数十亿美元的垂直市场。 Blackwell平台正在全面生产，并构成万亿参数规模生成性AI的基础。Grace CPU、Blackwell GPU、NVLink、Quantum、Spectrum、混合和交换机的组合，高速互连以及丰富软件和合作伙伴生态系统，让我们能够扩展并提供比前几代更丰富和更完整的AI工厂解决方案。 Spectrum-X为我们打开了一个全新的市场，将大规模AI带到仅限以太网的数据中心。而NVIDIA NIMs是我们的新软件产品，它提供企业级优化的生成性AI，在CUDA加速的任何地方运行，从云端到本地数据中心，再到通过我们广泛的生态系统合作伙伴网络的RTX AI PC。从Blackwell到Spectrum-X再到NIMs，我们为下一波增长做好了准备。谢谢。 (这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)

老虎证券2024-05-23

C3.ai没把握住AI机会

1时，我不知道，Databricks或Anthropic或者不管是谁，好吧，他们输入名称、地址、财务状况、风险因素，敲击回车，它在一小时内生成了S1的初稿。嗯，那以前需要七名助手两周时间。主要的脱节仍然是来自这些交易的收入，在这些交易中，客户在数周的时间内节省了多达7名员工的工作，然而C3.ai并没有看到收入的大幅增长。 2025财年增长温和投资者希望看到的是第四财季营收超过8400万美元的共识目标。这样的季度收入总额将比第三季度的7800万美元高出600万美元。来源：C3.ai 分析师对25财年的普遍目标是实现不温不火的连续季度收入增长，而消费模式加上试点测试的增加，则与更显著的增长保持一致。C3.ai的目标是在第一季度实现8600万美元的收入，第三季度将缓慢增长至9300万美元，而当人工智能需求蓬勃发展时，该公司的消费模式将超过第10个季度。另一个重要的数字是季度现金消耗或净亏损。C3.ai季度末现金余额为7.23亿美元，，因此，如果收入增长足够快，那么现金消耗水平就不那么重要了。无论如何，在24财年前三个季度1.06亿美元的负自由现金流之后，该公司指引在第四季度和25财年实现了正自由现金流。第四财季的指引是运营亏损，中间值为4750万美元。这一巨额亏损是上一季度亏损的两倍多，市场希望看到C3.ai将差距缩小回收支平衡，而不是亏损率超过收入的50%。 C3.ai和整个AI软件行业面临的主要大问题是，即将离任的首席财务官Juho Parkkinen在2024年第三财季收益电话会议上的这一声明：但我是说，我们还在为25财年做计划。我的意思是，我们认为机会是巨大的。我们对生成式人工智能的机会感到非常兴奋，但现在就给你们提供关于25财年收入的任何指引还为时过早。然而，我们对25年的自由现金流为正充满信心。一方面，C3.ai预测了一个巨大的人工智能机会，但分析师甚至不认为该公司第四季度的季度收入能超过1亿美元，而5月29日报告的第四季度收入估计达到8400万美元。与Palantir 一样，问题在于巨大的机会在很大程度上仍未实现。使用当前2025财年收入目标仅为3.68亿美元，并保守假设随着持续运营亏损，现金余额下降至5亿美元，股票应在以下范围内交易，投资者希望购买C3.ai在范围的低端： 5倍EV/2025财年收入3.68亿美元 = 20美元。 8倍EV/2025财年收入3.68亿美元 = 29美元。总结关键要点是，C3.ai的交易价格正好处于软件公司通常基于EV/S目标交易的范围，具有强劲的利润。C3.ai公司还远未盈利，AI软件故事并未产生保证溢价估值的增长。投资者肯定会关注该领域拐点的任何迹象。 $C3.ai, Inc.(AI)$

老虎证券2024-05-21

四大亮点：Web3 AI算力调度平台EMC Hub惊艳亮相

penAI （模型）+微软（计算）、 Anthropic （模型）+ AWS （计算）、谷歌（两者都有）和（通过加倍努力建设自己的数据中心，两者都越来越多）。总的来说，超大规模企业正在前所未有地投资数十亿美元用于数据中心建设，并在其计算和人工智能产品之间创造协同效应，随着人工智能在全球经济中的普及，预计将产生巨大的收益。在算力资源紧张的情况下，AI DePIN呈现快速发展，无疑为更广泛的人群提供参与机会。 EMC（EdgeMatrix Computing) 是AI DePIN和AI算力应用网络，已经在全球30多个国家和地区建立了算力网络和AI+Web3社区。 EMC面向全球第一个提出了“DeAI”的全新概念，以AI应用需求驱动算力网络，建立一体化的AI应用生态，目标是成为去中心化的“OpenAI”。 EMC如何调度全网的算力呢？答案就是EMC Hub。 https://emchub.ai/ EMC Hub是EMC的去中心化AI算力调度平台，为AI模型库、AI开发者服务、AI应用部署等提供所需的资源、算力、API和工具，以训练、优化和部署他们的AI模型。 EMC Hub四大亮点 EMC是如何进行算力调度的呢？ 1 聚合算力资源当前，部署在EMC网络的GPU节点有450多个，分布在全球数十个国家和地区，主要GPU型号包括A100、H100、4090、3090等。EMC算力由互联网数据中心（IDC）、云服务提供商（CSP）、矿场（Mining farm）及EMC AI Workstation提供。因为EMC节点采用PoW+PoS机制，所以贡献算力与参与算力质押都将获得代币奖励，使用者可以同时获得挖矿和质押的双重奖励。当前EMC Hub提供的GPU算力价格从每小时0.05-0.35美元不等，价格上与市面产品相差不大，但提供的选择种类多，用户可根据自身需求选择，并且使用算力的过程，将会有EMC网络奖励产生。综合评估下来，选择EMC网络的算力具有绝对优势。从使用情况来看，截至目前，有450多个算力节点分布全球各地，超过1208万次API交互。对于一个新项目来说，这样的数据让人眼前一亮，也侧面反映了EMC本身的AI算力基础设施建设能力。 EMC推特关注用户在短时间内快速达到了90K，如果你对EMC还很陌生，那可要抓紧时间「学习」一下了。 2 全面开放的接口 Openverse 是建立在EMC协议之上的一套Web3 dapp开发框架，它提供了丰富的SDK和API，帮助开发者更加便捷地开发、部署和管理应用，使Web2开发人员能够轻松过渡到构建Web3 AI项目。 AI开发者向EMC Hub发送API请求时，只需要等待网络响应，而服务发现、负载平衡、重试机制等中间过程不再是开发者需要关注的问题，大大减少了AI开发者的时间和精力。 Openverse的三个特点： ① 完全开放的工具 ② 超过7亿个来自共享API和Common Crawl的资源 ③ 来自公共库的海量资源，可循环使用 3 多样化的应用生态通过去中心化的模型和数据，用户可以自主构建和定制各种智能应用。 EMC Hub为用户提供DApps应用生态市场DeAI Store，不仅能够满足用户个性化的需求，还能够促进智能技术的广泛应用和推广。目前，EMC Hub上接入或即将上线的AI DApps包括： OmniMuse OmniMuse是一个汇聚去中心化人工智能应用的创新平台，提供多种模型，户可以创建或微调，并与社区分享他们的创作。通过去中心化AI，为AI开发人员和用户提供一个安全、透明和高效的平台来促进AI技术创新发展，用户可以轻松地发现并获得最新的智能技术应用。打造一个没有技术“边界”、人人共享的合作平台，释放AI的巨大潜力。 OmniMuse提供去中心化的AI数据存储、智能合约模板、开发框架，并集成加密工具确保用户隐私安全。 JarvisBot JarvisBot是一个高级Al聊天机器人，可以根据需要改变角色。JarvisBot不仅提供了AI使用窗口，能够回答任何复杂的问题，帮你写文章，AI生图，总结文章，创作视频等，还提供了Web3经济模型，用户在为AI消费的同时，也能通过AI来赚取收益。通过不断与用户交流，JarvisBot学习并适应用户需求，成为个人专家。 JarvisBot采用Al2Earn的模式，通过与JarvisBot互动或完成任务，用户的贡献不仅能够促进大模型的学习和成长，还能带来奖励。 BountyBay BountyBay 是一个在 Telegram 生态系统上开发的去中心化社交电商平台。以利用 Web3 和人工智能的强大潜力为使命，BountyBay 正在开创下一代社交电商体验。通过整合区块链技术和智能合约，BountyBay 致力于创建一个安全、透明且以用户为中心的平台，为全球用户提供更便捷、高效和创新的社交电商解决方案。无论是交易商品、服务，还是建立社交联系，BountyBay 都承诺为用户带来前所未有的互动体验，重塑社交电商的未来。 JoJoWorld JoJoWorld 是一个基于 Web3 的 AIGC 应用程序，允许全球用户通过将文本转换为 3D 模型来探索 3D 世界。JoJoWorld 总部位于纽约，已被选入 NVIDIA 加速器计划，并获得瑞士交易所创新部门的投资。 OlaWealth OlaWealth是一个社交交易应用程序，旨在彻底改变加密货币交易的方式。 4 结算和交易平台 EMC Hub也是在使用EMC算力时需要消耗的Credits的充值结算中心，充当着EMC交易市场的买卖凭证。在EMC网络中调用算力时（无论是进行AI应用的开发，还是使用AI Bot进行生图、生文等），需要充值$EMC来获取credits，充值的$EMC将全部销毁。这将使得$EMC价值不断增长，吸引越来越多的开发者和创作者前来使用，并获取丰厚的奖励。在EMC Hub交易市场，通过消耗Credits，AI模型可以更有效地进行交易、共享和利用，促进协作和创新。这将促进创意社区内的协作和知识共享，使艺术家能够将他们的模型变现，并创建一个AI+Web3经济驱动的生态系统。通过邮箱或者钱包登入EMC Hub，将获得初始Credits奖励，并且可以使用EMC来进行兑换。兑换完成后，可直接在EMC网络上使用算力或体验最新应用。结语 EMC Hub 的出现标志着 AI+Web3 领域的进一步发展和成熟。从目前体验情况来看，与早期版本相比，已有飞速的升级。作为一个聚合算力资源、开放接口、多样化应用生态和结算交易平台的综合性平台，它为全球 AI 开发者和用户提供了一个安全、高效、透明的交流和合作平台。随着 EMC 算力网络的不断扩张和完善，我们相信 EMC Hub 将继续推动 AI+Web3 领域的创新和进步，为构建一个更加开放、共享、智能的未来做出积极贡献。来源：金色财经

金色财经2024-05-21

我的一张大字报——为什么我要旗帜鲜明的批判BITTENSOR

◦ 矿⼯收到prompt后，可以选择anthropic.claude-v2:1 Anthropic, gemini-pro, claude-3-opus等模型答题。https://github.com/corcel-api/cortex.t/blob/main/miner/miner.py • 矿⼯答案打分 ◦ ⽐较response与参考答案相似度。 ◦ 对于text prompting，相似度⽐较算法为TF-IDF，向量化后计算cosine_similarity，同时 response相⽐参考答案过⻓或过短有惩罚； ◦ 对于image generation，相似度⽐较算法为感知哈希算法（perceptual image hash）将图⽚映射为⼀个哈希字符串，⽐较两个图⽚之间的相似度就可以通过判断两个哈希字符串之间不⼀致的位置有多少，仍然转换为cosine_similarity函数计算。https://github.com/corcel-api/cortex.t/blob/main/cortext/reward.py 实际应⽤： • Corcel。可以完成Text Prompting, Image Generation任务。声称调⽤Cortext的API，⽤⼾提问后，得到的回答由矿⼯产⽣。https://corcel.io/ • 实际测试text prompting，询问模型开发者，得到的答案是“I am an AI language model developed by OpenAI...I am not connected to the Bittensor network or any decentralized machine learning models” 发展历程：本部分source主要来⾃：https://taostats.io/tokenomics/； https://messari.io/project/bittensor/profile 2019年：Bittensor由两位⼈⼯智能研究者Jacob Steeves和Ala Shaabana（以及⼀个匿名的⽩⽪书作者Yuma Rao）创⽴。2021年1⽉3⽇：“Kusanagi”发布，标志着⽹络的激活，允许矿⼯和验证者开始获得第⼀批$TAO奖励。 2021年5⽉中旬：Opentensor Foundation暂停了Kusanagi，以处理⼀些早期共识问题。 2021年11⽉2⽇：“Kusanagi”分叉为“Nakamoto”。此前Kusanagi⽣成的546,113 TAO被迁移到 Nakamoto上。 2023年1⽉10⽇：Finney测试⽹发布，测试delegated staking和⼦⽹功能。 2023年1⽉13⽇：拍卖中成功获得了⼀条Polkadot平⾏链插槽。然⽽，由于对Polkadot开发速度有关的担忧，随后决定使⽤⾃⼰基于Substrate构建的独⽴L1区块链，⽽不是依赖于Polkadot。https://www.theblockbeats.info/en/flash/123619 2023年3⽉20⽇：Finney主⽹发布。2023年3⽉28⽇：Opentensor Foundation发布Chattensor，在Bittensor上建⽴的LLM。 2023年7⽉24⽇：Opentensor Foundation发布Bittensor Language Model（BTLM）。作为“30 亿参数语⾔模型”，BTLM 旨在与移动设备兼容，与 OpenAI 的 GPT-3 和 Meta 的 LLaMA 等流⾏的 70 亿和 100 亿参数模型相⽐，所需的内存要少得多。https://opentensor.medium.com/introducing-bittensor-language-model-a-state-of-the-art-3b-parameter-model-for-mobile-and-edge- 2fe916fb81b0 2023年10⽉2⽇：Revelotion升级，⼦⽹正式上线，允许⽤⼾创建⼦⽹，为特定类型的机器学习任务创建激励机制，例如⽣成图像、创作⾳乐或互联⽹内容抓取。 2024年12⽉14⽇：Messari研究员Sami Kassab发布Bittensor研报 https://twitter.com/Old_Samster/status/1734977722424938993，此后不断bullish on $TAO。 2024年1⽉10⽇：Opentensor Foundation提出BIT001提案（First Bitttensor Improvement Template），提出dynamic TAO代币激励机制。来源：金色财经

金色财经2024-05-20

24小时热点