FX168财经网_全球视野外汇黄金加密货币NFT资讯网

热点速递：消费电子景气回升，热点催化不断，成长风格占优背景下表现领先

布、与OpenAI合作在Siri中加入ChatGpt等，有望开启新一轮创新周期和换机潮，因此较好的提振了市场对消费电子板块预期。 AI终端应用陆续落地，叠加PC、智能手机等消费电子需求复苏，消费电子进入景气度回暖趋势。国家统计局数据显示，5月通讯器材类消费品零售额610亿元，同比增长16.6%；1~5月通讯器材类消费品零售额2856亿元，同比增长13.9%。Canalys数据显示，2024Q1全球智能手机出货量同比增长11%，智能手机在经历2021Q3以来下行周期后，在2023Q4开始回暖明显。PC端，2024Q1全球台式机和笔记本出货量同比增长3.2%。在AI手机、AIPC等利好因素支持下，2024年消费电子有望实现更为明显的复苏。从市场策略视角看，近期成长风格持续占优，反映的是随着市场进入调整、红利板块全面下行之后，资金高低切换行为，资金选择前期预期较低、表现较弱的科技成长赛道，一方面更加抗跌，一方面博弈反转机会。像电子等最早出现催化因此的方向已经持续活跃3-4周，上周以来消费电子在利好刺激下开始表现，短期看市场依然在价值风格主导的调整阶段，而成长/价值的剪刀差收敛才刚开始，空间和时间维度上看成长风格占优有望延续。消息面上，后续华为开发者大会召开，HarmonyOSNEXT、新一代盘古大模型等成果将出现，搭载高通骁龙XElite芯片的AIPC将于今年6月上市，搭载AMDRyzenAI300芯片的笔记本电脑将于7月上市，英特尔推出配备神经网络处理单元（NPU）的LunarLake，搭载此款芯片的AIPC将于今年秋季上市，多重利好下，板块活跃有望延续。相关产品： ✔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。 ✔芯片ETF（159995）及其联接基金（008887/008888）：国证半导体芯片指数（980017.CNI，指数简称：国证芯片）旨在反映 A股市场芯片产业相关上市公司的市场表现，国证半导体芯片指数成分股“少而精”，聚焦优质个股，且流动性更高，长期收益较好。国证半导体芯片指数作为半导体芯片行业的代表性指数，能够反映该行业市场机遇。本资料仅为服务信息，不作为个股推荐，不构成对投资人的任何实质性建议或承诺，也不作为任何法律文件，请结合自身风险承受能力决策。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。

有连云2024-06-17

深入探讨去中心化人工智能（DeAI）及其重要性

是利用 AI 构建的，其中一些包括： ChatGPT：能够进行类似人类对话。 Perplexity AI：提高搜索准确性。 Jasper AI：作为内容写作的副驾驶。 DALL-E：从文本描述生成图像。 Pika Art：从文本生成高清视频。这些工具正在成为我们日常生活的一部分，使任务变得更容易和更高效。AI 不再只是一个未来的概念；它正在积极解决我们今天面临的重要问题。 AI 的发展正在改变众多行业，例如：帮助医生更快地诊断疾病使自动驾驶汽车能够安全导航为用户在线购物体验个性化原则上，AI 方法可以分为三大类：中心化 AI：由单一实体或企业控制。去中心化 AI：注重分布式控制、透明度和激励机制。开源 AI：强调促进协作和透明度。在今天的研究中，我们将重点探讨“去中心化 AI”。 AI 的开发生命周期在深入细节之前，让我们了解一下构成 AI 开发生命周期的不同组件。这将使我们更容易理解去中心化如何对这些步骤作出贡献。 AI 的创新需要多年来的进步、持续反馈、培训和参与。开发一个 AI 模型涉及几个关键阶段，以确保端到端操作流程的稳健性。以下是生命周期关键阶段的详细介绍：问题陈述识别和设计一切始于识别业务问题并定义要解决的目标。数据收集是最关键的步骤之一，确保模型使用相关且准确的数据。数据收集与探索这一阶段包括从各种来源聚合数据并评估其质量。初步数据分析有助于理解模式和趋势，从而制定数据预处理和特征工程（数据改进）的计划。数据整理与准备数据预处理包括清理和转换原始数据为丰富、可用的数据集。使用特征工程从现有数据创建新特征以增强模型性能。模型开发这一阶段涉及根据问题陈述和收集的数据选择最适合的机器学习实践。接下来的步骤是训练和测试模型，以确保其能够做出准确的预测。最后是优化，即提高模型的效率。模型部署将模型部署到现实环境中，使其开始进行预测、推荐或其他训练任务。你可以使用计算提供商将其投入生产。持续监控确保模型保持准确和有效。偏差检测确保决策的公平性。模型维护与再培训维护模型涉及定期更新和使用新数据进行再培训。重点是尽可能多地收集反馈，并将其反馈给模型以进行调整和改进。今天，大多数这些模型来自研究机构、私营公司或少数开源组织。Google、OpenAI、IBM、AWS 和 Microsoft 是一些主要参与者。去中心化 AI 的需求中心化 AI 存在其问题。试想一下，单点故障意味着一次漏洞可能会危及所有内容。相比之下，去中心化 AI (DeAI) 通过将数据分布在多个节点上，使系统更安全。如果一个节点受到攻击，其余节点仍能正常运作。这种设置还使用户对其数据拥有更多控制权，尤其是在利用完全同态加密 (FHE) 和零知识机器学习 (ZKML) 等技术时，降低了隐私风险。审查是中心化系统的另一个重大问题。一个实体可以控制和操纵信息。相比之下，去中心化 AI 分布控制，难以让任何单一实体主导叙述。这确保了信息保持可访问并免受不当影响。透明度是我认为的关键因素。开源模型、激励机制和协作工作流管理意味着任何人都可以随时检查和验证决策。这种开放程度解决了中心化系统中隐藏偏见和不透明过程的问题。此外，它允许更多人参与并贡献。例如，拥有闲置计算空间的人现在可以通过去中心化计算提供商如 Akash 和 Render 出租。去中心化模型还限制了中央实体的权力，防止 AI 被滥用于不公平的目的。通过促进协作和知识共享，它利用集体智慧和更大的治理，导致系统更稳健、更开放和更准确。加密技术在其中充当了促进者，将最好的两方面结合在一起。它提供了对顶级服务、计算、模型和数据的访问，同时为每个利益相关者提供激励循环、安全性和隐私。这种协同作用确保 DeAI 不仅有效，而且公平和安全。 DeAI 的实际应用以下是 DeAI 领域的一些关键应用：行业应用医疗保健 DeAI 通过实现医疗机构之间的安全、私密的数据共享来增强医疗保健。 AI 算法可以分析匿名数据以识别模式、预测疾病爆发并个性化治疗计划。例如，患者可以私下分享他们的数据给医院，并确保只有他们自己拥有数据，没有其他人。金融去中心化金融 (DeFi) 是 web3 的最大子生态系统之一。AI 可以帮助增强风险管理和交易。这些协议使用 AI 评估风险、预测资产价格并优化交易策略。例如，许多项目正在开发有效资产管理、AI 驱动的自动化做市商 (AMM) 工具等。安全和欺诈检测 AI 算法可以通过分析交易数据中的模式和异常来帮助系统检测和防止欺诈。这增加了 web3 协议的安全性。例如，在 NFT 生态系统中，AI 可以帮助识别假冒资产，确保完整性。内容/情感生成 AI 可以用于创建故事情节、传说、游戏机制等。例如，web3 游戏可以使用 AI 从文本描述生成游戏内容，智能合约管理角色画像和物品等资产的所有权。此外，了解用户对某个类别、问题或市场的看法非常有价值。Kaito 和 Nansen 等工具旨在提供这种情报。 AI 代理和自动化有项目正在为各种领域的任务构建自主 AI 代理，从客户服务到供应链管理。这些代理可以由任何人创建或在协作努力下创建，所有利益相关者都可以无缝地自动获得奖励。用户体验 web3 的用户体验并不是最好的，但模型可以通过个性化推荐和行为预测来提升这一体验。去中心化的社交网络是一个很好的例子，允许用户选择内容推荐的算法或根据自己的喜好策划他们的 feed。生态系统管理激励结构利益相关者可以通过提供数据、计算能力或开发算法获得奖励（赚取代币）。动机在于，存在强大的需求驱动因素，促使人们聚集在一起，合作解决难题，同时也能公平地获得时间和努力的回报。成本效率 DeAI 平台可以通过利用分布式网络中的未使用资源大幅降低成本。它们消除了对昂贵数据中心的需求，并确保资源被最大化使用。例如，Akash Network、Aethir 和 Render 等项目允许用户租用他们未使用的计算能力用于 AI 任务，提高了效率。治理 DeAI 还可以用于改进治理流程，特别是对于协议和去中心化自治组织（DAO）。 AI 可以自动化声誉管理和奖励，确保在 DAO 中公平地认可贡献。推动加密与 AI 结合领域发展的催化剂加密与 AI 结合的交叉领域有几个强劲的催化剂推动其发展。让我们来看看其中的一些。首先，生态系统的资金一直在增加。过去一年中，共有 10.2 亿美元被投入到 136 轮融资中，平均每轮 750 万美元。Hack VC、Variant、Paradigm 和 Polychain 等著名投资者正在进行重大投资。这一资本的涌入正在为该领域的研究和创新提供动力。其次，这项技术旨在提供比中心化系统更具成本效益的替代方案。它可以将潜在的运营成本降低近 50%，高效处理大数据量，并同时提供安全性和隐私性。例如，Akash 声称与 AWS、GCP 和 Azure 相比，其计算提供的成本降低了 85%。从市值来看，该领域的领先项目，如Bittensor、Akash、Render、Worldcoin，在过去的一年里在二级市场上表现异常出色。这些项目一直是 web3 中表现最好的资产之一。根据 Coinbase 的报告，Crypto x AI 品类在品类层面也表现明显出色。 2024 年 4 月，NVIDIA 公布的业绩非常出色。以下是一些新闻中的数据：他们报告称 2024 年第一季度的收入为 260 亿美元，比 2023 年第四季度增长 18%，比去年同期增长 262%。 2024 年第一季度每股摊薄 GAAP 收益为 5.98 美元，比上一季度增长 21%，比去年同期增长 629%。这些数字相当亮眼。中心化服务的宕机事件最近，所有中心化服务（包括 Google.com、ChatGPT、Perplexity）都同时宕机，而所有 Web3 服务则完好无损地运行着。Akash Network 的创始人在此事件期间发出了这样一条推文。由于这些以及许多其他类似的举措、事件和创新，这个领域正在快速发展。领先的远见者生态系统正在积聚势头，这要归功于一些关键行业人物的支持和参与。 Erik Voorhees ShapeShift 的创始人和推特上的大人物，推出了 Venice AI，旨在创建一个无需许可的替代品，替代类似 ChatGPT 的流行 Web2 大语言模型（LLM）。 Venice 侧重于用户隐私和反审查，利用开源技术提供未经过滤和无偏见的信息。 Emad Mostaque Stability AI 的创始人和前 CEO，已辞职，全身心投入 DeAI，他正在构建 Schelling AI。他认为，随着 AI 变得越来越关键，透明和分布式治理将变得非常重要。 Niraj Pant 前 Polychain Capital 的 GP，现正在构建 Ritual.net。这个平台旨在为 AI 构建一个主权执行层，允许开放和无需许可的创建、分发和改进 AI 模型。 Ritual.net 的第一阶段 Infernet 允许开发者通过智能合约和链下访问模型。存在的问题虽然去中心化 AI 提供了许多好处，但它也面临着需要注意的重大挑战。以下是当前面临的主要问题：初始设置成本和挑战建立一个 DeAI 网络面临相当大的困难。构建必要的基础设施和吸引参与者需要大量的时间和资源。这个冷启动问题突显了吸引早期采用者的强大激励措施的必要性。然而，在未达到临界质量之前，网络难以获得牵引力。增加的协调需求管理一个去中心化网络非常复杂。同步多个节点和利益相关者，确保数据一致性，维护安全性，并以成本效益高的方式运营需要大量努力。虽然这种协调体现了加密 x AI 的精髓，但有时可能变得低效和繁琐。可扩展性挑战网络在可扩展性方面面临挑战。在不降低性能的情况下处理不断增加的数据和交易是当今的一个重大挑战。由于节点运行时间的差异，去中心化网络可能会遇到延迟和带宽问题，影响整体效率。诸如分片之类的解决方案仍在发展中，可能无法完全缓解这些问题。资源获取公司在获取最先进的资源方面往往会遇到障碍。主要的中心化提供商可以大量投资于最新的硬件和软件，赋予他们竞争优势。相反，DeAI 项目由于资金有限，可能落后，影响其性能和能力。例如，NVIDIA 倾向于优先为像 GCP、Azure 和 AWS 这样的大型用户分配资源，而不是他们的 Web3 对手，因为需求更高。然而，对于 Web3 提供商来说，当前供应超过需求，或者他们可能仍处于初期建设阶段。法规和法律挑战加密在很大程度上处于法规的灰色地带。缺乏明确的监管框架可能会导致法律风险和不确定性。在去中心化环境中遵守 GDPR 等法规变得更加困难，导致全球范围内持续的斗争。加密 x AI 的未来加密和 AI 的融合有望催生创新项目和应用，解决现实世界的挑战。在我们即将发布的博客中，我们将深入探讨加密的几个关键子类别。我们将探索零知识机器学习（zkML），如 Modulus Labs 和 Giza 等项目，开发以模型推理为中心的产品。此外，我们还将研究去中心化云计算提供商如 Render、Akash Network 和 Aethir，强调它们在提供可扩展且具有成本效益的传统云服务替代方案中的作用。还有许多其他类别，包括 AI 代理、消费者应用和 Web3 游戏，正在蓬勃发展，如 Prime、Nim Network 和 AI Arena 等项目在这一领域运作。虽然列表可以继续扩展，但我们将把进一步的探索留待下一篇博客文章中。在这个领域中，有着悠久历史和成功记录的几个项目包括： Bittensor：这个项目正在开发一个去中心化网络，通过区块链激励参与者共享 AI 模型和数据集，使用“子网”奖励贡献。 Fetch：致力于自主 AI 代理市场，Fetch 提供与 ChatGPT 和 Slack 等顶级服务的集成，通过简单的 API 集成实现对齐。 Akash Network：专注于构建一个提供云计算资源的去中心化市场，Akash Network 使用其 AKT 代币进行治理、安全和网络内的交易。结束语我坚信去中心化 AI（DeAI）有望成为游戏规则的改变者，我们才刚刚开始见证其在生态系统中的增长。 DeAI 体现了透明性、协作和全球影响的原则。正如我们所讨论的，它正在重塑各个关键领域。 Render、Akash 和 Worldcoin 等项目凭借其显著的吸引力和资金，不仅展示了这一领域的巨大潜力，还预示了未来几年可能会经历的显著增长。展望未来，我们将深入探讨加密 x AI 的子类别，继续探索这一动态领域。未来光明，我们才刚刚开始。来源：金色财经

金色财经2024-06-17

AI“用电荒”下，谁在加码核电？比尔·盖茨准备再豪掷数十亿美元

没有充足的电力来运行AI所需要的芯片，ChatGPT一天耗电50万度，以美国家庭平均用电量算，ChatGPT耗电量是1.7多万倍。现在ChatGPT每天要响应2亿次的要求，这造成了大量耗电，而且各种要求还将继续增加，耗电量会一直增加，所以他预测，明年耗电可能扛不住。无独有偶，英伟达创始人黄仁勋也发出了类似警告。他指出，AI的尽头是光伏和储能。不能只想着算力，而是需要更全面地考虑能源消耗问题。如果只考虑计算机，我们需要烧掉14个地球的能源。 OpenAl创始人奥特曼也提出过这样的看法。他认为未来AI技术的发展将高度依赖于能源，特别是光伏和储能技术的进步。未来AI的技术取决于能源，我们需要更多的光伏和储能。

格隆汇2024-06-17

海通国际：给予博彦科技增持评级，目标价位10.84元

中在微软海外智能云在中国的落地以及基于ChatGPT技术为客户提供解决方案，尽管ChatGPT没有正式进入中国市场，公司已经在有海外业务的国内中大型民营企业中实现了业务落地，并计划2024年进一步深化这些业务。2023年，公司还与上海交通大学开展产学研合作，共同建立了人工智能研究中心，这不仅加强了公司的研发实力，也为公司提供了丰富的人才资源和科研支持；在金融领域，公司与银行、信托资管等金融机构紧密合作，推进了一系列的联合创新研发项目，通过这些项目，公司不断优化和完善各类应用解决方案，以满足客户的实际需求；在技术层面，公司推出了人工智能计算平台，提供了从数据样本的标注到模型的部署、训练以及推理服务的全流程支持。它极大地简化了AI开发的复杂性，帮助用户快速地训练和部署模型，实现了AI应用的快速上线。目前，公司的AI大模型应用业务大多落地在客户的内部管理流程上。公司正在积极拓宽应用领域，从内部管理这样的软应用逐步拓展到生产、制造、设计等硬应用领域。在客户服务的过程中，一般的业务逻辑是公司先从客户管理系统、人力系统、财务系统等内部服务系统开始优化，后续公司再持续挖掘客户需求，通过咨询等业务抓手，从企业全业务链条的维度出发，使公司相关AI应用不仅可以在内部管理中发挥作用，还可以在生产供应链环境中进一步应用，从而构建企业级的AI架构和应用。这样一来，AI大模型可以在企业的各个应用场景中逐步得到应用。这样的全面布局不仅可以给公司带来更多的业务订单，也能显著提升公司的市场口碑。客户对公司的AI解决方案的满意度和信任度不断提高，这为公司AI大模型应用的持续发展和创新提供了坚实的基础和良好的发展路径。我们认为，公司高度重视AI技术发展，目前在这一领域已经拥有了一定的积累和一些积极的进展，伴随未来大模型的持续发展与迭代，公司也有望享受到较大的行业发展红利。　　数据要素与咨询业务逐渐发力，公司天花板持续打开。公司高度重视数据要素业务的发展，并在这一领域进行了一系列业务布局。凭借在大数据业务领域的深厚技术积累和丰富的服务经验，公司已经建立了一套完善的大数据管理平台，该平台不仅能够高效地处理和分析海量数据，还能够为客户提供定制化的数据智能解决方案，特别是在银行等金融领域，公司已经成功实施了较多项目，显著提升了客户的业务效率和决策质量。2023年底，公司和新华财经展开合作，将新华财经数据资源同客户使用场景融合，共同开发新的数据要素项目，同时公司还将在新华财经终端二期开发、数据库渠道销售等业务同新华财经展开合作。此外，公司与腾讯云、百度智能云、金山云、人大金仓、南大通用等主流云服务和数据库厂商建立了紧密的合作关系，确保了公司提供的数据类解决方案能够与这些平台无缝兼容，并通过了严格的认证程序，这种生态合作不仅增强了公司服务的可靠性和安全性，也为公司打开了更广阔的市场空间。基于这些能力和资源整合，公司能够为客户提供从数据采集、数据加工、数据存储、数据治理、数据安全到数据分析和应用的全生命周期解决方案。这些解决方案全面覆盖了数据的各个环节，帮助客户实现数字化转型，最大化地释放数据要素价值，从而在激烈的市场竞争中占据优势。同时，公司也密切关注数据要素相关的政策动向，积极探索和拓展新的业务机会。通过与政府、行业协会和研究机构的紧密合作，公司能够及时把握政策导向，预见市场趋势，布局新的数据要素相关业务。另一方面，2023年起，公司开始重视咨询相关业务。在地缘政治等因素的影响下，部分外资企业正逐步退出企业管理咨询等市场，在央国企客户为主的存量市场中这一趋势更为显著。公司注意到了这一市场变化，并于2023年下半年开始关注并构建相关业务能力。鉴于国家层面的大趋势是各行各业都在经历数字化转型，而通过管理咨询、数字化咨询找出企业问题并制定解决方案是实现企业数字化转型的首要步骤，公司认为这一市场具有巨大潜力。公司不仅持续关注这一领域，而且从2023年下半年开始积极组建咨询业务团队，构建公司的专业能力，并且已经开始陆续接到业务订单。　　公司咨询业务团队汇集了众多经验丰富的业务负责人，均来自行业领先的咨询公司，他们在管理咨询、人力咨询、财务以及数字化转型等领域有丰富经验。我们认为，公司在数据要素和咨询两大业务领域已经开始逐步发力，行业天花板持续打开，为公司未来长期增长奠定了坚实的基础。　　盈利预测与投资建议：我们认为，公司目前在人工智能领域已经取得了较为积极的进展，尤其是作为微软的生态合作伙伴，获得了比较多的技术协同，伴随2024年两者合作的进一步深化，公司有望享受较多海外大模型发展带来的红利。同时，公司在数据要素和咨询两大业务领域已经开始逐步发力，行业天花板持续打开，为公司未来长期增长奠定了坚实的基础。2023年国内外环境变化，公司下游客户需求受到一定影响。基于当前的外部环境，对盈利预测进行一定下调。我们预计公司2024-2026年归母净利润分别为2.56/3.30/4.24亿元（24-25年原预测为4.36/5.72亿元），EPS分别为0.43/0.56/0.72元（24-25年原预测为0.74/0.97元），给予2024年PE25倍，目标价10.84元（原目标价为18.43元，2024年PE25倍不变，-41%），维持“优于大市”评级。　　风险提示：汇率波动风险，公司新业务板块发展不及预期，人工智能技术发展不及预期。证券之星数据中心根据近三年发布的研报数据计算，海通证券杨蒙研究员团队对该股研究较为深入，近三年预测准确度均值为37.78%，其预测2024年度归属净利润为盈利2.56亿，根据现价换算的预测PE为19.12。最新盈利预测明细如下：该股最近90天内共有3家机构给出评级，买入评级3家；过去90天内机构目标均价为9.76。以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据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2024-06-17

午评：股指早盘走势分化沪指半日跌0.51%，苹果及车路云概念大涨

到苹果手机用户可以通过Siri免费调用ChatGPT-4o，购买新机的用户都能体验AI功能，用户基数有望持续提升。未来AI软件由谁付费或发展成手机品牌商、芯片厂商、软件厂商、消费者的四方博弈，但随着token成本的下降和苹果较大的优质用户技术，模型API成本或持续下降，并推动应用加速普及，AI手机渗透率有望持续提升，形成正向循环。国金证券：市场波动率或加快上升，维持“大盘价值防御”策略国金证券研报表示，当前处“政策影响End-市场底”阶段，市场波动率或加快上升，维持“大盘价值防御”策略。建议1)银行底仓；2)黄金+医药“进攻”；3)次选高股息。扩散策略包括1)大宗品仅保留“黄金”；2)创新药将受益于美债利率趋势性下降；3)高股息需叠加困境反转、景气改善或出海逻辑：首选，银行、公用事业、环保、纺织服装、农林牧渔；次选通信、中药、旅游及景区、饮料乳品等。

金融界2024-06-17

6月为消费电子“科技月”，热点催化不断，智能消费ETF(515920)涨近1%，领益智造涨停

OpenAI构建合作伙伴关系，积极整合ChatGPT，生成式AI功能预计将进一步完善。开源证券表示，我们认为苹果将AppleIntelligence、ChatGPT同Siri融合，预计有望推动AI功能快速完善，苹果AI手机呼之欲出。此外，苹果AI功能需要出色芯片支持，目前仅iPhone15Pro和iPhone15ProMax支持该功能，AI功能发展也有望带动新一轮苹果手机换新。与此同时，华为开发者大会召开在即，AI热点不断。华为开发者大会将于6月21日-23日举办，HarmonyOSNEXT、盘古大模型5.0等科技成果也将在大会揭晓。开源证券表示，AI手机迭代叠加消费电子景气回暖，推荐设备、散热、钛合金等增量方向。（1）AI手机摄像、声学等器件变化明显，加工检测设备率先受益。苹果Siri在AppleIntelligence和ChatGPT加持下，有望快速响应客户指令，该功能需要高信噪比MEMS麦克风支持。光学感知系统则是AI手机实现摄像优化的核心，包含芯片、屏幕、镜头等组成。我们认为上述变化预计将率先带来手机组装、检测、量测、测试等环节设备更新需求。（2）AI手机散热要求提升。NPU逐步成为AI手机标配，AI手机散热量增加带动VC均热板等高端散热材料需求。（3）手机轻量化带动含“钛”量增加。苹果、华为、小米等厂商相继召开新品发布会，机型轻量化成为新方向，钛合金在手机端渗透率提升，抛磨设备需求增加。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。

有连云2024-06-17

苹果想在拥抱生成式人工智能的同时避开众多陷阱

助手只有在使用者明确授权苹果后，才会向ChatGPT发出提问。苹果也很快表示，与OpenAI的合作并不是排他性的。未来，苹果可能会与包括Google在内的其他人工智慧聊天机械人开发商合作。（苹果不与单一公司独家合作可能还有另一个原因：苹果之前与Google达成的让Google成为iPhone预设搜寻引擎的协议成为了一起反垄断案的基础。）不过，如果要限制人工智能的风险，苹果推出的产品可能会少一些令人惊叹的因素。“苹果正试图把人工智慧装进盒子里，让它变得非常普通，”宾夕法尼亚大学沃顿商学院研究人工智能的教授莫利克（Ethan Mollick）说，“OpenAI就是要让你接触到这个东西的全部怪异之处，这正是它强大的地方。” 苹果希望透过提供个性化的人工智能建议来实现其人工智慧产品的差异化——但苹果表示，它将在不实际收集和储存个人资料的情况下做到这一点。苹果之所以能做到这一点，是因为许多工都是在装置上处理的，这意味著该公司不需要向外部伺服器传送请求。对于必须发送到伺服器的更复杂的任务，苹果表示将依靠一种新的“私有云计算”模式，对使用者资料进行加密。该公司在加密使用者资料和让外部专家验证其资料安全性的方法上有著良好记录。尽管如此，苹果在隐私方面的预防措施仍招架不住所有的批评者。经营著另一家与之竞争的人工智能初创公司，长期与OpenAI（有时也与苹果）关系不睦的马斯克表示，如果ChatGPT整合到装置的作业系统中，那么他的公司将禁止苹果装置进入。 “苹果其实不知道把你的资料交给OpenAI会发生什么。他们是在背叛你，”马斯克在X上发帖说。这很可能只是马斯克的酸葡萄心理在作怪，但鉴于苹果装置上共享了大量个人资讯，我们有理由对Apple的隐私保护提出更高要求。无论Apple多么谨慎，在人工智慧的青少年阶段，必然会出错。库克已经承认了这一点：他在接受《华盛顿邮报》采访时承认，他不能百分之百保证苹果的人工智能不会产生幻觉或编造资讯。 “我知道，还有可能发生一系列可怕的事情，”他说，“这就是为什么我们致力于在这个领域深思熟虑。”

金融界2024-06-17

AI，天使还是魔鬼？

他们是两个次元的人。直到前段时间看到ChatGPT-4o的演示视频，我的第一反应就是，因为教孩子破碎的家庭都有救了。为了算一个三角形的正弦值，AI甚至不厌其烦地教孩子从三角形的斜边直角边开始找，最后成功算出了正弦，比我的初中数学老师耐心多了。最近还有一个有意思的新闻，那就是中国的AI搜题软件攻占美国家庭。根据Data.ai 的数据，在美国 App Store 前 20 名的教育应用中，有 5 款是帮助学生完成作业的AI应用，其中有三款来自中国。 Answer AI的创始团队曾在小米和字节工作过，Question AI来自作业帮，Gauth来自字节跳动。有一个美国学生，最开始在油管上搜视频学习，请一个小时60美元的家教，结果最后发现还不如一年订阅费只要60美元的AI搜题软件。为什么？AI家教教学更有针对性，可以记住学生的学习习惯，回答问题时也不会发脾气，情绪价值拉满，完全可以取代富裕家庭聘请的私人教师。在做题方面颇有心得的中国人，开发的AI家教软件也就很快攻占了美国市场。截至目前，作业帮旗下Question AI在美国的合计下载量已经达到600万次，而字节旗下的Gauth更是前者的两倍，超过1200万次，可谓是势头大好。可是，AI真的能成为普通人的救命稻草吗？ 01 上个世纪八九十年代、互联网都方兴未艾之时，所有人都在担心—— 当科技发展到某一个阶段的时候，人类自己创造出的某种科技，无论是人工智能也好、复制人也好，会在某一个阶段超过人类，进而控制人类，让人类成为社会上的“二等公民”。然而，随着人们离人工智能的距离越来越近，态度反而越来越缓和。电影，就是观察这种社会态度变化最好的窗口之一。 1982年上映的《银翼杀手》中，人类创造的“复制人”发动了暴动，控制了他们的造物主人类，这个情节设定的时间是2019年11月。 1984年开启的《终结者》系列，人工智能系统“天网”横跨世界、控制一切，智能机器人无所不能，对人类进行追捕。随着互联网的发展，人类，逐渐开始爱上人工智能。 1999年的《机器管家》中，智能机器人开始有了自己的思想，和人类相爱。 2013年上映的《her》中，人爱上了自己的AI 语音助理。这样的场景正在照进现实。现在互联网上最热门的，不是怎么利用AI工作，而是怎么和AI谈恋爱。之前有一款叫“星野”的AI软件，突然冲上了 AppStore 免费 App 总榜的前列。简单概括这个软件，就是利用AI创作不同的可交互剧本供网友互动，而你甚至能在这款app上阻止科比登上飞机。说实话，我不太能理解这种角色扮演的游戏，但是不妨碍很多人在这上面找到了恋爱的感觉，国外最火的Character.ai，国内的星野、逐梦岛等等，“APP工厂”字节也有自己的AnyDoor，主打的都是AI社交。 AI家教，AI社交，看似毫不相关，但这类AI软件成功的关键要素其实是相同的，那就是AI变得越来越“像人”，甚至比人情绪更稳定，更会表达，能给人带来更多情绪价值。 OpenAI的CEO奥特曼在ChatGPT-4o发布之后，甚至直接在X上发了一个“her”，让人不由得联想到《 Her 》。还有网友直接把奥特曼的脸p到了电影海报上，变成了him。 AI越来越贴近人类，能够在越来越多的方面帮助人类当然值得欣喜。然而，随着AI发展得越来越快，越来越像人类，AI威胁论反而逐渐偃旗息鼓。对比最为强烈的是—— 1973年的惊悚电影《西部世界》里，西部世界原本为人类取乐的机器人乐园，在机器人觉醒之后，变成了机器人杀戮人类的黑暗地狱，这是一部人类视角的惊悚片，甚至可以说是对AI威胁论的极致体现。而2018年HBO改编的《西部世界》剧集里，西部世界成为了人类杀戮泄欲的机器人地狱，机器人成为了亟待拯救需要觉醒的弱势群体，人类开始反思机器人的人权，机器人杀戮人类，成为了对于命运的抗争。也许这个时候，正是再谈AI威胁论的最好时机。只不过，此威胁非彼威胁。 02 学习，永远是人类亘古不变的话题。在没有文字的时候，学习只能依靠口口相传，以至于，不少知识都被遗失。有了文字之后，学习开始变得容易，但局限于个人之间的传递。后来，逐渐有了学校、私塾、书院，学习的门槛开始降低。但人想学什么，取决于请了什么样的老师。而随着现代的教育体系越来越完善，语数英物理化政史地，更加规范的学习模式，让更多人有了学习的可能。互联网时代，学习几乎充斥到了每一个角落，在互联网上，你可以学怎么安灯泡，还可以学习怎么编代码。人类以为自己已经足够聪明。但当AI 逐渐普及，AI的学习速度越来越快，人的学习方式也随之改变。紧跟着的，是人类社会也将迎来彻底的改变。外网有一篇很火的短文，叫做“软件的终结（The End Of Software）”。软件真的会终结吗？我相信从事计算机行业的人会比我更清楚。但，软件会发生改变吗？当然。举个例子，互联网时代以前，掌握舆论话语权的是各种纸质报纸、杂志、电视台。为了创作，大家需要聘请专业的记者，进行实地采访，花钱制作节目、专栏，所以大家乐于为此付费。但当互联网时代来临之后，内容制作和分发的成本变得无限低，人人都可以是记者，人人都可以是自媒体，因此纸媒逐渐落寞，媒体话语权逐渐分散。这些纸媒彻底被扫进故纸堆了吗？也没有，但无疑被各大自媒体和个人分散了话语权。软件行业也是如此。软件昂贵，是因为开发人员稀缺，人们需要软件开发人员去帮用户把人类语言“翻译”成计算机语言，让软件运行满足人们的想象。然而AI出现之后呢？现在的ChatGPT只需要你能正确发出指令，他就能完美地完成所需要的要求—— 代码本身变成了一个执行细节，被能够将人类语言转化为比特的人工智能给“抽象”掉了。也是因为如此，夸张点说，现在学习计算机，大概等于49年入国军。是不是非常难以想象？吃香了近二十年的计算机专业，或许在未来十年，就将被AI逐渐削弱影响力。但这样的现实正在逐渐到来。新的AI威胁论，针对的不是整个人类，而是人类中的大多数工种。在工业革命和信息革命中，大多数职位只是被替代，而不是被取消。工业革命中，传统制造业的手工艺者被流水线上的工人所取代。信息革命中，只会打字机的打字员被精通电脑的编辑所取代。 AI时代带来的，或许是大量职业的逐渐取消。各种柜台的办事员会越来越少，低端、重复、低技术含量的工作将会慢慢被AI取代。 AI在创造了这样一场华丽的高效制造财富的梦境的同时，也让更多沉浸在AI编织的美好愿景里的人，逐渐迷失。在经历了2023年年初对于AI的恐惧之后，不少人对于AI已经开始逐渐接受，并且将AI融入生活。就像曾经的互联网热潮，它过去了吗？并没有。它已经完全融入了每个人的生活之中，彻底改写了生活以及工作还有整个社会。但那些被取代的职位再也不会重来，那些被淘汰的方式再也不会重启。就比如，现在还有多少人还会打字机甚至传真机？那么曾经以打字机或者传真机为生的人呢？他们只能重新学习新的事物，并重新投入新的工作。随着AI逐渐降低人们学习的门槛，这种替代只会来得更快，且更加猛烈。 03 尾声在面临新事物时，人往往会面临几个阶段——恐惧、好奇、接受、融入。很显然，现在的大多数人已经度过了最开始的恐惧，开始逐渐接受AI的存在。曾经以为会被取代的文案，开始使用AI辅助进行基础写作，曾经以为会被取代的画师，也有一些开始利用AI辅助细化。如果往好的方面想，AI甚至已经开始创造职业。比如数据标记师，为数据贴上标签，让AI更容易识别数据，进而更好地服务人类。又或者，未来还会出现AI训练师，在专业的动作和情景中，为AI提供应对各种情景的材料，亦或者AI维修师，在AI出现功能障碍时进行简单修复。 AI在取代一些职位的同时，必定也会创造职业。放眼整个社会，AI显然还没有进入大多数人的生活，也还远没有被充分利用，AI取代人类的时代还没有到来。但那个时代终有一天会到来。（全文完）

格隆汇2024-06-15

巴菲特所持苹果股票价值1690亿美元高于标普500公司中的455家

和经济更广泛的乐观情绪，以及在本周拥抱ChatGPT等AI工具后，围绕苹果所引发的新一轮热议。但值得注意的是，巴菲特及其团队在上个季度将他们对苹果的押注减少了13%。他们之前持有的9.05亿股股票，在周四收盘时价值1940亿美元。这个数字要高于埃森哲（1890亿美元）、思科（1840亿美元），以及迪士尼和麦当劳（均为1830亿美元）的市值。巴菲特在5月份的伯克希尔哈撒韦年度股东大会上解释了他削减苹果股票的原因。他希望将自己的部分利润变现，因为他预计美国政府将提高税收以解决其不断膨胀的债务。他还补充说，在全球经济面临挑战的时候，持有现金并不是最糟糕的想法。此外，巴菲特也可能对过度依赖苹果持谨慎态度。截至3月底，伯克希尔哈撒韦公司3360亿美元的股票投资组合中，苹果的持有量占到了40%以上，占伯克希尔哈撒韦8760亿美元市值的近1/5。

金融界2024-06-15

Aethir ：DePIN GPU 算力基建设施领域的新范式

局。” 随着 OpenAI 陆续推出 ChatGPT、Sora 等 AIGC 模型，正在引领新一轮 AI 产业革命。虽然 AI 技术的不断革新正在让我们的生产、生活以及工作方式不断发生质变，但 AI 模型训练、机器学习等，让正在让计算需求呈现指数型增长。除了 AI 领域外，包括云游戏、云渲染、自动驾驶、气象预测、宇宙观测等在内的系列高端产业的集中喷发，也同样有着大量的计算资源需求。在传统的算力体系中，主流的云计算服务商，通常是将算力相对封闭地集中在几十万台服务器组成的多个数据中心，以此源源不断地为全球网络提供运算服务。这也就意味着，传统的算力供给体系通常在可拓展、克服单点风险、延迟性等方面存在一定局限性，而算力的垄断、高昂的建设以及拓展成本，正在让计算资源随着市场需求的激增而变得十分昂贵。一个示例是，曾经战胜围棋高手李世石的 Alphago ，单次训练模型就需要花费几十万美元，而像 OpenAI 这类需要持续对 AIGC 模型进行训练的商业体，所需要付出的计算成本可想而知。以 Web3 理念为核心的 DePIN 叙事的兴起，正在对传统资源分配体系进行重塑。DePIN（ Decentralized Physical Infrastructure Networks ）即分布式物理基建设施网络，是由知名加密机构 Messari 提出的概念，其核心在于以区块链为基础，利用代币激励用户以分布式的方式部署硬件设备，从而以更低成本、高效的方式，提供真实世界的商品与服务或数字资源的更合理分配，一些潜在的 DePIN 资源体系包括 GPU 算力、部署热点、存储空间、带宽资源等等。在 GPU 算力领域， Aethir 是 GPU 算力领域最具代表性的 DePIN 项目之一，其通过构建一套以 GPU 算力为核心的 DePIN 体系，致力于应对集中式云计算的常规挑战，包括高昂的成本、GPU供给的限制以及延迟等问题，并提供了一种去中心化的 GPU 云服务平台，为 AI 和游戏等迅速增长的、云渲染等市场长期提供可扩展的解决方案。据悉，Aethir 网络是目前规模最大的分布式 GPU 算力生态之一，现阶段其已拥有超过 4000 张英伟达 H100 GPU 显卡作为算力支撑，其中 82% 正在对外提供商业服务，预期在后续还会继续增加 2000-3000 张 H100 GPU 显卡。这些计算资源将由企业用户、Aethir 合作伙伴以及个人用户以分布式的方式接入网络，能够高效地满足最苛刻的 AI 客户需求，并为企业提供全球范围内最优质的 GPU 资源。随着 Aethir 分布式 GPU 算力体系的不断拓展，该生态有望全新科技时代下，最重要的算力基石。 Aethir 分布式 GPU 算力体系 Aethir 本身是一个聚合 GPU 分布式算力资源的 DePIN 网络，其运行在以太坊 Layer2 网络 Arbitrum 上。在 Aethir 网络中，其允许具备算力资源的用户将 GPU 算力接入网络中，运行在 Arbitrum Layer2 网络上的 Aethir 网络，将同样以分布式的方式对这些算力进行重新调配。具备算力需求的用户，能够以 Wholesale（零售）、Retail（零售）等方式按需付费，而贡献 GPU 资源的用户则能从 Aethir 网络中获得收入。在面向供给者端，Aethir 的范围较为广泛，无论是电信公司、硬件密集型数字企业用户，还是新基础设施投资者即持有 Aethir Edge 设备，以及具备闲置 GPU 算力资源的个人用户，都能接入网络中为网络做出贡献。实际上，无论是企业还好个人用户，GPU 设备或多或少的都存在低利用率现象，与此同时，ETH 2.0 升级对于 PoW 矿工的发展十分不利，在合并完成后大量的 PoW 硬件设备处于闲置状态（目前按资本规模计算，这些闲置 PoW 计算资源价值约为 $19B）。从供需端看，一方面全球算力紧缺，计算资源需求者难以负担昂贵的计算成本，另一面 GPU 闲置导致大量算力资源浪费。所以将闲置 GPU 资源进行整合将会是一个巨大的算力资源池，有望很好的缓解计算领域所面临的紧缺问题。聚焦于 Aethir 网络本身，为了更好的实现这些算力高质量的供给与调配，Aethir 网络中引入了三种主要角色： Container 负责为网络提提供执行和渲染应用程序的执行角色 Container，其是虚拟云计算的实际地点，最为直观的，我们可以理解为网络中算力的重要驱动角色（有效的工作从网络中赚取收入）。比如当用户通过网络购买算力后，将这些算力用于云渲染、AI 模型训练推理甚至是智能驾驶的实时响应，都需要通过 Container 为其提供算力无延迟的即使响应。通过配置高性能的硬件资源具备计算、带宽能力，Container 能够将重负荷的计算任务从用户设备转移到云端，确保用户在各种设备上都能享受到高性能的计算和渲染服务。Container 角色分布在全球各地，所以当为用户处理计算以及渲染任务，其能够很好的避免单点风险。成为 Container 角色需要质押 ATH 代币，以作为其服务质量不佳即作恶的罚没成本，其将接受 Checker 角色的监督。 Indexer 网络中资源的调配角色 Indexer，其是网络中资源的调配者角色，其会根据 Container 的实际情况（包括状态、服务部署、资源需求、延迟和服务费用等），来对网络中的算力进行调配，以让供需更好的实现匹配，并实现网络自我动态调整，以保证网络始终能够保持最佳运行状态。事实上，Indexer 的匹配是一个择优的过程，即更优秀的 Container 角色更容易获得 Indexer 的任务匹配。在面对需求端，Indexer 角色其通过设置不同的 SDK 接口能够为网络提供，能够支持多种不同类型的服务，例如AI训练、AI推理、云游戏实时渲染，云直播等，其根据不同用户的具体需求，灵活地对接到相应的 Container。同时，随着网络中 Container 角色的不断拓展，Indexer 也能为网络带来十足的可拓展性。 Checker Checker 是网络中的监督者角色，该角色会对网络中 Container 的服务进行实时的监控与检查，并将 Container 角色的处理能力、响应时间和网络延迟等，向 Indexer 实时反馈，并从网络中获得代币收入。当 Container 发生故障时，Checker 能迅速检测并通知 Indexer 重新分配资源，保证网络的正常运转。而当处理任务的 Container 角色服务质量不达标，Checker 将会降低该 Container 的优先级或减少其任务分配，并对其进行罚没。目前，网络中 Checker 角色以去中心化的方式下放到了社区，网络中 Checker 角色超过了 74000 个。所以整体上，Aethir 网络在 Container 、Indexer 以及 Checker 角色的相互互补下，不仅能够与更加精准的计算场景相适配，确保企业级云服务的 SLA 等级，同时能够持续保持拓展与自我革新。目前，在同赛道中，Aethir 的潜在竞争者包括 IO.net 以及 Render Network，仅从系统设计上看，Aethir 网络构架具备绝佳优势。一个是体现在网络延迟上，IO.net 主要依赖于 Mesh VPN 和Reverse Tunnel 技术来实现节点间的低延迟通信，虽然在实时应用中具有一定优势，但在资源匹配和服务质量监控方面略显不足。而 Render Network 则专注链下渲染和链上支付，在服务实时性和质量保证上仍存在挑战。一个是在客户保护方面，Aethir 的 Checker 角色能够保证网络对计算任务无间断进行，并不断对服务择优，而IO.net的罚没机制主要集中在节点的可用性和任务完成情况上，对于服务质量的实时监控和欺诈行为的防范相对较少。Render Network通过Rendering Proof可以完成事后验证，但是无法即时解决问题，实时性上仍有待提升。从生态规模看，现阶段，Aethir 的云拥有价值 2400 万美元的设备，分布在 25 个地点和 13 个国家。此外，Aethir 已经获得了相当于 1000 万美元的设备，以在 2024 年扩展基础设施。基于该体系， Aethir 正在根据需求提供不同且灵活的算力供给模式。 Wholesale（批发）对于具备大量、持续计算需求的用户，比如 AIGC 模型训练的 OpenAI 公司、一些大型的游戏公司，Aethir 推出了Wholesale（批发）模式，即能够向网络提前预定所需的计算处理单元（PCU），并以较低的单价获得专属的渲染服务。需求者可以对算力进行周期性预期，比如获得从一周到一年不等的持续服务，8 小时结算一次。这种方式的好处在于，能够保证在周期内获得稳定持续的算力供给，并且能够保证成本远低于外部市场。由数据显示，Aethir 能够以每小时 0.33 美元的成本提供最优惠的 A100 设备租赁费率，而对于英伟达的 GPU 租赁服务，其包含 8 个 A100 或 H100 旗舰芯片的价格为每月 3.7 万美元，折合每小时的的费用在 6 美元以上，所以 Aethir 网络在 GPU 租赁成本上有着极佳的优势。从进展上看，Aethir 已经与一些年收入在 500 万美元以上的大型 B 端用户建立了合作并签订了合同，包括玩家基数达 1.5 亿的大型游戏工作室、拥有超过 6400 万月活用户的最大云游戏公司 WellLink 、全球最大的电信公司签订合同等，并且还包括另外 10 个游戏领域潜在建立合作的大型厂商建等。 Retail（零售）对于一些具备临时需求的用户，比如小型的渲染工作室等，Aethir 推出了 Retail（零售）模式，用户可以随时接入网络获得算力服务，价格将按照市场价格波动，其以分钟作为单位进行结算。值的注意的是， Aethir 的供应市场以 ATH 代币作为结算方式，这将为 ATH 建立刚需性场景，同时通过经济内循环也将能够为生态构建更为坚实的价值基础。 Aethir Edge 算力设备事实上，对于分布式算力网络中参与者通常都是具备一定计算能力的专业参与者，对于普通用户接入网络存在一定的技术门槛。在最近，Aethir 在迪拜 Token 2049 官方发布会上推出了由高通提供技术支持的 Aethir Edge产品，该产品将作为网络中唯一的白名单挖矿 DePIN 设备，使全球用户能够享受独家奖励，并通过共享多余带宽、IP 地址和计算能力赚取收入，通过整合本地资源，Aethir Edge 让普通用户也能成为拥有卓越计算能力的节点，以成为共享经济的受益者。据悉，$ATH 代币总供应量的 23% 将分配给 Aethir Edge 持有者，作为独家激励。聚焦于 Aethir Edge 设备本身，其配备了 Qualcomm® Snapdragon™ 865芯片组，使其能够高效处理任何工作负载，并通过 Aethir 网络提供持续不断的计算能力。其也拥有12GB的LPDDR5内存，用于处理数据密集型工作负载。此外，该设备还具有256GB的UFS 3.1存储容量，提供高速数据访问，1000M GE LAN网络端口和WIFI6 2T2R + BT5.2连接性。 Aethir Edge 的全新推出，标志着由用户驱动、以去中心化方式革新边缘计算的全新起点。打造首个基于 GPU DePIN 体系的 MaaS 生态事实上，从 AI 计算的角度出发，其也存在不同的细分场景，这些不同的场景本身对于算力的需求不同，大体可以包含三类：一种是 AI 训练大模型，即我们经常说的机器训练（ML）中的一种最重要的形式。大模型训练通常对算力有着极高的要求，在该领域只有英伟达独树一帜，英伟达 H100、A100 系列芯片通常是首选。一种是 AI 推理，即利用已经训练好的 AI 模型来进行预测或决策的过程，该过程对计算资源的要求相对次之。除此之外是一些小型的边缘类垂类模型，这类的 AI 计算通常对算力要求并不是那么高。就从目前的 GPU DePIN 赛道格局看，受限于 GPU 资源以及规模，绝大多数该赛道项目只能够满足上述第二种以及第三种计算需求。 Aethir 一个明确的目标，即成为首个推出模型即服务(MaaS )的 DePIN 项目，将机器学习模型部署到企业端提供给用户使用。让 AI 用户可以一站式完成开源模型的选择和快速部署。Aethir MaaS 将帮助客户实现高效智能的数据分析和决策，降低模型部署门槛。为了推动生态该方向发展，其正在构建一个以英伟达 H100 GPU 为核心分布式算力集群。得益于其专门为 AI 计算设计的处理单元 Tensor Cores、有数千个并行处理核心、高性能的带宽内存、AI 优化指令集、大规模分布式训练支持以及高度的安全性与可靠性，英伟达 H100 被公认为是目前是用于 AI 推断、机器学习和大型语言模型（LLM）训练的最强 GPU。而目前，Aethir 网络通过不断拓展，已经拥有超过4000 个 H100，并且还有额外的 40,000 个顶级 GPU，是目前阶段最大的分布式 GPU 算力网络之一。目前， Aethir 的英伟达 H100 GPU 算力集群仍在处于高速的拓展中，并且每个加入 Aethir 网内的英伟达 H100 GPU 都需要均经过了严格检查，包括参数配置、模型可用性、带宽吞吐，链路稳定性检测等，从机制上保证可以达到高速训练和推理需求，而在后续的检查监督工作，将交给三方 Checker 进行去中心化的检查，以保证其提供优质的服务。基于其庞大的英伟达 H100 GPU 集群，结合 Aethir 的云系统，其具备大型 AI、ML 需求的用户长期提供 MaaS 服务的能力，大幅降低机器学习、模型训练的技术、成本困境。 Aethir 作为目前最大的英伟达 H100 GPU 集群，已经与同赛道其他竞争者形成了不同维度的竞争，其是目前主要具备为 AI 模型训练领域提供支持的 GPU DePIN 项目，其潜在客户是类似于 OpenAI 这类的大型厂商。相对而言 io.net 本身也具备 GPU 算力供给能力，但在质量以及规模上远没有 Aethir 的规模大，其目标用户是 AI 初创公司和开发者，大多数只需要进行推理或者边缘垂类模型的计算，而非 AI 模型训练。 Akash 也是该方向的潜在竞争者，但 Akash 是以 CPU 网络集群见长，CPU 集群网络更适合复杂逻辑计算，在 AI 训练、推理等领域则 GPU 更具优势。虽然 Akash 目前也在向 GPU 计算集群布局，并同样引入了 H100（仅 140 张左右），所以在这个方向上，其与 Aethir 仍旧有着差距。除了上述同赛道项目外，RNDR、Gensyn 等潜在竞争者也同样在 GPU 算力规模上远落后于 Aethir ，难以与 Aethir 在 AI 模型训练赛道上形成直接的竞争。所以规模化是 Aethir MaaS 体系的优势，并在其自身的结构性网络推动下，与更多的场景进行深入的结合、从另一方面看，Aethir 也正在新的竞争格局下，建立一些潜在的合作。目前，Aethir 也与最大的 GPU 集群提供商 io.net 建立合作，通过在 io.net 网络上推出 1000 个英伟达 H100 GPU，Aethir 与 io.net 共同创建了一个规模超竞争对手 Akash 三倍以上的英伟达 H100 GPU 算力池。这也使得 Aethir 成为 io.net H100 GPU 的独家提供商，为后者最苛刻、寻求高效 H100 GPU 处理能力客户持续提供计算以及 MaaS 等服务。值得一提的是，Aethir 与 io.net 的合作，对于网络中的 H100 提供者也有望获得双重奖励，即在获得 Aethir 奖励的同时，将可以同时获得 IO 网络的 Token 的双重奖励。而这种实现利益最大化的方式，同样是推动 Aethir H100 GPU 集群壮大的重要因素。重塑游戏行业新格局除了 AI 赛道外，Aethir GPU DePIN 网络对于游戏领域的发展，同样有着极为重要的意义。上文提到，Aethir 网络一方面具备充足的计算能力，基于此 Container 角色能够持续为渲染提供动力。事实上，对于大型游戏的渲染需要大量的计算资源，以实现复杂的光线追踪、粒子效果和物理模拟。比如目前游戏渲染领域广泛应用的光线追踪技术方案，每渲染一帧可能需要数十亿次光线计算，其需要具备并行处理这些计算密集型任务，相对于传统的计算服务方，Aethir GPU DePIN 网络在并行化处理这些计算密集型任务上更具优势，显著减少渲染时间与效率。另一方面，根据 Limelight Networks 的数据，游戏玩家通常期望游戏不超过 100 毫秒的延迟。传统的服务商通常会通过在地理位置上靠近用户的数据中心部署游戏服务器，再通过云服务提供商最小化延迟，优化玩家体验。但问题在于，仅在 2020 年全球在线游戏玩家人数就已经达到了 27 亿用户，计算服务方需要同时满足这些在线游戏用户的需求，这对于传统云计算服务商来说是一个不小的挑战。所以一个具备极低成本、灵活的可拓展性，满足实时、瞬时高迸发、持续的算力供应体系，就显得尤为重要，Aethir 的 DePIN 堆栈因此非常适合无延迟的云游戏。与此同时，得益于其全球分布的 GPU 资源能够为全球玩家提供高效的 GPU 功率流，Aethir 也可以将无延迟的 AAA 游戏带到发展中地区的低端硬件设备上，通过推动 AAA 游戏的普及以及市占率，有望让游戏市场不断地择优与革新，大幅提升游戏市场的质量。除了在渲染、游戏延迟方面的支持外，Aethir GPU DePIN 网络的卓越计算能力，同样有望帮助在线游戏构建更好的安全性。聚焦于在线游戏领域，DDoS 是最常见也是最频繁的攻击手段，所有在线游戏都曾为预防 DDoS 而付出了高昂的成本。Aethir GPU DePIN 网络对于帮助在线游戏抵御 DDoS 等实时访问攻击，能够确保游戏服务的持续可用性。当然，Aethir 也正在致力于推动与开发者群体的链接，通过推出系列灵活工具，包括软件开发工具包（SDK）等，可用于整合如游戏内交易和玩家认证等特性，进一步简化了游戏体验。并且 Aethir 平台提供的分析工具能帮助企业追踪玩家参与度，控制预算，分析游戏趋势，并可视化数据，旨在游戏行业制定明智的战略和解决问题。发展前景 Aethir 得益于其网络架构设计，相对于绝大多数分布式 GPU 生态在延迟、可靠性、稳定性、安全性等方面都具备一定的优势。而能够灵活进行算力驱动、具备无限拓展能力且实时接受监督的 Container 角色，让 Aethir 具备无限拓展能力的同时，能够与绝大多数具备计算需求的场景相适配，而不是定向域某一个具体的场景。比如除了对 AI、云渲染、游戏等系列场景深度适配外，包括自动驾驶等在内的对延迟具备极高要求的场景，以及一些零知识、FHE 等在内的对瞬时并行计算迸发有着极高要求的场景，Aethir 都能够灵活的予以适配。所以 Aethir 网络本身能够扎根于 DePIN GPU 计算赛道，不断向诸多具备计算需求的场景深度拓展。在成本、性能都占据优势的 Aethir，有望随着业务规模、算力规模的不断拓展，不断从抢占传统云计算巨头的市场份额，目前一些具备计算需求的传统商业巨头已经开始向 Aethir 抛出橄榄枝，代表了这些企业用户对于 Aethir 技术方案以及长期发展前景的认可。另一面随着竞争的加剧的潜在趋势是，Aethir 生态中不断迎来传统计算领域伙伴的不断加入，彼此间形成合作共赢，这对于推动 Aethir 生态规模不断呈现指数型增长、业务规模的不断扩大极为有利。这不仅是 Aethir 生态的一个里程碑，同样也是分布式 GPU 赛道发展的一个新历程。事实上，潜在业务伙伴关系，正在推动 Aethir 预计 2024 年 Q1 的年度经常性收入超过 2000 万美元，预计今年年底的 ARR 为 1.14 亿美元，并随着生态规模的壮大，其去中心化生态将不断形成新的增长飞轮。同样，据 Precedence Research 报告显示，随着到人工智能和机器学习这类先进技术在云计算中应用日益增加，云计算市场预计到 2028 年将突破 1 万亿美元大关，这都是 Aethir 生态发展的潜在机会。也正因如此，发展潜力俱佳的 Aethir 能够得到 Framework Ventures、Merit Circle、Hashkey、Animoca Brands、Sanctor Capital、Infinity Ventures Crypto (IVC) 等领先的 Web3 投资者的支持，为生态系统筹集了超过 1.3 亿美元的资金，并为 Aethir 的去中心化计算的未来铺平道路。来源：金色财经

金色财经2024-06-15

24小时热点