与「中谷潤人」相关的搜索结果

この後18:00〜 Prime Video Presents Live Boxing5 独占ライブ配信です☺︎ぜひご覧ください🔥 #プライムボクシング# #LIVEBOXING5# #那須川天心# #寺地拳四朗# #中谷潤人#

#OpenAI# 还没上市，它的算力小弟先要IPO了，这事挺有意思。🧐 之前黄仁勋讲过，未来推理需求将会增长10亿倍，而下周四5月14日，推理时代的 #AI# 芯片黑马，Cerebras ( $CBRS)要上市了，定价区间115-125美金，募资最高35亿美金，估值266亿美金。也将是 @MSX_CN 的第一期 PreIPO项目，还是十分值得期待的！ 今天我们就来拆解一下这家Cerebras公司，以及估值分析情况，还有我个人的一些私人判断和意见。 要了解这个OpenAI系的推理芯片黑马，就要知晓山姆奥特曼的资本布局。 我们都知道英伟达在AI芯片领域有多牛，大模型公司烧钱，云厂商买卡，创业公司排队等GPU，最后利润大多流向卖铲子的英伟达，这是目前行业的现状。 但这种一家独大的局面，各家大模型厂商，都希望有一个嫡系方案做PlanB，比如谷歌Gemini便联合博通采用TPU方案，OpenAI也一直想扶持自己的嫡系部队。 所以在5月6日，OpenAI把英伟达、AMD、英特尔、博通、微软这些本该互相竞争的芯片公司拉到一起，搞了个MRC网络协议。表面看是技术合作，其实是OpenAI要重新分蛋糕了。 更深一层看，我认为是 #OpenAI# 想要拆开英伟达全栈垄断格局。 以前训练、推理、网络、云，全让英伟达一家包圆了。现在呢？OpenAI开始精细化运营：训练归训练，推理归推理，不同场景用不同芯片，不同环节找不同供应商。 #Cerebras# 就是在这个时候被推上了牌桌，它核心负责推理这一环。这正好与最近炒作火热的推理CPU概念，比如 #AMD，##INTC# 等，撞在了风口上。 🔥Cerebras到底牛在哪？ Cerebras的核心杀手锏是WSE-3芯片，直接把整片12英寸晶圆做成一颗巨型芯片，面积46225平方毫米，相当于A4纸的三分之一。 我们数据对比看看，相较于英伟达H100： • 它面积是H100的57倍 • 核心数是52倍 • 片上内存是880倍 • 内存带宽是7000倍 这数据📊看起来蛮夸张的，但核心关键不在大，而在于快。 在推理场景，尤其是长文本输出、实时交互、代码生成、AI Agent这些需要低延迟的任务上，Cerebras的CS-3系统推理速度比英伟达DGX B200快21倍，成本和能耗降到三分之一。这个效率和功耗，采用WSE-3芯片意味着OpenAI能在单位时间服务更多客户，这就相当于白花花银子啊。 📊财务数据也很漂亮 首先从市场趋势来看，AI 产业正从训练为主转向推理为主，这是不争的事实，2025 年全球 AI 推理市场规模已达1062亿美元，预计2030年将增至 2550亿美元，而 Cerebras 的技术优势正好踩在了风口上。 另外本轮IPO估值为266亿美金，发行价为115-125美金/股，我觉得是相对便宜的，虽然比上一轮估值翻了倍，上一轮F轮估值约为120亿美金，短短两年时间，直接翻倍，但架不住漂亮的财务数据。 2025年Cerebras营收5.1亿美金，比2024年的2.9亿增长76%。更牛的是净利润8790万美金，2024年还亏4.85亿，直接扭亏为盈。 以266亿估值来算，PS为52倍。以24年上市的热门半导体连接芯片公司Astera Labs( #ALAB#)做对比，它上市首日PS高达81倍。而目前正处于火热的推理赛道炒作中，个人认为Cerebras冲击80-100倍PS绰绰有余，对应的收盘价192美金—239美金，预计有50%以上涨幅！(但也要观察当天纳斯达克指数行情来综合判断) 不能只说好的一面，目前Cerebras问题也很明显，客户集中度太高。阿联酋MBZUAI贡献62%收入，G42贡献24%，前两大客户占86%。意味着Cerebras必须听大客户的话，自主性有限。可喜的是，OpenAI的介入，未来这种收入结构会有所改善，而且OpenAI会成为最大客户。 🎯OpenAI和Cerebras的深度绑定 最新的数据，OpenAI与Cerebras签了多年的合作协议，总价值超200亿美金，Cerebras要给OpenAI提供750兆瓦算力，部署到2028年。 但这不只是采购合同这么简单。OpenAI创始人奥特曼、总裁布鲁克曼、前首席科学家伊利亚、董事会成员亚当·安戈洛，这些核心高管都个人投资了Cerebras。 OpenAI还通过贷款、认股权证等金融工具，和Cerebras建立长期利益绑定。说白了，现在的Cerebras就是OpenAI的芯片部门。 除此之外，Cerebras 3月又与 AWS 达成合作，CS-3 系统上线亚马逊云端服务，成为首个进入主流云端厂商供应链的非 GPU AI 加速器。此外，葛兰素史克、美国能源部、多个国家实验室等也都是其客户，技术实力也得到多维度的验证。 💡OpenAI的资本局 OpenAI的真实意图很清楚： • 训练继续用英伟达高端GPU • 推理引入Cerebras低延迟方案 • 部分GPU采购AMD • 网络协议开放化 • 云服务在AWS、Azure、谷歌Cloud之间多家下注 • 未来可能推自研芯片 这是算力组合拳策略，不同工作负载匹配不同系统，不再单独依赖英伟达全栈方案。 OpenAI正在从模型公司转变为算力架构公司。以前只能被动接受芯片厂商定义的技术路线，现在要主动设计符合自己需求的算力组合。 OpenAI要把芯片供应商从"平台提供者"降维为"模块供应商"。所以扶持Cerebras是其战略中最重要的一环，预期来看，Cerebras上市首日股价，爆火的概率极大！ ⚡对英伟达的影响 短期看，Cerebras上市对英伟达冲击不大，就像身上长个粉刺一样无关痛痒。 英伟达目前占AI芯片市场80-90%份额，CUDA生态、GPU供应链、NVLink网络，这些护城河短期很难撼动。 但长期看，威胁是存在的。以前AI公司别无选择，只能用英伟达GPU。现在至少在推理场景，客户有了可行替代方案。这种选择权的出现，削弱了英伟达定价权。 当OpenAI可以说"推理我用Cerebras，训练我用英伟达"时，英伟达就失去了"全包"的议价能力。 AI推理市场正在快速增长。根据预测,2026-2032年全球AI推理市场复合增长率将达28.9%。推理场景更适合专用芯片。当推理市场规模超过训练市场时，英伟达在推理领域的相对弱势就会成为更大问题。 英伟达正在从"唯一供应商"变成"核心供应商之一"。这个转变不是因为英伟达变弱了，而是市场变大了，客户变强了，需求变复杂了。 🧐我的判断 Cerebras上市真正值得看的，不是又一家AI芯片公司IPO，而是OpenAI开始把推理这门生意单独拎出来定价了。 当推理市场被验证可以独立定价时，AI算力市场就真的开始分层了。训练和推理的需求差异被明确化，专用芯片在细分场景的优势被验证。 英伟达"一种芯片打天下"的叙事不再完全成立。市场会从"通用GPU垄断"走向"场景化芯片组合"。 而且不只OpenAI这么干，Anthropic也在和亚马逊、谷歌结盟。头部AI公司都在通过多元化采购降低对英伟达依赖。单一供应商的"完整解决方案"不再是最优选择。 最后值得一提的是，这次 #MSX# 第一期PreIPO项目即将上市，它就是本周四即将上市的Cerebras，拭目以待吧！🧐 DYOR🙏

不知不觉，过去2周写了很多关于Google #TPU# 的文章，既有技术干货也有商业思考，整理TPU系列文章如下： 1️⃣谷歌重要产品发布介绍分别是 专用于训练的TPU 8t芯片以及Virgo 网络。 2️⃣300万片TPU背后的产业链： 3️⃣为了适应模型发展，第八代TPU设计中，谷歌的软硬件和网络解决方案： 4️⃣Anthropic 订购TPU，他和谷歌的股权投资历史 5️⃣Google TPU 8t和英伟达GB300机架级性能对比 6️⃣TPU封装 7️⃣TPU对英伟达的冲击 8️⃣TPU对谷歌财报未来贡献

《生财有术改写了我的人生，是福地，更是普通人的逆袭跳板》 今天《生财有术》官方正式公布了第 10 年邀新的结果，感谢各位的信任，我以邀新 65 人的成绩排行第五，成功跻身前十销冠团，可以跟《生财有术》的创始人亦仁一起免费出国团建。 看到《生财有术》创始人亦仁给我的感谢词写的是：“你推荐的不是一张二维码，而是一段自己真实走过的路。” 是的，我非常认可这句话，因为很多人都不知道《生财有术》到底在我心目中是个什么样的地位。可以说，如果 2020 年我没有遇到《生财有术》，或许今天的我还在一直迷茫中，还生活在水深火热中。 因为 2020 年是我人生之中最低谷的一年，负债近 300 万，上有老下有小，也不敢跟家里人说明真实情况，不过即使说了也于事无补，一直这样在用信用卡东墙补西墙，各种借贷都用上（现在真不建议这样做），每个月小孩的学校生活费，可以说都是捉襟见肘。 不过非常幸运，在 2020 年 4 月 18 日，我加入了“生财有术”。当时记得是花了 2000 多块钱加入的，对于那时候的我来说，这 2000 多块钱可以称得上是一笔巨款了，但是我知道，这条路我必须要走，因为我要换新的圈子，就必须要走出去。 也正是因为我勇敢地走出去，在“生财有术”不断寻找各种副业，也认识了各行各业的人。进而在“生财有术”碰到了我的两大贵人，从而进入区块链行业，还清了负债，可以说，这一路的酸甜苦辣只有自己最清楚。 所以我一直都说，生财有术是我的福地，我相信也是很多还处于迷茫中人的福地。我现在就想着每多介绍一个人进入生财有术，我就是在积累福报，因为我能够帮到更多的人。 这次有 65 个人通过我的介绍进入了“生财有术”，这 65 个人接下来也跟我产生了密切的联系，或许在以后的项目中，还可能会有进一步的合作之类的，因为他们选择相信我，付费 2765 加入“生财有术”，所以我也会选择相信他们，我相信这 65 个人不仅不会骂我，反而会感谢我推荐了这么好的一个社群给他们。 其实我觉得生财有术不仅仅是一个社区那么简单，它真的是我们打开视野的一个开关，也是结交朋友的一个捷径，因为在这里不只有线上的课程，还有线下的聚会，这里聚集了各行各业的高手，都是一群爱拼搏的年轻人，这里的人不拐弯抹角，而且非常真诚，如果想结交朋友，想学习 AI，我相信“生财有术”是一个不错的选择。

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

比特币研究机构 Bitcoin Policy Institute 的最新报告显示（ 报告指出，在一项研究中， 36 个被测试的 AI 模型里，有 22 个将比特币列为首选货币，没有任何一个模型把法币放在第一位。 Anthropic 模型平均比特币偏好度最高，达 68.0% DeepSeek：51.7% 谷歌：43.0% xAI：39.2% MiniMax：34.9% OpenAI：25.9% 不过报告也提到，Claude、DeepSeek、MiniMax 的模型更偏爱比特币；而 GPT、Grok、Gemini 则更倾向稳定币。

CoinDesk 高級分析師 James Van Straten 指出，比特幣歷經史上最長礦工投降潮，隨著算力絲帶（Hash Ribbon）即將迎來黃金交叉，多項指標顯示市場已進入深層價值區，最黑暗的跌勢或許已經過去。 （前情提要： Michael Saylor：比特幣回檔 45% 如同 Apple 曾走過的「絕望之谷」 ） （背景補充： 女股神 Cathie Wood：比特幣「毫無疑問」優於黃金，在現代金融體系中更具結構性優勢 ） 比 特幣（BTC）在經歷了長達三個月的震盪回落後，市場正迎來關鍵的轉折訊號。根據 CoinDesk 高級分析師 James Van Straten 援引鏈上數據監測機構 Glassnode 的最新資料 指出 ，比特幣「算力絲帶」（Hash Ribbon）指標正趨於復甦，這顯示自去年 11 月以來、史上持續時間最長的「礦工投降期」可能即將終結。歷史數據表明，這類訊號的出現往往預示著市場底部的形成。

我根本没有删除谷歌密码管理器中的任何东西，如果不是项目方告诉我，我都不知道在什么位置，我第一个账号没有充值一直都没问题，现在还能登录 为什么第二个账号一样的操作方法，登录就 出现了问题？？？？ 是因为我充值了？？？？ 我看很多人遇到类似在问题，在@infinex 为什么不能解决呢？

用了很多AI，其中每一款都有各自的风格，但是对于我们币圈的人来说，专注于币圈信息的AI目前我就使用的@SurfAI，说一个很直观的例子，其实我们每天都是在不停追逐市场的信号：哪个项目要起飞？哪里有情绪反转？链上有没有鲸鱼在动？以前我得同时开10+个网页，其中包括Dune、Dexscreener、X搜索、Telegram群、K线图等等，研究一个项目大部分时间花费在了搜索和手动信息聚合中。 使用了@SurfAI后，效率是直接提升了很多，原因在于它不是像 ChatGPT、Grok 或 Claude 那样的通用大模型，而是深度针对币圈需求训练和优化的专属 AI，我认为它做的最好的就是将币圈的信息聚合，抓住真实的信号，让用户能够更精准的去分析研究项目。 比如23号币安alpha上的 $SPACE 代币，我是当天下午通过它进行分析的，这让我省去了大量的搜索时间，我属于我想要获取的信息点，它会自动给我生成一个项目的深度研究报告，其中项目简介，团队背景，代币经济学，发展路线图等都展示出来。 当然很多AI也会生成这种，但是比较以后就会发现它的信息要比其他的AI精准的多，毕竟我尝试了chatgpt和grok后，这是surf给我的真实体验 除了上面这个对于项目的搜索聚合外，它的最近上线的Crypto Pulse新功能也是顶级聚合的表现，这个板块把当前X热门话题，热门项目，btc追踪，投融资信息都整合在一起，以今天的USD1在币安的高APY为例，它清晰的分析出这次活动的背后逻辑，以及相关代币的收益率，并结合市场情绪和看法自动做出总结。 如果让自己去搜索的话，第一是没有头绪，只会搜索自己想到的，而其他观点等还需要再去其他地方获取，surf一站式解决。 另外一个功能，加密百科（cryptopedia）里的prt-tge项目，也是给提前想进场或者做投研的用户提供了很大的便利，将很多提前上线的项目做到尽调，项目介绍，涉及的赛道，投融资，团队，社媒热度等都展示出来，如果其他AI是让用户主动搜索，surfai的加密百科就相当于把饭给你喂到嘴里，它太明白我们用户的需求了。 因为感觉到它好使用，所以推荐给大家，最后总结它的体验就是快、准、稳，尤其是在币圈这种信息多且杂的环境中，surfai给我们带来的是专业的信息聚合，提升的不仅是效率，还有精准的项目研报，非常强烈大家使用它。 如果你喜欢投研，这是不可缺少的工具： 大家可以使用这个链接登陆官网，链接谷歌账号就可以登陆了 最重要的一点，surf对于支付年费的用户有很多好处，除了拥有更多甚至无限的项目深度研究报告外， pro、max用户还会有相应的NFT凭证，而现在最直接的回报就是可以参与@openmind_agi的打新，如果你是pro以上的年费用户，记得去surf提交你与@KaitoAI上相同的钱包，未来还会有更多项目打新，千万别错过！