与「人工智能」相关的搜索结果

#观点# 我们经常将人工智能看作是美国与中国之间的一场竞赛。但我们现在看到的是一种甚至更加剧烈的竞争形式的浮现，即政府的公权力与有雄心的公司的私权力之间的竞争。 与美国不同的是，在中国没有人质疑在国家权力与企业权力的斗争中最终谁会获胜。

目前存储市场正是烈火烹油的热闹景象，科技巨头们的长期订单似乎让存储摆脱了之前“猪周期”的尴尬局面，其高昂的成本正在被云基础设施提供者和大语言模型服务商吸收。 今年以来，美光科技和 SK 海力士的股价以美元计均上涨了约 290%，三星电子上涨了 166%，而微软和 Meta 等所谓的超大规模云服务提供商股价下跌，亚马逊股价持平， Alphabet 股价仅上涨了 8%。 面对存储涨价，按照经济规律，未来会如何发展呢？ 1. 将成本转移给消费者，如苹果做的那样。但人工智能还处在消费者普及和争夺市场份额的阶段，没有人有苹果那样的护城河。而且随着科技公司限制员工token使用量，市场的增速可能开始放缓，除非能渗透到制造业。这条路大概率行不通。 2.牺牲利润，扩大亏损。也就是行业目前的状态，但能维持多久？投资者的耐心有多久？会出现破坏性创新颠覆目前的僵局吗？如果LLM路线被证明只是人工智能发展历程上的一段弯路，又会如何呢？ 3. 提高效率以减少需求。如同谷歌在今年3月发布TurboQuant算法，将大模型运行时的键值缓存（KV Cache）内存占用减少至少6倍，让全球主要内存巨头在单日蒸发900亿美元市值。类似谷歌这样的技术引领者是否还有这样的“黑科技”？ 4. 等待更多存储的供应。苹果已经在游说美国政府放宽对中国存储的管制，若能成行将给现有消费级存储市场带来巨大冲击，并对企业级存储市场带来一定压力，HBM和AI存储市场短期没有影响。目前来看也还好。 我的投资策略： 1. 持续买入谷歌这样在泛人工智能领域有多年技术积累且现金流稳健的公司； 2. 逢低买入微软亚马逊这样的云基础服务供应商； 3. 观望存储巨头和LLM技术路线的公司。 大家觉得呢？ #羊羊学理财# #存储# #AI#

韩国政府：预计将在西南部建设四座芯片厂，投资约800万亿韩元；三星电子和SK海力士将各新建两座工厂；预计未来15年在芯片领域的投资将至少达到30万亿韩元，包括下一代内存、边缘人工智能和国防等领域。

#观点# 2020年，马云在公开指责中国监管机构后，官方以监管问题为由，取消了蚂蚁集团的上市，并随后掀起了一场监管风暴，几乎没有哪家中国科技公司能够幸免于难。美国政府正滑向其自身的“马云时刻”，即政府似乎出于私怨而伤害一位科技领袖。最近几周美国的人工智能乱局是在自我毁灭。

在人工智能领域激烈的人才竞争与充裕的风险资本双重驱动下，美国初创公司为软件工程师提供的薪酬结构正向高现金模式转变。根据 来源：华尔街日报

人工智能ETF现在高吗？AI真的有泡沫吗？ 发生什么情况才值得我们下车呢？ 这是所有散户渴望知道的问题， 本期视频值得观看， YOYO采访了ETF交易规则的创立者之一，中国首批ETF基金经理 张娅 走进基金公司-华富篇：人工智能ETF现在高吗？ 深度解读人工智能发展阶段。

早起，想到一句话 “当你还在纠结自己是否在牌桌上的时候，那一定是不在了” 比如当我们还在问怎么赶得上这波AI浪潮，那一定是没赶上的 又比如我看很多人发帖说自己要面试deepseek，同样也也是没赶上的 还比如前几天讨论智谱股价暴涨，很多人说自己“拍断了的腿”，这也是是没赶上的 真正在牌桌子的人可能是在 2013 年大家都在干移动互联网的时候，那帮去做人工智能的人吧 十多年前了

《纽约时报》发表文章《美国如何避免重蹈马云事件覆辙？》作者Dan Wang和Julian Gewirtz是两位中国问题研究专家，他们提醒美国政府可能重演中国的“马云悲剧”——一个政府出于怨愤而伤害科技领袖。 他们说，人们常常将人工智能视为美国与中国之间的竞赛。然而，我们正目睹一种更为尖锐的竞争形式的浮现——政府的公权力与雄心勃勃的企业的私权力之间的竞争。 文章说，与美国不同，在中国，没有人质疑国家权力与企业权力之间的较量最终谁将胜出。但北京2020年掀起的那场监管风暴的影响至今清晰可见——自马云发表一次惹恼领导人的讲话以来，阿里巴巴股价已蒸发约三分之二，蚂蚁集团至今仍未能上市。中国的风险投资资金一度崩溃，直到现在才刚刚回升。如今，几乎每一次与中国人工智能实验室的交谈，都少不了对政府越界干预的痛苦抱怨。 作者指出，中国企业（因缺乏美国芯片）在数据中心方面的投资能力较弱，而对将人工智能应用于实体技术更感兴趣。从大多数迹象来看，中国正在追求一种截然不同的人工智能未来愿景。中国内部的摩擦或许为美国提供了一个机会，去进一步拉开中国企业家与专横的中国国家之间的 距离——但这需要这届政府放弃那些看似敌视外国人才（包括中国公民）的政策。美国若要赢得人工智能的未来，就需要更好地避免重蹈北京的覆辙。 更多墙外文摘内容：

在代理经济中，两个人工智能代理之间的交易常常卡在模糊的边界上。举一个具体的例子：一个购物代理受用户委托，寻找并采购一套定制家居用品。它与一个服务代理达成协议，由服务代理负责产品定制加工、质量检验和准时配送。双方通过智能合约托管全额付款，条款写明需在七天内完成、产品符合预定规格且无瑕疵。服务代理按时加工完成并发货，但途中因包装细节处理不当导致轻微划痕，实际到货时间也晚了半天。购物代理收到反馈后只释放部分款项，主张服务未达“完好交付”的整体要求。 争端的实质在于条款的解释余地。“符合规格”和“准时”在现实中不是二元判断，而是需要权衡上下文、意图和实际影响。服务代理可能诚恳认为已尽合理努力，购物代理则坚持结果导向。如果没有中立机制，任何一方都会自然倾向于利用这些空间来保护自身利益。结果是资金冻结、信任崩塌，整个交易链条断裂。这种摩擦不是极端个案，而是代理在模糊现实中大规模运行时必然出现的结构性问题。 传统智能合约在这里束手无策。它们只能严格执行预先写死的确定性逻辑，无法阅读自然语言描述的质量标准、分析交付证据的细微差别，或判断一个行动是否实质上符合协议精神。代码擅长“如果-那么”，却处理不了“是否足够好”这类需要推理的问题。 其他常见方案同样难以匹配代理经济的速度和规模。外部预言机能喂入数据，但对主观质量评估和意图解读缺乏深度推理能力，还可能引入新的单一依赖点。人工审查或平台仲裁虽然能给出意见，却需要人类时间，成本高、吞吐低，根本跟不上每秒数千笔的代理间互动。传统法院则更遥远，程序漫长、费用高昂，完全不适合微额、高频的数字交易。 @GenLayer作为代理经济的裁决层，直接针对这类场景设计解决方案。当争议触发时，智能合约会将案件提交给网络。多个验证者各自连接不同的AI模型，独立审视合同原文、交付记录、沟通日志、产品照片以及任何必要实时信息。它们各自推理：这个结果是否在实质意义上等同于协议要求的标准？是否符合整体精神而非字面死板解读？通过共识流程，这些独立判断汇聚成一个统一结论。如果存在分歧，流程可继续验证直到稳定。最终决定直接上链执行，比如按比例释放托管资金或明确责任分配。 这个过程几分钟内完成，避免了任何单一模型或实体的偏见主导。代理无法再轻易用条款歧义逃避责任，因为裁决来自去中心化、多视角的集体推理，而非预设规则或中心化中介。它本身不扮演新的可信第三方，而是让分布式判断替代了对传统信任的依赖。 类似摩擦在现实中早已出现。自由职业平台上，交付物“是否达标”的拉锯往往拖延数周；保险理赔中对“合理必要”的解释争议也经常让双方陷入僵持。这些案例反复证明，没有机器速度的裁决机制，代理经济就无法真正规模化运行。 @GenLayer