-
北京市 北京市 东城区个人简介：职业股民，微信： 更多
-
-
取消个人置顶微博
鹧鸪天 初冬 白洁 霜露凝窗渐入冬，鹅毛缥缈舞高穹。 一泓溪水清波冷，万里山川瑞气浓。 风萧瑟，雾朦胧。凌寒傲立是苍松。 田园漫步心先醉，更赏西峰晚照红。 2016年11月5日上午赞(3) | 评论 (2) 2016-11-05 21:42 来自网站
-
-
赞(6) | 评论 2023-03-22 12:50 来自网站 举报
-
-
昨晚英伟达发布会再次证明，在AI领域，中美的差距真的不是一点半点...从长期维度，在这次全球AI产业的发展竞争中，我们不允许落后太多，大家也可以试着想一下，如果我们在过去一轮互联网应用竞争中，完全落后美国，那该是什么局面。所以在下一代AI技术革命，我们确实输不起，不过就目前位置，...昨晚英伟达发布会再次证明，在AI领域，中美的差距真的不是一点半点...
从长期维度，在这次全球AI产业的发展竞争中，我们不允许落后太多，大家也可以试着想一下，如果我们在过去一轮互联网应用竞争中，完全落后美国，那该是什么局面。所以在下一代AI技术革命，我们确实输不起，不过就目前位置，从硬到软，真的是差距悬殊。
如果说，非要找个“利好”，那就是美国找到了更大增量经济，或许，对我们的制裁压力应该会缓解些。
具体到A股，最近一段时间，虽然A股相关AI标的，从硬到软都涨了一大波，但是我看下来，要找到真正核心标的，除了0.3个百度，其他还真没有。硬件方面，比如交换机、服务器、光模块等这些，核心仍在老美，国内从事的更多是偏低毛利的制造业，而且过去几年我们的数据中心建设，本就是过剩的，能否兑现到业绩端，还要打一个大大的问号。软件方面，未来能看的，应该还是这些互联网巨头，因为也只有他们有足够多的数据，且有足够强的实力。
那么从对冲角度，因为我们在AI领域和美国公司差距有些大，所以有权限的，配置一些美股龙头也是可以的。没有美股权限的，配置一些纳斯达克100ETF，或者纳斯达克ETF也是可以的，因为这些指数ETF的最大权重，本身也是美股这些科技巨头。
【天风通信】英伟达2023年GTC大会黄仁勋演讲要点
事件：今晚英伟达2023年GTC大会，黄仁勋发表主题演讲，发布新产品并针对AI及应用等展望。
主要要点如下：
一、软件
1. Apache Spark——用于加速云数据处理
2. RAFT 加速库——用于向量数据库加速 合作方: FAISS，milvus，redis
3. cuOpt——加速调度和进化算法，用于运营和调度 合作方：AT&T，德勤，埃森哲等
4. Triton——IDC推理服务 合作方：美国运通、微软等
5. 重点：CV-CUDA——计算机视觉用加速库
6. 重点：VPF——视频处理用加速库
7. Parabricks——用于端到端基因组分析的AI模型加速库
8. Holoscan——实时传感器处理系统软件库
9. 重点：cuLitho——计算光刻库 合作方：台积电，ASML
二、硬件
1 Grace Superchip——900G低功耗到缓存一致接口（2个可构成一个1U服务器），适合云计算
2 BlueField——加速数据中心操作系统和基础设施软件
3 重点：H100 GPU——搭载Transformer引擎，为Transformer模型架构进行特化
4 DGX H100超级计算机——8个H100通过NVLINK Switch相连，通过400Gbps延迟的Quantum InfiniBand进行网络连接 合作方：微软Azure，并用于openAI相关训练
5 O服务器——针对Omniverse进行了优化
6 Ada RTX GPU——用于新一代工作站
三、云业务和大数据服务：
1 DGX Cloud——云服务平台
2 重点：AI Foundation——生成式AI模型训练和云服务，分为Nemo（文本），Picasso（图像）和Bionemo（生物医药用）三种
3 重点：One Architecture平台——四种推理平台：L4（视频工作用）、L40（图片渲染和图像文本转换）、H100 NVL（针对LLM）和Grace-Hooper（针对推荐系统和向量数据库）
4 重点：Omniverse（联合微软office365组合）——工业数字化平台 合作方：亚马逊、奔驰和宝马等（Omniverse Cloud在Azure上托管）
天风通信团队
【中信前瞻】英伟达2023GTC大会：AI的iPhone时刻
【AI推理加速落地】
推出专门用于AI推理的DGX H100计算平台。人工智能推理的作用越发重要，Chatgpt目前已被整合到各项领域中（如：Microsoft 365），在此次大会上，Nvidia 宣布推出用于AI推理的DGX H100计算平台（性能提高9倍、网络速度提升2倍），微软为首个大规模用户，并将提供对 DGX H100 的早期。
新推出4个推理平台（L4、L40 、H100 NVL和Grace-Hopper），针对各种快速兴起的生成式 AI 应用程序进行了优化。
①L4：提供增强的视频解码和转码功能、视频流、增强现实、生成 AI 视频等。可实现比CPU高120倍的AI视频性能，同时能源效率提高 99%
②L40：主要用于图像生成，并对图形和支持 AI 的 2D、视频和 3D 图像生成进行了优化。
③H100 NVL：主要用于大型语言模型部署，非常适合大规模部署 ChatGPT 等大型 LLM。
④Grace Hopper：主要用于图形推荐模型、矢量数据库和图形神经网络等领域。
【硬件进展顺利】
Hopper H100目前已全面投入生产，并部署在许多数据中心，包括来自 Microsoft Azure、谷歌、甲骨文等的数据中心。
新推出DPU BlueField-3。（a）在此次大会上，英伟达宣布将新推出BlueField-3，该产品上一代DPU产品，多出两倍的 Arm 处理器内核和更多的加速器，因此它可以将工作负载的运行速度提高八倍。（b）BlueField-3 可以跨云、高性能计算、企业和加速 AI 用例卸载、加速和隔离工作负载。（c）目前Oracle Cloud Infrastructure 正在标准化 BlueField-3 以运行其 DGX Cloud
【推出AI Foundations服务】
伴随着生成式AI技术的发展，AI正在重塑千行百业，英伟达在此次大会上新推出的AI Foundations服务，使得下游客户可在“英伟达依靠自己的数据制定的基础模型”，构建定制的生成式 AI 应用程序。目前该产品主要用于NVIDIA NeMo语言服务、 NVIDIA Pacass 影像服务与 NVIDIA BioNeMo 生物学三大领域。
【新推出多种软件库&商业化进展速度】
除了深度学习中使用的训练模型所需的计算外，Nvidia 还拥有数百个库来帮助各种行业和模型。在本次大会上，英伟达介绍了以下软件库的进展和内容：
①英伟达的量子平台（cuQuantum），可用于帮助量子计算领域的研究人员。
②用cuLitho加速创新。在此次GTC大会上，公司新推出cuLitho，可用于光刻工艺的图案和掩模的创建。通过该产品，可将两周的工作量缩减至8小时内。
③推出DGX Cloud，使得自定义AI模型的更加民主化。（a）在上，Nvidia 发布了DGX Cloud，该产品是一种基于 DGX 平台的混合云培训即服务。通过将 DGX功能导入云端，相关企业可立即“为生成 AI 训练高级模型”所需的基础设施和软件。（b）DGX Cloud 目前可在 Oracle Cloud 和 Equinix 上使用，并将进入 Microsoft Azure 和 Google Cloud。商业化进展不断加快。
④宣布与医疗器械公司Medtronic plc合作，开发了GI Genius AI 辅助结肠镜检查系统。
⑤Omniverse目前已经得到广泛部署，下载量超过30万次。微软和Nvidia将合作将Omniverse直接集成到 Microsoft 365中，其中包括Teams、OneDrive和SharePoint，使用户能够直接从业务应用程序 metaverse功能。赞(3) | 评论 2023-03-22 11:24 来自网站 举报
-
-
赞(8) | 评论 2023-03-22 10:45 来自网站 举报
-
-
近期碳酸锂价格已经加速下跌，甚至有电池公司已直接采购到20万元/吨。根据测算，碳酸锂价格每下降10万元/吨，电芯成本下降0.07元/wh，50度电车成本下降3500元。此轮碳酸锂价格从去年高点60万元/吨下降至20万元/吨，电芯成本下降0.28元/wh。最近电动车板块走势较弱，主...近期碳酸锂价格已经加速下跌，甚至有电池公司已直接采购到20万元/吨。根据测算，碳酸锂价格每下降10万元/吨，电芯成本下降0.07元/wh，50度电车成本下降3500元。此轮碳酸锂价格从去年高点60万元/吨下降至20万元/吨，电芯成本下降0.28元/wh。
最近电动车板块走势较弱，主要还是需求太差了，以及大家担心需求端产能释放，竞争加剧，电池盈利能力会大幅下滑。不过这些不利的因素，已经在股价很大程度反应，需求端方面，我还是倾向随着促销结束，新车型投放等，预计4月销量有望迎来回暖。盈利能力方面，之前也反复聊到，基于宁德的一家独大（份额高，话语权强，售价较二三线电池高10%），动力电池的价格战激烈程度，远低于整车，而且近期锂盐价格也在加速下跌，成本端是在明显改善的。相信随着一季报披露，大家对动力电池的盈利能力预期，也会有改善。
整体我还是倾向，电池这个位置，向下空间非常有限了。不过估计会震荡一段时间，需要等待需求销量回暖，以及业绩端对盈利能力的进一步验证催化。
这个位置，就是保持足够信心和耐心，电动车依然是相对景气行业，动力电池也是产业链上下游环节，技术门槛最高，护城河最高环节（低成本高质量的量产能力非常稀缺），龙头的竞争又是还是非常突出。
别千万股价一波动，又拿不住股票了，我们不是神，不可能买在最底部，但能买在相对底部，就已经非常不错了。
【天风电新】锂电|更新:供给侧加速出清，看好跑出竞争力的全球化龙头
锂价加速下行至20W，看好需求复苏
据我们了解，目前正极厂碳酸锂采购价格已经跌至30万元/吨以下，其至有电池公司已直接采购到20万元/吨，根据近两年新增锂矿碳酸锂生产成本在10-20万元/吨判断，锂价第一轮底在20万元/吨。碳酸锂价格的加速下行到见底，一方面反映行业去库存阶段有望结束，另一方面，碳酸锂降价可大幅降低电池成本，从而降低整车，储能成本，善加油车降价接近尾声，行业放量在即。
碳酸锂价格每下降10万元/吨，电芯成本下降0.07元/wh，50度电车成本下降3500元。比轮碳酸锂价格从去年高点60万元/吨下降至20万元/吨，电芯成本下降0.28元/wh，50度电车成本下降1.4万元。
投资建议
需求侧增速放缓，供给侧加速释放是目前电车行业共识(也基本反映在股价中)，激烈的竞争态势的确是不利因素，但也是优秀的公司脱颖而出的必由之路。
结合一季报表现+海外布局，我们认为宁德、亿纬、科达利表现较佳，现更新基本面情况如下，
【宁德时代】
Q1盈利有望稳中有升。中长期放量上，和福特的下厂获得补贴，欧洲版IRA限制不大，边际利好公司欧美市场份额发展，此外电动重卡、电动船舶等新增市场，公司优势显著，有望进一步打开公司中长期增长空间。
我们预计23Q1电池出货在70-80G，同增50%左右，归母净利润70-80亿元，同增700%+。
同时，看好预计公司23年实现归母净利润450亿元，对应当前PE 22X。
【亿纬锂能】
这轮下跌主因是市场担心宁德对二线的压制，而公司只需证明【市占率和盈利能力】，23年动力国内市占率目标5%及以上(22年在2%)，动力客户系广汽、哪吒、小鹏、合众等(努力成为多家车企的一供)，且下游客户特别是广汽销量良好(3月销量有望达4W+，公司主供跑量的AIONYYounger)，随着客户的陆续放量，公司收入有望逐月提升。
预计23Q1实现收入120亿元，归母净利润10亿元+，同增100%+，预计23年实现归母净利润61亿元(考虑了8亿元+股权激励费用)，考虑转债后对应
23X。
【科达利】
材料环节中最早出清的，也是最早跑出竞争力的公司(行业老二结构件业务已出现亏损)，公司份额继续提升。
海外布局进展领先(3年前就在建设欧洲工厂)，预计23年海外工厂实现收入10亿元，盈亏平衡，24年实现收入20亿元，净利率超国内(10%)，经营杠杆再次带动利润率提升。
预计23Q1实现收入20-30亿元(3月收入达10亿元)，实现归母净利润2亿元+(此前市场预期2)，预计23年实现收入150亿元，归母净利润15亿元，考虑定增后对应23X。
欢迎交流:孙潇雅/张童童赞(26) | 评论 (2) 2023-03-22 10:15 来自网站 举报
-
-
360老板的交流，还有同学没看的话，我放一下。这个说得很好（不是针对360企业哈，是针对行业看法），因为行业专家对行业的看法是远超分析师的。近期，我也跟好几家头部创投机构的朋友聊过，包括大家蜂拥去了美国去找OPENAI的这8个华裔工程师，发现产业比资本市场认知深刻很多，而且差异也...360老板的交流，还有同学没看的话，我放一下。这个说得很好（不是针对360企业哈，是针对行业看法），因为行业专家对行业的看法是远超分析师的。近期，我也跟好几家头部创投机构的朋友聊过，包括大家蜂拥去了美国去找OPENAI的这8个华裔工程师，发现产业比资本市场认知深刻很多，而且差异也很大。这是大的变革，所以未来会诞生很多机会，时刻保持密切跟踪，短期这波炒作没跟上不影响什么的。
近期的走势，算力只是催化剂之一吧，因为GPT需要的算力跟国内企业关系不大，国内这些基础设施算力更多是未来应用爆发时需要用的。近期行业的利好其实比较多，长存大规模注资、有进展、华为有进展等，比如前几天如果不是进展，可能有些回调的。整体来说，还是板块去年跌的够惨，筹码结构确实相对比较好，在基本面有改善的时候弹性大一些。
转：Q：上游哪些场景很关键？
A：算力不是最关键的问题，场景和数据是关键。我们二线队伍，账上200多亿人民币，之前国家搞了很多超算中心，没事情干，现在发现配了GPU就有东西看。Transformer算法是谷歌发明的，实现靠的是大力出奇迹，几千亿参数。这是个工程问题。从1到n中国能做的很快，openai中国做的很快，谷歌和meta会很尴尬。Meta开源了他的大语言模型，技术的knowhow会快速传播。关键的东西，第一是数据，有知识量的数据做训练，聊天的语料不包括知识chatgpt中文语料占了不到5%，大量知识在外文期刊里面，只用中文训练语料是不够的。很多机构说用了很大的参数，但是不敢拿出来说，大概率是数据不够。还需要人类的枪花反馈学习和调优，激发GPT理解人类的查询意图，这个是问题的关键。还有个很重要的是场景，微软放弃了自己的小娜的研究，全力帮助AI，在场景化上可以让大家看到人工智能有什么场景。搜索引擎一直在做NLP，自然语言处理，大家都在跟踪使用，搜索引擎在获取海量数据方面优势。我们和百度抓取的网页在千亿万亿的规模，需要清洗辣鸡网页进行工程化的索引。我们搜索引擎要抓取英文的维基百科和语料，对于我们是现成的。初创公司可能会卡在工程化的初始阶段，这个对工程化的要求比较高。还有人工标注的调优，微软做了很多贡献，搜索引擎帮助很大。360搜索份额占比30%，百度占比60%。微软帮助openai占据了很多的场景，下一步可能会把teams（视频）等TO B的场景做结合。
Q：以后会不会很多行业不存在了，机器把人替代了?
A：我不是很认同。我认为这是个洗牌的机会，如果你不重视他，抓上这班车就不行。我们企业内部要起每个部门都用AI提升我们的能力，用AI的大语言模型赋能，这样会成为我们手里有力的竞争武器。GPT4的知识能力和考试的能力已经超越了每一个地球人，GPT可能是用3.5和4互相训练。我们也考虑过这种，用bert这种理解性的模型进行反馈和奖励。这是个生产力工具，是能给各个产业赋能的，关键是你需要找到相应的场景和场景化的能力。
Q：以后小孩长大了应该会学什么专业吗？
A：这个问题很奇怪，该学什么专业学什么专业啊，对prompt很敏感。
Q：关于我们360，行业现在是巨头扎堆，360的核心优势？
A：第一个问题已经讲了，第一是数据的能力，不能光用中文的数据，要有全球数据的抓取能力，要能做到对垃圾的判别和清洗。用户上亿次搜索的数据，我们和百度有知识问答的栏目，这种涉及用户的真实的使用场景来进行训练。数据我们有优势。GPT2和bert是开源的，真要做到上千亿上万亿的模型，几千张GPU的显卡，几个T的数据进行几个亿的训练，这个对工程化要求很高。第三，搜索引擎我们市场份额是百度的一半。搜索引擎不具备生成性，不会编出林黛玉倒拔垂杨柳的故事，生成式AI会无中生有，如果编的结果是不对的普通人很难验证就很麻烦。我们做泛化，泛化的知识图谱的搜索，前面的十条二十条结果给大语言模型做提炼，这样就不会让生成式AI无中生有。我们搜索引擎dau有一个亿，大语言模型可以做及时的翻译和推荐，我们这种场景可以很好的让用户体验到人工智能的场景，形成商业化的闭环。我在政协叫了个提案，大家忽视的是这个东西真正的破圈了。之前无论是阿尔法狗和蛋白质折叠，离生活比较远。得益于微软工程化产品化的能力。一方面要打造核心技术，全方位最大化的调用公司的资源。大模型的方向已经出来了，要做到大力出奇迹，500亿到1000亿的参数训练，用有质量的语料。谷歌现在很尴尬，模型做出来了商业化的场景可能也被微软抢完了。微软专注场景和产品化的结合，openai专注技术，这样能实现很好的效果。
Q：360的场景和应用？
A：并行的。360也在做TO B，也是我们很重视的机会。我们的安全大脑帮助企业抵御攻击。我们的机会是，中国企业不接受公有云，希望有个私有化部署的GPT和数据。未来每个企业可能有自己的大脑。只做垂直行业的训练肯定是不行的（说的就是科大讯飞）。我们离GPT还有24个月到36个月的差距，第一个版本能做到几百亿参数的模型的时候，做到GPT的六成的功力，做到企业内部是够用了。TO B和TO G端是有大量的机会的。面对中小企业端，我们打算推出生成式AI的办公套件和应用。Openai找了100家垂直的SaaS公司，会专门训练垂类的应用。我们这两年很关注sme（中小企业），中小企业对企业数字化的要求功能明确，少花钱使用简单，SaaS更合适，我们去年推面向企业的SaaS云服务，一年120万家客户。我们浏览器国内份额最大，做了个SaaS商店，我们会找合作伙伴做一些场景。TO C我们有大量的使用场景，浏览器加上AI插件变成AI个人助力。TO B，TO SME和TO C三十多个场景使用不同的能力，尽快占据用户的使用场景。
Q：我们会和百度一样模型全覆盖的平台吗？
A：我们肯定不是这个方向。谷歌自己搞过GPU，也就自己用。训练最好还是用A100和A800，框架没必要自己搞，自己搞个框架还要花精力和别的适配。微软这么强大微软只做应用，openai用的框架也是用的行业通用框架。我不认为产业链全都做了是好事。我们坚定的沿着transformer框架把模型干到千亿。首先是要占据应用场景。
Q：百度内测效果不错，对于360未来应用的推广是不是更有信心了?
A：百度搜索一哥肯定能做好的，微软的搜索份额比谷歌要小，可以放开手要做创新。百度为什么做一个聊天机器人我不理解，我要做的话可能更愿意和搜索相结合。国内我不认为会和美国一样一支独大，头条和其他互联网厂商大家不会相互支持，会互相竞争，360啊微博啊B站啊知乎啊小红书啊美团滴滴等等，他也不敢用巨头的服务，肯定要自己搞。还是希望在这个模型上做出几个超级应用。有应用有场景的公司加上模型会有价值。
Q：中国电信布局了企业版的chatgpt，对这个的关注提升到了国家战略的高度，国家的重视会对行业产生什么影响？
A：国家队干这个事肯定不是坏事，互联网上大家都做过。从目前拥有的数据和团队能力来看，民营企业和国企都在一个起跑线上。只要不是只要牌照才能搞大语言模型，这样都有机会。GPT不是媒体一样管制，是个生产力工具，这将决定未来国际竞争当中的国运。美国人对于大语言模型也有政治正确的要求。
Q：中国和美国比有24到36个月的时间差？
A：不是和微软比。GPT4验证了我们很多观点，他的参数量我觉得应该到了万亿，训练的数据比原来大了5到10倍。人类反馈强化学习不再是十万组，而是几十万组的答案对，有很强的智能的能力。目前来看多模态是胜过国内的能力的。国内的图像识别还是传统的图像识别，openai把所有都看做序列，图像也是序列，他能把图像组成部分的关系和逻辑相关性总结出来。他在阅读文档上的能力国内做不到。他能支持5万字的输入，表示他的深度记忆能力越强，对上下文的理解越好。GPT3.5我们认为国内和他的差距18个月，gpt4是24个月。云谈了这么多年，企业上云的比例也还不高。这比的难度小多了。
Q：怎么看GPT4，会不会取代操作系统成为战略级的入口？
A：这是两个概念，需要host一个应用需要操作系统，操作系统还是需要的。人工智能没有突破之前大数据给企业用不好用。Gpt相当于是发电厂，这个比喻比较贴切。纯做GPT的公司有点来不及，要么是有GPT丰厚的场景。场景越大爆发性就越大，如果场景很小，就做了个虚拟人挂个GPT跟人对话，这个场景就很小。场景未来可能有多家服务提供商。
Q：场景是我们非常关注的点，特斯拉的机器人也是爆款，多模态和机器人的关系？人形机器人是终极目标吗？
A：我不这么认为。不考虑机器人的外形，音响之类的用自然语言和人交流这关就是过了。Gpt能否处理好机械手臂，寻找空间定位也是，出了GPT之后传统的做语言识别的图像识别的就有问题了。人形机器人有个最大的问题，机械手臂抬起的力量，这和人工智能没有关系。如果机器人手里拿不了太重的东西，这可能会成为妨碍。自动驾驶汽车也是个机器人，只不过长了4个轮子。GPT的大语言都可以赋能。你们和智能音箱聊过天，聊两句就能知道他是个滞胀，gpt肯定通过了图灵训练。橡胶娃娃也是仿真机器人。
Q：GPT4在物联网终端的广泛应用是大趋势了，边缘计算的需求？
A：这跟边缘计算有什么关系呢？构不成边缘计算的节点。真正的能力都在云端，运算都在云端。赞(17) | 评论 2023-03-21 12:29 来自网站 举报
-
-
赞 | 评论 2017-04-19 10:08 来自网站 举报
-
-
赞(1) | 评论 2017-04-06 23:25 来自网站 举报
-
-
赞 | 评论 2017-04-05 22:04 来自网站 举报
-
-
赞 | 评论 2017-04-05 08:18 来自网站 举报
-
-
赞 | 评论 2017-04-01 22:11 来自网站 举报
-
-
赞 | 评论 2017-04-01 22:10 来自网站 举报
-
-
赞 | 评论 2017-04-01 21:39 来自网站 举报
-
-
赞 | 评论 2017-03-29 22:01 来自网站 举报
-
-
赞 | 评论 2017-03-29 09:03 来自网站 举报
-
-
赞 | 评论 2017-03-27 21:28 来自网站 举报
-
-
赞 | 评论 2017-03-23 23:18 来自网站 举报
-
-
赞(1) | 评论 2017-03-22 23:13 来自网站 举报
-
-
赞 | 评论 2017-03-21 22:51 来自网站 举报
-
-
赞 | 评论 2017-03-20 22:18 来自网站 举报
-
-
赞 | 评论 2017-03-20 07:40 来自网站 举报
公安备案号 51010802001128号