亚洲va在线va天堂xxxx中文 ,女子奶水太多喂老头中文字幕,亚洲性啪啪无码av天堂,无码H肉动漫在线观看免费中文

一、

策略：

“AI+”奇點，類比13年“移動互聯(lián)網(wǎng)+”

（一）本輪“AI+”判斷：行情三階段走，當前首推上游算力

復盤13年“移動互聯(lián)網(wǎng)+”行情，我們發(fā)現(xiàn)有兩條明確的主線：一方面存在兩大貫穿整個行情階段的主線行情；另一方面，市場行情又大體沿著“移動互聯(lián)網(wǎng)”產(chǎn)業(yè)鏈，呈現(xiàn)“自上而下”的輪動行情。

(資料圖片僅供參考)

主線行情方面，能夠貫穿整個行情的主線行情需要同時具備三大要素: 內(nèi)生產(chǎn)業(yè)發(fā)展催化、外部政策持續(xù)刺激、盈利印證。但我們進一步研究發(fā)現(xiàn)：①同時具備內(nèi)部產(chǎn)業(yè)催化和外部政策刺激，但盈利印證缺席的行業(yè)，往往也能夠?qū)崿F(xiàn)較高的漲幅（超過120%）；②而具備業(yè)績增速印證，但內(nèi)部產(chǎn)業(yè)催化和外部政策刺激要素缺席的行業(yè)，雖仍有一定漲幅（60%左右），但顯著跑輸主線行情。

產(chǎn)業(yè)鏈行情輪動方面，我們發(fā)現(xiàn)2013年“移動互聯(lián)網(wǎng)+”行情大致可以分為三個階段：第一階段行情以上游硬件為主，第二階段擴散到中游軟件、服務，第三階段進一步下沉至下游應用。進一步的，如何判斷行情即將出現(xiàn)切換？我們認為需要關(guān)注三大指引指標：外部政策、行業(yè)內(nèi)在催化因素，階段性回調(diào)。但與投資者直覺不相符的是，市場賠率和交易指標——市場擁擠度與估值——并不能為行情的輪動切換提供指引信號。

通信運營商自身擁有優(yōu)質(zhì)網(wǎng)絡、算力、云服務能力的通信運營商，同時具備天然的產(chǎn)業(yè)鏈優(yōu)勢，依靠5G+AI技術(shù)優(yōu)勢，為下游客戶提供AI服務能力，是新型信息服務體系中重要的一環(huán)，助力千行百業(yè)數(shù)字化轉(zhuǎn)型。作為算力基礎設施建設的主力軍已經(jīng)進行前瞻性的基礎設施布局。中國移動打造九天人工智能平臺，推進AI商業(yè)化，賦能中國移動內(nèi)外部數(shù)智化轉(zhuǎn)型；中國電信全面布局大模型技術(shù)，積極探索產(chǎn)業(yè)版“ChatGPT”的商業(yè)化應用；中國聯(lián)通全力升級算力網(wǎng)絡，推動5G和AI技術(shù)的融合。

3月16日晚微軟正式宣布推出Microsoft 365 Copilot，將大型語言模型（LLMs）的能力嵌入到Office辦公套件產(chǎn)品中。基于GPT-4的Copilot以其視頻+圖文的多模態(tài)分析以及更強大生成與理解能力，可更深度、全面發(fā)揮視頻會議AI助理功能，比如可以確定目標捕捉發(fā)言總結(jié)某人談話要點、全面理解會議主要內(nèi)容并自動整理及發(fā)送會議紀要等。隨著Copilot更強大功能對微軟辦公套件的加持，有望帶動Teams需求的增長，中國企業(yè)通信終端廠商將作為微軟重要的硬件合作伙伴有望深度受益。

（二）Q2：從通信公司視角看，海內(nèi)外的云商/運營商在AI算力基礎設施上投入如何？

1. 預訓練：在完成完整訓練之前，搭建一個網(wǎng)絡模型完成特定任務，在訓練網(wǎng)絡過程中不斷調(diào)整參數(shù)，直至網(wǎng)絡損失和運行性能達到預期目標，此時可以將訓練模型的參數(shù)保存，用于之后執(zhí)行類似任務。根據(jù)中國信通院數(shù)據(jù)，ChatGPT基于GPT3.5系列模型，模型參數(shù)規(guī)模據(jù)推測達十億級別，參照參數(shù)規(guī)模相近的GPT-3 XL模型，則ChatGPT完整一次預訓練消耗算力約為27.5 PFlop/s-dav。

2. 日常運營：滿足用戶日常使用數(shù)據(jù)處理需求。根據(jù)Similarweb的數(shù)據(jù)，23年1月份ChatGPT月活約6.16億，跳出率13.28%，每次訪問頁數(shù)5.85頁，假設每頁平均200 token。同時假設：模型的FLlops利用率為21.3%，與訓練期間的GPT-3保持一致；完整參數(shù)模型較GPT-3上升至2500億；以FLOPs為指標，SOTA大型語言在在推理過程中每個token的計算成本約為2N。根據(jù)以上數(shù)據(jù)及假設，每月日常運營消耗算力約為6.16億*2*（1-13.28%）*5.85*200*2500億/21.3%=14672PFlop/s-day。

3. 模型微調(diào)：執(zhí)行類似任務時，使用先前保存的模型參數(shù)作為初始化參數(shù)，在訓練過程中依據(jù)結(jié)果不斷進行微調(diào)，使之適應新的任務。

（1）可擴展性：超大規(guī)模數(shù)據(jù)中心的網(wǎng)絡基礎架構(gòu)響應更迅速、擴展更高效且更具成本效益，并且提供快速擴展存儲和計算資源以滿足需求的能力，超大規(guī)模數(shù)據(jù)中心通過在負載均衡器后水平擴展，快速旋轉(zhuǎn)或重新分配額外資源并將其添加到現(xiàn)有集群，可以實現(xiàn)快速向集群添加額外資源，從而在不中斷操作的情況下進行擴展；

（2）定制化：超大規(guī)模數(shù)據(jù)中心采用更新的服務器設計，具有更寬的機架，可以容納更多組件并且允許定制化設計服務器，使得服務器能夠同時接入多個電源和硬盤驅(qū)動器；

（3）自動化服務：超大規(guī)模數(shù)據(jù)中心提供自動化服務，幫助客戶管理高流量網(wǎng)站和需要專門處理的高級工作負載，例如密碼學、基因處理和三維渲染；

（4）冷卻效率更高：超大規(guī)模數(shù)據(jù)中心對其電源架構(gòu)進行了優(yōu)化，并將冷卻能力集中在托管高強度工作負載的服務器，大大降低了成本和對環(huán)境的影響，電源使用效率和冷卻效率遠高于傳統(tǒng)數(shù)據(jù)中心；

（5）工作負載更平衡：超大規(guī)模數(shù)據(jù)中心有效地將工作負載分布在多臺服務器上，從而避免單臺服務器過熱。避免了過熱的服務器損壞附近的服務器，從而產(chǎn)生不必要的連鎖反應。

Statista數(shù)據(jù)顯示，全球超大規(guī)模數(shù)據(jù)中心的數(shù)量從2015年的259個，提升到2021年的700個。根據(jù)PrecedenceResearch的報告顯示，全球超大規(guī)模數(shù)據(jù)中心市場規(guī)模在2021年為620億美元，到2030年將達到5930億美元，預計在2022-2030年間以28.52%的復合增長率（CAGR）增長。

“數(shù)字經(jīng)濟”系列報告

關(guān)鍵詞：