CBRS First Post-IPO Earnings Report: Revenue Doubles but Gross Margin Guidance Plummets, OpenAI's Massive Order Faces a Long Road to Realization

marsbitXuất bản vào 2026-06-24Cập nhật gần nhất vào 2026-06-24

Tóm tắt

Cerebras Systems (CBRS) released its first quarterly report since going public. Q1 core revenue of $191.3M beat expectations, surging 92% YoY, with full-year revenue guidance raised to $855-$865M. However, the company's Q2 gross margin guidance of 36%-38% represents a sharp drop from Q1's 47%, sending shares down over 10% after-hours. Management attributed the margin pressure to temporary costs from leasing back hardware to deploy capacity for OpenAI, highlighting a business model shift from selling chips to selling compute power. While growth is strong, key investor debates center on valuation, customer concentration, and long-term contracts. Revenue remains heavily concentrated (86% from two UAE-linked entities in FY25), though major deals with OpenAI (a $20B+ contract) and AWS provide a long-term growth narrative. Analysts are broadly bullish, citing Cerebras's unique wafer-scale chip architecture as a potential advantage in the AI inference market. However, skeptics point to the narrow moat of its speed advantage, uncertainties around margin recovery amid its business transition, and a high valuation (~50x forward sales) that prices in the flawless execution of its large, long-dated contracts.

Author: David, Chaoxiang Research

Chaoxiang Guide: Cerebras (CBRS) delivered its first quarterly report since the IPO. Q1 core revenue was $191 million, a 92% year-over-year increase, exceeding market expectations. However, Q2 core gross margin guidance dropped sharply from 46.5% to 36%-38%, causing the stock price to fall over 10% after-hours. This company, which makes chips from an entire wafer and bets on the AI inference track, holds OpenAI contracts worth over $20 billion and an AWS cooperation framework. Full-year revenue guidance is $855-$865 million. The growth data is solid, but the valuation debate is equally significant.

Key Points of Focus

  1. Revenue beats expectations, guidance beats even more. Q1 core revenue was $191.3 million (up 92% YoY), higher than the consensus estimate of approximately $181 million. Full-year core revenue guidance of $855-$865 million (up 69% YoY) exceeds the market expectation of $828 million. On a GAAP basis, cloud and services revenue reached $82.8 million, a 178% YoY increase, making it the fastest-growing segment.
  2. The sharp drop in gross margin guidance is the biggest negative this quarter. Q1 core gross margin was 47%, up nearly 5 percentage points YoY. However, Q2 guidance fell to 36%-38%, a drop of about 10 percentage points from Q1; full-year guidance is 38%-41%. Management attributed this to insufficient data center capacity: the company is temporarily leasing back systems from existing customers who have already purchased the hardware to deploy capacity, worsening short-term costs. After-hours stock price fell over 10%.
  3. Customer concentration shows signs of improvement but is far from resolved. 86% of FY2025 revenue came from two UAE-related entities (MBZUAI accounted for 62%, G42 for 24%). OpenAI will start contributing revenue in February 2026, and the AWS cooperation is expected to reflect financially only in 2027. Genuine revenue diversification will not be verifiable until 2027.
  4. Valuation pricing extends to 2028. Based on the after-hours price of about $200, CBRS trades at about 90x trailing twelve-month revenue; even using the full-year guidance midpoint of $860 million, the forward P/S is still above 50x. The median price target from 10 covering analysts is $300 (range $250-$340), which implicitly assumes the OpenAI contract worth over $20 billion and AWS deployments are fulfilled on schedule and volume.
  5. Short-term catalysts and headwinds coexist. Catalysts: Accelerated deployment of OpenAI's 750MW computing power, AWS inference solution rollout, new data center capacity coming online in the second half. Headwinds: Lock-up period contains unconventional early release clauses (triggered if market cap exceeds $40 billion, current market cap is near that threshold), unclear path to gross margin recovery, OpenAI itself is not yet profitable and has already scaled back some computing power commitments.

Earnings Reveal Business Model Shift: From Selling Chips to Selling Computing Power

The most easily overlooked detail in the Q1 report is the change in revenue mix.

Under the core metric, hardware revenue was $111.6 million, accounting for 58% of total revenue; cloud and services revenue was $79.8 million, accounting for 42%. A year ago, this ratio was roughly 70:30. Cloud services revenue grew 167% YoY, nearly three times the growth rate of hardware.

Management made this trend clearer on the earnings call:

Hardware revenue will decline sequentially in the coming quarters because the company will deploy more hardware capacity into its own cloud to fulfill OpenAI's and AWS's inference computing power contracts, rather than selling directly to customers. Cerebras is shifting from a "chip-selling company" to a "computing power-selling company."

This transformation directly explains the sharp drop in Q2 gross margin guidance.

An analyst pressed for details on capacity deployment during the call. Management revealed:

The company's current bottleneck is not chip supply from TSMC, but the physical space in data centers. To deliver computing power to OpenAI as soon as possible, Cerebras is "temporarily leasing back" hardware systems already sold to G42 (its previous largest customer and a minority equity investor).

Deploying its own systems in leased third-party facilities worsens the cost structure in the short term, which is the main reason for the gross margin guidance drop from 47% to 36%-38%. Management's timeline indicates new data centers will start coming online in the second half of the year, easing cost pressures at that time.

The financial structure of the OpenAI contract is also worth unpacking. On the surface, it's a multi-year computing power purchase worth over $20 billion, but underneath, three relationships are layered: OpenAI provided Cerebras with a $1 billion operating capital loan (reflected on the Q1 balance sheet as $621 million in current loans and $362 million in non-current loans), while also receiving warrants for Cerebras stock.

In other words, OpenAI simultaneously plays the roles of largest customer, creditor, and potential shareholder for Cerebras. Risk disclosures in the S-1 indicate that if Cerebras fails to deliver capacity as agreed, OpenAI has the right to terminate the contract and trigger loan repayment.

The cooperation framework with AWS adopts a "split inference" architecture: AWS's Trainium 3 chip handles prompt input (prefill stage), while Cerebras's CS-3 system is dedicated to high-speed output generation (decode stage). This design allows Cerebras to handle only the part of the inference pipeline where its speed advantage is greatest. However, management declined to disclose the specific scale of the AWS cooperation during the Q&A and stated that revenue contribution would only appear on the financials in 2027.

The common feature of these two large contracts is: Contract sizes are massive, but realization paths are long, and heavily dependent on Cerebras's data center construction progress.

Full-year revenue guidance of $855-$865 million implies the next three quarters need to average around $220 million each, with sequential acceleration in growth. Management's statement is "year-over-year growth will increase each quarter in 2026, with more revenue concentrated in the second half."

The Bull Case: Nine Banks Initiate Coverage with Buy Ratings, What Are They Buying?

On June 8, the day the IPO quiet period ended, nine underwriting banks simultaneously initiated coverage, all issuing Buy or Outperform ratings. CBRS stock rose 18.3% that day. This kind of coordinated bullishness is not uncommon for US IPOs (underwriters have inherent interests), but their investment theses point to the same core proposition.

Thesis One: The battlefield for AI computing power is shifting from training to inference, and the rules of competition in inference differ from training.

Morgan Stanley analyst Joseph Moore issued an Overweight rating with a $250 price target in his June 8 initiation report. His core argument is: The training scenario competes on total computing throughput, where NVIDIA GPU clusters dominate absolutely; the inference scenario competes on the speed and latency of single responses, as models must process millions of user requests per second, and speed directly impacts service cost and user experience. Cerebras's wafer-scale chips, with their on-chip SRAM capacity far exceeding conventional GPUs (data doesn't need frequent movement to external memory), possess a structural advantage in inference latency. Moore's statement is that Cerebras is "the only company that has commercially deployed wafer-scale processors," giving it a first-mover advantage over NVIDIA.

Citi analyst Atif Malik gave the highest price target among coverages at $340. Mizuho added a technical detail in its June 8 report: The WSE-3 chip has 44GB of built-in SRAM, several times that of Google's latest TPU and Groq's LPU, a hardware gap that cannot be closed through architectural optimization in the short term.

Thesis Two: Two major contracts advance Cerebras from a "technology story" to a "revenue story."

The OpenAI contract exceeds $20 billion, covering 750MW of inference computing power, to be delivered over multiple years. Amortized over five years, this contract alone would contribute approximately $4 billion in annual revenue, nearly 5 times the midpoint of the 2026 full-year revenue guidance. Although management refused to disclose the specific amount for the AWS cooperation, the framework is confirmed: Cerebras's inference capabilities will be offered globally to enterprise customers through Amazon Bedrock.

Q1 earnings data provided early validation. OpenAI began deploying Cerebras systems in February, and cloud service revenue jumped from less than $30 million YoY to nearly $80 million in one quarter. Management's statement is "year-over-year growth will increase each quarter in 2026, with more revenue concentrated in the second half." The full-year guidance of $855-$865 million exceeds the consensus estimate of $828 million.

Thesis Three: The density of coverage right after the quiet period is itself a signal.

The median price target from 10 analysts is $300, with a low of $250 (Morgan Stanley) and a high of $340 (Citi). Based on the after-hours price of $200, the median target implies about 50% upside. Wedbush ($270 target), Needham ($300), Barclays ($280), TD Cowen ($275), and Craig-Hallum (Buy) all initiated coverage in the same week.

The underlying assumption of the bull case can be summed up in one sentence:

If AI inference becomes a larger computing power market than training (multiple institutions predict inference spending will surpass training by 2027), and Cerebras's speed advantage is real and sustainable, then it only needs to capture 3%-5% of the market where NVIDIA holds an 80%+ share to justify its current valuation.

The Bear Case: Gross Margin, Customer Concentration, and the Fragility of a $45 Billion Valuation

For each of the bull's three theses, the bears have counterarguments.

Counterargument One: The moat from inference speed advantage may be narrower than imagined.

Cerebras's speed advantage is built on on-chip SRAM capacity, but NVIDIA is not standing still. The B300 chip released by NVIDIA in March significantly increased HBM bandwidth, and Groq's LPU architecture is also iterating rapidly on the inference front.

Viewed from another angle: Cerebras's customers are currently highly concentrated in just OpenAI and AWS. OpenAI is also one of NVIDIA's largest GPU purchasing clients, and AWS's in-house Trainium chip is covering more and more inference scenarios. Cerebras's major customers are simultaneously betting on alternatives, meaning its speed premium will face continuous price negotiation pressure.

Counterargument Two: The gross margin decline might not be just "temporary."

Management attributed the Q2 gross margin drop from 47% to 36%-38% to temporary leasing costs due to insufficient data center capacity. But this explanation assumes "costs will improve when new data centers come online in the second half."

Considering that revenue scale is expected to jump in the second half (management explicitly stated revenue is back-end loaded), and new data center capacity ramp-up itself requires time and capital investment, this recovery path is not easy.

A deeper issue is the impact of the business model shift itself on gross margin. Cerebras's shift from selling hardware to selling cloud computing power means taking on data center construction, operation, and depreciation costs. As depreciation expenses for self-built data centers are accounted for, uncertainty remains over whether cloud service gross margins can stay above 50%. The profitability ceiling of this business model has yet to be tested.

Counterargument Three: Customer concentration is a problem that has "changed names but is not solved."

In 2024, G42 alone contributed 85% of Cerebras's revenue. In 2025, G42's share dropped to 24%, but MBZUAI (Mohamed bin Zayed University of Artificial Intelligence) surged from nothing to 62%. The S-1 prospectus clearly labels these two as "related parties." The two UAE-related entities combined still account for 86% of revenue. Revenue source diversification is more about a change in names rather than substantive dispersion.

Finally, CBRS's IPO lock-up period contains an unconventional clause:

If the company's market cap consistently exceeds $40 billion, insider shares can be released early. At the after-hours price of $200, the current market cap is about $45 billion, already near the trigger line. On the short side, as of May 29, the short interest was 17.15% of the float, which is on the high side. If the lock-up period triggers an early release, unleashing a large number of insider shares, combined with existing short pressure, the stock could face concentrated selling.

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QWhat was the main negative surprise in Cerebras' (CBRS) Q2 guidance according to the article?

AThe main negative surprise was the sharp decline in the Q2 core gross margin guidance from 47% in Q1 to a range of 36%-38%. This triggered a more than 10% drop in the stock price after hours.

QWhat are the two major contracts that represent the 'revenue story' for Cerebras' future growth?

AThe two major contracts are: 1) The over $20 billion, multi-year contract with OpenAI for 750MW of inference compute power, with revenue contribution starting from February 2026. 2) The collaboration framework with AWS to offer inference solutions via Amazon Bedrock, with revenue expected to show up in financials from 2027.

QWhy does the article argue that Cerebras' customer concentration issue is 'not solved' despite the changing names?

AIn FY2025, 86% of Cerebras' revenue still comes from two UAE-affiliated entities: MBZUAI (62%) and G42 (24%). These are noted as related parties. Therefore, while the name of the largest contributor changed, revenue remains heavily concentrated within a related group, not genuinely diversified.

QAccording to the bullish analyst logic, what is Cerebras' key structural advantage in the AI inference market?

AIts key structural advantage is the massive on-chip SRAM capacity (44GB on the WSE-3) of its wafer-scale processors. This allows data to be processed without frequent transfers to external memory, significantly reducing latency, which is critical for real-time AI inference serving user requests.

QWhat is the primary reason given by management for the expected sharp decline in Q2 gross margins?

AManagement attributed the decline to a shortage of data center capacity. To expedite deployment for OpenAI, Cerebras is temporarily leasing back hardware systems already sold to existing customers (like G42). This short-term rental arrangement worsens the cost structure, pressuring margins. They expect pressure to ease when new data centers come online in the second half of the year.

Nội dung Liên quan

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报21 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报21 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit1 giờ trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit3 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit3 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit3 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit3 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 1.2kXuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 2.2kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của S (S) được trình bày dưới đây.

活动图片