CORECore DAO价格

比特币矿企Core Scientific在季度报告中披露，为终止与Block及其子公司Proto的比特币挖矿芯片供应合同支付了4190万美元违约金。公司正彻底放弃提升算力的计划，并将业务转向人工智能托管服务。 除了已确认的4190万美元损失外，协议未披露其他额外赔偿条款。该协议最初于2024年7月宣布，涉及供应总算力约15 EH/s的3纳米芯片，并包含额外采购期权。取消订单后，Core Scientific表示将不再投资新的挖矿设备以维持或扩大加密货币挖矿产能。 公司计划通过现有设备产生现金流，同时着手改造其数据中心设施，必要时将出售或淘汰ASIC矿机。2026年第二季度，其AI托管收入飙升至1.367亿美元，较上年同期的1060万美元大幅增长，占总营收的83%。同期，自主挖矿收入下降66%至2150万美元，第三方矿机托管收入为600万美元。 公司季度比特币产量同比下降53%，平均实现价格下跌27%。截至2026年6月30日，其AI托管容量为395兆瓦，到7月中旬增至437兆瓦。客户租赁的总功率达到约1.1吉瓦。目前所有托管收入均来自CoreWeave，该公司在2026年上半年贡献了Core Scientific约77%的总收入。 此外，Core Scientific在7月底宣布与AMD达成合作，潜在数据中心容量达2.5吉瓦。初始为期15年的协议覆盖约530兆瓦和五个站点，预计可带来超过140亿美元的合同收入。2026年第二季度，公司总收入增长至1.642亿美元，资本支出跃升至7.975亿美元。截至6月30日，其采购和建设承诺约为10亿美元，长期债务为43亿美元，自由流动性为18.2亿美元。 2026年，随着比特币挖矿盈利压力加剧，多家大型矿企加速向AI领域转型，斯坦福大学数据也证实了这一趋势。

加密货币矿业公司Core Scientific与芯片制造商AMD达成一项数据中心基础设施合作协议，初始合约涉及530兆瓦容量。据Bernstein分析师估算，该协议在15年内可能为Core Scientific带来超过140亿美元的收入，AMD则实际上为部分比特币矿商的基础设施提供了信贷担保。 具体而言，530兆瓦中，377兆瓦为AMD直接以“三重净租赁”模式承租，余下152兆瓦由一家未具名的云提供商承租，并获得AMD的信贷支持。分析师认为，这种结构降低了融资成本和交易对手风险。AMD还获得了以每股23.47美元购买3000万股Core Scientific股份的认股权证，其归属与双方实现总计2.5吉瓦容量的目标挂钩。 分析师估计，该协议年均收入约为9亿美元，即每兆瓦约180万美元，略低于近期矿商与AI客户达成的交易水平。然而，AMD直接承租部分毛利率接近100%，整体交易混合EBITDA利润率估约96%。Core Scientific预计相关资本支出为每兆瓦1100-1200万美元，总计约60亿美元。 Bernstein指出，这笔交易标志着前比特币矿商向AI基础设施运营商转型的新阶段。近期类似案例包括Hut 8为据信是英伟达的客户预留704兆瓦，以及AMD向Riot Platforms预订200兆瓦。此前，Core Scientific曾向Block支付4190万美元，终止了矿机芯片供应合同，以加速向AI业务多元化。

长期以来，深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功，但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”，推理时则需要反复展开数百上千步，这种训练与推理的不一致导致了“暴露偏差”等问题，使得生成模型一直未能实现真正的端到端训练。 最近，一篇来自UIUC与哈佛大学的论文提出了“探索式建模（Explorative Modeling，XM）”新范式，其核心是一个简单到近乎朴素的for循环：在每个训练步骤中，模型生成K个候选样本，然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失（如平方误差）而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值，而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式，在不拆分生成过程的前提下，直接提升了模型的“生成表达力”，即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明，随着模型规模、数据量和计算量的增大，探索带来的性能收益越发显著，在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是，当探索程度足够时，XM可以实现真正的端到端生成。在机器人控制等任务中，仅需一次网络前向传播的XM策略，其性能可媲美甚至超过需要上百次前向的扩散模型策略，实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新，但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈，并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大，探索这一新维度可能将发挥越来越关键的作用。

强劲的企业盈利正成为美股核心驱动力。高盛合伙人John Flood指出，标普500指数第二季度每股收益（EPS）同比增速追踪值高达45%，远超市场预期；剔除非经常性项目后增速仍达26%，为2021年以来最快。分析师已开始上调2027年盈利预期，修正趋势在多数板块保持正面。 同时，市场仓位趋于“干净”：高盛情绪指标从高位回落，对冲基金去杠杆明显，零售投资者杠杆也开始降温。这种“去泡沫化”的仓位环境为市场进一步上行创造了条件。 从估值看，美股相对其他主要市场处于较便宜水平，且AI超级周期的红利尚未完全释放，科技公司持续加大资本投入。不过，历史数据显示中期选举年8月至选举日期间市场回报中位数为0%，因此尽管盈利面支撑强劲，实现年内新高的具体节奏仍存在不确定性。

美银发布的Bull & Bear指标升至9.7，为2021年以来最高，接近发出“卖出”信号。报告指出，市场面临核心矛盾：一方面政策层（如联合汇率干预）有明确的流动性兜底意愿；另一方面，中期选举不确定性、AI厂商信用利差扩大及极端看涨指标限制了上行空间。 资金流向显示，股票和债券基金均创纪录流入，但科技板块六周来首次出现资金流出。美银建议投资者“撤退或轮动”，即从风险资产撤出，或转向防御性板块、久期资产和美元以对冲风险。 报告强调，中期选举是下半年关键的宏观变量，可能重塑政策与经济叙事。此外，AI资本开支前景与就业数据（如7月非农）也将影响市场走向。尽管政策兜底提供下行保护，但市场乐观情绪已充分定价，上行空间有限。