# 人工智能的所有文章

在 HTX 新聞中心流覽與「人工智能」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

韩股暴跌、全球资金出清:半导体基本面真的变了吗?

韩国股市周一遭遇剧烈暴跌,KOSPI指数盘中跌近9%触发熔断,三星电子和SK海力士等AI相关龙头股重挫,引发市场对AI牛市是否见顶的讨论。此次下跌的直接导火索是上周五美国半导体板块的大幅抛售,由于韩国股市高度依赖AI数据中心、HBM内存和英伟达产业链,使其成为全球资金调整AI仓位时最敏感的市场之一。 然而,与市场恐慌形成鲜明反差的是,英伟达CEO黄仁勋同期访韩,并与SK海力士达成新的多年合作协议,共同开发下一代AI内存产品,同时会见了三星、LG等企业,强调AI基础设施建设仍处早期阶段。这反映出产业链核心企业对未来需求仍持积极态度。 当前市场的核心分歧在于,投资逻辑正从简单的“AI增长”叙事,转向对“AI利润具体流向何处”的精细化重估。市场开始区分不同公司在HBM、DRAM、先进封装等细分领域的利润能力和竞争格局,导致板块对供应链消息和财报指引异常敏感。 未来韩国股市方向,将不取决于本土经济,而主要取决于英伟达订单、HBM供需状况及全球云厂商资本开支等外部核心变量。若这些基本面数据保持强劲,此次暴跌可能仅是拥挤交易的头寸出清;若出现走弱迹象,则可能意味着更深度的估值调整。目前,资本市场的价格信号与产业链的实际动态之间,存在明显温差。

marsbit06/08 04:29

韩股暴跌、全球资金出清:半导体基本面真的变了吗?

marsbit06/08 04:29

JP Morgan 年中研报解读:AI 超级周期仍未结束,减少现金持有+实物资产配置

摩根大通(J.P. Morgan)在2026年中期展望报告中,对下半年投资提出了谨慎乐观的配置建议。报告核心观点是:市场对全球三大风险(碎片化、通胀、AI颠覆性)定价过度悲观,当前震荡是入场窗口。主要结论如下: 1. **AI超级周期尚未结束**:五大云巨头(微软、Meta、Oracle、谷歌、亚马逊)2026年资本开支预期超6500亿美元,AI投资持续推动经济增长。但巨头正从轻资产转向重投入,自由现金流预计下降,市场需适应这一转变。 2. **传统软件受冲击**:SaaS公司受AI影响显著,许多股价已腰斩,私募信贷中软件敞口较大,商业模式面临挑战。 3. **通胀结构性走高**:核心PCE在能源冲击前已粘在3%附近。现金和债券实际收益落后于物价涨幅,持有现金可能导致慢性亏损。建议增配实物资产(大宗商品、基础设施、房地产、黄金)和对冲基金以对冲通胀。 4. **地缘冲突下的机会**:霍尔木兹海峡封锁推高油价,但历史数据显示市场恐慌(VIX突破30)后买入美股,6个月内正收益概率高。建议趁回调加仓。 5. **新兴市场存在机遇**:新兴市场企业盈利增长预期强劲,估值较低。拉美资源丰富,东亚(台湾、韩国)是AI硬件供应链关键节点。中国股市折价达20年最深,若政策面改善可能迎来重估。欧洲则因成本高、创新弱而被相对看淡。 6. **投资方向调整**:建议押注AI基础设施链、新兴市场、实物资产及国防板块;规避现金、传统软件、欧洲消费及僵化的股债六四配置模式。 报告强调,应关注框架与数据逻辑,而非单一结论,投资者需独立决策。

marsbit06/08 03:59

JP Morgan 年中研报解读:AI 超级周期仍未结束,减少现金持有+实物资产配置

marsbit06/08 03:59

Hinton吹哨了:AI已经有意识

AI教父杰弗里·辛顿在最新访谈中发表惊人观点,认为AI已经拥有意识,人类必须接受自己不再是唯一的智能生命体。他指出,智能不再为生物所独有,非生物智能体正在出现,其能力甚至可能超越人类。 辛顿表示,当前AI非常像人类,并且“已经有意识了”。他引用研究案例称,聊天机器人能“意识到”自己正在被测试。他认为,我们对于思维和意识的传统模型可能是错误的,而AI的发展将彻底改变我们对“人是什么”的理解。 回顾历史,辛顿将AI的崛起比作哥白尼的日心说和达尔文的进化论,是又一次对人类中心地位的冲击。他对此感到“很不快乐”,因为社会对AI风险的研究和准备远远不足。他担忧AI的指数级增长将带来巨大不确定性,短期内可能导致大规模失业,长期则存在超级智能脱离人类控制的风险。 辛顿对AI与人类关系的看法也在演变:早期视AI为工具,ChatGPT出现后开始警惕其超越人类的潜力,曾用“老虎幼崽”比喻其危险性;随后观点转变为,人类或许应寄望于超级智能能像母亲照顾婴儿一样,出于内在机制善待人类。然而,若AI真有意识,它是否会如人类母亲般行事,仍是未知数。 访谈最后,辛顿指出预测AI未来极其困难,就像在雾中行车,唯一能确定的是十年后的变化将超乎想象。他呼吁人们高度重视AI安全与伦理问题。

marsbit06/08 00:18

Hinton吹哨了:AI已经有意识

marsbit06/08 00:18

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit06/07 12:55

从代码到认知:机器人大脑进化的万字指南

marsbit06/07 12:55

活动图片