Market Analysis by covering: Nasdaq 100, NVIDIA Corporation, Micron Technology Inc, Advanced Micro Devices Inc. Read 's Market Analysis on Investing.com ...

又崩了！硅谷软件巨头短短一夜，蒸发3000亿美金，过去一周全球近万亿美金没了。令人想不到的是，罪魁祸首竟是Anthropic推出的一款插件。 瞳孔地震！一夜之间，全球软件股集体跳水，蒸发3000亿美金。 如今，整个硅谷都在说：软件（SaaS）已死！ | 90 0 0 00 | TrendSpider & @TrendSpider · 6h * BREAKING: Software stocks. | | | | | | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | * 突发新闻:软件股。 | | | | | | | | | | | Softwarn: & Change% vs 52wk High (US equity, Fx) & Change% vs 52wk High (US equity, Fx) Customze ... | | Q | | | | | | × | | | IBM -9.60% | ADSK -27.26% | | GRAB -35.04% | | SAP -38.87% | | SNOW ...

继"下一个词预测"之后，世界建模将成为新的预训练范式。 这是英伟达机器人主管Jim Fan给出的最新判断。 他认为，2026年将成为大世界模型（Large World Models）真正为机器人领域以及更广义的多模态AI奠定基础的第一年。 谢赛宁随即转发表示赞同："事后看来显而易见"。 在这篇长文中，Jim Fan讨论了世界模型的定义与应用，尤其聚焦于物理AI领域的发展，同时展望了新的推理形式： 世界建模（world modeling）是在给定一个动作的条件下，预测下一个合理的世界状态（或一段更长时间范围内的状态）。 当前世界模型的主要炒作集中在AI视频领域，而2026年将迎来物理AI的爆发。 世界模型需要更广义的预训练目标：下一个世界状态不应只包含RGB，还必须覆盖3D运动、本体感觉与触觉。 将出现一种新的推理形式：在视觉空间中的思维链，而非语言空间中的思维链。 以下为分享全文： 第二个预训练范式 下一个词预测(Next word prediction )曾是第一个预训练范式，而现在我们正在经历第二次范式转变： 世界建模（world modeling），或者说"下一个物理状态预测"。 很少有人真正理解这一转 ...

当前LLM仍停留在概率统计游戏层面，尚未触及人类认知核心。 何况，AI工具并未发展完善。中信证券认为，从客观理性角度来看，无论是从LLM自身的能力还是从 目前落地应用场景等方面来看，市场当下的判断都明显过于乐观，且不切实际。 模型层面，来自科研、产业领域的诸多论调表明，当前LLM（大语言模型）仍停留在概率统计游戏层 面，尚未触及人类认知核心，同时在幻觉、多模态对齐、推理能力等层面存在明显理论局限性；应用层 面，以标普500企业为分析样本，虽然样本企业在财报中提及AI的比例每个季度都在上升，但具体应用 场景仍主要集中于Coding、客服等领域，逻辑简洁、严谨、容错率高，而在一些要求严苛、逻辑链条复 杂的场景中仍很难胜任。同时，近期来自Salesforce的研究也表明当前的AI Agent，相较于其出色的基准 测试表现，在具体的企业应用场景中准确度仍很难让市场满意，尤其是伴随任务步骤、复杂度提升， AI Agent准确度更是快速下降。 软件行业进入回调期，中信证券2月5日发文称，美股软件板块当下正面临惨烈抛售压力，预计美股软件 板块当下痛苦状态仍可能持续一段时间。今日港股港股软件、SaaS、AI应用板块集体低开低 ...

2024-2025年，英伟达陆续推出GH200 NVL72、GB200/ GB300 NVL72等成熟超节点解决方案。根据大 摩预测，2025年英伟达 GB200/300 NVL72出货量约2800台。展望2026-2027年，英伟达计划推出 Vera Rubin NVL144和Rubin Ultra NVL576。互联GPU数将从72颗进一步向576颗发展。届时，英伟达将在新 一代Kyber机架架构中引入NVLink Switch Blade(NVLink交换机刀片)，通过PCB中板替代传统5000+根有 源铜缆。可以看到，Rubin Ultra NVL576仍具有较强的工程创新能力。 Hopper架构开启超节点Scale up初步探索。GH200通过NVLink和NVLink-C2C(Chip-to-Chip)技术，使得 每个GPU可以访问其他所有CPU和GPU芯片的内存，实现GPU与CPU内存统一编址。 Blackwell架构推动Scale up标准化。GB200 NVL72将Scale-up规模稳定在72 个 GPU/机柜，形成可复制 标准化方案。NVL72由 18 个 Compute Tray(计算 ...

Sector Overview - The chip sector is experiencing remarkable earnings growth and guidance, with companies like Coherent and Lamb Research struggling to meet high demand due to capacity constraints [1][2] - There is a notable pivot from Software as a Service (SaaS) companies towards hardware and power infrastructure stories, indicating a shift in investment focus [5][6] Company Insights - Companies like Broadcom and Nvidia are highlighted as strong performers, with Nvidia being central to AI and robotics advancements [3][20] - Tesla is viewed as a transformative company with potential catalysts in full self-driving AI and robotics, alongside its space initiatives [10][12] - The anticipated SpaceX IPO is expected to renew interest in Tesla and its leadership in AI and self-driving technology [14] Market Dynamics - The memory chip sector is considered cyclical and less favorable for investment, while other chip names are seen as more stable [3] - The demand for chips continues to outpace supply, with companies unable to fulfill orders, indicating a strong market position for leading firms [2][20] - The competitive landscape is evolving, with companies like Nvidia and AMD gaining significant market share, reflecting the importance of strong management in navigating market challenges [21][22]

英伟达、亚马逊等相继参与OpenAI的千亿美元融资。分析认为，OpenAI已成为科技巨头估值的命门，若不持续供血或将引发AI逻辑崩塌，科技巨头们 或面临50%-80%的市值缩水。"如果OpenAI减少对超大规模云厂商的承诺支出，他们会损失1万亿美元市值，那朋友之间100亿美元算什么？" 所谓的千亿美金融资，本质上是科技巨头们为了防止AI泡沫破裂而不得不进行的一场自救式"供血"。 当下讽刺的现实是，甲骨文为了筹钱，甚至被迫宣布要卖股票来凑数， 直接把市场焦虑拉满了 。Janus Henderson的信贷研究主管Mike Talaga直言： 2月4日，据The Information资深记者Ken Brown报道，OpenAI正在筹集一笔高达1000亿美元的融资。英伟达可能打算投300亿，亚马逊200亿，软银 300亿，微软也得跟100亿。 在OpenAI 7300亿美元的离谱估值下，这些聪明人为什么抢着送钱，在Brown看来，逻辑非常直白。 银行不信OpenAI了，巨头只能自己上 以前OpenAI很聪明，它自己不借钱，而是让甲骨文（Oracle）、CoreWeave、Vantage数据中心在内的合作伙伴利用自身 ...

今天分享的是：2025年美国品牌500强 报告共计：49页 2025年美国品牌500强报告核心总结 《2025年美国品牌500强报告》由Brand Finance发布，聚焦美国顶尖品牌的价值表现、行业趋势与发展动态。报 告显示，2025年美国500强品牌总价值同比增长7.4%，达5.79万亿美元，增速远超美国2.8%的经济增长率，彰显 强势品牌的强劲发展韧性。 品牌价值排名方面，苹果以5745亿美元的品牌价值蝉联美国及全球最具价值品牌，其紧密整合的生态系统是核心 竞争力，不过面临反垄断监管挑战。微软和谷歌分别以4611亿美元、4130亿美元位列第二、三位，微软凭借云计 算和AI业务实现35.4%的显著增长。值得关注的是，英伟达受AI芯片需求激增推动，品牌价值暴涨97.5%，首次 跻身前十。 行业表现呈现明显分化，半导体行业以40%的增幅领跑，啤酒、休闲旅游行业均实现35%的强势增长，挪威邮 轮、嘉年华邮轮等品牌受益于后疫情时代旅游需求复苏。而医疗设施、汽车、医疗服务行业则分别下滑23%、 14%和14%，面临较大发展压力。 区域分布上，加利福尼亚州以84个品牌贡献1.92万亿美元的总价值位居首位，聚集了苹果、 ...

henry 发自 凹非寺 量子位 | 公众号 QbitAI 继"下一个词预测"之后，世界建模 将成为新的预训练范式。 这是英伟达机器人主管 Jim Fan 给出的最新判断。 他认为，2026年将成为大世界模型（Large World Models）真正为机器人领域以及更广义的多模态AI奠定基础的第一年。 谢赛宁随即转发表示赞同："事后看来显而易见"。 在这篇长文中，Jim Fan讨论了世界模型的定义与应用，尤其聚焦于物理AI领域的发展，同时展望了新的推理形式： 世界建模（world modeling）是在给定一个动作的条件下，预测下一个合理的世界状态（或一段更长时间范围内的状态）。 以下为分享全文： 本质上，视频世界模型就是可学习的物理模拟器和渲染引擎。 它们能够捕捉反事实情景（counterfactuals），即预测如果采取不同动作，未来可能会如何不同——这就是推理。世界模型从根本上以视觉 为中心。 第二个预训练范式 下一个词预测(Next word prediction )曾是第一个预训练范式，而现在我们正在经历第二次范式转变： 世界建模（world modeling） ，或者说 "下一个物理状态预测" ...

Core Viewpoint - The recent decline in global software stocks is driven by fears that AI will replace existing software tools, particularly following the release of Anthropic's Claude update, which showcases unprecedented automation capabilities [1][5] Group 1: AI's Role in Software - Huang Renxun asserts that AI will not reinvent tools but will utilize existing, proven software through APIs and functional combinations [2][4] - The fundamental change is not the replacement of software but the transformation of users from humans to AI [3][6] - AI's ability to perform tasks autonomously, such as filling forms and writing code, marks a significant advancement in technology [8] Group 2: Software as a Learning Platform - Future software will evolve from being mere tools to becoming platforms for AI's continuous learning, accumulating experience with each use [10][13] - Software must adapt to real-time generation based on AI's intentions, moving away from pre-recorded actions [11] - The most valuable aspect for companies will be the questions posed by AI, representing their challenges and strategic directions [12] Group 3: Software Requirements for AI Integration - Software suitable for AI must be capable of high-frequency calls and have API interfaces for programmatic access [15][17] - The shift in software value standards emphasizes the need for tools that can be easily integrated into AI workflows [16][19] - Companies are encouraged to assess their existing tools for API capabilities and consider enhancing those that lack such features [17]