PG电子,百家乐,彩票,麻将糊了,PG电子试玩

　　英伟达在23-25年的上涨过程中经历了几轮震荡和调整，主因皆为估值达到高位后，市场对竞争、需求确定性、排产节奏等边际变化因素更加敏感，但随后英伟达均通过强劲的业绩表现回应了质疑。1）23年5月-12月：经历Q1大幅上涨后，市场普遍质疑①估值过高，②美国限制出口风险，③其他公司的竞争；2）24年中至25年4月持续震荡，一方面业绩继续强劲，北美CSP持续上修资本开支，另一方面B系列发货推迟、竞争问题（TPU等）、以及DeepseekR1出现后带来对算力需求的质疑都造成公司股价的波动。

　　北美AI叙事的变化：拥抱最确定的方向。年初市场陷入Scaling law放缓的论调，Deepseek发布后质疑CAPEX强度，因此英伟达领跌，选择最先AI落地广告兑现的Meta。Q2各公司持续上修资本开支，继续坚定“大力出奇迹”，结合英伟达业绩兑现，市场重新拥抱算力。Q3开始伴随谷歌反垄断压制解除，同时Gemini模型领先，用户持续增长，结合对OpenAI海量算力订单的质疑，市场对谷歌达成共识。全年来看，Meta由于在模型训练投入收效甚微，亚马逊由于在资本开支、自研芯片、模型的落后，二者成为表现最差的两家公司。

　　随着资本开支的持续增加，北美数据中心的用电需求急剧增加，26年预计CAPEX增长的限制因素将从缺芯更多转向缺电，微软CEO曾表示微软手里囤积着成堆的英伟达AI芯片，却因为缺电、缺空间，只能让这些昂贵的GPU在仓库里“吃灰”。据FERC（美国联邦能源管理委员会）预测，24年美国夏季用电负载峰值为929GW，预计到2029年5年时间将累计新增120GW。而据Grid Strategies估计，120GW的增量中大约80GW来自数据中心。

　　面对电力缺口，目前各公司通过：1）与能源公司紧密绑定，例如谷歌收购Intersect Power，亚马逊收购了Talen Energy位于Susquehanna 核电站旁的数据中心园区。绑定之后通过“计量表后”（behind-the-meter）供电方式——直接将电力接入数据中心，绕过公共电网，以弥补供能缺口；2）像海外寻找电力支撑，例如欧洲、亚太等电力资源相对丰富的区域；3）采用租赁电力资源充足的数据中心。

　　模型参数和训练数据量持续增长。根据DeepMind团队22年提出的Chinchilla Scaling法则，每增加 1 倍的参数量，对应的训练数据量（Tokens）也应该增加 1 倍，且最佳配比应为每10亿（1B）参数，至少需要200亿（20B）Tokens的数据进行训练。在使用合成数据后，模型预训练的数据量得到持续提升，根据lifearchitect.ai，预计海外目前头部模型最大参数量均已达到2万亿以上，马斯克曾提到26年的Grok5将达到6万亿参数，而对应的训练数据也扩张到100万亿以上。但在目前的部分论文中已证明（例如《AI models collapsewhentrained on recursively generated data》），随着合成数据使用的增加，会导致模型出现崩溃，因此拥有稀缺数据资源的模型厂商更有机会取得模型能力的明显提升。

　　24年OpenAI继续引领了模型发展的两大核心趋势：1）文本以外，图像、视频更强的模型开始涌现，包括GPT-4o为代表的多模态模型，但能力并未完善，GPT-4o的生图能力实际延期一年上线，同时OpenAI也在年初推出了视频模型Sora，谷歌5月发布Veo此后包括可灵、即梦等应用陆续上线月）为代表的推理模型方向。预训练的Scaling law开始边际放缓，GPT-o1引入了模型的慢思考能力，通过思维链（CoT)在给出最终答案前进行内部思考，利用推理时间的延长提升模型能力上限，在数据、编程、推理等领域提升显著。但模型上下文追踪、工具调用能力不足，agent 能力未落地（当时 SWE bench 仅能修复 1%-5%现实世界 GitHub 任务）。

　　25年3月发布，5月开放注册后首日用户突破100万。10月Manus 1.5发布，任务完成时间从 15 分钟缩短到4 分钟以下。商业模式上结合固定订阅费用与基于积分（Credit）的使用量计费。12月ARR超过1亿美元，累计处理Tokens超过147万亿，创建8000万+ 虚拟电脑实例。12月30日，Meta以数十亿美元估值对Manus完成收购，公司创始人肖弘出任Meta 副总裁，蝴蝶效应保持独立运作。