|
自從榮耀獨立以來，關于其上市的傳聞就從未停歇，不過這一次走到了關鍵的一步。 01 榮耀股改完成，相關概念股梳理 有媒體引述知情人士消息，從華為分拆出來的智能手機制造商榮耀(Honor)，自今年第四季度啟動股份制改造以來進展順利，股改已于12月28日完成，榮耀終端公司名稱變更為“榮耀終端股份有限公司”。 2020年，榮耀從華為體系完全剝離出來開始獨立運營。根據IDC數據，2024上半年中國大陸智能手機市場以出貨量計算，榮耀的市場份額為15.7%，以銷售額計算榮耀的市場份額為10.7%。 消息表示，本次股份制改造涉及公司形式及名稱變更，不影響榮耀的日常經營。股改完成后，榮耀將適時啟動IPO流程，將在相應的過程中披露進一步消息，為實現公司下一階段的策略發展，榮耀將通過首發上市推動公司登陸資本市場。 天眼查信息顯示，榮耀終端有限公司注冊地址位于廣東省深圳市，法定代表人為吳暉，注冊資本約322億元。 目前榮耀股東層由23家股東組成，包括深圳市智信新信息技術有限公司、深圳市鵬程新信息技術合伙企業（有限合伙）、深圳國資協同發展私募基金合伙企業（有限合伙）、國信資本有限責任公司、京東方科技集團股份有限公司以及中國移動、中國電信等。 2023年11月，榮耀借殼上市的傳聞引發市場關注，深城交、深振業A、天威視訊等多股大漲。但隨著榮耀否認借殼上市，相關概念股股價大幅回落。 榮耀CEO趙明此前曾確認“我們肯定在中國上市，借殼上市從來不是榮耀的選擇”。 此前有媒體報道稱，一份榮耀Pre-po融資計劃顯示，榮耀擬于2024年遞交材料申報創業板上市，Pre-ipo輪估值為2000億元。 榮耀股改完成的消息很有可能會再次刺激市場的炒作情緒， A股有不少公司參股榮耀或者與榮耀有業務方面的合作，可能會受到市場的關注。
02 幻方量化發布AI大模型DeepSeek-V3，引發對算力需求的擔憂 12月26日晚，國產AI大模型DeepSeek-V3版本正式發布，這一模型來自頭部量化投資機構——幻方量化。
通過算法和工程上的創新，DeepSeek-V3 的生成吐字速度從 20 TPS 大幅提高至 60 TPS，相比 V2.5 模型實現了3倍的提升，為用戶帶來更加迅速流暢的使用體驗。當前版本的 DeepSeek-V3 暫不支持多模態輸入輸出。 在多項基準測試中，DeepSeek-V3的成績超越了Qwen2.5-72 B和Llama-3.1-405 B等其他開源模型，并在性能上和世界頂尖的閉源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。 在數學能力方面，DeepSeek-V3大幅超過了所有開源閉源模型。在Aider多語言測試排行榜中，DeepSeek-V3以48.4分排名第二，僅次于OpenAlo1的61分。而在LiveBench的測評中，DeepSeek v3是最強的開源大語言型，并在非推理模型中，排名第二。
來源：DeepSeek公眾號 官方介紹，通過在算法、框架和硬件方面的協同優化，DeepSeek V3的訓練成本變得非常經濟。 值得注意的是，根據其技術報告，作為一個超過700B參數的大模型，他的GPU用量、GPU小時數都遠遠低于Meta的Llama-3-405B：GPU數量大約是1/8，GPU小時數量大約是1/11。 簡單來說，相對于其它前沿大模型，DeepSeek-V3 消耗的訓練計算量較少，但其性能卻能夠比肩乃至更優；這一度引發了市場對算力需求的擔憂，周五A股下午一點半中科曙光、瀾起科技、龍芯中科、景嘉微等算力相關個股出現跳水。
廣發證券報告表示，DeepSeek-V3算力成本降低的原因有兩點。第一，DeepSeek-V3采用的DeepSeek MoE是通過參考了各類訓練方法后優化得到的，避開了行業內AI大模型訓練過程中的各類問題。第二，DeepSeek-V3采用的MLA架構可以降低推理過程中的kv緩存開銷，其訓練方法在特定方向的選擇也使得其算力成本有所降低。 不過，有業內人士表示，DeepSeek-V3本身是一個垂類的模型，并不是OpenAl、Gemini、豆包等通用大模型。是針對特定任務和設計進行的，旨在提高效率的同時保持高性能。 除此之外，它的訓練時間減少和算力需求降低，主要得益于算法優化、硬件適配和模型架構改進。然而，這并不意味著 AI訓練對算力的要求普遍降低，因為 AI領域的整體趨勢仍然是模型規模和復雜性不斷增加。 DeepSeek-V3體驗地址：chat.deepseek.com 論文鏈接：https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf 03 上海：到2025年底，建成世界級人工智能產業生態 12月27日，上海市印發《關于人工智能“模塑申城”的實施方案》。《實施方案》提出，到2025年底，建成世界級人工智能產業生態，力爭全市智能算力規模突破100EFLOPS，形成50個左右具有顯著成效的行業開放語料庫示范應用成果，建設3-5個大模型創新加速孵化器，建成一批上下游協同的賦能中心和垂直模型訓練場。 其中提到，打造超大規模自主智算集群。建設自主可控智算支撐底座，支撐全市人工智能創新應用的算力需求。加快通用圖形處理器、專用集成電路、可編程門陣列等自主智算芯片攻關，強化分布式計算框架、并行訓練框架等自主軟件研發。建設自主智算軟硬件適配中心，推進自主智算芯片測試和集群驗證。培育智算云服務商，探索訓推一體的服務模式。優化市級智能算力公共服務平臺，提升算力資源統籌調度能力。提升綠電供給能力，降低全市各類智算中心用電成本。 其中還提到，依托頭部企業和科研機構，打造虛實融合的超大型實訓場，建設支撐實訓場的高性能計算集群、高精度三維建模和高質量訓練數據集，創建與物理實體對應的高精度仿真環境和仿真訓練系統，搭建超大規模城市級的模擬應用場景，率先賦能具身智能、自動駕駛等大模型實訓。 |
|
|
