共 3 篇文章
当全球还在争论下一个世界模型时,孙正义押注电力、黄仁勋押注资金、马斯克押注铸件——三位科技巨头不约而同把战场从虚拟的模型训练,转向土地、电网与关键零部件的物理世界。本文梳理三者动作的核实细节,拆解能源、资金、关键零部件三大瓶颈,并从金融机构视角解读AI基建资产化的金融工程、算力信贷与风险边界。
腾讯科技文章提出AI正进入第四轮指数级算力需求增长:Chatbot、Reasoning、Coding Agent之后,Computer Use重构白领工作。本文从银行三重身份深读:算力与Agent的重度买家、算力重资产的资金供给方、模型风险的最后承担者,剖析对成本结构、信贷逻辑与风控框架的实质含义,并给出行动清单。
Harvey、Cursor 用专业数据训练专属模型,桥水基金以 Qwen3-235B 做金融信息筛选把错误率降低 29.8%、推理成本降 13.8 倍。当 PyTRIO 把大模型训练封装成 Training API、开启 TaaS 范式,银行面对的不只是新工具,而是模型自主权、数据主权与算力治理三重命题。