AI投资新闻

这篇文章提出一个激进但自洽的判断：在 “AI 智能体” 与“超大上下文窗口”出现后，软件将不再承担信息处理职责，而是退化为类似存储介质的“持久化层”，真正工作的将是短暂、非持久的 AI 计算过程。 作者背景介绍：Doug O’Laughlin 是一

本文基于事实梳理 Claude Code 与 Opus 4.5 在创业者与开发者中的快速渗透，指出 OpenAI Codex 在产品体验与使用场景上的结构性滞后，并解释这种差距为何具有长期战略意义。 曾经引领大模型浪潮的OpenAI，如今在开发者工

HBM和普通DDR本质同源，但因TSV、超薄晶圆、三维堆叠和先进封装，单位容量更费硅、更难造、良率更低、周期更长，最终形成长期稀缺和高价。 HBM并不是“更先进的内存工艺”，而是“把普通DRAM拖进三维立体施工现场”的产物。晶体管没变魔法，内存单元没觉醒，

Anthropic新AI工具Claude Cowork上线五天，软件股血流成河：Intuit一周跌16%，Adobe、Salesforce双双破11%，SaaS指数开年15%深坑，估值杀到18倍历史最低，基金经理齐喊“找不到买入理由”。   1月12日，初

多元预测需要利用多个与时间相关的变量来生成预测。这种预测方法结合了历史数据，同时考虑了模型内变量之间的相互依赖性。在本文中，我们将探索使用 LSTM 进行多元预测的世界，深入了解其核心，探索其应用，并掌握其对未来决策的革命性影响。 什么是多

数据挖掘交易(Data mining trading 简称DMT)是指使用先进的数据分析技术从金融市场的大型数据集中提取有价值的见解和模式，然后应用这些见解来为交易决策提供信息。这就像筛选一座沙山来寻找隐藏的金块。 它的工作原理如下：数据源

要点： 量化金融工作结合了数学和工程技能 金融领域的量化分析师寻找基础资产之间的数学关系，或根据这些资产创建衍生品 金融领域的量化分析师也（越来越多地）在风险等领域工作 当您与交易者或投资组合经理的损益密切相关时，您在量化金融中赚到的钱最多。

一个 Python 包，用于聚合来自流行且免费的金融 API 的历史数据，并将该数据转换为 AI/ML 的功能。 finagg是一个 Python 包，提供流行且免费的金融 API 的实现、用于将这些 API 中的历史数据聚合到 SQL 数据库中的

贝叶斯（Bayesian）模型直接对不确定性进行建模，并提供了将专家知识纳入模型的框架。 背景传统的机器学习 (ML) 模型和人工智能技术通常存在一个严重缺陷：缺乏不确定性的量化。 这些模型通常提供

为摆脱英伟达软硬件绑定，AWS在GB300上首创“JBOK”网卡侧车架构，用自研EFA网卡实现更高可靠性和自主权。AWS（亚马逊云）怎么在英伟达越来越“封闭”的AI服务器生态里杀出一条血路！你可能不知道，现在全球最顶尖的AI训练集群，几乎都被英伟达“绑死”了。从GPU到网卡，

一个开源股票筛选器，它将传统财务指标与人工智能生成的分析和新闻情绪相结合。它仍处于早期阶段，我在这里分享它是为了寻求那些建立或使用过复杂交易系统的人的诚实反馈。 作用 使用可靠的雅虎财经数据筛选股票。 使用 NewsAPI

Cerebras通过将整个大模型存储在片上消除GPU显存带宽瓶颈，使推理速度从几百tokens每秒提升至两千五百以上，同时降低成本并提升模型智能，开启实时推理新纪元。 大模型推理速度的真正瓶颈不在算力，而在显存带宽。Cerebras通过晶圆级引擎将

由于我是算法交易和机器学习的新手，我将分享我迄今为止所做的事情，并希望获得一些提示，并了解其他人正在使用什么。 我

亚马逊为了让自己在俄勒冈的数据中心“吃到饱”，干脆 8300 万美元抄底买下 120 万千瓦太阳能＋同等规模“大充电宝”，准备今年动工、2027 年先上线第一期——从此“电荒”是路人，自己发电自己嗨！ 1 月 19 号，2026 年，记者 Zachary

人工智能研究员 François Chollet最近在谷歌工作十年后离开，创办了自己的公司。他的

NVIDIA、SoundHound AI和Arbe Robotics在各自领域的最新进展和市场前景分析： NVIDIA (NVDA - $150.55) GeForce Dominance: NVIDIA的GeForce GPU在游戏和AI