返回 7*24 快讯
来源MarsBit

现货白银大跌1.55%

火星财经消息,9 月 14 日,据 行情数据显示,现货白银日内大跌 1.55%,现报 63.46 美元/盎司。
免责声明:以上内容仅为作者观点,不代表 711BTC 的任何立场,不构成与 711BTC 相关的任何投资建议。

相关推荐

2分钟前重要

TrendForce:高容量 NOR Flash 下半年合约价或再涨 90%–110%

火星财经消息,TrendForce 最新存储器产业研究指出,NOR Flash 市场正经历近十年来最显著的供需结构转变。AI 相关产品正吸收大量产能,供应商即使高端应用需求持续增长,也难以大幅增加 NOR Flash 位元产出。因此,2026 年下半年供需预计仍将失衡,整体合约价维持高位。尽管台湾和中国供应商已增加资本支出并扩产,新产能无法立即转化为市场供应。新产出需先经过制程迁移、良率爬升、产品认证和客户设计导入,中高容量段供应短缺短期内难以缓解。Winbond 预计 2026 年位元增长最强,受 45nm NOR 全面量产及向 25nm、20nm 迁移推动。GigaDevice 正升级 32Mb 及以上产品制程,上半年有效产出受限。MXIC 将额外 12 英寸产能优先用于 NAND 和 eMMC,限制 NOR 晶圆投入增长。2026 年 AI 和航空航天通信成为主要新增需求来源。AI 服务器 NOR 用量为传统服务器的 3-5 倍,边缘 AI、AI PC、机器人及低轨卫星等推动高密度需求。2026 年上半年合约价累计平均上涨 100–120%。下半年 256Mb 及以上产品平均价格可能再涨 90–110%,128Mb 及以下产品 4Q26 价格上涨 10–20%。

2分钟前

Aeon 完成种子轮扩展融资并收购德国 Aware Health

火星财经消息,据 EU-Startups 报道,苏黎世预防医疗公司 Aeon 宣布完成种子轮扩展融资,并同步收购德国血液诊断平台 Aware Health,种子轮融资总额由此超过 1200 万欧元(约 1400 万美元)。本轮由 Araya Ventures 联合领投,现有投资方 Concentric、GoHub Ventures、Kadmos Capital、Calm/Storm Ventures、N&V Capital 及 Bigwave Capital 跟投。

2分钟前

韩国投资者请愿第四次推迟加密税,监管机构坚持按期实施

火星财经消息,韩国投资者再次推动推迟计划于 2027 年 1 月 1 日实施的加密货币收益税,但监管机构坚持按原计划推进。根据韩国国民议会电子请愿系统,一份要求将加密税计划推迟两年的请愿书已获得 5 万份有效签名,达到立法审查门槛,将自动提交相关常设委员会审议。韩国计划对数字资产年收益超过 250 万韩元(约 1856 美元)免征额的部分征收 22% 的税(含 20% 基本税率和 2% 地方税),覆盖出售、转让和出借加密资产所得。该税种自 2022 年首次讨论以来已三次推迟。请愿者表示,多数加密投资者正承受巨额亏损,主要韩国加密企业营业利润下滑高达 90%,此时征税将把年轻人的财富阶梯踢开,并可能将投资者推向离岸平台。今年 5 月,一份要求废除加密税的请愿书曾在提交后 8 天内达到 5 万签名门槛,但未获进一步推进。与此同时,政府立场坚定,经济财政部长官提名人李衡一(音译)上周末表示,加密税计划正在按计划推进,国税厅将于今年晚些时候公布详细的征税标准。

6分钟前重要

中东攻击升级,布伦特原油涨超 4 美元

ChainCatcher 消息,据 Gate 行情数据显示,受中东攻击升级影响,布伦特原油期货日内涨幅超过 4 美元,达到每桶 108.65 美元的盘中高点。

8分钟前重要

美光、闪迪赴韩争抢半导体核心人才,三星加码薪酬与股权激励应对挖角

火星财经消息 9月14日,半导体竞争的主战场,已经转向人才争夺战。三星电子为守住市场龙头地位,不得不着手保护核心人才;与此同时,美光、闪迪等全球竞争对手也涌入韩国,争抢高带宽内存(HBM)与 NAND 闪存设计人才。能否抢到足够多、能左右技术差距的核心人才,已经成为下一代存储器市场的胜负关键。三星电子正通过提高绩效奖金、扩大股权奖励予以应对。今年上半年,员工数量较去年小幅减少,但薪酬总额、账面薪酬成本等指标均出现上涨。(广角观察)

9分钟前

循环Transformer新架构:RLT让Token之间「接着算」

动察 Beating AI 快讯,普林斯顿博士生 Yifan Zhang 提出 Recurrent Looped Transformer(RLT),给 Transformer 加了一条会一直往后传的内部状态。 普通 Transformer 生成下一个 Token 时,主要通过 Attention 和 KV 缓存读取前文。RLT 除了看前文,还会把上一个 Token 算完留下的内部状态,直接交给下一个 Token 继续用。 可以把它理解成给模型加了一根「思维接力棒」。第一个 Token 算完,把当前状态传给第二个;第二个更新后再传给第三个。每个 Token 自己跑的网络层数没有变,但这根状态链会随着文本越来越长。论文把它称为「无限时间深度」,指的就是这条计算链没有固定长度上限。 它和最近讨论较多的 Ouro、Astra 类循环架构也不太一样。那类方法主要让同一个 Token 在同一套网络里多跑几轮;RLT 则让不同 Token 之间持续传递内部状态。前者像一道题交卷前多检查几遍,后者更像上一棒跑完,把手里的进度直接交给下一棒。