我们最近发布了一份清单 11 AI关于华尔街雷达的新闻更新。在本文中，我们将探讨Semtech Corp（NASDAQ：SMTC）的位置，与《华尔街雷达》中的其他AI新闻更新。
中国在其夺取AI创新中占主导地位的比赛中感觉到了机会之窗。由于华盛顿仍专注于限制AI获取的监管墙，因此北京诉诸于促进开源人工智能模型以增强AI的创新和采用。当DeepSeek推出具有成本效益的AI模型时，这很明显，该模型挑战了美国技术在大型语言模型和数据中心的主导地位。
尽管最初的重点是如何提出与美国模型相媲美的强大AI模型，但此后的重点已更改为中国初创企业如何催化开源AI模型的采用。根据研究和市场的数据，随着中国公司希望利用人工智能软件市场不断增长的机会的决定，该法规的决定是在人工智能软件市场中增长的，该公司的年增长率为35.52％，预计到2028年价值223.5亿美元。
“ DeepSeek的成功证明，开源策略可以导致更快的创新和广泛的采用，” Counterpoint Research的人工智能首席分析师Wei Sun说。
了解中国将需要时间在高级AI计算中达到美国的水平，中国公司专注于创造更有效和成本效益的AI解决方案。他们还努力在开源AI，云服务和全球数据网络中确立领导角色。
这些方法使中国能够为对美国政策不满的国家提供更实惠和不受限制的AI访问权，并以挑战性的破坏方式将其融入到发展中的市场中。这不仅是AI中的一场比赛；现在和将来，这都是争取在全球数字基础设施上的统治地位的斗争。
自从DeepSeek发送冲击波以来，几家中国公司发布了对个人用户免费的开源车型。开源AI模型的举动强调了中国的广泛转变，不再着重于专有许可。相反，中国公司自由提供了基本的源代码，以进行修改和重新分配。
尽管美国科技巨头一直坚持开源的模型或源代码，但并非总是如此，对于初学者来说，大多数美国公司声称使用开源代码，同时仍限制其使用和修改。其他美国公司也通过向人们收取访问模型的费用即使声称自己是开源的，从而产生收入。
在本文中，我们通过浏览新闻文章，股票分析和新闻稿选择了AI股票。这些股票在第四季度2024年的对冲基金中也很受欢迎。
我们为什么对对冲资金堆积的股票感兴趣？原因很简单：我们的研究表明，我们可以通过模仿最佳对冲基金的最高股票来胜过市场。我们的季度新闻通讯的策略每季度选择14个小型股和大型股票，自2014年5月以来返回了373.4％，以218个百分点的优势击败其基准（在此处查看更多详细信息）。
一名研究模拟半导体产品电路板的技术人员。
对冲基金持有人的数量：57
Semtech Corp（NASDAQ：SMTC）是一家技术公司，专门研究半导体，物联网系统和云连接服务解决方案。该公司于3月31日宣布扩展其广泛的光学通信组合，包括多代数据中心连接的解决方案。
新解决方案旨在解决机器学习和人工智能群中高速，处理能力和数据吞吐量的要求。因此，它们应加速转移到更高的带宽密度，同时实现未来的800G和1.6T模块。
“Our 200G and 400G per channel innovations represent critical building blocks that enable the next generation of data center fabric. As AI models continue to grow exponentially in size and complexity, these architectural advances will help hyperscalers build the infrastructure foundation needed for tomorrow's AI workloads while managing their data center power envelope,” said Amit Thakar, vice president of signal integrity product marketing at Semtech.
总体而言，SMTC 排名第二 在我们有关华尔街雷达的AI新闻更新列表中。尽管我们承认SMTC作为一项投资的潜力，但我们的信念在于，人们相信AI股票在较短的时间范围内具有更高的回报，并在较短的时间范围内提供了更大的希望。自2025年初以来，AI股票上涨，而受欢迎的AI股票损失了约25％。如果您正在寻找比SMTC更有前途但其收益不到5倍的AI股票，请查看我们的报告 最便宜的AI股票。
阅读下一篇： 现在购买20种最佳AI股票 和 根据亿万富翁的说法，现在有30种最佳股票。
披露：无。本文最初发表在 内部猴子。
（Tagstotranslate）Semtech Corp（T）数据中心（T）AI新闻更新（T）人工智能（T）中国公司（T）开源（T）AI股票（T）AI Stock（T）语言模型
关键词：