年赛结束，成绩定格在21倍多，时间十个多月，继续留个足迹。

我仍然认为二池兄关于这个票的逻辑是对的，我反思了一下，这个票我犯了没有做到知行合一的错误，搏10线反弹，买点没有问题，但是在跌破10日线的时候，没有执行纪律止损，卖点出现问题了。我横向对比了一下端侧四小龙，走势其实是同步的，都是下跌，rx一直都是四小龙里走势最弱的，下跌途中最能看出来哪个更受资金追捧，同时也应该及时换股，去弱留强，去买四小龙里最抗跌的那个股！

池哥 我看了你的去买了yytx btjc  还有一点sfwh 今天好抗跌 总结还是字节强 验证你的逻辑

感觉周末这样吹   影不影响铜缆我不知道   但是ds的票感觉要么买不进去  要么买进去就是大坑  看不懂

其实真正利好的是华为910C芯片。定制降本增效。

ds这个事情，国家看似是要拿来做宣传教材了：我用低端也可以做出高端货，你限制我没用。

@茶小苏 润欣，乐鑫，移远（离婚），广和通。

老师别理喷子？我保护您

我就拿着RXKJ，有时候慢就是快……乱跑还容易亏，看准了一个就拿着，心态放平，那边抛了，那边追高，反倒是容易挨打，很多刚进门的可能还没有领悟。

分享一下吧,我觉的看一下应该会好理解一点吧,哈哈.[淘股吧]
人工智能3大要素包括但不限于:数据-＞算法-＞算力
基于数据,找到匹配的算法,利用算力实现的一项伟大的人工智能工程.
前面是理论,后边是实现,同理前面是软件类,后面是硬件类.

算力硬件包括但不限于:

中央处理器（CPU）：计算机系统的运算和控制核心，负责执行指令集，进行通用计算任务，如逻辑运算、数据处理、指令执行等。在人工智能应用中，虽然在处理大规模数据和复杂模型时性能瓶颈较为明显，但在一些对通用性要求高、需要进行复杂逻辑判断和协调的任务中仍不可或缺

图形处理器（GPU）：处理图形图像而设计，具有强大的并行计算能力，能够高效地处理大量计算任务，特别适用于深度学中的矩阵运算等。在人工智能的模型训练和推理等方面应用广泛.

张量处理器（TPU）：是专门为加速深度学中的张量计算而设计的专用芯片，
相比 CPU 和 GPU，TPU 在处理张量运算时具有更高的效率和更低的能耗，能显著提高深度学模型的训练和推理速度,

神经网络处理器（NPU）：面向深度神经网络设计，用于加速神经网络的运算，提高人工智能算法的执行效率，

现场可编程门阵列（FPGA）：一种可重构的集成电路，用户可以根据自己的需求对其进行编程配置，实现不同的逻辑功能。
在人工智能领域，FPGA 可用于算法原型验证、定制化计算加速等，具有灵活性高、开发周期短等优点，

存储类
内存：用于暂时存储 CPU 需要处理的数据和正在运行的程序，其读写速度直接影响计算机的运行效率。在人工智能计算中，足够的内存容量对于加载和处理大规模数据集、运行复杂模型至关重要。

硬盘：包括机械硬盘（HDD）和固态硬盘（SSD），用于长期存储数据和程序。SSD 具有更快的读写速度，能减少数据读取时间，提高人工智能任务的整体效率，常用于存储训练数据、模型参数等。

网络通信类
光模块：在光纤通信中用于实现电信号和光信号之间的互相转换，在发送端将电信号转换为光信号，通过光纤传输，在接收端再将光信号转换为电信号。
在人工智能数据中心中，光模块对于服务器之间、数据中心之间的高速数据传输至关重要，其速率和性能影响着整个系统的通信效率。

交换机：用于连接多个网络设备，实现数据的交换和转发，可将服务器、存储设备等连接成一个高效的网络，确保数据在各个设备之间快速、准确地传输，满足人工智能应用中大量数据的通信需求。

其他辅助类
电源：为算力硬件提供稳定的电力供应，随着算力硬件性能的提升，其功耗也相应增加，需要高性能、高效率的电源来保证设备的稳定运行，如服务器电源、显卡电源等。

散热设备：由于算力硬件在运行过程中会产生大量热量，散热设备对于保证硬件的性能和稳定性至关重要，如液冷系统、风冷散热器等

结合一下目前的市场正在讲那些故事,对应跟随,比如最近有什么消息刺激了,谁反应了,观察之后选择自己的模式跟随.

也不知道对不对,先这样学看看效果吧

我知道呢！老师还给我点赞，给我鼓励，我好开心！所以知道老师会来看我，我以后要更加努力学，好好操作了啊打赏是因为我太喜欢老师了，不知道怎么表达了……这也是我表达的一种方式啊