| |
|
|
| 首页 淘股吧 股票涨跌实时统计 涨停板选股 股票入门 股票书籍 股票问答 分时图选股 跌停板选股 K线图选股 成交量选股 [平安银行] |
| 股市论谈 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 商业财经 科技知识 汽车百科 工程技术 自然科学 家居生活 设计艺术 财经视频 游戏-- |
| 天天财汇 -> 科技知识 -> 国内gpu，ai卡供应商(摩尔线程，寒武纪，huawei)有追赶英伟达的可能吗？ -> 正文阅读 |
|
|
[科技知识]国内gpu，ai卡供应商(摩尔线程，寒武纪，huawei)有追赶英伟达的可能吗？ |
| [收藏本文] 【下载本文】 |
|
差距主要是在什么地方？ |
|
其实主要差距在硬件本身，软件反而没啥。大模型场景大家都是直接用pytorch的，并不会手写CUDA算子，所以你完全可以绕过CUDA直接支持pytorch。现在torch_npu的适配就是这样的，你import torch_npu之后后面的XX.cuda()会自动变成调用NPU执行计算。目前软件方面主要是两个，其一是其他的一些周边库需要适配，例如vllm，TRT等，另一个是模型结构需要对NPU做算子亲和性优化。当然这两个事情都好办，毕竟包子有肉不在褶上，目前真正用的底层基础库和模型结构一共就那么有限的几种，适配成本可控，基本上做一次就差不多够了。 我们自己的算法中台目前已经对910B做了测试，基本上跟华为方面宣称的性能一致——典型模型的收敛性验证都可以正常通过，做过NPU算子亲和性优化之后，GLM，百川等典型模型，平均每卡相当于A100的80%，没优化直接跑的模型相当于A100的50%。 |
|
现在的GPU已经被带歪了，蒋老板介绍了AI部分的情况，那我补充一下游戏方面的情况。 首先国内最有前途的是摩尔线程和华为。摩尔线程s80基于imgtec bxt做的（好像连br都是用了imgtec），华为是自己的马良910架构。 摩尔线程s80的规格几乎和英特尔a770一模一样，差不多就是3070的规模。但目前来看性能也就是刚做到1660附近，原神这边我还没测（毕竟装机太痛苦了），不过应该就是1660附近的水平。差距主要是驱动。 华为的马良910各方面都比adreno660要好一些，今年年底应该能有andreno730水平的东西出来。这个水平的GPU可以简单的扩大规模做出来一个骁龙x elite/apple m1那种玩意儿，做一个超强的大号平板，预计今年年中推出。 我个人预计旧pc生态还是摩尔线程整，新的鸿蒙生态则是依托于泰山/马良/达芬奇系列架构进行演进，至少原神应该会去适配，再配合华为收购的exagear，做一套更强的苹果game porting toolkit也不是特别困难（exagear对x86的翻译效率有80%左右）。 未来游戏这边会形成两个生态： x86兆芯+摩尔线程独显arm/rv的继续openharmony的生态 前者是对旧生态的直接支持，后者则通过exagear支持旧生态，新生态则是arm/rv基础下的openharmony生态。 目前来看国内芯片的汉末群雄逐鹿时代快结束了，接下来估计很有可能是三足鼎立状态：x86等旧生态和国外生态、鸿蒙生态、开源riscv生态。 不过这个格局估计要2025才会初具雏形。 |
|
华为好就好在目前华为要比其他家大的多，生态也更完善，只要能吃下国内过半的市场，fab国内正常迭代就可以追英伟达 当然，别指望华为会给你做消费级显卡然后走性价比暴打老黄，还不如指望摩尔线程 华为对利润的追求是狂热的，尤其是经历制裁后，我认为华为更加怕死了 |
|
硬件方面如果再继续禁售几年，我们应该是可以慢慢追上的，毕竟芯片设计思路大家都差不多，前面还有能带理论的物理限制，最小也就能做到2nm，现在是4nm 但是软件生态方面比较麻烦，不只是CUDA生态，还有那么多开源代码在NVIDIA的GPU上跑的很好，但是迁移到其他芯片上确实很麻烦，需要修改很多代码，并不是只兼容下pytorch，tensorflow就可以的，还有很多算子的兼容性，pipeline的优化，模型压缩等都需要考虑，这些事情很麻烦，有些技术上还不好解决 |
|
那个，我提醒一下很多的答主，GPU和AI计算卡（GPGPU），其实是两个完全不同的圈子。 虽然英伟达的GPU是可以去当AI计算卡用的，但这不是普遍规律。 而在国内，这就是两码事。 目前GPU面对的困难，要远远大于AI计算卡。 因为GPU面对的是民用市场，这个市场只要你没有性价比，那么就完全没任何机会。马太效应极大。 领先的英伟达、ATI能够从低端亮机卡到高端卡，做到全方位具有性价比。 而AI计算卡这块则不然。 这块是纯企业市场，企业市场里，第一位的首先是供货。 性价比是允许有一定的差距的。 所以华为的910B才能卖出那么多去。 但摩尔线程就压根没人搭理，因为它的主业GPU不行。 虽然它作为邪道用途的AI计算很强，但只有业余玩家，才会买一块GPU兼职AI计算卡。 这属于不上不下的几乎毫无卵用的优势了。 摩尔线程、寒武纪、华为是不能放到一个题目里去比较的。 摩尔线程：PC GPU，也就是PC游戏领域。 寒武纪：AI计算卡。 华为：AI计算卡，及手机GPU（手机游戏）领域。 |
|
有的，因为国内有需求，NV的卡卖不过来，AMDROCM做的一坨屎而且也吃禁售 所以国内的需求只能靠买国产计算卡实现，有市场就能迭代产品，禁令一天不解除，国产卡就能多活一天，如果未来某一天禁令解除，国产计算卡是死是活就得看发展到哪了，现在唯一的差距就是时间，老黄布局CUDA已经10年有余了 太伟大了哈耶克 |
|
有，而且是必然的。 早说差距的话，主要还是在于技术的积累。 GPU的设计中，我们的知识储备是够的。就是说我们大概知道怎么做。 但是我们的积累是不够的，一意思就是有十种方案，我都会做，但哪一种效果最好我不知道，我需要都做一下，看看结果。这个需要时间和金钱。 为什么说我们能追上呢？因为我们的人才是够的。我们的生产效率更高。但这不是主要的。主要原因是Nvidia也遇到了坡道。 |
|
你要说可能，那一切皆有可能，任何人都没法否定可能性 但是难度肯定不是一般的大，时间也别抱太乐观的估计，坦率的讲，在绝大多数技术领域，我们对美国仅仅是实现了“追”，少数领域实现了“赶”，极个别领域实现了“超”，综合起来，我们在科技领域还是处于明显的落后形势 在划定的赛道里，我们有我们的优势，但是我们现在还很少划赛道，所以我们在追赶的同时，也应该加强尖端和前沿领域的投入，争取也有一天能自己划出条赛道来，总去靠“追赶”，再强也是次强 |
|
AI卡的性能由4个方面决定：Library，算力、显存和高速互联。 CUDA里面为矩阵运算和AI运算提供了很多的方法，NVIDIA为每种GPU、每种细分类型的运算、每种AI算子都提供了相应的高速汇编代码，比你直接写CUDA C的性能会高很多。此外，CUDA里面还有各种加速和优化神经网络参数的工具链。这些Library都是NVIDIA用大量人力经过许多年开发出来的，华为在这方面也没法堆这么多人，更别说其他GPU创业公司了。他们只能优化一些最常用的算子性能。做个不恰当的类比，摩尔线程S80硬件规模相当于3060，在极少数优化好的游戏可以做到1660的性能，但是大部分游戏只能做到1050不到甚至1030的性能，跟理论性能差距极大。幸好随着大模型的出现，AI算子的集中程度比游戏要高得多，优化起来会更容易。 算力的主要瓶颈在于半导体制程，不过好在现在台积电的工艺进步放缓了，让我们追赶起来更加的轻松。麒麟9000S的晶体管密度其实已经有B200的三分之二了，用类似的工艺做AI卡性能也不会差很多。 显存方面，AI卡跟游戏卡以及苹果M系列处理器不同，它需要高速的HBM显存才能满足带宽要求，目前大陆还无法生产HBM显存，这个可以说是我们目前差距最大的领域了。但是据说合肥长鑫今年有希望量产HBM，不知道性能如何。 高速互联分两个方面：机器内互联和机器间互联。NVIDIA的NVLINK目前双GPU带宽是1800GB/S，华为的HCCS只有不到100GB/S左右，差距有点大，但是使劲堆料的话还是可以追赶。其他国产GPU厂商目前还看不到对标的产品。机器互联方面，NVIDIA有性能极强的DPU以及超高速网络交换机，华为也有性能较强的网络设备，其他国产GPU厂商目前也没有对应产品。 最后纠正一下题目，题目里的三家公司，真正跟英伟达对标的数据中心GPU厂商只有华为，摩尔线程现在主要做游戏GPU，GPU的架构并不特别适合做AI卡（虽然他也有数据中心卡），寒武纪则是做个人设备的NPU，跟他类似的还有地平线、亿咖通（当然还有华为）。国内和英伟达对标的GPU厂商还有：沐熙，燧原，壁仞等。 |
|
虽然不太想泼冷水，但是从当下的环境和看得见的时间内看，国产GPU没希望追上NVIDIA。其实扩展开看，AMD/Intel/AWS/Google/Meta/...也追不上NVIDIA的脚步。 目前AI Infra从某个角度看，是全世界的所有AI应用商众筹给NVIDIA开发芯片的模式，所以大者恒大。 虽然从绝对能力上无法赶上Nvidia，不过这不代表国内厂商没有生存空间。国际大环境导致Nvidia主动放弃了国内的GPGPU市场，在这个市场里国产厂商有着生存和发展的空间。 |
|
|
先来看看国内GPU供应商的现状。摩尔线程、寒武纪和华为都在各自的领域取得了一定的成就。摩尔线程推出了基于自研MUSA架构的GPU芯片，寒武纪则专注于AI芯片的研发，并已经推出了多款产品，而华为的昇腾系列AI处理器也在云端AI训练领域展现出了强大的竞争力。这些企业的发展，得益于国家对半导体产业的大力支持和市场需求的快速增长。 然而，要追赶英伟达，国内供应商还面临着不少挑战。英伟达在GPU领域的技术积累和市场份额是巨大的。英伟达在数据中心AI加速市场上的份额高达82%，其余海外厂商如AWS和Xilinx分别占比8%、4%，而AMD、Intel、Google均占比2%。这个数字足以说明英伟达的市场地位是多么稳固。 英伟达的CUDA生态系统是其深厚的护城河。CUDA是英伟达推出的一个并行计算平台和编程模型，它使得开发者能够充分利用GPU的并行处理能力。这个生态系统的完善，为英伟达赢得了开发者社区的广泛支持，也使得英伟达的产品在性能和兼容性上有着明显的优势。 |
|
|
再来看看国内供应商的差距。从技术层面来说，国内GPU在性能、功耗比、工艺制程等方面与英伟达还存在一定差距。例如，英伟达的H100 GPU采用了4nm工艺，而国内供应商的产品大多还处于7nm甚至更早的工艺水平。此外，英伟达的GPU在架构设计、光通信技术等方面也有着领先优势。 从生态建设来看，国内供应商虽然在努力构建自己的软件生态，但要达到英伟达CUDA生态系统的成熟度和开发者基础，还需要时间。华为的昇腾系列虽然在某些性能参数上接近英伟达的A100，但在生态建设上仍有较大差距。寒武纪和摩尔线程虽然推出了一些产品，但在市场认可度和应用广泛性上，还需要进一步努力。 国内GPU供应商追赶英伟达的可能性是存在的，但道路并不平坦。技术积累、生态建设、市场认可度等方面的差距，都需要国内企业通过持续的研发投入和市场拓展来逐步弥补。同时，国家政策的支持、市场需求的推动以及国际形势的变化，都可能成为影响这一进程的重要因素。 |
|
|
|
|
|
|
|
难。 你盯着老黄追，那就肯定追不上老黄。 讲具体点，假设三年前盯着A100追，那追到现在勉强追的类似了，正常脚步再花一两年慢慢优化，那老黄的GB200都成熟商用了，那就应了老黄的话，就算你的机器免费给客户用，花费还是比老黄高。 |
|
全面超越不敢想也不知道怎么搞，但是在某些方向上超越是可能的。比如在AI推理专用芯片，甚至是固定一组算法上的推理芯片。目前采用英伟达GPU做为推理芯片，无论是离线还是在线性价比都实在太低，如果有大规模确定的需求已经存在，那么在这一块获得一块市场空间是可能的。 |
|
英伟达主要是CUDE生态以及成套的硬软件解决方案所形成的护城河，国内GPU/AI卡起步稍晚主要是摩尔线程、寒武纪、华为、璧刃。 英伟达的产品不用多说了最新的B200 和他的新一代Blackwell。B200 GPU提供20 petaflops的FP4算力 |
|
|
国产的话摩尔线程GPU统一系统架构MUSA，量产“苏堤”和“春晓”两颗全功能GPU芯片。华为的Ascend 910B在某些性能指标上与英伟达的A800相当，GPU间带宽方面存在差异。Ascend 910B的HCCS总带宽为392GB/s，与A800的NVLink带宽（400GB/s）相当。 |
|
|
以上这些是硬件的差距，主要是研发的步调。但是英伟达最大的固城湖还是CUDE，不过这河围的要玩儿成孤寡了。为什么这么说呢？ |
|
|
英伟达在其CUDA 11.6及更高版本的EULA中添加了新的条款，明确指出用户不能逆向工程、反编译或反汇编使用CUDA SDK生成的任何结果，并在非英伟达平台上进行转译。 先来说说CUDE，这实际上是个开发平台，可以使用C/C++来编译GPU程序，然后交给英伟达的GPU进行并行计算，只有CUDE才能最大化的发挥英伟达GPU的性能。 以前的计算是CPU计算，现在是算力为王GPU时代，但是程序还是要使用C/C++来编译，那么GPU也看不明白你写的啥，那就要找个翻译来，而英伟达在06年发布了CUDE，提供了并行计算支持。相当于制定了标准，现在的GPU英伟达最强，你想不用英伟达GPU改用华为卡。然后写一套训练框架给CUDE翻译给华为卡听，不好意思英伟达现在不准了。这相当于绑定了CUDE和英伟达GPU。 这么一来大家都知道了，你英伟达要玩儿独家生意啊。那不行，各家还是要发展各家替代品，不能让英伟达一把给捏住。但是想法是好的，从事实上来看，由于英伟达发布GPU和CUDE时间很早，相当于制定了行业标准，经过十多年的技术沉淀，想要完全摆脱CUDE很难。 |
|
没有 |
|
追赶？都是买的国外 ip，里面怎么回事都是半桶水。那性能，能比得过现在amd最新cpu里面的内置gpu吗。 那些吹捧这个程那个纪和那个花的，都是对自己的国家怎么回事一无所知。 中国所有的“科技”企业最终都会走到花“小钱”办“大事”这条路上来，就是像某为当年一样，弄些别人的成果，包装一下卖给各种采购。这么延续下去，最终形成一种固定的企业基因。想想5G。 中国有个比世界任何国家都大得多的庞大的政府、央企、国企银行金融保险机构的采购市场。做过的人都知道，客户关系大过天，所谓的gpu产业，结局也是通过a4纸的“建议”采购，形成特色GPU。 |
|
其实现在所谓的人工智能就是人工智障，离智能还差的远。现在疯狂堆算力，就好像疯狂堆自行车，可能在一定能力上一万两自行车超过了大货车，但是还是很多方面不如大货车，也不是大货车。 自行车再多也不是大货车，疯狂堆自行车说不准方向就错了。 总之我觉得软件或者软硬结合放面还大有作为 不要太悲观。我觉得摩尔线程等公司还大有希望，但是是重复英伟达的路怕是不行了，必须得加点自己的东西，坚持走下去也许就柳暗花明了 其实你没提到的华为的升腾在19年的时候和英伟达可以说各有优点，昇腾910软件生态方面差点，性能上各有特点，可惜被美的打断没有了正常迭代，现在美帝的禁运也给了这些国产一个机会，国内的市场够大，足以养活一个这方面的大公司，看看各自把握了 |
|
英伟达自己肯定也慌得一比，他们在SIMT上越陷越深，而SIMT在并行时代只是局部最优解，只要有人发明了完爆SIMT的新的软硬件架构，NV走过的所有路都会前功尽弃，比如groq等等一众挑战者，all SRAM架构成功的话直接废掉nv link。 |
|
哈哈， 你说前期软硬件产品还可以走差异化路线， 衡量标准不是统一地， 公能有理，婆也能有理， 所以，大家还都能一起混饭吃， 即使是南郭先生们也有活动空间。 但是人工智能这玩意，智能就是智能，智障就是智障，衡量标准高度统一且唯一，那就没办法玩花活取巧，玩嘴上文章了，需要见真功夫了。 友商之和谐不见了，灰常可怕吖！ 此外，以前的小朋友在学校时流片机会很稀少，现在好不容易低端工艺流片价格下来了，大家也能在学校就流流试验片了，但可恨那美国佬却搞出了AI军备竞赛，现在买台能跑的机器，比tn流片费好贵，还tn禁售，真是太坏了！ |
|
这三家都上实体名单了，摩尔线程是gpgpu架构，寒武纪和华为昇腾都是dsa架构（非gpgpu架构）。 gpgpu架构和dsa是两种架构，应用适合场景不同。 即便不受限制，短期内也很难追赶英伟达。英伟达在软硬件上生态都很庞大，很多适合不同业务的sku，兼容的架构设计，众多的生态库，完善的编程模型。 |
|
至少未来二十年难，，英伟达十年之前都开始布局自己cuda， 英伟达cuda是他核心技术，，市面上95%需要用gpu软件都是针对cuda开发的，，这点 连老对手amd 都十分眼红，，，并且英伟达有非常雄厚现金储备，据说工程师有2万人以上，全部针对gpu和gpu生态开发，不搞其他的，每年营业额40% 用于研发，之前不是经常调侃 老黄发布4090以后，，，回家摸了摸自己8090说，宝贝你在休息几年，我马上发布你。侧面印证了，老黄实验室产品 至少已经提前市面上产品 2-4代 |
|
加油吧，任重道远，祝好。 |
|
美国佬不是已经给了么？封锁禁运。 |
|
国内GPU/AI卡供应商追赶英伟达的可能性 结论： 短期内，国内GPU/AI卡供应商难以完全追赶英伟达，但在特定领域和应用场景下具备替代潜力。expand_more长期来看，国产厂商有望在技术、生态、市场等方面缩小差距，并在部分领域实现超越。 主要差距： 技术： 英伟达在GPU架构、芯片设计、工艺制程等方面拥有多年积累和领先优势。国产厂商在技术创新、人才储备、研发投入等方面仍需加强。 生态： 英伟达CUDA生态体系完善，拥有庞大的开发者社区和丰富的应用软件。expand_more国产厂商生态建设起步较晚，兼容性、易用性等方面仍需完善。市场： 英伟达在全球GPU市场份额超过70%，拥有品牌知名度和市场影响力优势。expand_more国产厂商市场份额相对较小，需要在产品性能、价格、服务等方面提升竞争力。 追赶路径： 加大研发投入，攻克关键技术： 在GPU架构、芯片设计、工艺制程等方面进行自主创新，突破核心技术壁垒。加强人才引进和培养，打造高水平研发团队。 构建开放生态，培育开发者社区： 兼容主流深度学习框架和应用软件，降低开发门槛。联合高校、科研机构、企业等构建合作生态，共同推动技术创新和应用发展。抢占细分市场，积累市场经验： 聚焦特定领域和应用场景，打造差异化产品和解决方案。通过产品性能、价格、服务等优势，逐步抢占市场份额。 代表厂商： 摩尔线程： 创立于2021年，专注于高性能GPU芯片研发，已推出首款GPU产品MTT S80。寒武纪： 成立于2016年，聚焦人工智能芯片领域，已推出多款AI处理器芯片。expand_more华为： 海思半导体曾推出GPU芯片，但受制裁影响发展受限。 总结： 国产GPU/AI卡供应商追赶英伟达是一项长期的系统工程，需要持续不断的技术创新、生态建设和市场拓展。未来，随着国产厂商的技术进步和市场份额提升，有望在全球GPU市场竞争中占据一席之地。 |
|
华为10年内必然超越英伟达，只要美国继续封锁，英伟达在国内的市场份额未来会被华为全部吃下 |
|
国内的GPU厂商现在发展势态还是很良好的。 首先我觉得根本没有必要超越英伟达，一个良性市场是需要很多产品和很多厂家同时竞争的，我们不希望任何一个厂家在市场上成为垄断企业，这样对任何一个消费者都不好。 所以我们更希望看到的是国内这些厂商打破英伟达的垄断，而并不是一定要超越英伟达。要打破英伟达的垄断，就相对简单很多了。按现在的速度发展下去，再搞几年应该就可以了。 另外我们最担心的是英伟达对我们进行卡脖子。现在国内GPU厂商的生产实力虽然技术没有英伟达强，但是基本上已经不会被卡脖子了。芯片这种东西够用就可以了。 |
|
先说结论，有可能。但是难。要选对路径。 比如中国的汽车业。如果是燃油车领域，国产汽车可能很难追上奔驰宝马。 但是我们发展了新能源企业。最终也让汽车上路了，成本还低。这就是我们的优势。 中国善于赶超。任何行业都有可能，关键是路径。如果走人家老路，同样的技术路径，靠拼搏和努力很难，太卷，毕竟一天只有24小时。 |
|
2-3年内，都没有可能 五年后，华为有可能，其他企业暂没有看到希望 |
|
国内差距主要在半导体生产工艺上。国内生产工艺在5年内，都会呈追赶态势，大概差一代吧。5年后台湾都统一了，这个问题也没啥意义。 很多设计工具，要和工艺配套的，满足意法半导体，未必匹配中芯国际，想实现工具国产化，也要等国产工艺起来才行。 |
|
像这种没有石头可摸的东西，肯定需要大量的人力和资金自己探索，在得到一个好的结果之前都是黑的，谁也不知道哪一步错了，但是国内目前还是用互联网心态造芯片，投资人等不了那么久，也耗不起。 所以说到底还是钱的问题，几百亿砸进去连个水花都没有，谁愿意承担这个结果？ |
|
没有。但是这些公司做npu，或者是dsa有机会，感觉寒武纪的dsa好像做的不错。如果说是gpu/gpgpu，再等10年也没机会。 |
|
理论上有，但目前国内gpu稳定性和生态差英伟达太远，可能需要很长时间吧。 |
|
首先，ai卡和GPU不一样。 其次，ai卡又不是CPU。再落后堆规模算力就能赶上 你一张卡能算的，我堆十张一样能算。 你一栋楼的服务器，我可以建十栋楼。 只要国家有需要，电力土地都不是问题。 |
|
不适配vllm，还看不出来有没有追赶的可能 |
|
说说个人的感觉。一言以蔽之，就在英伟达划定的赛道上我们短期内无法超越。 这个东西我们可以看传统工业。以汽车为例，我们在别人已经深耕上百年的传统汽车赛道上拼命追赶，充其量可以达到在国内的市场上国产传统能源车辆占据一定的市场份额。在国际市场上，中国产的传统能源汽车还是无法在规模和体量上在主流市场与传统巨头一争高下。但是，一旦出现换道的机会，那所有的逻辑就为之一变。就比如新能源汽车兴起后，在这个新赛道上我们与传统巨头起点相近，那么在很短时间内就形成的超越甚至碾压。 这个世界上最大的优势不是所谓的技术，方向，而是谁来制定游戏规则，在别人制定的游戏规则之下很难谈所谓的超越，也无法实现超越。因为规则都是别人定的，人家说什么是好的就是好的，什么是对的才是对的。 英伟达为什么这几年爆发，那是因为赶上了AI高速发展的风口，而目前AI发展的主要方向就是在大算力大数据这个方向上。那英伟达本身也是这个技术方向的倡导者。某种意义上来说，英伟达和OpenAI练手制订了目前AI领域的研究方向和游戏规则。那请问我们的公司如何才能在人家自留地里形成超越呢？ 但反过来想，目前的AI研究方向并不是唯一的，大算力大数据这个方向只是工具链丰富，学习门槛低，研究资源多。而这个现状也是巨头们刻意为之的结果。我们如果要超越不如就干脆押注一个其他AI研究方向，因应这个方向建立完整的工具链和开源体系。如此，我们才能有超越的机会。 |
|
|
| [收藏本文] 【下载本文】 |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
| 股票涨跌实时统计 涨停板选股 分时图选股 跌停板选股 K线图选股 成交量选股 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 网站联系: qq:121756557 email:121756557@qq.com 天天财汇 |