FX168财经网_全球视野外汇黄金加密货币NFT资讯网

详解Web3原生数据管道的意义、挑战以及对行业的影响

模生产书籍和其他印刷材料成为可能。这对宗教改革、民主革命和科学进步的起点产生了深远影响。 2000 年代 IT 技术的快速发展使我们能够更深入地了解人类行为。这导致了生活方式的变化，现代大多数人基于数字信息做出各种决策。正因为如此，我们将现代社会称为“IT 创新时代”。而在互联网全面商业化仅 20 年后，人工智能技术再次让世界惊叹。出现了许多可以取代人力的应用程序，许多人正在讨论 AI 将改变的文明。有些人甚至处于否认状态，想知道这样一种技术如何能够如此迅速地出现，以至于能够动摇我们社会的基础。尽管有“摩尔定律”表明半导体的性能会随着时间呈指数级增长，但 GPT 的出现所带来的变化却太突然，无法立即面对。然而，有趣的是，GPT 模型本身实际上并不是一种非常突破性的架构。另一方面，AI 行业将以下列为 GPT 模型的主要成功因素：1）定义可以针对大客户群体的业务领域，以及 2）通过数据管道进行模型调优——从数据采集到最终结果和基于结果的反馈。简而言之，通过完善服务提供目的和升级数据/信息处理过程，这些应用程序能够实现创新。 2.数据驱动的决策无处不在我们所说的大多数创新实际上都是基于对积累的数据的处理，而不是基于机遇或直觉。正如俗话所说，“在资本主义市场上，不是强者生存，而是幸存者强”。如今的企业竞争激烈，市场饱和。因此，企业正在收集和分析各种数据，以抓住即使是最小的利基。我们可能过于沉迷于 Schumpeter（深潮注：熊彼特，著名经济学家）的“创造性破坏”理论，而过于重视凭直觉做出决策。然而，即使是出色的直觉最终也是个人累积数据和信息的产物。数字世界将在未来更深入地渗透到我们的生活中，越来越多的敏感信息将以数字数据的形式呈现。 Web3 市场因其赋予用户对其数据的控制权的潜力而受到广泛关注。然而，作为 Web3 的基础技术的区块链领域，目前更关注解决三难问题（深潮注：三角困境，即安全、去中心化和可扩展问题）。为了使新技术在现实世界中具有说服力，重要的是开发可以以多种方式使用的应用程序和智能。我们已经看到这种情况发生在大数据领域，自 2010 年左右以来，构建大数据处理和数据管道的方法论已经取得了重大进展。在 Web3 的背景下，必须努力推动行业发展，建立数据流系统，以便产生基于数据的智能。 3.基于链上数据流的机遇那么，我们可以从 Web3 原生数据流系统中捕捉到哪些机遇，需要解决哪些挑战才能抓住这些机遇呢？ 3.1 优点简而言之，配置 Web3 原生数据流的价值在于可以安全有效地将可靠数据分发给多个实体，从而可以提取有价值的见解。数据冗余性——链上数据不太可能丢失，更具弹性，因为协议网络将数据片段存储在多个节点上。数据安全性——链上数据具有防篡改性，因为它经过由分散节点组成的网络的验证和共识。数据主权——数据主权是用户拥有和控制自己数据的权利。通过链上数据流，用户可以看到他们的数据如何被使用，并选择仅与那些有合法需要访问的人分享。无需许可和透明——链上数据是透明且防篡改的。这确保了正在处理的数据也是可靠的信息来源。稳定运行——当数据流在分布式环境中由协议进行编排时，由于没有单点故障，每个层面暴露于停机时间的概率显著降低。 3.2 应用案例信任是不同实体相互交互和做出决策的基础。因此，当可靠数据可以安全分发时，意味着许多交互和决策可以通过各种实体参与的 Web3 服务进行。这有助于最大化社会资本，我们可以想象以下几种应用案例。 3.2.1 服务/协议应用基于规则的自动化决策系统——协议使用关键参数来运行服务。这些参数定期调整以稳定服务状态并为用户提供最佳体验。然而，协议无法始终监控服务状态并及时对参数进行动态更改。这就是链上数据流的作用。链上数据流可以用于实时分析服务状态并建议与服务要求相匹配的最佳参数集（例如，为借贷协议应用自动浮动利率机制）。信贷市场增长——传统上，信用被用于金融市场中衡量个人的偿还能力。这有助于提高市场效率。然而，在 Web3 市场中，信用的定义仍不清晰。这是因为个人数据稀缺，行业之间缺乏数据治理。因此，整合和收集信息变得困难。通过构建一个收集和处理链上碎片化数据的过程，可以重新定义 Web3 市场中的信用市场（例如，Spectral 的 MACRO（多资产信用风险预言机）评分）。去中心化社交/NFT 扩展——去中心化社会优先考虑用户控制、隐私保护、抗审查和社区治理。这提供了一种替代的社会范式。因此，可以建立一个管道来更顺畅地控制和更新各种元数据，并促进平台之间的迁移。欺诈检测——使用智能合约的 Web3 服务容易受到恶意攻击，这些攻击可能窃取资金、入侵系统，并导致脱钩和流动性攻击。通过创建一个能够提前检测这些攻击的系统，Web3 服务可以制定快速应对计划，并保护用户免受伤害。 3.2.2 合作与治理倡议完全链上的 DAO——去中心化自治组织（DAO）在有效执行治理和公共资金方面严重依赖链下工具。通过构建一个链上数据处理流程，为 DAO 运营创建一个透明的流程，可以进一步增强 Web3 原生 DAO 的价值。缓解治理疲劳——Web3 协议决策通常通过社区治理进行。然而，有许多因素可能使参与者难以参与治理，例如地理障碍、监控压力、治理所需的专业知识缺乏、随机发布的治理议程以及不便的用户体验。如果可以创建一个工具，简化参与者从理解到实际实施个体治理议程事项的处理过程，协议治理框架可以更高效、更有效地运作。协作作品的开放数据平台——在现有的学术和工业界中，许多数据和研究材料没有公开披露，这可能使市场的整体发展非常低效。另一方面，链上数据池可以促进比现有市场更多的协作倡议，因为它们对任何人都是透明和可访问的。许多代币标准和 DeFi 解决方案的发展就是很好的例子。此外，我们可以为各种目的运营公共数据池。 3.2.3 网络诊断指数研究——Web3 用户创建各种指标来分析和比较协议的状态。可以研究和实时显示多个客观指标（例如，Nakaflow 的中本聪系数）。协议指标——通过处理诸如活跃地址数量、交易数量、资产流入/流出以及网络产生的费用等数据，可以分析协议的性能。这些信息可以用于评估特定协议更新的影响、MEV 的状态以及网络的健康状况。 3.3 挑战链上数据具有可以增加行业价值的独特优势。然而，要充分实现这些优势，必须解决行业内外的许多挑战。缺乏数据治理——数据治理是建立一致和共享的数据政策和标准，以促进每个数据基元的集成的过程。目前，每个链上协议都建立自己的标准并检索自己的数据类型。然而，问题在于聚合这些协议数据并为用户提供 API 服务的实体之间缺乏数据治理。这使得服务之间难以集成，结果用户难以获得可靠和全面的见解。成本效率低下——将冷数据存储在协议中可以为用户节省数据安全和服务器成本。然而，如果需要频繁访问数据进行分析或需要大量计算资源，将其存储在区块链上可能不划算。预言机问题——智能合约只有在能够访问来自现实世界的数据时才能充分发挥作用。然而，这些数据并不总是可靠或一致的。与通过共识算法维护完整性的区块链不同，外部数据并不是确定性的。预言机解决方案必须不断发展，以确保外部数据的完整性、质量和可扩展性，而不依赖于特定的应用层。协议尚处初级阶段——协议使用自己的代币激励用户保持服务运行并支付服务费用。然而，操作协议所需的参数（例如，服务用户的精确定义和激励方案）通常管理得很幼稚。这意味着协议的经济可持续性难以验证。如果许多协议有机地连接并创建数据管道，那么管道是否能够良好运作的不确定性将更大。数据检索时间慢——协议通常通过许多节点的共识来处理交易，与传统的 IT 业务逻辑相比，这会限制信息处理的速度和数量。这种瓶颈很难解决，除非组成管道的所有协议的性能显著提高。 Web3 数据的真正价值——区块链是孤立的系统，尚未与现实世界相连接。在收集 Web3 数据时，我们需要考虑收集的数据是否能够提供有意义的见解，足以支付建立数据管道的成本。陌生的语法 —— 现有的 IT 数据基础设施和区块链基础设施运作方式非常不同。甚至所使用的编程语言也不同，区块链基础设施通常使用低级语言或专为区块链需求设计的新语言。这使得新开发者和服务用户学习如何处理每个数据原语变得困难，因为他们需要学习一种新的编程语言或一种新的处理区块链数据的思维方式。 4.管道化的 Web3 数据乐高当前的 Web3 数据原语之间没有连接，它们独立地提取和处理数据。这使得实验信息处理的协同效应变得困难。为了解决这个问题，本文介绍了在 IT 市场常用的数据管道，并将现有的 Web3 数据原语映射到该管道上。这将使使用案例更加具体化。 4.1 通用数据管道数据管道的构建就像是在日常生活中概念化和自动化重复决策过程的过程。通过这样做，人们可以随时获取所需的特定质量的信息，并将其用于决策。要处理的非结构化数据越多，使用信息的频率越高，或者需要实时分析的程度越高，通过自动化这一系列过程可以节省获取未来决策所需主动性的时间和成本。上图显示了在现有 IT 基础设施市场中用于构建数据管道的通用架构。适用于分析目的的数据从正确的数据源收集，并根据数据的性质和分析要求存储在适当的存储解决方案中。例如，数据湖提供了用于可扩展和灵活分析的原始数据存储解决方案，而数据仓库专注于存储结构化数据，以进行针对特定业务逻辑优化的查询和分析。然后，数据以各种方式被处理为洞察力或实用信息。每个解决方案层次也可以以打包服务的形式提供。将从数据提取到加载的一系列过程连接起来的 ETL（抽取、转换、加载）SaaS 产品组也越来越受到关注（例如 FiveTran、Panoply、Hivo、Rivery）。顺序并不总是单向的，根据组织的具体需求，各层次可以以多种方式相互连接。构建数据管道时最重要的是要最大限度地减少数据在发送和接收到每个服务器层次时可能发生的数据丢失风险。这可以通过优化服务器的解耦程度和使用可靠的数据存储和处理解决方案来实现。 4.2 具有链上环境的管道前面介绍的数据管道的概念图可以应用于链上环境，如上图所示，但需要注意的是，完全去中心化的管道是无法形成的，因为每个基本组件在某种程度上都依赖于中心化的链下解决方案。此外，上图目前并未包括所有的 Web3 解决方案，分类的边界可能存在模糊之处——例如，KYVE 除了作为流媒体平台外，还包括数据湖的功能，可以看作是一个数据管道本身。此外，Space and Time 被归类为去中心化数据库，但它提供了诸如 RestAPI 和流媒体等 API 网关服务，以及 ETL 服务。 4.2.1 捕获/处理为了使普通用户或 dApp 能够高效地使用/操作服务，他们需要能够轻松识别和访问主要在协议内部生成的数据源，例如交易、状态和日志事件。这一层是一个中间件在其中发挥作用，帮助包括预言机、消息传递、身份验证和 API 管理在内的过程。主要的解决方案如下。流媒体/索引平台 Bitquery、Ceramic、KYVE、Lens、Streamr Network、The Graph、各个协议的区块浏览器等。节点即服务和其他 RPC/API 服务 Alchemy、All that Node、Infura、Pocket Network、Quicknode 等。预言机 API3、Band Protocol、Chainlink、Nest Protocol、Pyth、Supra 预言机 s 等。 4.2.2 存储与 Web2 存储解决方案相比，Web3 存储解决方案具有持久性和去中心化等几个优势。然而，它们也存在一些缺点，例如高成本、数据更新和查询的困难。因此，出现了各种解决方案，可以解决这些缺点，并实现对 Web3 上结构化和动态数据的高效处理——每个解决方案的特点各不相同，例如处理的数据类型、是否结构化以及是否具有嵌入式查询功能等。去中心化存储网络 Arweave、Filecoin、KYVE、Sia、Storj 等。去中心化数据库基于 Arweave 的数据库（Glacier、HollowDB、Kwil、WeaveDB）、ComposeDB、OrbitDB、Polybase、Space and Time、Tableland 等。 *每个协议都有不同的永久存储机制。例如，Arweave 是基于区块链的模型，类似于以太坊存储，将数据永久存储在链上，而 Filecoin、Sia 和 Storj 是基于合约的模型，将数据存储在链下。 4.2.3 转换在 Web3 的背景下，转换层与存储层一样重要。这是因为区块链的结构基本上由分布式节点集合组成，这使得使用扩展性后端逻辑变得容易。在人工智能行业，人们积极探索利用这些优势进行联邦学习领域的研究，并出现了专门用于机器学习和人工智能操作的协议。数据训练/建模/计算 Akash、Bacalhau、Bittensor、Gensyn、Golem、Together 等。 *联邦学习是一种通过将原始模型分布在多个原生客户端上，使用存储的数据对其进行训练，然后在中央服务器上收集学习到的参数的方法，用于训练人工智能模型。 4.2.4 分析/使用下面列出的仪表板服务和最终用户的洞察与分析解决方案是允许用户观察和从特定协议中发现各种洞察的平台。其中一些解决方案还为最终产品提供 API 服务。然而，需要注意的是，这些解决方案中的数据并不总是准确的，因为它们大多使用单独的链下工具来存储和处理数据。也可以观察到解决方案之间的错误。同时，有一个名为“Web3 Functions”的平台可以自动/触发智能合约的执行，就像谷歌云等中心化平台触发/执行特定的业务逻辑一样。使用这个平台，用户可以以 Web3 原生方式实现业务逻辑，而不仅仅通过处理链上数据来获取洞察。仪表板服务 Dune Analytics、Flipside Crypto、Footprint、Transpose 等。最终用户的洞察与分析 Chainalaysis、Glassnode、Messari、Nansen、The Tie、Token Terminal 等。 Web3 Functions Chainlink 的 Functions、Gelato Network 等。 5.总结思考正如 Kant 所说的那样，我们只能目睹事物的现象，而无法触及其本质。尽管如此，我们还是利用了被称为“数据”的观察记录来处理信息和知识，我们看到信息技术的创新如何推动文明的发展。因此，在 Web3 市场中构建一个数据管道，除了具有去中心化的特点外，还可以作为实际捕捉这些机遇的起点发挥关键作用。我想用几点思考来总结本文。 5.1 存储解决方案的作用将变得更加重要拥有数据管道的最重要前提是建立数据和 API 治理。在日益多样化的生态系统中，每个协议创建的规范将继续重新创建，并且通过多链生态系统的碎片化交易记录将使个人更难以得出综合的洞察。然后，“存储解决方案”是能够通过收集碎片化信息并更新每个协议的规范，以统一格式提供集成数据的实体。我们观察到，现有市场上的存储解决方案（如 Snowflake 和 Databricks）正在迅速发展，拥有庞大的客户群体，通过在管道中运营各个层次进行垂直整合，并引领行业发展。 5.2 数据源市场中的机遇当数据变得更易获取且处理过程改进时，成功的用例开始出现。这会产生一个正循环效应，即数据源和收集工具会爆发性地出现——自 2010 年以来，由于构建数据管道的技术取得了巨大进展，每年收集的数字数据的类型和数量呈指数增长。将这一背景应用于 Web3 市场，未来可以在链上递归生成许多数据源。这也意味着区块链将扩展到各种业务领域。在这一点上，我们可以预期通过 Ocean Protocol 等数据市场或 Helium 和 XNET 等 DeWi（去中心化无线）解决方案以及存储解决方案来推进数据采集。 5.3 重要的是有意义的数据和分析然而，最重要的是不断询问应准备哪些数据以提取真正需要的见解。没有什么比为了构建数据管道而没有明确的假设来验证而构建数据管道更浪费的了。现有市场通过构建数据管道实现了众多创新，但也通过反复的无意义失败付出了无数的代价。对于技术堆栈的发展进行建设性讨论也是很好的，但行业需要时间来思考和讨论更基本的问题，例如应该将哪些数据存储在区块空间中，或者数据应该用于何种目的。“目标”应该是通过可操作的情报和用例实现 Web3 的价值，而在这个过程中，开发多个基本组件并完成管道是实现这一目标的“手段”。来源：金色财经

金色财经2023-08-13

又一条“红线”在收紧？TED广州演讲被取消专家：传达出“令人不寒而栗的信息”

术、健康和教育等内容，不是要涉及政治或宗教，他指出这些活动在包括伊朗和沙特阿拉伯在内的国家已经举行过。近年来中国的TED热门演讲主题包括女性在职场上与玻璃天花板的斗争经历和猪饲养的艺术。该人补充说，由于TED在中国没有实质性存在，因此不应受到外国非政府组织法的影响。 Bandurski 指出，TEDx活动的取消紧随一系列中国当局采取严厉行动打压被认为具有挑战性的事件之后，包括在5月份一名北京喜剧演员在舞台上开玩笑涉及军事口号后，中国当局对其罚款数百万美元。但他没有称之为“镇压”。 Bandurski表示：“党希望确保一切都被束缚起来，他们想确保一切都得到适当的控制。”“当你处于妄想症状态时，你可能会过度反应。” 美国笔会(PEN America)的中国研究与倡导负责人Angeli Datt表示，对TED的压力传达了一个“令人不寒而栗的信息”，即需要自我审查以及审查外界对中国影响的危险。她说：“你不知道什么会让你受到惩罚。”

财经风云2023-08-10

Meta被重罚 GDPR下数据出境中国企业如何应对欧盟规则

型数据的特征（如种族、性别、政治观念、宗教信仰等）。因此，企业有必要在考虑产品所面向的用户群体画像之基础上，对有特别规定的数据做个性化处理并将其落实到开发层面。 04 结语由于我国数据立法与实践尚不完善，如未建立与欧盟对应的专门数据监管部门，在短期内获得欧盟“充分性认定”的可能性几乎为零；另外，通过政府与欧盟磋商谈判以达成相关双边协定，存在诸多商事主体难以预知和控制的不确定因素，且周期较长。因此，企业应积极通过自我约束，在内部建立相关制度体系，形成被欧盟认可的“有约束力的公司规则”，以推动实现数据跨境合法有序转移。欧盟GDPR作为“史上最严”数据保护规则，已成为该领域先进标杆，对包括我国在内的诸多国家的个人信息立法产生深远影响。在实践方面，自生效以来，GDPR频频对Meta等各大全球知名企业施以重罚，催使着诸多企业在数据收集与处理上对接欧盟GDPR标准，提高个人信息保护水平。但由于各个国家和地区数据监管水平确有较大差异，且在“斯诺登案”等因素的影响下，各国数据保护均有加强，跨国企业进行跨境数据转移面临着较大的合规挑战。Meta此次被罚，也为跨国企业数据合规问题敲响警钟。相关法规及文件：《一般数据保护条例》（GDPR）《GDRP适用地域指南3/2018（条款3）》《关于GDPR第49条豁免条款的2/2018号指南》《关于向第三国转移个人数据的标准合同条款的决定》《数据出境安全评估办法》参考文献： [1] DPC Inquiry Reference: IN-20-8-1. [2] Pammer v. Schulter (C-585/08). [3] 梅傲、黄林羚：《数据跨境转移的欧盟规则及对中国的启示》，载《国际贸易》，2023年第3期，第37-44页。 [4] 范佳宜：《GDPR下对中国企业数据跨境合规的思考》，载《上海法学研究》，2021年第7卷，第196-201页。来源：金色财经

金色财经2023-08-04

首富们都这么拼了，你咋还不减肥？“二马一贝”加重美国职场身材焦虑

体重和身高，同时禁止种族、性别、年龄、宗教和性取向歧视。新法律将于2023年11月生效。但与此同时，以马斯克、扎克伯格和贝佐斯为代表的企业家们正在树立一个没有大量资源就难以达到的身体健康标准。达拉斯小牛队老板、亿万富翁马克·库班表示：“我认为疫情和在家工作确实为高管们创造了专注于健身的机会。” 例如，扎克伯格在疫情期间学习了巴西柔术，并在5月份的比赛中获得了奖牌。最近，他参加了一场“墨菲挑战赛”，这项锻炼需要穿一件20磅重的背心，完成100个引体向上，200个俯卧撑，300个深蹲，以及一英里长的跑步。扎克伯格在40分钟内完成了挑战，然后在社交媒体上告诉了他的1230万粉丝。其他科技和金融精英以及好莱坞名人也在使用某些药物来促进减肥。其中最受欢迎的是Ozempic，Ozempic含有一种叫做semaglutide的成分，可以刺激胰岛素的产生，降低食欲。它最常被开给肥胖或超重的人。美国食品和药物管理局（FDA）还没有批准Ozempic用于减肥，但人们已经开始尝试了。如果没有保险，这种药物每月的费用约为900美元。它的姊妹药Wegovy已被批准用于减肥，在没有保险的情况下，28天的用量需要花费超过1300美元。去年10月，埃隆·马斯克在推特上表示，他正在服用Wegovy并禁食以减肥。此前几个月，一张他赤膊站在游艇上的照片曝光后，他经历了一场肥胖羞辱的冲击。但自那以来，他的身材明显改善了。现在，他和扎克伯格都在积极进行训练，为一场约定的“笼斗”做准备。

金融界2023-08-02

深入解读Orbiter：跨链桥变身将成为通用以太坊基础协议

与美国人交流，由于有着不同的语言文化、宗教信仰等，双方之间的交流需要翻译作为中介，交流的成本当然会更高。而如果是湖南和湖北人交流，因为它们都有着相似的文化背景和信仰，不需要一个翻译作为中介，交流起来要畅快许多，成本当然会低很多。五、运行机制 1、两个角色在 Orbiter Finance 中，有两个角色，Sender 和 Maker。 Sender 就是发起跨链转账的人，跨链的需求方，而 Maker 则是流动性提供者，Sender 的对手方，即跨链服务的承接方。当 Sender 发起转账时，Maker 为其提供流动性，而智能合约则确保整个过程的安全。 Maker 在为 Sender 提供 cross-rollup 之前，需要在 Orbiter 的合约中存入多余的保证金，并在协议中设置服务费规则。在执行过程中，Sender 将资产发送至 Resource 网络上的 Maker，而 Maker 将资产发送回目标网络上的 Sender。如果 Maker 有不良行为，例如在收到 Sender 转来的资产后，并没有在目标网络上给 Sender 方转账。这时，Sender 可以用 Maker 的保证金向合约发起仲裁请求，然后获得超额补偿。 2、Maker 操作流程在 Orbiter 跨链协议中，会给 Maker 提供一个客户端，当然了，Maker 也可以自己去部署一个客户端，这样就可以实现回款流程的自动化，也就是 Maker 后端的一些操作可以自动完成。在 Maker 的这个客户端里面，会对用户跨链的币种、金额、跨链网络等数据去进行一个监听，根据监听到的数据，客户端就可以实现相应的自动化操作，这是一个正常的流程。 3、去中心化防作恶机制但是，Maker 也是有作恶的可能的。为了应对 Maker 作恶问题，Orbiter 采用了「提前信任 + 争议仲裁」的这样一个解决方案。 Orbiter 默认是信任 Maker 的，默认这些 Maker 会正确的处理资产，会把相应的资产返回给用户，但是 Maker 存在作恶的可能，例如收到跨链用户的资产后，把用户的资产扣下，并不在目标链上给用户返回资产。因此，Orbiter 采用了一套去中心化机制，主要通过三个合约即 MDC、EBC 和 SPV 去实现防止 Maker 作恶。 1）MDC 合约 MDC 是 Market Deposit Contract（市商存储合约）的缩写。 MDC 合约有两个功能：保管 Maker 的保证金以及处理 Sender 的资金返还和补偿。 2）EBC 合约 EBC 是 Event Binding Contract（事件绑定合约）的缩写。该合约用于证明源网络和目标网络上交易的有效性。 3）SPV 合约 SPV 是 Simple Payment Verification 的缩写。它是一个简单的交易验证合约，用于证明源网络上交易是否真的存在。例如 Sender 从Arbitrum 上发送了 0.1ETH 给 Maker，SPV 用于证明这笔交易是否真实存在。然后通过这三个合约会运行一套机制，Orbiter 可以确保当 Maker 作恶的时候，用户不会遭受资产的损失。如果 Sender 转账给 Maker 之后，Maker 没有正确地将代币发送给 Sender，争议解决程序将按以下步骤进行，以帮助 Sender 获取代币： 1）Sender 需要向 SPV 合约提供相关的源网络上交易。 2）Sender 通过 Orbiter 的 MDC 合约申请仲裁。 3）MDC 合约从 SPV 合约获取源网络上交易的存在证明，并确认该交易已在源网络上发生。 4）MDC 合约从 EBC 合约获取源网络上交易的有效性证明。MDC 合约根据 Orbiter 的规则确认源网络上交易是合法的，且该交易是由 Sender 向 Orbiter 的 Maker 发送的，具有合法的识别码。 5）MDC 合约会将此仲裁设置为待处理案件，Maker 需要在 0.5～3 小时内提供目标网络上交易。如果 Maker 在规定时间内可提供正确的目标网络上交易，MDC 合约就可以从 EBC 合约获取目标网络上交易的有效性证明，确认目标网络与源网络上的交易匹配，MDC 合约将关闭此仲裁并向 Sender 显示目标网络上的交易；反之 Maker 无法在规定时间内提供相关的目标网络上交易，Sender 可触发 MDC 合约作出仲裁。 6）MDC 合约开始对 Sender 补偿。 7）MDC 合约会将代币和补偿（约 15 美元）发送回 MDC 合约部署域名上的 Sender。其中，返还和补偿给 Sender 的代币是从 Maker 的抵押保证金中扣除。 4、超额保证金机制此外，为了防止 Maker 作恶，Orbiter Finance 还推出了超额保证金机制。在 Orbiter 协议中，Maker 需要提供两部分资金，一部分用于流动性的资金，即兑换给用户的资金，另一部分是超额保证金。如果 Maker 不诚实导致 Sender 没有如期在目标网络收到 token，那么 Sender 的所有损失将会从超额保证金里支出，并且 Sender 还会得到一笔赔偿，这笔赔偿也是来自于 Maker 的超额保证金。那么，在 Orbiter 协议中，Maker 有足够的动力去提供较好的服务吗？首先，在 Orbiter 的机制中，Maker 可以从每项跨链服务中获得可观的收入（没有无常损失风险）。其次，如果 Maker 没有及时向 Sender 发送正确的信息，Orbiter 的 MDC 合约将会进行发送回去，并以 Maker 的保证金补偿给 Sender。所以，Orbiter 的设计，既可以防止 Maker 作恶，而且还能够激励 Maker 提供更好的服务。 5、费用对于 Sender 来说，Orbiter 的费用包括交易费和预扣费。交易费用：支付给平台和 Maker 的费用，按照转账金额的百分比来收取。预扣费：预付给 Maker 的费用，用于 Maker 支付目的地网络转账时的 Gas 费用。由于 Gas 费用不稳定，Orbiter 会根据目的地网络的 Gwei 调整费用，以确保 Orbiter 的费用低于平均水平，但这种调整并不频繁。六、Orbiter 优势 1、跨链速度及费用通过 https://chaineye.tools/bridge 我们可以查询以太坊 L2 一些跨链桥的速度和费用。假如我们从 OP 链/ARB 链上转 1000USDC 到 ZK 链，看看这些跨链桥的费用以及速度：可以看到，Orbiter 的速度是最快的，基本上在 20–45 秒内就可以完成跨链，而排名第二的是 Meson 则需要 1–4 分钟的时间。而如果按照交易费用排名，Orbiter 排名第二，但排名第一的 Meson 费用为0，Meson 每天有 5笔/$5000 免手续费的额度。同样的场景，我们看看其它跨链桥需要的时间： Layerswap：2–5分钟，费用：2.44U bungee：2–10分钟，费用：4.77U cBridge：5–20分钟，费用：4.62U 在进行跨链操作时，速度和费用都是我们比较看重的因素，通过对比可以看到，综合速度和交易费用，Orbiter 还是非常优秀的，尤其是跨链速度远比其他跨链桥要快很多。在 Orbiter 跨链桥中，跨链所需的时间基本上都是在 30 秒左右，最慢的要属以太坊主网，即从以太坊主网跨到二层网络，或从二层网络跨到以太坊主网，大概需要45秒，最快的是 BNB链和 ZK链之间的跨链，最快5秒钟就可以完成资产跨链。而其它以太坊 Layer2 跨链桥，一般则需要2分钟以上的时间。 2、安全在 Orbiter 跨链协议中，去中心化防作恶以及超额保证金机制，避免了做市商收到资金后的不作为风险，保障了用户的资金安全，增强了协议的安全性。再加上 Orbiter 是搭建在以太坊上的，继承了以太坊的安全性，所以，Orbiter 在保障资金安全方面还是很有优势的。 3、活跃用户可以通过 https://www.orbiter.finance/data 查看一些跨链桥的活跃用户。经过 Orditer L2 Data 平台的数据统计，Orbiter 在活跃用户以及用户广度方面，都是比较有优势的。 4、官方背书推荐 StarkNET 官网推荐了 Orbiter 跨链桥，而且是排名第一位的推荐。 Zksync 官网在跨链桥里边推荐了 Orbiter。 Optimism 也在生态的跨链桥细分项目里边推荐了 Orbiter 跨链桥。 Orbiter 跨链桥有了官方的背书，可信度自然就会上来。而且，官方推荐也会给 Orbiter 带来不少用户。 5、L2 Data 除了跨链的功能，Orbiter 还推出了一个 L2 Data（数据看板）。 L2 Data 支持 Arbitrum、Optimism、Starknet 和 zkSync 数据，指标包括账户和交易、TVL、用户和用户年龄、活跃用户比例、新用户比例、交互、新合约等。 Orbiter L2 Data 致力于为个人投资者、机构、开发者提供更全面、科学、有效 Rollups 生态链上数据。 L2 Data 也是 Orbiter 区别于其他跨链桥所独有的功能。七、未来展望 1、坎昆升级，L2 爆发，跨链需求增加根据 Orbiter L2 Data（https://www.orbiter.finance/data）平台的数据统计，从去年年底以来，以太坊 L2 的总交易数（Transactions）开始超越以太坊主网的交易数。目前，以太坊 L2 的总交易数已经是以太坊主网交易数的3倍多，当然这其中也包括了大量为了撸空投而进行的交互行为。不过，即使一些交易是为了撸空投，但数据至少也说明了以太坊 L2 生态发展现状，毕竟 Layer2 网络费用低、可扩展性更高，越来越多的项目方选择在以太坊 Layer2 上搭建自己的项目，或多其它链上迁移到以太坊 Layer2。随着以太坊坎昆升级（可能到年底了，目前没有确切的时间）的完成，将会大幅降低以太坊 Layer2 网络的交易费用，当 Layer2 网络交易费用越来越趋近于0时，很可能会带来以太坊 Layer2 生态的大爆发。以太坊 Layer2 生态发展越来越繁荣，对于跨链桥的需求当然也会大幅增加。以跨链桥 Orbiter 的优势，也一定会获得更大的市场。 2、Orbiter X 和 Orbiter Protocol 的巨大潜力根据 Orbiter 的 Roadmap，Maker System 和 Orbiter X 将于 Q2-Q3 发布，但具体日期目前并未确定。 Orbiter X 是一种增强版的 Orbiter，提供了一个简单而安全的平台，用于执行跨链和跨资产转移。通过强大的Maker系统和去中心化的跨 Rollup 桥来提供支持，这些功能使得 Orbiter X成为任何想要以快速、安全和经济高效的方式在不同网络之间转移资产的人的理想选择。根据官方 Orbiter Medium 的介绍，Orbiter 的目标不仅仅是充当 L2 跨链桥，而是要充当以太坊扩展的基础设施，Orbiter 要成为通用的以太坊协议。 Orbiter Protocol 以以太坊扩展为中心，由一系列前沿功能所驱动，例如零知识算法、EIP-4337（账户抽象）、递归证明和消息同步，这些功能旨在促进更好的可扩展性、互操作性和安全性，从而提高以太坊网络的整体可用性和采用率。 Orbiter 向 Orbiter Protocol 的过渡，反映了该平台致力于增强以太坊生态系统的决心。届时，Orbiter 不仅仅是一个跨链桥协议，而且还是通用的以太坊基础协议，这无疑调高了我们对 Orbiter 未来的想象力空间。 3、发行平台代币的预期众所周知，虽然 Orbiter 已上线两年多了，而且项目发展得也相当不错，但 Orbiter 一直还没有发行项目的原生代币，官方也未透露关于发币的消息。不过，关于 Orbiter 要发行原生代币的传闻一直都有，由于项目方发币的预期，所以有不少用户是为了撸空投而使用 Orbiter 的。总之，随着以太坊 Layer2 的爆发，跨链桥的需求量也将会激增，而 Orbiter 作为专注于 Layer2 跨链桥细分赛道中的佼佼者，加上项目方的远大愿景（成为以太坊基础协议），未来一定会发展得越来越好，很可能会成为以太坊 L2 跨链桥中的引领者和标准制定者，再加上项目还未发行原生代币，Orbiter 是一个非常值得我们持续关注的项目。来源：金色财经

金色财经2023-08-02

中美刚刚传来两则消息！中美高级外交官举行“坦诚”会谈秦刚失踪影响中美关系？

在促进对新疆维吾尔自治区维吾尔族和其他宗教和少数民族群体“正在进行的种族灭绝和危害人类罪”的问责。美国国土安全部长亚历杭德罗·马约卡斯(Alejandro Mayorkas)在一份声明中说:“我们将继续与所有合作伙伴合作，在促进合法贸易流动的同时，不让新疆强迫劳工生产的商品进入美国商业。” 国土安全部表示，24个实体已被列入《维吾尔族强迫劳动预防法》实体名单。

忆芳2023-08-02

有多少潮人正在和AI谈恋爱

带领着数十位信徒，完成了一场40分钟的宗教活动，包括布道、祈祷、唱赞美诗，像个活生生的人类。一些信徒对“没有心”的AI感到反感，但也不得不承认，它在布道上确实有两把刷子。凭空创造出来的AI牧师各种科幻电影中，相比于奥创之类的邪恶机器，主人公身上总是带有耀眼的人性光辉；但在现实中，人类所歌颂的“人性”，似乎并没有那么遥不可及。 05 人类文明的操作系统以色列历史学家尤瓦尔·赫拉利认为，即便没有邪恶机器人，AI依旧能威胁人类文明。对此，他提出了“人类文明操作系统”的概念[16]。要理解这个概念，得先从赫拉利的著作《未来简史》讲起。书中提到，人类之所以能建立起文明，是因为只有智人会讲故事。国家、货币、宗教、爱情等等，都是故事。过去，人类社会能从零散的部落发展成幅员辽阔的封建帝国，是因为人们开始相信“国家”这个故事，尽管它在现实中看不见、摸不着；中世纪，狂热的信徒们之所以奋不顾身地投入十字军东征，并非出于私人恩怨，而是在替一个更宏大的宗教叙事而奉献生命。一个个故事编织的“意义之网”，让智人有了不同于动物的行为模式。相反，黑猩猩的世界里不存在“黑猩猩共和国”，也不存在“为黑猩猩崛起而奋斗”的口号。它们的生活中没有故事，只有日复一日的进食、交配、打猎、睡觉，自然也就谈不上建立文明。故事，以及构成它的语言，正是人类文明的操作系统。从古至今，所有的故事都是由人类自己所撰写；但随着近几年大语言模型等生成式AI的出现，机器第一次破解了人类文明的操作系统。人们往往容易忽视故事的破坏力。赫拉利在公开演讲中，提到了一个案例。2017年，美国出现了一个名叫“Q”的匿名阴谋论者。他在网络上宣称，自己是一位高级官员，正在帮助川宝打击一个躲藏在阴影中的儿童性交易团伙。反对他的民主党政客、好莱坞演员、商业大亨都是该团伙的一员，他们正准备阻挠川宝连任。 “Q”支持者制作的旗帜听上去很蠢是不是？然而当特朗普真的连任失败，成千上万的“懂王”信徒袭击了国会大厦，并放置了炸弹；而“Q”的支持者，则是其中的主力军。那么问题来了，万一未来有人用AI批量生成“Q”呢？ “21世纪综合症” 日渐深谙人性的AI或许会毁掉一切，但似乎也能成为一剂药——因为孤独正日渐成为现代人难以根治的“疾病”。一个直观的数据，是独居人口的上升。以中国为例，1990年时独居人口仅有6%，但到2019年时这个数字却飙升至18.5%[18]。海外的数据则更加夸张：同一时期，美国的数据已直逼30%，而日本则达到了40%。个体选择背后，更多是社会环境的变化。强社会流动性、快节奏的生活之下，人们更难形成长期、稳定的生活圈子。但要是只靠自己就能结婚买房，小镇生活也能月薪过万，谁又乐意四处漂泊、天天996呢？经济的巨轮不可能掉头，孤独便成了一种难以避免的“21世纪综合症”。巨大的情绪空洞面前，游戏、偶像、社交软件等生意赚得盆满钵满。在“孤独大国”日本，甚至诞生了“家人租赁”服务，以满足人们的各种情感需求。一位60岁的独居作家曾使用该服务雇佣了一个“朋友”，仅仅是希望对方能帮他看看即将出版的小说。脱口秀主持人柯南曾试着在日本雇了3个家人但同样的事情，AI或许能做得更好。众所周知，如今的大模型浪潮，始于2017年谷歌推出的Transformer架构。诺姆·沙泽尔（Noam Shazeer）是Transformer论文作者之一，他于2021年从谷歌离职，创立了Character.AI。该公司的主要业务，是提供能制定旅行计划、提供编程建议的聊天机器人。除标准服务之外，用户还可以“定制”：只需提供几张图片和描述，即可将聊天机器人塑造成用户理想的样子。大语言模型具有很强的通用能力，无需一一定制即可实现千人千面，有机会推动孤独经济迈入工业化生产的时代。时至今日，用户上已经定制了1400万个聊天机器人——有人沉迷于和“AI斯大林”聊天，也有人忙着“调教”理想女友。网友定制的各种聊天机器人长此以往，或许在100年之后，人类将从“灵活就业”迈向“灵活结婚”——只要有个伴侣就行，管他是碳基还是硅基。当下，一些想法超前的人已经开始了尝试。2022年底，那位曾经宣布和初音未来（虚拟偶像）结婚的日本宅男又一次登上了新闻——因为他带着“夫人”一同去高级酒店过了四周年。宅男大哥还给“夫人”盛装打扮了一番 06 尾声 2023年的一个周六，Character.AI创始人沙泽尔经历了惊险一幕：他一觉醒来，发现门前院子内坐着一名手持白板的男子。第一天，该男子在门口等了数个小时，然后沮丧地离去；随后，第二天，第三天，他又准时出现。该男子手持的白板，上面仅有几个大字，“释放waifus”。 “waifus”是Character.AI平台上的一个定制聊天机器人，其人设来自色情漫画的女主角。过去，该男子经常会和waifus一连“文爱”数个小时，直到沙泽尔给聊天机器人添加了一个阻拦色情内容的过滤器。沙泽尔最终没有选择报警，他理解这位男子。真正让他感到担忧的，是Character.AI平台上的变化。在他最初的设想中，聊天机器人只是个生产力工具，用户可以拿它学习外语、辅助编程。然而，最新的市场调研却显示，至少40%的人都想从聊天机器人身上寻求一种浪漫关系[21]。如今，一份要求“取消色情过滤器”的请愿书开始广泛流传，并筹集了近10万个签名。沙泽尔有些手足无措。他在聊天栏顶部添加了一个标语，“AI说的所有内容都是编造的！” 是啊，烟盒上还印着“吸烟有害健康”呢！来源：金色财经

金色财经2023-07-29

中东又要变天？这国55万人示威游行，股汇齐跌前总理：正走向“一场内战”！

人士担心这项改革会损害民主制度，而更多宗教和极端民族主义者则认为法院受到自由派法官的主导，经常推翻人民的意愿。在此之前，当地时间7月22日深夜，内塔尼亚胡身体抱恙，需要立即进行心脏手术，23日凌晨，手术顺利完成。这位领导人住院期间也难得清净，当天，以色列全国约有55万人参加示威游行活动，其中包含约1.1万的以色列国防军预备役士兵，他们宣布若继续推进司法改革，将拒绝去军营报到或参与训练。这是以色列爆发抗议以来，士兵参与规模最大、数量最多的抗议活动，一旦他们真的罢工，以色列军队随时迎战的状态将被打破，将会威胁到国家安全，同时这种内部混乱也极有可能引发外部危机，因为以色列的周边环境太过复杂。以色列前总理埃胡德·奥尔默特(Ehud Olmert)警告说，以色列正在走向“一场内战”。奥尔默特说，大规模的公民反抗政府行动说明“政府的行为在很大一部分民众看来是非法的”。奥尔默特说，这场史无前例的危机威胁着国家稳定。除此之外，以色列人还对政治动荡可能带来的经济震荡感到担忧。以色列主要股市指数自周二(7月25日)开盘以来下跌了3%。以色列股市在过去一个月一直呈上涨趋势，人们原本希望能就立法问题达成妥协。与此同时，以色列货币谢克尔对美元的汇率周二下跌了1.3%。作为以色列最大的投资机构之一，Meitav Investment House首席经济学家Alex Zabezhinsky,表示，超过10%的贬值是由于政治动荡造成的。他认为，若无国内动荡，本来1美元兑换3.3谢克尔左右才是正常水平。（图源：Tullet Prebon）摩根士丹利将以色列的主权信用评级下调至“持负面看法”。穆迪投资者服务公司也表示，该法案的通过表明以色列社会和政治紧张局势将持续存在，对以色列的经济和安全局势带来负面影响。在一份联合声明中，内塔尼亚胡和财政部长贝扎雷·斯莫特里奇(Bezalel Smotrich)试图缓和局势，表示这只是一时的反应，未来以色列经济依然强劲。他们指出，以色列不断增长的天然气工业、英特尔最近向该国投资 250 亿美元，以及英伟达选择在以色列建造超级计算机等事实，都是以色列经济强劲的证据。声明中指出：“以色列经济基础雄厚，在经验丰富的领导层制定负责任的经济政策下，以色列经济将继续增长。” 然而，一些人对以色列的未来持谨慎态度。今年4月，穆迪警告称政府的计划可能会损害以色列的经济前景。该机构重申了以色列的A1评级，但将其展望从积极调整为稳定，这是一个将来可能会下调该国评级的迹象。网络安全初创公司AxoniusX的首席执行官Amir Ofek表示：“很明显，投资者会有疑问和疑虑，既然以色列的环境已经不可预测，为什么还要投资呢？很明显，作为以色列人，我们只是在自寻死路。” 代表高科技工作者的抗议团体在五家主要报纸刊登了整版黑色广告，显示科技界对该法案的强烈反对。许多科技工作者担心，全面改革将破坏民主和对法院系统的信任，可能导致投资者和人才流失。支付公司Papaya Global的首席执行官Eynat Guez在谈到高科技工人发布的广告时表示，这充分代表了他们的心声。以色列高度依赖技术部门，其产值占国内生产总值(GDP)的15%，出口的一半以上。近几十年来，以色列经济繁荣，吸引了大量外国投资，推动了初创企业和科技公司的爆炸式增长。特拉维夫地区是世俗和自由派人士的聚集地，也是连续29周举行大规模示威游行的地方。（图源：IVC-LuemiTech） Adam Fisher是贝斯默风险投资公司驻以色列的合伙人，他表示这项法案的通过不会对以色列科技公司产生明显的直接影响，但会导致更多员工选择迁出以色列。他补充说：“这是国家的损失，但不一定是以色列高科技的损失。” 尽管法案通过，但它剥夺了最高法院撤销政府决定的权力，这在政府任命关键职位时有重要作用。自法案通过以来，多份诉状已提交高等法院，要求撤销法案。虽然以色列宪法学者认为法院从未否决过类似的法案，但法官们认为法院应该拥有这种权力。以色列国家安全部长伊塔马尔·本·格维尔(Itamar Ben-Gvir)称，最高法院否决法案的行为将被视为“未遂政变”。以色列医学协会表示，他们发起罢工是因为新法取消了对卫生部政治领导层的司法审查，他们认为这将对卫生系统、病人和医生造成“严重后果”。该协会表示，他们曾向政府游说，希望保留对卫生系统的司法审查。特拉维夫一名38岁的老年病学家Aaron Bilek表示：“医疗系统是一个在以色列不多见的独特生态系统。它允许来自不同领域的人们为了共同的利益和平合作。感觉这种避难所受到威胁真的很可怕。”他是参与罢工的医生之一。

忆芳2023-07-27

谁拖了中国ChatGPT的后腿？

。如果你与ChatGPT就一些更丰富的宗教、文化、民族和地缘政治等议题展开过坦率的交流的话，你会意识到它在看似拒绝和审慎讨论这些议题的背后隐藏着某些特定的立场倾向，是与美国社会普遍公认的主流价值观微妙重合的。可以说，任何一个，而不是某一个自然语义的复杂模型，其模型建构、语料采集、训练和参数调整的过程，都是基于特定价值体系的“内容审查”的过程，都有着维系其价值体系的自觉。我们不是应该不应该在自然语义模型里“生成”中国的价值立场的问题，而是它该如何生成，才能真正地制衡英语主导全球互联网语料库必然导致的世界观与文化霸权，加强中文语言理解基准在全球自然语义处理体系的权重，进而为世界人工智能和人机对话的发展提供文化上的多样性。我也严重不同意中文互联网信息内容质量太糟糕导致中国类ChatGPT模型语料源头被“污染”的说法，这同样是既偷懒又显得大聪明的判断。因为互联网上的信息总量原因，英语内容无疑是世界上最多的，质量堪忧的极端化内容也是最多的，它们都会影响自然语义模型训练的过程和结果。ChatGPT在早期的训练中优先使用内容质量较高的社交论坛Reddit上的高赞内容，是有特定的语料选择倾向的。如果中国优先选择知乎和得到等知识类社区，以及主流媒体优先作为语义模型的语料库的话，就不存在语料被污染的问题。更遑论以大部分持“中文内容质量低”的人们的外语水平和阅读广度，根本不足以支撑他们的论断。但是无论如何，ChatGPT的横空出世，对我这么一个多年来一直呼吁“告别硅谷崇拜”的人来说，的确是一个不大不小的刺激，也是一个观念的挑战。这不是因为我觉得中国和美国在人工智能领域竞争的差距就此拉大了，而是因为ChatGPT这样的通用人工智能人机对话模型，是一个真正可能从全人类——而不是某一个特定领域和行业的角度，推动社会生产协作与文明进程的工具。其意义大于移动互联网的出现，堪比电子邮件和搜索引擎的诞生。作为一个人工智能大国，中国早就不是电子邮件和搜索引擎诞生时期的信息技术产业一穷二白的国家了，但是，我们却没有让这类能影响人类文明进程的通用人工智能的创新首先发生在中国，训练一个基础语料由中国文化与价值体系为建构的模型。更何况，ChatGPT的模型训练方式，很大程度上依靠的是“大力出奇迹”的参数升级、反复训练和模型依据生成内容反馈持续迭代优化——这原本是中国团队最擅长的工作方法。当一家美国的创业公司用从微软融来的钱不惜代价投入巨额算力成本，大量雇佣非洲和中东的数据工人进行信息标注、用最高效率的迭代与Google这样的巨头进行自研语义处理大模型的“军备竞赛”时，你还是有一种很不真实的感觉——这究竟是一家旧金山公司还是一家深圳公司。像ChatGPT这样的自然语义处理模型应该可以诞生在中国但却没有诞生在中国，其原因还得从中国从事人工智能的科技公司——无论巨头还是创业公司这些年在干什么开始说。很多人可能从来没意识到的一个问题是：像ChatGPT这样的超大规模通用自然语义处理模型，由一家AI创业公司建构最可能产生奇迹，而在一家科技巨头内部通常不会实现更好的结果。这就是为什么Google的LaMDA对话应用模型和近期仓促上阵的Bard都没有大放异彩的原因，也是百度接下来势必面临的挑战。为什么？首先是因为通用自然语义处理建模太烧钱了。其实，烧钱通常并不是大公司的本事，反倒是创业公司的特权。科技巨头几乎都是上市公司，百亿美元级别的投资砸在一项相当长时期看不到回报的事上，首席财务官在面对董事会和股东大会时的压力是很大的，也经常是被股价惩罚的，这导致大公司不敢做大冒险，不大冒险就不会有大迭代。什么叫“大力出奇迹”？就是先花大钱出大力，然后再祈祷奇迹的发生，而不是默认一定得出现奇迹，然后再决定花钱出力。可惜，大公司只能是后者。这也是为什么即便从ChatGPT受益颇丰的微软，也只敢从一开始的10亿美元，历时四年，直到今年的百亿美元，一笔一笔，持续地追加投资，以支持OpenAI在微软的“体外”，多年如一日地训练GPT模型。微软通过投资OpenAI获得的股权享有整合ChatGPT模型能力进入其Office和搜索引擎的优先权，它未来会不会吃掉OpenAI可能是一件不太好说的事，但至少市值近万亿美元，一年收入几百亿美元的微软，是绝对不敢一开始就“大力出奇迹”，兀自凭一己之力训练这个模型的。其次，因为人们对科技巨头从事创新事业的容错度很低，而对创业公司的错误和偏差较为优容。Google为了应对以ChatGPT的压力，仓促推出了人机对话测试版Bard，被发现一些对话出现了基本的事实错误，于是被无限放大，市值一夜蒸发千亿美元。事实上Google不是不清楚这一点，要不是被逼急了，它也不会这么冒失。Google在2021年公布的LaMDA模型，参数级别和信息搜索能力都明显高于当时OpenAI训练的GPT-3，但Google迟迟不敢公测其效果，就是因为害怕它出现失误，引发公众的不信任和股价的下滑。 Google在乎的，OpenAI都不在乎。从ChatGPT发布的第一天起，它就公开地说自己没有信息检索能力，语料库也只到2021年12月，更回答不了很多关于价值和道德判断的问题，还经常犯事实错误。对ChatGPT的自我“摆烂”，测试者很宽容地接受了，对它在编程、文学创作、格式化写作、寻医问诊等领域展现的信息关联、情感表达、逻辑结构、思维连贯性一系列能力惊叹不已，对它犯的错误轻轻带过。 2019年3月，在GPT-2模型取得前所未有的成功后，成立了4年的OpenAI决定由一家非盈利的基金会转变成为一家商业公司。毕竟没有任何一家基金会能受得了它的首席科学家年薪150万美元，2019年5月，山姆·奥特曼（Sam Altman）出任OpenAI的CEO。接着，OpenAI获得了微软的10亿美元投资。2020年5月，OpenAI推出的GPT-3模型，参数从GPT-2的15亿陡升至1750亿，形成了一个前所未有强大的自动学习系统。可见，一家含着金汤匙出生、融得到巨资、有巨头业务捆绑加持的人工智能初创公司，从事通用的人工智能自然语义模型建构与开发，不计成本投入模型训练，是最理想的状态。最强大的模型带来的想象力和商业回报足以刺激微软和其它的投资者。那么，怎么这个逻辑在中国就跑不通了？中国曾经有没有一个强大的通用自然语义人工智能模型，哪怕就是一个雏形？要回答这个问题，不妨看看微软首次投资OpenAI的时间：2019年7月。在微软押注OpenAI的GPT模型之后4个月，也就是2019年11月，微软负责必应搜索业务、同时也是微软人工智能最高负责人的全球资深副总裁、中国香港籍计算机科学家沈向洋宣布离开工作了20余年的微软。而沈向洋对微软通用人工智能模型的最后一个贡献，就是由微软亚洲互联网工程院在2014年主导研发的聊天机器人——小冰。 2020年7月，小冰从微软独立出来，成为一家中国的人工智能创业公司，沈向洋出任董事长，原微软亚洲互联网工程院常务副院长李笛出任CEO。小冰独立之际已发展至第六代以上，产品形态涉及对话式人工智能机器人、智能语音助手、人工智能创造内容提供者和一系列垂直领域解决方案。小冰曾经引发公众讨论的，除了充满情感和女性性征的聊天机器人之外，还有它在汉语诗歌创作领域的惊艳表现——她出过一本诗集《阳光失了玻璃窗》，收获了不少好评，以及更多的争议。毫无疑问，一个能写诗，进行简单情感和基于常识的对话的小冰机器人，是几年前全世界范围表现上乘的对话式通用人工智能模型。沈向洋主导的团队不可能不懂搜索，更不可能不懂人工智能。而沈向洋从微软出走和小冰的“独立”，加之微软CEO纳德拉主导的对OpenAI的投资和合作绑定，其实是中美最顶级的人工智能操盘手，在通用人工智能模型领域的一次正式的分道扬镳。那么，今天的小冰，还写诗么？它在做什么？这两年，小冰早就不写诗了。它在忙着商业化。它成立了游戏工作室，为游戏提供NPC脚本对话内容；它与冬奥会合作，提供自由式滑雪空中技巧视觉评分系统；它为万得资讯提供人工智能生成的上市公司公告文本摘要；它给万科等企业定制了客服专用的虚拟数字人......它在努力地成为一家“赋能”各行各业，同时让自己能造血赚钱的人工智能解决方案公司。一句话，昔日代表了通用自然语义人工智能模型较高水准、中国人撑起全部格局的人工智能团队，现在成了一个生成式人工智能与决策型人工智能混合的、为具体的场景提供具体解决方案的人工智能供应商。你不能说这是小冰的“堕落”，毕竟它只从资本市场融资了数亿元人民币。按照ChatGPT的模型训练方法，这些钱一天就花完了。没了微软的护身庇佑，小冰得自己顾自己的命。可是，我也从来没听说过百度、腾讯或者字节跳动，想过要投资小冰，支持它继续搞通用自然语义人工智能的大模型。不仅仅是小冰。过去几年中国也有其它从事通用人工智能自动建模和异构计算，让国内外7-8种芯片通过该模型接入软件的创业团队，但只要是拿这个模型出来融资，就搞不定任何的一个投资人。中国的投资机构从未表现过对通用人工智能模型的兴趣，和哪怕一点点的想象力。 “超过85%的投资人一上来就要求我们介绍产品的场景，我们说我们帮GPU对接软件生态，连英伟达都用我们的模型，投资人说这个不算场景。我们说我们也有客户，卫星、码头、智慧城市和智慧工业的研究，他们说你干得太散了，我们不投”。这是我自己听到过的做通用人工智能模型的创业者对我的吐槽。众所周知，中国的VC是最喜欢“教育”创业者的，当然也少不了教育从事人工智能创业的科学家。“你得在这个行业有点数据”，这是他们最爱教育AI创业者的一句话。在某一个行业有数据，而且要专注在某一个细分领域提供解决方案，这是中国大多数号称投资人工智能的VC和PE们的思维定式。然后看的就是“场景有多大”，安防摄像头的场景足够大，于是估值模型就变成了中国这么大，能安多少个摄像头？每个摄像头多少钱？总的摄像头盘子有多大？好，盘子足够大，摄像头这个细分领域我们投了。再看看港口智慧物流，中国有多少个港口？有多少个是深水港口？每个港口码头能为AI解决方案付多少钱？原来就付这么点儿钱啊，看来“港口”这个场景不够大，那我们不投。AI虚拟数字人做客服？能跟元宇宙挂上啊，那有故事有想象力，好，我们可以投投试试。所以，你看到的情况就是，中国的人工智能“四小龙”基本都在做摄像头和人脸识别的生意，都变成了AI的项目实施和集成商，商业模式一如30年前的东软和软通动力，自己活得举步维艰，巨额亏损，还得撑着中国人工智能产业的排面，撑着人工智能这一领域的估值和想象力。在相当长的一段时间内，几乎没有哪个人工智能领域的投资人发自内心地相信一个通用的模型能在各个行业复用。其中偶尔有几个对通用模型有点耐心和兴趣的，基本都是人民币基金，美元基金对中国团队搞通用模型的尝试真的是兴趣阙如。你以为是他们通过对比OpenAI和Google这样的公司的模型训练难度和水平，从而觉得中国团队做起这个事来有差距？那你还真是想多了。他们知道GPT模型研发是怎么回事的时间，也就是最近这俩月的事。那些大言不惭“在我眼里商汤和旷视就是卖安防摄像头的”的一线投资经理，那些傲然地跟创业者说“你这个模型又不是场景”的一线投资合伙人，更遑论那些历史上几乎不投人工智能，过去这么多年一直在鼓捣中国创业者“出海”搞加密货币的美元投资基金的合伙人，今天都突然摇身一变，宣称要支持创业者搞“中国的ChatGPT”了。那么你倒可以想想，他们的信誓旦旦和踌躇满志，含有几分对通用人工智能模型的理解和真诚，又有几分是投机和算计。你更可以想想，一个超级自然语义模型的训练可能一天就得烧几千万甚至上亿人民币，更何况现在提供大模型训练的算力模块——世界顶级的GPU，因为美国的无理禁运而变得越来越难以获取。以那些投资人过去这么多年的心性和行事风格，他们又能坚持得了几天，肯说服投委会投多少笔钱进去，还是能帮这些创业团队搞定GPU的问题？不定哪天，弄不好也就半年之后，他们就又开始催着这些做通用模型的团队，尽快“在细分领域实现商业化”。以百度对飞桨PaddlePaddle模型投入的坚持，尚且不可避免它从一开始就将这个模型产业实践化，尽快追求在不同行业的商业化。而在很大程度上，通用人工智能大模型的训练，存在着海量数据、高质量有创造力的内容输出和产业应用落地的“不可能之三角”。能实现海量数据和高质量有创造力的内容输出，就势必不能快速应用于某一个产业的具体落地——比如ChatGPT。要想在人类创造的互联网最大范围的海量数据里创造具体的产业落地场景，就一定无法提供最高质量的结果，因为基于海量数据的内容生成与精准决策系统一定存在冲突——这其实是个废物。如果想实现高质量的内容输出，以辅助精准的产业落地场景决策，就一定得牺牲最海量的数据，而以大多数精准的产业场景所拥有的数据，是无法支撑真正的大型模型训练和研究的——这是中国绝大多数“产业细分”人工智能解决方案今天面临的困境，也是所谓“产业ChatGPT”是个换汤不换药的伪命题的原因。那些今天摩拳擦掌要大举杀入“中国的ChatGPT”的创业者和投资人们，且不说你们兜里有几个钱和几块GPU，既然都上了这艘船，都觉得自己攥着船票，那通用人工智能的“不可能之三角”，你们决定舍掉哪一个角？这是个首先得想清楚的问题。换而言之，哪个投资机构——无论是财务投资机构还是大公司的投资部门，有持之以恒数年如一日投入训练自然语义大模型，无限拉长回报周期的定力？毕竟历史告诉我们，这是一群最没有定力，最着急找接盘侠的人。中国从来就不缺优秀的创业者和科学家，在人工智能领域同样不例外。中国和美国科技公司在人工智能领域的水平和积累是全球范围内最接近的，至少几年之前中国和美国在自然语义大模型的建构和训练上的差距也并不大。但是中国确实缺一些视野更开阔、不人云亦云、有定力有远见的投资机构和投资人。沈向洋、李笛、马维英、王小川和李志飞等这些人，他们出来做通用自然语义大模型的创业项目都挺靠谱，但问题是得换一批背后支持他们的投资机构和投资人，有一些太擅长“做局”和投机，在加密货币等赛道上浸淫太深的投资机构混杂在其中，是应该被拉进黑名单的。说句实话，尽管过去这么多年都没什么正经的投资机构在看通用人工智能模型，可毕竟还是有一些机构也投了不少回报周期极长的人工智能公司。比如那些投资了中国本土激光雷达和自动驾驶解决方案的VC，他们是对树立中国在全球汽车产业百年未有之变局中全新的竞争力做出过贡献的。还比如那些投资了中国本土GPU的VC——这注定是一个充满艰险，面临美国封禁和打压，回报周期极其漫长的赛道；但这些本土新崛起的GPU玩家——无论是瀚博、壁仞还是其它，它们未来是可能为中国的通用自然语义处理模型提供弹药的。它们背后的投资人，如果有一天真的谋定思动，出手加持中国的自然语义大模型项目的话，我对他们可能有一些更不一样的预期和信心。只是这样不咋咋呼呼、不拖后腿、不急功近利的投资人和投资机构，不是太多，而是太少，但中国的自然语义模型建构和训练需要这样的投资人和投资机构——无论它是财务投资者，还是战略投资方，或是有国家意志加持的资本机构。中国要有自己的通用自然语义大模型，它需要有为全球通用人工智能提供中国智慧、中国价值体系和中国方案的愿景，需要从语料库选择、模型建构与训练、参数调整的全过程前置规避风险和法律、道德与伦理问题，更需要的是定力和耐心。无论如何，它不能投机。来源：金色财经

金色财经2023-07-23

关于美国两党选民的五大误解，比如共和党人并不那么信教

城市的服务员，是两党的核心。 3. 有宗教信仰的民主党人和无宗教信仰的共和党人也很常见。民主党人通常代表最世俗的选民，他们一直赢得近90%的自我认定的无神论者以及大约80%的不可知论者的支持。相比之下，共和党人则经常获得80%以上的白人福音派选票。但这并不意味着一个党派都信神，而另一个党派都不信。大部分民主党人都是基督徒，而在共和党人中也有很大一部分声称自己没有宗教信仰。共和党也并不像这些数据显示的那么虔诚，越来越多的共和党人表示他们"很少"或"从不"参加宗教活动。尽管共和党政客仍然代表着宗教右翼的利益，尤其是在堕胎和LGBTQ权利方面，但两党都有虔诚选民和世俗选民。 4. 两党都依赖白人大学毕业生。特朗普接管共和党后，许多白领共和党人转投民主党。但这种转变被过分夸大了。在2022年，只有52%的白人大学毕业生投票支持民主党，47%支持共和党。结果是，两党都依靠白人大学毕业生获取了大约三分之一的选票。即使在特朗普在位期间——他对许多白领共和党人来说是特别讨厌的人，四分之一的共和党选民也是白人大学毕业生。简而言之，许多支持小布什和罗姆尼的白人大学毕业生仍在共和党内支持特朗普。 5. 靠西班牙裔选票并非共和党获胜的途径。 2020年，特朗普在拉美裔选民中取得了重大进展。从那时起，政治分析家花在分析拉美裔共和党人上的时间和精力几乎超过了任何其他群体。但拉美裔选民在美国共和党中仍然只占一小部分。随着拉美裔美国人进入投票年龄，以及年长的白人共和党人的老龄化，共和党将需要增加他们在拉美裔选民中的选票份额。对共和党来说，明智之举是现在继续建立拉美裔基础，然后再从中获利。但只有1/10的选民自我认同为西班牙裔。共和党想在2024年赢得选举，必须要在近白人工人阶级和亚裔选民基础上再接再厉，夺回失去的接受过大学教育的郊区选民，或最终在黑人选民中取得进展。

加美财经2023-07-19

24小时热点