全球数字财富领导者
CoNET
|
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
香港论坛
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
AI、BRC20、MEME 新赛道争夺战
go
lg
...
键创新之处在于将 ZKML(零知识证明
机器
学习
) 和 Proof of Personhood(人格证明)结合起来,以期创造真正隐私保护的全人类链上数据平台,共同分享 AI 的伟大生产力。 AI+算法,以CGPT为例,将 AI 算法和问答能力等数字化资产融入区块链领域。 AI+算力,以 PAAL 为例,在
机器
学习
(ML)技术关键之处是理解人的需求,而非单纯的模型和算力之争。 火币HTX的上新资产基本覆盖到了 AI 赛道的更细层面的划分,也体现出火币HTX对 AI 赛道的深度理解。在未来很长一段时间里,AI 作为先进生产力的体现将贯穿整个人类社会,AI + Crypto 的叙事会带给加密世界更多惊喜。 BRC 20 引爆“铭文之夏”,比特币的第二春悄然绽放 所谓 BRC20,大致相当于以太坊的 ERC20 标准。随着 BRC/ORC/DRC 的推出,比特币及其分叉币打开许多新的可能性,比特币可以在旧有的转账功能和区块确认外实现更多功能。 尽管市场经历过波动,但从长远来看,比特币在经历了“铭文之夏”的洗礼后,其价值和应用范围都在不断地扩大。而在其中最引人注目的是矿工的大胜利,比特币铭文功能自2023年2月起在比特币网络中出现以后,就消耗了相当多的区块空间。 铭文功能允许在一个区块内进行更多交易。比特币内存池(mempool)自从铭文功能出现后,内存池的大小和交易数目显著增长。 铭文在比特币网络中的作用类似于箱子中的填充材料,它们通常并不替代高价值货币转账,而是使用货币交易未占据的任何剩余区块空间。 自2023年2月铭文火热起网络的算力增加了50%,随着下一次比特币减半周期,比特币挖矿奖励的竞争持续加剧,矿工的预期收益将会下降,他们有更强动力增加 BRC20 生态的币种数量。 BRC20赛道的代表币种 ORDI 也已上线火币HTX。在经过短暂回调之后,ORDI大势已现,可以说是该赛道的龙头无疑。火币HTX还同步上线了 SATS、RATS,让希望持有 BRC20 潜力币种的用户在链上之外多了更稳妥的选择。 整体来看,铭文功能的引入在比特币的区块链网络中,无疑对交易模式、矿工经济和网络状态产生了深远的影响。随着比特币网络的不断发展和铭文功能的进一步使用,这些变化可能会继续展现并引领新的趋势。 MEME 散户的狂欢;新公链 “潜力之王” 火币HTX在MEME赛道和新公链赛道同样持续发力。2023年,火币HTX长期支持各类 MEME ,发掘上线了VOLT、PEPE、AIGOGE、MONG、WSM、MEME等热门模因币。最终 PEPE 创下1999 倍的巨大涨幅。 MEME 是加密世界最为独特的品种,一种基于情绪的金融产品。如果说期权是现货的衍生品,那么各阶段的 MEME 就是当前的历史铭文,永久代表着一个时代的独特记忆,它们随着文化周期的自我繁殖、复制和传播进而不断发展。MEME 的存在,更像是一种文化表达,是散户们对特定社群文化的认同。 狗狗币(Dogecoin)当属最著名的MEME代币之一,其以柴犬为标志,自 2013 年推出以来,迅速成为了加密货币的文化图腾。今年,续写MEME传奇的无疑是 PepeCoin,以 Pepe 蛙作为形象,吸引了一群悲伤青蛙的狂热追随者。 火币HTX数据显示,火币HTX2023年对 MEME 赛道的支持是巨大的,这也许与其“用户第一”的战略息息相关。同样,通过检索火币HTX2023年的上新资产发现,公链赛道也仍是其重点深耕对象,分别上线了 FLR、ARB、SUI、SEI、TON、CBK等公链赛道资产,此外,还上线了Solana上的BONK,可见其在公链方向上的视域宽广。 老公链、L2、新公链仍然具备价值想象空间。除以太坊外,Polkadot、Cosmos、Solana、NEAR、Avalanche 等公链都以自己独特的技术创新体现了多样性。随著以太坊二层解决方案Rollup,尤其是 Arbitrum 和 Optimism 的崛起,像 Aptos 和 Sui 这样的新公链在初期也吸引了足够多的市场的关注度。 从长远的角度来看,探索和开发新的公链技术是非常必要的,它们有潜力在特定场景下为整个区块链生态系统带来创新。 来源:金色财经
lg
...
金色财经
2023-12-18
华夏基金孙蒙、国金基金姚加红深度解析量化策略
go
lg
...
框架决定的,表现层也有各种风格的变化。
机器
学习
预测个股的超额收益、风格的轮动、行业的轮动和热点的轮动,
机器
学习
加上多策略框架,也就是很多标的都可以预测,这是底层投资的思路。 在产品展现层面确实看起来每年都是差不多的收益,这也确实是跟市场相关的,也就是像在去年市场机会比较少,在微盘股中的暴露我们去年就已经很大,但是今年随着机会变多,它反而在微盘股的暴露变低,造成的结果是什么呢?去年虽然指数跌幅很大,但是我们几乎绝大部分仓位都在微盘股,因此去年的收益也不错。今年机会很多的时候,指数跌幅也没有去年那么大,但是我们因为分散,所以收益差不多也还是这个数字,就是因为这种分散化的投资加上风格、行业、个股的收益预测,最后叠加呈现的结果是,无论市场好坏,得到的结果都差不多,这应该是我们底层策略框架加上市场刚好配合的结果。 孙蒙:我们一直以来的运作目标就是稳定超额,包含两个维度,一个是稳定、一个是超额,它们对应着投资的两个维度——风险和收益。首先是风险端,我们会比较严格的预先约束很多风险,比如我们不愿意承担仓位上的风险,在仓位上不会有暴露;比如我们不愿意承担风格轮动上的风险,就不会在风格上有暴露;不愿意承担行业轮动对于超额的影响,就做中性化的处理,所以我们在风险端一直很严格,提前会去做这样的控制。 收益方面,更多借助一些新工具,比如利用
机器
学习
了很多的算法,这在整个策略里面也是有体现的,无论我们去用什么类型的技术或者数据,从我们的角度来说,本质上是可以把它放到套利定价的框架里面去的,所谓的套利定价的框架,它背后隐含的逻辑是我们认为具备类似基本面特征的标的是需要有类似的定价的,像竞争性增速、ROE或者很多的以成长性的维度或分析师评价的维度,它都是一样的,但是市场给出了截然不同的定价,从我们的角度来看,其中一定存在投资的机会,我们就可以去把市场本身的定价错误,当作投资获取超额收益最主要的模式。回归到整个市场风格角度,我们可能会去摒弃已经定价过高的板块,同时未来预期增速可能没有那么高的板块,投资一些投资性价比更合理的标的。 量化市场未来或将持续增长 杨天楠:二位怎么看量化的未来? 孙蒙:量化的竞争一定是会越来越激烈,市场有效性也会越来越高,对于市场本身来说是好事,不会存在大幅定价的偏离。对于量化本身来说,从我们的角度还是希望不断在精进、迭代,希望以更基于模型或者更基于科学的维度去刻画市场。 姚加红:做投资Alpha本身就是卷的过程,做Beta是享受系统性红利。量化的投入、算力的人才投入,量化本身在自我提高,按照全世界趋势来看量化投资占比在慢慢提升,因为量化利用人才、机器,量化相较于其他投资的准确性、有效性更好,“卷”肯定是不可避免的。
lg
...
金融界
2023-12-18
量化增强策略助力小盘成长股,招商中证2000指数增强(A:019918;C:019919)应“市”而生
go
lg
...
此基础上,还有小部分的权重和策略来自于
机器
学习
,希望能把投资收益的来源更为分散化,努力转化成超额收益的可能。 数据来源:Wind资讯,招商基金整理,截至2023年11月30日。行业分类为行业分类为申银万国一级行业,夏普比率计算周期选择周频率。沪深300指数(000300.SH),万得小市值指数(8841425.WI)。 风险提示:基金有风险,投资须谨慎。投资思路策略等仅为示例供展示使用,不代表任何投资建议。指数过往业绩不代表未来表现,亦不构成任何投资建议及基金投资收益的保证。基金管理人管理的其他基金评价结果及排名不是对未来表现的预测,也不应视作投资基金的建议。对于以上引自证券公司等外部机构的观点或信息,不对该等观点和信息的真实性、完整性和准确性做任何实质性的保证或承诺。基金份额在认购期、成立后的封闭运作期内(开放申赎以届时公告为准)不能赎回或转换转出。投资者应认真阅读《基金合同》《招募说明书》《产品资料概要》等基金法律文件,全面认识基金产品的风险收益特征,在了解产品情况及听取销售机构适当性意见的基础上,根据自身的风险承受能力、投资期限和投资目标,对基金投资做出独立决策,选择合适的基金产品。 [中证2000指数](“指数”)由中证指数有限公司(“指数编制方”)编制和发布。指数编制方将采取一切必要措施以确保指数的准确性,但不对此作任何保证,亦不因指数的任何错误对任何人负责。中证2000指数以2013年12月31日为基日。中证2000指数近5个完整会计年度涨跌幅分别为-33.34%(2018年)、21.96%(2019年)、15.39%(2020年)、25.89%(2021年)、-14.77%(2022年)。 注1:夏普比率是可以对收益与风险加以综合考虑的指标之一,是经总风险调整后的收益指标,通常夏普比率数值越大,表示单位总风险下超额收益率越高,计算周期选择周频率,收益率算法选择普通收益率,无风险收益率选择一年定存利率(税前)。万得偏股混合型基金指数代码为885001。Sharp(年化)=(年化后的平均收益率-无风险收益率) / 年化后的波动率;计算周期选择周频率,收益率算法选择普通收益率,无风险收益率选择一年定存利率(税前)。 本条资讯来源界面有连云,内容与数据仅供参考,不构成投资建议。AI技术战略提供为有连云。
lg
...
有连云
2023-12-18
浩瀚深度申请
机器
学习
专利,能更准确地反映视频业务服务体验质量
go
lg
...
技术股份有限公司申请一项名为“一种基于
机器
学习
算法感知视频卡顿质差的方法“,公开号CN117241071A,申请日期为2023年11月。 专利摘要显示,本发明公开了一种基于
机器
学习
算法感知视频卡顿质差的方法,在传统基于深度报文检测的上网日志分析方法的基础上,融入
机器
学习
算法,既能够高效、全面、真实地检测视频卡顿,也能避免因视频业务特征变化而带来的问题,该方法以XDR话单作为输入,通过当前有效的视频业务特征对卡顿话单进行标记,采用GBDT算法结合RFE算法完成特征选择和模型训练,从多个方面的影响因素分析预测视频卡顿现象,更准确地反映视频业务服务体验质量,帮助运营商提前发现问题、解决问题,将有助于业务侧的优化以实现用户体验跨层智能优化,提升用户业务感知。
lg
...
金融界
2023-12-16
第四范式(06682)下跌5.74%,报49.3元/股
go
lg
...
策类人工智能市场占据最大份额,且其自动
机器
学习
算法在全球范围内领先,已在多项国际竞赛中取得优异成绩。 截至2023年中报,第四范式营业总收入14.68亿元、净利润-4.56亿元。
lg
...
金融界
2023-12-14
KYC/KYB 技术在金融监管中的未来
go
lg
...
KYB 解决方案也将通过整合人工智能和
机器
学习
技术得到进一步发展。这种协同作用旨在建立一个可靠的生态系统,以满足 KYB 要求,涵盖安全业务关系的各个方面。 比较 KYC 和 KYB:区别与应用 虽然 KYC 和 KYB 的总体目标都是最大限度地降低与非法活动相关的不良后果的发生概率,但它们在金融行业内的应用流程却截然不同。KYC 程序广泛应用于各种金融结构,包括外汇经纪公司和加密货币交易所。KYC 包括客户身份验证、全面反洗钱(AML)监控和多层次风险评估。另一方面,KYB 程序侧重于验证商业实体的合法性、评估其执照和许可证,以及评估股东结构和 UBO。 KYC 的应用和目的涉及彻底核实个人客户的身份、审查文件和生物识别技术,以及持续监控可疑活动。相比之下,KYB 程序涉及核实企业的法律地位和所有权、评估财务可信度以及持续监控业务流程以进行风险评估。 KYC 和 KYB 的挑战与创新 KYC 面临着与身份盗窃和使用伪造证件有关的挑战。不过,数字身份验证和生物识别认证系统的进步正在解决这些问题。而 KYB 则面临着验证流程缺乏标准化的问题,需要使用带有模板评估模型的 KYB 服务。KYC 和 KYB 系统都在拥抱由人工智能、
机器
学习
和区块链技术驱动的创新,以增强其功能和运行原理。 技术魅力与创新 技术进步推动着 KYC 和 KYB 系统的显著提升。人工智能将反洗钱筛查、风险评估和身份验证等繁琐的 KYC 活动自动化。光学字符识别(OCR)系统有助于从实时自拍照中提取数据并与身份证件进行比对。区块链可确保交易记录安全且易于检索,从而增强信任、保护隐私并简化验证流程。 监管框架和未来趋势 许多国家的 KYC 要求都有完善的监管框架,概述了可接受的身份检查程序和软件。相反,KYB 规则缺乏统一性,导致不同公司和 KYB 提供商的程序各不相同。建立标准的工作正在进行中,基本程序侧重于确定真实所有人、检查制裁、使用可信数据源和评估风险。 KYC 和 KYB 的未来在于其在数字化环境中的不断发展。预计人工智能和
机器
学习
将实现人工流程的全面自动化,从而简化 KYC 活动,减少所需的时间和精力。利用人工智能和物联网(IoT)进行实时风险分析有望加强 KYC 和 KYB 程序。公司所有者披露框架的创新和即将发生的法律变革将进一步塑造身份和业务合法性验证的格局。 总之,随着人工智能、
机器
学习
和区块链技术的不断进步,KYC 和 KYB 技术将迎来变革性发展。随着监管框架的不断发展,金融业可以预见,未来的身份验证流程将更加高效、安全,并与数字时代保持一致。创新技术的协同整合必将重新定义金融安全的格局,确保为企业和客户提供一个强大而有弹性的框架。 关于 ChainStar ChainStar 是一家数字金融服务提供商,以专业的软件开发能力为金融科技、区块链、娱乐等领域提供定制的信息技术解决方案。我们致力于用丰富的经验和最前沿的技术为用户精心打造每一个项目。 访问 https://chainstar.cloud 了解更多关于 ChainStar 的信息。如需演示或商务合作,请发送电子邮件至 business@chainstar.cloud 来源:金色财经
lg
...
金色财经
2023-12-13
ALEO主网上线在即《ZK 既可以用于区块链的可扩展性,也可以用于隐私用途》并且superscalaer k10 即将 编译ALEO算法
go
lg
...
来验证儿童的年龄、使用我们的技术来验证
机器
学习
算法的准确性等等。 我们相信 Aleo 的独特优势能够在区块链领域发挥重要作用,将继续推动区块链技术的发展,让它成为一个更隐私、更安全、更公平的平台。 五,Aleo 生态取得了哪些成绩? Foresight News:虽然 Aleo 主网尚未上线,但测试网已在进行测试,那目前 Aleo 生态的发展已经取得哪些成绩?数据维度有没有什么可以分享的信息? Joanna Zeng:我这里讲两个指标,一个是月活开发者,一个是已经部署的程序数量(Foresight News 注,在 Aleo 的术语中,程序就是所谓的智能合约)。 月活开发者的定义是不管是用什么编程语言,至少提交了一次代码,还要被别人使用过一次;已部署程序也不是随便 Fork 别人就可以。 因此把这些没有价值的代码去掉之后,我们现在有 14000 个已部署程序,然后月活开发者有 120 个。 这些数字与其他比较流行的区块链平台相比,其实已经属于优秀的表现,所以虽然 Aleo 还没有上线主网,但测试网上的月活开发者已经跟很多主流区块链平台的月活开发者数量相似,其次我们的月活开发者增长率是 79%。 关于生态系统,我们现在主要关注的是以下 7 个用例场景:DeFi、Identity、Gaming、SocialFi、zkML、Infrastructure、Voting/Governace。 其中去中心化基础设施(InfraFi)的项目数量最多,达到了 330 个,这主要是因为我们的生态系统是专注于去中心化基础设施的。 因为 ZK 技术本身是非常有利于隐私用例的,但由于基础设施的原因,暂时比较难实现以太坊生态的直接迁移,所以有很多项目正在做这方面的工作,包括做钱包、跨链桥以及 RPC 等各种基础设施相关应用。 还有一个有趣的用例场景是 Gaming,游戏开发者致力于开发全链游戏,但传统模式下他们无法隐藏游戏状态,现在基于 ZK 技术,游戏开发者可以在不对称信息环境里欺骗玩家,在游戏过程中不会让对手看到玩家的策略,所以这是一个只能建在隐私公链上的用例。 这确实是一件很有趣的事情,因为游戏有很多种类型,可以应用于不同的场景,像扑克游戏可以使用我们的技术来保护玩家的隐私等等,总之可以使用 Aleo 的技术来实现无尽的玩法,包括实现一些其他的游戏功能,比如社交功能。 关于 SocialFi,则可以用来实现第三方认定,比如我们可以扫描对方的 NFC 芯片,来获取对方的身份信息,但这些信息只会存储在我们双方的设备上,不会被公开。 又比如我们与一家为儿童提供教育的公司合作,帮助他们安全使用互联网,他们使用我们的技术来验证儿童的年龄,但不会向任何人披露这些信息,这项技术可以用于各种场景,比如让儿童观看适合他们年龄的电影或电视节目。 最后还有 zkML,它是一种使用零知识证明来验证
机器
学习
算法准确性的方法,这项技术是一种去中心化的方法,可以让人们在不披露个人数据的情况下提供数据,可以用于各种场景,比如验证信用卡交易的准确性等等。 Foresight News:除了纯链上应用之外,还有哪些应用可以与链下场景结合,需要隐私来实现? Joanna Zeng:正如我们刚才讨论的,Aleo 已经超越了传统的隐私交易等技术,正在解决的问题是如何实现真正的隐私应用。 从用户的角度来看,任何你能够想到的不需要将信息广播到整个网络的场景,都可以算进来,被视为隐私应用。包括上文提到的检查每个学校学生的 ID,来确定他们的年龄是否允许他们访问特定的互联网内容。 在 Aleo 的系统中,可以使用最新的技术以可验证的方式来处理所有一次性数据库信息,并快速生成验证证明。 Foresight News:Tornado Cash 等隐私应用在许多国家和地区都面临监管问题,如果 Aleo 以隐私公链的身份进行建设,是否也可能会面临监管方面的担忧或风险? Joanna Zeng:我认为 Aleo 与其他隐私链的一个不同之处在于,我们从一开始就致力于做到合规。 隐私公链和合规公链似乎是矛盾的,但我们认为这两者是可以兼得的。我们正在与一家提供零知识证明技术的公司合作,开发一种验证者机制,允许监管机构在必要时查看链上数据,但这种查看需要得到项目本身的同意。 我们还在与许多政府机构合作,帮助他们开发隐私应用。我们相信通过与监管机构合作,Aleo 可以为用户提供隐私保护,同时也满足监管要求。 Foresight News:无论是开发堆栈还是实际用例,ZK 生态的发展都尚属早期,您觉得让 ZK 被主流采用还需要哪方面的努力与建设,Aleo 对此有什么思考与动作? Joanna Zeng:ZK 技术之前一直被作为区块链实现扩展的技术,大家一般想到 ZK 就是关于 Rollup 的解决方案,怎么去做 Layer2。 但 Aleo 做的最重要一件事,就是让大家意识到 ZK 其实具有双重价值,既可以用于区块链网络的可扩展性,但是也可以用于隐私用途。 我们也对此进行大量的教育,像 Aleo 就从顶层政策制定者到普通用户,进行全方位的宣传。我们还做了一些社会公益项目,例如 ZPrize,Aleo 不直接从中获益,只是希望借此来推广 ZK 技术,让更多人了解 ZK 的潜力。 Foresight News:Aleo 经历了几轮比较大的融资,总额将近 3 亿美元,在整个行业都比较罕见,就目前的市场来说,您怎么看待当下的牛熊周期? Joanna Zeng:很明显现在还是所谓的熊市,这从各种数据中都可以看出。 Aleo 在这种情况下需要继续做好技术研发和社区建设,尤其是上线主网,以兑现过去四年对投资者和社区的承诺,这是一个重要的里程碑。 当然这也是这 3 亿美元资金的意义所在,让我们能够专注于技术研发,兑现我们的承诺。 从主网上线的角度来看,Aleo 也可能会成为一束希望的曙光。因为真正了解我们、知道我们的社区朋友,都了解我们是一个能够实现我们所承诺的一切的协议,包括隐私保护、无需许可、可扩展性、可编程性和抗女巫攻击等,这些都是非常难以解决的问题。 我们对此很有信心,认为 Aleo 能够通过主网上线,给行业的朋友们带来希望。
lg
...
雨溪13319416085
2023-12-13
百融云-W(06608)上涨5.21%,报14.54元/股
go
lg
...
主要通过大语言模型、自然语言处理、深度
机器
学习
等技术,提供模型即服务和业务即服务的服务模式。其产品和服务广泛应用于银行、消金、保险、电商、汽车、物流、票务、能源和建筑等多个行业。 截至2023年中报,百融云-W营业总收入12.43亿元、净利润2.05亿元。 12月11日,公司以每股12.9-12.98港元回购23.4万股,回购金额303万港元。
lg
...
金融界
2023-12-13
微软要爆发了,AI行业如何选股| AI Financial 恒益投资
go
lg
...
。起初,他们购买了本地服务器,用于进行
机器
学习
和大数据收集。然而,由于实验室每周能产生一TB的数据,每年累计达到4-500TB的数据量。这些数据非常庞大,因此他们经常需要购买新的存储硬件。与此同时,数据安全性和硬件维护升级也带来了不少麻烦。因此,在2017年,BC Cancer与微软合作,将数据和AI算法迁移到了微软的云服务上。BC Cancer现在只需要上传数据,并让AI进行计算,理论上可以提供无限多的存储空间和算力,同时提高数据安全性,省去了用户硬件维护和升级的麻烦。 云服务的价值在于提供需求,由云服务商解决硬件和软件的各种问题,用户只需使用即可。当然,这也需要支付相应的费用。云服务不仅用于计算,还可以用来省钱。例如,2020年,微软与百事公司签署了为期五年的云服务合同。除了使用微软的Office和Teams套件外,百事可乐还利用基于城市人口统计、消费者购买行为和当地天气等因素的大数据,进行库存管理分析和需求预测。这有助于避免库存积压等问题,提高了库存的合理性。 有人可能会问,为什么百事不自己搭建一个网络服务呢?虽然百事可能有这样的能力,但从搭建、采购到软件编写,时间成本是无法预料的。在自由的资本市场上,大多数情况下选择购买成熟的云服务是最合适的。例如,2016年,波音将基于云计算的航空分析应用移植到了微软Azure上,以节省燃油消耗。波音的合作伙伴包括劳斯莱斯和博世,用于分析发动机测试数据和自动优化生产线配置。这样的合作使得波音能够更好地存储和分析相关数据,发挥云服务的优势。 现在,我们以旁观者的身份回顾微软走过的47年历程,虽然微软曾经犯过不少错误,但凭借在基础系统领域的强大科技地位,微软依然坚挺并持续发展至今。然而,与苹果相比,微软在我们的视野中出现的频率越来越低,存在感远不及对手苹果。微软从2C(Consumer)逐渐转向了2B(Business),从单纯的个人软件过渡到了云服务。 云服务的最终形态是公共资源化,类似于第二次工业革命催生电力成为一种公共资源的情景。在现代化的生产变革中,不仅需要电力,还需要各种各样的算力。手机游戏需要强大的算力,但是独立硬件的发展存在物理上的限制,而随着摩尔定律的失效,进步速度越来越慢。随着5G和6G的发展,云游戏可能会成为我们的日常,手机只需要处理操作指令和图像,从而提高了手机的续航和降低了发热。 这种形态有多种多样,但在其背后所需要的是各种连接和算力,这就是各种云服务的作用。在未来,我们可能会像现在租服务器一样,按需付费,灵活使用各种服务。虽然现在的技术和网络无法很好地实现这个愿景,云游戏已经开始出现,并在逐步进化,这是一个不可抗的向前发展的过程。从1831年法拉第发现电磁感应到1879年爱迪生点亮第一盏电灯,历经了48年。现在我们这一代正处于另一个48年的时代,这难道不是一个抓住时代风口的绝佳机遇么? 微软与AI 微软在不久前,给人的印象还是一个在B端和c端都乏善可陈的普通巨头,但却在短短一年内脱胎换骨,成了整个硅谷乃至全球最潮的科技公司。点燃这家老牌公司的,无他,只有两个字母——AI。 11 月 15 日,在微软大本营美国西雅图,微软CEO 萨提亚·纳德拉在 Ignite 大会上,一口气公布了 100 多项以 AI 为中心,在云计算基础设施、 模型即服务 MaaS 、数据平台、Copilot 人工智能助手等方方面面的新产品和新功能。 微软在人工智能领域的领先地位体现在多个层面,从硬件设施到云计算、商业服务,形成了一个全面的生态系统。从这次大会。我们可以清晰地看到微软在AI领域的领先和野望: 1. 硬件创新: 微软通过推出自家设计的芯片系列,如Azure Cobalt和Azure Maia,实现了对通用工作负载和人工智能工作负载的性能、功率和成本效益的优化。这标志着微软在硬件创新领域的进一步深入,为其云计算基础设施提供更大的灵活性和效率。 2. 合作伙伴关系: 与业界领先公司,包括AMD和英伟达等硬件制造商的合作,使微软能够集成最新的AI优化芯片,如AMD Instinct MI300X和英伟达H100、H200等,为客户提供多样性的硬件选择,进一步提升AI工作负载的性能。 3. 全栈AI解决方案: 微软通过构建端到端的Copilot堆栈,包括云计算基础设施、基础模型、数据工具链以及Copilot本身,为开发者提供了全面的AI解决方案。这种全栈方法不仅关注于新奇技术,还注重产品制造、部署、安全性以及真正的生产效益。 4. 开源和开放性: 微软积极支持开源模型的模型即服务(MaaS),允许开发者轻松将各种高级模型,如Stable Diffusion、Meta Llama 2、Mistral等,通过API集成到他们的应用中。这种开源和开放的态度促进了创新,使开发者能够更灵活地利用最新的AI模型。 5. 数据驱动: Microsoft Fabric作为数据平台,通过统一化的体验,连接客户数据和微软的AI工具。这个平台致力于创造一种集成、简化的体验,将所有数据和分析工具汇集在一个产品、一个体验、一个架构、一个业务模型中,为企业提供了完整的数据管理解决方案。 6. 协同助手和自定义插件: 微软推出的Copilot Studio和独立的协同助手,如Dynamics 365 Guides中的Copilot,让用户能够通过语音和手势与生成式AI互动,为工业环境中的工人提供支持。这种创新将AI的应用领域扩展到更广泛的场景,促使AI不仅服务于白领工作者,还服务于蓝领工作。 「一切为了 AI,为了 AI 的一切。」用这句话形容这次微软 Ignite 大会,并不算夸张。在 GPT-4 和大语言模型彻底搅动了世界之后,看到机会的微软,成为转身动作最快的巨头。 我们再来看看微软和现如今最如日中天的OpenAI的关系,也可以得出一些启发: 微软与OpenAI关系时间线及发展 2015年:OpenAI的创立 - OpenAI由埃隆·马斯克、彼得·泰尔、雷德·霍夫曼等投资者共同创立,旨在推动人工智能的发展并确保其对人类的益处。 2019年:微软的首次投资与战略合作 - 微软与OpenAI建立战略合作关系,投资金额为10亿美元。共同探索人工智能领域的合作机会。 2020年2月:OpenAI融资设计曝光 - OpenAI的融资设计曝光,包括四个阶段的利润分配计划,展示了对合作伙伴(包括微软)的长期承诺。 2020年6-7月: Chat GPT初始版本发布,这是基于GPT-3的一个技术。 微软购买了GPT-3的核心技术独家许可,并可以进行商用。 2022年11月 GPT-3.5发布,这也是我们现在能免费用的版本 2023年初:微软追加100亿投资 - 微软通过供130亿美元投资,持有约49%股份,并且宣布将ChatGPT整合进搜索引擎Bing,可以看出双方合作紧密 新金主加入 - 头部风险投资机构,如老虎环球、红杉资本、A16Z等,加入OpenAI投资行列。 这些投资使OpenAI的估值达到了270亿至290亿美元。 2023年11月: OpenAI计划寻求新资金支持 - OpenAI计划向微软等投资者寻求新的资金支持,以推动其 “与人类一样智能” 的计算机软件愿景。 Microsoft 365 Copilot发布 - 微软发布Microsoft 365 Copilot,基于OpenAI大语言模型的人工智能补充工具。旨在帮助企业用户更好地组织数据和进行交互操作,标志着微软进军生成式AI的 “货币化”。 Microsoft Copilot商业化计划 - 微软宣布Microsoft 365 Copilot企业版本,将人工智能工具融入Word、Excel、PowerPoint、Outlook和Teams等协同工具,提高企业用户工作效率。 - 微软全球资深副总裁兼消费者业务首席营销官表示,Microsoft Copilot标志着进入全新的AI时代,将改变人们与科技互动和从中获益的方式。 微软财务官Amy Hood关于Copilot的展望 - 微软财务官Amy Hood表示,Copilot的实质性利益可能需要等待一段时间,但对于H2数据充满信心,意味着2024年上半年可能见证实质性利益。 微软股价表现和分析师展望 - 微软股价年内涨幅高达34%,分析师看好微软未来,认为微软股票仍具备上行空间。 微软进入OpenAI董事会 未来展望: - 微软通过整合OpenAI技术,特别是Microsoft Copilot,不断推动人工智能在其产品和服务中的应用。 - 微软可能继续通过与OpenAI等伙伴的合作,推动人工智能技术的创新,以适应市场变化。 - 微软与OpenAI的紧密合作将有助于双方在人工智能领域取得更多突破,为未来的技术发展打下坚实基础。 在这个充满变革的时代,微软和OpenAI的紧密合作显示出两家公司在推动人工智能发展方面的共同愿景和决心。如果说之前微软还是在产品层面进行「AI 集成」,现在它已经在硬件设施、云计算和商业服务的全生态层级,围绕 AI 进行了革新。只要 AI 浪潮继续推进,微软就会是那个最领先、最具有前瞻性和决策力的巨头。 AI与第四次工业革命 经常听我们讲座的朋友,应该都知道,我们Ai Financial从几年前就告诉大家,以AI为核心的,第四次工业革命已经到来。为什么我们会这么说?以及如何去跟上这次时代的东风?在讲座最后一个部分,我们来看一下AI所引领的第四次工业革命及投资AI产业的方向性观点。 新时代开启:人工智能的发展流程 首先,我们来介绍一下人工智能的发展流程。科技发展的进程遵循着一个不可或缺的三阶段递进规律。 第一部分的基础理论的形成是至关重要的,坚实的理论基础可以为后续的技术创新铺垫基石。 在理论打下基础之后,第二阶段便是将理论发展成可实现的技术。这一阶段,科学家和工程师们需不断在第一步理论的基础上进行技术创新和优化,将理论转换成现实,这个阶段的成功实现是基于第一阶段理论基础的支撑。 最后,第三阶段是科技应用于社会,服务于人类。 这一阶段,需要将科技成果转化为实际产品服务和解决方案, 从而推动达到贡献社会,服务于人类的目的。这一阶段的成果,如果没有前两个阶段作为基础是无法实现的。总的来说,科技发展遵循着一个不可分割的三阶段递进关系, 即底层基础理论的形成,理论发展成技术以及技术应用于社会。 AI的理论基础 人工智能 (AI) 的概念,其实已经存在了几个世纪。但我们今天所熟知的现代人工智能领域的相关 理论,在20世纪中叶才开始形成。有几位先驱为该领域的发展做出了贡献,人工智能的发展能走到今天,尤其离不开杰佛瑞.辛顿。 对于人工智能发展方面的努力,杰弗里ꞏ辛顿(Geoffrey Hinton)是一位著名的计算机科学家,并且获得了许多奖项和荣誉,包括被称为“计算机界的诺贝尔奖”的图灵奖 。 杰弗里.辛顿对人工智能(AI)领域做出了重大贡献,尤其是在深度学习领域。 辛顿从20世纪80年代开始研究神经网络。这项技术推进了这一领域的发展,并使其更容易被全球的研究人员和从业者使用,为ChatGPT的诞生奠定了坚实的理论基础。 ChatGPT探索人工智能之路 前面,我们介绍了人工智能的发展流程,在之前的数十年的研究中,人工智能一直处于一个理论 的状态。 那么ChatGPT的横空降世,又意味着什么呢?ChatGPT与其他之前所谓的人工智能的区别,在于它真真实实的是一个人工智能。 它的横空降世宣布了一个人工智能的未来方向,就像水手在海上看到的一个灯塔。ChatGPT的出现会让水手们朝着这个灯塔去前进。 其实,人工智能现今只是停留在一个技术的层面。 虽然技术已经出现,但是人工智能的应用还处 于起步阶段,需要不断地指明方向并制定行业标准。在此过程中,ChatGPT成为了一个重要的引领者。它基于大型语言模型、模仿学习和神经元方式学习的原理,成功实现了自然语言生成和理解的能力, 并且在公共领域开放可以根据不同的需求进行训练。 ChatGPT和之前的AI很不一样,他的逻辑是先有人工智能再根据需求进行数据训练,它更加符合人类发展的一个真实的情况。它的成长是基于摸索并且在摸索中探究出一个方向。所以ChatGPT和人类起源的发展是一样的。 在这个过程中,ChatGPT的公开性和可塑性成为了它的重要优势。可以根据不同的需求和应用场景进行训练和改进。 ChatGPT仿佛是一个刚出生的小孩子,它跟着人类一起成长,从小培养它并且是朝着一个方向去培养的。 为什么说之前的数十年的人工智能只是在卖一个概念?为什么市面上那么多声称自己是人工智能的产品,都不能真正算得上是人工智能? 因为它们是逆着人性的,而人工智能必须得符合人性。 就以讯飞为例,科大讯飞是一家做语音识别的公司,这其实是涉及到了AI的应用。直到现在AI的应用都还没开始,而他们在十年前就提出了AI的概念,同时他们的产品并不能生成新的内容并自我学习,自我调整。所以讯飞的AI并不符合人性的习惯,不能被称为AI。 多年以来,科大讯飞只是在靠着卖概念做着房地产生意。市场上这样的公司不止讯飞一家, 很多公司研发的并不是真正的AI,却靠着AI的噱头割韭菜。 ChatGPT推动人工智能应用 在现今开启的人工智能新时代中,人工智能实际上从来没有达到过一个应用的层面。ChatGPT是支持人工智能这个理论的一个技术。但是因为ChatGPT的出现,让许多公司开发人工智能应用成为了可能。 ChatGPT是首个也是唯一一个将人工智能理论变成一个实际具体的技术。 更重要的是ChatGPT是第一次提出人工智能和人类之间可以协同工作。 我们相信这也是由ChatGPT引领第四次工业革命的方向:未来人工智能,一定会围绕人机的协同共创来展开。这个方向一旦展开后,会带来更大量的应用进而带来生产力格局的演变。然而,尽管我们意识到社会正在快速发展,但如何确定工业革命是否已经到来仍是一个问题。 早在2011年,汉诺威工业展就提出了“工业4.0”的概念,该概念旨在通过物联网实现生产供应、 制造和销售信息的数字化和智能化,从而实现快速高效和个性化的产品供应。 这种新型工厂被称为“智能工厂”,并被认为标志着——第四次工业革命的到来。因此,我们可以确定第四次工业革命已经到来。 前三次工业革命的发生是人类科技进步的重大飞跃,它使人类的生产力和创造力得到了巨大提升。 同时也深刻地改变了人类的生活方式和思维方式。前三次工业革命中,我们不难看出一种共性。 那便是产品会先出现,人类再围绕技术搭建平台,最后在思考如何使用这项新的技术发展商业应用。 第四次工业革命 而我们第四次工业革命则是一个倒推的流程。 早在上世纪五十年代,当时美国政府为了赢得冷战推出了一个名为“达特茅斯会议”的计划, 旨在寻求一种新型的智能来应对冷战带来的挑战。 在达特茅斯会议之后,人工智能开始进入了一个快速发展的时期。 20世纪60年代,IBM公司成立了一个名为 “IBM 人工智能研究中心” 的机构,专门研究和开发人工智能技术。 此外,许多大学和研究机构也开始在人工智能领域进行研究,并获得了政府和企业的资助。 据统计,自2010年以来,人工智能公司的融资额呈现出爆炸式增长。根据CB insights的数据,2021年AI领域全球融资总额超668亿美元。从全球范围来看,对人工智能基础设施市场的投资也在增加。Data Bridge市场研究公司数据显示,到2029年,全球这一市场的支出预计将达到4225.5亿美元,未来六年的复合年增长率将高达44%。 可以看出,我们早已知道人工智能的巨大用途。第四次工业革命变成了募集资金创建平台:了解应用途径再研发这样一个倒推的流程。我们以挖掘石油为例来更好的理解一下其中的逻辑。 在传统的工业生产中,挖掘石油的流程通常是这样的: 首先,需要进行地质勘探,找到可能含有石油的地点开采石油。 其次,需要建立管道系统将石油从油田运输到加油站。 最后,将石油储存于加油站并进行分销。这也是前三次工业革命中的发展流程。 然而,在以人工智能为驱动力的第四次工业革命中恰恰相反。我们首先建立了“加油站”也就是募集资金的平台。 这个平台给我们提供大量的资金来研究人工智能领域。 然后,我们再建立起“管道系统”即如何将人工智能在生活使用。 最后,我们只需要等待“石油”的开采,也就是等待人工智能这项技术的开发。而ChatGPT的问世则完成了这次最后一步。 这意味着,这次的工业革命一旦爆发则是一个多方面,一起爆破的一场革命。而且其发展将非常的迅速势不可挡。 虽然AI行业正在如火如荼地发展,但当然的所有行业都会有其泡沫和局部峰值。如何去辨别行业中值得投资的公司对于我们这些投资人而言是非常重要的。价值链是创建成品的一系列连续步骤,从最初的设计到到达客户手中。该链条确定了增值过程中的每个步骤,包括生产的采购、制造和营销阶段。一般来说,不同的公司拥有链条中的不同步骤。准确预测谁将赢得构建和销售人工智能产品的价值链是很困难的,我们Ai Financial也从不做预测,而是用事实说话,但我们可以讨论每个参与者可能带来的潜在价值。 在AI价值链中,大致包含以下几个角色: 1. 模型构建者Model Builders:包括设计、构建和完善 AI 模型的研究人员、数据科学家和工程师。目前的全世界,AI算法还处于百家争鸣的阶段,随着计算机的计算能力的指数级的上升,要说哪一种算法可以形成技术壁垒,还为时过早。而且,即使AI算法真的成为了技术壁垒,但是否能成为一个企业的真正护城河,那又是另外一回事;历史告诉我们,技术方便最强的,不等于这家企业就能成为最强。 2. 基础设施提供商Infrastructure Providers:这些参与者提供运行人工智能系统所需的云存储和处理能力等基础服务。亚马逊 (AWS)、微软 (Azure) 和谷歌 (云) 等公司在这一领域占据主导地位。尽管竞争激烈,但这些服务必不可少,可以提供稳定的利润流。它们在价值链中的份额将取决于定价动态和竞争,但它们的普遍性确保了它们在市场中占有重要的份额。 3. 硬件和 GPU(“芯片”)Hardware and GPUs (“chips”):人工智能处理通常需要专门的硬件。 Nvidia 和 AMD 等生产 GPU 的公司,以及 Google 等创建定制 AI 硬件(如张量处理单元,Google定制的AI 加速器,根据算法和模型的特征,优化的芯片的使用效率和计算速度)的公司,都是关键参与者。它们可以获取巨大的价值,尤其是随着人工智能计算需求的增长。 4. 应用Applications:这包括使用人工智能模型提供特定服务或产品的企业。这是一个广泛的类别,可能包括从推荐系统到自动驾驶汽车的所有内容。 5. 数据提供者Data Providers:AI 模型通常需要大量数据进行训练。能够提供高质量、独特数据的公司可以获得巨大的价值。 最终,人工智能价值链中的“赢家”很可能是那些能够控制或影响多个阶段的人。例如,一家创建人工智能模型、拥有专有数据并构建应用程序的公司比一家只在某一领域运营的公司能够占据更多的价值链。 投资的基本原理不会发生太大变化,对于人工智能公司来说也是如此——他们可以在价值链中生存并拥有和保护利润池——基本上可以创造一条商业护城河。 微软就是一个非常好的例子,它利用AI拓展了自己的盈利渠道,同时拥有极为庞大的资金背景作为试错成本,并且拥有价值链的很大一部分,有庞大的利润池可供扩展。简单来说,就算在AI领域有所失误,他也有自己稳定的业务,公司盈利有保障;长期来说他有极高的上限,短期增长也具备爆发力,所以我们可以说,在AI赛道已经开始起飞的当下,微软是极具投资价值的共公司。
lg
...
AI Financial恒益投资
2023-12-13
腾讯公司取得广告转化率预估模型构建专利,有效提高垂直类广告转化率
go
lg
...
利用通用特征组和垂直类行业特征组,按照
机器
学习
算法进行训练,得到垂直类广告转化率预估模型,该垂直类广告转化率预估模型用于预测垂直类行业的广告转化率。本申请实施例提供的技术方案通过提取垂直类行业特征组与通用特征组进行训练来构建垂直类广告转化率预估模型,可以有效地提高垂直类广告转化率。
lg
...
金融界
2023-12-12
上一页
1
•••
108
109
110
111
112
•••
210
下一页
24小时热点
特朗普突然扔下“重磅炸弹”!中概股暴跌 阿里巴巴狂泻10% 究竟发生了什么
lg
...
特朗普突然对中国实施“新制裁”!黄金2951继续升高 比特币崩跌9.2万遇贸易战压境
lg
...
市场突传重大利空!比特币崩跌、Solana熄火价格腰斩 做市商罕见提前解锁代币
lg
...
彭博:为什么中国新发现的蝙蝠冠状病毒引发极大关注?
lg
...
ChatGPT突然“无限期删除”中国用户账号,究竟怎么回事?
lg
...
最新话题
更多
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
19讨论
#链上风云#
lg
...
60讨论
#VIP会员尊享#
lg
...
1756讨论
#比特币最新消息#
lg
...
908讨论
#CES 2025国际消费电子展#
lg
...
21讨论