FX168财经网_全球视野外汇黄金加密货币NFT资讯网

投资 Fetch.ai (FET) – 您需要了解的一切

专注于构建开放访问、代币化、去中心化的机器学习网络，使智能基础设施成为经济的基础。Fetch 与一些全球领先企业合作，包括博世、Festo、Telekom Innovation Laboratories、Blockchain For Europe、Datarella 和 Yoti。 Fetch 利用机器学习，因为它相信区块链可以分散联邦学习算法。通过去中心化，Fetch 将这些集体机器学习模型的优势分配给多个数据所有者。Fetch 强调发展能够自主并通过策略、沟通、搜索和价值交换实现经济目标的智能体。Fetch 还专注于更有效地使用密码学来提高区块链的速度和安全性。它利用下一代多方计算协议来实现随机信标和聚合签名。迄今为止，Fetch 已筹集了来自三个投资者，包括 GDA 集团、Blockwall Management 和 Outlier Ventures。 Fetch.ai 试图解决什么问题？ 1. 随着 Fetch.ai 移动框架 V1.0 版本的发布，Fetch 能够构建基于多代理的移动服务。由于该产品套件是开源的，任何人都可以利用它。它提供实时信息和情报，帮助提高交通系统的弹性和效率。 2. 凭借其自主人工智能旅行社，Fetch 减少了集中式聚合商和服务的作用。这些旅行社实现了提供商与消费者的直接互动，为酒店和消费者节省了大量成本。 3。Fetch 的智慧城市出行解决方案有助于解决停车等问题。在智慧城市中，Fetch 自主代理可以搜索停车代理并与其通信，找到距离您的目的地最近的可用车位，并在引导您前往目的地之前为您预订。 4。Fetch 还一直在增强与大宗商品交易相关的业务，例如钢铁、贱金属等。它通过使用代币提供简化的数字化交易，帮助交易者克服现有的进入障碍。它允许市场参与者获得风险管理工具，而不会影响市场的效率和安全功能。 5。通过其集体学习模块，Fetch 解决了可能扰乱分布式各方协同工作范围的挑战。使用 Fetch 的集体学习服务，医生可以通过在网络中共享患者信息来优化诊断并帮助患者更快地接受护理，而无需放弃患者对其私人个人数据的访问权限。 6。获取标志代理充当交通标志，可以与车辆通信并为他们的旅程添加额外的见解。 7. Fetch 的供应链解决方案帮助企业提前几个月分析未来模式并应对中断，从而做好应急准备。它还通过抢占客户购买模式的变化来保护企业免受不可预见的损失。 Fetch.ai 的类似解决方案有助于顺畅运输和移动、铁路、智能停车、电动汽车基础设施、能源和智能住房等领域的运营。 Fetch.ai 的产品开发流程 Fetch.ai 生态系统的最终目标是为完全自主、基于代理的数字经济做好准备。在为这种经济开发产品和解决方案时，Fetch 技术堆栈通过四个不同的元素运作。这些元素是代理框架、开放经济框架、代理大都市和 Fetch.ai 区块链。代理框架提供了构建多代理系统所需的模块化和可重用组件。开放的经济框架为代理人提供了搜索和发现功能。它使代理能够相互定位并通过点对点消息传递进行通信。Agent Metropolis 的功能是作为智能合约的集合。它在 WebAssembly VM 上运行，以维护代理之间协议的不可变记录。总体而言，代理都市提供了多种支持代理申请的服务。最后，Fetch 区块链将多方密码学与博弈论相结合，提供了安全、抗审查的共识。它还通过提供快速链同步等功能来帮助代理应用程序。 Fetch.ai 产品 SOEF – 简单开放经济框架：它是 Fetch.ai 代理搜索和发现系统的最新版本。在这里，特工可以描述他们的样子、他们所做的事情和发现的情况。这些代理可以进行语义或地理搜索，并指定对他们来说重要的事情。自主人工智能旅行社： Fetch.ai 提供了一个分散的、基于多代理的系统，可以带来新的、个性化的、注重隐私的旅行解决方案。Fetch 应用程序使酒店运营商能够将自主人工智能旅行社部署到市场。通过加入 Fetch.ai 市场，人们可以建立自主人工智能旅行社，代表人们和酒店进行直接预订、在 Fetch 网络上协商和交易库存，并接收法定或加密货币付款。去中心化交付代理：这些是开源协议，充当 Fetch 整体移动框架的一部分。它可以帮助运送人员、披萨和包裹，或者两者的组合。该平台不需要任何许可证。任何人都可以下载并构建他们的代理。所有类型的移动提供商和服务都可以免费使用它。自治经济代理人登记处：这个注册中心可以让建筑代理商更方便地参与数字经济。该代理注册中心和市场的目标是有效地准备一个应用程序商店，允许开发人员访问和构建代理。 Fetch.ai 代币 Fetch.ai 代币被称为 FET。通过这个实用代币，用户可以找到、创建、部署和训练自主经济代理。它也是平台上智能合约和预言机的重要组成部分。利用 FET 代币，您可以在网络上构建和部署代理。另一方面，开发人员使用 FET 代币付费来访问基于机器学习的实用程序，以训练自主代理并在网络上部署集体智能。验证者还需要 FET 代币，因为节点是通过质押它们来启用的。FET 代币的总供应量为 1.2十亿。流通量略高于 688.1 亿。如何购买 Fetch.ai (FET) Fetch.ai (FET) 目前可以在以下交易所购买：坚持 – 这是顶级交易所之一美国和英国居民提供广泛的加密货币。禁止德国和荷兰. Kraken – Kraken 成立于 2011 年，是业内最值得信赖的品牌之一，拥有超过 9,000,000 名用户，季度交易量超过 207 亿美元。 Kraken 交易所提供对包括澳大利亚、加拿大、欧洲在内的 190 多个国家/地区的交易访问，是一家美国居民的顶级交易所。 (不包括纽约州和华盛顿州). WazirX – 该交易所是币安集团的一部分，确保高标准的质量。这是最好的交换印度居民. 如何存储 Fetch.ai (FET) 如果您寻求对 AVAX 进行重大投资，或者您计划长期持有该加密货币，硬钱包是最好的选择。硬件钱包将您的加密货币离线存储在“冷库。“这种策略使在线威胁无法访问您的资产。这 Ledger Nano S 或者更高级的 Ledger Nano X. 两者都支持 Avalanche (FET)。 Fetch.ai – 高增长潜力 Fetch.ai 的独特卖点是，它通过部署机器学习和人工智能解决方案来分散解决问题，从而在酒店、医疗保健和交通领域提供一系列现实生活中的解决方案。由于其工具是开源的，因此它们可以帮助用户创建基础设施并以商业规模部署解决方案模型。为了增强平台的完整性，Fetch 利用高吞吐量共享账本和智能合约，允许以安全且可审计的方式进行协调和治理。像博世这样的行业巨头已经与 Fetch.ai 合作推出了功能齐全的区块链网络。通过此次合作，博世和 Fetch 旨在利用去中心化账本技术（DLT）改造现有的数字生态系统。Fetch 还与国际领先的气动和电化学系统制造商 Festo 合作，推出了一个分散式制造市场。考虑到 Fetch 正在开展的工作及其一直提供的解决方案，GDA 集团及其附属公司已计划投资 5 百万美元进入 Fetch 生态系统。Fetch 作为一个网络的增长也从其代币价格的增长中可见一斑。看看 Fetch 的创新应用程序和新的合作，我们可以合理地预期该网络在未来几天将继续稳定增长。来源：金色财经

金色财经2023-11-20

中科信息上涨5.0%，报35.28元/股

公司在自动推理和定理机器证明、人工智能机器学习、图像处理与智能分析领域处于国际先进水平，已承担过多项国家“863”、“973”重点项目，取得各种科技成果1000多项，获得包括国家自然科学二等奖,国家发明二等奖,国家科技进步二、三等奖等200余项奖励。截至9月30日，中科信息股东户数6.41万，人均流通股4427股。 2023年1月-9月，中科信息实现营业收入1.96亿元，同比增长9.35%；归属净利润2218.18万元，同比增长5.46%。

金融界2023-11-20

首个Web3.0跨链池的AI聚合支付--BitPAY如何让支付更简单

术我们利用Deep Learning机器学习算法、PyTorch等技术从海量数据中运用人工智能(AI)理论挖掘有价值的信息，基于内存计算的海量数据分布式计算与智能分析，实现智能支付。 2、安全性高我们运用AI技术，构建去中心化网络，确保所有数据的传输和存储都是去中心化的，分散在服务器网络中，而不是由一个主要来源驱动，从而无法篡改，保证支付安全。 3、开源便捷我们提供丰富易用的API和SDK，只需简单几行代码即可接入支付功能，覆盖所有主流支付渠道，实现便捷聚合支付。 4、闭环生态我们的闭环无泡沫生态使得用户可以通过重新调整投资组合，实现收益最大化。二、运营布局： BitPAY比特闪付即将启动“全球社区早期共识者”招募计划，旨在为BitPAY的投资者、（未来的）产品用户提供一个共享的财富空间，保持连续、畅通的交流，保证专业、高效的服务，让社区了解BitPAY的理念与实时动态，让BitPAY也第一时间倾听社区的声音。期待“全球早期共识者”进入BitPAY的大家庭探讨，围绕BitPAY所在的科技金融、聚合支付、大数据等领域，组织线上、线下的交流活动，共享BitPAY的技术智囊、金融智囊与社区运营资源，以携手全球共识者，一起打造繁荣的BitPAY的经营亚太区社区。总体而言，BitPAY作为一个跨链AI聚合支付平台，集合了各个链的流动性来源，与市场上其他聚合器相比，具有很大竞争优势。 BitPAY具有创新的经济模式，团队将与消费增值交易者和持有者分享BitPAY的收益，并吸引越来越多的人参与到平台建设。同时BitPAY此前的消费者用户积累和投资机构的支持也为其提供了广泛的种子用户群。通过结合去中心化DAPP，打造的一站式跨链聚合支付和生态创收平台，BitPAY为开发者与用户提供更自由与开放的交易环境，并将继续帮助用户在多链DEX网络上发现最优收益方案和最佳支付交易路径。来源：金色财经

金色财经2023-11-18

大模型套壳：无奈还是创新？

enAI用的训练数据集大同小异。而根据机器学习与AI科学中的经典理论“垃圾进，垃圾出”，即输出数据的质量与输入数据的质量是成正相关的。如果用错误的、无意义的数据训练大模型，大模型自然也一定会输出错误、无意义的结果。经过半年多的发展，星火现在已经进化到了3.0版本，虽然还是免不了这样那样的非议，但就实际表现来看，它不像是套壳的产品。前面说过零一万物公司的做法似乎介于“套壳”和“借鉴”之间，但国产大模型套壳也不是最近一两天才有的。三月百度的文心一言首秀后，与之配套的文生图也同样引起广泛质疑，认为其实质上是把汉语机翻成英语，再将单词输入至Stable Diffusion生成了图像。最明显的莫过于“车水马龙”，被机翻成了“car、water、horse、dragon”四个词，之后再以此为提示词生成了如下所示的怪异图片。尽管百度表示，文心一言完全是百度自研的大模型，文心一言的文生图能力来自文心跨模态大模型ERNIE-ViLG，但外界对此的质疑始终没有打消，直到半年多后的今天依然如故。最明显的一点，车水马龙的本意是“车如流水，马如游龙”，即使要翻译为英语也绝非将四个字一一对照的翻译为car、water、horse、dragon。如果不是套壳，它为什么要符合英语而不按照中文的意思来呢？当前各家企业基本都有算力、人才和资金方面的缺口，导致一些只想挣快钱的团队也想走捷径。另一个原因同样不能忽视，就是当前大模型创业的时间窗口已经非常紧张了。毕竟有目共睹的，大模型这把火已经烧了近一年，该入局的玩家早已入局，整个行业的格局已经基本形成。九月时的格局，现在应该更多事实上，在贾扬清发朋友圈后不久零一万物就做出了回应，他们承认Yi-34B的结构设计的确是基于GPT的成熟结构，借鉴了LLaMA的公开成果，但是这是为了与行业主流保持一致，更有利于适配和迭代。不过外界似乎对此并不买账，因为这种解释涉及一些很重要也很基本的问题：到底该怎样明确地界定“套壳”和“借鉴”？在开源产品的基础上进行修改、调整，究竟算不算一种“套壳”行为？从技术层面上来说，判断一个项目是“借鉴”还是“套壳”，关键在于评估所做的改进或优化是否具有实质性和原创性。在借鉴的过程中，开发者会在原有大模型的基础上做出显著的增值，例如引入新的数据处理技术、优化算法性能，或者开发基于某个行业或应用的特定功能。同时在借鉴时，开发者通常都会明确指出他们的改动是基于哪款开源大模型，并说明他们所做的改进和创新，这种做法也符合开源社区的原则和精神。相对地，如果改动仅限于浅显的表层，没有提供任何新的技术见解或实质性的性能改进，那就可以被视为套壳。这么看来，这次零一万物的Yi-34B究竟是借鉴还是套壳？从目前已有的信息来看，零一万物公司的做法似乎介于“套壳”和“借鉴”之间。他们确实在一定程度上依赖了LLaMA的架构，但也在数据处理、训练方法等方面进行了自己的工作和创新。例如使用了自建的数据管线，从3PB原始数据中精选到3T token的高质量数据，以及在在网络宽度和深度上测试了不同的方法。但同时，这些改进不那么容易通过大模型的架构或代码直观的发现，通常都在大模型的内部，而不是直接体现在大模型的基础架构上。这么看下来，将零一万物的做法完全归类为“套壳”可能有失公允。但如果就此视为完全独立地“借鉴”同样不妥，原因在于其架构与LLaMA架构的确有很高的相似性。当一个新款大模型在核心架构上，与现有的开源大模型高度相似甚至一致时，即使在其他方面有所创新和改进，也很难被完全视为独立的“借鉴”。二、为什么要套壳大厂的地位难以撼动，国外同行又不断推陈出新，留给国内大模型初创企业的时间日益紧张。在市场上同类竞品越来越多的情况下，客户何必偏偏苦守一个研发缓慢，前景又不甚明朗的大模型呢？市场对于快速解决方案的需求迫在眉睫。客户的需求不能等，要的是现在就能用的解决方案，而不是几年后的尽善尽美。迫于如此压力，有点团队选择使用开源大模型作为基础，对其进行部分的改进和定制以适应市场的需求。毕竟即使人财物全部齐备，创新和自研的过程也是漫长且充满不确定性的，“科研的道路上充满了沮丧”是不争的客观事实。同时因为AI领域正在快速发展和变化，市场和技术的不确定性意味着巨大的研发风险。在三月GPT-4上线后，很多对手都以此为目标，然而殊不知对手可不会原地不动的等着被超越。国内第一个亮相的文心一言，以自己的实际表现说明了何为“刚上台就过时”。在技术飞速发展的时代背景下，许多团队可能比三月的百度更惨，自研的产品甚至连过时的机会都没有。九月底OpenAI推出了DALL·E 3，紧接着就是GPT-4V和语音交互功能，在多模态层面迈出了一大步。而本月初开发者大会的一系列“王炸”更新，相信很多人至今记忆犹新，OpenAI轻描淡写的GPTs,直接扼杀了想在“局部领域”突围的国产大模型。尽管OpenAI看似强大到无所不能，好在还是有对手的。对于初创企业来说，在保持技术创新的同时，也要考虑到商业化的可行性和市场的接受度。而有着成熟框架且得到市场广泛认可的开源大模型，无疑成了一种可靠的，可以马上投入使用的方案。并且成熟的开源框架通常有一个庞大的社区支持，这意味着团队在遇到问题时可以获得更多的帮助。同时社区中的其他开发者可能已经解决了一些常见问题，团队可以直接借鉴这些解决方案，避免重复劳动。这么看下来，零一万物的作为似乎又情有可原。就在贾扬清发朋友圈的同时，网上对零一万物的非议也随之出现，其中不乏尖酸的讽刺，比较有代表性的如“国内要发展高新科技其实很简单，只要美国别封锁就可以了”，以及“套壳羊驼是看得起Meta，OpenAI算老几，我们都不拿正眼看的。”在此既不想黑零一万物也不想洗白，只想说明一下，在当前套壳的国产大模型企业中，也不排除的确有一些有长期技术路线的企业。不过众所周知的，用爱发电是不可能长久的。来源：金色财经

金色财经2023-11-17

AI是引领Web3行业开启下一个风口的机会吗？

一个很重要的作用，通过自然语言的处理和机器学习这些技术， AI可以让去中心化一些的应用，比如说像 dapps 变得更加的智能和用户友好。 2、数据安全与这个隐私保护，因为在Web 3的世界里面，数据安全和隐私保护是至关重要的，人工智能在模式识别和异常检测方面应该可以给 Web3提供更加强大的安全保障。 3、在市场预测和决策支持方面，人工智能的在数据分析和预测方面具有明显优势，在 Web3的领域，这就意味着更加准确的市场的趋势分析和投资决策。AI像一个经验丰富的投资顾问，可以在纷繁复杂的多变的市场中做出了一个更加明智的选择和决策。 4、创新商业模式和服务，人工智能它不仅仅是一个技术的工具，它还可以作为一个创新的驱动和催化剂。在 Web 3 的背景下，人工智能可以激发新的商业模式和服务，实现用户更加贴心和个性化的体验。 5、增强用户的参与度，人工智能通过个性化和增强用户体验提高用户对 Web3平台的参与度。以元宇宙举例，元宇宙的发展受制于其他技术的迭代和发展，特别像人工智能，因此未来人工智能在元宇宙这样的虚拟世界中，个性化的体验会使得用户有更高的参与度。第二问，指路 AI+Web3和Web3+AI，谁主导占优？刘志聪：【AI是主导，AI技术不光会引领Web3，还会引领所有行业的发展】深层式AI，或者说以 LM 为代表的中有涌现能力的AI，其实已经完全深刻地改变了整个计算机工业，就我们整个计算机工业过去，可以分成上下两段，前 AI 时代和后 AI 时代，其实我理解了 LM 之后，有一个比较简单的结论，过去计算机指令是一个特别精确的东西，如果说一个人他没有专业能力的话，是没办法自己去指挥计算机的，得通过工程师翻译好的指令后，才能够去使用计算机。但Web3来讲的话，它最核心的那些公式算法也好， smart contract也好，尤其是现在应用需要基于这个智能合约去做，从今天的角度来看，它其实不是为人类准备的。为什么呢？因为人类看不懂智能合约的代码，它也不能够直接去调用智能合约，想要调用流程非常繁复。在没有 AI 之前，真正使用去中心化基础设施的用户门槛非常高，因为它只对程序员友好，对普通人不友好。有 AI 之后，情况变了，人不用再直接去使用代码，你只要会使用 AI 就好了， AI 它能写代码，它也能看代码，它还能调接口，它会帮你。如果你要去使用它，你可以通过 AI 帮你去访问这个这套网络，它是非常安全的，因为 AI 是为你服务的，AI 带给人类使用计算机的这种新能力，是我们这个web3 一直在渴望得到的能力。不管是用户的角度，还是整个工业的融合角度，我认为 AI 加 web3，应该是 AI 在前， web 3 在后。 Web3+AI的话，为什么？ Eric：【人类需要将 AI 这个黑盒子关进 WEB3 的笼子，防止 AI 进行作恶和 AI 产生的中心化霸权】首先让我们思考一个问题，未来 AI 会是人类文明的终结者？还是人类摆脱生产力束缚迈向星际文明的助力？在 21 世纪， Web3和 AI 都将彻底地改变我们人类从工业革命以来的生产关系和工具体系。 Web3重构了人类之间的协作关系，保障了生产参与各方的资产，激励各方来共同参与这个经济活动和生产活动。而AI重构的是生产工具，提高的是生产效率。这两者看起来是毫不相干，互相发展，但随着 AI 的快速发展，人类其实越来越难以控制AI。首先从技术的角度上来看，目前的 AI 的算法仍然是一个黑盒，科学家对于千亿参数这个大数据模型涌现出来的智能原理并不清楚。因此我们未来需要用 Web 3 对 AI 来进行三个监督，同时可以实现两个协助和一个共享。第一，监督数据集，现在大量的数据集是由行业类产生，然后由大公司拥有。AI 的数据集也要确保它不包含反人类的言论和危险品制造的方法，也包括在各国，包括在道德和宗教允许的各个方面的角度进行限制。第二，监督 AI 的算法，防止恶意的代码。第三，AI的生成结果监督，AI随机化产生结果基于概率随机和 GPT 模型算法基础上，对于 AI 产生的结果要有一个限制和约束。 AI未来必将为人类打开通往星际文明的大门，我们要做的就是确保 AI 在这一个过程中受到 Web3的监督和协作。补充或论述王峰：【AI 是不可阻挡的一次超级革命】我觉得AI to Developer 没有那么性感，应该 to Users， Users非常狂欢。如果把Web3理解的现实一点，认为是一次金融意义上的空前革命，Wen3确实在进行猛烈的冲击，但是 AI 的影响可能是全人类的，会覆盖和影响所有的行业。我觉得AI和Web3之间千万不能理解说谁把谁超过了，这种理解是基于它们在同一个赛道上。但我个人认为Web3处于一个去中心化技术架构上，它的社会意义上其实呈现的是权力更加公平，财富分配的方式能不能给年轻人更多的机会。而 AI 却是一次效率的超级革命，虽然AI这个超级革命的成本是巨大的，导致一般的微小企业、创业者除了作为用户，在技术搭建方面帮不上忙。但即使我们只把自己当成一个User，或当成参与者、建设者也好，从这个角来看， AI 也能够覆盖每个领域的变化，当然也包括能覆盖Web3的变化，所以 AI 作为新兴技术，对社会的影响是空前的。第三问，破壁产品和方向的选择生死攸关，如何在AI和Web3行业的浪潮中乘风破浪而不至水则覆舟？ AI项目，哪类易生？哪类易死？王峰：【AI对更多人来说是一种工具】 AI 对原有的互联网应用造成了非常大的冲击，这场狂潮能在一夜之间覆盖上亿的用户。但我觉得选择 AI创业，或者讨论 AI领域的发展机会，我个人看来是相对保守的。这场革命下来，大部分国内一线的互联网创业者们，甚至全球一线的互联网创业者们并没有找到明显的突破口，一些大企业更多是把AI内嵌成为一种应用工具，所以我认为AI项目创业可能还需要再观察一段时间。刘志聪：【站在未来的时间点，AI有很多机会，创业者要清晰产品的定位】我现在主要在做 AI 方向，我们已经转 AI 方向了，所以我算是从业者，我觉得我可以从我的角度来讲一下。首先第一个，我觉得认知永远是你做一家做创业企业最重要的一个核心能力，不要盲从，你得知道自己在做什么。其实国内有特别多的同学，就大家的特色就是美国人做什么我们也做什么。但其实大家其实对于做 LLM 这件事情本质上是什么，很多人是没有概念，这就相当于你打算去做一家晶圆厂，去做英特尔的CPU，做 AMG 的 CPU ，这事情你说赚不赚钱？做出来了绝对赚钱，但它绝对是一个高度资本，资力密度超级大的一个事情，你得做好这个心理准备。就说相当于说今天我们CPU，就说包括显卡这种计算芯片，它仍然只有极少数的厂商掌握，所以说我认为这个大语言模型这件事情，我们是肯定不会去做的。第二个，我认为说在做应用这件事情上面，我的观点就是大家对 GPT 的使用会逐步的深入。ChatGPT有三个阶段，现在大家看到这个阶段叫助手或顾问。什么意思？就是它可能回答各种各样的问题，你问他一下，它给你个建议，当然这个是无责任建议。第二个阶段，它可能就变成管家，有一个标志性的事件点是什么呢？就是你愿意给你的AI，你的私钥，你给他的一个比较明确的授权，在这个授权范围内内的话，它就可以主动去帮你发起这个智能合约调用，或者帮你转账了，就是你开始开放一些权限给他，这里面有软件的权限，也有硬件的权证。这一步它已经是有非常严格的安全边界，就是换句话讲，你得确保这个管家他不会把你的东西拿走，对它是安全，这是第二个应用方向。第三个阶段就非常有趣，AI会成为合作者，最简单的程序员例子，它可以跟你共享一个这个 Git 的一个目录，它能读你的提交记录，同时也能读issue，帮你去共同完成一个相对来讲比较完整和工业的一个项目。未来，你可能不知道你的合作者是人还是一个AI，AI 它能够把自己的能量完全发挥出来，然后去做一些正常人可以去做的一些工作，按照这个路径去看，虽然AI创业是一件风险很大的一个事情，但当 AI 应用进入管家和合作这个领域的时候，AI就一定不会仅有一家/一个可以用。我觉得作为一个从业者，我更多想的是说今天在 AI 创业的领域，创业我认为最重要就是你要看清楚自己在干什么，如果说你是去做创业的话，那你要解决一个最基本的问题，就是你能够就说今天你卖不到普通家里去的话，你也可以卖给小企业，你能不能找到一个点更重要。主持人JeremyC补充：【首先看做的够不够精，另外战略层面够不够广，最后还是看团队的应变能力】我认为讨论一个AI项目能不能存活，首先看做的够不够精，这个精度足不足以使它在这个领域做到Top 1。另外一个极端的层面可能是做的够不够广，我指的可能是战略布局层面不够广，比如GPT更新后，直接杀死某些赛道了。最后还是看团队的应变能力就是你本来就是在不同阶段，就是会遇到各种不一样的挑战，最后还是回过来看你的团队是不是能够及时的做出一些预判，战略上面一些改革，产品上面的迭代。 Web3项目，哪类易生？哪类易死？ Noah：【Web3项目的存在基于合规性，存续于创新和安全】要存活下去，首先我觉得最重要的一点就是合规性，它一定要是合规的。WEB3行业从前期的野蛮式发展，到现在各国政府都逐步介入，也出台很多相关法律法规。如果一个WEB3项目在合规上有问题，他首先就很难去存活下去。第二点，是技术创新，单纯的炒作只会是昙花一现，因为并不能解决Web3领域的问题，创新+炒作才能持续存在。第三点，是安全性，我把安全性排在合规和技术创新之后，因为首先合规保证项目存在，其次技术创新保证持续，Web 3 世界可能不是那么安全，每天都会发生各种各样的安全的问题，而决定项目能持续下去多久，要靠安全性。第四点，社区参与度和社区治理，这也将影响项目的持续发展，因为一个Web3项目的社区参与或社区治理方向做的不好，那它跟一个WEB2 项目其实没有什么太大的区别。第五点，用户体验和易用性，无论是NFT、DeFi或其他Web3项目，其实技术的思想其实都差不多，包括里面经济模型也是一样，但是为什么有的项目成为了龙头，很大程度基于用户体验比较好，和产品的易用性，用户愿意去用，才能保证项目健康稳定的发展。第四问，本心对于AI、Web3、或是AI & Web3下一个10年自我的期许、畅想的蓝图，展望的未来为何？ Eric：未来十年我觉得不管是 AI 还是 Web 3 的话，都将有一个大幅的发展。AI 的出现对于整个人类社会和全行业的冲击是爆发性的、指数性的。AI 对于生产工具和生产方式的改变是显著的，而WEB 3 之上还有一个概念叫做可信计算。那其实 AI 对于可行计算来说的话，那就谈到了刚才的这个安全边界的问题，那我们怎么样把这个 AI 的权力，相应的权限保证它在夏天的时候不至于开空调制热，然后把我们热死，冬天的时候不至于把我们冷死，那这个就涉及到安全边界的问题和这个可信的计算以及授权的问题。 Leon：不管是 AI 还是 Web 3，以及它们的结合，我在未来10年，乃至 20 年都非常看好。我站在投资的角度来看，AI 和 Web 3行业，在下一个牛市，或者是下一个市场周期里，传统的钱会进入到这些领域，到时也会有更多的用户，因为只有钱和用户同时都进来，那么才能够对一个行业的整个底层产生一个非常深刻的久远的影响。这种模型下的新的赛道、新的项目，在这个行业里面实际上是有很多种可能的，所以我们做投资，对它们的未来也是有会有这样的一个期许。 Noah：预测10可能太久了，我就来讲一下我对这个 Web 3 和 AI 针对未来这个发展情况的一些个想法。首先Web3其实现在发展还是一个非常初步的阶段，包括现在和现实生活中的实体资产的联系，未来WEB3 肯定还要跟实体经济或者实体的这种项目去发生一些联系，会把传统金融的一些项目慢慢的往 WEB3 这个领域去发展。而AI技术将应用于解决社会问题，包括医疗保健、教育、可持续发展等领域，为全球社会带来实际利益。AI系统的决策过程更加公平和透明，避免歧视和不公正，同时强调对数据隐私的尊重。总体而言，未来十年的期望包括更加人道主义和普惠的AI技术，更开放透明的Web3生态系统，以及两者相互融合创造的更智能、安全和有益的数字未来。王峰：我们确实看见了技术的分水岭，AI 已经从计算机工业的传统的线性发展变成一个大爆炸式的重构了。Web 3虽然没有解决 WEB2 的一些问题，也不一定要替代WEB2，但Web3如果真能把全球的金融的金融问题解决了，已经很了不起。不论是AI还是Web3创业，作为一个创业者，初心喜欢什么还是个很重要的问题。你往往会随着技术变革去产生创业的动念，从这个角度来看，我觉得还是要把握时机，不一定要急。我是一个持续创业者，在这过程当中，我觉得创业者的持续学习能力、迭代的能力、面向市场和用户学习的能力，或者说连接资源能够给自己带来更多的可能性的能力，往往会加分。我自己对未来的世界是比较乐观的，就AI 助力我们往前发展，全宇宙第一大技术正在向前发展，但 Web 3的本质问题还是在场景革命上，再从中心化的东西渗透到去中心，我觉得这个过程一定会好的建设者、好的开发者、好的团队，能够实现自己的愿景。刘志聪：我们这个互联网已经 lost 太多太多的东西了，有的东西是非常好的，我有很多小众的爱好，那些论坛上有做过去有特别好的材料，包括特别多的朋友都消失了，进入互联网之后， Web 2 之后的很多东西，你真的是只有在回忆之中。我希望 Web 3 至少能够留住每个人最重要的回忆，东西不会lost，服务如果你想用它永远都可以用，我觉得这是一个最朴的，一个使用的朴素的愿望。最后一个愿望我觉得依旧非常朴素的，我希望 AI 带来的这种巨大的这个爆发的能力，即使可能会有很多风险，但我希望AI技术能够让更多的人在数字化的世界里面能够生活的更好，能够有能够尽情的去做想干的事情。希望十年之后， AI 就能让每个人能够从传统意义上的旧时代的劳动中解放出来，能够让每个人这个我觉得活得更像人一些了，那这里就需要大量基础技术的提高，还有算力技术的发展，也许在未来十年这是可以实现的。主持人JeremyC：我自己也有一个快速的一个分享，我在做一个健身应用，希望可以在 5 到 10 年以内，这个行业内只要想到健身运动的话，都可以想到我们。然后畅想蓝图的话，我希望的 Web3和Web2，或者Web4已经融合在一起了，我们不会再去谈论到这个到底是Web几，用户其实不在意你用的是什么技术，他只是想要用一个好的产品让生活变得更好，不管是生活还是工具还是娱乐方面。AI 也是， AI的话那时候希望是已经跟我们的生活充分的融合了，下一个世代的人，基本上 AI 应该就是伴随他们一生的一个工具，就是每个人都有私人的助手，私人的管家。我觉得 AI 可以让人类的大脑进入到下一个解放的时代，我们大脑的使用率其实已经停缓进步很久的时间，人类大脑几乎现在没有在进化。但是我觉得 AI 这个工具可能在下一个时代出生的人，从出生就是一直经历AI 带来新的生产、生活、教育、新使用方式等等，那可能他们的大脑利用率就可以提升到一个以前我们过去无法想象的一个地步。希望就是透过新技术的爆发，然后未来有全方面的一些爆发性的进化。结语：谢谢每位嘉宾为我们带来精彩分享，也感谢各位还在场的参与跟聆听，那希望今晚的讨论都可以让大家在未来的道路当中带来更多的启示，那最后代表就是今天的主办方LightCycle、前海Web3Hub和Lunaray，还有这次活动的媒体跟战略支持方，对在场的各位表示衷心的感谢。来源：金色财经

金色财经2023-11-17

亚马逊云科技与德勤中国携手打造生成式AI联合实验室

Amazon Bedrock、和全托管机器学习服务Amazon SageMaker等技术领域深入合作；“3” 是结合德勤在战略咨询、技术实施和全球合规方面的卓越能力，在生成式AI业务应用战略咨询、生成式AI安全合规咨询和生成式AI应用落地场景创新三大方面展开合作，帮助企业打通从业务战略、应用场景、安全合规到技术落地的业务闭环，充分释放生成式AI的巨大潜力。联合实验室由双方委派产品专家、架构师、数据科学家、AI专家和行业专家等组成，亚马逊云科技投入云上计算资源、行业最佳实践以及合作伙伴资源，德勤中国投入行业解决方案资产、商业最佳实践、开发与运营能力，以及生成式AI业务应用战略咨询服务和生成式AI安全合规咨询服务。联合实验室还推出了系列解决方案，以满足企业的各类出海应用场景需求。首批解决方案包括：智能BI解决方案、生成式AI知识管理解决方案和大语言模型运维平台（LLMOps）解决方案。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。

有连云2023-11-17

Pantera合伙人：加密与AI结合用例和现有项目

心化特性使它们更易招致欺诈和黑客攻击。机器学习模型可以被训练用于检测异常交易模式，加强对潜在安全漏洞的防御。可扩展性和交易速度是加密世界的其他重大挑战。随着越来越多的人加入区块链网络，快速无缝的交易变得至关重要。先进的人工智能算法可以优化网络流量，确保高效的数据流和更快的交易时间。最后，与加密挖矿相关的能源消耗是一个全球关注的问题。人工智能可以在优化挖矿流程、减少能源足迹和为更可持续的加密生态铺平道路方面发挥关键作用。 2、加密和AI的交叉用例（1）去中心化AI市场：加密优势在人工智能领域，像Hugging Face这样的平台因其在普及预训练AI模型方面的作用而收获了相当大的关注。然而，加密领域内分散的AI市场的出现引入了民主化和去中心化的新维度，甚至超出了GitHub等传统平台所做的开源代码方面的努力，包括web3代码和智能合约。 Hugging Face和传统AI模型库： Hugging Face作为一个杰出的AI模型库，在向广大受众普及尖端AI模型方面发挥了关键作用。它提供了一个中央平台，用户可以访问、共享和微调预训练模型。这大大降低了人工智能从业者和开发人员的准入门槛，使他们能够利用最先进的模型来完成各种自然语言处理（NLP）任务。加密驱动的去中心化AI市场：然而，加密驱动的去中心化AI市场，比如那些建立在区块链技术上的市场，将民主化和去中心化提升到了一个新的水平。具体如下： --真正的所有权和控制权：在像Hugging Face这样的传统代码库中，虽然访问是民主化的，但底层基础设施和数据的控制权和所有权仍然是中心化的。相比之下，基于加密的市场通常采用去中心化的区块链网络，确保控制权在网络参与者之间分配。用户在管理决策中具有发言权，使其成为一个更加民主和社区驱动的生态。 --激励机制：加密市场包含基于代币的激励机制，奖励从数据提供商到模型开发人员等贡献者的努力。这便激励了合作和创新，同时确保了利益的公平分配。相比之下，传统平台可能缺乏这些直接的财务激励，这使得加密平台对参与者更具吸引力。 --数据隐私和安全：区块链技术确保了高度的透明度，同时通过零知识证明等技术维护了数据隐私。这解决了对数据泄露问题的担忧，这是人工智能应用程序的一个关键考虑因素。传统平台可能无法提供相同级别的隐私保证。 --互操作性：基于加密货币的市场通常基于区块链标准创建，在设计之初就进行了互操作性考量。这意味着AI模型和服务可以与各种基于区块链的应用程序、智能合约和去中心化应用程序(（dApps）无缝集成，从而形成一个更加互联互通的生态系统。从本质上讲，虽然像Hugging Face这样的平台在AI模型的民主化方面取得了重大进展，但加密驱动的去中心化AI市场通过结合区块链的去中心化、真正的所有权和基于代币的激励机制，在此基础上建立起来。这种民主化和去中心化程度的提高，有可能通过促进合作、创新和在参与者之间更公平地分配利益来重塑人工智能领域格局。（2）AI增强智能合约：传统的智能合约是用特定条件预先编码的。通过与人工智能的整合，这些合约可以自适应，动态响应外部数据和条件，催生更高效、更通用的去中心化应用程序。我们来看一个比较实际的例子。设想一个基于区块链技术的去中心化保险平台，为农民提供天气相关保险政策。传统的保险合约依赖于预定义的条件和人工索赔处理，这个过程可能很慢，而且容易发生纠纷。在这种情况下，AI增强智能合约将发挥作用，彻底改变保险业。天气数据和人工智能分析: 智能合约旨在与外部数据源（如天气API）进行交互，获取保险地区的实时天气数据。AI模型集成到智能合约中，持续分析天气数据。这个AI模型经过训练，可以识别可能影响投保作物的不利天气条件，如干旱或洪水。动态保费调整：传统来说，保险费是固定的，索赔是在事件发生后处理的。在这种AI增强智能合约中，保费会根据人工智能对天气状况的实时评估进行动态调整。如果人工智能检测到可能损害作物的恶劣天气高风险，受影响保单的保费就会自动向上调整，以反映增加的风险。相反，当人工智能预测到有利的天气条件时，保费可能会降低，激励更多农民购买保险。自动赔付：如果AI模型检测到符合预定义赔付标准的恶劣天气条件（例如，持续干旱），它就会触发对受影响投保人的自动赔付。人工智能监控赔付是否迅速进行，从而减少了人工索赔处理需求和相关延迟。（3）链上数据分析：利用机器学习区块链拥有大量的交易数据，对数据科学家和机器学习爱好者来说是一座金矿。像CertiK和TokenMetrics这样的公司利用机器学习工具的力量从这些数据中获取有价值的见解，从而增强安全性，改进投资策略，并全面优化区块链效率。（4）去中心化GPU共享：赋能AI、赚取加密货币去中心化GPU共享是一个全新的概念，它彻底改变了人工智能和机器学习社区中计算资源的使用方式。就像Filecoin通过激励用户共享他们未使用的存储空间来颠覆数据存储一样，去中心化GPU共享也基于类似原理。为什么要贡献你的GPU？ GPU（图形处理器）对于训练和微调复杂的机器学习和人工智能模型至关重要。这些过程需要大量的计算能力，这在个人计算机上是个既耗时又耗资源的过程。通过将你的GPU贡献给分散的GPU共享网络，你可以将你的计算资源贡献给一个更大的池，任何人都可以访问。作为回报，你将获得加密货币奖励。这种模式允许个人和组织访问高性能GPU资源，而无需投入前期成本购买专用硬件或依赖中央云服务。它使GPU功能使用民主化，使其对人工智能和机器学习爱好者更具包容性和成本效益。单位经济学: --去中心化GPU共享网络中的单位经济学围绕加密货币奖励展开。当你把你的GPU借给网络时，你会获得代币作为补偿。 --你获得的代币数量取决于几个因素，包括GPU的计算能力、贡献的持续时间以及网络对GPU资源的需求。 --去中心化GPU共享平台通常具有透明和预定义的奖励结构，确保参与的公平性和可预测性。总体而言，去中心化GPU共享不仅使个人和组织能够访问AI任务所需的强大计算资源，而且还允许GPU所有者有效地将其硬件货币化。这是一个双赢模式，可以促进人工智能和机器学习生态内的协作、成本效益和可访问性。（5）RLHF代币模型：连接AI和激励基于人类反馈的强化学习（RLHF）代币模型提供了人工智能和基于代币的激励机制的有趣交集。这一概念在传统的财务奖励可能行不通的专门部门尤其有效。下面提供了全面解释：在RLHF代币模型中，主要思想围绕着使用代币奖励来激励真人用户为AI系统提供有价值的反馈和训练。想象一下，一个人工智能系统需要接受特定任务训练，比如社交媒体平台上的内容审核。传统上，训练AI模型通常需要聘请人类训练师来标记数据或微调算法，这一过程可能非常耗费资源。然而，RLHF代币模型引入了一种更具创新性的方法。它们鼓励用户积极参与AI系统，并通过对他们的贡献进行代币奖励来获取反馈。举个例子，亚马逊（Amazon）的Mechanical Turk（MTurk）是一个著名的众包平台，人们在这里分别完成一个个小任务换取报酬。在RLHF代币模型中，用户基本上扮演了“人工智能训练师”的角色，提供类似于MTurk任务完成者为获取报酬执行任务的反馈。关键区别在于，在RLHF代币模型中，用户获得代币作为奖励，而不是传统货币。这些代币在生态中具有内在价值，为它们的效用开辟了道路，例如购买AI生成内容或访问高级AI服务。这种基于代币的激励制度不仅简化了人工智能训练的财务流程，而且还培育了一个动态的生态，在这个生态内，用户积极合作，以增强人工智能系统。 3、关于AI和加密融合的担忧虽然人工智能和加密货币的结合带来了巨大的希望，但也带来了一系列挑战。人工智能模型，尤其是深度学习模型，由于其不透明性，通常被称为“黑盒子”。将这种不透明性与区块链的透明性结合起来，可能会引发对问责制和信任的担忧。解决这些问题对于在这些技术交叉领域建立一个安全可信的环境来说至关重要。此外，道德考量变得至关重要。随着开源人工智能算法在去中心化网络上的部署，在出现意外负面结果时，必然会出现责任和赔偿相关问题。在创新和道德责任之间获取适当的平衡是一项持续挑战，需要仔细考量。另一个挑战在于数据隐私。在某些人工智能应用程序中，平衡区块链的透明性和数据隐私需求可能相当棘手。在确保遵守GDPR等规则的同时保持区块链的去中心化精神，这是一个独特的挑战，需要创新性的解决方案。 4、未来前景随着人工智能和加密技术的不断成熟，二者的融合有望催生前所未有的应用。（1）zkML（零知识机器学习）： zkML的基本功能之一是它能够以加密方式证明特定机器学习模型产生的结果，而不会泄露模型的细节内容，为安全和透明的数据处理提供了新的可能性。zkML为大企业的创新应用打开了大门，包括：金融服务：金融机构可以使用zkML来验证信用评分模型和贷款资格决策的完整性，而无需泄露敏感的客户数据，从而增强借贷流程的信任和准确性。医疗保健：医院和研究机构可以使用zkML评估医疗诊断模型的有效性，同时对患者数据保密，确保数据隐私和医疗准确性。合法合规性：zkML可以帮助公司遵从法规，让公司验证其AI驱动的合规性模型遵守行业法规而不会暴露专有算法。智能合约：在基于区块链的应用程序中，zkML可以确保智能合约准确地执行机器学习模型，为去中心化金融服务、保险等提供信任和透明度。（2）AI生成内容的真实性：通过区块链技术验证AI生成内容的真实性，有望重塑内容的创造和分发。这一创新解决了数字时代的一个紧迫问题，即人工智能可以让人信服地模仿人类生成内容，导致人们对错误信息、知识产权和数字媒体信任方面的担忧。通过将内容真实性锚定在区块链上——一个防篡改和透明的分布式账本——消费者、创作者和机构可以轻易确定数字内容的来源和完整性。这不仅有助于发现和减轻恶意深度造假和欺诈性内容，还可以保护创作者的知识产权，并为消费者提供可靠的信息来源。例如，区块链可以在法律诉讼中证明政治演说或视频证据的合法性，从而减轻错误信息风险，并确保问责制。在创意产业中，它可以追踪音乐作品的创作和所有权，确保艺术家得到应有的信任和补偿。在教育领域，它可以验证学术作品的作者身份，防止抄袭，维护学术诚信。在新闻领域，它可以验证新闻文章，帮助读者区分真实新闻和AI生成内容。从本质上讲，使用区块链来验证AI生成内容的真实性超越了技术范畴——它支撑了人工智能时代数字内容的可信度、透明度和完整性，重塑了信息的创建、消费和信任方式，同时应对了来自现实世界的挑战。（3）隐私和安全保证：如今企业面临的紧迫挑战之一就是，当与OpenAI等人工智能平台共享其专有数据时，关于数据处理的不确定性。这里就出现了数据隐私问题，包括数据是否用于训练，谁可以访问数据，以及数据是否在整个计算过程中是安全的。虽然存在本地模型、Azure等云服务和法律协议等非区块链解决方案，但区块链在提供透明和防篡改的数据交互记录方面具有独特优势。它可以使企业验证其数据在计算过程中是否仍然不可读，从而在数据隐私和安全性方面提供更高程度的信心。这种保证对于与敏感信息打交道的行业来说至关重要，例如医疗保健或金融行业，这些行业的数据保密性至关重要。从本质上讲，区块链创建不可篡改账本的能力可以帮助企业保持对数据的控制，并确保在与人工智能系统交互的过程中保持数据的隐私性和安全性，让企业安心并遵守数据保护规则。 5、现有项目一群有远见的项目已经率先将加密和人工智能结合起来。（1）Together.ai Together的使命是通过打造一个迎合大型基金模型的开源去中心化云平台，彻底改变人工智能世界。他们已经建立了一个致力于AI研究的规模相当大的去中心化云平台，上面有许多开放模型，如Bloom、OPT、T0pp、GPT-J和Stable Diffusion。他们研究工作的一个重点就是创建闭源人工智能系统的可访问替代品，同时加深我们对这些模型性能的理解。通过具有远见的方式，Together旨在构建一个去中心化超级计算机，无缝连接全域云、挖矿基础设施、游戏硬件和笔记本电脑，所有这些都通过区块链技术进行协调。Together的愿景包含对人工智能和计算的公平访问，有望对该领域产生变革性影响。（2）Bittensor Bittensor试图开拓去中心化人工智能网络的发展，主要专注于增强智能合约的数据oracle。这项尖端技术利用区块链创建了一个安全、高效的去中心化框架，用于获取现实世界数据并将其交付给智能合约。Bittensor独特的去中心化oracle方法显著提高了数据feed的准确性、速度和可靠性，使其成为加密和人工智能交叉领域的核心参与者。（3）Akash网络 Akash网络正在通过其去中心化市场改变云计算，为传统云提供商提供了一个动态的替代方案。它为用户提供了具有成本效益、弹性和抗审查的计算资源访问。Akash的独特之处在于它对人工智能的潜在影响。通过去中心化云计算，Akash为人工智能开发人员打开了访问可扩展、安全和高效资源的大门。这一点尤其重要，因为人工智能严重依赖于广泛的计算能力。Akash的去中心化方法为AI项目提供了支持，使其成为人工智能技术发展的关键参与者。（4）Gensyn协议 Gensyn协议为机器学习计算建立了一个去中心化生态。该协议使人工智能研究人员和从业者能够无缝地分配他们的计算工作负载。当求解者（solver）贡献其计算资源，允许访问高性能硬件进行训练和推理时，验证者（veryfier）确保人工智能任务的准确性和完整性，这对于维持人工智能模型的可信度至关重要。此外，Gensyn通过提供安全映射层和加密训练数据等方法，优先考虑隐私安全，保护AI应用程序中的敏感信息。该协议的去中心化特性、高效的可扩展性和全域可访问性让AI民主化，使其对用户来说更易访问、更具成本效益。（5）Nexus AI Nexus AI处于金融赋权的最前沿，利用先进的人工智能算法为投资者提供无与伦比的市场趋势洞察。Nexus AI的与众不同之处在于其坚定不移的去中心化承诺，确保投资者对其资产保持完全控制，不受中心化交易所相关风险的影响。该平台的创新产品之一是一个尖端的NFT市场，由人工智能驱动，以强化定价、发现和认证，向投资者分发奖励。此外，由GPT-3驱动的Telegram AI Bot为所有Telegram用户免费提供实时财务建议和市场分析。Nexus AI通过资产智能（Asset Intelligence）报告进一步支持明智的投资决策，提供对加密资产的全面见解。通过AI驱动的解决方案，如质押仪表板和智能投资机器人，Nexus AI使用户能够自信地进行市场操作，精确高效地实现他们的财务目标。（6）Modulus Labs Modulus Labs推出了一种创新的解决方案，旨在将人工智能集成到区块链技术中。他们推出了一个专为人工智能应用量身定制的零知识（ZK）prover，解决了确保去中心化应用程序（dApps）防篡改AI访问方面的挑战。这一方案使智能合约能够在不损害去中心化基本原则的情况下利用强大的AI功能。Modulus正积极致力于通过与Upshot和Ion Protocol等合作伙伴合作，在以太坊平台上推出重要的AI应用程序。此外，他们正在向更广泛的社区开源ZKML prover。Modulus设想了这样一个未来：加密问责制可以保障人工智能融入各领域（包括金融和医疗保健）而不会损害安全性。（7）Render网络 Render网络是一个提供去中心化GPU渲染功能的平台。这个创新的网络使用户能够通过基于区块链的闲置GPU计算资源市场，在全球范围内使用高性能GPU节点扩展GPU渲染工作。该平台的愿景是使GPU云渲染民主化，使其更高效，更可扩展，并可用于下一代3D内容创作。它解决了与网络可扩展性、高效基础设施利用、GPU功耗优化以及沉浸式媒体和人工智能应用的数字版权管理相关的挑战。Render网络将GPU功耗转化为相互连接的3D资产去中心化经济，为各行业开发人员提供解决方案，包括媒体、增强现实、虚拟现实、游戏等。（8）Ritual Ritual是一家站在密码学和人工智能交叉口的公司，它彻底改变了开发人员创建、分发和增强人工智能模型的方式。通过利用加密的力量，Ritual为AI提供了一个开放的、模块化的主权执行层。它将分布式节点网络与计算资源和模型创建者连接起来，允许创建者托管他们的AI模型。反过来，用户可以通过统一的API轻松访问各种AI模型，同时受益于可确保计算完整性和隐私性的加密基础设施。该平台的首个产品是Infernet，标志着全套协议和效用的开始，为开发人员和应用程序与Ritual无缝集成，获取对其模型和计算提供商网络的无许可访问。Ritual的设想是成为web3世界中的AI中心，推动人工智能世界的创新、可访问性和民主化。 6、结论 AI和加密的协作不仅是技术的融合，也是可能性的融合。它代表了一个未来，在这样的未来世界里，机器在一个去中心化的、安全的环境中思考、学习和交易。前进的道路充满挑战，但每一个挑战都是诞生创新和进步的机遇。站在这一十字路口的创新者和思想家有可能书写一个重新定义数字时代的篇章。在前行的过程中，我们必须谨慎、明智、富有远见，确保在巧妙应对挑战的同时收获利益，最终为所有人塑造一个更光明美好、更技术先进的未来。来源：金色财经

金色财经2023-11-17

科技赋能投资，力争超越中证500 富国致航量化选股股票11月20日起发行

证500的超额收益？富国致航量化将运用机器学习选股模型来“突围”。该模型是在富国传统多因子模型的基础上进行升级，通过机器学习、深度学习等人工智能算法，对过去因子的市场表现进行归纳学习，做到长期基本面与短期市场风格并重，及时捕捉市场中短期投资机会。从模型的有效性来看，运用该模型的同类产品业绩表现优异。同样运用机器学习选股模型的基金——富国中证1000优选股票型基金，自成立以来截至今年三季度末取得了7.03%的超额收益。眼下，该策略显现出了其独特的优势。首先，中证500指数PE（TTM）为22.79倍，处于上市以来15.6%分位，投资性价比突出。其次，国信证券表示，在“核心资产”行情遭遇回撤，小市值股票风格回暖的当下，量化策略以其投资的广度和高胜率展现出较为明显的优势。与此同时，富国基金强大的投研平台也将为新基金保驾护航。据悉，富国基金旗下量化投资团队成立于2009年，由公司副总经理李笑薇博士领军，集结了一群各有所长的学霸。14年精耕细作，团队展开多面布局，为投资者打造了多样化、多策略的量化百宝箱。经过多年精耕细作，富国基金投研实力备受业界肯定。截至2023年8月，富国基金累计获得65座金牛奖、51座金基金奖和62座明星基金奖。站在当下时点，在美国通胀放缓的背景下，美债收益率或进入下行周期，随着风险偏好的提升，A股有望迎来投资新机遇。拟任基金经理王保合表示，当下，中证500指数成份股中医药、电力设备等成长行业，经过前期大幅调整基本已估值触底，未来可能会迎来反弹的机会，同时成份股中有色、化工等顺周期板块在经济复苏过程中有望受益。此时，布局这样一只锚定中证500指数的“智能化”基金较为合适。因此，对于看好市场长期投资机会、风险承受能力较高的积极进取型投资者而言，不妨多加关注即将发行的富国致航量化选股股票型基金。

金融界2023-11-17

谷歌云和Spotify宣布扩大战略合作伙伴关系

方在基础设施、数据和分析以及人工智能/机器学习技术方面的专业能力。Spotify将探索使用谷歌云的AI工具改进其平台的多个关键方面，包括探索利用大语言模型强化内容发现、个性化推荐、提供更安全的收听体验并识别潜在有害内容。

金融界2023-11-16

探索区块链和AI的交汇如何重塑世界

点是要考虑驱动智能系统进化的核心输入。机器学习（ML）从根本上来说是由数据（大量数据，但质量越来越高）、反馈机制和算力驱动的。 OpenAI（微软支持）和Anthropic（谷歌和亚马逊支持）等人工智能/机器学习领域的主要参与者已经在整合资源，并围绕自身模型和数据建立壁垒。但是，尽管在计算、数据和分销方面具有早期优势，这种做法可能会破坏最初催生该行业的协作开发周期，扼杀发展势头。像以太坊这样的区块链提供了一个可行的解决方案，并已成为可靠的中立数据和计算系统，推动了开源创新。区块链已经支撑了一系列数字原生原语，这些原语处于有利地位，可以在一个越来越由生成式AI塑造的世界中发挥关键作用。我们相信，区块链有很大的机会成为人工智能领域开源研究和开发的主要力量。 3、当今市场状况今年，在核心基础设施、模型层，甚至是面向用户的应用程序（如聊天机器人、客户支持和编码助手）上，已经投入了大量资金。尽管如此，从长远来看，在传统领域里价值在哪里产生积累（以及流向谁）并不明显。在目前的范例中，AI有可能成为一股中心化力量，继续扩张web2市场主导者的地位。特别是在基础设施和模型层，游戏的名字是扩展——硬件和资本资源、数据访问、分销渠道和独特的合作伙伴关系方面的扩展。从AWS这样的云服务提供商，到英伟达（Nvidia）这样的硬件制造商，再到微软这样的老牌巨头，许多参与者都在走向全栈模式，无论是通过并购还是通过专利合作的方式。头部巨头们正在进行规模和利润的争夺，但是超昂贵、高精度的企业API模型的市场可能会受到经济、开源性能趋同、甚至是低延迟工作负载需求趋势的限制。与此同时，中端市场的很大一部分已经出现了类似于“OpenAI API wrapper”产品的商品化趋势，这些产品功能充足，但难以区分。 4、开源建设势头用于预训练、训练和微调的开源数据集，以及免费访问的基础模型和工具，鼓励着大大小小的企业直接利用开源系统和工具尽情发挥创造力。谷歌泄露的一篇文章概述了闭源和开源代码世界之间的差距正在迅速缩小。值得注意的是，如今96%的代码库都使用了开源软件，这一趋势在大数据、人工智能和机器学习领域尤为明显。与此同时，颠覆云服务寡头垄断的时机或已成熟。历来，三大巨头AWS、Google Cloud和Azure都是通过将工具和服务分层来占领市场，从而在企业竞争中深入巩固自己的地位。这种主导地位给企业带来了许多挑战，从限制性运营依赖到云基础设施相关的过高成本，尤其是考虑到主要提供商收取的溢价。现有公司面临着运营重组的费用压力，再加上试图尝试和整合越来越多的开源AI，将为使用去中心化替代方案重构业务创造一个窗口。因此，开源AI和区块链技术的新兴交叉点为实验和投资提供了一个非凡领域。 5、加密与AI：双向价值关系我们对人工智能和区块链之间潜在的共生关系感到异常兴奋。加密中间件可以通过建立有效的计算和数据市场（供应、标签或微调）以及证明或隐私工具，极大地改善人工智能供应方的信息输入。反过来，去中心化应用程序和协议将通过吸收这种劳动成果达到新的高度。不可否认，加密技术已经取得了长足的进步，但协议和应用程序仍然受到主流用户使用的仍然不直观的工具和用户界面的影响。同样，智能合约本身可能会受到限制，无论是在开发人员的手动工作负载需求方面，还是在整体功能的流动性方面。 Web3开发人员是一群非常高产的人。高峰时期，仅仅7.5万名全职开发者就创造了价值数万亿美元的产业。编码助手和ML增强DevOps有望助力现有工作，而无代码工具正在迅速赋能新一类建设者。随着机器学习功能被整合进智能合约并被带到链上，开发人员将能够设计出更加流畅和富有表现力的用户体验，并最终设计出全新的杀手级应用程序。这种链上体验的跨越式功能改进将吸引新的——可能是更多的——受众，催化出重要的采用反馈飞轮。生成式AI可能就是加密货币缺失的一环，它将改变UI/UX，并催生新一波技术发展浪潮。反过来，区块链技术将利用、泛化和加速人工智能的潜力。 6、使用区块链建设更好的数据市场（1）数据是机器学习的基础信息输入是的，计算基础设施的巨大改进是非常有用的，但正是像Common Crawl和The Pile这样的庞大数据库使基础模型如今吸引世界目光成为可能。此外，企业将利用这些数据完善其产品供应的基础模型，或建立未来的竞争护城河。最终，数据将成为用户和个人模型之间的桥梁，这些模型在本地运行，并不断适应个人需求。因此，数据的竞争是一个必不可少的前沿领域，区块链可以在这个领域占据优势——尤其是在质量成为塑造数据市场的重要属性的情况下。（2）质量重于数量早期研究表明，在未来几年，高达90%的在线内容可能是人工合成的。虽然合成训练数据具有一定优势，但它也引入了模型质量恶化和偏见强化相关的重大风险。未来几年，机器学习模型可能会耗尽非合成数据源，这是一个真正的风险。加密货币的协调机制和证明原语本质上是为支持去中心化市场优化的，让用户可以共享、拥有或变现他们用于训练或微调特定领域模型的数据。因此，web3可能是一个更好、更有效的人工生成训练和微调数据的源头。（3）进展情况区块链支持的去中心化训练、微调和推理过程也可以更好地保存和利用开源智能。较小的开源模型使用高效的微调过程进行改进，在输出精度上已经可以与较大的模型相媲美。因此，就来源和微调数据而言，趋势已开始从数量转向质量。跟踪和验证原始数据和衍生数据生命周期的能力可以促进复现性和透明度，从而为更高质量的模型和输入提供动力。区块链可以建立一个持久的护城河，成为具有多样化、可验证和量身定制数据集的主要领域。这在传统解决方案过度索引算法进度以应对数据不足的情况下尤其有价值。（4）内容海啸即将到来的AI生成内容浪潮是另一个加密货币先发优势将发挥作用的领域。这种新的技术范式将以前所未有的规模赋能数字内容创作者，而Web3即插即用的基础设施让这一切都变得简单明了。加密货币具有主场优势，这要归功于多年来围绕以NFT形式建立数字资产和内容的所有权和不可变来源的原语的开发。 NFT可以捕获整个内容创作生命周期，但也可以代表数字原生身份、虚拟资产，甚至现金流。因此，NFT使数字资产市场（OpenSea、Blur）等新用户体验成为可能，同时也重新思考了书面内容（Mirror）、社交媒体（Farcaster、Lens）、游戏（Dapper Labs、Immutable），甚至是金融基础设施（Upshot、NFTFi）等商业模式。这项技术甚至可以比另一种选择——使用算法——更可靠地打击深度造假和计算操纵。一个明显的例子就是，OpenAI的检测工具因精度失败而关停。最后一点：简洁和可验证计算的进步也将升级NFT的动态格局，因为它们包含ML输出以驱动更智能、不断发展的元数据。我们相信，基于区块链技术的AI工具和界面将释放出全面价值，重塑数字内容格局。 7、采用零知识证明利用机器学习的无限知识区块链行业寻求技术解决方案，在保持无需信任动态的同时实现资源高效计算，这使得零知识（ZK）证明取得了十足进展。虽然最初的设计是为了解决以太坊虚拟机（EVM）等系统固有的资源瓶颈，但ZK证明提供了一系列与人工智能相关的有价值的用例。一个明显的例子就是对现有用例的简单扩展：高效、简洁地验证计算密集型过程，比如在链下运行ML模型，这样最终产品（比如模型推理）就可以通过智能合约以ZK证明的形式在链上整合。存储证明与协同处理相结合可以更进一步，在不引入新的信任假设的情况下，使链上应用程序更灵活敏捷，从而大大增强其功能。当然也允许实现全新的功能。当通过API调用ZK证明时，ZK证明可以用来验证特定模型或数据池是否真正用于生成推断。它还可以隐藏模型在医疗保健或保险等客户敏感行业中使用的特定权重或数据。公司甚至可以通过交换数据或IP来更有效地协作，从共享学习中受益，同时仍然保持其资源的所有权。最后，ZKP在区分人工数据和前面讨论的合成数据这一日益相关（且具有挑战性）的领域中具有真正的适用性。其中一些用例取决于围绕技术实现的进一步开发和寻找可持续的规模化经济的需求，但zkML有可能对人工智能的发展轨迹产生独特的影响。 8、长尾资产及潜在价值加密货币已经证明了其作为音乐和艺术等传统市场价值流的卓越架构师的作用。在过去的几年里，还出现了代表链下有形资产（如葡萄酒和运动鞋）的链上流动性市场。继任者自然将涉及先进的ML功能，因为人工智能被带到链上并可让智能合约访问。 ML模型与区块链围栏（rails）相结合，将重新设计以前由于缺乏数据或买家深度而无法获得的非流动性资产背后的担保流程。一种方法是，机器学习算法查询大量变量，以评估隐藏的关系，并最大限度地减少操纵者的攻击面。Web3已经在尝试围绕社交媒体关系和钱包用户名等新概念创建市场。与AMM对释放长尾代币流动性的影响类似，ML将通过获取大量定量和定性数据来获得隐性模式，从而彻底改变价格发现。这些新的见解可以形成基于智能合约的市场的基础。人工智能的分析能力将嵌入去中心化金融基础设施，以发现长尾资产中的潜在价值。 9、去中心化基础设施层加密货币在吸引和货币化高质量数据方面的优势解决了一方面问题。另一方面——人工智能背后的基础设施支持——也有类似前景。像Filecoin或Arweave这样的去中心化物理基础设施网络（DePINs）已经建立了用于存储的系统，这些系统本身就包含区块链技术。其他像Gensyn和Together这样的公司正在解决分布式网络模型训练的挑战，而Akash则推出了一个令人印象深刻的P2P市场，将过剩计算资源的供需联系起来。除此之外，Ritual正在以激励网络和模型套件的形式为开源AI基础设施建设基础，将分布式计算设备连接起来，供用户进行推理和微调。至关重要的是，像Ritual、Filecoin或Akash这样的DePIN也可以创建一个更大、更有效的市场。他们通过向更广泛的领域开放供应端，包括能够释放潜在经济价值的被动供应商，或者通过将性能较差的硬件整合到与高水平的同行相竞争的池中来实现这一点。技术栈的各部分都涉及不同的约束和价值偏好，并且对这些层进行规模性实战测试（特别是去中心化模型训练和计算的新兴领域）方面仍有大量工作要做。然而，基于区块链的计算、存储甚至模型训练解决方案的基础已存在，这些解决方案最终可以与传统市场一较高下。 10、结论加密与AI的联合正迅速成为最鼓舞人心的设计阵地之一。各领域已经形成了从内容创作和文化表达到企业工作流程及金融基础设施的方方面面的影响。总之，我们相信这些技术将在未来几十年重塑世界。最好的团队将进行无需许可的基础设施、加密经济学及人工智能进行原生结合，以提升产品/服务性能，实现全新行为，或实现具有竞争力的成本结构。加密技术向协作网络引入了前所未有的规模、深度和标准化数据粒度，而从这些数据中获得效用通常是没有明显方法的。与此同时，人工智能将信息池转换为相关背景或关系的向量。当这两个领域结合在一起时，可以形成一种独特的互惠关系，为去中心化未来的建设者奠定基础。来源：金色财经

金色财经2023-11-16

24小时热点