FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

CoNET｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

担忧AMD的短期前景
 go
Cores这样的特性，专门设计用于加速机器学习任务。它针对AI工作负载、科学计算和高性能数据分析等苛刻的计算应用进行了优化。这种策略使AMD能够多元化其收入，并为多个领域的增长做好准备（个人电脑、服务器、数据中心等）。总之，本文的论点是AMD在短期内将提供一个没有吸引力的回报/风险比。尽管长期增长前景没有变化，但是竞争压力、库存问题和估值风险，都可能引发AMD的短期抛售。 $美国超微公司(AMD)$
老虎证券2024-04-02
链上数据产品洞察：Web3时代的数据分析革命
 go
势和识别模式的智能系统。例如，通过运用机器学习和人工智能技术，实现对市场动态的即时分析和预测。 3. 智能合约的深度集成与交互： Web3数据分析工具应更深入地集成智能合约技术。这意味着不仅仅是分析智能合约的数据，而是使工具能够与智能合约直接交互，提供更丰富的功能，如自动化交易、风险评估和策略执行。 4. 数据安全与隐私：构建信任的新框架：在Web3时代，数据安全和隐私保护将成为核心竞争力。通过采用如零知识证明等先进技术，数据分析工具可以在不泄露用户敏感信息的情况下进行深入分析，从而构建一个更加安全和值得信赖的生态系统。 5. 代币经济学的创新： Web3数据分析工具应探索将代币经济学融入其商业模式和功能中。这不仅限于激励机制，还包括使用代币作为交换媒介、权益证明和治理工具，创造一个自我增值和可持续发展的生态系统。 6. 面向未来的敏捷性：最后，Web3数据分析工具必须具备敏捷性和适应性，以应对快速变化的技术和市场环境。这意味着持续迭代、快速集成新兴技术，以及不断优化用户体验。谁功能迭代的更快、产品优化的更快，谁才更有可能赢。 Web3数据分析工具的未来发展方向不仅是技术上的进步，更是对数据分析本质和商业模式的根本性革新。数据的提供者将有望成为市场动态的预测者、用户决策的助手，以及区块链生态系统的积极参与者，从而具有更高的存在感。这些工具的未来发展将受到其技术创新、市场适应性、用户体验、商业模式和未来发展潜力等多方面因素的影响。随着区块链技术的不断进步和市场需求的变化，这些工具需要不断地调整和优化，以保持其在市场上的竞争力。来源：金色财经
金色财经2024-04-02
创新奇智(02121.HK)：收入CAGR高达116%，发布工业大模型2.0 版本
 go
在中国计算机视觉市场份额晋升到第3名，机器学习平台市场份额持续位居第4。根据《IDC中国制造业MES市场分析及厂商份额》研究报告中，创新奇智在食品饮料烟草细分领域位居市场份额第2。创新奇智正逐步成为制造业转型升级中的新质生产力。如果说，过去几十年中国经济的发展是建立在人口红利上的中低端制造业，那么当前已经来到了下一阶段——国家经济结构转型升级是最重要的命题之一。今年我国工作任务列在首位的是大力推进现代化产业体系建设，加快发展新质生产力。以科技创新为主的生产力，应不是停留在BP、PPT和故事里；它应该是扎根于实际，能帮助企业摆脱传统增长路径、符合高质量发展要求的生产力。公司的愿景与政策导向不谋而合。创新奇智在业绩报告中称，未来公司将在原有的工业细分领域之上，更加凝集聚焦打造“工业软件、数智软件、工业物流、智能装备、工业可持续”五大业务主题，推动人工智能与工业制造的深度融合。在过去五年中，创新奇智实现了年平均复合增长率达到116%的营收增长。当前，技术、产业与政策共振，更加繁荣的时代正在到来。创新奇智能否实现发展提速？让我们拭目以待。
格隆汇2024-04-02
第四范式(06682)下跌5.27%，报59.3元/股
 go
工智能市场中占据最大的市场份额，其自动机器学习算法领跑全球，在准确性和有效性方面打破了两项图学习标准的世界纪录。截至2023年年报，第四范式营业总收入42.04亿元、净利润-9.09亿元。
金融界2024-04-02
链上数据产品洞察：Web3 时代的数据分析革命
 go
势和识别模式的智能系统。例如，通过运用机器学习和人工智能技术，实现对市场动态的即时分析和预测。 3. 智能合约的深度集成与交互： Web3数据分析工具应更深入地集成智能合约技术。这意味着不仅仅是分析智能合约的数据，而是使工具能够与智能合约直接交互，提供更丰富的功能，如自动化交易、风险评估和策略执行。 4. 数据安全与隐私：构建信任的新框架：在Web3时代，数据安全和隐私保护将成为核心竞争力。通过采用如零知识证明等先进技术，数据分析工具可以在不泄露用户敏感信息的情况下进行深入分析，从而构建一个更加安全和值得信赖的生态系统。 5. 代币经济学的创新： Web3数据分析工具应探索将代币经济学融入其商业模式和功能中。这不仅限于激励机制，还包括使用代币作为交换媒介、权益证明和治理工具，创造一个自我增值和可持续发展的生态系统。 6. 面向未来的敏捷性：最后，Web3数据分析工具必须具备敏捷性和适应性，以应对快速变化的技术和市场环境。这意味着持续迭代、快速集成新兴技术，以及不断优化用户体验。谁功能迭代的更快、产品优化的更快，谁才更有可能赢。 Web3数据分析工具的未来发展方向不仅是技术上的进步，更是对数据分析本质和商业模式的根本性革新。数据的提供者将有望成为市场动态的预测者、用户决策的助手，以及区块链生态系统的积极参与者，从而具有更高的存在感。这些工具的未来发展将受到其技术创新、市场适应性、用户体验、商业模式和未来发展潜力等多方面因素的影响。随着区块链技术的不断进步和市场需求的变化，这些工具需要不断地调整和优化，以保持其在市场上的竞争力。来源：金色财经
金色财经2024-04-01
Dimitra：基于区块链、AI 等前沿技术重塑传统农业
 go
itra 也正在利用人工智能（AI）和机器学习（ML）等技术来改变全球农业的面貌。该平台的核心目标是为农民提供先进的工具和数据驱动的见解，从而不仅提升作物产量和畜牧管理的效率，还有助于维护和改善自然生态环境。在 Dimitra 的平台上，AI 技术被巧妙地融入各个方面，以便为农业生产的每个环节提供支持。通过利用预测分析，平台能够处理大量历史和实时数据，评估天气模式、土壤条件以及作物生长周期等，从而预测作物产量和可能的病虫害发生。这些预测使农民能够更好地规划种植和收获时间，优化资源使用，并采取及时行动以预防或减轻风险。图像识别技术在 Dimitra 平台中扮演了重要角色，特别是在植物健康监控和害虫管理领域。通过分析来自卫星和无人机的高分辨率图像，平台能够识别作物压力的早期迹象，包括由于病虫害、营养不良或水分不足引起的问题。这种及时的监控减少了对化学农药的依赖，有助于实现更可持续的农业实践。此外，结合自然语言处理（NLP）的能力，Dimitra平台提供一个用户友好的界面，让全球农民不受语言限制地访问知识库，并通过聊天机器人功能轻松获取信息和援助。这种交互方式降低了技术门槛，使得即使是技术不发达地区的农民也能从这一平台中受益。在此基础上，物联网（IoT）技术的集成则为Dimitra平台带来了实时数据监测的优势。农田中的各类传感器实时收集数据，如土壤湿度、温度和光照强度等，并通过AI分析这些信息来指导农民进行精准灌溉、施肥和作物管理。这种综合的数据处理能力确保了资源的高效使用，减少了浪费，并提升了生态和经济的可持续性。最为重要的是，Dimitra 平台通过智能报告和预警系统，确保农民能够获得他们所需的关键信息。通过定期生成的健康报告和实时的风险警报，农民可以立即了解作物健康状况和即将到来的潜在问题。这种及时的通信架构不仅提升了农民应对突发事件的能力，也强化了全球农业社区的整体抵御能力。通过 AI 技术的采用，其正在大幅提升农业领域的生产效率，并大幅降低农业领域所面临的潜在风险。全新农业体系的飞速拓展在 2023 年，Dimitra 生态取得了惊人的进展，其不仅将业务拓展到了包括美洲、非洲等等在内的 13 个新的地区，并与包括 Ahprocafe、ABRAFRUTAS 、REDMUCH、SASPRI、利比亚太阳能公司、巴布亚新几内亚、利比亚农业部、JAMBI、秘鲁 Satinaki 咖啡合作社、沙特阿拉伯吉赞地区的咖啡农场、RORAIMA 州水果基地、埃塞俄比亚 Limu Inara 咖啡合作社等公司、组织以及地区政府部门，在农业数字化、基于区块链技术的牧场整合、数据化管理的改进以及技术采用的方面进行了深入的合作。根据 Dimitra 市场计划，其在 2024 年将继续根据客户需求和市场反馈调整其产品和服务，重点发展包括实物资产贷款投资计划、Coffee Connect、Cocoa Connect 项目、防止森林砍伐，以及咖啡、可可和鳄梨的市场平台等，并计划签订 25 个以上的合作社协议，进一步扩展其业务和社会影响。通过系列合作的推进，Dimitra 不仅解决了诸多地区农业水平的发展，同时也带来了经济效益的提升，为此其在去年也荣获了包括 Government Blockchain Association 年度成就奖（社会影响类）、年度农业科技突破奖中的区块链农业科技解决方案奖等系列奖项。而随着 Dimitra 生态的进一步拓展，科技化农业、数字化农业有望与现有农业体系深度的结合，全球领域也将就此迎来全新的变革。来源：金色财经
金色财经2024-04-01
HongKong2024:Web3 To The Moon
go
DePIN。UtilityNet针对机器学习进行了优化，但适用于特定的芯片使用案例，因为我们将计算能力提供商与用户联系起来，为每个参与者提供可访问性、可应用性和利润，共同构建有庞大服务能力的基础设施网络。 CBIndex——CBIndex通过整合比特币及其代币的全链能力，彻底转变了加密资产管理方式，确保在多个区块链上实现安全、无需信任且多元化的BTCFi。CBIndex的核心在于利用互联网计算机协议（ICP）技术，提供一系列BTCFi产品，包括无桥接的非托管式包装比特币、比特币跨链再质押、比特币借贷、去中心化比特币索引器以及跨多个区块链网络的比特币代币管理。它将比特币的安全性和潜力与去中心化金融（DeFi）的灵活性和创新完美结合，使用户能够在一个安全、高效和直观的环境中增强资产管理策略，释放数字资产的全部潜力。 OwlSync——OwlSync是一个AI驱动的Web3媒体聚合器，旨在实现信息的实时同步和自动任务执行。基于OwlSync Protocol的去中心化L3网络，实现传统社媒数据源上链，为用户提供了一个安全、透明的数据交互环境。核心功能包括实时数据同步、智能问答和深度分析，帮助用户快速获取和共享关键信息。OwlSync的AI驱动的分析引擎能为用户提供精准、个性化的洞见，助力决策优化。OwlSync将是您最贴心的web3 AI助理，在Telegram交流群内和Twitter上随时为您服务。 RealtyX——RealtyX 是首个基于基础区块链的房地产支持的实物资产代币化项目，有力地催化了Web3的大规模采用。由RealtyX DAO监督管理的RealtyX项目旨在重新定义财富创造方式，并通过创新的实物资产代币化解决方案赋能Web3社区。致力于构建一个以优质房产资产为基础、借助区块链技术保障安全、透明和高效运作的RWA生态系统。 Tubes——首个基于ERC-20构建的跨链去中心化铭文交易所。作为序数应用解决方案提供商，为铭文社区带来巨大的流动性。 ERA——Era是一款基于BSC链的去中心化Web3社交钱包，采用最新的点对点加密传输技术，在安全性和易用性上做到了最出色的兼顾，用户基于BSC链的聊天体验完全可以媲美Web2的IM。同时，Era采用了最新的MPC与ERC4337协议，用户仅需手机号、邮箱即可创建完全去中心化的跨链钱包并获得通过Web3时代的DID（去中心化数字身份）。 CESS——Cumulus Encrypted Storage System 是基于区块链的去中心化云存储网络和 CDN 网络，支持数据在线存储和实时共享，为 Web3 高频动态数据的存储和检索提供全栈解决方案。CESS 数据价值网络是以 DePIN 理念建设的 Layer 1 基础设施，具有去中心化，高效，安全隐私和可扩展等特性。CESS 支持大规模商业存储，能够承载现象级去中心化应用程序（dApps）；CESS 支持数据价值化和数据价值自由流通/共享，同时用去信任的方式实现用户数据隐私保护和数据主权回归数据拥有者，进而构建一个繁荣、多元、数据资产主权的数据经济新生态 ETHEREUMGOLD——以太坊黄金（ETHG），ETHG坚持区块链去中心化理念、通过多共识机制提升公链网络性能，提高TPS效率，升级智能合约可扩展性，致力于解决“区块链不可能三角问题” ，提高网络速度、效率和可扩展性的同时，继续坚持安全性和去中心化。励志成为全球最安全、最去中心化、扩展性能最强的新一代Web3公链网络，为全球用户提供一站式区块链网络全方位服务。 3EX——全球首款一体化人工智能交易平台 CandyDAO——CandyDAO是基于Web3的自发性自治组织，是投资盈利性质的组织，当前以投资Web3相关的产业为主，Datafi、DID 、Depin、元宇宙数字城、独立站、数字人IP 、NFT聚合和Gamefi等是未来10年发展的趋势，CandyDAO将对这些相关领域的核心及周边作为主要投资方向，也会利用头部信息资源，跟投币安投资、0K投资、K300风投等机构筛选的优质项目，在种子轮和天使轮介入，让所有CandyDAO的成“公开”、员利益最大化，以智能合约的方式运行，达到“透明”“公正” 并且 “持续运行”CandyDAO由DAO成员在区块链技术下共同完成治理，采用“提案”“投票”、“通过或否决”的方式以智能合约来完成事务，包括对于内外的投资都由CandyDAO成员投票决策。CandvDAO没有分层管理结构，在CandyDAO没有上下级，成员都是平等关系，由彼此的资源禀赋、优势互补、利益同体共同来驱动CandyDAO的行为动向，从而产生较强的协同效应，CandyDAO不属于任何个人和个体，由所有成员共同所有，分配机制写入智能合约自动运行的组织。来源：金色财经
金色财经2024-03-31
网宿科技取得模型部署方法和装置专利，可以将不同类型的机器学习模型快速部署到线上服务器
 go
本申请提供的技术方案，可以将不同类型的机器学习模型快速部署到线上服务器。
金融界2024-03-31
什么是IoTeX（IOTX）？
go
梁，例如现实世界的NFT、天气衍生品和机器学习挖矿等应用。 IoTeX的背后，站着四位创始人：Raullen Chai、QevanGuo、XinxinFan和Jing Sun。他们各自在加密货币和区块链领域拥有丰富的经验。Raullen曾是Uber的加密货币研发和工程安全负责人，Qevan则是Facebook的前研究科学家和工程经理，Xinxin在创立IoTeX前是北美博世研究与技术中心的高级研究工程师，而Jing则是投资界的佼佼者。 IoTeX的原生货币IOTX，不仅管理着底层的区块链协议，还作为区块链协议的燃料，驱动着整个生态系统的运转。Burndrop是一种独特的经济设计，当IoTeX协调的设备数量增加时，它会导致IOTX通货紧缩，从而维持经济的稳定。在IoTeX的世界里，隐私同样重要。环签名和隐藏交易接收者地址的可靠支付代码等机制，确保了用户和交易的隐私安全。而委托权益证明（DPoS）则通过让利益相关者投票给网络上的区块生产者来发挥作用，形成了一个良性循环，激励着整个生态系统的参与者。截至截至撰写本文，IOTX的总市值约为4.12亿美元，市值排名第124位。其详细信息如下：该币种是否值得投资呢？AI加密数字货币分析师给出的价格预测如下（截至本文IOTX 为价格约为$0.04359/枚）：来源：金色财经
金色财经2024-03-30
Dragonfly Capital 合伙人：去中心化推理的信任问题与验证挑战
 go
让你在不依赖任何单一提供商的情况下运行机器学习模型。信任问题在去中心化网络中，仅仅运行模型并信任输出是不够的。假设我要求网络使用 Llama2-70B 分析治理困境。我怎么知道它实际上没有使用 Llama2–13B，给我提供了更糟糕的分析，并将差额收入囊中？在中心化的世界中，你可能会相信像 OpenAI 这样的公司会诚实地这样做，因为他们的声誉受到威胁（在某种程度上，LLM 的质量是不言而喻的）。但在去中心化的世界中，诚实不是假设的——而是经过验证的。这就是可验证的推论发挥作用的地方。除了提供对查询的响应之外，你还可以证明它在你要求的模型上正确运行。但如何呢？最简单的方法是将模型作为链上智能合约运行。这肯定会保证输出得到验证，但这非常不切实际。GPT-3 表示嵌入维度为 12,288 的单词。如果你要在链上进行一次如此规模的矩阵乘法，按照当前的 Gas 价格计算，将花费约 100 亿美元——计算将连续大约一个月填满每个区块。所以不行。我们需要一种不同的方法。在观察了整个情况之后，我很清楚已经出现了三种主要方法来解决可验证的推理：零知识证明、乐观欺诈证明和加密经济学。每个都有其自己的安全性和成本影响。 1.零知识证明（ZK ML）想象一下，能够证明你运行了一个大型模型，但无论模型有多大，证明实际上都是固定大小的。这就是 ZK ML 通过 ZK-SNARK 的魔力所承诺的。虽然原则上听起来很优雅，但将深度神经网络编译成零知识电路并进行证明是极其困难的。它的成本也非常高——至少，你可能会看到1000 倍的推理成本和 1000 倍的延迟（生成证明的时间），更不用说在这一切发生之前将模型本身编译成电路了。最终，该成本必须转嫁给用户，因此对于最终用户而言，这最终将非常昂贵。另一方面，这是通过密码学保证正确性的唯一方法。有了ZK，模型提供者无论多么努力都无法作弊。但这样做的成本巨大，使得在可预见的未来对于大型模型来说这是不切实际的。示例：EZKL、Modulus Labs、Giza 2.乐观欺诈证明（Optimistic ML）乐观的方法是信任，但要验证。除非另有证明，否则我们假设推论是正确的。如果一个节点试图作弊，网络中的“观察者”可以指出作弊者并使用欺诈证明来挑战他们。这些观察者必须始终观察链并在自己的模型上重新运行推理，以确保输出正确。这些欺诈证明是Truebit 风格的交互式挑战-响应游戏，你可以在链上反复平分模型执行轨迹，直到找到错误。如果这种情况真的发生，其成本将非常高昂，因为这些程序非常庞大并且具有巨大的内部状态——单个 GPT-3 推理的成本约为1 petaflop（10^5 浮点运算）。但博弈论表明这种情况几乎永远不会发生（众所周知，欺诈证明很难正确编码，因为代码几乎永远不会在生产中受到攻击）。乐观的好处是，只要有一个诚实的观察者在关注，机器学习就是安全的。成本比 ZK ML 便宜，但请记住，网络中的每个观察者都会自行重新运行每个查询。在均衡状态下，这意味着如果有 10 个观察者，则安全成本必须转嫁给用户，因此他们将必须支付超过 10 倍的推理成本（或者无论观察者有多少）。与乐观汇总一样，缺点是你必须等待挑战期过去才能确定响应已得到验证。不过，根据网络参数化的方式，你可能需要等待几分钟而不是几天。示例：Ora、Gensyn（尽管目前未指定） 3.加密经济学（加密经济ML）在这里，我们放弃所有花哨的技术，做简单的事情：股权加权投票。用户决定应该有多少个节点运行他们的查询，每个节点都会显示他们的响应，如果响应之间存在差异，那么奇怪的节点就会被削减。标准的预言机东西——这是一种更直接的方法，可以让用户设置他们想要的安全级别，平衡成本和信任。如果 Chainlink 正在做机器学习，他们就会这样做。这里的延迟很快——你只需要每个节点的提交-显示。如果将其写入区块链，那么从技术上讲，这可能会发生在两个区块中。然而，安全性是最薄弱的。如果足够狡猾，大多数节点可以理性地选择共谋。作为用户，你必须推断这些节点的风险有多大以及作弊将花费多少成本。也就是说，使用 Eigenlayer 重新抵押和可归因安全之类的东西，网络可以在安全失败的情况下有效地提供保险。但该系统的优点在于用户可以指定他们想要的安全程度。他们可以选择在仲裁中包含 3 个节点或 5 个节点，或者网络中的每个节点 - 或者，如果他们想要 YOLO，他们甚至可以选择 n=1。这里的成本函数很简单：用户为他们想要的法定数量的节点付费。如果选择 3，则需要支付 3 倍的推理成本。这里有一个棘手的问题：你能让 n=1 安全吗？在一个简单的实现中，如果没有人检查，一个单独的节点应该每次都作弊。但我怀疑，如果你对查询进行加密并通过意图进行付款，你可能能够向节点混淆它们实际上是唯一响应此任务的节点。在这种情况下，你可能可以向普通用户收取不到 2 倍的推理成本。最终，加密经济方法是最简单、最容易，也可能是最便宜的，但它是最不性感的，原则上也是最不安全的。但一如既往，细节决定成败。示例：Ritual（尽管目前未具体说明）、Atoma Network 为什么可验证的机器学习很难你可能想知道为什么我们还没有拥有这一切？毕竟，从本质上来说，机器学习模型只是非常大型的计算机程序。长期以来，证明程序正确执行一直是区块链的基础。这就是为什么这三种验证方法反映了区块链保护其区块空间的方式——ZK rollups 使用 ZK 证明，optimistic rollups 使用欺诈证明，而大多数 L1 区块链使用加密经济学。毫不奇怪，我们得出了基本相同的解决方案。那么，是什么让这在应用于机器学习时变得困难呢？ ML 是独一无二的，因为 ML 计算通常表示为密集计算图，旨在在 GPU 上高效运行。它们并不是为了被证明而设计的。因此，如果你想在 ZK 或乐观环境中证明 ML 计算，则必须以使其成为可能的格式重新编译——这是非常复杂且昂贵的。机器学习的第二个基本困难是不确定性。程序验证假设程序的输出是确定性的。但如果你在不同的 GPU 架构或 CUDA 版本上运行相同的模型，你将得到不同的输出。即使你必须强制每个节点使用相同的架构，你仍然会遇到算法中使用的随机性问题（扩散模型中的噪声，或 LLM 中的令牌采样）。你可以通过控制RNG种子来修复随机性。但即便如此，你仍然面临最后一个威胁性问题：浮点运算固有的不确定性。 GPU 中的几乎所有运算都是在浮点数上完成的。浮点很挑剔，因为它们不具有关联性——也就是说，对于浮点来说 (a + b) + c 并不总是与 a + (b + c) 相同。由于 GPU 是高度并行化的，因此每次执行时加法或乘法的顺序可能会有所不同，这可能会导致输出出现微小差异。考虑到单词的离散性质，这不太可能影响 LLM 的输出，但对于图像模型来说，它可能会导致像素值略有不同，从而导致两个图像无法完美匹配。这意味着你要么需要避免使用浮点，这意味着对性能的巨大打击，要么你需要在比较输出时允许一些宽松。无论哪种方式，细节都是复杂的，你无法完全将它们抽象出来。（事实证明，这就是为什么 EVM不支持浮点数，尽管NEAR等一些区块链支持浮点数。）简而言之，去中心化推理网络很难，因为所有细节都很重要，而现实的细节数量惊人。结语目前，区块链和机器学习显然有很多共同之处。一种是创造信任的技术，另一种是迫切需要信任的技术。虽然每种去中心化推理方法都有其自身的权衡，但我非常有兴趣了解企业家如何使用这些工具来构建最好的网络。来源：金色财经
金色财经2024-03-29

上一页
1
•••
69
70
71
72
73
•••
209
下一页

24小时热点

最新话题更多