FX168财经网_全球视野外汇黄金加密货币NFT资讯网

汤姆猫发布2022年报：聚焦数实融合应用场景，升级IP数字交互体验

，尽管有GPT进化出更高级人工智能引爆AI热潮所带来的偶然性，但更多的是基于其自身多年以来深耕交互体验领域所积累的必然性。2023年一季度，汤姆猫借着ChatGPT引领的AI热潮迅速开展了相关技术的探索与应用，并启动了“会说话的汤姆猫”向“会聊天的汤姆猫”的迭代升级。事实上，2022年底，在ChatGPT进入大众视野下载量爆发式增长之前两个月，汤姆猫就已开始对ChatGPT进行文本交互测试，从这个细节就能看出公司对于行业内技术创新的敏感性与快速反应能力。今年2月，公司启动了内部立项，将“汤姆猫”IP形象植入AI交互产品功能原型当中，加入语音识别、语音合成、性格设定、内容过滤等功能。在验证了相关技术实现的可行性后，汤姆猫表示，公司已正式着手应用产品的开发。

证券之星2023-04-27

如何在AI热潮前保持清醒

由chatGPT火爆带来的关于AI大模型的新闻、新产品、新观点、新技术越来越多，会加深人们对于信息本身的焦虑。

金色财经2023-04-23

【美股天天说】 AI热潮的恰到好处意味着什么？提前剧透后台积电(TSMC)财报依然有料

今天想和大家来看的还是台积电的财报，因为这次的财报中除了直播节目中聊到的强劲盈利，很好的抵消了收入放缓的担忧以外。还有一些关于他们收入结构的变化也是值得大家来关注的。

陈尉2023-04-21

ChatGPT之父又一巨作向十亿人空投的WorldCoin

I 的ChatGPT 发布后掀起了一波AI 热潮，但与此同时OpenAI 创始人Sam 正在谋划另一起也会发生在上半年的Crypto 热潮：WorldCoin 官网：https://worldcoin.org/ 官推：https://twitter.com/worldcoin?s=20 作为ChatGPT 和WorldCoin 这两个世界级项目背后的男人，Sam 也被誉为下一个要接棒埃隆马斯克的科技领袖，今天为大家解读WorldCoin 这个尚不为人知的项目。简介： Worldcoin 是由Sam成立于2020 年的Crypto 项目，期望打造全球化金融公平与普惠的开源协议，根据麦肯锡全球研究院的报告所说，目前有超过44 亿人没有合法身份或者无法通过数字方式来验证身份，Worldcoin 的愿景是建设一个全球最大的、公平的数字身份和数字货币体系，它通过扫描地球上每个人眼球的虹膜实现身份认证，目前已经扫描了数百万人的眼球。 Worldcoin 正处于测试阶段，预计2023 年上半年上线主网，正在以30 亿美元的估值融1.2 亿美元，它背后有两个主体：Worldcoin 基金会和Tools for Humanity，Worldcoin 基金会用于支持和发展Worldcoin 生态与社群建设，Tools for Humanity 是一家技术公司，旨在确保更公正的经济体系，也是Worldcoin 实际的开发主体。 WorldCoin用途： Worldcoin 主要有三部分任务，创建一个全球身份ID、一种全球货币和一个承载身份ID 与货币的钱包。可以使用自己的Token 以及其他数字资产和传统货币进行支付、购买和转帐，这三部分任务对应着三个要素： WorldID：以保护隐私和人格证明为主的数字身份，后文会重点讲解隐私和人格证明 WorldCoin：第一个在全球范围内免费分发给人们的Token，计划发给10 亿人 WorldAPP：在全球范围内进行支付、购买和转帐的钱包乍一看好像也平平无奇，就是我们常见的生态三件套：DID、Token 和钱包，但是深度研究下来会感受到其背后所构建的宏大愿景和为之付出要解决的技术难题。 WorldCoin 想打造一个全球每个人无论是谁均可以参与不断发展的数字经济，并从去中心化的集体所有权中受益，第一步就是要让尽可能多的人持有相同的Token，集体持有和使用同一种Token 越多形成网路效应后，该Token 对每个参与者的用处就越大，所以WorldCoin 要为全球10 亿人进行空投，从而快速的扩张自己的金融网路。 Worldcoin 的生物识别设备Orb Worldcoin 为此定制开发了一套生物识别设备Orb，通过扫描虹膜来验证一个人的独特性，同时通过零知识证明确保被验证者的隐私。 Orb 是一个球状的硬件设备，它扫描到人眼的虹膜图像后，会在本地通过单向函数生成一个IrisHash 值作为唯一标识，形式上是一个简短的数字代码，然后在数据库中进行检索，从而可以检查该人是否已经注册，如果没有将完成注册并免费获得空投，每个人可以领取25 个Token，这个过程无需存储和上传原始图像，也不需要其他的个人讯息，所以会严格保护用户的隐私。 Worldcoin 的总供应量 Worldcoin 的总供应量是100 亿个，绝大多数将提供给通过用户和运营商，为了激励早期贡献者，用户和运营商每次注册收到的Token 数量将随着时间的推移而减少，Token 总供应量的不到20% 将用于资助Orb 的早期核心开发者们，3 %将分配给持续的生态建设中。值得注意的是Worldcoin 目前与以太坊生态关联非常紧密，从文档中可以看到它采用了以太坊的optimistic rollup，继承了以太坊的帐户匿名和交易公开特性，并且SDK 内置了跨链能力可以与以太坊主网、其他Layer2 如Optimism 和Arbitrum 甚至非EVM 兼容链Solana 和Polkadot，整体的结构图如下所示：因为Worldcoin 要采集数十亿人的生物数据，所以很多人会下意识的产生恐慌，但要注意的是Worldcoin 上的帐户和交易永远不会和Orb 的任何生物数据进行关联，虹膜扫描仅用于人格验证，并且仅在本地生成的单向不可逆的IrisHash 传入数据库，即使数据库泄漏了，也无法得知每个IrisHash 背后的真实身份，所以Worldcoin 的Orb 仅仅只用于验证这是一个唯一的人，至于是谁则无需知道。 Crypto L2 攻略 L2 给 eth 带来了新的活力，加密巨头布局的 L2 会出现新的独角兽来源：金色财经

金色财经2023-04-20

链游的 AI 革命（一）AI 不是一个新命题

I 不是一个新命题上一次大众级别的 AI 热潮还要追溯到 2016 年 AlphaGo 战胜了前围棋世界冠军李世石，之后又是相对沉寂的几年，直到 2022 年 ChatGPT 横空出世再次引爆。这并不奇怪，实际上，AI 已经是一个发展了六七十年的领域，并已经经历过数次寒冬了。 AI 发展史的故事可以从人工智能这个词的诞生开始讲起。在此之前，早期的计算机科学家和研究人员已经在思考和尝试模拟人类智能。1956 年的盛夏，约翰・麦卡锡等人在美国汉诺斯小镇宁静的达特茅斯学院召开了一次为期两个月的研究计划，旨在召集志同道合的人共同讨论“人工智能”。这次会议被称为“达特茅斯会议”，会议期间，与会者们讨论了机器模拟智能的一系列问题，包括如何使机器像人一样思考和学习。虽然会议没有取得预期的成果（过于乐观的科学家们大大高估了自己的能力并低估了人工智能的复杂度，人类和 AI 到底谁才是上帝视角现在还说不定），但它标志着人工智能领域的诞生和发展，也被认为是 AI 领域的开端，确定了人工智能作为一门独立学科的研究方向。 1956 达特茅斯会议参会的关键人物早期的 AI 研究主要集中在符号主义方法上，例如使用基于规则和逻辑的方法来模拟人类智能。在这个阶段，马文・明斯基打造了“马克一号”感知机，也是最早的神经网络。后面艾伦・图灵则提出了著名的图灵测试。如果还不知道图灵的加密圈玩家，总该知道 2023 年上半年的十倍币陈凤霞（CFX）吧？香港概念板块的领军代币，能涨的这么凶除了背后做市商是凶狠的大潍坊（DWF）之外，CFX 几年前初闯江湖靠的是“清华姚班”的牌子，姚班就是华人计算机专家姚期智在清华带的班级，而姚期智最大的成就是获得了 2000 年图灵奖，也是目前唯一一位获该奖的华人，所以大家知道图灵在行业内的地位了吧……绕了这么大一圈，终于扯回来了。图灵测试的前身是图灵 1950 年的论文《计算机器与智能》（Computing Machinery and Intelligence）里提出的“模仿游戏”思想实验，后来演变为我们现在如今更熟悉的图灵测试。这个概念甚至早于人工智能这个词本身（如前文所述，人工智能的概念是直到 1956 年的达特茅斯会议才诞生），是最早的判断“机器能否思考”的一套标准：如果一定比例的人类已经无法分辨与之交谈的是人还是机器，那么一般就认为这个机器是通过了图灵测试。这个伟大的想法和它产生的巨大影响也奠定了图灵“人工智能之父”的历史地位，如今计算机领域的最高荣誉便是以他名字命名的“图灵奖”。想要深入了解图灵这位惊世骇俗的天才的，可以去看帅哥卷福扮演图灵的电影《模拟游戏》。艾伦 · 图灵达特茅斯会议之后这段时期的 AI 发展是比较缓慢的，一直没有什么重大的突破， 70 年代算是第一次人工智能的寒冬。1986 年，杰弗里・辛顿（记住这个名字，非常重要）等人提出了反向传播算法，这一算法使神经网络能够通过梯度下降优化权重（大家看不懂正常，我看了几篇文章也没搞清楚这么嘛东西，不过大家只要记住反向传播算法直到现在还是训练神经网络的最常用方法之一就好了），从而实现更有效的学习。而后便是从 90 年代持续到 21 世纪这十几年的第二次人工智能寒冬。杰弗里·辛顿我们现在已经基本认知了科技的进步不是线性增长的，而是需要经过一大段时间的平台期，然后短时间会突然爆发。在经过了两次寒冬后，到了 2007 年，辛顿创造了一种描述神经网络的方式——深度学习出现了。作为 AI 的一个子领域，深度学习在 2000 年代开始迅速崛起，并带动了人工智能突飞猛进的十年，一批批才华横溢的计算机科学家和大小公司纷纷入场： 2010 年，DeepMind 成立；2011 年，吴恩达等人创立“谷歌大脑”；2013 年，扎克伯格和发明了卷积神经网络（CNN）的杨立昆成立了 Facebook 人工智能实验室，该实验室也在计算机视觉、自然语言处理等领域取得了一系列重要突破；2014 年，谷歌收购 DeepMind；2015 年，AlphaGo 击败了欧洲冠军樊麾，初显身手；2015 年，今天全球最瞩目的明星公司 OpenAI 成立了；2016 年，AlphaGo 击败了世界冠军李世石；2017 年，AlphaGo 击败了柯洁，从此再无敌手；同年陆奇加入百度，百度作为中国的 AI 领导者，在自然语言处理、自动驾驶等领域具有重要地位。英伟达推出渐进式生成网络，可以生成照片级的人脸，“深度造假”开始出现在互联网上。英伟达这个公司后续会不断出现在我们这个系列的长文中，真的是华人之光，一个公司通过显卡芯片技术横跨了游戏，AI 和加密三大行业。这里要帮百度多说几句（分文未收，本人一向非常厌恶百度系产品的使用体验），早在 2012 年人工智能这一波复兴刚开始不久，百度就意识到了深度学习的重要性。为了把神经网络之父辛顿招进公司，几家第一梯队的公司加入了竞价，发起对辛顿团队的人才收购。辛顿为此特意注册了一家初创小公司 DNNresearch，公司的全部资产便是辛顿、他的两个学生，以及几篇深度学习的论文和研究成果。参与本次竞拍的四家公司是硅谷巨头谷歌、微软、刚成立两年的 DeepMind、以及……中国公司百度。百度率先给出了一千万美元的报价，但很快价格就来到了两千万美元，资金不足的初创公司 DeepMind 不得不退出竞拍，而信仰不足的微软随后也退出了竞拍，只剩下谷歌和百度持续在掰手腕儿，双方都非常坚决要把辛顿拿下。于是价格从两千万，到三千万，到四千万，眼看势必还要继续去五千万和更高的价码，百度也从一开始负责竞拍的研究员换成了公司高管，从北京直接连线接入拍板。但最后辛顿主动停止了拍卖，选择用较低的价格直接出售给谷歌——早已功成名就的大佬，把合适的研究环境看得比钱更重要一些。而当时替百度参与竞拍的研究员余凯，惊奇的发现原来财富可以来的这么快和舒服！李彦宏再帅也阻挡不了余凯的梦想了！于是他创办了自己的芯片和自动驾驶公司，就是地平线。截止 2022 年末，地平线的估值为 50 亿美元，累计融资 34 亿美元，这是一个屌丝抓住信息机遇实现自由的典型案例。而辛顿的其中一个学生伊尔亚・苏茨克维后来也应马斯克的邀请离开了谷歌，联合成立了 OpenAI。那是谷歌在人工智能领域最春风得意的一段时间。其实直到 18 年，谷歌都是人工智能领域绝对的领头羊，招来了辛顿、收购了 DeepMind、发展自家的谷歌大脑 Google Brain，将自己置于 AI 领域的研究和应用前沿。业界其他人员和公司大多也都追寻着谷歌的研究道路，谷歌发布的 Transformer 架构也为 OpenAI 提供了巨人的肩膀——今天广为人知的 GPT 的 T 便指的是这个架构。但此后 OpenAI 慢慢来到了历史舞台的中央。2019 年，OpenAI 发布了 GPT-2 ，没有把辛顿收入旗下的微软这次没有错过机会，向 OpenAI 投资 10 亿美元。GPT-2 以后的 OpenAI 终于在不同于谷歌领导的道路上走通了属于自己的大模型之路，而后便开启了狂暴的开挂模式： 2020 年，GPT-3 ；2022 年，GPT-3.5 ，仅用十几天做出来的 ChatGPT 在年末席卷了全球，开启新一轮 AI 热潮；2023 年，其他公司还在苦苦追赶 ChatGPT 之际，又直接砸出了 GPT-4 。至此，再无敌手，打通了任督二脉的 OpenAI 以强悍的先发优势和极快的迭代速度和所有同行拉开了代际差。未完待续。感觉这个系列要成为瓜田实验室创立以来最长的系列长文了，各位看官当做八卦故事慢慢欣赏哈～本系列由 W Labs “AI 链游研究小组”集体创作，感谢小组成员瓜哥、嘉然、包包、Brian、小飞、华哥的努力付出！欢迎转载，原创不易，泪求注明”瓜田实验室 W Labs”出品瓜田实验室 Website：http://www.wlabsdao.com/ 瓜田实验室 Discord：https://discord.gg/wggdao 瓜田实验室推特：https://Twitter.com/GuaTianGuaTian 瓜田实验室深度研究长文 Mirror：https://mirror.xyz/iamwgg.eth 瓜田实验室 Medium：https://guatianwgg.medium.com/ 来源：金色财经

金色财经2023-04-20

大变革！马斯克AI语言模型打响首炮 X集团合并推特“美国版微信”要来了？

公司，今年在这家公司开启了持续的生成式AI热潮后，他开始批评该公司，称其已成为一家由微软有效控制的闭源、利润最大化的公司。微软于2019年投资OpenAI，并于1月表示，作为扩大合作伙伴关系的一部分，它正在进行“数十亿美元的投资”。#ChatGPT火爆全网#

秉哥说市2023-04-12

4月金股出炉，机构最新策略集中看好一带一路和人工智能，复盘3月金股表现，金山办公连封“金股王”

期虽有交易拥挤带来的波动放大，但在全球AI热潮和国内数字化转型背景下，TMT板块以及向高端制造板块扩散的机会值得持续关注。　　中信保诚基金认为，基建投资的资金面和地方政府积极性在今年或有望改善，实物工作量可能加速落地。从数据跟踪看，部分中微观指标显示今年需求持续修复，基建高增速可期。　　中欧基金认为，预计复苏仍是中国经济中长期的趋势，市场将展现出更多结构性机会。短期可关注竣工链与消费复苏中的传媒娱乐、线下医疗、白酒等；中期可关注经济复苏趋势确立后“顺周期”板块的整体机会；长期可关注数字化对生产力的提升，重点关注计算机、互联网和传媒等行业。　　浦银安盛基金认为，从中长期来看，经济回暖带动消费复苏的趋势并未改变，但当前市场已经不再是由相对乐观的复苏预期推动，将更看重相关行业与个股能否兑现业绩增长。而在消费复苏的主线之外，大众消费品和新消费行业有望成为今年消费投资的新亮点，特别是其中具备较低PEG指标的个股更是值得关注的重点。2

金融界2023-04-04

别担心AI蚕食你的工作 AI蚕食掉的也许是软件自己

，乃至于谷歌与 Meta，再到当前的 AI 热潮。崩塌的每一个受益者都需要一项或多项核心技术的价格下降与性能飙升。这反过来又开辟了新的”浪费“它们的机会可以把这些东西用在以前似乎不可能、昂贵得令人望而却步或两者兼而有之的事情上。人工智能是技术领域下一场崩塌的推手所有这一切将我们带到了今天。突然之间，人工智能变得廉价起来，以至于人们可以通过给聊天机器人输送提示来”写文章“、获得微服务代码方面的帮助等诸多”挥霍“它的手段。你可能会认为智能本身的价格/性能曲线也正在下降，就像发生在前几代技术身上的事情那样。你可以提出这样的观点，但这种观点太狭隘，太正统，或者至少是不完整和不成熟的。通用人工智能 (AGI) 的伦理和对齐问题姑且不谈。即便现在给人感觉比几十年来更接近 AGI 了，但往好了说这样的日子到来可能还有几年的时间。有鉴于此，值得提醒一下自己的是，AI 的热潮每一二十年就会对我们的”意识海滩“发起一次冲击，但又会随着噱头大于实际而再次退潮。我们从 1950 年代明斯基（失败的）工作看到了这一点，从 1970 年代的日本（失败的）第五代项目再次看到了这一点，从 2000 年代的 IBM（失败的）沃森又再次看到了这一点。如果你真的眯着眼睛仔细看的话，你也许会看出一种模式。尽管如此，大规模语言模型的突然爆发还是让一些人花费大量时间去思考哪些服务业的职业可能会被自动化干掉，经济学家称之为”替代性“自动化。但这种替代性自动化不会给整个社会增加太多的价值，甚至可能会减少价值并造成不稳定如同将美国白领工人的工作外包到中国。或许我们应该少考虑一些替代性自动化的机会，而多考虑一点增强型自动化的机会，那种可以释放创造力并带来财富和人类繁荣的事情。那么这会从何而来呢？我们认为，这种增强型自动化热潮将与之前的热潮一样，均来自同一个地方：某种东西的价格暴跌，而相关的生产力和性能却出现飙升。也就是软件本身。就此而言，我们的意思并不是”软件“就会出现价格下降的情况，就好像 AI 会引发 Microsoft Word 等文字处理器或 AWS 微服务出现价格战一样。这种属于线性思维，推断性思维。话虽如此，我们确实认为当前将 AI 注入到你能见到的每一个应用或服务的狂热会引发更多竞争，而不是更少。它将通过提高软件成本（每一次 AI API 调用都会有钱落入某人的腰包）来实现这一点，同时又不会带来真正的差异化，因为大多数供应商调用的 AI API 都是来自同样的供应商。鲍莫尔成本病与软件的问题要想理解我的意思，需要简单回顾一些基本的经济学。我们大多数人都熟悉技术产品的价格是如何暴跌，而教育和医疗保健的成本却不断飙升的。这似乎是个令人抓狂的谜团，随之而来的是大家呼吁要找出新办法，让这些行业变得更像科技业大家通常认为，科技业更容易受到技术通货紧缩的影响。但这是一种误解。解释一下：假设有一个经济板块就只有两个部门，一个部门的生产率、专业化程度和财富生产率要高得多，而另一个部门则低得多，则后者将面临提高工资的巨大压力，以免许多员工离开。随着时间的推移，生产力较低的部门开始变得越来越昂贵，尽管它的生产力不足以证明更高的工资是合理的，于是它开始”吞噬“该经济板块越来越多的资源。经济学家威廉·鲍莫尔（William Baumol）通常被认为是这种现象的发现者，因此这又被称为”鲍莫尔成本病“。你可以在下图当中看到这种成本病是什么样的，美国的各种产品和服务（剧透：主要是在高接触、低生产率的行业）变得越来越昂贵，而其他产品和服务（非剧透：主要是基于技术的）变得越来越便宜了。考虑到与其他一切相比技术所出现的爆发式进步，现在这一切应该都能说得通了。事实上，这几乎是数学使然。如果没有重大的生产力改善，这只能通过消除这些服务的人类因素来实现，很难想象这种情况会发生怎样的变化。假设未来我们仍需要医疗保健和教育，鉴于这些服务的大部分价值仍继续由人类提供，情况更有可能会继续恶化。但还有一个板块受到鲍莫尔成本病变体的阻碍，那就是软件本身。这听起来可能有些矛盾，可以理解。毕竟，生产力最高、创造财富最多、通货紧缩的部门怎么也会成为其他部门所遭受的同样问题的受害者呢？如果你回想一下我们之前讨论的双部门模型的话，会的。一个部门是半成品以及 CPU、存储与骨干网络。这些东西价格正在崩溃，其制造需要的人变少了，同时正以更低的价格带来了极大的性能提升。与此同时，软件还是那样，以与几十年前开发者几乎没有太大不同的方式生产着同样的东西。是，软件的生产和部署已经取得了进展，但归根结底，依旧是靠双手在键盘上敲代码。这看起来似曾相识，尽管生产力相对不足，但我们对软件薪水保持高位并继续上涨并不感到惊讶。这是鲍莫尔成本病，发生在技术本身很狭隘的双部门经济当中。这些高薪直接导致高昂的软件生产成本，并鉴于要素生产成本以及那些令人讨厌的供应曲线，导致了软件产量受限。初创企业需要花费数百万美元聘请工程师；大公司继续要砸数百万美元来留住他们。而且，虽然市场有出清价格，也就是供求曲线相交的点，但我们仍然知道，当其工资高于其他部门的可比职位时，生产的商品还是会低于社会的期望。在这种情况下，生产不足的商品是……软件。我们最终产生了一种社会性的技术债务，因为其生产的数量远低于社会的期望我们不知道少了多少，但可能是一个非常大的数字，并且也解释了为什么软件还没有蚕食掉太多世界。而且因为情况一直如此，所以没有人注意到。人口结构、老龄化，以及LLM即将带来的劳动力颠覆我们认为这一切都将会发生改变。不管如何不是出于本意，当前这代 AI 模型仿佛一枚导弹，直接对准了软件制作本身。当然，聊天 AI 在撰写本科生论文或创作营销文案、编写博客文章方面表现是很出色（好像这些东西还不够多一样），但这些技术在快速且几乎无成本地生成、调试和加速软件制作方面表现更棒，棒到几乎像黑魔法的地步。为什么不呢？如下图所示，大型语言模型 (LLM) 对就业市场的影响可以被认为是一个 2x2 矩阵。一个轴向表示领域的语法规范程度，意思是控制符号操作的规则导向程度如何。比方说，写文章是要讲规则的（问问任何一位发火的英语老师），因此可以训练基于LLM的聊天 AI 来写出好得出人意料的文章。税务服务提供者商、合同以及许多其他领域也在此范畴。未来几年，对于处在右上角象限的职业而言，其颠覆性是非常厉害的，几乎是前所未有的地步。我们将看到一系列职业数以百万计的工作岗位被取代，而且其发展速度比以往任何一波自动化浪潮都要快。对于严重依赖某些受影响最严重的工作类别的地区或国家的行业、税收，甚至社会稳定来说，这会产生巨大影响。这些广泛且可能破坏稳定的影响不应被低估，而且非常重要。部分人认为，老龄化社会的人口结构以及发达经济体倒挂的人口金字塔会抵消人工智能造成的这些变化。虽然人口结构会在未来几十年减缓这种打击的影响老龄化社会以及世界部分地区劳动力萎缩将迫切需要劳动力但这些人口结构的力量可能还不够。软件位于自己这场颠覆的震中不过，现在让我们先回到软件本身。软件的规则性和语法规范性高于会话英语或任何其他会话语言。从 Python 到 C++，编程语言可以被认为是具备一系列高度明确的规则的形式语言，这些规则管理着可以如何使用或者不能使用每个语言元素来产生期望的结果。编程语言的语法问题是最烦的，这让很多想成为程序员的人感到非常沮丧（就因为少了一个冒号？！这就是问题所在？！真见鬼），但对于像 ChatGPT 这样的 LLM 来说，这是完美的处理对象。这张图的第二个轴向也同样重要。除了底层的语法以外，还有领域的可预测性问题。同样的原因总会导致同样的结果吗？还是说这个领域比较特别，原因有时候会在结果的前面，但并非总是如此，而且不可预测。同样地，编程是具备可预测性领域的一个很好例子，编程中设计之初就是要让给定相同输入的情况下产生相同的输出。如果结果并非如此，那问题 99.9999% 可能出在你身上，而不是编程语言。其他领域的预测性要差得多，比如股权投资、精神病学，或者气象学。这种框架，也就是语法与可预测性让我们相信，在软件行业的历史上，第一次出现了将从根本上改变我们软件生产方式的工具。这关乎的不是让调试、测试、构建或共享变得更容易，虽说这些也会改变，关乎的是操纵构成编程语言的符号意味着什么。我们可以再说具体一点。比方说，再也不用学习 Python 来解析某些文本并删除 ASCII 表情符号，只需要直接给 ChatGPT 写下这些提示即可：写一些 Python 代码，让它打开一个文本文件并删除里面所有的表情符号，我喜欢的那个出外，然后再次保存。如果你的想法是，”不可能行得通的“，那你就错了。程序工作正常，只用了两秒钟，以前你怎么也学不会的编程技能，现在人人都可以掌握了，这只是其中的一个缩影罢了：要指出的是，显然：这个例子微不足道，乏善可陈，而且很蠢，尽管对于现在这种表情符号满天飞的环境很有用。这不是什么复杂代码。对于熟练的从业者来说，这种程序很简单，甚至简单到令人讨厌，但同时对于大多数其他人来说又是不可能的，如果不去Reddit 和 Quora 上面看很多东西的话。但它正在变得更好，更加深入。如果你不确定为什么这个能行得通，或者怀疑它是否行得通，并认为 AI 可能在骗人，你可以要求它自己做出解释，如下所示：简而言之，LLM 用了一个很巧妙的技巧。它不是靠穷尽所有的 ASCII 表情符号来检查文本是否存在这些字符，而是选择用字符编码来区分表情符号与非表情符号。这个做法是在是太聪明了，还有，你可以要求 LLM 解释它是怎么做一件事的，这种自我参照的解释能力则是改变了软件这场游戏的另一个原因。这只是开始（而且只会变得越来越好）。从将各种 Web 服务连接在一起的微服务（你以前可能在 Upwork 上向开发者支付了 10000 美元完成的任务）到整个移动app（一项可能要花费你 20000 美元到50000 美元或更多的任务），利用此类技术编写几乎所有类型的代码都成为了可能。更便宜的、不那么复杂的软件产品是什么样的有一点要说清楚。你能写出一个更好的 MICROSOFT WORD 吗？或者用新颖的方式解决这个经典的 COMPSCI 算法吗？不，你不能，这会导致很多人把这些技术当作玩具。确实是玩具，但具备重要意义。它们之所以是”玩具“，是因为它们能够为真实的人，尤其是非编码人员生成代码片段，一小部分人会认为这个微不足道的，而另一个庞大的群体会认为这是不可能的。这个认知差距将会改变一切。怎么改变？呃，一方面，软件生产的清算价格将会改变。但不仅仅是因为生产软件变得更便宜了。在极限情况下，我们认为这一时刻类似于之前的技术变革浪潮如何让基础技术（从 CPU 到存储和带宽）的价格跌到近乎为零的地步，从而早就物种形成和创新的大爆发。用软件进化的术语来说，我们刚刚从人类的周期时间过渡到果蝇的周期时间：一切都进化和变异得更快了。我们不妨来一次思想实验：如果软件生产成本遵循类似的曲线，甚至可能遵循更陡峭的曲线，并且正在下挫到近乎为零的地步的话，会怎样？如果生产软件即将变成次要的事情，就像用文字解释自己一样自然和普遍会怎样？那时候的软件开发就类似 ”我需要给 iPhone 做 X、Y ，不要做 Z，如果你对让它不那么丑陋有什么想法的话，我洗耳恭听“这样一句话的事情。现在我们可以重新审视之前的那条成本下降曲线，并把软件添加到组合里面。由于之前讨论的各种原因，尽管内部的”鲍莫尔成本病“可能会导致成本居高不下，但如果生产软件的成本即将崩溃会怎样？考虑到LLM的发展速度，这一切可能会发生得非常快，比前几代都要快。这一切意味着什么呢？我们不是反对软件工程师，而且其实我们投资了很多杰出的工程师。但是，我们的确认为，如果不摆脱软件行业的束缚的话，软件就无法发挥其最大潜力，因为软件行业成本很高，而且生产力相对较低。人人都可以编写软件，而且只需几分钱就可以编写软件，并且可以像说话或写字一样轻松地完成的软件行业，将是一个变革性的时刻。古滕堡发明了欧洲铅字印刷术之后，之前的创作障碍学术、创意、经济等都消失了。说这相当于古腾堡（编者注：欧洲活字印刷术发明人）时刻有点夸张，但只是有点，因为人们从此可以自由地做那些仅受限于自身想象力的事情了，或者说得更实际一点，受制于过去生产软件的成本的事情了。当然，改变会带来颠覆。回顾之前的变革浪潮，情况表明这不会是一个平稳的过程，可能需要数年甚至数十年才能完成。如果我们是对的，那么软件开发者的就业格局将发生翻天覆地的重塑，随之而来的是”生产力飙升“，这是因为软件生产成本的下降弥补了数十年来软件生产不足在全社会积累的技术债务。当我们还清这笔技术债务时，接下来会发生什么？我们现在已经多次提到这个技术债务，强调这一点并不为过。几乎可以肯定，我们生产的软件仍远远赶不上需求。这个技术债的规模有多大我们不知道，但不可能很小，所以后续可能会呈几何级数的增长。这意味着随着软件成本下降到接近为零的地步，可以预见，软件的创建会以之前几乎无法想象的方式爆炸。在这一点上大家总是会产生这样的疑问：”那会做出什么样的应用？“虽然这个疑问可以理解，但确实有点愚蠢而且现在提出这个绝对为时过早。当互联网传输成本为 500000 美元/Mbps 时，你会想到有Netflix吗？当屏幕、中央处理器、存储设备以及电池等的尺寸会导致设备跟一间房那么大时，你能想象苹果 iPhone 的出现吗？当然不能。关键是，我们唯一知道的是app和服务将会到来。这一点毫无疑问。你希望能够参与其中，刚有点风吹草动的时候就开始投资它们。简而言之，我们面前的这块绿地现在看起来就像是下一个伟大的技术周期，但有太多人根本看不到这个周期的出现（因为他们的关注点仍然放在投资应用于当前软件环境的LLM上）。企业家、发行人 Tim O'Reilly 有一个很好的表述，这个表述用在这里也很合适。他认为投资者和企业家”创造的价值应该高于攫取的价值“。刚开始的时候科技行业就是这样的，但近年来这个行业变得浮躁，往往想追求速赢，通常是按照金融服务业的剧本开局。我们认为，这是几十年来技术行业第一次可以回归本源，并通过释放一波软件生产的大爆发，真正实现创造的价值出高于攫取的价值。来源：金色财经

金色财经2023-04-04

“元宇宙”太烧钱且盈利希望渺茫 TMT行业高管们拒绝无脑砸钱

ChatGPT问世后，席卷全球的生成式AI热潮令红极一时的元宇宙显现出“过时黄花”之态，元宇宙这把“虚火”可谓逐渐烧尽，市场回归理性。接受毕马威访问的许多TMT高管表示，他们的公司对元宇宙领域的投资准备工作尚不充分。毕马威表示：“投资和拥抱元宇宙的最大障碍是缺乏支持元宇宙体验的技术，并且开发成本高，以及缺乏适当的员工层面技能。” 大约一半的受访者表示，缺乏适当的技术来支持元宇宙，50%的受访者表示，开发元宇宙的高成本阻碍了他们进行全面投资和详细的战略规划。不到一半（大约49%）的人指出，他们的公司缺乏经营元宇宙业务相关的员工技能。来源：金色财经

金色财经2023-04-04

游戏、影视、计算机、软件，你方唱罢我登场！

ChatGPT等。ChatGPT引爆的AI热潮也“烧到了”金融圈。 3⽉30⽇，根据相关媒体最新发布的报告显示，其构建迄今为⽌最⼤的特定领域数据集，并训练了专⻔⽤于⾦融领域的LLM，开发了拥有500亿参数的语⾔模型——BloombergGPT。该模型依托相关媒体的⼤量⾦融数据源，构建了⼀个3630亿个标签的数据集，⽀持⾦融⾏业内的各类任务。该模型在⾦融任务上的表现远超过现有模型，且在通⽤场景上的表现与现有模型也能⼀较⾼下。AI应⽤在⾦融场景的扩散有望持续演绎，⾦融场景相关公司具备数据积累优势，⽆论是互联⽹还是2015年的AI浪潮，均与⾦融⾏业产⽣化学反应。⾦融IT企业引领计算机、软件板块上涨，未来⼈⼯智能在各应⽤场景商业化落地有望加速。随着⽣成式内容⼈⼯智能（AIGC）与众多领域应⽤的纷纷结合和落地，制约模型重要表现的便是模型算⼒，⽣成式内容⼈⼯智能（AIGC）这把⽕有望从下游应⽤⼀路向上“蔓延“到上游算⼒相关重要标的：如计算机、软件、芯⽚和通信设备。信创和数据要素⾃去年10⽉重要会议以来和今年3⽉的重要会议的政策⾯影响下，战略地位不断提升。建议感兴趣的⼩伙伴重点关注计算机ETF（512720）、软件ETF（515230）和通信ETF（515880）⻓期布局价值，不过也要警惕⼀季报披露业绩不及预期的⻛险，现在上⻋的⼩伙伴不⽤担⼼短期调整，还没上⻋的⼩伙伴可以在调整后逢低布局。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-03

24小时热点