FX168财经网_全球视野外汇黄金加密货币NFT资讯网

ETF早报|机器人ETF(562500)逆市上涨0.13%,人工智能AIETF(515070)收跌1.29%

ETF(562500)上涨0.13%，人工智能AIETF(515070)下跌1.29%。资金流入方面，人工智能AIETF(515070)最新资金净流入1505万元，近5个交易日内有4日资金净流入，合计“吸金”3155万元。机器人ETF(562500)最新资金流入225万元。人工智能AIETF(515070)紧密跟踪中证人工智能主题指数，场外联接基金（A类008585/C类008586）；助力投资者一键布局中国机器人与人工智能AI产业；机器人ETF(562500)是全市场规模最大的机器人主题ETF，紧密跟踪中证机器人指数，场外联接(A类：018344；C类：018345) 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2023-12-14

领英联合创始人：不要老想AI风险汽车还能撞死人

d Hoffman）日前表示，过度考虑人工智能（AI）的风险本身就是一种风险，重要的是不要影响AI的未来发展。霍夫曼认为，AI风险只是这种变革性创新技术发展过程中的一部分。他周二在《财富》杂志“AI头脑风暴”大会上称：“关于各种AI风险的话题太多了。是的，我们确实需要注意它，但真正重要的是不要影响其未来发展。” 霍夫曼还是AI聊天机器人公司Infltion AI的联合创始人，他将基于大语言模型（LLM）的AI技术的发布比作20世纪汽车的商业化。霍夫曼说，如果只考虑撞车和受伤的风险，而不考虑它的好处，那么今天就不会有汽车的存在，那更糟糕。霍夫曼的观点对AI的未来发展至关重要。1994年，霍夫曼在苹果公司开始了他的职业生涯，此后曾担任过领英CEO、PayPal执行副总裁、爱彼迎董事会观察员、OpenAI和微软的董事会成员等等。如今，作为成立不到两年、估值达40亿美元的Infltion AI的创始人，他的观点将继续塑造影响数亿人的AI技术。

金融界2023-12-13

KYC/KYB 技术在金融监管中的未来

包含一系列先进的专业工具。这些工具利用人工智能（AI）和区块链等创新技术，为企业与其客户之间的互动创造了一个安全的环境。利用人工智能和区块链技术的进步，KYC 流程发生了重大演变。在 KYC 入职过程中，人工智能驱动的系统能够识别可疑活动、潜在金融犯罪、洗钱、恐怖主义融资和欺诈活动。通过自动化 KYC 流程，企业可以提高身份验证的效率和准确性，同时保持符合法律规范。解读 KYB 技术及其作用与 KYC 不同，KYB 是一个企业与另一个企业互动时采用的验证程序。KYB 有助于确定和验证企业客户的身份，类似于个人的 KYC 流程。此外，KYB 还有助于评估与建立商业伙伴关系相关的风险，深入了解公司的合法性，发现与非法活动的潜在联系。 KYB 不仅仅是简单的验证，还能深入了解企业的所有权结构，包括董事和最终受益所有人 (UBO)。这种深度信息使企业能够评估与特定实体相关的风险，揭露任何处罚、犯罪活动或不利新闻报道的历史。与 KYC 一样，预计 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

金色财经2023-12-13

华裔“AI女神”联手谷歌打造又一利器！人工智能AIETF(515070)或迎布局良机

5%，深信服、寒武纪-U等跟跌超2%，人工智能AIETF(515070)下跌0.89%，盘中交易活跃，成交额已达3358.18万元。资金流入方面，人工智能AIETF(515070)最新资金净流入1210.93万元，近5个交易日内有4日资金净流入。消息面上，日前，华裔AI科学家李飞飞团队与谷歌合作，推出了视频生成模型W.A.L.T（Window Attention Latent Transformer）——一个在共享潜在空间中训练图像和视频生成的、基于Transformer架构的扩散模型。从展示的案例来看，W.A.L.T的效果媲美Gen-2比肩Pika，其可以根据自然语言/图片提示生成逼真的2D/3D视频或动画。平安证券认为，科技创新是产业升级的重要动力。在国家政策支持以及行业景气回升的大背景下，预计2024年人工智能行业将获得较好的发展，AIGC应用落地将提速。人工智能AIETF(515070)紧密跟踪中证人工智能主题指数，场外联接基金（A类008585/C类008586）；助力投资者一键布局中国机器人与人工智能AI产业；机器人ETF(562500)是全市场规模最大的机器人主题ETF，紧密跟踪中证机器人指数，场外联接(A类：018344；C类：018345)。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2023-12-13

毕马威预测半导体市场将在2024年反弹，科创板50ETF(588080)有望受益于半导体周期复苏

消息面上，根据毕马威韩国分部预测，随着人工智能（AI）技术的全面商用化，半导体和智能手机市场将在2024年出现反弹。2024年半导体、手机、能源等11个行业将推出新产品和服务，扩大市场，并获得新的增长动力，这些行业的公司将通过积极开拓海外市场来增加需求，提高盈利能力。特别是半导体行业，明年全球半导体市场将增长13.1%。国开证券认为，展望未来，在AI、数据中心及信创领域等新驱动下，加之半导体产业链多个环节当前仍处于 “卡脖子”状态，国产化空间广阔，且待进一步提速，有望实现持续稳健成长。科创板50ETF（588080）（场外联接A类：011608；C类：011609）以半导体作为第一大权重行业，在跟踪科创板50指数的ETF中规模大、流动性好，也是上交所科创板50ETF期权标的，助力投资者一键布局半导体周期复苏。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2023-12-13

科创100ETF(588190)连续4天获资金净流入，毕马威预测24年全球半导体市场增长13.1%

KPMG（毕马威韩国分部）预测，随着人工智能（AI）技术的全面商用化，半导体和智能手机市场将在2024年出现反弹。2024年半导体、手机、能源等11个行业将推出新产品和服务，扩大市场，并获得新的增长动力，这些行业的公司将通过积极开拓海外市场来增加需求，提高盈利能力。特别是半导体行业，明年全球半导体市场将增长13.1%。在具有设备上人工智能功能的新机型推出的推动下，智能手机市场预计将在2024年增长3.8%。国金证券认为，科创100分布较为均衡，主要聚焦于三大成长领域。一级行业来看主要分布在：医药生物（31.7%）、电子（22.0%）、电力设备（14.7%）、机械设备（11.0%）和计算机（10.7%）等具备高成长属性的行业，合计占比高达90.1%；二级行业来看主要分布在：半导体（18.1%）、医疗器械（11.7%）、生物制品（9.7%）、电池（8.4%）等，代表着数字经济、自主可控以及能源转型等未来产业发展方向，TOP9行业合计占比高达74%。相较电子成分股占比超50%的科创50来说，科创100的行业分布较为均衡，不易受到单一周期的影响，或更容易受到均衡配置型资金的青睐。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2023-12-13

ETF早报|机器人ETF(562500)收跌0.53%,人工智能AIETF(515070)收跌0.69%

其后，分别上涨3.12%、2.50%。人工智能AIETF(515070)下跌0.69%，机器人ETF(562500)下跌0.53%。资金流入方面，人工智能AIETF(515070)最新资金净流入299.65万元，近5个交易日内有4日资金净流入，合计“吸金”1884.45万元。机器人ETF(562500)资金净流入111.15万元。规模方面，人工智能AIETF(515070)近半年规模增长8244.00万元，实现显著增长；机器人ETF近1周规模增长515.55万元。人工智能AIETF(515070)紧密跟踪中证人工智能主题指数，场外联接基金（A类008585/C类008586）；助力投资者一键布局中国机器人与人工智能AI产业；机器人ETF(562500)是全市场规模最大的机器人主题ETF，紧密跟踪中证机器人指数，场外联接(A类：018344；C类：018345) 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2023-12-13

AI分析组织样本准确预测癌症结果

大学西南医学中心研究人员开发了一种新的人工智能（AI）模型，可分析组织样本中细胞的空间排列。12月11日发表在《自然·通讯》上的这一创新方法，准确地预测了癌症患者的结果，标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。

金融界2023-12-13

美债市场最准预测者：强劲反弹注定难长久

但他表示，如果事实证明通胀具有粘性，或人工智能（AI）的应用面扩大提升生产率，则收益率升逾其4.55%基线情景预测的风险会更高一些。他表示，去年多数同行都对经济过于悲观。而且，他们还被其他因素打了个措手不及，例如去全球化和政府在绿色能源方面大量支出。他说，正是这些因素导致全球通胀更具粘性，助力利率上升。 “他们没有预料到这种机制性转变，”Korapaty表示。

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

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。

AI Financial恒益投资2023-12-13

24小时热点