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

中国式ChatGPT“大跃进”
go
不乏阿里、美团、小红书等大厂，还有诸多创业公司，以及研究机构。猎头们提供的NLP算法研究员岗位年薪也大多会在百万元上下。根据猎聘大数据调查，过去五年，人工智能和互联网的招聘薪资均处于上涨态势，人工智能年均招聘薪资明显高出互联网。2022年，人工智能招聘平均年薪为33.15万元，比互联网高出4.27万元，即14.78%。五年来人工智能与互联网招聘平均年薪对比在ChatGPT爆火后，这样的情况越来越明显。据上述调查显示，与ChatGPT相关的岗位工资均超过平均水平，AIGC为39.08万，对话机器人为34.89万，预训练模型为33.93万。“ChatGPT一火起来，AI工程师的薪资水平也越来越高，你不开高价就抢不到人。”某AI领域投资人对虎嗅说。从技术的角度看，大模型发端于NLP领域，自然语言处理岗位在人工智能领域一直都处于人才稀缺的状态，薪酬水平处于高位。科锐国际调研咨询业务负责人&高科技领域资深专家景晓平对虎嗅表示，“人工智能行业典型岗位按产业链划分，技术层和基础层薪酬水平处于高位，高于互联网其他领域薪酬水平，应用层和互联网常规岗位薪酬一致。” 事实上，近年来国内AI人才的硕博占比也在逐年提升，很多企业对AI领域的人才要求学历至少是硕士。薪酬结构则与企业的性质密切相关，国有企业、研究所的薪酬主要是固定薪酬、项目奖金和津贴，例如，国内第一梯队的AI实验室，清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）挂在官网上的博士后招聘待遇为年薪30万，享受清华大学教职工社会保险、住房公积金等待遇。提供公寓或每年4.2万的租房补贴，同时可以解决子女入园、入学。 IT大厂和AI创业公司的薪酬结构则多为，固定薪资+浮动奖金+股权期权激励。在猎聘、脉脉、BOSS直聘三个平台搜索ChatGPT，硕博学历职位的月薪普遍高于3万，最高达9万。“在薪酬方面IT大厂并不会占多少便宜，AI大模型的研发都是高举高打，创业公司给出的薪酬可能更有竞争力。”西湖心辰COO俞佳认为，没有资金支持很难在大模型的基础训练领域推动一家初创公司，对于这个领域来说，钱的问题可能“不是最大的问题”。猎聘、脉脉、BOSS直聘，搜索ChatGPT的前排结果此外，在诸多岗位信息中，工作地点集中在北京、上海、杭州和深圳，但其中一些职位也并不限制办公地。景晓平表示，目前国内AI人才北京占据第一位，上海、广东省分列二三位，近些年互联网发展极为活跃的浙江省，在人工智能发展上也丝毫不落风头，成都作为科技新秀城市，有优质相关生源的地域，也储备了不少人工智能人才。但从需求总量来看，国内AI人才还有很大缺口。 OpenAI的专家团队为何强 OpenAI官网挂出的参与过ChatGPT的项目团队共87人，该团队平均年龄为32岁，其中90后是主力军。《ChatGPT团队背景研究报告》显示，ChatGPT研发团队绝大多数成员拥有名校学历，成员最集中的前5大高校是：斯坦福大学（14人）、加州大学伯克利分校（10人）、麻省理工学院（7人）、剑桥大学（5人）、哈佛大学（4人）和佐治亚理工学院（4人）。 ChatGPT 团队成员毕业前10名高校此外，很多成员都有名企工作经历，包括：Facebook、Stripe、Uber、Quora、NVIDIA、Microsoft、Dropbox、DeepMind、Apple、Intel等公司，其中有10人来自谷歌，OpenAI的首席科学家Ilya Sutskever亦是从谷歌转会而来，Ilya Sutskever是AlphaGo的作者之一，师从人工智能学界泰斗Geoffrey Hinton。 ChatGPT团队成员流动示意图 1985年出生在苏联的Ilya Sutskever，如今已经是英国皇家学会院士。据说Ilya Sutskever退出谷歌，与Sam Altman、Elon Musk等人一起创立OpenAI时，年薪曾大幅缩水。但他参与创立OpenAI的初衷是“确保强大的人工智能造福全人类”的大义和情怀。 OpenAI初创之时是一家非营利研究机构，从这点上来看，无论是否带着情怀加入这家公司的研究人员，还是给“非营利”事业烧钱的投资人，多少都有一点对技术的“信仰”，这种驱动力，可能是钱买不来的。不过OpenAI给这些科技精英们提供的薪酬待遇并不低。据纽约时报报道，2016年，OpenAI向Ilya Sutskever支付了超过190万美元。另一位行业大佬级的研究员Ian Goodfellow（对抗式生成网络的提出者）2016年从OpenAI得到的报酬则超过80万美元，而他在这一年中只工作了9个月，不过Ian Goodfellow在OpenAI没有待很长时间就离开了。一直以来，硅谷的AI研究员都是高收入人群。在谷歌发布的官方招聘信息中，在美国工作的全职“高级软件工程师，大型语言模型，应用机器学习”（Staff Software Engineer, Large Language Models, Applied ML）岗位基本工资范围为年薪17.4万-27.6万美元（约120万-190万元人民币）+奖金+股权+福利。这份工作的主要职责是：为谷歌大型语言模型的关键冲刺做出贡献，将尖端的 LLM（Large Language Mode，大型语言模型）引入下一代谷歌产品和应用程序，以及外部用户。在建模技术方面进行协作，以支持全方位的 LLM 调整，从提示工程、指令调整、基于人类反馈的强化学习 (RLHF)、参数高效调整到微调。微软研究院的研究员岗位“博士后研究员-机器学习和强化学习”（Post Doc Researcher-Machine Learning and Reinforcement Learning）年薪则在9.4万-18.2万美元（约64万-125万元人民币）。工作职责是“与其他研究人员合作制定自己的研究议程，推动有效的基础、基础和应用研究计划。” ChatGPT团队中另一个有意思的点是团队中有9位华人成员，其中5人本科毕业于国内高校，美国学界对人才的虹吸效应也正是硅谷巨头以及“OpenAI”们强大人才竞争力的基础。 “中国的AI人才是从14亿人里挑，美国是从80亿人里挑，全世界优秀的人很多都到美国去了。”图灵联合创始人、原智源研究院副院长刘江表示，要承认差距确实存在，不过他也表示，“在这方面，我们也不用气馁。中国也有自己的优势，比如市场化、产品化的能力，近年来我们不比美国同行差了。” 国内大厂的实力如何？除了人才问题，国内大模型研究落后美国另一个原因是在生成式AI和大模型研究方面起步略晚，而起步晚的原因，则还是与“钱”脱不开关系。从技术角度看，生成式技术在Stable Diffusion和ChatGPT等网红产品出现之前，技术实现的效果并不理想，且需要消耗大量算力进行研究。所以大厂、资本很难斥以重资，投入到这种看上去不太赚钱，还要烧钱的业务。中国的AI产业更注重应用场景，而非基础理论和技术创新。各家大厂在NLP的理解方面有很多成熟业务，比如听写、翻译，在视觉识别和AI大数据处理方面也有很多应用场景。所以这部分业务自然是AI研发的主力，一方面他们赚钱，另一方面在这些领域的技术积累，使研究人员能够“在规定跑道上赛跑”，而不是在未知领域探路。这一点不只是限制了国内公司，更是很多全球巨头的创新桎梏。正如诺基亚做不出iPhone一样，巨头都不喜欢“破坏式创新”，谷歌发布的Bard只因一个小失误就牵动了母公司Alphabet的万亿市值，这也正是谷歌一直声称不愿发布LaMDA大模型的理由，害怕会因AI的失误影响自己的商誉。而OpenAI显然不太在乎ChatGPT在公测中会出什么问题，毕竟他发布ChatGPT时只是一家估值200亿美元的独角兽。不过，在这波大模型的追赶赛中，国内大厂的团队也可以说是实力颇强。百度在大模型方面走的最早，百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。文心大模型研发的带头人，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士，是自然语言处理领域权威国际学术组织ACL（Association for Computational Linguistics）的首位华人主席、ACL亚太分会创始主席、ACL Fellow，还是IEEE Fellow、CAAI Fellow及国际欧亚科学院院士。他还兼任中国电子学会、中国中文信息学会、中国工程师联合体副理事长等。目前，王海峰在国内外期刊会议上发表的学术论文有200余篇，获得已授权专利170余项。虽然没有像百度一样公布类ChatGPT产品的发布时间表，但腾讯、阿里和华为分别提出的“混元”、“通义”和“盘古”三个大模型，均已研发了很长时间。据机器学习和自然语言处理著名学者Marek Rei教授在2022年4月发布的统计（2023年的统计尚未发布）显示，2012-2021年中，在ML（Machine Learning，机器学习）和NLP顶级期刊和会议发表论文数量最多的机构是谷歌，微软紧随其后。发文数量最多的中国机构是清华大学，第二是位列第16的腾讯，腾讯也是前32名中唯一的中国互联网厂商。不过，在2021年单年的统计中，阿里和华为也登上此榜，腾讯仍排在较靠前的位置。 Marek Rei发布的2021年ML、NLP顶会、期刊发文量统计目前，腾讯官方并没有公布“混元”大模型研发团队的具体信息。不过，腾讯旗下AI研发团队“腾讯AI Lab”的专家构成，也显示出了腾讯在AI领域的一部分实力。腾讯AI Lab由100余位AI科学家和超过300名应用工程师组成，带头人张正友博士是腾讯首席科学家、腾讯 AI Lab 及 Robotics X 实验室主任，腾讯首位17级研究员、杰出科学家。他在美国斯坦福大学（Stanford University）发布的2022 年度“全球前2%顶尖科学家榜单”（World's Top 2% Scientists 2022）中，排名全球“终身科学影响力排行榜”第1002名，中国排名 Top 10。阿里在LLM领域的研究主要由阿里巴巴达摩院负责，阿里巴巴集团资深副总裁，阿里云智能CTO、达摩院副院长周靖人主导，他是IEEE Fellow，多次担任VLDB，SIGMOD，ICDE等国际顶级会议程序委员会主编、主席，在顶尖国际期刊和会议上发表论文超百篇，并拥有几十项技术专利。华为也未对“类ChatGPT产品”公开表态，但在大模型方面华为亦有“盘古”大模型正在研究。该项目由华为云人工智能领域首席科学家田奇博士领导，他是计算机视觉、多媒体信息检索专家，IEEE Fellow，国际欧亚科学院院士，教育部长江讲座教授，国家自然科学基金海外杰青，中国科学院海外评审专家，在国内多所高校任讲席教授及客座教授。在自己组建团队投入研发的同时，百度、阿里、腾讯、华为等IT大厂，也与中科院计算所自然语言处理研究组、哈尔滨工业大学自然语言处理研究所、中国人民大学高瓴人工智能学院等高校研究有很多的技术合作。 “集中力量办大事”的科研机构数据闭环是大模型研发的关键，用户越多，积累时间越长，就意味着可以用于迭代升级的数据和反馈也就越多。在这方面OpenAI已经利用前两代的开源GPT模型和GPT-3积累了大量数据。ChatGPT虽然才推出了3个月，但用户量和访问量增长速度飞快，这些都为OpenAI在大模型研发方面积累了巨大的先发优势。 “AI大模型如果落后了，就会面临卡脖子的风险。”很多AI专家对此都有担心，由此国内也诞生了一些应对此种局面的非营利性AI科研机构。这些机构多数有高校研究实验室背景加持，以及地方政策支持，人才聚拢能力非常强劲。北京智源人工智能研究院（以下简称“智源研究院”）是科技部和北京市政府共同支持，联合北京人工智能领域优势单位共建的非营利性创新性研发机构。智源研究院理事长张宏江，是美国国家工程院外籍院士，ACM Fellow和IEEE Fellow，同时也是微软亚洲研究院的创始人之一。 2021年，智源研究院发布了1.7万亿参数的超大模型“悟道”的1.0和2.0版本，这项工作由100余位科学家共同打造。其中包括清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）的孙茂松教授，清华大学知识工程研究室（KEG）的唐杰教授，清华大学交互式人工智能课题组（CoAI）的黄民烈教授。目前“悟道”大模型已经与OPPO、好未来、淘宝、搜狗、美团等开展了落地合作。在与美团的合作中，大模型给搜索广告带来了2.7%的收入增长。在南方的科技重镇也有一家相似的研究机构，粤港澳大湾区数字经济研究院（以下简称IDEA研究院），IDEA研究院是由深圳市政府大力支持的AI研究机构。与智源研究院有一个颇有趣的相似之处，IDEA研究院的创始人沈向洋博士同样出身微软亚洲研究院。沈向洋博士是美国国家工程院外籍院士和英国皇家工程院外籍院士，他参与创建了微软亚洲研究院，担任院长兼首席科学家，并曾担任微软公司全球执行副总裁，主管微软全球研究院和人工智能产品线，并负责推动公司中长期总体技术战略及前瞻性研究与开发工作。 IDEA研究院NLP研究中心负责人张家兴博士也来自微软亚洲研究院，他的团队推出的开源模型“太乙”，据称在中文文生图领域可以达到接近Stable Diffusion（一款开源文生图AI模型）的水平。目前IDEA研究院正在持续迭代开发的预训练模型体系“封神榜”，已经开源了6个系列共10个模型，包含4种模型结构，模型参数最大为35亿。其中包括：以Encoder结构为主的双向语言系列模型的二郎神系列；面向医疗领域，拥有35亿参数的余元系列；与追一科技联合开发的新结构大模型周文王系列；以Decoder结构为主的单向语言模型闻仲系列；以Transformer结构为主的编解码语言模型，主要解决通用任务的大模型燃灯系列；以及主要面向各种纠错任务的比干系列。 2月20日晚，复旦大学自然语言处理实验室对媒体宣传邱锡鹏教授团队发布了“国内第一个对话式大型语言模型MOSS”，并在公开平台（https://moss.fastnlp.top/），邀请公众参与内测。然而就在外界都等着看MOSS表现如何惊艳之时。MOSS的内测网站却挂出了一则道歉公告。目前MOSS的测试网站已经挂出了停止服务的公告。一位AI大模型专家对虎嗅表示，“邱锡鹏的实验室学术研究的氛围很浓。虽然这次的MOSS很少有人得到体验机会，但是从后边的公告来看，有可能是在工程优化，并发处理等方面的准备还没有那么充分。” 在近期举行的2023年世界人工智能开发者先锋大会上，邱锡鹏教授公开表示，如果优化顺利，MOSS计划在2023年3月底开源。虽然，没能成功抢发“国产ChatGPT”，但AI业内人士对邱锡鹏教授团队仍然给出了肯定的评价，“邱锡鹏教授的团队比较偏重学术，这和早期的OpenAI在科研心态上是有共性的，非营利性的AI研究机构，没有那么多功利的考虑。” 创业公司都有“大佬”背书 AI技术属于计算机科学，虽然计算机技术已发展多年，但AI仍属于前沿科技，对LLM以及其他通用大模型的研究更是兴起不久，仍然需要依靠应用数据，持续迭代升级，不管MOSS是不是因为工程经验绊了跟头，要在AI、大模型这些领域实现突破，能推广到市场中，接地气的技术和产品才是王道。事实上，目前国内AI行业活跃的实验室大多已开始尝试商业化，在市场的磨砺中探索大模型未来的出路。深言科技深言科技源自清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）。THUNLP由清华大学人工智能研究院常务副院长孙茂松，以及刘洋、刘知远，三位教授带头。实验室在2017年推出的中文诗歌自动生成系统「九歌」则是最有影响的诗歌生成系统之一，「九歌」已经为用户创作了超过3000万首诗词。孙茂松教授领衔研发的CPM模型是智源研究院的大模型「悟道·文源」的前身，也是国内最成熟的中文生成式大模型之一。深言科技的团队也是由CPM模型的部分研发团队成员所组成的，目前该公司产品包括可以根据意思搜索词语的“WantWords反向词典”，以及根据意思查询句子的“WantQuotes据意查句”。智谱AI 智谱AI的前身是清华大学知识工程研究室（KEG），KEG专注研究网络环境下的知识工程，在知识图谱、图神经网络和认知智能领域已发表一系列国际领先的研究成果。2006年，智谱AI就启动了科技信息分析引擎ArnetMiner（以下简称AMiner）的相关研究，先后获得了国际顶级会议SIGKDD的十年最佳论文（Test-of-Time Award）、国家科学进步奖二等奖、北京市发明专利奖一等奖。 2022年8月，由KEG与智谱AI共同研发的千亿级模型参数的大规模中英文预训练语言模型GLM-130B正式发布，其在多个公开评测榜单上超过GPT-3 v1。此外，智谱AI还打造了认知大模型平台（BigModel.ai），形成AIGC产品矩阵，提供智能API服务。聆心智能 2月17日，聆心智能宣布完成由无限基金SEE Fund领投的Pre-A轮融资。聆心智能的底层技术是超拟人大规模语言模型，基于大模型可控、可配置、可信的核心技术优势，聆心智能推出“AI乌托邦”，该系统允许用户快速定制 AI 角色。聆心智能由清华大学交互式人工智能课题组（CoAI)黄民烈教授支持。CoAI是清华大学朱小燕教授及黄民烈教授领导的实验室。2020年，就已经开源了1200万对话数据和中文对话预训练模型CDial-GPT。黄民烈教授也曾参与了智源研究院的“悟道”大模型研发。西湖心辰西湖心辰背靠西湖大学深度学习实验室，创始人是西湖大学助理教授、博士生导师蓝振忠，主要研究大规模预训练模型的训练与应用。蓝振忠曾在谷歌担任研究科学家，也是轻量化大模型ALBERT的第一作者。西湖大学在人工智能领域的研发实力很强，除了蓝振忠博士的深度学习实验室，西湖大学NLP实验室，在该领域的研究也非常领先。学术带头人张岳博士在Marek Rei教授的顶会、期刊发文量统计中，于2012-2021年期间排名全球第四。 “目前国内LLM领域的创业公司相对IT大厂来说主要有两个优势，技术和数据。”西湖心辰COO俞佳对虎嗅表示，国内大模型创业公司在技术方面普遍已有多年研究经验，构筑了一定的技术壁垒，这是很难短期超越的。同时，由于已经推出了相关产品，“数据飞轮”已经转起来了，这些数据的质量相比互联网数据质量要高很多，能够对产品迭代起到很大支撑作用。对于国内大模型创业公司未来的发展趋势，俞佳认为可能性很多，“有些公司可能会走出自己的道路，也有的公司可能会像OpenAI一样与IT大厂开展深度合作，甚至像DeepMind直接并入其中。” 来源：金色财经
金色财经2023-03-03
又一颗雷被引爆！？Silvergate股价狂泻近50% Coinbase再给出“致命一击”
go
ture Bank承压，该银行也为加密创业公司提供银行服务。该公司股价盘中触及52周低点，最近下跌了近6%。 Coinbase也下跌了约7%。这家加密服务公司在一份声明中表示，该公司对Silvergate的风险敞口很小，并且不再接受、发向或发起于Silvergate的付款。（来源：推特）然而，此举并未对加密货币产生太大影响。比特币和以太币都在平线下徘徊。 Coinbase还表示，他们将通过“其他银行合作伙伴”处理机构客户的现金交易，并正在采取行动，确保客户不受这一变化的影响。“Coinbase对Silvergate的企业敞口很小，”他们补充道。在发给客户的另一封电子邮件中，该交易所列出了将取代Silvergate的主要银行合作伙伴。他们写道:“Coinbase Prime已决定对我们的美元银行合作伙伴做出改变。”“我们正在使用Signature Bank为法定取款和存款提供便利，立即生效。” Cinneamhain Ventures的Adam Cochran在推特上表示，Coinbase的举动可能意味着Silvergate的终结。（来源：推特）
财经风云2023-03-03
一文分析 Aave 营收、支出以及利润等财务状况
 go
人而言，我对独立黑客、个体企业家和自主创业公司的文化着迷，这些公司能够以极高的利润率为核心团队创造巨额利润。相比之下，加密货币业务和协议在货币化模型方面往往相当不明确，首先关注的是技术，而不是商业。这不一定是件坏事——但在当前的宏观经济和融资环境下，加密货币企业需要将注意力重新集中在一件事上：“我们如何赚钱？” 以下是快速总结的要点: Aave 是最大的借贷协议，TVL 为 47 亿美元。包括代币激励排放在内，Aave 没有盈利。 Aave 的金库下降了-88%，从 2021 年第一季度 10.3 亿美元的峰值下降到 2022 年第四季度的 1.1464 亿美元。 AAVE 代币占该协议金库的 80% 以上。根据 LinkedIn 的数据，Aave 雇佣了 117 名员工，预计每年会消耗 1200-1500 万美元。 AAVE：DeFi 货币市场的主宰者 Aave 是一个在以太坊区块链上运行的去中心化金融（DeFi）平台。它使用户能够在不需要中介的情况下借出和借入各种加密资产。使用 Aave，用户在任何时候都可以完全控制他们的资金，并可以访问各种借贷选项。 Aave 的一项独特功能是其“闪电贷” ，它允许用户在很短的时间内无需抵押就可以借入资金。这使得它在套利交易者和寻求构建新的 DeFi 应用程序的开发人员中很受欢迎。 Aave 有一个名为 AAVE 的原生代币，可用于治理和赚取被动收入。通过抵押 AAVE，代币持有者可以赚取 6-7% 的年收益率，以帮助保护协议免受任何流动性危机的影响。这种收益并非没有风险。在坏账累积的情况下，质押的 AAVE 代币最多可削减 30% ?️。总体而言，Aave 已成为业内最受欢迎的 DeFi 协议之一，其锁定的总价值达数十亿美元。到目前为止，Aave 一直保持着 TVL 排名前 10 的 DeFi 协议的地位。它目前的TVL 为 47 亿美元。在 2021 年 10 月达到顶峰时，Aave 的 TVL 曾达到 190 亿美元。资料来源：DeFiLlama AAVE 是如何赚钱的？与许多其他 DeFi 协议一样，Aave 通过在其平台上收取的各种费用来产生收入。这些费用由参与 Aave 平台借贷活动的用户支付。 Aave 收取的费用根据平台上执行的具体活动而有所不同。值得注意的是，Aave 的费用可能会发生变化，并且可能会根据市场条件和其他因素而变化，例如借款人使用的是固定利率还是可变利率。以下是 Aave 收取费用的一些示例：借款费用：向在平台上贷款的借款人收取的费用，通常在 0.01% 到 25% 之间，具体取决于所借资产、贷款价值比和贷款期限。闪电贷手续费：向使用平台“闪电贷”功能的用户收取，允许他们在没有抵押的情况下，在短时间内借入资金。费用通常为借入金额的 0.09%。其他功能费用：在 V3 中，Aave 将提供收取额外费用，例如清算、即时流动性、门户桥等。简而言之，Aave 通过向其服务的用户收取费用来赚取收入。然后将这些收入存入 Aave 社区金库，AAVE 代币持有人有权决定如何使用这些资金。这些是通过在 Aave 的治理论坛上对各种提案进行治理投票来完成的。截至 2023 年 2 月 28 日，Aave 拥有 1.319 亿美元的资金。 Aave 81.7%（或 1.077 亿美元）的资金以 AAVE 代币的形式存在，其余 15.3% 以美元计价的稳定币形式存在。在 2021 年第二季度达到顶峰时，Aave 的金库资金为 10.3 亿美元。资料来源：AAVE 如果我们看下图，Aave 在过去 6 个月中成功地保持了每天约 2 万美元的平均收入。但是，这些数字是最高收入。基本上，如果不了解 Aave 为支付其员工和服务提供商或代币激励，而消耗了多少钱，那么它就不是很有用。资料来源：Token Terminal 员工数量和资金消耗根据 Linkedln 的数据，Aave 拥有117 名员工。其前 5 个“部门”如下所示：工程 - 37 人业务发展 - 22 人财务 - 12 人艺术与设计 - 11 人市场营销 - 9 人让我们创建一个场景来估算 Aave 需要在上述 5 个部门上花费多少钱：工程：在 10 万美元到 20 万美元的范围内，Aave 每年需要支付 370 万美元到 740 万美元。业务发展：在 8 万美元到 12 万美元的范围内，Aave 每年需要 176 万美元到 264 万美元。财务：在 8 万至 12 万美元的情况下，Aave 每年需要支付 96 万至 144 万美元。艺术与设计：在 6 万至 9 万美元的范围内，Aave 每年需要支付 66 万至 99 万美元。市场营销：在 5 万至 8 万美元的范围内，Aave 每年需要支付 45 万至 72 万美元。总的来说，对于上面列出的 5 个部门，Aave 每年需要花费 753 万美元到 1319 万美元。这不包括未包含在计算中的其余 26 名员工。假设平均工资为 8 万美元，AAVE 需要在这些人身上额外花费 208 万美元。将最终总数推高至 953 万美元 - 1527 万美元。此外，来自 Token Terminal 的数据表明，AAVE 在 2022 年花费了1.2467 亿美元用于代币激励，为其资金消耗增加了另一个指标。收益再次感谢 Token Terminal 所做的繁重工作?⛏️ 据报道，在 2022 年，Aave 损失了1.037 亿美元，其中包括用于引导或维持流动性的代币排放支出，这是其服务的一个关键要素。如果我们包括上面计算的额外的 953 万美元 - 1527 万美元的人员资金消耗： Aave 在 2022 年的运营净亏损为 1.1323 亿美元 - 1.1897 亿美元。资料来源：Token Terminal 虽然考虑到 Aave 只剩下 1.2 亿美元至 1.3 亿美元的金库资本，看起来可能非常糟糕，但这一切或许还有一线希望。 Aave 是加密借贷领域事实上的领导者，Compound 是最接近的竞争对手。 Aave 的商业模式仍然可以呈指数级扩展，因为它越来越接近去中心化的货币市场基金，尤其是其即将推出的 GHO 稳定币，它将成为更多创新产品的基石。 Aave 几乎没有触及 DeFi 服务的制度方面，其 Aave Arc KYC 授权池惨遭失败。与 2022 年第四季度相比，Aave 在过去 3 个月的收益呈现出积极趋势，表明该协议在这个熊市中谨慎行事。 Aave 最新一轮融资是 2020 年 10 月的 2500 万美元 B 轮融资。在最坏的情况下，他们仍然可以在未来几年内筹集到 C 轮融资。资料来源：Token Terminal 未来的计划 Aave 于 2023 年 1 月推出了 Version 3（版本 3），重点是提高稳定币和流动性抵押衍生品借贷的资本效率。Aave 还在开发一种名为 GHO 的稳定币，这是一种去中心化的多抵押稳定币，它完全支持、透明且原生于 Aave 协议。目前，它仅在测试网上的 Aave 平台上处于活跃状态，尚未部署到主网上。凭借 GHO 和版本 3，Aave 将自己定位为围绕稳定币和流动性质押衍生品的借贷市场的首选。基本上，随着更广泛的加密货币行业转向权益证明（因此获得收益）、流动性质押衍生品和稳定币，该平台将提升和重新质押用户的资产。通过推出自己的稳定币，Aave 扩大了 TAM（总可寻址市场）并进一步巩固了其作为 DeFi 巨头的地位。在全球范围内，货币市场基金持有约 3 万亿美元。接下来做什么：Aave 需要减少其代币激励支出，同时通过自己的稳定币和 LSD 资本效率创造创新产品来保持领先地位。如果没有代币激励，考虑到其员工人数和其他运营成本，Aave 大致处于盈亏平衡点。只要稍微调整一下顶线或底线，协议就应该是有利可图的。我们预测 Aave 的最终形式将更接近于一个去中心化的货币市场巨头。来源：金色财经
金色财经2023-03-02
不论谁赢了ChatGPT大战英伟达都是最后的赢家
 go
iOS。因此，大语言模型也就成为大厂和创业公司的必争之地。无论是「造」出这样一个大模型，还是运行这样一个大模型，都需要极大的算力，需要成千上万个 GPU。据报道，OpenAI 用了 10000 个英伟达的 GPU 来训练 ChatGPT。花旗集团估计，ChatGPT 的使用可能会在 12 个月内为英伟达带来 30 亿至 110 亿美元的销售额。此前，《中国电子报》采访业内人士表示，「大模型技术涉及 AI 开发、推理、训练的方方面面，所谓模型的『大』主要是参数量大、计算量大，需要更大体量的数据和更高的算力支撑。对于 GPU 厂商来说，大模型是值得期待的算力红利，尤其是通用性极强的英伟达」。全球来看，大算力芯片领域主要有两个玩家，英伟达和 AMD，从市占率来说，英伟达远超 AMD。根据 John Peddie Research 的数据，英伟达占据了 GPU 市场约 86% 的份额。这也就不难理解，在炙手可热的生成式 AI 浪潮下，英伟达被视为最大的潜在赢家。从财报上看，这波生成式 AI 对于英伟达的需求主要反映在数据中心业务。事实上，2023 整个财年的四个季度，数据中心已经替代了英伟达起家的支柱业务——游戏，成为第一大业务。 2022 财年第 4 季度——2023 财年第 4 季度，英伟达各个板块的营收 | 截图来源：Nvidia 2023 财年，数据中心总收入增长了 41%，达到创纪录的 150.1 亿美元。仅就第四季度而言，数据中心收入为 36.2 亿美元，贡献了英伟达全公司收入的 60% 左右。数据中心增长的基本盘来自于新一代旗舰产品 H100 的出货量持续走高、云的渗透率持续增长、以及超大规模客户扩大了 AI 布局。就 H100 而言，其收入在第二季度就已经远远高于 A100，后者的营收份额连续下降。据悉，H100 在训练方面比 A100 快 9 倍，在基于 Transformer 的大型语言模型推理方面比 A100 快 30 倍。同时，英伟达正在为越来越多的、快速增长的云服务商（Cloud Service Providers，简称 CSP）提供服务，包括甲骨文和一些专注于 GPU 的云服务提供商（GPU specialized CSPs）。在过去的 4 个季度中，CSP 客户贡献了数据中心收入的 40% 左右。下一步：AI 即服务财报电话会上，老黄透露了英伟达的新动向——AI 企业级服务上云。尽管更多信息会在十几天后的 GTC 大会上才宣布，但英伟达正与领先的云服务商合作提供 AI 即服务（AI-as-a-service），让企业可以访问英伟达的 AI 平台。据官方消息，客户将能够把 NVIDIA AI 的每一层（包括 AI 超级计算机、加速库软件或预训练的生成式 AI 模型等）作为云服务来使用。老黄阐述道，「技术突破的积累使 AI 到了一个拐点。生成式 AI 的多功能性和能力引发了世界各地企业开发和部署 AI 战略的紧迫感。然而，AI 超级计算机基础设施、模型算法、数据处理和训练技术仍然是大多数人无法克服的障碍。」基于这样的行业痛点，英伟达商业模式的下一个层次是：帮助每个企业客户都能使用 AI。客户使用自己的浏览器，就可以通过 NVIDIA DGX Cloud 来使用 NVIDIA DGX AI 超级计算机，该服务已经在 Oracle Cloud Infrastructure 上可用，预计不久后也将在 Microsoft Azure、Google Cloud 和其他平台上线。在 AI 平台软件层，客户将能够访问 NVIDIA AI Enterprise，以训练和部署大型语言模型或其他 AI 工作负载。而在 AI 模型即服务层，英伟达将向希望为其业务建立专有生成式 AI 模型和服务的企业客户提供 NeMo 和 BioNeMo 可定制 AI 模型。就其市场前景，黄仁勋认为，ChatGPT 让人们意识到计算机编程的民主化，几乎任何人都可以用人类语言向机器解释要执行的特定任务。因此，全世界 AI 基础设施的数量将会增长，「你会看到这些 AI 工厂无处不在」。人工智能的生产将会像制造业一样，在未来，几乎每个公司都会以智能的形式生产软件产品。数据进来了，只做一件事，利用这些数据产生一个新的更新模型。他进一步解释了 AI 工厂，「当原材料进入时，建筑或基础设施就会启动，然后一些改进的东西就会出现，这是非常有价值的，这就是所谓的工厂。所以我希望在世界各地看到 AI 的工厂。其中一些将托管在云中。其中一些将是本地的。会有一些很大，有些会非常大，然后会有一些更小。所以我完全期待这会发生。」事实上，老黄关于 AI 工厂愿景正在发生，上个月，他在公开演讲中声称，自从 ChatGPT 出现以来，可能已经有大约 500 家新创业公司开发出令人愉快的、有用的 AI 应用程序。基于这一前景，英伟达对数据中心的未来充满信心。CFO Cress 表示，通过新的产品周期、生成式 AI 以及人工智能在各个行业的持续采用，数据中心部门将持续实现增长。她说：「除了与每个主要的超大规模云服务商合作外，我们还与许多消费互联网公司、企业和初创企业合作。这一机会意义重大，推动数据中心的强劲增长，并将在今年加速增长。」汽车向上，游戏向下除了数据中心，英伟达其他的业务板块——游戏、汽车、专业视觉等，本季度的表现则有好有坏。其中，车用业务表现亮眼。财年总收入增长 60%，达到创纪录的 9.03 亿美元。第四季度收入创下 2.94 亿美元的纪录，较去年同期增长 135%，较上一季度增长 17%。无论是环比还是同比，车用业务均持续增长。根据英伟达，这些增长反映了自动驾驶解决方案的销售增长，面向电动汽车制造商的计算解决方案以及 AI 座舱解决方案的销售强劲。电动汽车和传统 OEM 客户的新项目助推了这一增长。值得注意的是，在今年 1 月初举行的 CES 大会上，英伟达宣布与富士康建立战略合作伙伴关系，共同开发基于 NVIDIA DRIVE Orin 和 DRIVE Hyperion 的自动驾驶汽车平台。相比之下，游戏业务依然深处泥潭之中。过去几个季度，RTX 4080 销售疲软、视频游戏行业下滑、加密货币市场疲软、以及去库存压力等因素，让英伟达的游戏业务持续低迷，尤其第三季度，游戏业务营收同比暴跌 51%。但就像 CFO Cress 所言，「最低点可能已经过去，而且事情可以改善前进。」第四季度，英伟达游戏营收为 18.3 亿美元，同比下降 46%，环比增长 16%，整个财年收入下降 27%。该季度和财年的同比下降反映了销售减少，背后是全球宏观经济低迷和中国放开疫情管控对游戏需求的影响。但环比三季度，英伟达的游戏业务还是取得了一定增长。这是由于受到基于 Ada Lovelace 架构的新 GeForce RTX GPU 的推出推动。黄仁勋也肯定了这一看法，他说：「游戏业正在从新冠肺炎疫情后的低迷中复苏，而且玩家们热烈欢迎使用 AI 神经渲染的 Ada 架构 GPU。」近日，游戏行业一个复苏的好迹象是：动视暴雪（Activision Blizzard）在第四季度实现了营收正增长，超出了预期。但仍要警惕——动视暴雪在 PC 和主机上销售游戏，而只有 PC 销售与英伟达相关，主机制造商使用 AMD 显卡。此外，在财报发布的前一天，英伟达宣布与微软签订了一项为期 10 年的协议，将 Xbox PC 游戏阵容引入 GeForce NOW，包括《我的世界（Minecraft）》、《光环（Halo）》和《微软模拟飞行（Microsoft Flight Simulator）》。待微软完成收购动视之后，GeForce NOW 将新增《使命召唤（Call of Duty）》和《守望先锋（Overwatch）》等游戏。除了游戏业务之外，专业视觉和 OEM 这两个部门的业务也较上一年有大幅下降。从中可以看出：半导体市场正在经历罕见的下行周期。专业视觉业务第四季度收入为 2.26 亿美元，较去年同期下降 65%，较上一季度增长 13%。财年总收入下降 27% 至 15.4 亿美元。该季度和财年同比下降反映了向合作伙伴销售较少以帮助减少渠道库存。环比增长是由台式工作站 GPU 推动的。 OEM 和其他收入同比下降 56%，环比增长 15%。财年收入下降 61%。该季度和财年同比下降是由笔记本 OEM 和加密货币挖掘处理器（CMP）推动的。在财年 2023 中，CMP 收入微不足道，而在财年 2022 中为 5.5 亿美元。风口上的赢家，为什么又是英伟达英伟达 30 年的发展史可以分为两段。从 1993 年到 2006 年，英伟达的目标是在竞争激烈的图形卡市场中存活下来，并创造了 GPU 这一革命性的技术；从 2006 年到 2023 年的转型，则主要是如何利用 CUDA 这一平台，将 GPU 应用于机器学习、深度学习、云计算等领域。后者让英伟达走上人工智能之旅，今天市值已经超过老牌霸主英特尔和 AMD，也是在今天生成式 AI 热潮下，英伟达再次站上风口的前提。在 2019 年的一次主题演讲中，黄仁勋分享了英伟达一次次重溯行业的缘起——找到了真正重要的问题并坚持。他说：「这使我们能够一次又一次地发明、重塑我们的公司、重溯我们的行业。我们发明了 GPU。我们发明了编程着色。是我们让电子游戏变得如此美丽。我们发明了 CUDA，它将 GPU 变成了虚拟现实的模拟器。」回到英伟达的起点。当时 Windows 3.1 刚刚问世，个人电脑革命才刚刚要开始。英伟达想要能找到一种方法让 3D 图形消费化、民主化，让大量的人能够接触到这项技术，从而创造一个当时不存在的全新行业——电子游戏。他们认为，如果做成，就有可能成为世界上最重要的技术公司之一。原因在于：三维图形主要表现为对现实的模拟，对世界的模拟相当复杂，如果知道如何创建难辨真假的虚拟现实，在所做的一切中模拟物理定律，并将人工智能引入其中，这一定是世界上最大的计算挑战之一。它沿途衍生的技术，可以解决惊人的问题。最有代表性的案例，就是通过 CUDA 等方案为计算、人工智能等带来了革新性影响，也让它在这一波生成式 AI 浪潮中处于最佳生态位。尽管 GPU 作为计算设备的发现经常被认为有助于引领围绕深度学习的「寒武纪大爆炸」，但 GPU 并不是单独工作的。英伟达内外的专家都强调，如果英伟达在 2006 年没有将 CUDA 计算平台添加到组合中，深度学习革命就不会发生。 CUDA（Compute Unified Device Architecture）计算平台是英伟达于 2006 年推出的软件和中间件堆栈，其通用的并行计算架构能够使得 GPU 解决复杂的计算问题。通过 CUDA，研究人员可以编程和访问 GPU 实现的计算能力和极致并行性。而在英伟达发布 CUDA 之前，对 GPU 进行编程是一个漫长而艰巨的编码过程，需要编写大量的低级机器代码。使用免费的 CUDA，研究人员可以在在英伟达的硬件上更快、更便宜地开发他们的深度学习模型。 CUDA 的发明起源于可程式化 GPU 的想法。英伟达认为，为了创造一个美好的世界，第一件要做的事情就是先模拟它，而这些物理定律的模拟是个超级电脑负责的问题，是科学运算的问题，因此，关键在于：怎么把一个超级电脑才能解决的问题缩小、并放进一台正常电脑的大小，让你能先模拟它，然后再产生画面。这让英伟达走向了可程式化 GPU，这是个无比巨大的赌注。彼时，英伟达花了三四年时间研发 CUDA，最后却发现所有产品的成本都不得不上升近一倍，而在当时也并不能给客户带来价值，客户显然不愿意买单。若要让市场接受，英伟达只能提高成本，但不提高售价。黄仁勋认为，这是计算架构的事情，必须要让每一台电脑都能跑才能让开发者对这种架构有兴趣。因此，他继续坚持，并最终打造出了 CUDA。但在那段时间，英伟达的利润「摧毁性」地下降，股票掉到了 1.5 美元，并持续低迷了大约 5 年，直到橡树岭国家实验室选择了英伟达的 GPU 来建造公用超级电脑。接着，全世界的研究人员开始采用 CUDA 这项技术，一项接着一项的应用，一个接着一个的科学领域，从分子动力学、计算物理学、天体物理学、粒子物理学、高能物理学……这些不同的科学领域开始采用 CUDA。两年前，诺贝尔物理学奖和化学奖得主，也都是因为有 CUDA 的帮助才得以完成自己的研究。当然，CUDA 也为英伟达的游戏提供了动力，因为虚拟世界里和现实世界的流体力学是一样的，像是粒子物理学的爆炸、建筑物的崩塌效果，和英伟达在科学运算中观察到的是一样的，都是基于同样的物理法则。然而，CUDA 发布后的前六年里，英伟达并未「全力投入」AI，直到 AlexNet 神经网络的出现。在即将到来的 GTC 大会上，黄仁勋邀请了 OpenAI 联创兼首席科学家 Ilya Sutskever，而 Sutskever 见证了英伟达这段在人工智能领域崛起的故事。 Sutskever 与 Alex Krizhevsky 及其博士生导师 Geoffrey Hinton 一起创建了 AlexNet，这是计算机视觉领域开创性的神经网络，在 2012 年 10 月赢得了 ImageNet 竞赛。获奖论文表明该模型实现了前所未有的图像识别精度，直接导致了此后十年里人工智能的主要成功故事——从 Google Photos、Google Translate 和 Uber 到 Alexa 和 AlphaFold 的一切。根据 Hinton 的说法，如果没有英伟达，AlexNet 就不会出现。得益于数千个计算核心支持的并行处理能力，英伟达的 GPU 被证明是运行深度学习算法的完美选择。Hinton 甚至在一次演讲上告诉在场的近千名研究人员都应该购买 GPU，因为 GPU 将成为机器学习的未来。在 2016 年接受福布斯采访时，黄仁勋说自己一直都知道英伟达图形芯片的潜力不止于为最新的视频游戏提供动力，但他没想到会转向深度学习。事实上，英伟达的深度神经网络 GPU 的成功是「一个奇怪的幸运巧合」，一位名叫 Sara Hooker 的作者在 2020 年发表的文章「硬件彩票」探讨了各种硬件工具成功和失败的原因。她说，英伟达的成功就像「中了彩票」，这在很大程度上取决于「硬件方面的进展与建模方面的进展之间的正确对齐时刻」。这种变化几乎是瞬间发生的。「一夜之间，需要 13000 个 CPU 的工作两个 GPU 就解决了」她说。「这就是它的戏剧性。」然而，英伟达并不同意这种说法，并表示，从 2000 年代中期开始英伟达就意识到 GPU 加速神经网络的潜力，即使他们不知道人工智能将成为最重要的市场。在 AlexNet 诞生的几年后，英伟达的客户开始购买大量 GPU 用于深度学习，当时，Rob Fergus（现任 DeepMind 研究科学家）甚至告诉英伟达应用深度学习研究副总裁 Bryan Catanzaro，「有多少机器学习研究人员花时间为 GPU 编写内核，这太疯狂了——你真的应该研究一下」。黄仁勋逐渐意识到 AI 是这家公司的未来，英伟达随即将把一切赌注押在 AI 身上。于是，在 2014 年的 GTC 主题演讲中，人工智能成为焦点，黄仁勋表示，机器学习是「当今高性能计算领域最激动人心的应用之一」。「其中一个已经取得令人兴奋的突破、巨大的突破、神奇的突破的领域是一个叫做深度神经网络的领域。」黄仁勋在会上说道。此后，英伟达加快布局 AI 技术，再也不只是一家 GPU 计算公司，逐渐建立了一个强大的生态系统，包括芯片、相关硬件以及一整套针对其芯片和系统进行优化的软件和开发系统。这些最好的硬件和软件组合平台，可以最有效地生成 AI。可以说，GPU + CUDA 改变了 AI 的游戏规则。中信证券分析师许英博在一档播客节目中评价道：英伟达一直在做一件非常聪明的事情，就是软硬一体。在 GPU 硬件半导体的基础上，它衍生出来了基于通用计算要用的 CUDA。这促成了英伟达拿到了软件和硬件的双重规模效应。在硬件端，因为它是图形和计算的统一架构，它的通用性保证了它有规模性，而规模性摊薄了它的研发成本，所以硬件上本身通过规模性可以拿到一个比较优势的研发成本。在软件端，因为它有庞大的开发者的生态，而这些宝贵的软件开发人员，即便是这些软件开发人员换了一个公司，但他可能还是在继续用 CUDA 的软件。主要参考文献： 1）《ChatGPT 火了，英伟达笑了》——中国电子报 2）Nvidia: The GPU Company (1993-2006) 3）Nvidia: The Machine Learning Company (2006-2022) 4）NVIDIA CEO Jensen Huang - AI Keynote Session at MSOE 5）Jensen Huang Q&A: Why Moore』s Law is dead, but the metaverse will still happen 6）How Nvidia dominated AI—and plans to keep it that way as generative AI explodes 7）中信证券许英博：从英伟达看国产 GPU 的挑战与前景 - 小宇宙 - 创业内幕来源：金色财经
金色财经2023-03-02
金色观察 | Mechanism Capital合伙人：百万市场时代从巴扎到DEX
go
个中心化资本市场会崩溃，但我担心的是，创业公司缺乏颠覆和挑战现状的信念。太昂贵、太官僚，而且技术上无法克服。幸运的是，百万市场时代已经到来。加密网络就像互联网对出版商的影响一样，区块链帮助人们来到一个新世界，在这里一个新市场的边际成本接近于零。我想在下文具体引用以太坊为例，因为它包含了诸多理想的区块链属性。“区块链”也可能具有与我们这里所诉的完全相反的属性，所以要警惕冒名顶替者。如果你已熟知这些属性，那么可以跳过本节内容。无需许可以太坊是无需许可的。区块链出售的产品，即其区块内的空间，可以被任何会操作计算机的人使用（甚至这还不够普及）。此外，对于如何使用这个空间没有任何限制。这也许就是我们的行业中欺诈泛滥的原因吧，因为道德权威的缺乏促进了各种形式的逐利（如果有利可图，就会发生欺诈）。使用区块链等同于通过一组密码学和数学辅助工具（你可能更熟悉“钱包”一词）自由发表言论。这要追溯到市场的核心原则之一：产权。由于区块链的完全开放性，任何用户，只要他们了解资产的底层基础是什么，都可以对自己拥有资产的能力极其自信。让我们来看一个以房屋价值进行抵押贷款的例子。你计划坚持5%的安全债务价值比。你很可能会找到一家愿意发放这笔贷款的银行，但你不能肯定你最终会获得这笔贷款。有很多问题会让贷款发放过程复杂化，比如银行要确保你没有在不披露的情况下以你的房子为抵押申请其他贷款。除此之外，只有在银行允许的情况下，某些市场参与者才能获得贷款（即：只有当你是有信用记录的美国公民时）。不用说，你不可能“未经许可”地获得这笔贷款，即使这样是完全可行的。对比来看，假设你想用你的以太币（以太坊网络的原生商品货币）贷款。你找到一个像Aave这样的去中心化借贷市场，并创建一笔交易（在你的本地计算机上），将以太币存入Aave智能合约。然后进行另一笔交易，以USDC等稳定币的形式借入该以太币价值的5%。你不需要了解区块链的内部运作原理，但你知道获得贷款的整个供应链完全都是经你自主决定的，不需要任何第三方来批准交易。虽然经过许可的系统可以在以太坊上构建（以太坊是一个完全可编程的计算机），但要注意的一点是，用户可以在自由和开放的市场中选择使用他们所需的系统的无许可版本。这也适用于支付和交易等其他市场活动。以现金为基础的经济所具有的无需许可的特性又回来了，而且数字形式的无需许可更是呈现出数量级式的优越性，正是因为信息流的增加。不可篡改以太坊是不可篡改的。这意味着区块链的状态，即管理网络经济的余额和合同代码的存储，在今天、明天以及未来都是可靠的信息，只要观察者拥有必要的知识或软件以进行本地密码验证。实际上，这意味着以太坊的终端用户可以放心，只要不访问他们账户的私钥，就不会发生任何涉及他们资产的交易。这种水平的保障在过去是不可能实现的。复式记账法（发明于几百年前，有助于促进现代市场的到来）不像以太坊那样不可篡改。例如，一个有动机的第三方可以在复式记账法系统中篡改双方的账本，从整个复式记账法对社会的价值来看，这样做几乎不冒任何风险。另一方面，以太坊是一个过度反应的信息链。试图改变其中的一个bit，就会破坏链的其余状态。这就像自燃一样——根据物理定律，这是必然会发生的。这意味着为了让你能“篡改”一个不属于你自己的账户的状态，你必须在光天化日之下说服整个网络，让全网络都相信你所做的是正确的。这就像是伪造公司的资产负债表，而全世界都在直播你的一举一动。你会被抓个现行，而每个人都会坚持你没有触碰到的那个现实版本。去中心化以太坊是去中心化的。为了使它具有上述属性，它并不需要依赖于任何人或群体。相反，协议的定义是整个系统中唯一必要的信任，是经成千上万的参与者明确（以及数百万用户默默）同意的。鉴于严格的工程和数学分析，以及多年的运营确保了数十亿美元的价值这些事实，对协议定义良好的假设让人不难接受。通过极度去中心化（通过运行网络的各方的分布程度来衡量），以太坊具有可信的中立性。这意味着任何用户都可以放心地知道，他们使用网络不存在结构缺陷，并且还可以获得无需许可和不可篡改的益处。区块链经济的市场结构如今区块链上的市场结构在很多方面都是拟物化的，模仿传统市场的结构，这表明区块链技术还很年轻。这类似于最初的报刊网站，一开始只是单纯地扫描报刊文字，然后才演变成我们今天所见的数字文章形式。在基于区块链的去中心化市场中，主要的创新之处有点对池撮合、可组合的流动性、开放的前端、可分叉的协议、全天候的正常运行时间和最大可提取价值（MEV）。这些创新都是因为上节提到的区块链的三个属性。这些创新意味着，像以太坊这样的经济体中的市场结构是紧密相连的，并且作为系统中的资本功能变得更加高效。让我们首先看一下这些创新的基本原理，然后尝试将它们与香农的信息论联系起来，描绘其发展路径。 Peer-to-pool（点对池）比特币通过引入点对点数字现金的概念，开启了加密革命。这是指区块链的无需许可特性，使支付功能类似于使用实物现金进行支付的方式。随着去中心化金融（DeFi）出现在以太坊上提供了全套补充支付的金融服务，人们发现，为交易和借贷等金融行为提供对手方服务的需求可以汇集在一起，这也是由于区块链的无需许可特性。在点对池模型中，用户自己与资本池交互，利用管理资本池的规则来执行他们想要的操作。例如，将以太币（ETH）交易兑换为USDC这样的稳定币与传统资本市场操作不同，在传统的资本市场中，双方必须达成一致才能执行交易。而在点对池模型中，有ETH和USDC池让交易员可以存入ETH并提取USDC，这些池的存在是因为有其他用户被激励赚取费用。交易价格由一段代码控制，也就是以太坊区块链上的一个公正的智能合约，并且是完全无需许可的。为了有更细致入微的了解，我们应该认识到两点事实。首先，点对池市场结构的兴起很大程度上是由于以太坊等区块链要求的过高交易费用。在智能合约区块链的早期版本中，点对点的交易和借贷模式成本高昂。其次，传统资本市场确实有称为做市商和基金的资本池。这些通常是独立的实体，为交易提供交易对手方，解决交易发生所需的巧合问题。不过，这些实体距离点对池系统的无需许可特性还有很长的路要走。无需许可的链上市场使竞争环境更加公平、可及。此外，它们还通过可组合性刺激创新，也就是接下来我们要探讨的内容。可组合的流动性 “代币化”作为区块链上资产的标准形式兴起，是因为将资产表示为代币的成本几乎为零，类似于通过互联网分发软件的成本几乎为零。这确实支持了我们的市场成本正在崩溃的观点。但由于它与可组合的流动性有关，代表市场中流动性份额的代币可以以与流动性所代表的代币相同的形式创建。这有点拗口，但从本质上讲，通过代币代表的资产同质性意味着金融市场的命脉——流动性——可以像资产本身一样容易量化和表示。这意味着什么？可组合的流动性意味着在金融原语（如借贷和交易）方面进行创新是无需许可和无成本的。这对我们的观点至关重要，因为新市场可以利用现有的流动性资产，而不需要原始市场或基础市场的任何合约安排。可组合的流动性通过使底层资产透明来优化信息流、扩张产权并对流动性持有者做出加密安全承诺。例如，货币市场中的贷款人收到一枚代币以代表他们的贷款头寸。第三方市场在没有获得第一市场许可的情况下，可以利用贷款人的衍生资产（代表其贷款份额的代币）来实现进一步目标，例如提供固定的贷款利率。开放的前端以太坊上的经济是完全透明的。任何能连接互联网的人都可以查看任一账户、交易和合约代码。这为用户与区块链的交互及查看区块链带来了一种有趣的方式。在传统金融系统中，没经许可的一方不可以访问数据，没有办法发送交易。实际上，这意味着用户与他们的账户交互并进行交易的界面可以完全商品化，一个显著的例子就是数字钱包。虽然前端之间在实践中仍然存在竞争，但确实做到了向用户的保证：万一他们首选的前端停机了，以太坊上的整个金融系统仍然可以随时被访问（通过许多其他可以快速启动的前端）。这可以被视为区块链无需许可特性的一部分。可分叉的协议在软件领域，基础设施历来是一条护城河，这意味着竞争对手必须重新构建底层组件才能创建类似的软件。例如，在以太坊这样的智能合约环境中，代表金融市场的智能合约可以几乎零成本复制和“重新部署”。这将把DeFi中的护城河推至存储在协议中的实际价值，以及协议代币实例的分布。当涉及到以太坊等区块链上市场协议的繁殖时，可分叉的协议具有头号嫌疑，大多数协议只是出于任何预期目的重新部署的与原始市场相同的一组合约。重要的是，分叉和重新部署协议的成本通常非常低，相对于传统市场，说是零成本也不为过。最大可提取价值（MEV）要理解区块链市场结构，特别是以太坊的市场结构，最后一部分内容是MEV概念。MEV具有高度动态性，其最新理论变化发展迅速。尽管如此，仍有一些永恒的品质值得探索，因为其与市场繁殖息息相关。首先，什么是MEV？MEV是由专门的第三方从经济中提取的价值，这些第三方持续观察经济系统的状态，并执行策略性操作以利用市场低效。MEV不应该被认为像以太坊一样是经济系统运作的“必要”组件，也不应该被认为是可有可无的东西。它一直都在那里，整体上既不算好也不算坏。在某种程度上，这只是市场社会诞生以来无形市场力量的数字表现。惠特利牧师（Reverend Whately）也许会说MEV是上帝存在的证据。如果没有MEV搜寻者努力提取价值（只要是净正回报，哪怕是极微小的价值他们都不会放过），许多DeFi市场就不会像现在这样有效运作。这使得链上市场的价格和流动性能够准确反映在区块链之外，改善了市场信息流，就像在中心化交易所一样。就比如，一个MEV搜寻者在货币市场上清算一个不稳定的抵押品头寸。在这种情况下，搜索器利用了借贷协议需要从过度扩张的借款人那里回收资金的低效。这种“优良MEV”并不总是如此。回头看约翰·萨顿（John Sutton）的证券交易所，产生并泄露的价格信息是一种负外部性，“不良MEV”类别也是如此。在某些情况下，通常是在定价方面，MEV从链上市场中提取价值，这可能会使用户体验变得更差而不是更好（即在交易中获得更低的价格）。举个例子：由于MEV搜索器从某交易员的交易参数和基础市场的低效中提取价值，该交易员获得了更低的资产价格。这可能会使一些市场结构的效率低于中心化市场。虽然有很多充满希望的想法来减少不良MEV，但缺乏具体的定义使其成为一个难以解决的问题。链上市场结构将必须与区块链自身的升级齐头并进，以最大限度地减少不良MEV，同时最大限度地增加优良MEV。百万市场最后，我们可以把一切联系起来。有上百万个市场正在崛起，其中有些令人赞叹，有些毫无用处。构成市场的三种动态因素是信息流、产权和承诺。从这个角度来看，相对于建立在加密轨道上的市场，传统市场缺少持续增长的动力，加密市场表现出无需许可、不可篡改和去中心化的特性。这些新市场通过点对池的撮合和分叉的能力实现高熵流，通过可组合的流动性和开放的前端来维护产权，并通过MEV实现信息流的大众化。它们永远在线，向世界各地的人做出同样的承诺。这让我们回到信息论，如何通过信道容量和熵来证明加密轨道上的市场从长远来看是更合适的市场呢？信道容量突出了去中心化市场的优势。在一个中心化的市场中，决策是由少数个人或机构做出的，他们可能有有限的带宽和处理能力来处理和传输信息（通常在特定的营业时间内）。这可能导致信息流瓶颈、延迟和误差，并可能限制市场的整体信道容量。而另一方面，在一个去中心化的市场中，决策权分配给大量独立的参与者，每个参与者都有自己的带宽和处理能力，有一个全天候可用的结算层。这些对带宽的无限制证明，从长远来看，去中心化市场的信道容量将更大。就熵而言，中心化的决策再次受到少数参与者或机构的约束，这些人可能观点受限并带有偏见。这可能导致一个低熵市场，因为在上述熵公式中，当p(i)项接近1时，就会导致熵的崩溃。另一方面，在去中心化的市场中，决策权分配给大量参与者，每个参与者都有自己的观点和动机。这可能会导致一个高熵市场，因为任何行动或元素（无论你想如何构建）的概率都非常低，而且很难预测。随着多样性和复杂性的增加，将有助于确保市场从长期来看更具弹性和适应性。为了见证所有这些都可应用于现实而非停留于理论，我们来看一些数据点并推断潜在的趋势。首先，我们来研究现有流动性池的数量。一个流动性池，虽然只是Uniswap（一个流行的DEX，即去中心化交易所）等更大协议的一部分，但在技术上可以被视为一个独立的市场。再加上这些池的代码很容易分叉，计算现有市场的数量可以让我们对为什么会出现上百万个市场有一个方向性的认识。仅Uniswap池就已经代表了超10万个链上市场，尽管其中有很多市场是多余的，因为它们使用的是ETH或USDC等基础货币。尽管如此，这一增长清楚地表明，新市场的创建将是一个多年趋势，这也支持了百万市场论。如果我们在不同的区块链上添加其他协议，市场数量将超过100万，但信号要嘈杂得多，因为这些市场往往持有较少价值。 Uniswap分叉情况如何？我们知道Uniswap代码已经经过了实战测试，重新部署只会产生链上合约创建成本，这是可管理的，我们将在下文详述。在撰写本文时，有数据估计（我使用的是DeFiLlama数据）Uniswap协议的分叉数量大概是400个。这需要获取智能合约代码，并对其进行逐字重新部署或进行微小更改。正如我们在上图中看到的那样，每一个分叉都带来了成千上万个市场机会。考虑到Uniswap最近的协议是在过去几年才出现的，数百个分叉的涌现是这种去中心化市场带来的市场结构先进性的最有力证明。作为一个额外的数据点，Compound协议（用于借贷的货币市场协议）至少有76个跟踪分叉。当然，还有成千上百个分支，其确切的代码几乎没有相关性，因此不值得分类和跟踪。鉴于我们对去中心化市场在熵和信道容量方面所具优势的了解，这些分叉提供了额外的保证，确保这些属性只会在像以太坊这样的加密网络上的去中心化市场上强劲增长。由于产权是这些系统中长期信任的支柱，一个重要的例子就是最流行协议前端数量的丰富性。最流行的“DeFi原语”往往是相当简单的链上智能合约。因为这种简单性，第三方开发人员可以相对容易地创建他们自己的前端与合约代码进行接口（请参阅前文“开放的前端”部分内容）。事实上，可以肯定的是，一些用户使用如Uniswap等去中心化市场，没有现有的前端网站，而是直接使用命令行界面。这使得估计现有前端数量操作起来非常困难，因为在公共区块链上几乎没有识别信息可以获取相关数字。尽管如此，我们知道“DEX聚合平台”的存在，它们只是第三方协议，提供了一个与DEX（如Uniswap）接口的前端。由于有聚合平台通过Uniswap发送订单，因此很容易看清“开放的前端在运行”这一原理，因为像1inch、Matcha、Metamask、Zerion等聚合平台对涉及Uniswap市场的交易负有验证（无需许可的）责任。第三，MEV，无论是好是坏，都可以被视为系统中真实价值的代表。如果价值不是真实的就没有多少价值可提取，对吧？有多少独特的搜寻者从经济体系的状态中获利？他们总共赚了多少钱？通过追踪最常见的MEV类别，我们得到了这个数字的下限，大约为7亿美元：最后，为什么加密网络对市场来说是更好的底层基础？建立一个新市场的成本是多少？随着时间的推移，这些协议的接受率是多少？如果一段不可变代码的接受率呈下降趋势，也许最重要的市场就会变成某种公共产品。在传统金融市场中，费用可以通过监管优势来维持，而区块链上良好的市场基础设施无法承担不公平的费用。当我们将过去两年的协议费用视作效率函数时，这一点就很明显了：虽然从收益的角度来看，这对协议来说是个坏消息，但它突出了百万市场原理：这是一个自由、开放的市场，因此会受到这些力量的影响。最终，终端用户将受益于那些看起来更接近公共产品且最终相互独立的市场。在部署成本方面，在以太坊的主网上部署Uniswap市场（在撰写本文时参考最昂贵的环境进行计算）需要花费约20美元ETH，但在像Arbitrum One这样的第2层上进行部署，则只需花费约0.10美元。在像Polygon PoS这样的侧链上部署，成本是0.06美元。这些数字可能会有很大波动，但与传统证券交易所所需的数百万美元前期资本相比，简直不值一提。由于这些市场的标准化（即流动性池惯例），进入这些市场所需的许多基础设施已然可用，通常不需要终端市场花时间进行任何设置。在分叉的情况下，可能需要创建一个简单的网站来刺激前端的使用，就是这样。建立在加密轨道上的上百万个市场即将到来，数据应该会让这一点变得更加明显。但不太明显的是，这将对我们的社会产生什么影响。正如我之前所说的，围绕去中心化市场的历史先例告诉我们，我们可能会享受到更强大的金融体系、自由状态下的产权保障以及数字市场的高效带来的好处。那之后，人类将面临新的需要解决的问题，但鉴于加密网络的强大基础，我坚信加密网络有能力解锁经济潜力，我看到了当下正在创建的巨大的重要性和价值。我希望本文的数据和观点能够让其他人也有相同的期盼，努力希望理想的区块链属性出现在我们未来的加密网络中。现在该怎么办？现在，不断涌现的新市场协议对我来说更有意义了。事后看来，技术周期和趋势往往都被过度低估了。我们把历史的随机路径放在一个盒子里，把事物的状态合理化，认为这是以前事物发展的明显结果。但当你身处变革之中，战场上的迷雾是浓厚的。最好的想法总是一度看起来无比疯狂。在本文，我们试图穿过迷雾，理解区块链作为一种技术对市场的真正贡献。自然，未知的未知仍然存在。在资本市场这个复杂的系统中，促成结果的先验因素往往被掩盖。虽然建立在加密轨道上的市场具有奇妙的属性，但仅凭这一点并不能为我们提供明确地理解未来所需的所有先验因素。风险仍然存在于人类行为的不确定性中。毕竟，我们使用新技术的方式与技术本身一样重要，甚至更加重要。我希望看到这些新市场走出前沿，进入主流。貌似一定会如此。参考文献 https://en.wikipedia.org/wiki/Marketplace https://www.britannica.com/topic/market/The-historical-development-of-markets https://www.investopedia.com/ask/answers/020615/what-history-market-economy.asp https://mirror.xyz/alkimiya-protocol.eth/PbTyQ3JnVtGq54fLjDr9toMLliWX_HMox9PQCFkZvsw https://www.econlib.org/library/Enc/bios/Hayek.html https://defillama.com/forks/Uniswap https://explore.flashbots.net https://messari.io https://dune.com “Reinventing The Bazaar – A Natural History of Markets” by John McMillian “The Company: A Short History of a Revolutionary Idea” by John Micklethwait and Adrian Wooldridge “Engines That Move Markets: Technology Investing from Railroads to the Internet and Beyond” by Alasdair Nairn 来源：金色财经
金色财经2023-03-02
早期项目分享：新叙事值得关注
 go
2018-至今：一家人工智能解决方案创业公司（印度）-完成900万美元A轮融资。机器学习工程师：Anish R. 伊利诺伊大学香槟分校计算机科学学士学位。分析: Sword_AI 还没有dapp和ai机器人，只是有官网，属于画饼阶段。合约开源，未审计，有一定风险。募资20 eth，才3w u，属于高风险高收益的小盘子。如果要参与的别投入太多资金，小玩博取高赔率。 2. @JustBetOfficial $WINR 3月6日在@CamelotDEX公开发售 JustBet 是一个去中心化du场，建立在@WINRProtocol 这个分布式博彩流动性协议。两者的结合创造了一个无需信任的du场。告别中间商、KYC 和摆脱 BS。去中心化du场是23年的一个新叙事，并持续升温。为什么持有他们的令牌 $WINR 可以抵押以从du场产生的费用中赚取 RealYield。协议收入的 45% 分配给 $WINR 质押者，而 @JustBetOfficial 使用 15% 的费用回购 [$WINR]此外，还有 $vWINR & $WLP 。相比roul,agc，dice等已经上线的去中心化du场代币，双币令牌更具生命力。另外 $WINR 和之前camlot 的factor，trove ido不一样，$WINR 有硬顶，一级参与有更高的获利机会。在加密行业你想抓住下一波牛市机会你得有一个优质圈子，大家就能抱团取暖，保持洞察力想抱团取暖，或者有疑惑的，欢迎加入我们感谢阅读，喜欢的朋友可以点个赞关注哦，我们下期再见！来源：金色财经
金色财经2023-03-01
MWC移动技术展览会展示新手机、AI和元宇宙
 go
答后，该公司不得不匆忙进行修复。　　创业公司将展示他们自己的人工智能聊天技术:D-ID将展示他们怪异的“数字人类”化身，而Botslovers表示，他们的服务承诺“将人类从无聊的任务中解放出来”。　　不仅仅是智能手机　　随着智能手机时代的蓬勃发展，MWC在此前10年取得了长足发展，设备制造商通过推出炫目的产品来争夺关注。如今，智能手机的创新已经进入了一个平台期，越来越多的公司开始以其他方式推出手机。　　展会上的注意力集中在5G的潜在用途上。5G是下一代超快无线技术，有望在智能手机之外开启一波创新浪潮，比如自动化工厂、无人驾驶汽车和智能城市。　　伍德说:“手机仍将是MWC的热门话题，但它们已经成为一个成熟的、迭代的、几乎无聊的类别。”“唯一令人兴奋的将是大量的可折叠设计和原型，但这些高端产品的实际市场规模尚不清楚。” 　　新设备的发布将由一系列不太知名的中国品牌主导，比如一加（OnePlus）、中兴通讯（ZTE）和荣耀（Honor），它们希望从市场领导者苹果（Apple）和三星（Samsung）那里夺取市场份额。
金融界2023-02-28
区块链动态2023年2月27日早参考
 go
公司成为一家能够在世界舞台上竞争的全球创业公司。据悉，BitFlyer于2014年由加纳裕三和他在高盛的前老板创立。2018年，日本金融厅指出了该公司内部控制系统的缺陷，对其下发了业务改进命令。因此当时加纳裕三辞去总裁一职，负责管理。目前加纳裕三拥有BitFlyer 40%的股份。此前金色财经报道，新加坡私募股权基金ACA Group放弃收购日本交易所BitFlyer。（彭博社） 15. 金色财经报道，Coinbase L2网络Base在社交媒体推称，将纪念NFT免费铸造时间延长一星期。此前报道，Coinbase 2月23日发布L2网络Base，并为这一事件推出纪念NFT“Base,Introduced”，该NFT总量无上限。 16. 2月27日消息，Arbitrum生态收益指数协议Arbitrove发推表示，将在12小时内上线质押功能，TROVE持有者可以在Arbitrove应用程序上质押代币来赚取收益并为治理做准备。此前报道，Arbitrove于2月17日在Camelot Launchpad进行公募，募集金额超3000ETH。 17. 2月27日消息，Coinbase协议负责人Jesse Pollack透露，该公司最新推出的以太坊L2网络Base将集成Coinbase自托管钱包和Coinbase dApp钱包两个产品。 Pollack还称，Base与其他以太坊L2不同，因为Coinbase已经拥有一个专属用户群，因此开发人员一开始就能接触到庞大的受众，构建也更容易。另据加密博客主Chris Blec透露，Base将会是一条合规KYC区块链，只有身份通过验证的用户才能获得访问权限，也是世界经济论坛（WEF）央行数字货币计划的一个重要组成部分。（Crypto Slate） 18. 2月27日消息，2月23日，在印尼巴厘岛的2023华为云亚太区合作伙伴领袖峰会期间，由华为云牵头启动了Metaverse & Web3.0联盟，联盟伙伴包括BlockChain Solutions、Polygon、Morpheus Labs等。（白话区块链） 19. 金色财经报道，据Coinbase Assets在社交媒体发布公告，加密货币交易所Coinbase拟于太平洋时间2023年3月4日9:00（北京时间3月5日01:00）离线停机8小时以进行预定的技术系统升级。本次停机影响范围较大，届时Coinbase․com网站和移动应用程序、Coinbase Pro、Coinbase Card、Coinbase Prime、以及Exchange之间的交易和转账都将无法进行。Coinbase钱包转账无法使用，代币发送/接收及交易提交将可继续使用，Coinbase托管或将出现一些延迟，但Coinbase衍生品、Coinbase Cloud和Coinbase NFT不受影响。 20. 2月27日消息，根据2月24日的一份法庭文件，美国德克萨斯州证券委员会和银行部门反对Binance.US与破产的加密货币贷方Voyager Digital之间的拟议交易。根据该文件，Binance.US的服务条款和重组计划包含许多“不充分”的披露，包括没有充分告知无担保债权人，根据该计划，他们可能只能获得24%-26%的追偿，而不是根据第七章获得51%的追偿。文件还指出，该公司的披露声明没有告知账户持有人必须允许“按照币安的要求转移个人敏感信息，然后剥夺账户持有人对可能出现的任何问题的任何法律追索权”。此外，该文件声称该计划“不公平地歧视德克萨斯州的消费者”。由于德克萨斯州不是Binance.US支持的司法管辖区，在协议签署后，该州客户的数字资产将由Voyager持有6个月，在此期间，Binance.US将在该州寻求许可。此前2月23日消息，美SEC反对Binance.US的10亿美元Voyager交易，并指控其出售未注册证券。（Cointelegraph） 21. 2月27日消息，DeFi策略协议Ammalgam宣布于2022年第三季度完成75万美元Pre-seed轮融资，Synthetix创始人KainWarwick、Compound创始人RobertLeshner、Anton、Sergej、Mikhail、TarunChitra、SantiagoRSantos、BodhiVentures、BootNode、MarinVentures、KevinZhou、Factor、ZealCapital等参投。据悉，Ammalgam通过将借贷和交易合并到一个协议中来释放更多的DeFi功能。这种组合构成了收益来源，同时提高了资本效率并为做市商解锁了无限策略。 22. 2月27日消息，Animoca Brands 联合创始人 Yat Siu 表示，创作者版税为 NFT 项目提供了超出其初始销售额的持续收入来源（通常在代币转售时收取 5% 到 10%），但目前为了抢占市场份额，许多公司以牺牲创作者为代价，正在被引入歧途。据悉，Siu 将版税描述为创造者经济的重要组成部分，降低 NFT 空间创作者的版税将侵蚀该空间的现有文化，对数字资产行业的损害大于好处。（ Decrypt ）来源：金色财经
金色财经2023-02-27
AI 赋予文字无限力量：“由文本生成一切”的一年
 go
会觉得一点也不酷，有些人会觉得一般般。创业公司都建立在新的最大的模型上，新闻和学术文章都在赞扬和批评新模型，美国以外的国家也在发展自己的大语言模型参与竞争。 2021年1月，OpenAI 推出了一个名为CLIP的新人工智能模型，它拥有与GPT-3类似的zero-shot能力。CLIP向连接文本和其他形态迈出了一步，它提出了一种简单、优雅的方法来训练图像和文本模型，当有人进行查询时，整个系统可以在可能的标题选择中，把图像与相应的标题相匹配。 DALL-E可能是第一个“善于”从文本产生图像的系统，与CLIP在同一天发布。CLIP在第一代DALL-E中没有使用，但在其后续版本中发挥了重要作用。由于能够根据文字提示生成合理的图像，DALL-E上了多个新闻头条。扩散模型（diffusion model）登场虽然一些人工智能先驱感叹，如果我们想实现“真正的”通用智能，深度学习不是办法，但“文本到图像”模型无疑适合运用深度神经网络的力量。深度学习模型中的一些互补性进展，使得“文本到图像”模型取得了进一步的飞跃：扩散模型被发现，实现了极高的生成图像质量。（参见论文Diffusion Models Beat GANs on Image Synthesis）。 DALL-E 2的发布时间距离DALL-E约一年多，利用扩散模型的技术进步，创造出比DALL-E更逼真的图像。而DALL-E 2的风头很快就被Imagen和Parti抢去——前者使用扩散模型展现了惊艳的水准，后者则摸索出了一种补充性的自回归方法来生成图像。故事并没有到此结束。Midjourney是一个用于图像生成的商业扩散模型，由同名实验室发布。稳定扩散（Stable Diffusion）模型借鉴了对潜在扩散模型的新研究，可以用有限的计算资源进行训练，因为Stability AI公司选择公开该模型及其权重，Stable Diffusion的发布受到了万众瞩目。神经网络架构的创新并不是促成以上改进的唯一原因。雅虎在2015年发布了Yahoo Flickr Creative Commons 100 Million Dataset（YFCC100M），在当时是有史以来最大的公共多媒体数据集合。最近，Large-scale Artificial Intelligence Open Network（LAION）发布的数据集更在规模上令YFCC100M黯然失色。2021年发布的LAION-400M包含4亿个图像-文本对，然后是2022年发布的LAION-5B包含50亿个图像-文本对。值得注意的是，虽然这些数据集能够大规模地训练图像-文本模型，但它们并非没有问题。The Decoder的报告曾发现LAION的数据集包含未经同意发布的病人图像，研究人员也评论说，该数据集的质量并不纯正。如此庞大的数据集必然会有其他的伦理问题出现，OpenReview上的作者和审稿人似乎就这些问题进行了颇有见地的意见交流。从文本到一切！如果人工智能模型可以将文本转换为图像，那么它们可以将文本转换为视频吗？当然可以！10月份，一批从文本到视频的生成软件面市。Meta公司的Make-a-Video可以根据文本和静止图像生成视频，而谷歌大脑的Phenaki可以根据一系列构成故事的提示词生成一个连续视频。也许更有用，或者说更令人担忧的是，这些生成模型也能胜任代码的编写。当用户注意到GPT-3可以写出像样的代码时，GPT-3开始登上新闻头条，声名鹊起。从那时起，代码生成语言模型的能力有了很大的进步。OpenAI的Codex能将自然语言转化为代码，并且许多其他类似的模型也在纷纷效仿。DeepMind的AlphaCode也能以合理的水平解决编程问题。这些技术进步彼此追赶的速度令人印象深刻，正如Kevin Roose等人所评论的那样：“AI的发展速度如此惊人，怎么强调都不为过。我刚写完一篇关于AI惊人发展速度的文章，市场上就有了一些重大发布，包括OpenAI的Whisper（语音到文字的转录软件）和文字到视频的生成软件。” 而且AI还可以更进一步：文本也可以转化为其他媒介，包括音频、动作和3D。而且，正如我们的同伴Jacky Liang博士所展示的，语言模型甚至可以根据自然语言指令编写机器人政策代码。看起来生成式AI的可能性是无穷无尽的。我们只是看到了人工智能模型创造力的雏形。我预计，随着越来越强大的模型开发出来，文本将能够指导大量的发明创新。红杉资本最近发布的《生成式AI应用格局》，已经展示了许多不同的细分赛道。在一个特定的生成赛道内，有许多可能性和商业领域可以应用这种类型的生成工具。文本生成不仅可以承担文章的写作，还可以承担平台的后期语言调整；图像生成和文本转3D工具可以为游戏、信息应用和市场营销创造各种工艺品；其他应用提供了生成文档的能力。而且，正如上图所指出的，音乐、音频和生物/化学方面的应用还没有到来。 ChatGPT和更多的“文字到文字” 即使是在“文本到文本”领域，也有海量的事情可以做：最近推出的ChatGPT在互联网上炸开了锅，基本上是因为该模型有能力以对话的形式全面回答问题。你可以要求它为你制定一个简单的锻炼计划，写一个课程大纲，建议你做什么，向你某位哲学家的作品，以及其他很多事情。不够值得注意的是，ChatGPT的知识有严重的局限性。事实上，如果你要求ChatGPT提供关于某个特定主题的更多细节（例如普鲁斯特关于时间性质的想法），它就会开始自己绕圈子——挺符合你对一篇高中生作文的期望。事实上，ChatGPT的存在可能会改变我们对写作技巧的某些方面的理解。 > 也许有理由感到乐观，如果你把这一切放在一边。也许每个学生现在都能立即进入更高的写作层次，每个学生都可以直接进入写作事业的更精细的方面，任何难以模仿的东西都将变得更明显。逗号连接、主谓不一致、冗长的修饰语等令人头痛的机械性问题都不复存在，写作的基础技能已经直接给定了。正如我所提到的，ChatGPT似乎还只能对它所阐述的主题作比较浅层次的描述，无法太深入。它可以写得足够流畅，并给你一些所需要的细节，但如果你能提供它所缺乏的深入分析和深刻理解，它就还不能替代你的工作。文本能超越自己吗？通过在多模态数据集上训练模型，我们可以理解文字、语言中编码的信息如何映射到图像、三维图像和我们周围世界的其他表现形式。“文本到图像”表明，生成的图像可以反映精确的文字描述。但是生成式AI还不能做到尽善尽美，Stable Diffusion模型在其生成的图像中明显存在着赋予人类正确手指数量的问题。但值得注意的是，在“文本到图像”系统中，仅仅通过扩大语言模型就能实现改进。Imagen使用仅在文本上训练的T5编码器（110亿个参数），产生的图像比DALL-E 2更逼真，后者的文本编码器已被训练为产生类似于匹配图像嵌入的文本嵌入。也就是说，将文本转化为其他模态的可能性（我们可以做什么，以及我们用目前的方法能走多远）并不明显。对那些看到真正发展限制的观点，我感同身受：尽管“文本到图像”数据集可以告诉我们这个世界的很多景象，但它们不存在于物质世界中，缺乏像我们一样能够与物体、与其他人类互动的能力，并通过互动从周围世界中收集视觉和非视觉信息。但是显然，有很多事情可以做。谷歌最近的RT-1（变形机器人）展示了如何利用自然语言来解决机器人任务。 “ChatGPT可以为你策划一场主题派对，但它能帮你在派对结束后打扫屋子吗？很可惜不能。我在谷歌机器人的朋友刚刚公布了RT-1，一款带有眼睛、手臂和轮子的变形机器人！” 正如François Chollet在一次采访中向我指出的那样，在“文本到图像”这个领域，神经网络的能力可以大放异彩。我也对潜在的二级应用场景感到兴奋，比如在文本指导下的分子设计和其他并不显而易见的创意。然而，我认为要真正发掘“文本到X”模型的潜能，着实需要有更好的界面：我们需要以更好的方式，向模型表达我们的意思、概念和想法。提示工程作为一门学科出现，可以反映出我们目前与GPT-3等模型的交流方式是低效的。展望未来，我认为在我们使“文本到一切”成为现实的过程中，我们需要解决两个驱动发展的问题： 1. 我们如何构建界面，使我们能够更好地将我们的意图传达给AI模型？ 2. 这些模型能够为我们带来哪些有用的生成结果或行动？但是在实际问题之外，我认为另一个问题更有意思：文本到{文本、图像、视频等}的模型并不完美，但非常好用。在将想法以图像或视频的形式呈现出来这一方面，这些模型远比普通人，甚至是本身颇有艺术造诣的人类要好得多。正如Daniel Herman关于ChatGPT提出的问题：对从事艺术、从事视频制作而言，文本到一切意味着什么？我们是否会进入这样一个时期：艺术的基础知识变得更加商品化，任何人都可以通过不同的媒介，以更精细的艺术手法传递自己的思想？在那里，水彩画的技巧被简化为提示中的文字，剩下的就是人类和AI系统之间的共舞互动？一如既往，我们不应该夸大这些AI系统的能力——它们经常会出现显而易见的错误。但是，当遇到正确的问题时，AI可以表现得很出色，为人类提供更多空间去做更有趣的事情，并追寻写作、艺术的更高层次。而且，除了这些直接的应用之外，“文本到X”模型及其基础技术还有哪些尚待探索的进一步应用？研究人员已经在考虑如何使用NLP模型来预测蛋白质的氨基酸序列，这是预测字母序列的一个明显的应用，离生成文本只有一步之遥。投资者和人工智能报告的作者Nathan Benaich，在我最近与他的谈话中提到，他对最先进的扩散模型如何应用于生物和化学领域感到兴奋。今年是“从文本到一切”的一年，如果说从今年的惊人发展中可以学到什么的话，那就是文本作为一种“发出指令”的媒介，正变得更加强大。你不需要艺术培训，也不需要一套数字艺术软件或绘画工具，也能来把“漂浮的城市”这一想法变成视觉现实。你可以把它说出来或打出来，让它存在。你将用你的文字创造什么？来源：DeFi之道作者：Daniel Bashir 来源：金色财经
金色财经2023-02-26
ChatGPT在一线城市火元宇宙在二三线城市热
 go
观论调在行业中盛传，但是，中小型元宇宙创业公司已经将元宇宙概念在二三线城市落地并迅速展开。由此可见，ChatGPT的这把火还并不能扑灭元宇宙的前路。 01 元宇宙中小公司：业务暂未受影响事实上，发生在一线城市的大厂动荡寒流并未传导到中小型元宇宙公司上。方糖星球是杭州一家专注于元宇宙空间解决方案的公司，其主要业务线之一就是为线上会议提供各种虚拟场所服务。据方糖星球介绍，尽管今年元宇宙行业面临疫情平稳、概念降温等因素的影响，但公司整体的业务量并未受到波及，甚至还有不少客户主动联系洽谈合作。 “大家普遍认为，随着疫情的消退，日常生活回归正轨。在元宇宙打造线上办公空间的需求就会随之退出历史舞台。”不过，令方糖星球没有想到的是，近期对线上办公空间的需求量不降反增。“我们最近接到好几个客户需求，非常明确告诉我们想要做线上办公空间。” 方糖星球对剁主解释道，客户在不同阶段对线上办公空间的诉求也不同。现阶段，客户打造线上办公空间并不仅仅是为了提升效率，而是通过提供更好的虚拟办公体验来提升员工管理质量。 “首先是提升员工的归属感。很多公司的员工构成比较复杂，因此，员工之间的交流和沟通机会也比较少。打造元宇宙虚拟办公空间后，就可以在元宇宙实现随意走动，四处和同事交流。”同时，在方糖星球和一家外企客户的合作中，客户希望通过线上虚拟空间，更快帮助新员工融入，线上线下一起来推动员工互动，这也成为客户的重要诉求。持续的探索不仅发生在元宇宙空间赛道，在VR内容方面同样如此，Pinta Studios就是案例之一。作为一家VR内容创业公司，其重点打造的VR游戏《方寸幻镜》在去年刚刚登陆PICO。Pinta Studios CEO雷峥蒙对剁主坦言，现在跟PICO的对接事宜一切如常，除此之外，其他平台也将会陆续上线《方寸幻镜》。图源：PICO VR微博 “除了VR游戏以外，我们公司还在发力动画电影、VR广告等业务。整体而言，并未受到这次元宇宙退潮言论的冲击。”雷峥蒙认为，这次的舆论影响波及最大的应该是资本市场以及即将在元宇宙领域创业的创业者。因为在虚火褪去之后，他们需要重新考虑是否依然躬身入局。当然，一些用户需求量比较小的元宇宙社交类产品也将会在这轮波动中遭遇到严峻挑战。不过，多位元宇宙行业人士都对剁主表示，元宇宙和AIGC并非二元对立的关系，AIGC的爆火并不意味着元宇宙的发展就会受阻。实际上，元宇宙和AIGC的发展更应该是相辅相成、互相融合。 “在元宇宙细分赛道的分类中，VR/AR是人机交互从二维平面到三维空间的升级；区块链是改变生产关系、从中心化到去中心化；AIGC是解决生产力的问题。这些技术并不是互斥的，他们会共同并行发展最终带我们走向下一个大时代。”VeeR VR联合创始人陈婧姝表示。以虚拟人为例，一位元宇宙领域投资人在接触了ChatGPT后，就在朋友圈兴奋地表示，虚拟人的下一步在AIGC领域最先实现了突破，这将会将虚拟人带入至更受期待的发展前景。同时，在一些元宇宙创业者看来，大厂在元宇宙业务方面的调整并不意味着元宇宙赛道出现了问题，“而是应该思考公司是否适合这个赛道。” 一位VR内容创业者举例解释了这个结论，“比如，短视频爆火的时候，腾讯跟风推出了微视。社交赛道爆火的时候，擅长电商领域的阿里也开始做起了社交。”此前，大厂对元宇宙赛道的相继入局也离不开跟风心理。 “只不过，在大环境不太好的情况下，每个大厂都会去抓自己更有优势的赛道。” 另一位创业者则对剁主表示，元宇宙更像是未来的终极社会形态，最终实现需要长期主义者的坚持，这远比AIGC要难得多。 02 投资方：还会继续看元宇宙赛道但以应用为主纵观2022年，元宇宙称得上是资本眼中少有的风口。根据IT橘子发布的《2022年全球元宇宙投融资报告》，去年，国内元宇宙融资125起，融资总额为127亿，尤其是数字人领域受到了资本狂热追捧。而当时间轴来到2023年，随着ChatGPT的跃进式突破，AIGC领域又成为投资圈的新贵。杭州西湖心辰创始人蓝振忠最近在朋友圈公开拒绝了美团前合伙人王慧文的高价收购意向，并下定决心打造中国的OpenAI；此前，屡次提出上市计划未果的科技公司出门问问，也因旗下的AIGC产品重新回到大众视野。但是，资本对AIGC的疯狂押注并不意味着完全放弃了元宇宙赛道。投资人认为，在一定阶段内，资本总会有一个重点关注方向。当AIGC领域进入稳定发展后，资本可能会将目光再次投向元宇宙。 “我们还是会继续看一些应用层的东西。资本对元宇宙领域冷淡，并不是它本身不行了，而是AIGC太火了。”盛景嘉成董事总经理刘迪表示，他认为，资本依然在持续关注元宇宙在应用层面的突破和创新。 “国内大厂的收缩只是意味在C端对于元宇宙仍然停留在游戏和视频层面，短时间快速上量的消费者教育仍需时日。但不代表在应用软件层面的收缩不前。前期元宇宙大厂的预期和应用发展两者之间存在脱节。” 整体来看，还是元宇宙C端生态没有成熟，并不是说没有投资机会。由于国内在XR设备方面的研发进展并不顺利，迟迟没有找到合适的切口。从投资角度来看，研发瓶颈意味着投资回报周期将会被拉长。因此，资本对元宇宙硬件设备的耐心越来越少。唯一的破局之法被押注在八月份苹果上线的XR设备上。图源：Bloomberg “短期内，应该不会有人投硬件设备，尤其是VR头显。比较靠谱的做法是等今年8月苹果的新产品出来之后再看。可能苹果的新设备出来之后，又会带动一波元宇宙投资热潮。”上述投资人表示。相应地，这意味着硬件设备的公司在融资之路可能会变得艰辛，VR/AR公司的融资神话可能要在2023年被打破。一位业内人士预测，XR将会处于长期增长乏力状态，因为，XR没有“市场肩膀”可站。 “这些年，科技的发展速度影响着大家对XR行业的期待。要不然就是觉得明天会爆发，反之也会觉得即将步入消亡的阶段。虽然很多互联网领域在当下依然可以实现快速成功，但互联网思维并不适合XR行业。即便在Quest推出之后，XR领域也远没有实现真正的从0到1。因此，行业不能将高速增长的期望寄托在现阶段XR行业上。” 03 泛元宇宙项目在二三线城市加速落地与元宇宙赛道退潮的论调截然不同的是，元宇宙的疆域正在从一线城市向外延伸，在新一线、二三线城市加速落地。以超级队长的发展路径为例，目前，超级队长不光在北京、上海等一二线城市进行了布局，更是深入三四线城市，产品终端覆盖了中国超200个城市。其CEO王磊认为，在产业建立起杀手级的内容生态和硬软件专业性能之前盲目对C端进行规模化应用，是一种操之过急的行为。“如果用户只是因为好奇心而买单，那么复购便会是个核心问题。” 近三年，超级队长主要发力B端，“VR设备需要深耕垂直场景，通过解决实际问题找到行业突破口。”在这一思路的指引之下，超级队长选择了泛科普领域，解决展览展示和培训的需求，包括中小学的教育安全课程、党建类红色知识的学习等。在王磊看来，这一领域对应的是普惠性场景，覆盖了学校、党建等场景的需求。“不光大城市有需求，乡村基层同样也有需求。” 王磊介绍，超级队长将多款原创VR内容、自研系统控制、独立硬件开发成一款一体化部署产品，省去冗杂的操作步骤，能快速进入场景，最快实现产品能力的突破。在产品走向二三线乃至更大需求场景时，使用门槛和成本成为影响最终能否落地的重要因素。“体验用户如果很难上手，产品就会失去核心竞争力。”同样，高昂的成本也很难在中小城市实现覆盖。因此，超级队长在产品设计时坚持操作便捷、降低成本的思路，借此实现应用场景的突围。 “目前，以科普为例，十万元以内就能打造小型的学习体验中心，涵盖了近百部标准VR内容，同时支持30人进行体验。” 多位行业人士对剁主表示，2023年，元宇宙将在培训行业、教育行业迎来新的转折点。王磊补充分析，传统的多人被动式培训有物理场景等多种因素的限制，难以进行场景模拟，而这正是VR设备的优势所在，核心要能进入实际场景，解决实际问题，为社会创造价值，这是商业的本质，也是VR赛道的新机遇。除了VR产品，数字人行业也在二三线城市实现了落地应用。在这一方面，无论是一线台还是二线台，都表现出了极强的积极性，将数字人与新闻报道相结合，刷新融媒报道形式。 1月13日，山东广电推出了首个超写实数字主持人——“海蓝”。在制作方面，海蓝结合了当下最先进时域扫描系统、表情捕捉及表情迁移系统和数字人体征数据库等技术，为数字人进行赋能。在此基础之上，海蓝不仅“腹有诗书”，而且还多才多艺，精通琴棋书画，能够轻松驾驭多种报道内容和报道形式。从山东广电释出的消息来看，除了节目报道之外，海蓝还将赋能山东省内的实体企业，将数字人和产业转型实现深度结合。其实，元宇宙项目能够在二三线城市顺利落地延伸，也离不开地方政府的积极助力。王磊就对剁主透露，不少地方政府会主动联系合作。元宇宙是高科技发展的方向和趋势，而这正是各省市想要突出强调的产业概念，借此展现城市的开放和发展。同时，在二十大和“十四五”规划中，数字经济也被多次提起，自上而下形成了驱动力。可以预见的是，各级省市将会在元宇宙方面投入更多的资金，元宇宙和产业的结合也将发展出更多落地方案。来源：“剁椒娱投”（ID：ylwanjia），DeFi之道作者：西西弗不空来源：金色财经
金色财经2023-02-25

上一页
1
•••
63
64
65
66
67
•••
75
下一页

24小时热点

最新话题更多