FX168财经网_全球视野外汇黄金加密货币NFT资讯网

2023年元宇宙与Web3值得关注的发展机遇

放各种资产的流动性，例如：音乐、视频、文学作品和艺术品；专利技术；品牌。数字商品的真正潜力在于它们可以成为生产性资产或实用性物品，而不仅仅是交易泡沫。实现这一目标的一种方法是使用传统的法律体系将知识产权附加到特定的数字商品上。我们将看到更多数字商品/NFT在产权保护的用例。 6.2 文化娱乐文化数字化是行业发展和政策导向的整体趋势，技术和协议层面继续在创作方式和内容本身上刺激文化领域的创新创造。 6.3 数字营销从2022年开年的冬奥吉祥物，到各类品牌与明星的实践，数字藏品在个性化市场营销方向已经得到了广泛应用，但由于后期赋能不足，往往无法形成拥有长久文化价值的商品，在如何从内涵和技术上实现NFT在数字营销中的长期性也是我们关注的方向。长期发展预测以国内元宇宙与Web3的发展为立足点，我们从技术进展、应用方向、监管合规和人才流向几个方面进行方向性的预测。 · 应用方向： 1. 未来3年元宇宙/Web3将出现DAU超过1千万的区域性大规模应用； 2. 数字身份和数字支付将成为元宇宙及Web3的通用中间层；实名制的数字身份使得web3与数字支付的结合成为可能； · 技术方向： 3. Web3赋能的元宇宙游戏将对传统游戏进行整体范式革新，成为创新技术的主要试验场； 4. 更多的面向开发者的基础设施(包括存储、计算和网络等服务)将通过分布式网络实现。 · 监管方向： 5. 以太坊转 POS 后，一定程度上拥抱监管，公链的监管友好型提升，从技术和机制上都将更有利于区块链的合规化经营； 6. 中心化机构监管加剧与行业自律公约的建立，机构逐步恢复对行业的信心。 · 人才情况： 7. 中国香港积极拥抱虚拟资产，大量人才资金从新加坡回流到香港，部分溢出到大陆地区。 2022是艰难跌宕的一年，元宇宙与Web3在本土的落地仍处在探索、磨合、调整、适应和创造的过程中，我们即对去芜存菁的过程保持耐心，也对行业的腾飞怀有信念，为行业共荣而努力！来源：金色财经

金色财经2023-02-01

ChatGPT引爆AI技术新浪潮方正证券：关注NLP头部厂商、内容生产商、AI芯片

机器人；2）编写和调试计算机程序；3）文学、媒体相关领域的创作等；4）教育、考试、回答测试问题。　　ChatGPT是如何实现的，和之前的技术有何不同之处？ChatGPT是基于GPT-3.5架构的大型语言模型并通过强化学习进行训练，而GPT-3.5是OpenAI创建的 GPT-n 系列中的第三代语言预测模型GPT-3的迭代版本。　　ChatGPT和AIGC是什么关系？AIGC（AI Generated Content）即人工智能自动生成内容，被认为是继专业生产内容（PGC）、用户生产内容（UGC）之后的新型内容创作方式，目前主要用在文字、图像、视频、音频、游戏以及虚拟人物等，而 ChatGPT 则属于 AIGC的一个典型应用。　　ChatGPT对于我国AI产业发展的影响？目前我国在自然语言理解及相关AI技术领域处于全球领先水平，国内AI大厂百度、腾讯优图、科大讯飞等都在加大AIGC领域的投入。随着AI技术的快速发展，人工智能技术提供商，特别是NLP头部厂商将率先受益，其中既包括了科大讯飞等独立技术提供商，也包括百度、腾讯、字节等互联网厂商；其次在文字、图片、视频、音乐各领域的内容提供商，也将得益于AI技术驱动下数字内容的快速发展；此外AI芯片供应商也将一定程度受益。目前从受益顺序来看依次为技术提供商、内容供应商、AI芯片供应商。　　相关标的：1）NLP厂商：科大讯飞、拓尔思、海天瑞声、云从科技、商汤科技等；2）内容生产商：视觉中国、中文在线等；3）AI芯片：寒武纪等。　　风险提示：商业化落地不及预期；技术迭代不及预期；行业竞争加剧风险；法律及道德风险。

金融界2023-02-01

微软与OpenAI深入合作，中信证券：持续看好AI产业的发展前景

　　2）具备内容生产场景，如图片创意、文学小说等领域的公司。　　3）在底层算力以及中间环节布局的AI技术公司，例如英伟达、AMD、高通，以及在视觉领域的格灵深瞳等算法类以及数据标注类公司。　　▍风险因素：　　AI核心技术发展不及预期风险；科技领域政策监管持续收紧风险；全球宏观经济复苏不及预期风险；宏观经济波动导致欧美企业IT支出不及预期风险；全球云计算市场发展不及预期风险；企业数据泄露、信息安全风险；行业竞争持续加剧风险等。　　▍投资策略：　　Chatgpt的广泛应用、微软与OpenAI的深入合作等，再次引发市场对人工智能产业化的关注。我们判断，人工智能将继续向兼具经济性与可使用性的方向推演，微软的持续投入验证了AI商用的可能性，chatGPT的诞生亦显示了AI技术的持续突破。我们持续看好AI产业的发展前景，产业有望继续保持“芯片+算力基础设施+AI框架&算法库+应用场景”的稳定产业价值链结构，拥有完整数据闭环结构、良好数据自处理能力的企业有望持续成为产业受益者。

金融界2023-02-01

国产版ChatGPT有望出现人工智能领域迎来投资热潮

tGPT亮世后一炮走红，具备闲聊对话、文学创作、书写代码等功能，发布短短5天后就累积了超过100万用户。今年1月23日，微软宣布向ChatGPT开发者OpenAI追加投资数十亿美元，成为人工智能领域史上最大的投资。　　财通证券认为，ChatGPT模型使得利用人工智能进行内容创作的技术成熟度大幅提升，有望成为新的全行业生产力工具。搜索引擎、文稿创作、艺术设计等行业有望迎来商业模式骤变，全行业“AI+”浪潮已至。　　开源证券分析表示，从微软对ChatGPT的投资和应用来看，高度拟人化的对话问答模式具有更好的交互体验，将进一步加强NLP技术的应用，如人机交互、智能客服、机器翻译、智能写作等。展望未来，随着微软等巨头的入局以及技术的迭代发展，ChatGPT结合搜索、知识图谱等技术，有望进一步拓宽AI应用场景，加速AI商业落地。国内方面，政策环境持续优化，虚拟人、人机交互等场景需求旺盛，有望推动AI技术在金融、政府、医疗等领域加速落地。根据赛迪顾问预计，2030年中国NLP市场规模将超2000亿元，2022-2030年复合增速达36.5％。NLP技术的发展有望撬动更为广阔的AI应用市场，国内AI公司成长前景广阔，推荐科大讯飞、拓尔思，受益标的灵深瞳-U、云从科技-UW等。

金融界2023-01-31

趣头条盘中异动急速跳水9.55%

用户提供定制的信息流。它还推出了移动文学应用程序米读小说，为用户提供广告支持的免费文学。移动文学应用米读小说和米读精简版主要从传统的基于PC的网络文学平台获取内容，这些平台提供许可在米读小说上发布其文学内容，并提供约2,06,000篇关于米读小说的文学作品。该公司主要通过提供广告和营销服务来产生收入。

金融界2023-01-30

中消协公布2022年十大维权舆情热点，雪糕刺客、主播售假问题上榜

家支持建设的知识基础设施工程，知网在中文学术文献信息服务和知识服务市场不断开拓，已成为我国颇具市场影响力的学术文献数字化服务平台。然而，关于平台“店大欺客”的批评声近年来越来越多，“大学生起诉知网设最低充值金额是霸王条款”“知网不向个人提供查重服务被教授起诉”“高校学生集体吐槽收费过高的查重费用”……屡屡引发舆论关注的事件背后，不仅暴露出平台侵犯消费者利益和社会公共利益的问题，更显示出平台阻碍知识传播与科技创新的隐患。　　十、网络游戏停服删档引发虚拟财产侵权争议　　近年来，一些运营不当的网络游戏“停服删档”引发虚拟财产纠纷，导致消费者投诉的事件屡屡引发舆论关注。如2022年2月，手游《云裳羽衣》停止运营引发消费者大量不满，中消协介入后，该游戏运营方中止了停服流程。2022年10月下旬，媒体报道了一起“男子起诉游戏运营商停服案”，该事件中，北京互联网法院判定手游运营商具有过错，应按照玩家充值金额的一定比例进行赔偿。2022年11月下旬，“网易与暴雪停止合作”事件也引发舆论对拥有庞大玩家群体的《魔兽世界》《炉石传说》等游戏可能因“停服”导致消费者权益受损隐患的关注。相关案例中，舆论争议的焦点主要在于大多数游戏在停服后会删除与游戏相关的数据存档，被质疑侵犯游戏玩家的权益。并且，一些游戏运营方提出的补偿措施大多是引流至公司其他游戏的礼包或福利，这又导致消费者质疑所谓的补偿方案是游戏运营商换一种方式“割韭菜”。

金融界2023-01-30

姚前：为什么可以将数据托管在Web3平台？

平台，以许可证的形式开放共享，其中包含文学艺术、开放教育、科学研究等领域的视频或音频作品。基于许可证的作品托管及分享模式，较为有效地解决了创作者权利保护与知识开放共享之间的矛盾，本文提出的数据托管思路也与之不谋而合。但值得担忧的是，由于作品的托管机构中包括了Google、YouTube这类商业平台，其商业逐利性很可能最终会偏离知识开放共享的初衷。有鉴于此，为了避免可能的商业利益冲突，数据托管的较好方案是：要么将数据托管在可信的非营利性公共机构，要么将数据托管在基于可信技术的Web3.0平台。前一个思路已有相似案例。2001年成立的美国科学公共图书馆（Public Library of Science，PLOS）是一家非营利性机构，其宗旨就是促进全球科学期刊开放共享。20多年来，PLOS组织了许多有影响力的期刊开放共享。研究人员可在经过同行严格评审后在PLOS上在线公开出版其研究成果，且成果可不受限制地被免费获取。此外，PLOS还将与研究成果相关的基础数据托管存放在专用数据库，同研究文章一起发布，从而确保文章的数据可验证、可复制、可重用，此举有助于促进新的科学研究。总体而言，PLOS打造的交流平台堪称一个可信的数据托管基础设施。后一个思路正在积极探索中。区块链技术在版权确权和维权方面具有独特优势，它可以不依赖特定机构又能有效规避商业利益与公共服务的冲突。目前知识共享正在积极研究如何将知识许可证模式与Web3.0技术融合起来，以便更好地实现知识的自由开放共享。结语数据托管机构作为所有数据主体的受托者，对数据资产进行集中托管，可以有效保证数据安全、数据可控且高效利用。就像前台的股票交易需要后台的股票登记存管一样，数据托管机构刚好承担了大数据交易所的后台基础设施角色，从而与大数据交易所一道，构成了完整的大数据基础设施体系。数据托管机构可以是由相关机构组建的数据托管行业联盟，推动数据共建共享；亦可利用区块链技术，基于联盟链或有管理的公链，实现数据的链上托管、确权、交易、流转与权益分配。哪种方式更好，有待在未来实践中进一步探索验证。来源：金色财经

金色财经2023-01-29

DAOrayaki｜加密中观经济学、第五权利及更有效的DAO

应用于数学领域，后被引申至物理学界、天文学界等。不同版本的“技术奇点”预测便随之而来。技术奇点“1.0版”： 1958年，“技术奇点”这个概念第一次被波兰数学家斯塔尼斯拉夫·乌拉姆（Stanisław Marcin Ulam）提出：“科技迭代的加速与人类生活方式的改变，似乎将把我们的历史进程带往一个重要的‘奇点’，在那之后，人类所熟知的事物将无法延续”，世界将会发生翻天覆地的变化。技术奇点“2.0版”： 1993年，计算机科学家、科幻小说家文奇（Vernor Vinge）在《即将到来的技术奇点》（The Coming technology singularity）一文中写道，“技术奇点”这一时间点的到来将标志着人类时代的终结，而超级智能是“技术奇点”出现的前提，因为新的超级智能（super intelligence）将继续自我升级，并以不可思议的速度取得技术进步。技术奇点“3.0版”： 2005年，奇点大学创始人兼校长、谷歌技术总监雷·库兹韦尔（Ray Kurzweil）在《奇点临近》（The Singularity Is Near）一书中将“技术奇点”的概念再一次调整，也更接近于我们所熟知的概念，并在当时预测技术奇点将会在2045年出现。他认为“技术奇点”是指技术变革迅速而深远的发展将对未来人类生活造成的不可逆转的变化，主要指代人工智能的快速发展。奇点将允许我们超越生物身体和大脑的限制，未来人类和机器之间将没有区别。技术奇点“4.0版”： 2013年，牛津大学人类未来研究所高级研究员桑德伯格（Anders Sandberg）将“技术奇点”的影响范围扩大，他认为“超级智能”未必是必须的，任何新技术都有可能给人类社会带来的根本变化，而这样的技术发展和变化都可以称之为“技术奇点”。 GPT 用户，梦想有一个同伴吗？ 2022 年 11 月 30 日，OpenAI 发布了 ChatGPT，一种会话界面和大型语言模型。对许多人来说，这是一个革命性的时刻。它的输出让人震惊，节省时间并且答案令人信服地真实（当 OpenAI 认为可以安全回答时）。非常了不起的是，你今天在几秒钟内可以通过LLM 得到一个不完美但有效的答案，而这个答案将花费领域专家几分钟的考虑和在线论坛几个小时的辩论。聊天机器人一直是人们渴望的陪伴对象。图灵测试背后的动机可能是想要一个不会打破沉浸感的聊天机器人。仍有待测试的是，作为社会动物的人类是否能通过数字大脑得到增强。我们一起打猎，一起耕种，现在社会可以被描述为工业规模机器的管理人员和操作员的巨大缓冲区，比以往任何时候都更加社会化。人类会优化阻力最小的路径，选择复制或“谷歌”他们可能通过批判性思维和反复失败获得的不同知识。ChatGPT 的出现：学生可能会使用 LLM 为他们写论文，取得好成绩。Stack Overflow 可能会为了个人利益而受到女巫攻击，而观众（程序员）可能会以某种方式遵守 deepfakes 的交响曲。脚本小子可能会提示 ChatGPT 存在恶意软件。LLM 的主流使用是否会削弱我们的生产能力，尤其是在健全、有效和发散性思维方面？奇点之前的最后傀儡师人工智能可以产生的最深远的影响在于人力资本分配的文化。最近的一个观点很好地描述了人们对 ChatGPT 的反应：最高兴的是那些发现机器显然可以胜任书面委托而目瞪口呆的人。到目前为止，一切都在预料之中。如果回看历史会发现，人们通常高估了新的通信技术的短期影响，而严重低估了它们的长期影响。印刷、电影、广播、电视和互联网也是如此。在试图理解AI的影响时，我们试图分离出短期的破坏，以猜测中期和长期的后果。话虽如此，也许通过市场动态来描述这种反弹是一个好方法。AI助手改变了内容创作的稀缺性，从而在某种程度上成为做市商。每当一个众所周知的“精灵”离开“瓶子”时，消费者通过重新定价市场和逐步淘汰次优供应商而获得不对称的利益。反过来，基于AI生产的供应商随着时间的推移，积累了更多的资本。有人可能会争辩说，存在能够负担得起爬取整个互联网以生成训练数据集的公司的寡头垄断。可能只有有限数量的 SaaS 能够负担得起消耗此类资源来生成新颖的 ML 模型。如果基于 ML 的商业变得足够不稳定，那么能够实现和保持 PMF 的人可能会更少。在过去，我们被像HAL 9000、Skynet和Butlerian Jihad这样的心理战术哄骗。许多公司和智能代理在 AI 经济中就稀缺性进行合作。我们现在的资本主义社会产生一个没有负面反馈的技术官僚的可能性有多大，它可以逐步淘汰社会经济阶层，基本原则，如人权/财产权，或加速某种形式的大规模毁灭的可能性? 这听起来可能很陈词滥调，但需要注意的即将到来的拐点将对社会运作方式产生根本性影响。一年后，有人可能会写下关于特定 AI 依赖产品的快速立法或郁金香狂热。在 5-10 年内，将实现对独资经济、现有政府形式和个人自主/消费的清算。“ Megacorp ”模式可能在整个颠覆过程中仍占主导地位，我们可能会发现自己处于“网络状态”，或者更像奥威尔式的状态。这一切都是因为计算机（通过任何方式获得）将编译我们对自然语言的集体使用，以包含当今社会的许多操作和经济功能。无论时间线是什么，这都将是远在“奇点”之前的一个明显拐点。方法与技术 InstructGPT的核心是一群人来策划最好的模仿（也称为通过人类反馈或 RLHF 进行强化学习）。但 InstructGPT 是一个 LLM，有点静态且易于重置。一个提示界面，幕后的模型经过反复训练，以猜测对提示的最简单的奖励反应。 OpenAI 的 RLHF 图解然而，要“完善” NLP 也存在挑战。虽然这些技术极具前景和影响力，并引起了人工智能领域最大研究实验室的关注，但仍然存在明显的局限性。这些模型可以毫无不确定性地输出有害或实际上不准确的文本。这种不完美代表了 RLHF 的长期挑战和动力——在一个固有的人类问题领域中运行意味着永远不会有一条明确的终点线可以跨越，使模型被标记为完整。在使用 RLHF 部署系统时，由于强制性和深思熟虑的人为因素，收集人类偏好数据非常昂贵。RLHF 性能仅与其人工注释的质量一样好，人工注释有两种：人工生成的文本，例如微调 InstructGPT 中的初始 LM，以及模型输出之间的人类偏好标签。生成写得很好的人工文本来回答特定的提示是非常昂贵的，因为它通常需要雇用兼职人员（而不是能够依赖产品用户或众包）。值得庆幸的是，用于训练大多数 RLHF 应用的奖励模型的数据规模（~50k 标记偏好样本）并不那么昂贵。然而，它仍然比学术实验室可能负担得起的成本更高。目前，只有一个基于通用语言模型的 RLHF 大规模数据集（来自Anthropic）和几个较小规模的任务特定数据集（例如来自OpenAI的摘要数据）。RLHF 数据挑战是标注者的偏见。几个人类标注者可能有不同意见，导致了训练数据存在一些潜在差异。 RLHF 可以应用于自然语言处理 (NLP) 之外的机器学习。例如，Deepmind 探索了将其用于多模态代理。同样的挑战适用于这种情况：可扩展强化学习 (RL) 依赖于查询成本低廉的精确奖励函数。当 RL 可以应用时，它已经取得了巨大的成就，创造了可以匹配人类才能分布极值的 AI（Silver 等人，2016 年；Vinyals 等人，2019 年）。然而，对于人们经常参与的许多开放式行为，这种奖励功能并不为人所知。例如，考虑一种日常互动，要求某人“将杯子放在你附近”。对于能够充分评估这种交互的奖励模型，它需要对以自然语言提出请求的多种方式以及满足（或不满足）请求的多种方式具有鲁棒性，同时对不相关的变化因素（杯子的颜色）和语言固有的歧义（什么是“接近”？）不敏感。因此，为了通过 RL 灌输更广泛的专家级能力，我们需要一种方法来生成精确的、可查询的奖励函数，以尊重人类行为的复杂性、可变性和模糊性。除了对奖励函数进行编程之外，一种选择是使用机器学习来构建它们。我们可以要求人类评估情况并提供监督信息以学习奖励函数，而不是尝试预测和正式定义奖励事件。对于人类可以自然、直观、快速地提供此类判断的情况，使用此类学习奖励模型的 RL 可以有效地改进智能体（Christiano 等人，2017 年；Ibarz 等人，2018 年；Stiennon 等人，2020 年；）导致奇点的许多因素有待进一步发展，我们可以比实施它们所花费的时间框架更有把握地确定它们是什么。Chris Lattner从他的 POV中提到了“稀疏门控的专家组合”：简单地描述一下，也许有一个中介可以策划和组合许多“专家”的输入。这为进一步研究提供了广阔的设计空间。也许中间层应该以不同的方式进行选择。如，利用空间数据。一项特别引人入胜的工作是Nethack Learning Environment。就像Twitch Plays Pokemon是可行的，因为 JRPG 是回合制的，输入相对简单，NLE 也是回合制的，只需要键盘输入。此外，它在游戏的不同阶段的多个环境中具有程序生成，使其成为训练 AI 的极其有用的熔炉。根据我自己玩这个游戏的经验，你必须在回合制的基础上策划和组合许多策略。借助 polypiling 和 bones harvesting 等元博弈策略（作弊），AI 可以通过多种方式在逐场游戏的基础上进一步学习。 *拍击界面*“这个 Unicode 可以容纳这么多对象” 如Tesla和Neuralink最近开发的企业级机器学习。工业规模的生产需要工业规模的反馈增强强化学习。Optimus 可能是一个噱头，但它可能比Atlas在过去 9 年中对机器人的改进更多。Neuralink 植入物可能会杀死受试者，但它们会推动极其精确的手术机械和零件的发展。制造业的反馈很好，但卫生部门的需求最大。现在，我们是零售生物传感器的早期采用者。随着时间的推移，同态密码学将使机器学习能够利用大量健康数据。数万年来，我们已经将药物消费众包，但我们如何与人工智能共存仍有待观察，人工智能可以在任意时间跨度内管理任意物质的剂量。与此同时，同态加密因效率问题仍然没有被使用。 Google Brain 刚刚发布了Robotics Transformer-1。在第一个版本中它可能只是一个执行简单任务的手臂，但显然有可能在常见的构建环境中使用更多的标记化操作进行迭代。由于全球经济以货运为中心，与目前全球约6000艘集装箱船相比，如果最终在这样的设施中建造100多艘“零排放”集装箱船，也属于正常。这也将是住房危机中一个巨大的潮流变化，分区条例允许它完全生效。另外，不得不提阿尔伯塔计划， 12 个合理的 AGI 能力发展步骤。 “路线图”一词暗示绘制一条线性路径，即应按顺序采取和通过的一系列步骤。这并非完全错误，但它没有认识到研究的不确定性和机遇。我们在下面概述的步骤具有多重相互依赖性，而不是从头到尾的步骤。路线图建议一种自然的顺序，但在实践中通常会偏离这种顺序。可以通过进入或附加到任何步骤来进行有用的研究。举个例子，我们中的许多人最近在集成架构方面取得了有趣的进展，尽管这些进展只出现在排序的最后一步。首先，让我们尝试全面了解路线图及其基本原理。共有十二个步骤，标题如下： 1. 表示 I：具有给定特征的持续监督学习。2. 表示 II：监督特征发现。3.预测一：连续广义价值函数（GVF）预测学习。4. 控制 I：持续的演员-评论家控制。5. 预测二：平均奖励 GVF 学习。6. 控制 II：持续控制问题。7. 计划 I：平均奖励的计划。8. 原型-AI I：具有连续函数逼近的基于模型的一步强化学习。9. 规划二：搜索控制与探索。10. 原型-AI II：STOMP 进程。11. 原型-AI III：Oak。12. 原型-IA：智能放大。这些步骤从开发用于核心能力（用于表示、预测、规划和控制）的新型算法，发展到将这些算法组合起来，为持续的、基于模型的 AI 生成完整的原型系统。简而言之，从 ANI 到 AGI 再到 ASI 的方法和技术的转折点将是不言自明的。 ChatGPT 的输出 “指数级进步” 上述阿尔伯塔计划是一种理想情况。人类已经很复杂，作为个体使用稀疏神经网络工具；作为团体，具有自组织的、社会学习和环境工程特性。在密码学和分布式（对抗性）计算的最新发展中，人类的自治程度仅可以维持图灵完备的全局状态（历史）。还有一种被称为机械土耳其人的现象。关键是， AI 产品在任意时间跨度内的下降，都会有一个成熟的开发人员生态系统，可以通过协调执行超越现有的水平，并通过同期的 AI 工具和可验证的工作得到增强。这促成了当前的思想实验：我们甚至需要在 The Singularity™ 之前实现每个预测的拐点吗？对于商业化模型训练中的每一项专有改进，都可能有一种可行的方法在公共领域实现。StableDiffusion 已经引发了围绕这一概念的对话。众包在过去十年中已经充分加速（正如 Twitch Plays Pokemon、社交网络和 DAO 所证明的那样），奇点已经是一个转移注意力的问题。正如以太坊扩展解决方案尝试使用像zk-SNARKs这样的密码学为了减少网络的基础设施需求，我们将尝试实施轻量级解决方案，以减少现有大型企业对 AI 进行暴力破解和货币化的需求。事实上，反驳OpenAI 模型最好方法之一是，金融市场和社交网络上类似的社会资本系统在某种程度上是可预测的行为。Twitter 汇总新闻是因为它的用户可以在全球范围内通过合法人物进行广播和放大。随着 COVID 封锁和央行货币政策等全球趋势，成长型股票可能会大幅上涨和下跌。不需要太多想象力就能在很短的时间内想象出一家初创公司，它可以将类似人工智能的PMF表现为一个自我调节、自我编排的社区。可能有数千亿美元的运营成本可以通过现有技术和进一步的业务发展在许多部门中释放出来。在电视剧《西部世界》中，名为 Rehoboam 的人工智能系统通过分析大型数据集来操纵和预测未来，从而对人类事务施加秩序。自工业革命以来，颠覆性创新一再出现在官僚机构之外；今天，它们正在以越来越快的速度发生。近几十年来，公共领域的深度和范围不断扩大，许多技术无论其商业化程度如何都在被迫开源。来源：金色财经

金色财经2023-01-28

港股开盘：恒生指数涨0.21％，微博涨超10％

作，包括但不限于集团购买多部作品（包括文学作品）的版权，并将该等版权用于指定用途（包括但不限于改编、信息网络传播、宣传及发行），而集团同意向晋江原创支付相关交易金额，包括但不限于授权费、采购费及任何利润分成安排所得款项。综合合作框架协议，截至2023年、2024年及2025年12月31日止年度的年度上限为4000万元。　　碧桂园平开，碧桂园在港交所公告，于2023年1月26日，公司（作为借款人）与中国民生银行（2.98, 0.00, 0.00％）股份有限公司香港分行（作为原贷款人）订立融资协议，据此，原贷款人已同意向公司提供最高达5000万美元等值的人民币定期贷款融资，自该贷款获首次提取日起计为期36个月。该贷款所得款项将由公司用于为一般营运资金需要进行融资，包括但不限于为未偿还的债项进行再融资。

金融界2023-01-27

哔哩哔哩-W(09626.HK)与晋江原创订立综合合作框架协议

，包括但不限于该集团购买多部作品(包括文学作品)的版权，并将该等版权用于指定用途(包括但不限于改编、信息网络传播、宣传及发行)，而该集团同意向晋江原创支付相关交易金额，包括但不限于授权费、采购费及任何利润分成安排所得款项。截至2023年1月26日收盘，哔哩哔哩-W(09626.HK)报收于217.2港元，上涨7.95%，换手率9.05%，成交量406.11万股，成交额8.67亿港元。投行对该股的评级以买入为主，近90天内共有30家投行给出买入评级，近90天的目标均价为210.91港元。国盛证券最新一份研报给予哔哩哔哩-W买入评级，目标价272港元。机构评级详情见下表：哔哩哔哩-W港股市值824.77亿港元，在互联网传媒行业中排名第5。主要指标见下表：以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-01-26

24小时热点