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

AI Arena：用AI为电竞赋能
 go
界各地的优秀研究人员竞争，以创造最佳的机器学习（ML）模型，在游戏中战斗。这是由我们的研究人员平台促成的。研究人员将他们的ML模型拖放到平台上，并立即看到一整套指标和分析，与预先设计的基准相对照。这种实时反馈推动了迭代实验的进行。一旦研究人员对其模型的性能感到满意，他们可以进入竞技场，与来自世界各地的研究人员提交的其他模型竞争。研究人员能够获得我们的原生代币，神经元（$NRN），因为他们在全球排行榜上表现出色。在未来，他们将有能力将某些类型的模型直接卖给市场，为游戏竞赛中的NFT提供动力。更多了解： https://aiarena.notion.site/ca1cdbe443ee4d01bf2d923383a3d0a0 游戏比赛在 Meta 竞赛的另一半中，来自世界各地的游戏玩家竞争制定最佳训练策略，以最大限度地提高他们在竞技场中的 NFT 表现。游戏 UI 使休闲用户玩游戏时足够直观，但又足够强大，高级用户可以完全控制特定的训练参数。游戏上手简单，精通难。这是设计使然。与全球玩家群的竞争追求将提升下一代人工智能人才。游戏玩家在攀登全球排行榜时能够赚取 $NRN。$NRN 可以在游戏中以多种方式使用，以巩固竞争优势。游戏玩家还有机会通过合并池赢得新的 NFT，进一步提高他们称霸全球的机会。更多了解： https://docs.aiarena.io/gaming-competition AI Arena 经济系统 Token（$NRN） Neuron ($NRN) 位于 AI Arena 经济系统的核心，有助于协调和调整经济中参与者和利益相关者的激励措施。 $NRN 是一种实用代币，在游戏中充当战略资源。如果使用得当，它有助于最大限度地提高玩家在竞技场中攀登排行榜的机会。有关如何通过博彩竞赛赚取 $NRN 的详细信息，请参见以下部分。更多资讯可以访问官网： https://www.aiarena.io/#/ Crypto ai 世界汇聚全球最新 ai，游戏，元宇宙趋势，带你了解那些改变行业的技术。来源：金色财经
金色财经2023-04-01
互动| 佳华科技：公司在深度学习和机器学习技术领域拥有AI模型82个
 go
练”和“融合时序预测技术”等深度学习和机器学习技术领域拥有AI模型82个。　　主要包括：渣土车识别、烟火场景、扬尘场景、黑烟车场景、河道垃圾场景、工业企业偷排、裸露土地场景、脱硫脱硝能耗优化、危险行为识别、污染动态管控、污染实时风向玫瑰图和污染传输贡献等应用部分场景，主要应用于公共主营的智慧环保、智慧城市及低碳环保、温室气体与大气污染物联防联控等领域。
金融界2023-04-01
《华登国际理财机器人介绍》
go
国际理财机器人的核心算法是基于大数据、机器学习和自然语言处理等技术，可以对金融市场的变化、企业财报、政策变化等各种信息进行快速的分析和判断。同时，它还能够对用户的风险偏好和财务情况进行精准的评估，从而为用户制定最合适的投资方案和建议。华登国际理财机器人的使用非常简便，用户只需要通过手机设备登陆官方网站下载华登国际理财机器人APP，并进行注册等操作，就可以开始使用该工具进行理财投资。用户只需要根据机器人的理财宝方案进行操作即可，同时还可以实时查看投资组合的收益情况和投资进展。华登国际理财机器人在投资理财方面的优势主要有以下几点：首先，它可以根据用户的风险偏好和财务情况进行精准的评估，从而为用户制定最合适的投资方案和建议，避免了用户的投资盲目性和盈亏风险。其次，华登国际理财机器人具有极高的智能化和自动化程度，能够对市场变化和投资风险做出快速的反应和调整，最大程度地降低了用户的投资风险。再次，华登国际理财机器人具有极高的透明度和可控性，用户可以随时查看投资组合的收益情况和投资进展，从而更好地掌握自己的投资情况。华登国际理财机器人AI是一款智能化、便捷化和安全化的理财投资工具，为用户提供了一种更加科学、高效、便捷的个人理财投资方式，有望成为未来理财投资领域的龙头！来源：金色财经
金色财经2023-03-31
万泽股份：在研发生产过程中推进人工智能驱动的数字化转型
 go
用人工智能技术，通过对积累数据进行深度机器学习，持续优化工艺，提高产品质量及可靠性。公司自主研发的一款自设计、制造到服役全寿命周期的材料模拟仿真软件，可以极大提升涡轮盘、叶片的生产效率及成品率，目前该软件已在公司内部和部分主机厂应用。同时，公司在研发及生产过程中推进人工智能驱动的数字化转型发展。（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2023-03-31
技术百科|零数隐私计算平台助力构建数据治理新体系
 go
销等多种业务场景，同时将服务功能模块和机器学习算子进行组件化，用户可结合业务需求进行轻量便捷部署，提升了产品应用的灵活性与便利性，助力企业高效释放数据资产价值，共创数据共享互利生态。据了解，平台的搭建基于同态加密（HE）、混淆电路（GC）、不经意传输（OT）、秘密分享（SS）的MPC原语协议以及隐私求交（PSI）、隐私信息检索（PIR）等安全协议，计算过程各方数据独立输入，并保证除计算结果及其可推导出的信息之外，其过程不泄漏各方隐私数据，最终保障协议的公平性和安全性。除此之外，零数隐私计算平台以联邦学习（FL）、安全多方计算（MPC）等隐私数据保护技术为基础，针对机器学习算法进行定制化的隐私保护改造，保证原始数据不出本地即可完成联合建模，同时支持安全多方 PSI（隐私保护集合求交技术）、安全隐私查询、安全统计分析。通过零数隐私计算，各合作机构既能保障数据安全，又能发挥数据最大价值，很好地解决了业界数据孤岛的难题。 03 零数隐私计算平台产品能力零数隐私计算平台融合了密码学、安全硬件、数据科学、人工智能、计算机工程、经济学、数据安全法等众多领域的跨学科技术体系，包含了多方安全计算、联邦学习、可信执行环境等不同的代表性隐私计算技术。其中典型的技术路线包括：多方安全计算、联邦学习、可信执行环境。多方安全计算：是多个参与方基于密码学技术共同计算一个目标函数，保证每一方仅获取自己的计算结果，无法通过计算过程中的交互数据推测出其他任意一方的输入和输出数据的技术。联邦学习：可以实现在本地数据不出库的情况下，通过对中间加密数据的处理来完成多方对共享模型的机器学习训练；通常情况下，联邦学习需与其它隐私保护计算技术联合使用，才可在计算过程中实现数据保护。可信执行环境：是将软硬件方法构建的安全区域与其他应用和操作系统隔离开，使得操作系统和其他应用无法访问或更改该安全区域中的代码和数据，从而达到保护敏感数据和代码效果的技术；联邦学习可做到个体的自有数据不出本地，联邦系统通过加密机制下的参数交换方式，在不违反数据隐私保护法规的情况下，建立一个虚拟的共有模型。建立虚拟模型时，数据本身不移动，也不会泄露用户隐私或影响数据规范，充分保障了个体隐私信息及数据安全。在联邦学习中，用户的隐私与安全是重中之重。为了保护用户隐私，防止联邦学习应用被恶意方攻击，多方安全计算技术可以在联邦学习中被应用，成为联邦学习技术框架中的一部分。可信任执行环境是一种具有运算和储存功能，并且能提供安全性和完整性保护的独立处理环境。在该环境内的程序和数据，能够得到比操作系统层面更高级别的安全保护。其实现原理是通过软硬件方法，在中央处理器中，构建出一个安全区域，计算过程执行代码 T A 仅在安全区域分界中执行，外部攻击者无法通过常规手段获取和影响安全区的执行代码和逻辑，以此来实现敏感数据的隐私计算。零数隐私计算产品支持机器学习建模、数据加工与策略开发两个核心需求方向。基于机器学习构建联合建模组件库，联合建模过程使用的特征工程、数据预处理、模型训练算法、模型评估等组件，包括数据融合、数据预处理、特征工程、回归算法、分类算法、聚类算法、降维算法、模型报告等。基于数据加工与策略开发构建联合计算算子库，实现四则运算、逻辑运算、统计计算等不同的计算能力算子，满足联合统计、数据加工、策略开发等需求；目前这部分产品功能还未支持，处于预研阶段。另外还支持基于特定场景的隐匿查询、安全匹配等能力。 04 零数隐私计算平台架构零数隐私计算平台在零数科技完整的产品体系中，属于中后端产品，产品研发的目标是打破数据孤岛，实现数据价值的充分流动，同时通过可视化效果呈现给用户，便于用户实际应用上线发布。（1）隐私计算引擎系统：零数隐私计算底层系统支持联邦学习、多方安全计算等引擎。基于联邦学习构建联邦建模组件库，联合建模过程使用的数据预处理、机器学习算法等组件，包括数据融合、数据预处理、特征工程、线性回归、逻辑回归、XGBoost、K-Means、模型报告等；基于多方安全计算构建联合计算算子库，实现四则运算、逻辑运算、统计计算等不同的计算能力算子，满足复杂模型、联合安全统计等能力过程；另外还支持基于特定场景的隐匿查询、安全匹配等能力。（2）隐私计算管理：隐私计算管理提供可视化隐私计算服务管理能力，为客户提供简单易用、成熟可扩展、安全可靠的产品能力，如： a)项目管理：按照隐私计算引擎能力，提供创建、管理隐私计算任务的功能，并提供高度灵活的可视化拖拉拽式任务流程配置管理模块，降低用户使用成本，如：组件式拖拉拽的建模流程； b)调度管理：对配置的任务在执行过程提供调度与监控能力，如：任务参与方调度、任务队列调度、计算资源调度、调度监控、调度统计等； c)服务管理：对配置任务发布的API服务进行管理，包括服务发布服务管理、服务授权、服务使用统计等。（3）数据管理：隐私计算过程使用数据提供管理能力，包括：数据添加、数据发布、数据合作、数据授权使用、数据鉴权、使用统计等能力。（4）平台管理：提供隐私计算平台管理能力，包括： a)系统管理：管理、权限管理、日志管理、通知管理等； b)安全监控：密钥管理、存证管理、审计管理、监管管理、预警管理等； c)报表管理：运营报表、平台驾驶舱等。 05 零数隐私计算平台的落地与应用目前，隐私计算在金融、通信、政务、互联网、医疗等行业中的应用广泛。通过调研分析，隐私计算的应用主要覆盖两类场景：第一类中，传统信息安全技术已被普遍应用，但仍存在安全风险，隐私计算的应用可以进一步提升安全性，称为隐私计算存量优化应用场景；第二类中，传统信息安全技术无法满足应用需求，隐私计算则提供了新的机会，拓展了数据安全流通的应用场景，称为隐私计算增量创新应用场景。以下是零数科技在隐私计算领域的案例展示：基于零数隐私计算平台的信贷预警管理平台金融信贷业务中往往受限于数据不够丰富，在数据可解释性及稳定性、风控模型效果、风险策略等层面面临诸多挑战。因此造成了信息不对称，出现“惜贷、惧贷、恐贷”现象。借助多方安全计算和联邦学习技术，可以在保护用户信息不泄露的前提下，通过查询黑名单或建立联合风控模型，将来自支付应用的消费数据、交通出行数据等更多维度纳入联合风控模型中，从而构建更精准大数据风控模型从贷前、贷中、贷后查询或测算借款自然人的表现。在贷前，通过隐匿查询技术，查询金融机构和征信机构的黑名单，是否包含待借贷用户；也可采用联邦学习，基于金融机构中用户贷款数据、存款数据、转账数据等，银联机构的银行卡支付数据以及电商平台中用户的交易数据等进行建模，从而判断用户是否违约，为是否借贷给用户提供决策依据。在贷中，联合运营商数据，通过有监督多分类模型，得到模型结果，从而预测用户的信用评级，判断贷款表现。在贷后，对金融机构中的用户借贷金额、时间等和电商的交易数据以及银联银行卡支付数据进行建模，通过有监督二分类模型，得到还款能力结果。该信贷预警管理平台可以实现双方/多方数据不出域前提下进行隐匿查询或联合建模，提升模型效果；模型支持一键式部署，且对模型严格加密，避免策略泄露；为金融机构提供了从用户贷前、贷中、贷后全方位的风控方案，提前做好风险应对方案，减少应急成本或管理成本，实现降本增效。此外，为推进数据要素有序化规范化发展，零数科技依托自身区块链及隐私计算专业优势，参与制定了40项国际、国家、团体标准，其中隐私计算与数据流通相关的标准、白皮书、报告有十余项，如隐私计算联盟主导的《隐私计算金融场景标准》、《隐私计算互联网场景标准》，《隐私计算高等教育》等。在行业内得到广泛点赞和高度认可。当前，国际形势动荡，中美关系紧张，当务之急是提升自身实力，数据作为当下最重要的软实力，需要重点被保护起来，中国正在全力保护我国个人、企业、国家的信息数据安全。零数科技作为有责任有担当的企业，正在积极响应国家的号召，持续提升公司在隐私计算方面的投入研究，加速推进产品商业化落地，为中国在信息数据安全保护方面做出有力贡献。来源：金色财经
金色财经2023-03-30
Web3 应该怎样追赶 AI 赛道
 go
有创建任何有意义的基础设施或技术来支持机器学习 (ML)，那么生成式 AI 运动正在 Web2 中发生就不足为奇了。Web3 堆栈围绕分散计算、存储、身份和消息传递等基础组件发展，但很少有人关注 ML 空间。毫不奇怪，所有 ML 突破（例如转换器架构和预训练模型）都没有出现在区块链或 Web3 基础设施中。当 ChatGPT、GPT-4 或 stable diffusion 等模型的发布表明生成 AI 可能达到逃逸速度时，Web3 运动发现自己没有相关基础来支持新的生成 AI 革命。多指数增长和技术差距 Web3 和 Web2 世界之间在生成 AI 能力方面的差距正在迅速扩大。云计算或移动计算等趋势以线性或多项式速率发展，其中新版本通过新特性和功能改进了先前版本。生成式 AI 以多指数级的速度增长。 ChatGPT 或 GPT-4 等模型使用数据和基础设施的基线，这对试图重新创建这些功能的初创公司来说是一个很高的门槛。此外，随着越来越多的人使用这些模型，它们的性能呈指数级增长，并且它们收集了更多可用于预训练未来版本的数据。在这一点上，差距会变得如此之大，以至于无法逾越。目前，Web3 基础设施不具备拥抱生成 AI 的计算、数据或数据科学框架基础。去中心化应用程序 (dapp) 当然可以通过 Web2 API 与模型交互来整合生成 AI 功能，但 Web3 原生生成 AI 的想法目前似乎有点挑战。随着生成式 AI 继续快速发展，Web3 面临的挑战在不同维度上变得显而易见。让我们来看看堆栈的不同级别。平台 AWS、Azure 和谷歌云等云平台正在迅速整合自然语言、图像、视频等领域的生成人工智能功能。生成 AI 模型的计算和数据要求目前似乎超出了 Web3 基础设施的能力。因此，新一代生成式 AI 应用程序将从根本上由 Web2 云平台提供支持，而在 Web3 基础设施中的占用空间很小。如果生成式 AI 实现了它的承诺，这意味着 Web3 平台在采用方面可能会远远落后。应用由于 Web2 平台包含生成人工智能功能，这将为新一代应用程序提供动力，这些应用程序将把生成人工智能作为一等公民。这些新一代应用程序将不成比例地出现在 Web2 中，因为 Web3 堆栈不具备支持生成 AI 功能的能力。当然，我们会看到 dapps 包含由 ChatGPT 等模型提供支持的功能，但显然，这些功能将完全在链下。下一波金融科技多年来，加密和 Web3 技术被视为金融科技现代化的下一个主要趋势。毫无疑问，重点已经转向生成人工智能。大多数金融科技平台更关心的是不被 ChatGPT 等模型支持的更精简的替代方案所破坏，而不是建立数字货币轨道。开发人才围绕生成式 AI 技术的创新水平和 ChatGPT 等技术的流行无疑具有传染性，并且正在吸引寻求构建下一代应用程序的开发人员。生成式 AI 技术的爆炸式增长与加密领域的严重衰退同时发生。结合这两个事件，Web3 空间可能面临开发人员人才流失进入生成 AI 空间的风险。风险投资风险投资是另一个可能从 Web3 转向生成 AI 的领域。2021 年的牛市为 Web3 公司带来了创纪录水平的风险投资，去中心化金融 (DeFi) 和不可替代代币 (NFT) 等运动最终展示了 Web3 承诺的实际应用。2022 年的低迷加上生成 AI 领域的爆炸式增长，已经将 VC 资金流向生成 AI 领域，这也有助于吸引科技行业的顶尖人才。一线希望缺乏强大的机器学习基础使 Web3 无法参与第一波生成式 AI 创新，但这仍然可以解决。鉴于当前的技术状况和挑战，生成人工智能可以在两个明显的领域真正受益于 Web3 架构的原生功能。去中心化的生成式人工智能：人们对知识集中化和对大型生成式人工智能模型的控制有足够的担忧，这为去中心化的替代方案创造了机会。尽管去中心化 AI 趋势从未得到有意义的采用，但生成 AI 正在重新出现围绕去中心化价值主张的对话，以减轻这些模型的控制、偏见、公平和其他所需特征。知识证明：反对采用生成式 AI 的一些最大阻力来自生成有毒、种族主义、有偏见的内容的可能性，以及它们产生幻觉或“编造东西”的倾向。从这个角度来看，在 ChatGPT 等生成式 AI 模型的预训练、微调和使用过程中实施可验证的可追溯性机制，对于在关键任务场景中采用它来说是一项非常重要的能力。这是区块链运行时非常适合将问责制注入生成 AI 模型的场景之一。来源：金色财经
金色财经2023-03-30
跨越牛熊周期的隐士：加密做市商
 go
也采用更加先进的技术手段，如人工智能和机器学习等。 1.1.3 市场规模与竞争环境根据金融业监管机构 FINRA（金融业监管局）的数据，截至 2021 年 9 月，美国注册的合法做市商数量超过 500 家。这些做市商注册在 FINRA，并受其监管。据美国货币总局办公室（OCC）， 2012 年-2018 年美国商业银行控股公司合计交易总收入维持在 500 亿美元左右，尽管以 2018 年为代表的部分年份受二级市场行情拖累，交易收入同比有所下滑，但整体波动较小、呈现成长趋势。2019 年以来银行业交易收入进一步增长， 2019、 2020、 2021 年美国银行控股公司合计总交易收入分别为 751.26、 795.12、 789.46 亿美元。做市商公司的规模或市场份额往往与其在该市场上提供流动性的程度有关，具体来说，做市商的市场份额可以通过以下几个指标进行衡量：交易量占比：做市商在某一市场上的交易量占比，可以反映其在该市场上的交易活跃度和影响力。 ( 2) 报价深度：做市商在某一市场上的报价深度，即其准备进行交易的数量和价格，可以反映其在该市场上提供流动性的程度。 ( 3) 交易效率：做市商在某一市场上的交易效率，即其能够快速、高效地进行交易的能力。总之，做市商的市场份额是一个重要的指标，可以反映其在市场上的交易活跃度、流动性提供能力和交易效率等方面的表现。较为著名的做市商公司有以下几家： Jane Street：总部位于美国纽约市的量化交易公司，成立于 2000 年，主要专注于股票、期货、外汇等领域的交易。 Citadel Securities：总部位于美国芝加哥市的金融公司，成立于 2002 年，是全球最大的做市商之一，主要涉及股票、期货、外汇、债券等领域的交易。 IMC Trading：总部位于荷兰阿姆斯特丹的金融公司，成立于 1989 年，是全球领先的做市商之一，涉及股票、期货、外汇等领域的交易。 Optiver：总部位于荷兰阿姆斯特丹的金融公司，成立于 1986 年，是全球最大的期权做市商之一，也涉及其他领域的交易。 Susquehanna International Group：总部位于美国费城市的金融公司，成立于 1987 年，是全球最大的期权做市商之一，也涉及其他领域的交易。 Jump Trading：总部位于美国伊利诺伊州芝加哥的量化交易公司，成立于 1999 年。该公司致力于运用高级算法和先进的技术来进行交易，以寻找利润机会。Jump Trading 在全球范围内涉及股票、期货、外汇、数字货币等各种市场。 1.2 做市商公司的必要条件建立一家做市商公司需要具备高度的资金实力、技术能力和市场洞察力，同时需要满足金融监管机构的监管要求，且面对竞争激烈的市场环境和高度的风险管理压力，因此难度较高。 1.2.1 了解市场做市商需要深入了解市场规则、流动性、交易品种和交易者的行为模式，以便做出正确的交易决策。他们需要了解市场中的趋势和机会，以便在市场中获得优势。了解市场的方法有以下几个：研究市场信息和数据：做市商需要研究市场的历史和当前的交易数据，以便了解市和价格波动。做市商可以通过使用交易软件或市场数据提供商获取市场信息。跟踪新闻和事件：做市商还需要了解与市场相关的新闻和事件，例如公司财报、政治局势和宏观经济数据等。这些信息可能会对市场价格产生影响，并帮助做市商做出更好的决策。与其他交易者交流：做市商可以通过与其他交易者交流来了解市场情况。例如，他们可以参加交易会议或网络论坛，与其他交易者交流看法和市场动态。借助交易策略和模型：做市商公司可以使用交易策略和模型来预测市场趋势和价格波动。这些模型可能包括技术分析、基本面分析和量化分析等方法。 1.2.2 建立技术平台做市商公司需要一个高效、稳定的技术平台，能够支持实时交易和数据分析。该平台需要包括快速执行交易的算法、高速的数据传输和处理系统、以及安全的交易结算系统。具体来说，做市商公司需要具备以下 5 类技术：交易技术：包括证券、期货、期权等。这些技术包括交易平台的使用、订单管理、风险控制等。数据分析技术：了解市场的行情和趋势。这些技术包括数据挖掘、机器学习、人工智能等。量化交易技术：实现高频交易和快速交易。这些技术包括算法交易、高频交易、程序化交易等。风险管理技术：保证交易的安全和稳定。这些技术包括风险控制、资金管理、市场监测等。软件开发技术：开发和维护交易系统和交易工具。这些技术包括编程语言、数据库管理、软件测试等。 1.2.3 确定资本需求做市商公司需要大量的资本来支持其交易活动。你需要确定需要多少资本才能进入市场，并确定资本来源。以下是如何确定需要多少资本的方法：计算市场流动性需求：市场流动性需求是做市商所必须提供的资金量，以便在市场上进行买入和卖出交易。确定流动性需求的方法包括测算市场交易量、交易频率和持仓量等指标，从而估计出需要投入的资金量。考虑保证金要求：许多交易所和市场要求做市商提供保证金，以确保做市商在市场上的交易活动符合规定。你需要了解市场保证金要求，并且预留足够的资金来满足保证金需求。考虑交易成本：交易成本是指在市场上进行交易所需支付的费用，包括手续费、报价价差、清算费用等。你需要计算交易成本，并且预留足够的资金来覆盖这些成本。考虑市场波动性：市场波动性可能导致做市商遭受亏损。你需要考虑市场波动性，并且预留足够的资金来应对市场风险。综上所述，确定做市商需要多少资本需要考虑多种因素，并且需要根据不同市场的具体情况来进行分析和计算。需要注意的是，资本需求是一个动态的过程，需要根据市场变化和公司业务扩展来不断调整。 1.2.4 实施风险管理做市商需要管理风险，以确保交易的安全性和稳定性。您需要制定风险管理策略，包括交易风险、流动性风险、市场风险和操作风险等。市场风险管理是确保在不利的市场条件下仍能保持交易的正常运行。例如，做市商可以采用对冲策略、杠杆控制和交易限制等措施来管理市场风险。操作风险是为了保证交易过程中不会发生错误或失误。例如，做市商可以建立良好的交易流程和交易规则，并加强内部审计和监控等措施来管理操作风险。技术风险管理是为了确保交易系统的稳定和安全。例如，做市商可以采用备份和恢复策略、网络安全措施和数据加密等措施来管理技术风险。信用风险管理是确保交易过程中不会发生违约或不良资产损失等问题。例如，做市商可以采用信用评估和监控、保证金管理和风险控制等措施来管理信用风险。 1.3 运作模式与做市制度在交易平台上，做市商通过双向报价（买入和卖出）来提供流动性，所以它的运作模式一般包括以下几个步骤：选择标的：根据交易策略、合作模式和风险偏好选择一个或多个市场或者产品，比如股票、期货、外汇等。分析市场：对所选择的市场或者标的进行分析，了解其特点、趋势和变化。并根据分析结果指定相应的策略。提供报价：做市商会根据其交易策略和市场情况提供双向报价，即买入和卖出报价，以提供流动性。接受交易：做市商会接受客户的买入和卖出订单，并根据自己的报价进行交易。在某些情况下，做市商可能会进行对冲以降低风险。风险控制：做市商会对交易风险进行监控和控制，并根据需要进行风险管理和对冲操作。盈利：做市商通过交易差价和手续费等方式盈利，但也存在风险导致亏损的可能性。图 2. 交易平台内做市商运作模式在以上的运作模式下，其实存在两种驱动制度：报价驱动制度与指令驱动制度。报价驱动（Quote driven）制度是由做市商为投资者提供买卖双边报价进行对赌交易，通过报价的更新来引导成交价格发生变化。指令驱动（Order driven）制度又称竞价交易制度，投资者通过网络，把买卖指令传输到交易所，交易所的电脑主机根据时间优先、价格优先的原则，将买卖指令撮合成交，形成连续的成交价格。 1.4 盈利模式做市商的盈利模式通常是从买卖差价中获得利润。做市商会在交易平台上同时报出买入和卖出两个价格，称为“双向报价”。当客户下单后，做市商会即时成交，然后以更高的价格卖出或更低的价格买入同一种证券，从中获得差价利润，这个差价通常称为 Spread 收益或者便利收入（Facilitation revenues）。做市商还可以通过高频交易、对冲、套利等方式进行盈利。其中，高频交易是指使用高速算法和自动化系统进行快速交易的一种交易策略。对冲是指用相反的交易来减少风险，套利则是指利用市场不同的价格来获得利润。除此之外，市商还有一种库存收入（Inventory revenues），库存收入反映做市商持有头寸时证券价值变动带来的损益和股利、利息等持有收益。盈利水平通常取决于市场波动性、流动性和交易规模等因素。在市场稳定和流动性充足的情况下，做市商通常能够获得可观的盈利。做市商的盈利还需要考虑交易成本，做市业务的成本主要包括三方面：买卖证券时支付的经纪佣金、清算费用等交易成本；为做市业务筹集资本的融资成本；为减少持有资产风险敞口而进行对冲带来的成本，以及无法清除的信用风险、交易方风险等风险成本。但由于做市商通常进行大量的交易，他们可以通过规模效应和高效的技术来降低交易成本，并从中获得盈利。 Spread 收益是做市商的主要收益。根据公开数据，大部分做市商的盈利情况相对稳定，但利润率并不高。图 3. 做市商收入和成本账户示意图（来源：Committee on the Global Financial System，平安证券研究所） 1.5 监管和合规要求做市商直接参与到证券市场的流动性和价格形成，其交易策略和行为可能会对市场产生影响，因此需要监管机构对其进行监管。监管可以有效地确保做市商公司遵守交易规则和市场秩序，防范市场操纵和不当交易行为，保障投资者的利益，维护市场的公正、透明和稳定。同时，监管还可以促进做市商公司的合规运营，加强风险管理和信息披露等方面的要求，提高市场的信心和透明度，降低市场波动性，促进市场的健康发展。因此，做市商受到监管的必要性不仅是为了保护投资者的利益，更是为了维护整个市场的健康运行。这里主要考虑在美国的做市商机构受到的监管政策。在美国，做市商公司的监管是相对严格的。这些公司需要严格遵守证券交易委员会（SEC）和金融业监管局（FINRA）的监管要求，并遵守证券法规。此外，做市商公司还需遵守合规和反洗钱等方面的要求。监管机构对做市商公司的交易和业务进行严格的监管，包括对交易系统和算法的审核、对风控制度的检查和对数据保护的要求等。在监管方面，美国证券市场监管体系完善，对违规行为会有相应的处罚措施，因此做市商公司在日常运营中需要高度重视监管合规风险。具体部门和监管法律有以下：美国证券交易委员会（SEC）：负责监管证券市场，包括做市商公司的注册和监管。金融业监管局（FINRA）：负责监管证券经纪人和做市商公司，确保其遵守证券法规。《证券交易法》（Securities Exchange Act）：主要法规，规定了证券市场的运作规则和监管要求。《证券法案》（Securities Act）：规定了证券的注册和发行要求，涉及到做市商的业务。《全国证券市场改革和监管改进法案》（National Securities Markets Improvement Act）：对证券市场的监管进行了全面修订，也对做市商的业务有影响。 1.6 未来发展趋势做市商是一个随着证券市场逐渐成熟而发展起来的赛道，它在金融市场中发挥着重要的作用。随着金融市场的发展，做市商的市场需求还将持续存在。但是，现阶段已经发展较为成熟，市场也渐渐趋于饱和，新的机构很难再挤入这个赛道，所以越来越多的做市商团队以加密市场为其主要布局点。总的来说，做市商赛道长期面临的挑战有以下几个方面：技术风险：随着市场的不断变化，做市商公司需要不断升级和改进其技术架构，确保系统稳定运行，避免技术问题导致的风险和损失。法律风险：做市商公司需要遵守各国的法律法规，包括金融监管、证券法律和知识产权等方面的法律，否则将面临法律制裁和损失。市场风险：市场变化和不确定性将给做市商公司带来风险和挑战，如市场波动、交易量下降、流动性不足等问题，都会影响做市商公司的盈利能力。竞争风险：随着市场竞争的加剧，做市商公司将面临来自其他做市商公司和新兴技术公司的竞争，需要不断提升自身的核心竞争力，保持市场地位和盈利能力。操作风险：做市商公司需要处理大量的交易和数据，需要建立有效的风险管理和内部控制体系，防止内部操作错误或违规行为导致的风险和损失。机遇与挑战并存。随着全球金融市场的不断发展，证券市场交易的复杂性和规模不断扩大，做市商公司将有更多机会通过提供流动性服务和市场制造来参与市场，以此获得更高的利润。并且，在加密市场的快速发展下，做市商公司也可以通过提供加密资产的市场制造服务和流动性提供来获得更多的机会。同时，做市商公司可以通过开发和应用新的技术工具和算法来提高其市场制造能力，更好地适应市场需求，获得更多的市场份额。 2. 加密市场做市商加密行业的做市商与传统金融在本质上没有多大区别，都是为市场提供流动性，快速建仓和平仓，获得买卖价差。但是运作模式、技术、风险管理和监管上却有天壤之别。首先，在市场规模方面，加密市场相对于传统金融市场还比较小，加密行业市商规模也相对较小。其次，加密市场的流动性相对较低，波动较大，做市商需要更加谨慎做好风险管理；然后，在加密市场的做市商团队也称为庄家。因为加密市场的交易过程很难被监管，也没有严格的做市商制度来约束；最后一点是，在技术架构方面，加密行业需要具备更高的技术能力，保证交易的安全性。加密市场的做市商起着重要的作用，包括：为加密市场提供流动性和深度；为市场提供稳定的价格，吸引更多的交易者。可以说做市商是让项目方、交易所、投资人在加密市场上正常运转的关键一环。 2.1 发展历程加密市场做市商的发展可以分为 3 个阶段：初期（2009-2012 年）：随着比特币的诞生，第一批加密货币交易所和做市商开始涌现。这些做市商主要是由个人和小团队组成，旨在提供流动性和交易机会。发展期（2013-2017 年）：随着加密货币市场的不断发展和成熟，越来越多的机构开始关注和介入，加密货币交易所和做市商也逐渐成为各大机构的关注点。这一时期，一些专业的做市商开始出现，并开始提供更加专业化和高效的服务。涌现出的一些代表性公司包括：Cumberland Mining、Jump Trading、DRW Trading 等。这些公司不仅提供做市服务，还提供套利、资产管理等多种服务。巨变期（2018 年至今）： 2018 年的加密货币市场暴跌导致了很多交易所和做市商的倒闭，但同时也为市场带来了一次机遇和洗牌。经过整合和调整，加密货币市场的交易量逐渐恢复，做市商的服务和模式也不断得到优化和升级。同时，随着各国政策和法规的不断出台和完善，加密做市商的监管和合规也逐渐成为了市场的重要趋势。在这个阶段，一些传统金融公司开始涉足加密货币市场，例如 Jane Street、Susquehanna 等。目前，加密做市商的服务不仅局限于交易所，还逐渐扩展到了场外交易和去中心化交易所等领域，为市场的发展和成熟提供了重要的支持和保障。 2.2 加密做市商的运作模式加密做市商的运作模式与传统金融做市商类似，主要是为加密货币市场提供流动性和市场深度，同时从中获取利润。加密做市商通常在多个交易所进行交易，加密做市商的交易通常是自动化的，并且通过 API 接口与交易所进行连接。在市场内，通过自己的资金和算法模型来提供报价，以吸引买方和卖方进行交易。一些加密做市商还会提供场外交易服务，允许大宗交易和定制化交易。由于加密市场的波动性和不确定性，加密做市商需要实时调整自己的市场策略，包括交易规模、报价范围和对冲风险等方面。加密做市流程一般包括以下几个步骤：筛选货币对：选择一组或多组货币对，这通常取决于市场流动性和做市商的交易量能力。报价：制定买入和卖出价格，并将其公布在交易所的交易深度表中。撮合交易：一旦有交易者愿意与做市商的报价相匹配，做市商就会立即撮合交易，完成交易。风险管理：在做市商交易期间，风险管理是非常重要的一步，做市商会使用各种工具和策略来控制自己的风险，例如交易限额、止损订单和对冲等。结算和清算：一旦交易完成，做市商需要进行结算和清算，包括向买家和卖家收取手续费和支付相关税费等。图 4. 加密做市业务运作模式除以上步骤，做市商还需要不断监测市场情况，包括市场流动性、竞争对手的行动以及市场风险等，以便及时调整自己的策略和报价。 2.2.1 做市策略做市策略（market-maker strategy）是一种风险中立（risk-neutral）盘口价差套利策略，属于量化交易策略中的高频交易策略，遵循低买高卖原则。其基本原理是：在盘口的卖一和买一价之间，插入委买单和委卖单，如果插入的两个单子都成交的话，做市商就吃到了买卖单之间的价差，而整个过程结束后，做市商所持有的头寸并没有变化。如果买卖单之间的价差扣除各种交易手续费之后还有盈余，那么该做市商就获得了相应的盈利。常见的做市策略包括价差策略、对冲策略、量化交易策略等。做市策略根据不同的市场，划分为现货做市和期货做市策略。现货做市策略有短期趋势判断、做市、再平衡和主循环四个模块。期货做市策略更为复杂，包括做市时机选择、净头寸处理、锁仓、移仓、对手盘减仓等复杂的逻辑。 2.2.2 场外交易加密做市商提供场外交易服务的方式通常是通过与交易对手方建立联系，与其协商价格和交易细节。具体来说，加密做市商会在交易平台或其他场外渠道上发布其做市价格，等待交易对手方接受并进行交易。此外，加密做市商还可以利用自己的流动性池，在需要时向交易对手方提供实时报价和交易机会，以满足其流动性需求。同时，加密做市商还可以提供交易对手方的清算和结算服务，确保交易的顺利进行和资金安全。 2.3 做市技术门槛加密做市商需要与传统做市商在技术上完全重合，但加密做市商需要掌握更多的技术，最重要的是区块链技术。加密货币交易基于区块链技术，因此加密做市商必须了解区块链技术及其在加密货币交易中的应用，以便理解交易的本质和技术细节。了解交易所和钱包如何与区块链交互，以及如何识别和解决由于网络拥堵或其他问题导致的交易延迟等问题。其次，对于加密行业来说，资产的安全性也是非常重要的。由于加密货币交易存在一定的安全风险，因此加密做市商需要掌握相关的安全技术，以保护交易系统的安全。具体技术包括多重签名技术、冷钱包存储、安全通信协议、交易监测和反欺诈技术、数据备份和恢复技术等。其它技术不限于：数字货币交易所 API：加密做市商需要掌握数字货币交易所 API（应用程序接口），以便与交易所进行连接并获取市场数据，执行交易操作等。数据分析和机器学习：加密货币市场波动较大，因此加密做市商需要具备一定的数据分析能力，包括市场行情的分析、价格走势的预测等。机器学习技术可以帮助做市商更加精准地进行交易决策。社交媒体和网络营销：加密货币市场存在较强的社交化特点，因此加密做市商需要具备一定的社交媒体和网络营销能力，以便与潜在客户进行互动和交流。 2.4 交易所与市商数字货币交易所与做市商团队关系微妙。一些加密交易所可能拥有自己的做市商团队，但也有许多交易所选择与第三方做市商合作。交易所与市商合作有两种形式：直接与加密交易所合作做市商直接与加密交易所进行合作，提供场内做市服务。交易所很多时候会提供一些做市商的计划，需要这些团队配合，并提供交易接口，但这些都属于被动交易的接口，不能主动吃单。要想能主动报价并吃单，只能由交易所内部做，直接或间接地嵌入交易所撮合系统。此时，做市商需要通过 API 接口获取交易所的订单薄和市场深度等信息，然后使用自己的算法和交易策略进行市场定价和交易撮合。交易所需要给市商提供相关的模块接口，通常包括行情数据、下单退单、充值提醒等。间接与加密交易所合作做市商通过其他中介机构或平台与加密交易所进行合作，提供场外做市服务。此时，做市商需要与中介机构或平台进行协商，确定合作方式和合作细节，并通过 API 接口或其他渠道获取交易所的市场信息，然后进行场外交易。需要注意的是，加密交易所并不是必须使用做市商来提供流动性。有些交易所可能采用其它方式来提高流动性，例如使用深度池或订单薄匹配引擎等技术。在与加密交易所合作时，做市商需要与交易所就合作细节、费用分配、交易量等方面进行协商，以确保合作顺利进行并获得可观的收益。同时，做市商需要严格遵守交易所的规则和监管要求，以确保交易的合法合规性。从交易机制分析，交易所内部对接的做市商很大程度上参与了价格决定过程，一定程度上能够抑制妄图操纵币价的人，改善投资者和项目方预期，稳定市场情绪。市商的存在对交易所的流动性起到了促进作用。一个交易所的流动性越高，用户的交易体验越好，用户粘性增强，交易所也就能获得更多的利润，因此交易所愿意给一些专门做市商的人予以返利。在 2017 年、 2018 年左右，大批新的交易所上线，带领了“交易即挖矿”的概念，部分交易所运营的初期甚至根据交易量返现 120% 用于吸引市商参与交易。为了争取更多优秀的市商团队在交易所进行做市，各大交易所都有推出自己的服务方案。首先，交易平台本身需要有更多的服务产品，包括更多现货交易对和期货类型、保值类产品（低利率的借贷服务等）、提供更多的交易策略和算法服务。其次，合理且富有吸引力的返佣比例。最后，交易所的风险管理和信誉是最重要的。这里列举一些交易所的为市商提供的活动。表 1. 各交易所的市商活动从以上活动列表能够看出，Gate 从 2021 年推出全球做市商计划后，不断有做市商大赛的活动来吸引做市团队。同时，也在不断调整做市费率和 GT 持仓。除此之外，为市商也提供一些服务，包括 0 息借贷额度。做市商在现货、期货、期权市场都会参与，而且门槛也是越来越高。相应的，交易所也会在不同的参与市场给予不同的特权。一般情况下，交易所可以在以下项目在中给予市商优惠：手续费折扣杠杆资金出入金额度 API 内部通道机构客户账户/账务体系对于市商来说，手续费是特别关键的，尤其是高频交易过程。当然，在交易所刚成立初期，很大可能会花钱请一些市商做市，尤其是期货、期权。 2.5 项目方与市商图 5. 做市商与参与者关系在加密市场中，项目代币的流动性与产品、团队、运营处于同等重要的位置。项目方和做市商之间的关系主要是通过做市商为项目方提供流动性服务来建立的。项目方，尤其是新项目在 ICO 或者 IEO 阶段，需要做市商团队进行价格管理。做市商起到的作用有 3 点：弥补市场流动性不足的缺点；稳定币价，防止价格过高或过低导致项目失败；市值管理，提高项目的市场认可度。这些工作交给专业的做市商团队，比项目团队自己运作需要的成本更低。由于监管缺失，做市商可以通过在市场上买进和卖出，带动成交量。当然，这种“虚假”成交量可以吸引部分投资者的关注度。项目方会选择一些知名的加密交易所与做市商合作，以获得更好的流动性和更高的市场认可度，这需要项目方向做市商提供一定数量的代币作为初始流通。做市商同意在至少 90% 的合同期限内为订单簿提供活跃的流动性，作为交换，他们可以获得项目总代币供应量的 2-5% 。对于做市商来说，与知名项目方合作可以提高其在市场中的知名度和声誉，有助于吸引更多的交易对进行交易。因此，在加密市场中，项目方和做市商之间的合作关系非常重要。除了提供流动性之外，市商还会为项目方提供额外的服务，包括制定代币价格（尤其是 STG）策略以及帮助团队套现 2.6 加密做市商的盈利模式与传统做市商一样，加密做市商也是通过买卖交易行为的价差获得利润。但是，在加密市场缺乏监管的情况下，这种价差可能会很大，市场波动性大，收益也会更加不稳定。加密做市商还有两部分收益来源：帮助项目方做市；协助交易所维持足够流动性和交易量。其中，与项目方合作，市商的盈利模式通常为以下两种：做市商提供场外交易服务，帮助项目方提高流动性，获得交易量，从中获得收益。做市商通过承担交易双方之间的买卖差价以及交易手续费来盈利。做市商与项目方合作成为代币的流动性提供者，参与代币的流动性挖矿。当代币的流动性增加时，做市商将获得代币作为回报。此外，做市商还可以通过提供市场深度、参与项目方的空投和推广等方式获得收益。与交易所合作，也有两种盈利模式：做市奖励：一些加密交易所为吸引做市商参与市场做市，会提供做市奖励。做市商在交易所提供的市场中挂单，并且有一定的交易量时，可以获得交易所提供的奖励，这也成为做市商获得收入的一个途径。这部分也可以是交易返佣。提供流动性服务：做市商通过提供加密货币的买卖服务，提高市场的流动性，从而帮助交易所吸引更多的用户和交易量。一些加密交易所会向做市商支付额外的流动性费用。随着做市商的数量越来越多，竞争性越强，为了赢得更多的市场，做市商会缩小报价价差，导致收益减少。 2.7 市商评估要素如何选择市商团队或者评价市商表现对加密市场参与者是十分重要的。评价做市团队的常用指标包括做市商的交易量和交易频率、报价的精度和稳定性、利润率和风险管理能力、市场份额和声誉。但是对交易所、市场接受者、项目方而言，更看重的是做市商提供流动性的表现。流动性表现的参考指标包括报价深度、准确性、更新频率和成交效率。简单的指标在各交易所的做市商活动中会有列举，包括做市商委托量、买卖价差、报价、标识要求覆盖率、做市时间等。也有一些交易所采用比较复杂的指数，比如权重深度乘数、流动性指数等。 3. 加密做市商的风险分析与管理 3.1 监管与合规加密做市商目前仍然处于监管的灰色地带，尚未在大多数国家和地区得到明确的法律和监管框架的支持。这意味着加密做市商通常不需要遵守传统金融市场中所规定的严格监管标准，也没有受到相应的监管机构的监管。不过，在某些国家和地区，监管机构已经开始探索如何监管加密做市商，以确保市场的透明度、公平性和稳定性。加密市场做市商所涉及到的监管机构包括，美国的证券交易委员会（SEC）和商品期货交易委员会（CFTC）对加密市场有一定的监管职责，其中 SEC 负责监管加密资产的证券性质，CFTC 则监管加密衍生品合约等交易。此外，欧盟的金融市场监管机构 ESMA 也开始探索加密市场的监管框架，旨在确保加密市场的透明度和稳定性。近些年，这些监管机构的案例有：美国证券交易委员会（SEC）于 2020 年 7 月宣布，Coinbase 和其他加密交易所可以注册为经纪商和交易所，并在其交易平台上为数字资产提供做市商服务。这表明 SEC 已经开始对加密做市商的监管进行探索。瑞士金融市场监管局（FINMA）于 2019 年发布了一份加密货币管理指南，其中提到了加密交易商和做市商应该如何合规，并需要申请许可证来从事这些活动。这表明 FINMA 已经开始对加密做市商进行监管。新加坡证券交易所（SGX）于 2020 年推出数字货币交易平台 SGX iSTOX，并与做市商制定了一套监管框架，以确保其合规和透明。这表明 SGX 已经开始对加密做市商的监管进行探索，并开始与做市商合作。这些案例表明，监管机构已经开始对加密做市商的监管进行探索，并制定了一些相关的指导方针和监管框架。未来随着加密市场的不断发展，监管机构对加密做市商的监管也将越来越重要。在合规性上，加密做市商同样需要遵守各种法规，各国存在差异，但一些常见的合规性要求包括： KYC（了解客户）：做市商需要遵守 KYC 法规，确保客户的身份得到验证和记录。 AML（反洗钱）：做市商需要遵守 AML 法规，防止加密货币被用于洗钱和其他非法活动。数据保护：做市商需要遵守数据保护法规，保护客户数据的安全和隐私。交易透明度：做市商需要提供交易透明度，包括公开的交易数据、市场深度等信息，以确保交易公正、透明。此外，一些国家或地区可能还有其他的监管要求，例如税务、证券或期货等领域的法规等。 3.2 市场风险做市商在加密市场上面临着多重风险，包括：价格风险：由于加密货币市场的高度波动性，做市商面临着价格风险，即做市商持有的加密货币在市场价格大幅波动时可能会出现亏损。流动性风险：做市商需要提供流动性来支持市场的交易，但如果市场出现了大量的卖方或买方压力，做市商可能难以及时提供足够的流动性，从而出现交易延迟或失败等情况。对手风险：由于加密货币市场的匿名性和去中心化特点，做市商可能无法确定其对手方的信用状况和交易意图，从而面临着对手风险，即做市商无法兑现其对手方的交易。做市资金风险：做市资金与传统金融做市类似，直白点，就是做市资金规模和资金流转效率决定了市商的级别。尤其是涉及到出入金，对做市来说就是第一个门槛。做市团队一般开户银行以 Silvergate bank 和 Signature bank 为主。但这两家加密友好银行最近面临破产危机，很多资金无法取款。这加大了未来机构入局加密领域的门槛。为了应对以上风险，每个市商都会有一定的策略，比如在极端动荡市场中，更倾向于抽身而退。或者采用风险对冲的策略对头寸进行保值，依据存货模型、信息模型将风险转移到资产。 3.3 链上与链下风险链下的风险一般是交易风险，如历史数据的完整性、策略模型设计上的缺陷、系统故障、风险控制缺失、过度拟合以及交易成本敏感性风险。定价风险：决定了做市商能否提供富有吸引力的价格，以及定价的正确与否直接关系到做市商的赢亏。资产价格波动巨大的存货风险：如果标的资产的价格朝着单边方向发展，例如在上涨趋势里，卖单成交后买单没有成交，就会承担卖出价格上涨的风险。在下跌趋势里，买单成交后卖单没能完全成交，就会承担买入价格下跌的风险。交易平台风险：交易平台的风险也有很多种。买卖指令下达频次和数量都具有随机性，也许会造成卖出单成交以后买入单还没有完全成交的风险。交易所 bug，交易对出现问题，交易平台并没有开启保护措施。 API 风险：这里包括了内部泄露问题、API 中断等。加密市场的风险来源不仅仅是链下交易行为带来的风险，而更多可能出现的风险来自链上。首先，如果做市代币的智能合约存在漏洞，被黑客攻击，这样会造成市商存量资产受到损失。其次，加密做市商可能需要参与链上协议、DeFi 应用等，以提供流动性，链上的一切风险都会传导到每一位参与者头上。比如，协议所在公链出现分叉或者链上交易的速度变慢。 3.4 风险管理为了控制以上可能出现的风险，市商也会设定严格的策略与纪律。注重交易质量而不是数量做市商虽然能通过为交易所提供流动性获取一定的佣金，但是过度交易往往浪费更多的时间和金钱，因此有效交易的关键是选择交易质量而非交易数量。这体现在三个方面：（1 ）选择好的资产标的；（2 ）选择信誉良好的交易所；（3 ）分析市场，确定合适的交易策略。建立良好的合作关系做市商需要与交易所、项目方、投资者等建立良好的合作关系，以获得更多的信息和支持，减少自身的风险。严格的纪律性这里包括退出机制、不过度使用杠杆。做市商需要控制自己的风险暴露度，尽可能分散风险。存货风险管理在连续不断的买卖中保持存货的适当头寸。存货风险及其管理促进了做市商的交易积极性，也对市场价格产生一定影响的主要原因。运用价格变动杠杆来使存货能够满足其连续交易和降低成本的要求。通过在加密市场进行组合投资、套期保值。监控市场做市商需要不断监控市场流动性变化，包括市场深度、成交量、交易对等指标，及时调整自己的报价策略，以确保市场中有足够的流动性支持。 4. 加密做市商典型案例分析近年来，随着加密货币市场的不断发展，加密做市商公司逐渐崛起。这些公司致力于提供流动性管理、价格发现和交易撮合等服务，以满足日益增长的加密货币交易需求。当前，全球范围内已有众多专业的加密做市商公司涌现，它们采用各种高效的技术和策略，为市场参与者提供多样化的交易服务，促进了加密货币市场的进一步发展和成熟。由于加密市场与传统金融还有很大差距，对市商来说，更容易形成垄断，加密货币的流动性被几家大型市商主导。这里包括 Jump、Wintermute、Amber Group、B2C 2、DRW Trading。 4.1 FTX 暴雷与 Alameda Research 破产 Alameda Research 成立于 2018 年，总部位于美国加利福尼亚州。该公司由数学家 Samuel Bankman-Fried 创立。Samuel Bankman-Fried 曾在 Jane Street 工作，并在那里积累了大量的量化交易经验。除了在加密市场上进行做市和量化交易外，该公司还开发了一些加密货币交易工具和基础架构，如加密交易所 FTX 和 Solana 区块链上的加密交易协议 Serum。 FTX 暴雷事件后，是 Alameda Research 的破产，在 FTX 的做市团队遭遇到了很大的损失，从 Kaiko 的数据中可以看到 FTX 事件后，BTC 的挂单情况，表明流动性缺失。FTX 与 Alameda 的数字资产包括 FTT 和 SOL，这些代币的崩盘导致了 solana 链上所有代币的流动性紧缩和清算风险。图 6. Kaiko BTC 交易所流动性 4.2 Wintermute 与 DeFi 黑客攻击事件 Wintermute Trading 是一家总部位于伦敦的加密货币做市商。该公司成立于 2017 年，由 Evgeny Gaevoy 和 Harro Mantel 共同创立。Wintermute Trading 的主要业务是为加密货币交易所、机构和个人提供流动性服务，同时也在一些加密货币衍生品市场提供做市服务。现阶段，Wintermute 以及与 50 多个加密货币交易所达成合作关系。而且在各交易所的交易量排行中处于领先。团队核心成员包括首席执行官：Evgeny Gaevoy，他之前曾在 Optiver 公司负责欧洲市场的交易所交易基金（ETF）业务；首席技术官：Valentine Samko，他曾在交易公司和银行（包括巴克莱银行和摩根大通银行）担任软件工程师。图 7. Bitfinex 现货交易量排行除了在加密货币市场上的业务，Wintermute Trading 还积极参与推动加密货币市场的发展和规范化。该公司是伦敦数字资产交易协会（LSTA）的成员之一，也是数字资产交易商协会（ADAM）的成员。在 2021 年 2 月，Wintermute 宣布完成了 2.5 千万美元的融资，投资者包括 Lightspeed Venture Partners 和 Pantera Capital 等。但由于熊市和黑客攻击的影响，Wintermute 在 2022 年的收入在 3 亿美元左右，远低于 2021 年 10 亿美元。 2022 年 9 月，由于 Wintermute 可能使用 Profanity 工具来创建靓号钱包，导致其 EOA 钱包被盗，损失 1.6 亿美元。 4.3 GSR Market GSR Markets 从根本上说是一家属于香港的算法数字交易公司。它利用自己的软件为几种数字资产类别的订单执行解决方案，从而提供流动性。该公司部署了多种交易模型，与 30 多个流动性池相集成，其交易费用在市场上相对很低。特点：一流的领导力和来自世界一流的金融机构的强大技术与金融从业人员团队。设计了直观的风险管理策略，专为那些难以管理的人设计。其专有的交易技术可以根据交易需求进行修改。其销售和汇总策略会根据实时流动性和波动性进行调整，从而使投资者能够真正获得最佳价格。最近，GSR 与各项目方频繁合作。包括 Stargate，Stargate 将向 GSR 提供 800 万枚 STG 的欧式期权，条件为 24 个月后 STG 均价超过 1.15 美元。在提案通过后，STG 在过去 14 天暴涨 36.2% 。 5. 去中心化做市商参与链上做市行为都可以成为去中心化做市商，这里有三种形式：（1 ）参与去中心化交易所 DEX 的流动性提供者，又称为挖矿行为，门槛低，任何人都能参与，提供交易对的流动性，获得一定的奖励；（2 ）参与去中心化衍生品市场，类似 dydx 模式；（3 ）一些专门服务做市的 DeFi 协议，例如 Elixir，这些协议成为了 CLOB 和 AMM 模式的流动性分配工具。 DEX 里面一般采用自动做市商算法 AMM，任何人都能成为市商。它使用自动化算法来平衡交易池中代币的供需关系。AMM 的工作原理是允许流动性提供者将代币（通常等量）存入流动性池。然后，流动性池中代币的价格遵循一个公式，例如常量产品做市商算法 x*y = k，其中 x 和 y 是池中两个代币的数量，k 是一个常数。这导致池中代币的比例决定了价格，确保无论交易规模如何，池始终可以提供流动性，并且滑点量由交易规模与池大小相比决定。由于流动性池中的价格偏离全球市场价格，套利者将进入并将价格推回全球市场价格。各种协议迭代这个基本的 AMM 模型或引入新模型，比如 Curve、Balancer、Uniswap V3等提供改进的性能，并扩展到衍生品。但在 DEX 里面，也存在一定的风险，LP 需要承担智能合约本身的漏洞风险，流动性池被掏空，无偿损失问题等。DEFI 协议中，为了吸引 LP 和专业的市商团队，提供了不同的做市策略和流动性池以供选择，同时给出了更高的收益率。即使如此，我认为链上做市和中心化交易所做市还是各有优缺点，彼此也无法取代。另外要提到的就是专门的做市协议，这里以 Elixir 为例。Elixir 的用户主要有两个：（1 ）项目方；（2 ）想成为市商的用户。具体实现机制如下：项目方在 Elixir 中可以无许可创建债券以获取流动性，这类似于 Olympus DAO 的机制。用户可以通过流动性池获得 LP 代币，兑换成项目方的原生代币，以此建立代币的流动性。为用户提供专门的做市策略，使每个人都能够参与到 CEX 和 DEX 中的做市活动中，这些做市协议在降低做市门槛的同时，也开辟了一个小众赛道。但由于做市策略、量化策略、风险管理策略都是在不同市场情况下经常调整和更新，所以 DeFi 的做市协议还需要时间验证，但对一些想要从市商业务中获取收益的用户来说，不失为一个好的方式。目前，中心化市商无法以公开透明的方式与项目方合作，而且佣金高，但通过链上做市协议可以有效提高用户资金利用率，成为流动性提供者，通过合适的算法和策略，为项目方解决流动性问题，用户受益，项目方也能达到目的。但链上做市协议机制复杂、灵活性较差，可能难以应对市场风险。 6. 加密做市商发展与挑战（附投融资列表）加密货币市场的快速发展，促使加密货币做市商的需求不断增加，同时也催生了更多创新的技术和商业模式。加密做市商的未来发展趋势体现在以下几个方面：加强风险管理：随着加密货币市场的不断成熟和规范化，风险管理将成为做市商竞争的重要因素之一。做市商需要采用更加科学的方法和工具，来降低交易风险和信用风险，并确保运营的安全性和稳定性。开发更加智能化的交易系统：随着人工智能和机器学习技术的不断进步，加密货币做市商可以采用更加智能化的交易系统，以提高效率和交易品质，并更好地适应市场的变化和需求。加强流动性：随着越来越多的机构和投资者进入加密货币市场，做市商需要不断加强自身的流动性，以满足更加多元化和复杂化的交易需求。在此过程中，做市商还需要与其他做市商、交易所和流动性提供商等紧密合作，以共同推动市场的发展和壮大。探索新的商业模式：随着加密货币市场的不断发展和变化，做市商需要不断探索新的商业模式，以应对市场的变化和挑战。例如，一些做市商开始向市场提供更加专业化的服务，如基于数据分析的做市、跨链做市等。目前，也有很多市商开始涉及其它加密业务，比如托管、OTC 业务、一级投资等。积极尝试链上协议做市：随着链上项目和用户的增加，无论是与项目方合作，还是为了获得更高的收益率，做市商都会开始步入链上。同时，类似 dydx 的做市商活动也会越来越多。除此之外，市商会参与更多需要流动性的加密产品。比如，加密做市商 GSR 启动 NFT 做市项目，将专注于生成艺术。该公司已经购买了 175 件(NFT)，但仍在研究如何通过算法进行交易。加密货币市场具有许多独特的特征，在提供流动性时面临各种挑战。例如，加密市场 24/7/365 开放，提供自我托管能力，零售直接与交易所互动（交易所扮演经纪人、交易所和托管人的角色），在 CEX 提供虚拟余额的即时“结算”，与 T+ 2 传统金融结算相比，在 DEX 提供链上交易的快速结算，并使用稳定币促进交易，考虑到 BTC 的波动性和仍然笨拙的法定货币到加密货币的转换。此外，加密市场在很大程度上仍然不受监管，导致价格操纵的可能性，并且继续高度分散，流动性在许多链上和链下场所分叉。此外，交易场所技术仍在不断发展，因为交易所的 API 连接质量参差不齐，并且在市场活跃度高的时候会周期性下降。最后，加密衍生品市场仍在不断发展，与传统金融市场相比，衍生品相对于现货要小得多。这些特征在提供流动性方面带来了各种挑战，包括市场碎片化/互操作性、资本效率低下、监管不确定性以及仍在改进的交换技术/连通性。总之，随着加密货币市场的不断发展和变化，做市商需要不断调整自身的战略和业务模式，以更好地适应市场的变化和需求。同时，做市商也需要加强与其他市场参与者的合作和交流，以共同推动市场的发展和壮大。表 2. 加密做市商 2019-2023 年投融资项目汇总 7. 总结与思考无论是传统行业还是加密市场，做市商需要永远置身于市场之中，才能手握“价差”进行交易，所以不同的市场意味着更多的盈利机会。加密做市商在未来也会呈现一些传统金融做市商的发展特点：（1 ）做市参与者逐渐多元化，包括综合大型投行、电子交易平台等。（2 ）做市品种多元化，包括各类现货、衍生品等。尤其是加密衍生品市场在不断发展。（3 ）业务杠杆高，以现货和衍生品交易为代表的做市业务是典型的资本消耗型业务，投行大多使用杠杆资金扩大业务规模，因此做市业务杠杆倍数往往高于其他业务。这往往会催生其它加密借贷业务，也提升了整个行业的风险水平。（4 ）市商头部效应越发明显，头部机构人才储备充足、资本实力雄厚、客户资源丰富、定价能力优秀、资产规模较大，可以通过分散资产组合、使用对冲工具等方式降低风险成本，因此头部机构在做市业务方面更具优势。虽然加密做市商的规模在不断扩大，竞争也越来越激烈，但实际上，加密做市商的技术壁垒相对较高，承担的风险较大。尤其 FTX 暴雷事件，Cumberland、GSR、Wintermute、Jump、folkvang、Nibbio 这些市商在 FTX 有头寸。同时，最近 Silvergate 银行的暴雷风险，对市商来说产生多大的影响还犹未可知。由此可以说明，资金的流动效率对市商特别重要。作为交易者，我们也需要去识别做市商是否与项目方进行合作，以正确判断代币价格走势，这个可以从代币价格和交易量上发现端倪。去中心化做市商协议，包括 DEX 等，也在不断地争取一些做市团队参与链上的活动。在我看来，订单簿形式能满足做市团队的多样交易策略，而 AMM 形式存在一定的局限性，且不好把控。如果有较大的收益优势，做市团队会用一部分资金参与链上做市。但我认为还是不会威胁到中心化交易所的地位。当然，也不能忽略一些创新的 DeFi 协议带来的影响力。值得关注的是，一些市商已经开始探索在 NFT 领域做市。他们也在探索更多的链上产品或者有二级交易市场的衍生品做市。但是，这里不排除一个隐患。类似于 Alameda，更多大型做市商机构可能会主动下场，自己孵化链上协议，或是 DEX 或是借贷，比如 Wintermute 孵化的 DEX Bebop。他们提供的雄厚资金对协议本身会起到促进作用，但也对整个市场带来风险。 7.1 投资方向思考市商作为交易环节中的重要角色，并且其盈利能力在牛熊周期中都能有很大的发挥空间。在做市商赛道上，可以重点看以下投资方向：中心化的小型市商策略或服务类项目，这类项目为做市商提供工具、数据、定制化策略类服务。解决互操作性问题：由于公链和 Layer 2 的发展，目前呈现出一个多链世界，这导致流动性割裂。一个潜在的解决方案是第二层中间件提供商，它可以与不同的链进行无信任的交互，以在许多流动性来源中找到最有效的交易路线。 CeDeFi：CeFi 和 DeFi 之间的界限可能会合并，包括流动性供应。参考资料 [ 1 ] "High-Frequency Trading and Market Making in the Bitcoin Ecosystem"，来自欧洲中央银行，分析了比特币生态系统中的高频交易和做市商。 [ 2 ] "The Market Microstructure of Currency Markets"，来自欧洲央行，分析了货币市场中的市场微观结构和做市商的角色。 [ 3 ] "Market Making in the Corporate Bond Market"，来自美国金融业监管局，探讨了企业债券市场中的做市商。 [ 4 ] "How to Be a Market Maker"，来自哈佛商业评论，介绍了做市商的基本原理和策略。 [ 5 ] "Market Making and Revenues of Stock Exchanges: A Survey of the Literature"，来自欧洲证券市场监管局，综述了做市商对证券交易所收入的影响。 [ 6 ] "Market Making with Costly Monitoring: An Analysis of the SOES Controversy"，来自美国国家经济研究局，分析了纳斯达克交易所 SOES 系统争议中的做市商策略。 [ 7 ] 思考做市商的未来，GSR， 2021. [ 8 ] 数字货币做市商研究报告，TokenClub， 2018.09 [ 9 ] 聊聊币圈（数字货币）做市商 [ 10 ] Why your ICO needs a market maker. Evgeny Gaevoy (CEO at Wintermute) . [ 11 ] 祛魅做市商：如何创造链上流动性？ [ 12 ] Pantera 合伙人：读懂加密货币做市商 Wintermute [ 13 ] 他山之石：美国做市业务的发展路径与经验借鉴，平安证券， 2022.08 来源：金色财经
金色财经2023-03-30
ChatGPT漏洞后元宇宙AI下一个投资风口浮出水面
 go
且融合多学科的过程，中间涉及到密码学、机器学习、硬件、BI分析等。目前，隐私计算技术通常分为以下四种：安全多方计算、联邦学习、可信执行环境、多方中介计算。安全多方计算（MPC）安全多方计算是指的不同的参与方在协同完成一项任务过程中，没有可信第三方的中介参与，仍能完成该任务，产生有价值的内容。安全多方计算在操作的过程中，需要确保三性：数据的独立性、传递数据的准确性和计算过程的正确性。同时在这个过程中，不能把输入值告诉给参与计算的其他成员。联邦学习（FL）联邦学习最早是由谷歌提出，是一种分布式的机器学习技术或者框架，这与现在的区块链技术有一定的相通之处，都是分布式的对数据处理，目前也已经有机构将区块链与联邦学习技术组合开发。可信执行环境（TEE）可信执行环境创造了一个独立的运作环境，在这个环境中能够进行运算和存储，因为环境的独立性，所以在这里面的程序和数据，能够得到比操作系统层面更高级别的安全保护。具体到原理层面，通过软件和硬件结合的方法，在中央处理器中，构建出一个安全区域，计算过程执行代码TA仅在安全区域分界中执行，外部攻击者无法通过常规手段获取和影响安全区的执行代码和逻辑，以此来实现敏感数据的隐私计算。多方中介计算（MPIC）多方中介计算则相对于安全多方计算。建立一个安全可信赖的中介环境。不论是输入方还是输出方都在这个环境中进行。首先由输入方将数据去标注化后匿名输入中介环境，然后把自己的输入痕迹删除，平台审核后，按照指定路径输出。在MPIC特定环境和规则下，信息数据的身份标志经过加密和标识化的处理，因其算法具有不可逆性，所以无法恢复原始数据，同时数据传输都是在一个特定的监管环境下进行，这样就满足了匿名化的要求。行业发展趋势作为支撑未来数据价值基础设施的底层技术，隐私计算无疑是一个长周期、宽应用的黄金赛道。据腾讯银行和毕马威联合发布的《隐私计算行业研究报告》，我国隐私计算系统的销售和服务收入规模在三年之内有望触达100-200亿元的市场空间。未来的朝阳行业也吸引了越来越多的企业涌入这个赛道，2020年被称为隐私计算的元年。据统计，2020年我国隐私计算行业初创企业数量为71家，同比增长33.96%。从专利申请情况来看，近两年我国隐私计算专利申请数量增长迅速。据统计，2020年我国隐私计算专利申请数量达到1535项，同比增长27.70%。行业的快速发展和企业的涌入，也吸引了众多资本机构的关注，并呈现出以下特点：大多数企业集中于融资早期阶段。根据2021年的融资数据显示，中国隐私计算厂商最新一轮融资轮次中天使/Pre-A/A/A+轮占36%；Pre-IPO/IPO占16%；Pre-B/B/B+轮占8%；战略投资/股权融资占28%；未融资占10%；Pre-C/C/C+轮/Pre-D/D/D+轮占2%。经过近两年的发展，从初期评价标准较为模糊的四小龙，到获得资本认可的准独角兽的出现，隐私计算行业已经逐渐出现梯队分化。头部企业在资本加持下正加速修宽护城河，同时在技术路线、整体战略方面，也对于整个行业也起到了一定的引领作用。结合目前的发展现状、行业需求以及技术发展的特点，隐私计算行业将呈现出以下趋势：技术发展趋势：区块链技术、联邦学习深度应用，开源框架开创新的商业模式。隐私计算行业在中国发展正处于发展早期，底层技术在很大程度影响产品的性能和功能。结合目前的行业发展趋势，去中心技术将被越来越多的企业所采用，同时开源框架能够允许企业根据自己的实际情况设置自己的技术路线，进而带来新的商业模式创新。产品发展趋势：构建安全数据底座，健全数据要素关键基础设施建设。隐私计算核心是为了解决数据的流通和使用问题。如果实现数据真正的安全和传递，构建夯实的基础设施底座就显得越发重要。当行业风口的泡沫逐渐退出后，具备核心技术能力、核心产品解决方案的公司将最终走的更远。投融资趋势：从金融、政务、医疗等领域逐步拓展到其他领域。目前在已经融资的企业中，金融、医疗、政务三大领域占据绝对的市场份额。而且企业融资呈现早期占比和后期占比的“两头大、中间小”的特点，这与企业追求确定性收益以及高风险对于高收益的投资特点有关。当行业逐步成熟后，一方面领域会逐步渗透，另一方面资本机构将从纯财务投资过渡到陪伴企业一同成长的阶段。来源：金色财经
金色财经2023-03-30
AI能取代人类吗：焦虑归焦虑现实归现实
 go
的这些技术的话可能都基于若干年前的深度机器学习模型Transformer，但这个算法其实一直没有更新，“付博铭认为，”GPT的亮点在于有人类监督的强化学习，“而非算法本质的升级。山景智能创始人黄勇也认可这一点。“通用人工智能其实是个伪命题”，因为“它是一种技术上的发展和变化，但它也是个过渡阶段。” 的确如此。近日微软研究团队的一篇论文，针对GPT的“智能”做出了如下谨慎的描述：”这(GPT-4)可以被合理地看作是人工通用智能（AGI）系统的早期（尚不完整）版本。” “GPT4的强推理能力其实是一种用参数算法结合数据的反馈构建出来的’伪智能‘，离真正的通用人工智能还远着呢”，PingCAP副总裁刘松说，并引用了机器人专家罗德尼·布鲁克斯的一句话：“智能是观察者的幻象”。布鲁克斯是MIT人工智能实验室的教授，他的原句是：“每一个机器人看起来都像是按照一套集中的目的行事，但这只是一个幻象，无论是在人造智能物或是自然生命中，智能都出自观察者之所见。“ 他不认为机器要学会思考才能做事，还制造过一系列奇奇怪怪的机器人，虽然没有思考能力，但却能偷桌上的苏打罐，穿越四周发烫的地面等。这位教授还说过一句话：“AI是工具，不是威胁。” 完形填空和“填鸭式教育”，AGI没你想的那么近毋庸质疑，GPT是一个里程碑，也是一个拐点，但可能不是你想象的，通用人工智能（AGI）的拐点。 GPT、Stable Diffusion这类大模型的横空出世，极大程度上省去了其他入局者“重复造轮子”，开发自研大模型、底层大模型的功夫。开发自研大模型的说法虽然在投资市场很受欢迎，但如果只是做一些小修改，增加一些业务模块，或者能力不变、在参数量和训练时长上堆积，更像是“浪费资源”，付博铭分享道。 “具备行业知识的模型价值是会比从头做一个基础大模型的价值要更大。” 为了理解方便，我们暂且把高考能超过半数考生的GPT看作一个具有一定智力的“人”，把给喂AI数据看作是这个“人”学习的内容和方式。那么GPT这个“人”，也更像是通过完形填空和“填鸭式教育”成长起来的应试型人才，而非具有创造力的全方面人才。据深势科技战略部负责人王小佛描述，近年来一个比较好的AI训练方法就是给AI做“完形填空”。“原来训练的时候，是一个数据用一次就必须要换下一个数据。完形填空的意思是说，一篇文章100个字，把第1个字盖上，剩下的99个字用来预测第1个字。然后再把第2个字盖上，用99个字预测第2个字。” 虽然对于AGI的实现学术上尚存争议，但许多人认为这样的训练方式并不符合AGI的实现路径。理论上来说，AGI的实现首先需要理解人类智能是如何实现的，再将人类智能的实现机制复制到机器上。而GPT-4目前展现出的“类智能”是算法复杂度量变到质变的一种“涌现”。“GPT-4的推理能力有很大进步，但它依然缺少对事实知识的基本常识，”刘松解释道。 “一本正经的胡说八道”也许是产品设计？人们现在使用AIGC工具经常发现生成的内容有不准确、与事实不符、或自相矛盾之处，通常把这种现象称为“AI在一本正经地胡说八道”。ChatGPT在收获铺天盖地的赞誉的同时，也不少被诟病这个“致命bug”。但王小佛有不同看法。“这可能是一个产品本身的设计，可以把它定位成一个陪聊。聊天的时候对准确度的要求是没有那么高的。但如果把它变成一个助手，有功能性的要求，不准确的话体验就会差很多。这个不一定是技术的问题，或许是一个产品pm的选择。” 黄勇也认可这种猜测：“它希望更多地得到使用者的反馈，反馈就是对它的一种收敛，能够更好的让产品迭代。” 据黄勇表示，在山景智能针对企业级软件领域的实践过程中，常常会发现金融或是其他细分专业领域虽然门槛高，但是有边界的。因此这类软件的开发“困难没有想象的那么大”，可以人为画出边界，“能够让模型在这个范围内去做收敛，这个时候效率就非常高了。” 所以，GPT这类模型除了chat，能做什么？ AI发展的三大要素，数据，算法，算力，缺一不可。用黄勇的话来说，“算力是基础，算法是精髓，数据决定了技术发展到什么阶段。” 黄勇分享，作为一家企业级“业务智能决策自动化”平台服务商，山景早期和客户合作时，经常听到对方说”我们的数据不好“，或者觉得门槛太高，无法适用人工智能平台、机器学习平台或者PaaS平台。观察到这类痛点后，山景推出了数据治理的预训练大模型，可以用来解读数据，从而找到数据的标准。同时，为了保证客户的信息安全，也可以做到自动标注、自动脱敏。这件事相当于把本来杂乱无章，连篇累牍的数据标准化、结构化。结构化的数据加上GPT类模型的自然语言处理功能，就可以把使用门槛降低、效率提升。刘松举了两个例子：“一个企业的CEO想最快地总结出公司目前的情况，可以直接向模型提问，不用翻看报表。一个外卖小哥送餐时，不用看路况和取餐地点，直接问模型如何规划路径。” “所以未来最有价值的东西一定是以这种 GPT为界面，把结构化数据的严肃性和非结构化数据的补充性结合在一起的产品。” 刘松所在的PingCAP是一家企业级开源分布式数据库厂商。据刘松分享，在ChatGPT问世的第三天，PingCAP就决定将OpenAI的能力集成到自身的数据库服务 TiDB Cloud中，并在1月10号已经上线，能够帮助用户将自然语言转化为 SQL 语言，在数据库中进行查询，可以在几秒钟内分析公司的运营数据。用户可以无需掌握复杂的数据库 SQL语言。而深势科技的药物计算设计平台Hermite则是通过融合AI模型与分子模拟技术，来加速创新药研发流程中靶点研究、虚拟筛选、先导优化等关键步骤的效率。“这不是一步到位的。并不是比如我有一个病，然后AI直接能生成一个药。”王小佛表示，而是能解决一部分药物研发成本高周期长的痛点。付博铭则表示类似计算美学Nolibox其他的“画宇宙”和“图宇宙”等AIGC工具能让高质量和低成本划等号，让创意市场从专业化走向全民化，并且让“创意工作者从一些重复繁琐的工作中解放出来，聚焦在创造性的工作上，并且更多的关注工作的商业化成果。” 来源：金色财经
金色财经2023-03-30
通达海：一直在探索人工智能、大数据等相关技术的应用
 go
，利用大数据分析、自然语言处理、多模态机器学习等技术，研发了感知、认知能力平台，并结合法院立案、审判执行、监督管理等各个环节，为案情梳理、法官阅卷、案件裁判、文书生成等多种应用场景提供智能辅助支持。比如立案阶段的风险评估与预警，审判阶段的智能化辅助、裁决阶段的辅助文书生成等。类型化案件的专业化审理中，能够实现案件信息提取、回填、争议要点归纳、辅助法官判案，并自动生成模板文书，辅助实现简易案件的快速审理。 4.公司目前是否有接入大模型的计划。答：公司也在持续关注ChatGPT和国内大模型产品及其给行业发展带来的机遇，暂时还没有接入的安排。新技术运用到产品落地，也需要一个过程。 5.关于公司业务发展及行业拓展问题？答：法院业务是公司的核心业务，法院领域业务增长主要包括新产品需求、增加新模块新功能、原有产品的升级换代，也包括全国法院法标变化带来的增长，从这几年产品结构来看，执行类以及线上法院相关产品的增速较高，平台运营产品是近年公司新推出的SaaS服务模式，覆盖范围也在扩大，这方面营业收入增长相对更快一些，并且，随着技术的发展以及法院对智能化应用需求的增加，公司的产品也在加速迭代升级。除了法院行业，公司也在推进产品在纪委监委、行政复议等领域的应用，助力司法行业的业务协同。银行、邮政也是重点拓展领域。目前一些律所是作为破产管理人使用公司的破产一体化平台，未来公司也会努力延伸法院领域服务内容。（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2023-03-29

上一页
1
•••
171
172
173
174
175
•••
206
下一页

24小时热点

最新话题更多