FX168财经网_全球视野外汇黄金加密货币NFT资讯网

特斯拉股价飙升遭华尔街质疑投行纷纷下调评级

行认为，特斯拉股价近期的上涨主要得益于生成式AI的火爆。今年特斯拉股价上涨已经让卖空者损失了126.8亿美元。在过去的两个月，特斯拉股价上涨也受益于其他一些利好消息，包括与竞争对手福特和通用达成充电网络使用协议，此举可能使特斯拉的充电站成为行业标准。高盛分析师Mark Delaney表示：“当前，市场对特斯拉的长期机会给予了更多信任（提高目标股价）；但我们也意识到，激烈的竞争导致新车很难定价，这将继续拖累特斯拉今年的汽车毛利率。” 摩根士丹利和巴克莱则指出，特斯拉在中国市场面临着激烈的竞争，可能会被迫降价。因此，将来可能下调对特斯拉的利润预期。今年4月，在特斯拉公布了利润率较低的第一季度业绩后，投行杰富瑞（Jefferies）和Truist Securities已经下调了特斯拉的股票评级。虽然如此，这些投行一致认为特斯拉的增长潜力巨大，仍将是全球电动汽车的领先者。

金融界2023-06-27

工业互联网工作计划出台 AI大模型+工业互联网推动工业变革

够大幅提高制造业研发、在产品开发阶段，生成式AI能够压缩设计和迭代的过程，从而带来显著的效率提升。相关产业链受益标的：能科科技等。 2、流程制造业整体自动化水平较高，离散制造业整体自动化水平不高，AI赋能下具有很大提升空间。重点关注工业机器视觉、预测性维护、AGV&；机器人，相关产业链受益标的包括：凌云光（工业机器视觉）、容知日新（预测性维护）、拓邦股份（工业自动化产品）、绿的谐波（减速器）、雷赛智能（伺服系统及驱动器）等。 3、AI赋能工业互联网平台企业有望实现升级，相关产业链受益标的包括：东方国信、赛意信息、宝信软件等。 4、工业数据的复杂性和多样性，单一的技术平台无法满足大量复杂的业务生产需求，大量的工业企业仍存在多个内部系统并存，工业网络互通成为关键，网络连接及边缘计算相关硬件受益标的包括：东土科技、三旺通信、恒为科技、映翰通等。

金融界2023-06-26

晚间必读 | Cosmos 对传统区块链的威胁

码等领域，将我们推进了全新、令人兴奋的生成式AI时代。与任何新兴技术一样，生成式AI也受到了一些批评。尽管这些批评在一定程度上反映了LLMs当前能力的局限性，但我们将这些阻碍视为进一步创新的机会，而不是技术本质性的缺陷。点击阅读 4.LSDfi群雄割据谁将成为“汉中王”？如今，LSDfi 是捕获 Binance 目光的最新叙事，这里有一个潜在的价值 169 亿美元的市场，并且在三周内已经增长了 102%！在这场 LSDfi 战争中，谁将获胜？Mochi 使用 DuneAnalytics 的数据进行分析，帮助大家找出答案！点击阅读 5.Cosmos 对传统区块链的威胁单一块链在它们存在的时候确实很好，然而，它们最终遇到了区块链三难（去中心化、可扩展性、安全性）问题，因为它们试图在每个节点上完成所有事情（共识、数据可用性、结算和执行）。使用模块化区块链来避免这个问题，是通过将区块链的许多角色分割成不同的层次来完成。因此，区块链可以以一种最小化权衡的方式来扩展。点击阅读来源：金色财经

金色财经2023-06-25

端午假期票房火热！AI+传媒未来将走向何方？

作为综合音频、视频和文本的综合领域，是生成式AI技术的优质应用场景之一。从AI应用的价值和路径来看，动画电影有望率先受益。相比真人电影需要1-2年的生产周期，动画电影的生产周期更长(3-4年),工程更为复杂，产能限制也更加明显。因此，生成式AI技术有可能赋能动画电影的前期剧本创作、中期作画以及最后的视频剪辑/配音/视频输出等多个环节。光线传媒董事长王长田表示，“在动画电影主要环节，AI能提升约50%的效率。” 其二，是IP赋能。 IP是AI科技革命后内容进入高速发展期的核心竞争力。拥有强IP的公司在2013-2015年传媒行情中有着更强的泛娱乐业务变现红利。AI+影视，AI+游戏，AI+虚拟形象等细分赛道都需要优质IP的支持。同时，各类多模态大模型的预训练也需要海量、高质量、正版版权的内容加持，AI或将放大内容版权的价值。长期来看，AI降低内容制作门槛后，IP方对于制作方的依赖程度有所降低，IP方自己便可在AI赋能下实现内容制作，在产业链中的话语权有所提升。华安证券建议关注：上海电影(国企+动画+IP+盈利能力显著改善)、光线传媒(动画+IP+正在使用AI参与海报及电影制作)、奥飞娱乐(动漫IP+虚拟人+儿童版 ChatGPT可应用于“AI+教育”领域+VR)、芒果超媒(国企+综艺IP+2023年综艺招商表现强劲)、华策影视(动画 IP+版权运营管理平台)。

证券之星2023-06-25

深入剖析ZKML赛道：智能合约智能性的下一步

绕模型准确性进行竞赛等方面非常有用。生成式 AI 的去中心化提示市场。生成式 AI 的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML 在这里可以有两种用法： 1 ）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2 ）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是 zkML 的一种可能解决方案。公平的空投和贡献者奖励。可以使用 ML 模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源 ML 模型，并在选择过滤帖子时发布模型推理的证明。案例：关于 Twitter 算法的 zkML 分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用 ML 模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗 AI 游戏和其他创新的链上游戏，其中无信任的 AI 模型充当一个不可玩的角色。NPC 采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在 Modulus Labs 的 Leela vs. the World 中，验证者希望确保所述的 1900 ELO AI 选择棋步，而不是 Magnus Carlson。另一个例子是 AI Arena，一个类似于 Super Smash Brothers 的 AI 格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML 生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如 Pytorch、ONNX 等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML 特定的证明系统：专门构建用于验证 ML 模型计算轨迹的证明系统。应用程序：致力于独特 zkML 用例的项目。 01 模型验证编译器（Model-to-Proof Compilers）在 zkML 生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用 Pytorch、Tensorflow 等高级 ML 模型转换为 zk 电路。 EZKL 是一个库和命令行工具，用于在 zk-SNARK 中进行深度学习模型的推理。使用 EZKL，您可以在 Pytorch 或 TensorFlow 中定义一个计算图，并将其导出为带有 JSON 文件中一些示例输入的 ONNX 文件，然后将 EZKL 指向这些文件以生成 zkSNARK 电路。通过最新一轮的性能改进，EZKL 现在可以在约 6 秒和 1.1 GB 的 RAM 内证明一个 MNIST 大小的模型。迄今为止，EZKL 已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So 的 circomlib-ml 库包含了用于 Circom 的各种 ML 电路模板。电路包括一些最常见的 ML 函数。由 Cathie 开发的 Keras 2c ircom 是一个 Python 工具，使用底层的 circomlib-ml 库将 Keras 模型转换为 Circom 电路。 LinearA 开发了两个用于 zkML 的框架：Tachikoma 和 Uchikoma。Tachikoma 用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma 是一个工具，将 TVM 的中间表示转换为不支持浮点运算的编程语言。LinearA 计划支持使用域算术的 Circom 和使用有符号和无符号整数算术的 Solidity。 Daniel Kang 的 zkml 是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的 ML 模型执行证明的框架。在撰写本文时，它能够在约 5 GB 的内存和约 16 秒的运行时间内证明一个 MNIST 电路。在更广义的模型到证明编译器方面，有 Nil Foundation 和 Risc Zero。Nil Foundation 的 zkLLVM 是一个基于 LLVM 的电路编译器，能够验证用流行编程语言（如 C++、Rust 和 JavaScript/TypeScript 等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如 zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero 构建了一个通用的 zkVM，针对开源的 RISC-V 指令集，因此支持现有成熟的语言，如 C++和 Rust，以及 LLVM 工具链。这允许在主机和客户 zkVM 代码之间实现无缝集成，类似于 Nvidia 的 CUDA C++工具链，但是使用 ZKP 引擎代替 GPU。与 Nil 类似，使用 Risc Zero 可以验证 ML 模型的计算轨迹。 02 广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo 2 和 Plonky 2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于 R 1 CS 的证明系统包括 Groth 16 ，因其小型证明尺寸而闻名，以及 Gemini，因其处理极大电路和线性时间验证器而闻名。基于 STARK 的系统，例如 Winterfell 证明器/验证器库，尤其在通过 Giza 的工具将 Cairo 程序的追踪作为输入，并使用 Winterfell 生成 STARK 证明来验证输出的正确性时，非常有用。 03 zkML 特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于 GKR 证明系统的 zkCNN 和基于组合技术的 Zator 等系统往往比通用证明系统更具性能，这一点在 Modulus Labs 的基准测试报告中有所体现。 zkCNN 是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用 sumcheck 协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU 激活函数和最大池化。根据 Modulus Labs 的基准测试报告，zkCNN 特别有趣的地方在于它在证明生成速度和 RAM 消耗方面优于其他通用证明系统。 Zator 是一个旨在探索使用递归 SNARK 来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator 提出使用递归 SNARK 逐层进行验证，可以逐步验证 N 步重复计算。他们使用 Nova 将 N 个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator 能够对具有 512 层的网络进行 SNARK，这与大多数当前的生产 AI 模型一样深。Zator 的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于 zkML 处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs 是 zkML 领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs 通过 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个人类与经过验证的链上 Leela 国际象棋引擎对战的棋盘游戏）展示了 zkML 的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin 正在尝试应用 zkML 来创建一个保护隐私的人类身份证明协议。Worldcoin 使用定制硬件处理高分辨率虹膜扫描，并将其插入到 Semaphore 实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza 是一种协议，采用完全无信任的方法在链上部署 AI 模型。它使用包括 ONNX 格式表示机器学习模型、Giza Transpiler 用于将这些模型转换为 Cairo 程序格式、ONNX Cairo Runtime 用于以可验证和确定性的方式执行模型，以及 Giza Model 智能合约用于在链上部署和执行模型的技术堆栈。尽管 Giza 也可以归类为模型到证明编译器的类别，但他们作为一个 ML 模型市场的定位是目前最有趣的应用之一。 Gensyn 是一个分布式硬件供应网络，用于训练 ML 模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式 GPU 网络能够为全尺度模型提供训练服务。尽管他们在这里的 zkML 应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将 zk 和 ML 相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo 2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9 ，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML 面临的挑战尽管在提高和优化方面取得了飞速的进展，但 zkML 领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理 zk 电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9 上的一项黑客马拉松项目 Zero Gravity 显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于 zk 的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM 消耗和证明生成时间会迅速增加。某些证明系统（例如使用 sumcheck 协议和分层算术电路的基于 GKR 的系统）或组合技术（例如将 Plonky 2 与 Groth 16 相结合，Plonky 2 在证明时间方面效率高但对于大型模型的高效证明大小较差，而 Groth 16 在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在 zkML 项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或 DAO 选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的 zkML 可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在 zk 的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML 从0x PARC 在 2021 年展示了如何在可验证电路中执行小规模 MNIST 图像分类模型的演示，到 Daniel Kang 在不到一年后为 ImageNet 规模的模型做同样的工作的论文。在 2022 年 4 月，这个 ImageNet 规模的模型的准确性从 79% 提高到 92% ，并且像 GPT-2 这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为 zkML 是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管 zkML 仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的 zkML 用例。来源：金色财经

金色财经2023-06-24

美股开盘：道指跌超百点新能源车股走低小鹏汽车跌超6%

对战微软谷歌，亚马逊云砸1亿美元推出生成式AI创新中心 ChatGPT掀起的生成式人工智能（AI）竞赛如火如荼，亚马逊正在奋起直追。亚马逊宣布，旗下云业务Amazon Web Services（AWS）推出名为“AWS生成式AI创新中心”的新项目，投入1亿美元，目前已在和两家客户Highspot和Twilio合作。投资大佬罗恩巴伦：2025年特斯拉将达到500美元据CNBC，美国亿万富翁投资者罗恩·巴伦表示，预计特斯拉股票在2025年将达到每股500美元。这意味着，较特斯拉最新收盘价还存在约90%的潜在上涨空间。苹果推出VisionOS软件开发包，开发者最快可在下月在Vision Pro上测试App 苹果周四宣布推出visionOS软件开发包（SDK），支持开发者为苹果首款空间计算设备——Apple Vision Pro构建visionOS版App。苹果将于下月在库比提诺、伦敦、慕尼黑、上海、新加坡和东京开设开发者实验室，为开发者提供实践体验，在Apple Vision Pro硬件上测试他们的APP，并获取苹果工程师的支持。 92亿美元！福特获得金融危机以来美国政府向车企提供的最大规模贷款周四，美国福特汽车获得美国政府一项高达92亿美元的附条件贷款，用于建设三个电池工厂。这笔巨额贷款是自2009年金融危机救助以来美国政府对汽车制造商提供的最大一笔贷款，标志着拜登政府旨在帮助美国制造商在绿色技术领域有所建树的重要分水岭。加拿大议会通过立法，强制Meta和谷歌向新闻出版商付费据《华尔街日报》消息，加拿大议会通过了强制谷歌和Meta Platforms等科技巨头就文章链接向加拿大国内媒体机构付费的法案，Meta已警告说，此举将迫使它在其平台上封锁加拿大用户访问新闻报道，就像该公司两年前在澳大利亚采取的作法那样。谷歌也已表示，可能因为该法案在其加拿大搜索功能中限制提供新闻内容。小鹏计划在香港推出右舵车型，预计明年上市小鹏汽车计划明年在香港推出一款右舵车型，并希望与特斯拉等汽车品牌抗衡。

金融界2023-06-23

中美科技霸权争夺战：这一领域可能成为“新战场”！

I)聊天机器人ChatGPT背后依赖的生成式AI技术，可能成为中美科技霸权争夺战的新战场。尽管在美国国务卿布林肯(Antony Blinken)本周与中国国家主席习近平会晤后，两国寻求改善关系，但分析人士表示，科技紧张局势将继续下去。华盛顿试图切断中国在半导体等关键技术上的供应，而中国则希望提高自给自足，摆脱对美国技术的依赖，大力宣传自己的国内产业。总部位于多伦多的咨询公司The Geopolitical Business首席执行官Abishur Prakash表示：“从制裁到商业压力，现状在任何方面都不太可能改变。” 报道指出，被中美视为关键技术的AI可能被拖入两国之间的“战斗”中。美国前总统特朗普(Donald Trump)发动与中国的贸易战，科技也被卷入其中。到目前为止，华盛顿的策略一直依赖于限制中国获得它认为至关重要的半导体等技术。去年，美国出台全面的规定，旨在切断中国获得制造先进芯片的主要工具和零部件的渠道，并阻止中国获得关键的半导体产品。此举被视为可能阻碍中国本土芯片产业的发展。美国还让盟友在对华严格的技术出口规定上保持一致。与此同时，美国一直在寻求通过《芯片与科学法案》(Chips and Science Act)提供的520亿美元等资金来提升包括半导体在内的国内技术。 CNBC称，华盛顿的注意力现在可能转向生成式AI技术。 Albright Stonebridge科技政策主管Paul Triolo说：“华盛顿可能会有更多的尝试来瞄准中国某些类型应用程序的开发，未来一年里，生成式AI可能就是焦点。”拜登政府正在判断，哪种技术既能促进中国军事现代化，还能提升中国企业在生成式AI领域的能力。生成式AI与ChatGPT等应用程序有关，这些应用程序能够在用户提示时生成内容。 AI需要接受大量数据的训练才能工作。生成式AI基于所谓的大型语言模型，这意味着它需要用大量语言训练，才能了解并响应用户的提问。这些数据的处理需要大量的计算能力，而这些计算能力是由特定的半导体驱动的，比如美国公司英伟达(Nvidia)销售的半导体，该公司被视为此类芯片的市场领导者。美国目前的部分限制措施旨在阻止中国获得英伟达的一些关键芯片，从而可能会阻碍中国的人工智能发展。美国也正在展开境外投资审查，这将为美国对外国公司的投资制定规则。 Triolo说：“即将出台的境外投资审查行政命令将包括限制美国对一些AI相关技术的投资，这将是拜登政府最后两年美国技术控制方向的一个重要标志。”

天马行空2023-06-23

AI裁员浪潮来了！高知识工作者最惨烈生成式AI为每年经济贡献“一个英国GDP”

员潮才刚开始，最大输家是高知识工作者。生成式AI每年可为全球经济增加4.4万亿美元，增量基本相当于英国一年国内生产总值(GDP)。还有可能使60-70%的任务自动化，而这些任务如今占用了员工的时间。该报告着眼于生成式AI的经济潜力，称它可以通过涵盖16个业务功能的63个生成式AI用例，为全球经济增加2.6至4.4万亿美元，这与英国2021年的GDP大致相当。 (来源:McKinsey Digital) “我们估计，非生成式AI的经济价值将从11万亿美元增加至17.7万亿美元，增加15-40%。2017年时，我们认为AI可以带来9.5-15.4万亿美元的经济价值，”报告提到。而具体到每一项职位来看，麦肯锡的研究涵盖约850个职业的2100项细分工作职能，根据技术的采用程度和实施方式，报告指出，AI可能会影响目前全球所有的工作，对所有行业产生影响，未来20年，生成式AI可令劳动生产力提高0.1-0.6%。生成式AI指的是对话式AI工具，像是OpenAI于2022年11月发布的ChatGPT，它以其广泛的能力，包括创建内容、生成音乐和编写代码，给世界留下了深刻印象。#ChatGPT火爆全网# ChatGPT在短短两个多月内就达到1亿用户，成为互联网历史上增长最快的应用程序，并刺激了其他AI工具的开发，如谷歌Bard和微软的新版Bing。麦肯锡的报告称，生成式AI的影响预计将对所有行业产生重要影响，尤其是在银行业、高科技、制药和医疗产品，以及零售业。该技术可为银行业增加2000至3400亿美元的价值，为零售业增加240至3900亿美元的价值。报告指出，大约75%的技术价值将体现在4个领域：客户运营、营销和销售、软件工程和研发。根据报告，它在这些行业的用例范围从与客户的自动对话到为客户创建个性化消息、生成代码，甚至是“加速新药物和材料开发过程”的生成设计。该技术提高了理解自然语言的能力，有可能通过自动化目前占用员工时间的60-70%的任务来提高员工的工作效率。麦肯锡指出，生成式AI将影响各行各业，特别是对于“此前被认为相对不受自动化影响”的高薪脑力劳动者而言，受到的影响最大。在2030年至2060年间，中点为2045年，50%的职业逐步被AI取代，比他们此前研究大幅提前10年。而知识工作者最有可能受到自动化的影响，特别是涉及需要进行决策和团队合作的职业。前几代的自动化技术主要是涉及资料收集与处理，因此对于知识工作者的影响较小，但生成式AI的出现，使得“高知识工作者”的角色和任务与大语言模型(LLM)正好匹配。鉴于大语言模型从根本上是为了完成认知任务而设计的，因此报告中，对大语言模型在专业知识的应用能力较2017年增加34个百分点，而自动化管理和培养人才的潜力从2017年的16%上升到2023年的49%。因此，麦肯锡认为，许多涉及沟通、监督、记录和与人互动的工作都有可能被生成式AI自动化，这无疑加速了教育工作者及从事创造性劳动的白领工作转型。根据Business Insider查看的《彭博社》最近报告，到2032年，生成式AI预计将成为一个1.3万亿美元的市场，高于2022年的400亿美元。根据该报告，该行业可能会以每年42%的速度增长。

小萧2023-06-21

共探AIGC浪潮与算力变革，首期“时代的增量”系列沙龙成功举办

。　　刘兴亮则指出，这一轮智能变革、生成式AI在这个点得到突破，是技术组合带来的超预期的变革。大算力时代带来了生成式AI、大数据的处理与分析、量子计算、虚拟现实和增强现实技等关键创新，算力和生成式AI已经成为数字经济的新引擎，对未来经济生活、经济结构、经济生态都将产生不可逆的影响。　　沈阳认为，百度通过分析用户的搜索数据、交互数据、电商数据等，打造出一个在智商上与用户接近的AI分身，从而推动生成式AI走向觉醒式AI转变，在这个过程中，短视频、直播带货等领域也可以实现与AI结合，从而带来人类生产速度、设计速度的显著提速。　　据悉，百度百家号与中兴通讯以本期沙龙为开篇，后续还将围绕更多科技创新议题，探索数字经济时代的增量。

金融界2023-06-21

人工智能大会健康高峰论坛将召开 AI医疗成焦点

变革未来健康”为主题。随着基于大模型的生成式AI的出现，“AI医疗大模型+医疗”将成为本次论坛焦点。　　AI可以在医疗行业多个流程中发挥价值，问诊、医疗报告生成、初步筛查、医疗影像的辅助诊断等，通过大规模的医疗历史数据进行训练，在多个流程中发挥价值，也可以缓解国内医疗资源不均、不足等问题。　　海外的医疗AI应用陆续落地：今年 3 月，微软旗下的临床文档软件公司Nuance 在其最新的语音转录应用程序中添加了 GPT4；4 月，微软和 Epic 宣布将把OpenAI 的 GPT-4 引入医疗保健领域，以帮助医护人员回复患者信息和分析医疗记录。同月，谷歌宣布将向用户群发布其医学大模型 Med-PaLM 2。国内方面，卫宁健康、科大讯飞、创业慧康等积极布局，行业应用加速探索。　　民生证券认为，当前医疗AI可在多种场景展开应用，帮助医护人员提效增质。AI在医疗场景的应用很大部分集中于视觉领域，如医疗影像的辅助诊断，而生成式AI是一项融合性和韧性极强的技术，在医疗专业知识与大数据加持下，可快速应用到各个的医疗场景中。在快速迭代过程中，生成式AI有望快速在辅助问诊、医疗医疗报告生成等多种场景中率先展开应用。预计到2030年，全球医疗AI市场规模有望达到1879.5亿美元。　　中原证券近期建议，推荐科大讯飞、创业慧康、久远银海，建议关注佳发教育，卫宁健康。　　浙商证券梳理的相关标的：创业慧康、卫宁健康、嘉和美康、朗玛信息、科大讯飞等。

金融界2023-06-21

24小时热点