FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Sora横空出世 2024或成AI+Web3变革元年？

一门旨在模拟、扩展和增强人类智能的新兴科学技术。人工智能自二十世纪五六十年代诞生以来，在经历了半个多世纪的发展后，现已成为推动社会生活和各行各业变革的重要技术。在这一过程中，符号主义、连接主义和行为主义三大研究方向的相互交织发展，成为了如今AI飞速发展的基石。符号主义 (Symbolism) 亦称逻辑主义或规则主义，认为通过处理符号来模拟人类智能是可行的。这种方法通过符号来表示和操作问题领域内的对象、概念及其相互关系，并利用逻辑推理来解决问题，尤其在专家系统和知识表示方面已取得显著成就。符号主义的核心观点是智能行为可以通过对符号的操作和逻辑推理来实现，其中符号代表对现实世界的高度抽象；连接主义 (Connectionism) 或称为神经网络方法，旨在通过模仿人脑的结构和功能来实现智能。该方法通过构建由众多简单处理单元（类似神经元）组成的网络，并通过调整这些单元间的连接强度（类似突触）来实现学习。连接主义特别强调从数据中学习和泛化的能力，特别适用于模式识别、分类及连续输入输出映射问题。深度学习，作为连接主义的发展，已在图像识别、语音识别和自然语言处理等领域取得突破；行为主义 (Behaviorism) 行为主义则与仿生机器人学和自主智能系统的研究紧密相关，强调智能体能够通过与环境的交互学习。与前两者不同，行为主义不专注于模拟内部表征或思维过程，而是通过感知和行动的循环实现适应性行为。行为主义认为，智能通过与环境的动态交互、学习而展现，这种方法应用于需要在复杂和不可预测环境中行动的移动机器人和自适应控制系统中时，显得尤为有效。尽管这三个研究方向存在本质区别，但在实际的AI研究和应用中，它们也可以相互作用和融合，共同推动AI领域的发展。 AIGC原理概述现阶段正在经历爆炸式发展的生成式AI（Artificial Intelligence Generated Content，简称AIGC），便是对于连接主义的一种演化和应用，AIGC能够模仿人类创造力生成新颖的内容。这些模型使用大型数据集和深度学习算法进行训练，从而学习数据中存在的底层结构、关系和模式。根据用户的输入提示，生成新颖独特的输出结果，包括图像、视频、代码、音乐、设计、翻译、问题回答和文本。而目前的AIGC基本由三个要素构成：深度学习（Deep Learning，简称DL）、大数据、大规模算力。深度学习深度学习是机器学习（ML）的一个子领域，深度学习算法是仿照人脑建模的神经网络。例如，人脑包含数百万个相互关联的神经元，它们协同工作以学习和处理信息。同样，深度学习神经网络（或人工神经网络）是由在计算机内部协同工作的多层人工神经元组成的。人工神经元是称为节点的软件模块，它使用数学计算来处理数据。人工神经网络是使用这些节点来解决复杂问题的深度学习算法。从层次上划分神经网络可分为输入层、隐藏层、输出层，而不同层之间连接的便是参数。输入层（Input Layer）：输入层是神经网络的第一层，负责接收外部输入的数据。输入层的每个神经元对应于输入数据的一个特征。例如，在处理图像数据时，每个神经元可能对应于图像的一个像素值；隐藏层（Hidden Layer）：输入层处理数据并将其传递到神经网络中更远的层。这些隐藏层在不同层级处理信息，在接收新信息时调整其行为。深度学习网络有数百个隐藏层，可用于从多个不同角度分析问题。例如，你得到了一张必须分类的未知动物的图像，则可以将其与你已经认识的动物进行比较。比如通过耳朵形状、腿的数量、瞳孔的大小来判断这是什么动物。深度神经网络中的隐藏层以相同的方式工作。如果深度学习算法试图对动物图像进行分类，则其每个隐藏层都会处理动物的不同特征并尝试对其进行准确的分类；输出层（Output Layer）：输出层是神经网络的最后一层，负责生成网络的输出。输出层的每个神经元代表一个可能的输出类别或值。例如，在分类问题中，每个输出层神经元可能对应于一个类别，而在回归问题中，输出层可能只有一个神经元，其值表示预测结果；参数：在神经网络中，不同层之间的连接由权重（Weights）和偏置（Biases）参数表示，这些参数在训练过程中被优化以使网络能够准确地识别数据中的模式和进行预测。参数的增加可以提高神经网络的模型容量，即模型能够学习和表示数据中复杂模式的能力。但相对应的是参数的增加会提升对算力的需求。大数据为了有效训练，神经网络通常需要大量、多样及质量高和多源的数据。它是机器学习模型训练和验证的基础。通过分析大数据，机器学习模型可以学习数据中的模式和关系，从而进行预测或分类。大规模算力神经网络的多层复杂结构，大量参数，大数据处理需求，迭代训练方式（在训练阶段，模型需要反复迭代，训练过程中需要对每一层计算进行前向传播和反向传播，包括激活函数的计算、损失函数的计算、梯度的计算和权重的更新），高精度计算需求，并行计算能力，优化和正则化技术以及模型评估和验证过程共同导致了其对高算力的需求。 Sora 作为OpenAI最新发布的视频生成AI模型，Sora代表了人工智能处理和理解多样化视觉数据能力的巨大进步。通过采用视频压缩网络和空间时间补丁技术，Sora能够将来自世界各地、不同设备拍摄的海量视觉数据转换为统一的表现形式，从而实现了对复杂视觉内容的高效处理和理解。依托于文本条件化的Diffusion模型，Sora能够根据文本提示生成与之高度匹配的视频或图片，展现出极高的创造性和适应性。不过，尽管Sora在视频生成和模拟真实世界互动方面取得了突破，但仍面临一些局限性，包括物理世界模拟的准确性、长视频生成的一致性、复杂文本指令的理解以及训练与生成效率。并且Sora本质上还是通过OpenAI垄断级的算力和先发优势，延续“大数据-Transformer-Diffusion-涌现”这条老技术路径达成了一种暴力美学，其它AI公司依然存在着通过技术弯道超车的可能。虽然Sora与区块链的关系并不大，但个人认为之后的一两年里。因为Sora的影响，会迫使其它高质量AI生成工具出现并快速发展，并且将辐射到Web3内的GameFi、社交、创作平台、Depin等多条赛道，所以对于Sora有个大致了解是必要的，未来的AI将如何有效的与Web3结合，也许是我们需要思考的一个重点。 AI x Web3的四大路径如上文所诉，我们可以知道，生成式AI所需的底层基座其实只有三点：算法、数据、算力，另一方面从泛用性和生成效果来看AI是颠覆生产方式的工具。而区块链最大的作用有两点：重构生产关系以及去中心化。所以两者碰撞所能产生的路径我个人认为有如下四种：去中心化算力由于过去已经写过相关文章，所以本段的主要目的是更新一下算力赛道的近况。当谈到AI时，算力永远是难以绕开的一环。AI对于算力的需求之大，在Sora诞生之后已经是难以想象了。而近期，在瑞士达沃斯2024年度世界经济论坛期间，OpenAI首席执行官山姆·奥特曼更是直言算力和能源是现阶段最大的枷锁，两者在未来的重要性甚至会等同于货币。而在随后的2月10日，山姆·奥特曼在推上发表了一个极为惊人的计划，融资7万亿美元（相当于中国23年全国GDP的40%）改写目前全球的半导体产业格局，创立一家芯片帝国。在写算力相关的文章时，我的想象力还局限在国家封锁，巨头垄断，如今一家公司就想要控制全球半导体产业真的还是挺疯狂的。所以去中心化算力的重要性自然不言而喻，区块链的特性确实能解决目前算力极度垄断的问题，以及购置专用GPU价格昂贵的问题。从AI所需的角度来看，算力的使用可以分为推理和训练两种方向，主打训练的项目，目前还是寥寥无几，从去中心化网络需要结合神经网络设计，再到对于硬件的超高需求，注定是门槛极高且落地极难的一种方向。而推理相对来说简单很多，一方面是在去中心化网络设计上并不复杂，二是硬件和带宽需求较低，算是目前比较主流的方向。中心化算力市场的想象空间是巨大的，常常与“万亿级”这个关键词挂钩，同时也是AI时代下最容易被频繁炒作的话题。不过从近期大量涌现的项目来看，绝大部分还是属于赶鸭子上架，蹭热度。总是高举去中心化的正确旗帜，却闭口不谈去中心化网络的低效问题。并且在设计上存在高度同质化，大量的项目非常相似（一键L2加挖矿设计），最终可能会导致一地鸡毛，这样的情况想要从传统AI赛道分一杯羹着实困难。算法、模型协作系统机器学习算法，是指这些算法能够从数据中学习规律和模式，并据此做出预测或决策。算法是技术密集型的，因为它们的设计和优化需要深厚的专业知识和技术创新。算法是训练AI模型的核心，它定义了数据如何被转化为有用的见解或决策。较为常见的生成式AI算法比如生成对抗网络（GAN）、变分自编码器（VAE）、转换器（Transformer），每个算法都是为了一个特定领域（比如绘画、语言识别、翻译、视频生成）或者说目的而生，再通过算法训练出专用的AI模型。那么如此之多的算法和模型，都是各有千秋，我们是否能将其整合为一种能文能武的模型？近期热度高涨的Bittensor便是这个方向的领头者，通过挖矿激励的方式让不同AI模型和算法相互协作与学习，从而创作出更高效全能的AI模型。而同样以这个方向为主的还有Commune AI（代码协作）等，不过算法和模型对于现在的AI公司来说，都是自家的看门法宝，并不会随意外借。所以AI协作生态这种叙事很新奇有趣，协作生态系统利用了区块链的优势去整合AI算法孤岛的劣势，但是否能创造出对应的价值目前尚未可知。毕竟头部AI公司的闭源算法和模型，更新迭代与整合的能力非常强，比如OpenAI发展不到两年，已从早期文本生成模型迭代到多领域生成的模型，Bittensor等项目在模型和算法所针对的领域也许要另辟蹊径。去中心化大数据从简单的角度来说，将私有数据用来喂AI以及对数据进行标记都是与区块链非常契合的方向，只需要注意如何防止垃圾数据以及作恶，并且数据存储上也能使FIL、AR等Depin项目受益。而从复杂的角度来说，将区块链数据用于机器学习（ML），从而解决区块链数据的可访问性也是一种有趣的方向（Giza的摸索方向之一）。在理论上，区块链数据可随时访问，反映了整个区块链的状态。但对于区块链生态系统之外的人来说，获取这些庞大数据量并不容易。完整存储一条区块链需要丰富的专业知识和大量的专门硬件资源。为了克服访问区块链数据的挑战，行业内出现了几种解决方案。例如，RPC提供商通过API访问节点，而索引服务则通过SQL和GraphQL使数据提取变得可能，这两种方式在解决问题上发挥了关键作用。然而，这些方法存在局限性。RPC服务并不适合需要大量数据查询的高密度使用场景，经常无法满足需求。同时，尽管索引服务提供了更有结构的数据检索方式，但Web3协议的复杂性使得构建高效查询变得极其困难，有时需要编写数百甚至数千行复杂的代码。这种复杂性对于一般的数据从业者和对Web3细节了解不深的人来说是一个巨大的障碍。这些限制的累积效应凸显了需要一种更易于获取和利用区块链数据的方法，可以促进该领域更广泛的应用和创新。那么通过ZKML（零知识证明机器学习，降低机器学习对于链的负担）结合高质量的区块链数据，也许能创造出解决区块链可访问性的数据集，而AI能大幅降低区块链数据可访问性的门槛，那么随着时间的推移，开发者、研究人员和ML领域的爱好者将能够访问到更多高质量、相关的数据集，用于构建有效和创新的解决方案。 AI赋能Dapp 自23年，ChatGPT3爆火以来，AI赋能Dapp已经是一个非常常见的方向。泛用性极广的生成式AI，可以通过API接入，从而简化且智能化分析数据平台、交易机器人、区块链百科等应用。另一方面，也可以扮演聊天机器人（比如Myshell）或者AI伴侣（Sleepless AI），甚至通过生成式AI创造链游中的NPC。但由于技术壁垒很低，大部分都是接入一个API之后进行微调，与项目本身的结合也不够完美，所以很少被人提起。但在Sora到来之后，我个人认为AI赋能GameFi（包括元宇宙）与创作平台的方向将是接下来关注的重点。因为Web3领域自下而上的特性，肯定很难诞生出一些与传统游戏或是创意公司抗衡的产品，而Sora的出现很可能会打破这一窘境（也许只用两到三年）。以Sora的Demo来看，其已具备和微短剧公司竞争的潜力，Web3活跃的社区文化也能诞生出大量有趣的Idea，而当限制条件只有想象力的时候，自下而上的行业与自上而下的传统行业之间的壁垒将被打破。结语随着生成式AI工具的不断进步，我们未来还将经历更多划时代的“iPhone时刻”。尽管许多人对AI与Web3的结合嗤之以鼻，但实际上我认为目前的方向大多没有问题，需要解决的痛点其实只有三点，必要性、效率、契合度。两者的融合虽处于探索阶段，却并不妨碍这条赛道成为下个牛市的主流。对新事物永远保持足够的好奇心和接纳度是我们需要必备的心态，历史上，汽车取代马车的转变瞬息之间便已成定局，亦如同铭文和过去的NFT一样，持有太多偏见只会和机遇失之交臂。来源：金色财经

金色财经2024-02-23

2024年将是C3.ai的关键一年

去。管理层确实表示，他们更注重招聘数据科学家、LLM工程师以及一些潜在客户。如果公司不能在销售周期中领先于竞争对手，那么无论产品多么复杂，它都可能被忽视，这取决于管理层对潜在客户生成的理解，无论是投资于销售团队，还是仅仅支付广告费用和在AWS Marketplace中的优先位置。考虑到几乎每个平台都在发布某种形式的GenAI功能，无论是Palantir还是Check Point Software等。如果公司没有像Palantir那样有力地启动销售周期，被动销售可能无法提供预期的结果。从财务方面看，C3.ai的总收入在TTM基础上增长了4%，订阅收入增长了3%，专业服务增长了10%。来源：企业报告与同行AI平台相比，C3.ai的增长几乎陷入停滞。尽管我们仍处于人工智能革命的早期阶段，但对于平台公司来说，未来几年将是决定哪些公司独立生存、哪些公司被收购、哪些公司成为中坚力量的关键时期。管理层预计，24年第三季度的收入增长率在11-17%之间，这表明24年第二季度17%的年增长率是未来更高增长率的开始。尽管有了这样的增长，但管理层的经营亏损仍在4000万美元至4600万美元之间，经营利润率为-60%。展望24年第四季度，管理层对24年第四季度的收入指导在4.25-38.75%之间。管理层的收入指导反映了上文所说的，采用GenAI将决定公司发展的成败，要么非常成功，要么彻底失败。在其他条件相同的情况下，24年第四季度调整后的营业利润率为-45%。展望25财年，C3.ai鉴于其在市场中的定位，将面临比普遍预期更多的阻力。与竞争对手相比，C3.ai将更先进的人工智能功能引入其产品组合的时间有点晚，因此可能面临重大阻力。对于24财年，预计营收增长12%，25财年增长10%，总收入分别为2.97亿美元和3.28亿美元。因此，利润率将面临更大的阻力，因为该公司将招聘更多员工，并面临增长阻力。来源：企业报告最后，管理层认为公司将在24年第四季度和25财年产生正现金流。虽然这对公司来说是一个非常可行的目标，但转向正现金流不由损益表驱动，而是由资产负债表上的会计影响驱动。鉴于此，现金流转为正并不会对公司产生重大影响，除了他们如何报告财务状况。估值与股东价值来源：企业报告人工智能的定价非常高，为销售额的11.27倍，但远低于同行平台。鉴于对该公司增长轨迹的展望，该公司的估值不会扩大到同类公司的水平。考虑到人工智能的历史估值，基于公司未来的增长路径，价格/销售额留下了广泛的可能性。来源：Seeking Alpha 如果该公司不能完全实现其GenAI产品的采用目标，那么股价可能会在一天内轻松下跌20%或更多，就像其他软件平台在这个财报季所看到的那样。正如之前提到的，24财年将是公司的关键一年，因为它将决定未来的增长路径，成为人工智能平台成败的一年。考虑到对同行平台Palantir的滞后效应，这场竞赛可能是一场非常陡峭的艰苦战斗。 $C3.ai, Inc.(AI)$

老虎证券2024-02-23

Sora涌现：2024年会是AI+Web3革命年吗

一门旨在模拟、延伸和增强人类智能的新兴科学技术。自20世纪50年代和60年代诞生以来，AI已经发展了半个多世纪，现已成为推动社会生活和各行业变革的关键技术。在此过程中，符号主义、联结主义、行为主义三大研究方向的交织发展，为当今人工智能的快速发展奠定了基础。符号主义符号主义也称为逻辑主义或基于规则的推理，认为通过符号的处理来模拟人类智能是可行的。这种方法使用符号来表示和操纵问题域内的对象、概念及其关系，并采用逻辑推理来解决问题。符号主义取得了巨大的成功，特别是在专家系统和知识表示方面。符号主义的核心思想是智能行为可以通过符号的操纵和逻辑推理来实现，其中符号代表了现实世界的高级抽象。联结主义或称为神经网络方法，旨在通过模仿人脑的结构和功能来实现智能。该方法构建由许多简单处理单元（类似于神经元）组成的网络，并调整这些单元（类似于突触）之间的连接强度以促进学习。连接主义强调从数据中学习和概括的能力，使其特别适合模式识别、分类和连续输入输出映射问题。深度学习作为联结主义的演变，在图像识别、语音识别、自然语言处理等领域取得了突破。行为主义行为主义与仿生机器人和自主智能系统的研究密切相关，强调智能体可以通过与环境的交互来学习。与前两者不同，行为主义并不注重模拟内部表征或思维过程，而是通过感知和行动的循环来实现适应性行为。行为主义认为，智能是通过与环境的动态交互和学习来体现的，这使得它对于在复杂和不可预测的环境中运行的移动机器人和自适应控制系统特别有效。这三个研究方向虽然存在根本差异，但在AI的实际研究和应用中可以相互作用、相互融合，共同推动人工智能领域的发展。 AIGC的原则 AIGC的爆炸性发展领域代表了联结主义的演变和应用，能够通过模仿人类创造力来生成新颖的内容。这些模型使用大型数据集和深度学习算法进行训练，学习数据中的底层结构、关系和模式。根据用户提示，它们生成独特的输出，包括图像、视频、代码、音乐、设计、翻译、问题答案和文本。目前，AIGC基本上由三个要素组成：深度学习、大数据和海量计算能力。深度学习深度学习是机器学习的一个子领域，它采用模仿人脑神经网络的算法。例如，人脑由数百万个相互连接的神经元组成，它们一起工作来学习和处理信息。同样，深度学习神经网络（或人工神经网络）由在计算机内协同工作的多层人工神经元组成。这些人工神经元（称为节点）使用数学计算来处理数据。人工神经网络利用这些节点通过深度学习算法解决复杂问题。神经网络分为层：输入层、隐藏层和输出层，参数连接不同层。输入层：神经网络的第一层，负责接收外部输入数据。输入层中的每个神经元对应于输入数据的一个特征。例如，在处理图像数据时，每个神经元可能对应于图像的一个像素值。隐藏层：输入层处理数据并将其进一步传递到网络中。这些隐藏层在不同级别处理信息，在接收新信息时调整其行为。深度学习网络有数百个隐藏层，可以从多个角度分析问题。例如，当呈现需要分类的未知动物的图像时，你可以通过检查耳朵形状、腿数量、瞳孔大小等将其与你已经知道的动物进行比较。深度神经网络中的隐藏层以类似的方式工作方式。如果深度学习算法尝试对动物图像进行分类，每个隐藏层都会处理动物的不同特征并尝试对其进行准确分类。输出层：神经网络的最后一层，负责生成网络的输出。输出层中的每个神经元代表一个可能的输出类别或值。例如，在分类问题中，每个输出层神经元可能对应一个类别，而在回归问题中，输出层可能只有一个神经元，其值代表预测结果。参数：在神经网络中，不同层之间的连接由权重和偏差表示，它们在训练过程中进行优化，以使网络能够准确识别数据中的模式并做出预测。增加参数可以增强神经网络的模型能力，即学习和表示数据中复杂模式的能力。然而，这也增加了对计算能力的需求。大数据为了进行有效的训练，神经网络通常需要大量、多样化、高质量和多源的数据。它构成了训练和验证机器学习模型的基础。通过分析大数据，机器学习模型可以学习数据中的模式和关系，从而实现预测或分类。海量计算能力神经网络多层结构复杂，参数众多，大数据处理要求，迭代训练方式（训练时模型需要反复迭代，涉及到每一层的前向和后向传播计算，包括激活函数计算、损失函数计算、梯度计算和权重更新）、高精度计算需求、并行计算能力、优化和正则化技术以及模型评估和验证过程共同导致了高计算能力的需求。 Sora 作为 OpenAI 最新的视频生成 AI 模型，Sora 代表了人工智能处理和理解多样化视觉数据的能力的重大进步。通过采用视频压缩网络和时空补丁技术，Sora 可以将全球范围内不同设备捕获的海量视觉数据转换为统一的表示形式，从而实现对复杂视觉内容的高效处理和理解。利用文本条件扩散模型，Sora 可以生成与文本提示高度匹配的视频或图像，展现出高度的创造力和适应性。然而，尽管Sora在视频生成和模拟现实世界交互方面取得了突破，但它仍然面临一些局限性，包括物理世界模拟的准确性、生成长视频的一致性、理解复杂的文本指令以及训练和生成的效率。本质上，Sora通过OpenAI的垄断算力和先发优势，延续了“大数据-Transformer-Diffusion-emergence”的老技术路径，实现了一种蛮力美学。其他人工智能公司仍然有通过技术创新实现超越的潜力。虽然Sora与区块链的关系并不大，但相信未来一两年，由于Sora的影响力，其他优质的AI生成工具将会出现并迅速发展，冲击各个Web3领域如GameFi、社交平台、创意平台、Depin等。因此，对Sora有一个大致的了解是必要的，未来AI如何与Web3有效结合是一个重点考虑的问题。 AI x Web3融合的四种途径正如前面所讨论的，我们可以理解生成式AI所需的基本要素本质上有三重：算法、数据和计算能力。另一方面，考虑到其普遍性和产出效果，AI是一种彻底改变生产方式的工具。同时，区块链最大的影响是双重的：重组生产关系和去中心化。因此，我认为这两种技术的碰撞可以产生以下四种路径：去中心化算力如前所述，本节旨在更新计算能力格局的状态。谈到AI，计算能力是不可或缺的一个方面。Sora的出现，让原本难以想象的AI对算力的需求凸显出来。近日，在2024年瑞士达沃斯世界经济论坛期间，OpenAI首席执行官Sam Altman公开表示，算力和能源是当前最大的制约因素，暗示它们未来的重要性甚至可能等同于货币。随后，2月10日，Sam Altman在推特上宣布了一项令人震惊的计划，将筹集7万亿美元（相当于2023年中国GDP的40%）来彻底改革当前的全球半导体产业，旨在打造一个半导体帝国。我之前对算力的思考仅限于国家封锁和企业垄断；一家公司想要主宰全球半导体行业的想法确实很疯狂。因此，去中心化计算能力的重要性是不言而喻的。区块链的特性确实可以解决当前计算能力极度垄断的问题，以及与获取专用 GPU 相关的昂贵成本的问题。从AI需求的角度来看，算力的使用可以分为推理和训练两个方向。专注于训练的项目还很少，因为去中心化网络需要集成神经网络设计，对硬件要求极高，是一个门槛较高、实施难度较大的方向。相比之下，推理相对简单，因为去中心化网络设计没有那么复杂，对硬件和带宽的要求也较低，是更主流的方向。中心化算力市场想象空间广阔，常常与“万亿级”关键词联系在一起，也是AI时代最容易炒作的话题。然而，纵观最近出现的众多项目，大多数似乎都是利用趋势的考虑不周的尝试。他们经常高举去中心化的旗帜，但却避免讨论去中心化网络的低效率。另外，设计同质化程度很高，很多项目非常相似（一键L2加挖矿设计），最终可能会导致失败，很难在传统AI竞赛中占据一席之地。算法与模型协同系统机器学习算法是那些可以从数据中学习模式和规则，并根据它们做出预测或决策的算法。算法是技术密集型的，因为其设计和优化需要深厚的专业知识和技术创新。算法是训练人工智能模型的核心，定义了如何将数据转化为有用的见解或决策。常见的生成式 AI 算法包括生成对抗网络 (GAN)、变分自编码器 (VAE) 和 Transformers，每种算法都是针对特定领域（例如绘画、语言识别、翻译、视频生成）或目的而设计的，然后用于训练专门的 AI模型。那么，这么多的算法和模型，各有千秋，是否有可能将它们整合成一个通用的模型呢？Bittensor是最近备受关注的一个项目，它通过激励不同的AI模型和算法相互协作和学习，从而创建更高效、更有能力的AI模型，从而引领了这个方向。其他专注于这个方向的项目包括Commune AI（代码协作），但算法和模型对于AI公司来说是严格保密的，不容易共享。因此，AI协作生态系统的叙述新颖而有趣。协作生态系统利用区块链的优势来整合孤立的AI算法的劣势，但是否能够创造相应的价值还有待观察。毕竟，拥有自主算法和模型的领先AI公司，拥有强大的更新、迭代和集成能力。例如，OpenAI 在不到两年的时间内从早期的文本生成模型发展到多领域生成模型。像 Bittensor 这样的项目可能需要在其模型和算法目标领域探索新路径。去中心化大数据从简单的角度来看，利用隐私数据来喂养AI和注释数据是与区块链技术非常吻合的方向，主要考虑的是如何防止垃圾数据和恶意行为。此外，数据存储可以使 FIL 和 AR 等 DePIN项目受益。从更复杂的角度来看，使用区块链数据进行机器学习来解决区块链数据的可访问性是另一个有趣的方向（Giza 的探索之一）。理论上，区块链数据是随时可访问的，反映了整个区块链的状态。然而，对于区块链生态系统之外的人来说，访问这些大量数据并不简单。存储整个区块链需要丰富的专业知识和大量的专业硬件资源。为了克服访问区块链数据的挑战，行业内出现了多种解决方案。例如，RPC 提供商通过 API 提供节点访问，索引服务使通过 SQL 和 GraphQL 进行数据检索成为可能，在解决该问题方面发挥了至关重要的作用。然而，这些方法都有其局限性。RPC服务不适合需要大量数据查询的高密度用例，往往无法满足需求。同时，尽管索引服务提供了一种更加结构化的数据检索方式，但 Web3 协议的复杂性使得构造高效查询变得极其困难，有时需要数百甚至数千行复杂代码。这种复杂性对于一般数据从业者和那些对 Web3 细节了解有限的人来说是一个重大障碍。这些限制的累积效应凸显了需要一种更易于访问和利用的方法来获取和利用区块链数据，这可以促进该领域更广泛的应用和创新。因此，将ZKML（零知识证明机器学习，减轻链上机器学习的负担）与高质量的区块链数据相结合，可能会创建解决区块链数据可访问性的数据集。AI可以显着降低区块链数据的访问障碍。随着时间的推移，开发人员、研究人员和机器学习爱好者可以访问更多高质量、相关的数据集，以构建有效和创新的解决方案。 AI赋能Dapp 自2023年ChatGPT3爆发以来，AI对Dapp的赋能已经成为一个非常普遍的方向。广泛适用的生成式人工智能可以通过API集成，从而简化和智能化数据平台、交易机器人、区块链百科全书和其他应用程序。另一方面，它还可以充当聊天机器人（如 Myshell）或 AI 伴侣（Sleepless AI），甚至可以使用生成式 AI 在区块链游戏中创建 NPC。但由于技术门槛较低，大多数只是集成API后的调整，与项目本身的集成并不完善，因此很少被提及。但随着Sora的到来，我个人认为AI对GameFi（包括元宇宙）和创意平台的赋能将是未来的重点。鉴于Web3领域自下而上的性质，它不太可能生产出可以与传统游戏或创意公司竞争的产品。然而，Sora的出现可能会打破这一僵局（也许只需两到三年）。从Sora的演示来看，它有与短剧公司竞争的潜力。Web3活跃的社区文化还可以催生出大量有趣的想法，当唯一的限制就是想象力时，自下而上的行业与自上而下的传统行业之间的壁垒将被打破。结论随着生成式人工智能工具的不断发展，未来我们将见证更多突破性的“iPhone时刻”。尽管人们对AI与Web3的整合持怀疑态度，但我相信目前的方向基本上是正确的，只需要解决三个主要痛点：必要性、效率和契合度。虽然这两者的融合还处于探索阶段，但并不妨碍这条路径成为下一次牛市的主流。对新事物保持足够的好奇心和开放的态度是我们的基本心态。从历史上看，从马车到汽车的转变是瞬间解决的，正如铭文和过去的 NFT 所显示的那样。持有太多偏见只会导致错失机会。来源：金色财经

金色财经2024-02-23

福建福清汇通农商行迎“80后”行长，2023年上半年归母净利润同比下降5.52%

，福建福清人，1982年12月出生，本科学历，经济师职称，于2005年12月参加工作，曾任汇通银行镜洋支行副行长（主持），罗源汇融村镇银行董事长，汇通银行仓山支行副行长（主持），汇通银行五凤分理处主任汇通银行闽侯支行行长等职务，2021年9月起任汇通银行副行长。公开资料显示，汇通银行前身为福清市农村信用合作联社，于2011年12月份改制组建成股份制商业银行，2017年12月在新三板挂牌上市。汇通银行2023年半年报显示，2023年上半年，汇通银行实现营业收入6.05亿元，同比上涨2.27%；实现归母净利润3亿元，同比下降5.52%。截至2023年6月末，汇通银行资产总计641.69亿元。

金融界2024-02-23

伯恩光学2024年员工关怀计划：员工为中心积极履行社会责任

光学通过线上直播、线下座谈、专家指导、科学提升等多种方式，不断开拓员工的新世界，让员工不断迎接新未来。更重要的是，伯恩光学也鼓励员工参与创新创业大赛，组织积极的调研反馈活动，用实际行动培养更优秀的员工，用温暖的家的氛围打造一个幸福的港湾。伯恩构建社会责任体系，打造创新创业发展平台作为一家有责任、有担当的民营企业，伯恩光学积极履行社会责任，在灾难救援和公益事业方面持续发挥着重要的作用。公司始终致力于回馈社会，通过捐款和捐物等方式不断奉献愛心。根据统计数据显示，伯恩光学累计向社会各界捐款、捐物金额己超过4亿港元。2020年，伯恩光学（惠州）有限公司向湖北孝感市慈善总会、惠州市慈善总会和惠阳区慈善总会分别捐赠了200万元，共计600万元。此举旨在帮助受灾地区渡过困难时期，支持灾后重建工作。在2021年7月，伯恩光学通过香港中联办向河南灾区捐款1000万港元，积极支援河南抗洪救灾工作，这一举措体现了伯恩光学对灾区人民的关怀和支持。伯恩光学将继续履行企业社会责任，积极参与公益慈善活动，为社会发展和人民福祉做出更多贡献。通过持续的捐助和奉献，伯恩光学将继续努力回馈社会，营造更加美好的未来。以员工为中心，成为伯恩光学发展的重要指标随着社会的发展和经济的不断增长，员工关怀已成为企业发展的重要一环。在2024年，伯恩光学将继续坚持员工为中心的理念，深入挖掘员工需求，提供更加个性化、多样化的员工福利，并加强员工培训和职业发展规划。同时，伯恩光学将进一步加强员工心理健康关怀，完善员工心理健康服务体系，通过举办心理健康讲座、开展心理咨询等方式，帮助员工解决生活和工作中的心理问题，提升员工的幸福感和获得感。除此之外，伯恩光学还将继续推行“家”的文化，打造一个温馨有爱的企业氛围。通过举办员工康乐活动、建设员工休闲娱乐场所等方式，为员工提供更多的生活乐趣和社交空间，增强员工之间的互动和交流。同时，伯恩光学也将不断加强社会责任体系建设，积极参与公益事业，为社会做出更多的贡献。总之，伯恩光学将继续坚持以员工为中心的理念，不断提升员工的获得感和幸福感，打造一个让员工感到温暖、舒适、有归属感的企业家园，共同迎接更加美好的未来来源：金色财经

金色财经2024-02-23

黄金晚间行情涨跌趋势最新行情分析及黄金多空独家操作建议

希望我多年的经验能够给大家一个合理并且科学的解决方案去给大家锦上添花，雪中送炭也没有这么大的高度不现实。希望与困惑和迷茫的你进行交流！很多人在深夜的时候会想我们没日没夜的挣扎在这个市场上是为了什么？无非就是抓住机会分一分市场这块蛋糕。而事实上并没有那么容易，很多人说自己没有财运，渐渐地对市场产生了难以磨灭的恐惧，每一次诱多每一次诱空，你从来没有错过，每一次正确的感觉你却不敢下单，因为你害怕，所以正中了市场的下怀。不是市场的套路太深，说到底还是你太天真，在你每次欣喜的自以为经过你再三的考虑认为时机已经成熟的时候，你可曾想过有个词语叫做事不过三？好多人反应“王启蒙老师你的思路我根本就摸不透，有时候盯着一个趋势不放，有时候有善变得很”我一向是这样的啊，可能我白天看多晚上就看空，也可能我连续好几天都看空或者看多，那又怎样呢？分析来分析去还不是对你们做单子有好处，善变是在这个市场上最有用的生活方式，就像狼的嗅觉一样，感受到危险立马就撤，难道你们认为那些上午看空下午趋势变了还打肿脸充胖子不告诉你，继续叫你耐心持有的老师才是最牛逼，最有身份，最有逼格的老师吗？这是什么逻辑，完全行不通啊，因为那是你的钱。大家要记住我今天说的话，善变不是错，赚钱才是王道！黄金最新行情趋势分析：黄金消息面解析：金价周五（2月23日）周线料将上涨，为两周来首见，受美元走软和避险买盘的支撑，投资者在等待美联储何时可能开始降息的进一步线索。在前一个交易日，金价从近两周的高位回落，原因是公布的初请失业金数据显示美国经济表现强劲。尽管如此，两位美联储官员的讲话措辞略显鸽派，同时地缘局势持续紧张，这些因素共同支撑金价保持在2020美元/盎司关口上方。目前，投资者正在等待更多经济数据的公布，以便为美联储的利率决策提供更多指引。不过，FXStreet首席分析师Valeria Bednarik指出，现货黄金周四从数周高点2034.86美元/盎司回落。黄金价格似乎已经缩减短期跌幅，但走势风险仍然偏向下行。黄金技术面分析：黄金从周线级别来看，金价上周触底回升，并收在中轨之上，空头力量减弱，短期偏一定的回升反弹行情，但由于仍面临均线*，走势也仍处于震荡回落趋势，附图指标维持空头信号发展未变，空头也仍具一定的压力，故此后市走势仍将保持回落趋势震荡下移发展。那么短期反弹关注10周均线阻力，以及趋势线压力进行高空即可。从日线级别来看：金价在触底100日均线支撑止跌后，目前已经5连阳，现在多头动力有所减弱，关键阻力60日均线仍有较强压力，但附图指标MACD已转看涨发展，KDJ维持金叉向上不变，暗示走势仍存在买盘需求，将仍有望继续延续走强，等待触及回落趋势的通道趋势线压力后，再看遇阻回落。黄金从当前盘面来看，4小时结构图目前连阴下坠破位于中轨，黄金震荡没变，目前压力还是在2035，从昨天到前天的运行来看，价格短期在四小时的上下线之间，小时图来看，昨日行情如期冲高回落，虽然盘中进一步创新高但是依然是在2033-3037这个区间的重压之下运行，晚间一度到达下方2019一线目前止跌反弹，之所以会出现止跌反弹动作，我们从图中可以清楚的看到行情在2020一线出现多头主力增仓的动作，目前依然大幅增仓，短期上方我们继续关注2033一线的*，短期下方我们重点关注2017的支撑。综合来看，今日黄金短线操作思路上王启蒙建议反弹做空为主，回调做多为辅，上方短期重点关注2030-2033一线阻力，下方短期重点关注2013-2008一线支撑。关于本周的操作，王启蒙在线wqm56778指导已经公布在朋友圈，每天会在指导微信上给出亚盘、欧盘、美盘行情分析和操作方向，准确率百分之九十以上，全是免费。目前对黄金白银（纸黄金/白银、T+D黄金/白银）外汇投资感兴趣的、刚步入金市但资金遭到严重缩水，收益不理想的朋友，仓位上有套单的朋友，都可以找王启蒙聊聊。行情每天都是千变万化，我们有强大的分析团队做的每一单都是经过深思的判断，要保证每单都能获利出局！每天两到三单的操作不求一夜暴富，只求落袋为安！利润十分，我独取九分，一分靠运气，八分靠实力！一天两天是运气，那一周呢？两周呢？无论是圈内还是群发策略，亦或者各大财经网站，团队老师都是现价喊单！每日分析团队技术指导群内实时公布每日行情走势推送，实时现价喊单每单进场都有理丶有据、公开公明、可免费进群体验考察！非本人实盘客户，提供大致方向及预期，每天会在朋友圈更新趋势分析和操作思路，需要考察实力的可以去看，需要看建议的可关注（王启蒙）自行去看就可以了，又不收费，你考虑好了就跟实盘操作，觉得我帮不了你或者你有疑问你就再继续考察，免得耽误大家彼此的时间，毕竟时间是宝贵的，不是用来浪费的。王启蒙老师这里没有100%正确，只有稳健的操作思路。大仓做趋势，小仓做波段，自己控制好比例。没有不赚钱的投资，只有不成功的做单！是否赚钱在于买涨买跌时机的把握，赚钱靠机会，投资靠智慧，理财靠专业。文/王启蒙（微信：wqm56778）一个人能走多远，要看他与谁同行;一个人多么优秀，要看他身边有什么样的朋友;一个人能有多大的成就，要看他有谁指点。谁说女子不如男！你若诚意信我，我必拿命相待！我就是我，低调而又有实力的王启蒙！佛祖曰心中有法，万法自然，佛门中人，万物皆可渡，万物皆不可渡，渡的不过是心中层层枷锁，我只渡有缘人！

王启蒙现货黄金2024-02-23

英可瑞上涨5.02%，报12.55元/股

丽街道曙光社区中山园路1001号TCL科学园区E1栋1101，公司主要从事电力电子产品的研发、生产和销售，服务于中高端直流电源系统制造商，并拥有多项自主知识产权。公司产品广泛应用于汽车、电力、铁路、冶金、通信等领域，同时在新能源电动汽车充电桩领域有着丰富的项目经验和高度的美誉度。截至2月8日，英可瑞股东户数1.71万，人均流通股5072股。 2023年1月-9月，英可瑞实现营业收入1.97亿元，同比减少18.44%；归属净利润-2033.96万元，同比减少116.46%。

金融界2024-02-23

交大思诺上涨5.03%，报22.95元/股

在国内外得到广泛认可和应用，获得了国家科学技术进步奖二等奖、北京市自主创新产品证书、中国铁道学会铁道科技一等奖等多项荣誉，并与多个铁路信号系统的开发、生产和集成企业保持紧密的合作关系。截至2月20日，交大思诺股东户数9482，人均流通股4867股。 2023年1月-9月，交大思诺实现营业收入2.06亿元，同比增长18.01%；归属净利润3845.33万元，同比增长74.50%。

金融界2024-02-23

兴业股份上涨5.13%，报9.64元/股

术产品”“国家重点新产品”，并荣获省市科学技术二等奖。截至9月30日，兴业股份股东户数1.09万，人均流通股1.84万股。 2023年1月-9月，兴业股份实现营业收入11.31亿元，同比减少17.55%；归属净利润6439.05万元，同比减少27.30%。

金融界2024-02-23

大唐电信上涨5.1%，报5.77元/股

射频和处理器等核心专利技术，并荣获国家科学技术进步奖一等奖和二等奖、世界知识产权组织和国家知识产权局颁发的专利金奖等荣誉。截至9月30日，大唐电信股东户数6.57万，人均流通股1.34万股。 2023年1月-9月，大唐电信实现营业收入5.66亿元，同比减少9.84%；归属净利润-1.27亿元，同比减少104.59%。

金融界2024-02-23

24小时热点