FX168财经网_全球视野外汇黄金加密货币NFT资讯网

与OpenAI竞争马斯克旗下xAI寻求10亿美元募资

I推出的ChatGPT爆红以来，生成式AI行业今年已经筹集了数十亿美元。也在市场上引发了炒作和泡沫的担忧。马斯克是OpenAI的联合创始人之一，曾经向后者投资一亿美元，但后来他宣称因利益冲突而选择离开OpenAI。今年，他曾多次批评OpenAI不够“Open”，已经变成了一个背靠微软的商业公司，违背了他当时投资的初衷。 7月，马斯克成立xAI公司，与OpenAI直接竞争。他宣称xAI的任务旨在“了解宇宙的真正本质”。上个月，xAI发布了首个人工智能模型，一个名为 Grok 的“讽刺型”聊天机器人，这个模型由马斯克一年前以 440 亿美元收购的社交媒体平台X提供训练数据。要使用Grok，需要每月付费16美元，开通X会员。

金融界2023-12-06

深圳印发算力基础设施高质量发展行动计划，算力产业迎来持续催化，三个维度掘金

达33.9%。目前，算力基础设施已成为AI行业亟需布局的资源。今年以来加快建设算力基础设施相关政策接连落地，从顶层设计到地方发展规划相继出台，产业利好催化不断。未来随着云计算下游需求回暖和国内AI算力基础设施建设工作稳步推进，国内算力基础设施产业链值得持续关注。华龙证券建议从三个维度掘金，建议关注： 1）开展算力服务的厂商：中贝通信、莲花健康、恒润股份、汇纳科技、鸿博股份； 2）具备国产芯片 IP 设计能力的厂商：寒武纪、海光信息、芯原股份； 3）具备云服务能力的厂商：中科曙光、浪潮信息、紫光股份、神州数码； 4）芯片封测厂商：长电科技、通富微电、华天科技。

金融界2023-12-06

加密与AI的碰撞：机遇、代表性项目及未来

（AI）和加密的碰撞最近，人工智能（AI）行业频现各大新闻头条，褒贬不一。虽然你可能对最近的OpenAI闹剧非常了解，并且可能对现有的AI技术的功能也已经进行了一些探索，但关于AI与区块链系统之间的交互你很可能并没有想太多。本文，我们将介绍一些现有的致力于将人工智能和区块链技术相结合的应用程序，以及未来几年这些应用程序和人工智能行业的发展前景。 2、了解人工智能（AI）及其与加密技术的关系在我们详细讨论项目细节和更多技术细节之前，我觉得有必要先介绍一下人工智能技术基础知识，以及业内天才团队和个人开发者是如何创造当今之局的。你对ChatGPT应该已经非常熟悉了，它是如今最流行、最被广泛认可的面向消费者的AI应用，在过去的一年里，它已成功斩获科技行业的关注——今天，就让就我们来解释一下此项技术的底层概念，以及面对所有的用户需求，它为何能够表现得如此出色。支持ChatGPT和其他面向消费者的聊天模型的核心技术就是众所周知的大语言模型（LLM：Large Language Model）。这些复杂的AI技术本质上是深度学习技术/算法和超大数据集的结合，它们共同创造了一个能够预测和总结信息的人工智能模型。人类和LLM之间的交互是通过自然语言处理的，大多数LLM都是专门使用自然语言处理（NLP）构建的。首先，用户要求聊天机器人用自然语言回答某类问题，然后，聊天机器人利用其底层技术、训练数据和功能尽可能地为用户提供答案。 LLM是基于transformer模型创建的。Transformer是一种擅长预测文本及学习词语背后上下文的神经网络。使用transformer模型的LLM擅长NLP，能够很好地处理人类日常任务，比如解决数学问题、生成代码模板、甚至是写简报或进行文本校对。正因如此，像ChatGPT、微软Bing AI和Claude这样的聊天机器人才能取得巨大的成功，几乎凭一己之力引发了一场人工智能革命。虽然许多人认为人工智能系统最终可能会获得比人类更强大的能力和智慧，但几乎没有证据能够表明这种情况将很快发生。无论如何，这些模型与人类工作流程相结合带来的种种可能性以及极具前景的现有功能足以表明，无论我们喜欢与否，人工智能都将继续走下去。不过，你可能很想知道这些模型如何能够与加密技术和区块链的无需许可特性相结合，那额，就让我们来解释一下潜在的融合趋势，探讨研究这两种具颠覆力量的技术形式。 3、加密技术如何助力AI应用的发展？加密行业每天都会现身在新闻、大型媒体及其他社交媒体平台上。2008年，中本聪撰写了一份白皮书，而这份白皮书已经成为了一个1.5万亿美元的市场，惹得世界上最大的金融机构们纷纷批准或拒绝比特币现货ETF申请。向业外人士描述区块链技术的内在好处通常很难，主要是因为大多数第一世界国家的金融业非常发达，与用户的交互非常顺畅。在如美国这样的发达国家之外，要解释和展示金融交易无需许可账户的力量则要容易得多，这在很大程度上是由于这些地方腐败的金融机构和政府，不幸的是，它们仍然掌握着世界各地的政治经济命脉。全世界各国货币都在定期贬值，世界上绝大多数人口仍然无法获取银行基础设施。加密技术是一种为没有银行账户的人提供银行服务的方式，这种技术为个人提供了成为自己的金融操作监管者的机会，无论是在冷钱包中持有加密货币，还是利用加密生态中众多可用的去中心化金融应用。无需许可金融的前景难以描述，但每天上演的革命性变化却不容低估。区块链固有的透明度、安全性和去中心化特性可以极大地促进人工智能数据的存储、共享和使用方式。AI和区块链技术的融合有望通过为AI交易和决策提供不可篡改的账本来增强AI系统的信任度，减少对操纵或滥用数据的担忧。加密技术可以促进AI发展（反之亦然）的一个关键方面在于数据管理和安全领域。AI系统需要大量数据进行学习和改进。借助区块链技术，这些数据可以在不同的平台和利益相关者之间安全透明地共享。这不仅确保了数据的完整性，还为AI协同研究和开发开辟了新途径，打破了通常阻碍创新的数据孤岛。人工智能和区块链的结合可能催生合法的去中心化自治组织（DAO）。这些DAO由智能合约管理，由AI算法提供支持，可以独立运行和决策，并在没有人为干预的情况下执行交易。历来，加密DAO的管理并不理想，因为人类的情感和对金钱的渴望往往盖过了DAO的最初目的。实施AI系统可以通过自动化流程和减少对中介的需求来彻底改变各行各业，在提高效率的同时降低成本。另一个大有前景的领域是使用区块链作为生成和共享AI数据的激励手段。通过代币化过程，个人和组织可以因向AI模型贡献有价值的数据而获得奖励，从而建立一个更具协作性和包容性的AI生态。去中心化金融（DeFi）也是人工智能潜在的巨大贡献者，有望创造出可以被称为去中心化人工智能（DeAI）的事物。这样一来可以让人工智能技术的使用更加民主化，个人和小型实体也可以获取以前只有大公司才能使用的AI工具和服务。加密货币和人工智能的融合不仅有可能改变金融领域，也有可能改变我们数字生活的方方面面。通过将这两种技术的优势相结合，我们可以期待这样一个人工智能的未来：AI不仅更易访问，而且更加安全和透明，也可能更加高效。说到这里，就让我们来分析一下当前AI行业的表现。 4、打破人工智能的不透明藩篱将加密技术对金融体系的改革比作对AI系统生产的智能革命，我们可以得出一些高度相关的相似之处，并为两者的结合提供依据。如今，人工智能公司，如OpenAI、Google Deepmind、Anthropic及许多其他公司，都在进行各自的研究和运营。 5、加密和人工智能领域的当前机遇现在我们已经了解了AI和加密协同效应的有关基础知识，下面我们可以更详细地研究一下该领域的一些领先项目。虽然其中的大多数仍在积极努力地启动引导他们的网络、获取忠诚用户群及更广泛的来自加密社区的关注，但他们都奔走在行业的最前沿，是这个快速增长行业的优秀代表。（1）Bittensor：去中心化人工智能模型网络 Bittensor是迄今为止Crypto & AI生态中最受欢迎也是最完善的项目。Bittensor是一个去中心化网络，旨在通过为众多分散的商品市场或“子网”创建一个平台，统一使用一个单一的代币系统，让人工智能领域更加民主化。它的使命是通过采用独特的激励机制和先进的子网架构，打造一个与OpenAI等AI领域的大型超级企业相媲美的网络。Bittensor系统可以视为是一台由区块链驱动的机器，可以有效地将AI功能带到链上。该网络由两个关键参与者管理:矿工和验证者。矿工向网络提交预训练的人工智能模型，并因其贡献而获得奖励，而验证者则确保模型输出的有效性和准确性。这种设置创造了一个竞争环境，激励矿工不断改进他们的模型，以获得更好的性能和更高的TAO(网络的原生代币)回报。用户通过向验证者发送查询来与网络进行交互，验证者然后将这些查询分发给矿工。验证器对这些矿工的输出进行排序，并将排名最高的响应返回给用户。 Bittensor的模型开发方法是独一无二的。与许多人工智能实验室或研究机构不同，Bittensor由于训练模型的成本高且复杂并没有这么做。该网络依赖于去中心化训练机制。验证者（Validator）的任务是使用特定的数据集评估矿工生成的模型，并根据某些标准（如准确性和损失函数）对各模型打分。这种去中心化评估方式确保了模型性能得以持续改进。 Bittensor架构包括Yuma共识机制，这是一种工作量证明（PoW）和权益证明（PoS）的独特混合机制，它将资源分配到网络的子网中。子网是一个个独立的经济市场，每个市场都专注于不同的人工智能任务，如文本预测或图像生成，并且可以根据其功能选择加入或退出Yuma共识。 Bittensor是人工智能去中心化的重要一步，它提供了一个平台，可以以去中心化的方式开发、评估和改进各种人工智能模型。其独特的结构不仅激励了高质量人工智能模型的创建，还使人工智能技术的使用更加民主化，有望改变各个领域的AI开发和使用方式。（2）Akash：开源超级云 Akash网络是一个创新的开源超级云平台，旨在安全有效地进行计算资源买卖。它的愿景是为用户提供部署自己的云基础设施以及购买和出售未使用的云资源的能力。这种灵活性不仅使云资源的使用更加民主化，还为需要扩展操作的用户提供了具成本效益的解决方案。 Akash系统的核心是一种逆向拍卖机制，用户可以根据自己的计算需求提交出价，供应商之间可以竞争提供服务，这通常会致使价格明显低于传统云系统。该系统的底层支撑是成熟可靠的Kubernetes和Cosmos等技术，确保平台安全可靠地托管应用程序。Akash的社区驱动方法确保其用户在网络的发展和治理中拥有发言权，使其成为真正的以用户为中心的公共服务。 Akash的基础设施是使用一种简单易用的、基于YAML的SDL来定义的，它允许用户跨多个领域和供应商创建复杂的部署。该特性与领先的容器编排系统Kubernetes相结合，不仅保证了部署的灵活性，还保证了应用程序托管的安全性和可靠性。此外，Akash提供持久存储解决方案，即使在重新启动后也能确保数据存留，这对于管理大型数据集的应用程序来说特别有好处。总的来说，Akash网络作为一个去中心化的云平台脱颖而出，针对当前云服务供应商的垄断性问题提供了独特的解决方案。其利用了全球数百万数据中心中未充分利用的资源，这种模式不仅降低了成本，还提高了云原生应用程序的速度和效率。由于不需要重写专有语言，也不受供应商的限制，Akash为各种云应用程序提供了一个通用平台。（3）Render：计算访问扩展平台 Render网络是一个区块链平台，旨在解决媒体生产中日益增长的计算需求，特别是在增强现实、虚拟现实和AI增强媒体等领域。它利用未使用的GPU周期将需要计算能力的内容创建者与拥有可用GPU资源的供应商连接起来。这种利用区块链技术的去中心化方法，确保了安全有效地处理基于GPU的任务，例如AI驱动的内容创建和优化。 Render网络的核心服务是其与人工智能的集成，这在内容创建和流程优化方面都起着至关重要的作用。该网络支持人工智能相关任务，使艺术家能够使用AI工具来生成资产并增强数字艺术品。这种集成允许创建超高分辨率的3D世界和优化的渲染过程，如AI去噪。此外，Render网络对人工智能的使用还扩展至大型艺术收藏管理和渲染工作流程优化，从而拓展了创作过程的可能性。 Render网络生态作为GPU资源市场，为艺术家、工程师和节点运营商等各方利益相关者提供服务。它使计算能力的使用更加民主化，使个人创作者和大型工作室能够负担得起复杂的渲染项目。该生态系统内交易使用RNDR代币进行，创造了一个以渲染服务为中心的充满活力的经济。随着人工智能继续重塑数字内容创作，Render网络将成为促进数字媒体领域新型创意表达和技术创新的关键参与者。（4）Gensyn：去中心化计算平台 Gensyn是一个AI结合加密货币的项目，专注于攻破最先进的人工智能系统固有的计算挑战和资源限制。该项目旨在克服由构建基础模型所需的巨大资源需求而导致的AI发展障碍。Gensyn采用的方法是创建一个去中心化的区块链协议，以有效利用全局计算资源。 Gensyn的诞生背景突出了人工智能系统日益增加的计算复杂性，超过了可用计算供应。例如，训练像OpenAI GPT-4这样的大模型需要大量的资源，这给所有相关方造成了巨大障碍。这一动态催生了对能够有效利用所有可用计算资源的系统的需求，以应对当前解决方案的局限性，当前的解决方案要么过于昂贵，要么不足以胜任大规模人工智能任务。 Gensyn旨在通过创建一个去中心化协议来解决这个问题，该协议以一种经济高效的方式连接和验证链下深度学习任务。该协议面临着几大挑战，包括任务验证、市场动态、事前评估、隐私问题以及对深度学习模型高效并行化的需求。该协议旨在建立一个无需信任的计算网络，为提供参与激励，并提供一种方法来验证计算任务是否按承诺执行。 Gensyn协议是用于深度学习计算的第一层无需信任协议，奖励参与者贡献计算时间及执行ML任务。它使用了多种技术来验证完成的任务，包括概率学习证明、基于图形的pinpoint协议和Truebit类型的激励游戏。该系统涉及了各方参与者，如提交者（Submitter）、求解者（Solver）、验证者（Verifier）和告密者（Whistleblower），各参与者在计算过程中都有特定角色。在实践中，Gensyn协议从任务提交到合约仲裁和结算包含了若干阶段。该协议旨在为机器学习（ML）计算创建一个透明的低成本市场，实现可扩展性和效率。该协议还为拥有强大GPU的矿工提供了一个机会，可以将他们的硬件用于机器学习计算，与主流供应商相比，成本可能更低。这种方法不仅解决了人工智能领域的计算挑战，还使人工智能资源的获取更加民主化。（5）Fetch：人工智能经济开源平台 Fetch.ai的时间比前面提到的一些项目的时间还要长，其网站上提供各种各样的服务。Fetch核心上是一个人工智能（AI）和加密货币相结合的创新项目，旨在彻底改变经济活动和流程的执行方式。Fetch服务基于它的AI智能体，它被设计成模块化的构建块，可以被编程执行特定的任务。这些智能体能够自主连接、搜索和交易，从而创造动态市场，改变传统的经济活动格局。 Fetch的一项关键服务就是能够使传统产品与AI相结合。这是通过将它们的API与Fetch.ai智能体集成来实现的，集成过程很快，并且不需要更改底层业务应用程序。AI智能体可以与网络中的其他智能体相结合，为新的用例和商业模式开辟了可能性。此外，这些智能体还具有代表用户进行谈判和交易的能力，这让它们能够通过部署盈利。另外，这些智能体还可以从机器学习模型中提供推论（inference），允许用户将他们的见解变现并强化他们的机器学习模型。 Fetch还引入了Agentverse，这是一种简化AI智能体部署的无代码管理服务。就像传统的无代码平台（Replit）越来越受欢迎，以及Github Copilot这样的服务让普通大众都能写代码一样，Fetch正在以自己独特的方式进一步推动web3开发的民主化。通过Agentverse，用户可以毫不费力地启动他们的第一个智能体，这大大降低了使用先进人工智能技术的准入门槛。就人工智能引擎和智能体服务而言，Fetch利用大语言模型（LLM）来发现并将任务执行发送给适当的AI智能体。该系统不仅可以将AI应用和服务货币化，还可以作为构建、上市、分析、托管等智能体服务的综合平台。该平台通过搜索、发现和分析等功能增强了效用。智能体可以在Agentverse中注册，以便易于在Fetch.ai平台上被识别发现，Fetch.ai平台采用了一种基于LLM的针对性搜索机制。分析工具可用于提高智能体语义描述符的有效性，从而增强其可发现性。此外，Fetch.ai为离线智能体集成了一个物联网网关，使它们能够收集消息并在重新连接时批量处理这些消息。最后，Fetch.ai为管理智能体提供托管服务，除了托管服务之外，还提供了Agentverse的所有功能。该平台还引入了一个开源的智能体寻址和命名网络，利用了Fetch.ai的Web3网络。这就意味着一种新的Web DNS寻址方法，将区块链技术集成到系统中。总的来说，Fetch.ai提供了一个人工智能和区块链技术相结合的多功能平台，为AI智能体开发、机器学习模型货币化以及数字经济突破性的搜索和发现方法提供了工具。AI智能体和区块链技术的结合为以去中心化的高效方式自动化及优化各流程铺平了道路。 6、AI和加密行业的下一步是什么？人工智能和区块链技术的无缝融合代表了这两个领域的关键进步。这种结合不仅仅是两种尖端技术的融合，更是一种变革性的协同作用，重新定义了数字创新和去中心化的边界。这种结合的潜在应用（正如在Fetch.ai、Bittensor、Akash Network、Render Network和Gensyn等项目所探讨的），展示了将AI的计算能力与区块链安全透明的框架相结合具有巨大的可能性和优势。当我们展望未来时，很明显，人工智能和区块链的融合将在塑造各行各业上发挥关键作用。从增强数据安全性和完整性到创建去中心化自治组织新模式等等，这种融合有望带来更高效透明、更可访问的技术。特别是在去中心化金融领域，去中心化人工智能（DeAI）的出现可以使人工智能技术的使用更加民主化，打破传统上大公司垄断的障碍。这有望催生一个更具包容性的数字经济，在这样的未来经济中，个人和小型实体也可以享用以前遥不可及的人工智能工具和服务。另外，AI和加密技术的集成也可以解决这两个领域中一些最紧迫的挑战。在人工智能领域，数据孤岛和训练大模型所需的巨大计算资源等问题可以通过区块链的去中心化数据管理和计算能力共享来缓解。在区块链领域，人工智能可以提高效率，自动化决策过程，并改善安全机制。开发人员、研究人员和利益相关者持续探索和利用人工智能和区块链之间的协同作用是至关重要的。这样一来，他们不仅能够促进这些独立领域的发展，还将推动整个数字领域的创新，最终让全社会受益。来源：金色财经

金色财经2023-12-01

重塑计算界限：去中心化算力的现状与展望

nAI 每次新产品的发布，都是对当下 AI 行业的重塑和整合，让其余团队在大模型领域难以望其项背。那么在面对高昂的硬件成本、地域限制、产业发展不均衡的情况，是否有其他解决方案？去中心化算力平台则应运而生，平台的目的是创建一个开放、透明且自我调节的市场来更有效地利用全球计算资源。适应性分析 1. 去中心化算力供给侧目前高昂的硬件价格和供给侧的人为控制，都给去中心化算力网络的建设提供了土壤。 • 从去中心化算力的组成方式来看，多样的算力提供方小到个人PC、小型物联网设备大到数据中心、IDC等，大量累积的算力可提供更灵活和可扩展的计算解决方案，从而帮助更多的AI开发者和组织更有效地利用有限的资源。都可以通过个人或组织的闲置算力，来实现去中心化算力共享，但这些的算力的可用性、稳定性，受本身用户的使用限制或分享上限的限制。 • 有可能的潜在优质算力来源，则是以太坊转 PoS 后，直接由相关矿场转型提供的算力资源。以美国领先的 GPU 集成式算力提供商 Coreweave 为例，前身是北美以太坊最大的矿场，基于已构建的完备基础设施。此外，退役的以太坊矿机，其中也包含了大量的闲置 GPU，据悉此前以太坊挖矿时代巅峰在网工作的 GPU 约2700万张，盘活这些 GPU 也能进一步成为去中心化算力网络重要的算力来源。 2. 去中心化算力需求侧 • 从技术实现来看，去中心化算力资源在图形渲染类，视频转码类，这种计算复杂程度不高的任务，结合区块链技术和web3的经济体系能在确保信息数据安全传递情况下，为网络参与者带来了切实的收益激励，积累了有效的商业模式和客群。而 AI 领域则涉及大量的并行计算，节点间的通信、同步等环节，对网络环境等方面有非常高的要求，因而目前应用也都集中于微调、推理、AIGC 等更偏应用层。 • 从商业逻辑来看，单纯算力买卖的市场是缺乏想象力的，行业只能卷供应链、定价策略，但这些又恰好是中心化云服务的优势。因而，市场上限较低也缺乏更多想象空间，所以也能看到原本做单纯图形渲染的网络在寻求 AI 转型，如 Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向 AI 领域扩展。 • 从主要客群来看，很显然大B端客户会更倾向于中心化集成式云服务，他们通常有充足的预算，他们通常是从事底层大模型的开发，需要更高效的算力聚合形式；因而，去中心化算力更多的是服务于中小型开发团队或个人，从事多是模型微调，或应用层开发，对算力的提供形式没有太高的要求。他们对价格更敏感，去中心化算力的能从根本上减轻初始成本的投入，因而整体的使用成本也更低，以 Gensyn 此前测算的成本来看，将算力换算成V100 提供的等值算力，Gensyn 价格仅为0.4美元每小时，相比AWS 同类型的算力需要2美元每小时，能下降80%。虽然这部分生意并不在目前行业中占开销大头，但伴随 AI 类应用的使用场景持续延展，未来的市场规模不容小觑。 • 从提供的服务来看，可以发现目前的项目更像是去中心化云平台的概念，提供的是一整套从开发、部署、上线、分发、交易全流程的管理，这样的好处在于吸引开发者，可以利用相关工具组件来简化开发部署，提升效率；同时能吸引用户来平台使用这些完整的应用产品，形成基于自身算力网络的生态护城河。但这同时也对项目运营提出了更高的要求。如何吸引优秀开发者和用户并实现留存显得尤为重要。不同领域的应用 1. 数字媒体处理 Render Network 一个基于区块链的全球渲染平台，其目标是为创作者数字创意提供帮助。它允许创作者按需将 GPU 渲染工作扩展到全球 GPU 节点，提供了以一种更为高速且便宜的渲染工作能力，在创作者确认过渲染结果后，再由区块链网络向节点发送代币奖励。相比传统的视觉效果实现方法，在本地建立渲染基础设施或在购置的云服务中增加相应的GPU开支，这都需要高昂的前期投入。自2017年创立以来，Render Network 用户在网络上渲染了超过1600万帧和近50万个场景。从Render Network 2023 Q2 发布数据也能表明，渲染帧数作业和活跃节点数都呈增长的趋势。此外，Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向AI领域扩展。 Livepeer 则是通过网络参与者贡献自己的GPU算力和带宽，为创作者提供实时视频转码服务。广播者可以通过将视频发送至Livepeer，完成各类视频转码，并向各类端侧用户分发，进而实现视频内容的传播。同时，可以便捷地通过法币形式支付，获得视频转码、传输、存储等服务。在Livepeer 网络中，任何人都允许贡献个人计算机资源（CPU、GPU 和带宽）以进行转码和分发视频来赚取费用。原生代币（LPT）则代表了网络参与者在网络中的权益，通过质押代币的数量，决定节点在网络中的权重，从而影响其获得转码任务的机会。同时，LPT也起到了引导节点安全、可靠、快速地完成分派的任务。 2. AI领域的扩展在目前AI领域的生态系统中，主要参与者大致可以划分成：从需求方入手，在产业的不同阶段，对算力的诉求是有明显区别的。以底层模型开发为例，在预训练环节为确保训练结果的有效对并行计算、存储、通信等方面要求都非常高，这就需要通过大型的算力集群来完成相关的任务。当下主要算力供给主要还是依赖自建机房、中心化的云服务平台来集中提供。而在后续模型微调、实时推理和应用开发等环节则对并行计算、节点间通信的要求没有那么高，这恰恰是去中心化算力能一展拳脚的部分。纵观此前已颇具的声量的项目， Akash Nework 在去中心化算力方向做了一些尝试： Akash Network 结合不同的技术组件，让用户可以在去中心化的云环境中高效、灵活地部署和管理应用程序。用户可以利用 Docker 容器技术打包应用，然后通过 Kubernetes 在 Akash 提供的云资源上通过 CloudMOS 进行部署和扩展。Akash 采用“反向拍卖”的方式，这使得价格比传统云服务更低。 Akash Network 在今年8月也发布将推出了主网第6次升级，将对 GPU 的支持纳入其云服务中，未来向更多 AI 团队提供算力供给。 Gensyn.ai，今年颇受行业瞩目的项目由 a16z 领投完成了4300万美元A轮融资，就目前公布项目公布的文档来看，该项目是一个主网基于波卡网络的 L1 PoS 协议，聚焦于深度学习，它旨在通过创建一个全球性的超级计算集群网络来推动机器学习的边界。这个网络连接了从拥有算力富余的数据中心到潜在可贡献个人 GPU 的 PC，定制的 ASIC 和 SoC 等多种设备。为解决的目前去中心化算力中存在的一些问题，Gensyn 借鉴了学术界的一些理论研究新成果： 1. 采用概率学习证明，即使用基于梯度的优化过程的元数据来构建相关任务执行的证明，来加快验证过程； 2. 图形基准协议（Graph-based Pinpoint Protocol），GPP作为一个桥梁，连接了DNN（Deep Neural Network）的离线执行与区块链上的智能合约框架，解决了跨硬件设备间容易发生的不一致性，并确保了验证的一贯性。 3. 与 Truebit 类似的激励方式，通过质押和惩罚相结合的方式，建立一个能让经济理性参与者能诚实地执行分派的任务。该机制采用了密码学和博弈论方法。这个验证系统对于维持大型模型训练计算的完整性和可靠性。但值得注意的是以上内容更多的是解决任务完成验证层面，而非在项目文档中作为主要亮点讲述的关于去中心化算力来实现模型训练方面的功能，特别是关于并行计算和分布式硬件间通信、同步等问题的优化。当前受网络延迟（Latency）和带宽（Bandwidth）的影响，频繁的节点间通信会使得迭代时间和通信成本都发生增长，这不仅不会带来实际的优化，相反会降低训练效率。Gensyn 在模型训练中处理节点通信和并行计算的方法可能涉及复杂的协调协议，以管理计算的分布式性质。然而，如果没有更详细的技术信息或对他们具体方法的更深入了解，Gensyn通过其网络实现大型模型训练的确切机制需要等项目上线才能真正揭晓。我们还关注到 Edge Matrix Computing (EMC) protocol 它通过区块链技术将算力运用至 AI、渲染、科研、AI电商接入等类型的场景，通过弹性计算把任务分发到不同的算力节点。这种方法不仅提高了算力的使用效率，还确保了数据传输的安全性。同时，它提供了一个算力市场，用户可以访问和交换计算资源。方便开发者部署，更快地触达用户。结合 Web3 的经济形式，也能使算力提供方在根据用户的实际使用情况获取真实收益和协议方补贴，AI开发者也获得更低的推理和渲染成本。以下是其主要组成部分和功能的概述：预期还将推出了基于 GPU 的 RWA 类产品，此项的关键在于将原本在机房固定住的硬件盘活，以 RWA 的形式分割流通，获得额外的资金流动性，高质量 GPU 能作为 RWA 底层资产的原因在于，算力可以算得上 AI 领域的硬通货，目前有明显的供需矛盾，且该矛盾并不能在短期内解决，因而 GPU 的价格相对比较稳定。此外，通过部署 IDC 机房实现算力集群也是 EMC protocol 会重点布局的部分，这不仅能让 GPU 在统一环境下的运转，更高效地处理相关大型算力消耗的任务，如模型的预训练，由此来匹配专业用户的需求。同时，IDC 机房也能集中托管和运行大量的 GPU，确保同类型高质量硬件的技术规格，方便将其打包作为 RWA 产品推向市场，开启DeFi 新思路。近年学界在边缘计算领域也有新的技术理论发展和应用实践。边缘计算作为云计算的一种补充和优化，一部分的人工智能正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。而这些物联网设备往往体积很小，为此轻量机器学习受到青睐，以满足功耗、延时以及精度等问题。 Network3 是通过构建了一个专门的AI Layer2，通过AI 模型算法优化和压缩，联邦学习，边缘计算和隐私计算，为全球范围内的AI开发者提供服务，帮助他们快速、便捷、高效地训练或者验证模型。它通过利用大量智能物联网硬件设备，可聚焦小模型，来做相应的算力供给，且通过构建TEE（Trusted Execution Environment）能让用户仅通过上传模型梯度，来完成相关训练，确保用户相关数据隐私安全。综上 • 伴随 AI 等领域的发展，许多行业会从底层逻辑上实现巨大变革，算力会上升到更重要的地位，与之关联的各个方面也都会引起行业的广泛探索，去中心化算力网络有其自身优势，可答复降低中心化风险，同时也能作为中心化算力的一种补足。 • 且本身 AI 领域的团队也处于一个分岔口上，是否利用已训练好的大模型构建自身产品，还是参与到训练各自地域内的大模型，这样的选择也多是辩证的。因而去中心化算力能满足不同的业务需求，这样的发展趋势是喜闻乐见的，且伴随技术的更新和算法的迭代，势必在关键领域也会有所突破。 • 至不惧，而徐徐图之。来源：金色财经

金色财经2023-11-28

美国降息预期j及英伟达财报推动投资者大举买入AI基金

上涨233%。英伟达的GPU目前主导了AI行业。 CFRA的ETF数据和分析负责人Aniket Ullal表示，英特尔周二发布的季度业绩表现强劲，这也是提振市场对AI ETF基金的情绪的重要因素。本周三，单日流入该基金的资金为1720万美元，达两个多月来的最高水平。此前英伟达预测，随着供应链问题的缓解，整体营收将高于华尔街的目标数据。目前，Global X基金的总净资产为22亿美元，今年到目前为止资金净流入5.548亿美元。

金融界2023-11-25

机构：OpenAI CEO离职是个人问题不影响AI产业的前进步伐

题，而不是OpenAI的业务，乃至整个AI行业出现了问题。当地时间周五，人工智能初创公司OpenAI董事会宣布，Altman将辞去公司CEO一职，由首席技术官（CTO）Mira Murati临时接替。这一消息让整个行业感到震惊。Gartner分析师Arun Chandrasekaran表示，Altman的离职确实令人震惊，毕竟他一直是生成式人工智能（AI）技术的代言人。 Chandrasekaran还称，OpenAI仍拥有一批深厚的技术领导者，但其下一任CEO团队将不得不带领公司应对各种挑战，包括扩大业务规模、满足监管机构和社会的期望。研究公司Forrester分析师Rowan Curran认为，Altman的离职虽然是突然的，但这并不意味着，OpenAI的业务出现了问题。 Curran说：“这似乎是一个高管换届的案例，是与相关个人的问题有关的，而不是与基础技术或业务有关。” 至于下一步行动，Altman有不少选择空间。即使在运营OpenAI期间，他也在其他几家公司和项目上下了大赌注。这其中包括核聚变研究公司Helion Energy，致力于开发聚变反应堆，可以从海水中的氢气中产生大量能量；以及抗衰老生物技术公司Retro Biosciences，旨在使用生物技术将人类的寿命延长10年。此外，Altman还与人共同创立了Worldcoin。这是一个生物识别和加密货币项目，目标是创建一个巨大的数字身份和金融网络。受Altman离职消息的影响，Worldcoin代币（WLD）当天下跌逾13%，至1.91美元。当被问及Altman的离职将对Worldcoin产生怎样的影响时，Worldcoin尚未发表评论。分析人士称，Altman的离职对于其所参与项目的影响仍有待观察。但不管怎样，Worldcoin代币的价格已经受到了影响。根据本月初的一篇博客文章，Worldcoin应用程序的下载量已经超过400万次，拥有逾10万的日活跃用户和50万的周活跃用户。

金融界2023-11-20

“ChatGPT之父”奥特曼突遭罢免：从开发者大会起几件事已有征兆

他的意外离开无疑对OpenAI乃至整个AI行业都将有着显著影响。在该消息发生后，OpenAI就将在当天召开全员大会以稳定军心，OpenAI最大的合作方微软第一时间表示将继续合作关系，但其在过程中所起的作用和未来将会扮演的角色仍有待观察，其他公司则在隔岸观火。这次事件或许将成为未来AI行业重新划分势力格局，重新定位发展方向的转折点。突遭驱逐：不亚于科技行业的“911事件” 美国时间11月17日午间， OpenAI官方发布声明，称公司CEO山姆·奥特曼将不再担任CEO一职，在寻找到下一位继任者之前，由首席技术官CTO任过渡期CEO。与此同时，公司原董事长格雷格·布洛克曼也将卸任这一职位，但仍将留在公司，向新任CEO汇报。根据OpenAI的官方声明，奥特曼并非主动离职，而是由于董事会启动了一项调查，结论是认为奥特曼在与董事会沟通的过程中并没有完全的坦诚，这使得董事会对其继续领导公司的信心产生了动摇。这则消息发布不久之后，奥特曼本人也通过其个人推特账号做了简短回应，他表示，自己热爱在OpenAI工作的这段时间，对他个人来说是转折性的，希望这段时间对世界也产生了一点转折性意义，最重要的是他热爱与一群才能卓越的人在一起合作。在声明的结尾，奥特曼表示“会对接下来做些什么有更多的话要说”。奥特曼被董事会的突然驱逐，对于科技行业无疑是一桩重磅消息，甚至有人评价称，这不亚于科技行业的一次“911事件”。奥特曼对于OpenAI的重要性不言而喻。作为最早的创始成员之一，奥特曼在2020起全职担任OpenAI的首席执行官，随后，OpenAI潜心研发大语言模型GPT，并在2022年年底凭借ChatGPT的发布迅速火爆出圈，成为引领这一轮以大语言模型为核心的AI浪潮的中心。在这一过程中，奥特曼作为CEO，同时也是OpenAI的实际代言人，在他的领导下，OpenAI在ChatGPT正式发布后一年的时间，仍然保持着快速的发展和在该行业的领先地位。两周前，OpenAI刚刚举行了公司历史上首次开发者大会，发布了一系列更新，包括GPT-4 Turbo，以及GPTs和相应的GPT商店，再度引领行业朝着人人皆可开发GPT、皆可定制GPT的方向发展。奥特曼本人甚至被誉为新的“硅谷之王”，这样的称号并不夸张，就在今年5月份，奥特曼开启了一轮全球访问，各国的首脑和领导人，从英国首相、法国首相到新加坡总理，排着队按照奥特曼的日程接见他，探讨人工智能伦理和监管框架。在这一轮OpenAI的崛起中，另一个重要角色便是微软。微软在2019年便对OpenAI投资了10亿美元，在2023年，ChatGPT展现出的超群能力得到验证后，微软又加注100亿美元，为OpenAI在研发大模型过程中所需要耗费的巨量资金和算力提供雄厚的支持。趁着这一波围绕大语言模型的生成式AI的火热，OpenAI作为核心领军公司，其估值也水涨船高，最新估值达到了近900亿美元，已经跻身全球价值最高的独角兽创业公司之列。在奥特曼离任CEO的消息传出后，科技圈许多人士纷纷发表评论。谷歌前董事长施密特在个人推特上表示，“奥特曼是我个人的英雄，他将一个公司从零打造成900亿估值，并且永远改变了我们的世界，我迫不及待想要知道他接下来做什么。我和数十亿人都将从他未来的工作中获益，这非常难以置信，感谢你为我们做的一切。” Airbnb创始人Brian Chesky表示，奥特曼是我们这个时代最好的创业者之一，对我们的行业做出了空前的贡献。 OpenAI最大的投资方微软在该消息发生后发布声明称，将继续与OpenAI的合作关系。该公司发言人Frank Shaw表示，“我们与OpenAI有着长期的合作关系，微软依然致力于与新CEO和她的团队合作将下一代的AI带给我们的客户。” 从开发者大会起，一切早有征兆？奥特曼被OpenAI董事会驱逐的消息十分突然，除了公开声明中董事会称奥特曼存在“交流不坦诚”的问题以外，并没有任何确凿的消息。但梳理过去一段时间OpenAI所经历的一些大大小小的事件，或许能够彰显出这一事件发生背后的一丝蛛丝马迹。 11月6日，OpenAI召开首届开发者大会，在该活动上，OpenAI公布了GPTs，也就是人人可定制专属GPT工具，以及相应的GPT 商店。同时OpenAI还发布了一系列自己开发定制的GPT工具，这一发布令许多开发者哭天喊地，认为自己过去基于OpenAI API所开发的应用，分分钟就被OpenAI颠覆了。 11月8日，ChatGPT遇到大规模的宕机，许多用户反映服务无法使用，OpenAI发言人回应称，此次故障是遭到人蓄意攻击，攻击方式是DDos，即攻击者通过发出海量的流量耗尽攻击目标的资源，导致正常流量无法达到预定服务器。 11月9日，OpenAI的最大投资方微软不允许员工使用ChatGPT，表示是出于“安全考虑”。 11月15日，奥特曼在其个人推特账号上宣布，因为开发者大会之后的使用量超出了OpenAI目前能够处理的能力，而公司希望能够保证现有用户的体验不受影响，ChatGPT Plus付费版暂停注册。 11月17日，奥特曼被董事会逐出CEO一职。以上一连串事件可能反映了OpenAI内部已经出现了一些问题，至少在开发者大会之后，这些问题开始愈演愈烈并逐渐公开化。有一些分析认为，奥特曼与“最大金主”微软对于未来的发展方向有着很大的分歧，这些分歧没有能够得到妥善的解决。根据声明，奥特曼离任CEO的同时，他的亲密合作伙伴，公司原董事长格雷格·布洛克曼也将卸任董事长这一职位，转而向公司原CTO，现过渡期CEO米拉·穆拉蒂汇报。但不久后，有消息传出，布洛克曼也宣布辞职，这意味着公司原先的核心高管已经被董事会清洗。根据公开资料显示，OpenAI的董事会成员，除了上述两人外，还包括OpenAI首席科学家IIya Sutskever，Quora CEO Adam D’Angelo，GeoSim Systems CEO和乔治城安全和科技中心的Helen Toner四人。有意思的是，就在两天前的一场公开活动上，社交巨头Meta的首席科学家、图灵奖得主Yan LeCun和微软总裁Brad Smith就展开了一场争论，Brad Smith表示，微软所投资的OpenAI是一个非盈利组织，因此相比Meta这样的盈利性公司，大家应该更信任非盈利组织OpenAI旗下的产品。但这番言论被许多人抨击，认为OpenAI目前根本不是一个非盈利性公司，而且也不具备任何开放性。对此，OpenAI不得不再次对公司的结构发布声明，称微软并没有投资OpenAI，投资的只是OpenAI旗下盈利部分的子公司。根据之前微软与OpenAI签订的投资协议，微软对OpenAI获得利润的收益，仅限于达到AGI也就是通用人工智能之前的收益。一旦OpenAI母公司董事会宣布AGI已经达成，微软就不再能够从OpenAI获得任何利润收益分成。而决定OpenAI是否达成AGI的董事会，正是由上述6人组成，但如今，该董事会内部就已经分崩离析，奥特曼被董事会驱逐，原董事长下台，董事会实际上仅剩4人。未来还不清楚董事会是否会在永久CEO到位后进行增补或调整。 OpenAI后续走向：或引发行业巨震毫无疑问，奥特曼的出走将给公司和行业带来巨大的震动，当天该消息发布的同时，微软股价一度急速下挫近2%，随着事件发酵，更多的影响正在逐步显现。最直接的影响是OpenAI公司本身，这家在目前生成式AI领域正当红的初创公司，瞬间危机四伏。首席执行官毫无征兆的变动对任何公司都不是好事，最新消息称，OpenAI将在17日当天紧急召开由新任临时过渡CEO召集的全体会议，目前关于这次会议的具体信息外界还未获知。近期，OpenAI正在与一些潜在投资者接触，计划以近900亿美元的估值让部分员工套现，但这次突发事件是否会影响到这次融资目前还有很多未知数。目前在社交平台上，许多人已经将奥特曼比作当年的乔布斯，当年乔布斯正是被董事会逐出，但随后回归并带领苹果走向巅峰。奥特曼是否会复制这样的道路还未可知，但至少从他本人在推特上的简短回应来看，故事还远未结束。对于OpenAI雄心勃勃想要打造的新AI生态，目前也被这一突发事件蒙上了更多的不确定性。在本月初刚刚结束的OpenAI首届开发者大会上，时任首席执行官的奥特曼向外界勾勒了OpenAI所设想的未来行业方向，将GPT的生成能力不断下放给普通人，让开发GPT应用的门槛不断降低，同时OpenAI自己作为平台，去主导新的行业生态的形成。更大的影响在于整个人工智能行业。目前由ChatGPT的火爆所带动的新一轮生成式AI浪潮正在如火如荼的进行中，OpenAI作为这一轮热潮的核心和标杆，是无数人关注和追逐的焦点，但首席执行官突遭董事会罢免，让整个行业也措手不及。尽管OpenAI最大的合作方微软在第一时间就表示将继续未来的合作，但并不排除在未来管理层发生更换后，OpenAI自身的发展方向和与微软的合作关系发生更多变化的可能性。对于其他公司而言，现在则更多地在“隔岸观火”。奥特曼时代的OpenAI和后奥特曼时代的OpenAI一定不一样，这也就意味着未来AI行业的格局，以及整个行业的发展方向，都有可能发生新的变化，这次事件就是未来一系列变化的重要转折点。来源：金色财经

金色财经2023-11-18

机构：OpenAI CEO离职是个人问题，不影响AI产业的前进步伐

题，而不是OpenAI的业务，乃至整个AI行业出现了问题。至于下一步行动，Altman有不少选择空间。即使在运营OpenAI期间，他也在其他几家公司和项目上下了大赌注。这其中包括核聚变研究公司Helion Energy，致力于开发聚变反应堆；抗衰老生物技术公司Retro Biosciences，以及Altman与人共同创立的生物识别和加密货币项目Worldcoin。

金融界2023-11-18

颠覆性堪比工业革命大摩：追赶AI热潮至2024！3年内逾四成劳动力或受影响

预计，无论市场面临什么样的阻力，明年 AI 行业都将继续表现强劲。他写道：“在宏观数据变化率达到令人兴奋的水平的周期后期环境中，投资者通常会为这些长期受益者支付持续的溢价。” 到目前为止，围绕 AI 的大部分炒作都是关于如何将其融入我们的日常生活。但威尔逊相信，在未来几年，颠覆企业运营方式的机会才是真正让 AI 大放异彩的机会。他写道：“根据我们的专有调查工作以及美国劳工统计局提供的丰富的劳动力市场参数数据集，我们预测 25% 的劳动力可能会受到当今可用的生成式 AI 影响，这一比例可能会上升到三年内 44% 的劳动力。” “我们的进一步分析表明，生成式 AI 技术可以影响当今这些工作所附带的 2.1 万亿美元劳动力成本，仅在美国三年内就扩大到 4.1 万亿美元。” 在快速发展的技术世界中，三年似乎是一段很长的时间，特别是考虑到 AI 在过去几个月里迅速崛起并激发了投资者的想象力。但商业投资缓慢而稳定的特性为企业 AI 提供了更持久的动力。威尔逊认为，随着科技公司将自己和预算投入到这项新技术中，沉没成本将使保留率保持在较高水平，流动率保持在较低水平。这就是为什么现在该寻找最好的企业 AI 股票，且将从长远来看带来红利：公司将坚持他们所知道的，在未来几年为投资者提供强劲的回报。

芷莹2023-11-17

从Web2到Web3：我为何看好AI赛道

冗长的工作周期及庞大的人力成本成为制约AI行业发展的主要因素之一。数据标注服务供给侧的痛点催生市场对自动化工具的需求，推动智能数据标注技术的发展与规模化应用。图1：从数据采集到AI可用的数据集在目前数据标注最大的应用下游智能驾驶领域，仍需要大量的人工来标注各种场景，如猫猫狗狗、电线杆、婴儿车等。举例来说，Scale AI是OpenAI的重要数据提供商，他们在全球的第三世界国家建立了自己的数据标注工作室，协助OpenAI进行文字/图片的数据标注。然而，随着AI的进步，预标注在工作流程中的占比逐渐增大。在早期，数据标注主要通过手动方式完成，以构建和积累机器学习的数据集。尽管效率相对较低，成本较高，但只要标注到位，向机器提供的数据具有很大的优势。随着时间的推移，人工标注的重心逐渐从美国转移到委内瑞拉、菲律宾等第三世界国家，以降低成本。随着模型的发展，自动化数据标注的准确性提高，可以使用模型来辅助人工标注，例如模型预处理数据然后发送给人工标注，或者由人工审核和校正自动化模型提供的标注结果。与纯人工标注相比，AI辅助标注加快了数据标注的速度。目前，全球最大的数据标注公司之一，如Scale AI等，都在努力减少数据标注过程中的人工参与比例。尽管预标注在计算机视觉领域的数据上已经取得了不错的效果，但在语言和大模型的新时代，预标注仍然非常不成熟，无法完全替代人力。原因如下：1. 准确性低，特别是在处理复杂任务和边缘案例时。2. 样本偏差和模型幻觉问题。3. 某些垂直领域需要大量由行业专家标注的数据集。4. 预标注的可拓展性较差，尤其对于小语言或不常见场景，成本高且质量较差，仍需要特定的人工完成。综上所述，短期内预标注不会完全取代人工标注，两者将共存。虽然人工标注的比例可能会下降，但标注流程中仍需要审核员进行数据标注的审核。图：预标注下的数据标注流程数据标注行业并非新兴行业，它伴随着智能驾驶的兴起于17/18年开始崭露头角。下图展示了国内预测的数据标注提供商市场规模，值得一提的是，美国的数据标注市场规模大致是中国的3-5倍。数据标注行业是一个相对分散的市场，不像是一个技术壁垒极高的领域，而更像是技术、人力和组织管理壁垒各占三分之一的领域。该领域的核心竞争力主要体现在以下几个方面：1. 价格 2. 质量 3. 专业知识和知识覆盖范围（多样性？）4. 速度价格是显而易见的，因为所有人都需要大量廉价的数据。在价格方面的压力驱使着一种地理套利的方式，即在发达的美国，完成一项数据标注可能需要支付1美元的工资，而在不太发达的中国，这仅需要0.5美元，在菲律宾可能只需要0.1美元。因此，市场上的解决方案之一是将订单交给第一世界国家，然后在第三世界国家招募人员，通过直营工作室解决问题。数据质量也很容易理解，大模型和智能驾驶领域需要高质量的数据。如果输入模型的数据质量差，大模型的性能也将受到影响。解决数据质量问题的有效方案之一是通过模型的预标注产生原始数据，然后进行人工标注，然后不断进行强化学习和人工反馈，以完善数据标注质量。或者，团队需要对下游客户的数据标注流程非常清晰，能够制定标准操作程序（SOP），使数据标注员工可以根据SOP进行标注，从而提高质量。然而，如何理解专业知识和知识覆盖范围呢？我们举三个例子： 1. 在通用大模型下，这是一个不小的挑战。给文本大模型标注可能相对容易，但你必须找到能够标注中文/英文/法文/德文/俄文/阿拉伯文等多语言的人员，而数据标注公司如何在全球范围内招募和管理这么多分布式的人员将是一个不小的难题。 2. 考虑一个语音机器人/数字人领域的人工智能应用初创公司。初创公司通常没有足够的时间、人力和资金来内部建立一个数据标注团队。他们需要找到一个外包团队来帮助标注四川口音、粤语口音、上海口音、东北口音等中文语系，同时还需要标注北美英语口音、英国英语口音、新加坡英语口音等英语语系。在市场上找到一个能够胜任这些任务的优秀数据标注工作室可能会非常困难。如果采用直营或分包的方式，从接单到招募可能需要一两个月的工作时间，这将严重影响供应效率。 3. 再考虑一个更为细分的领域，一个专注于法律大模型的初创公司需要大量的法律数据标注工作。法学领域仍然具有相当高的专业要求，初创公司需要找到符合以下条件的数据标注供应商：1. 至少有十几个了解法律的人员，可能还需要涵盖中国法系、香港法系、美国法系等；2. 必须能够理解中文和英文；3. 成本不能太高。如果找律师来进行标注，由于律师工资较高，他们可能不愿意从事这项工作。因此，目前这类细分领域的解决方案只能是内部招募学校实习生来从事数据标注工作。而对于直营和分包的管理模式，要完成此类细分领域的赛道还是相当困难的。因此，市场上的主要参与者可以分为三类：1. 大公司内部自主完成（例如百度众包）；2. 采用直营/分包模式的初创公司（下面进行分析）；3. 中小型数据标注工作室。图：中国AI市场的数据市场规模在我们继续深入分析之前，让我们先了解一下当前该领域的龙头初创公司： 1. Scale AI：美国的Scale AI，主营业务涵盖四个方面：数据标注、管理评估（控制标注的数据质量，提升标注的效率）、自动化（辅助标注，提升效率）、数据合成（模型越来越丰富，真实数据不够用的情况下，需要自动合成数据投喂模型，我们后面会专门讲合成数据赛道）。Scale AI最初以自动驾驶标注为主，两年前公司80-90%的订单来自自动驾驶（2D、3D、激光雷达等），该比例近年有所下降。公司的订单来源因应供应商的行业趋势，近几年政府、电商、机器人、大模型等领域发展迅猛，再加上团队对行业趋势的敏锐捕捉能力，因此在每个细分领域都能保持很高的市场份额。此外，Scale AI还推出了自己的Model as a Service服务，例如帮助客户Finetune、托管以及部署模型等。收费模式分为两种： - Consumption-base：例如，Scale Image起价为每张图片2美分，每条标注6美分；Scale Video起价为每帧视频13美分，每条标注3美分；Scale Text起价为每项任务5美分，每条标注3美分；Scale Document AI起价为每项任务2美分，每条标注7美分。 - Project-base，即根据合同中的数据量等项目收费，实际上大部分收入为项目制收入，客单价从几十万美元至几千万美元不等。 2022年，Scale AI的预计收入为2.9亿美元，目前估值为70亿美元，是世界上最大的数据标注公司。该公司的投资人也非常豪华。 2. 海天瑞声：中国的海天瑞声在数据标注领域也扮演着重要的角色。该公司在数据标注、数据清洗、数据分析等方面有着丰富的经验。然而，关于其详细的业务模式、收费方式和融资情况等方面的信息目前尚不清晰。 3. Appen：澳大利亚的Appen是另一家全球领先的数据标注公司。与Scale AI类似，Appen提供数据标注、语音数据收集、翻译等服务。该公司在全球范围内设有众多的标注员，为客户提供高质量的数据标注服务。Appen的详细业务模式和融资情况也值得进一步深入了解。这三家公司在全球数据标注领域占据重要地位，分别代表了美国、中国和澳大利亚在这一领域的领先地位。在我们深入探讨初创公司的业务模式和市场竞争之前，这些龙头公司的了解将有助于为整个行业的背景提供更全面的认识。海天瑞声是A股上市公司，但不完全是个数据标注公司。相比于http://Scale.AI自己建团队直营做数据标注，海天本质上是技术服务商，把单子外包给各种工作室。海天瑞声在国内能做大核心靠的是：1.在语音标注上积累很深，能覆盖190多种语言（占70-80%收入） 2.规模效应 3.国际化能力不错。在国内数据标注行业很狂野也很早期，非常零散且无序，也缺乏行业标准和规范。我们可以看看（Appen）和海天的商业模式对比，看看直营/外包的商业模式和毛利经历情况。图：直营/外包商业模式… 铺垫了这么多，记性好的读者是不是想到我们的标题是如何用区块链重塑数据标注。全文还没讲到区块链呢，到底怎么重塑呢？未来的AI应该是open和sovereign的，无论是数据，算力，还是模型，都应该在确保高质量和效率的基础上给社会提供universal and open access。所有帮助推进AI的参与者应该对自己的贡献和产出用有所属权以及合理的利益分配和奖励。我们近期投资的公司Quest Labs的目标就是重新定义新时代AI和人的关系，通过AI和区块链的技术来颠覆和解决现有行业内的痛点。作为AI产业链上游必须的铲子，数据服务就是Quest第一个想要解决的问题。通过AI来促进数据生产效率，通过区块链来重新定义新时代公开数据集的经济模型和价值捕获，两者相辅相成来良性的持续产出High value data以及提升AI标注员的能力和认知。 1. AI and Human Collaborative intelligence: An intelligent human-in-the-loop, AI-centered infra to enable and incentivize human teams to smoothly interact with co-pilot models，提供高精度数据，并迭代提高质量，以在lifecycle中生成高价值数据由 Humans Ops Tool 提供支持的decentralized marketplace，可最大限度地提高去中心化劳动力管理的效率，并优化分布式团队全球网络中的协作和沟通 2. 数据公开化，隐私，和所属权平台通过付费现金流和代币来深度激励用户流量及粘合度，同时不停刺激数据飞轮效应，捕捉供需两端行为和历史数据来互相持续学习。通过算法来推荐和制定数据需求框架以保证未来商用价值 (hard domain mining)，覆盖大量垂类细分场景。所有数据标参与者可以提前开始提供数据集来不停被调用商业化，获得现金流和代币奖励，最终成为一个新时代的有价值的开放AI数据网络。数据加密和隐私保护：用ZK和FHE等方式来对用户数据做更好加密化的processing和storage。通过区块链技术来追溯和验证参与者对数据的所属权，其中包括收集，标注等不同的产出以及其对应的价值。 3. 新的经济模型通过全球自动匹配的AI数据服务平台 (ai数据服务的美团)，从中心化计划经济变成市场经济。通过区块链技术保证声誉可信度+数字币优化结算体系，无限扩大供给端人流量做精准的匹配，让合适的人做对的事才能高效化和质量化。通过数据标注服务和贫困人口的重叠，解决就业+变相实现普惠金融。 4. token去奖励给到用户去激励持续学习和高质量服务及产出，同时激励用户提供优质和有效的反馈来优化平台模型去增加整个流水线的效率和产能 (Human and AI mutual continuous learning)。通过token去根据POPW去进行合理的利益分配和价值捕获，更好降低CAC，然后增加retention 从web2的世界来看，这是一个数据标注的分发平台，有点像滴滴和美团外卖。但是从web3来看，这是一个有真实现金流的Axie Infinity+YGG。在2021年的牛市中，Axie和YGG的组合带了相当多的第三世界用户进入Web3，并且这类游戏公会在疫情中养活了非常多的第三世界家庭，尤其是菲律宾。市场也给了Axie和YGG非常好的回报，他们是很有意思的Alpha。我们作为一个bridging web2和web3的投资人，非常愿意支持利用区块链技术给真实商业添砖加瓦的项目和团队，我们很期待团队在之后的表现。这也是我们看到少有的web3技术能够给web2业务插上翅膀的方向。来源：金色财经

金色财经2023-11-14

24小时热点