FX168财经网_全球视野外汇黄金加密货币NFT资讯网

中美半导体最新消息！英伟达在正式文件中首次将华为列为主要竞争对手

还确定了几家大型云计算公司，如亚马逊(Amazon.com)和微软(Microsoft)。因人工智能需求持续强劲，英伟达日前发布本季营收展望优于预期，带动周四股价大涨逾16%，单日市值激增2770亿美元。英伟达于2月21日盘后公布的2023年第四季度财报显示，该季度营收221亿美元，同比增长265%，其中数据中心的收入同比增长409%至184亿美元，游戏业务同比增长56%。当季实现净利润123亿美元，同比增长769%。在财报电话会上，英伟达首席执行官黄仁勋称，对AI所依赖的计算能力的需求仍然是极其巨大的，“全球范围内，企业、行业和各国的需求都在激增。” 黄仁勋曾表示，在生产最好的人工智能芯片的竞赛中，华为是英伟达“非常强大”的竞争对手之一。黄仁勋在新加坡接受采访时称，华为、英特尔以及越来越多的半导体初创公司对英伟达在人工智能加速器市场的主导地位构成严峻的挑战。

风枫02-23 10:08

2024年10个最值得关注的 DePIN 项目

久文件存储分布在整个网络上。与此相比，Amazon Web Services、Google Cloud 或 Dropbox 等集中式云存储解决方案的数据存储在这些私营公司拥有的服务器中。 Filecoin（FIL 或⨎）也是去中心化存储网络的货币。想要访问存储的客户必须支付 Filecoin 存储费用。向网络提供存储的节点将通过 Filecoin 支付其服务费用。 4.Arweave Arweave是一个去中心化存储网络，旨在提供一个无限期存储数据的平台。该网络将自己描述为“一个永远不会忘记的集体所有的硬盘”，主要托管“permaweb”——一个永久的、去中心化的网络，拥有许多社区驱动的应用程序和平台。 5.Theta Theta 网络是一个由区块链技术支持的去中心化视频流网络。Theta 允许用户观看视频内容，并在点对点 (P2P) 基础上共享互联网带宽和计算资源时获得代币奖励。除了 Node Capital 和 DHVC 等机构投资者之外，Theta Network 还得到 YouTube 联合创始人 Steve Chen 和 Twitch 联合创始人 Justin Kan 的顾问。 6.IOTA IOTA是一种分布式账本技术 (DLT)，具有独特的架构和开源产品套件，供个人、企业和机构在 Web3 中使用。它建立在称为 Tangle 的有向无环图 (DAG) 之上，可以将其描绘为多维区块链。它可以通过直接和安全的传输在去中心化平台上交换数据和价值，并在网络上执行和永久记录。 7. WiFi Map WiFi Map是一款超级应用程序，其核心资产是社区驱动的去中心化无线网络，该网络包含 45 亿个 WiFi 热点的数据库。他们在Web2领域取得了巨大成功，拥有150,000,0亿用户，3,000,0亿用户，30万日活跃用户，现在准备彻底改变Web3领域，愿景是成为全球虚拟网络运营商。 $WIFI 和应用内钱包。Polygon 网络上的 ERC-20 代币以及支撑整个 WiFi 地图生态系统的货币。$WIFI 将存储在专有的应用内钱包以及第三方钱包中。通过应用内的代币兑换服务，除了锁仓和质押奖励外，还可享受 20%-40% 的折扣。此外，平台的代币化将为那些在排行榜上排名上升的人带来可兑换的奖励，并通过添加热点、验证凭证和运行速度测试来进一步激励社区成员为平台做出贡献。 8.Render Network Foundation Render Network Foundation (The Render Network®) 是基于 GPU 的分散式渲染解决方案的领先提供商，彻底改变了数字创作流程。该网络将希望利用闲置 GPU 计算能力货币化的节点运营商与希望将密集型 3D 渲染工作和应用程序扩展到云端的艺术家连接起来。通过去中心化的点对点网络，渲染网络实现了前所未有的规模、速度和经济效益。在去中心化 GPU 计算网络之上，Render 为艺术家和开发人员提供了一个平台，为新兴数字经济构建服务和应用程序，包括下一代数字版权管理 (DRM)、人工智能 (AI) 和虚拟资产 (NFT) ）。 9. Nuco.cloud Nuco.cloud是一个云计算平台，旨在重新定义计算能力的访问和利用方式。它将BOINC（伯克利开放网络计算基础设施）的分布式技术与专业数据中心的计算能力相结合，形成了世界上第一个去中心化的网状超大规模器。这种方法允许聚合未使用的计算资源，创建一个强大、可扩展且安全的计算环境。 10.Krest krest是 PEAK 生态系统中社会经济、技术、社区和治理创新和实验的家园。在这里，peaq 社区可以启动 dApp 和工具来评估其对生产环境的影响，而不必冒对现实世界造成伤害的风险。模拟，即使用计算机对特定过程或事件进行数字化建模，而无需在现实世界中进行，已成为当今许多行业的重要组成部分。在制造业中，它使公司能够试验生产线设置和其他变量，而无需投入金钱和时间进行昂贵的实际修改；初创公司同样依靠模拟来更快地适应市场需求。虽然模拟通常在纯数字基础上运行，但 krest 却将其提升了一个档次，为基于 Peak 构建的项目提供了利用真实物联网 (IoT) 硬件和连接进行实时测试的环境。结论 DePIN 项目连接了加密货币和环境的世界。它建立了分散社区拥有的物理基础设施网络。这个新想法使事情变得更便宜、更可靠、更容易扩展。尽管 DePIN 才刚刚起步，但它们已经在行业中产生了巨大影响。这意味着他们的未来似乎一片光明。来源：金色财经

金色财经02-21 21:45

VanEck研报：2030年加密货币人工智能收入前景

种动态中，绝大多数“基本负载”将来自 Amazon 和 Google 等 GPU 云超大规模企业，其市场份额将近似帕累托分布80%。我们看到区块链分配的后端服务器基础设施可以满足特殊需求，并在高网络需求期间充当“峰值”提供商。对于定制人工智能模型的生产者来说，加密存储和计算提供商提供了诸如按需服务交付、更短的 SLA 锁定期、更定制的计算环境以及更高的延迟敏感性等优势。此外，去中心化 GPU 可以与智能合约中的去中心化 AI 模型无缝集成，从而实现 AI 代理扩展自己的计算需求的无需许可的用例。将区块链提供的 GPU 视为人工智能计算基础设施的 Uber/Lyft 等价物，我们认为区块链提供的计算和存储将占据人工智能基础设施非超大规模市场的 20%，可能产生到 2030 年将达到 $1.90B。通过可证明的链上人性在人工智能代理和模型的背景下定义“身份”可以被视为世界计算机网络的女巫防御机制。我们可以通过检查与保护不同区块链网络相关的费用来估计这项服务的成本。2023 年，比特币、以太坊和 Solana 的成本分别约为1.71%、4.3%、和 5.57%，分别为每个网络通胀发行价值的 5.57%。保守地说，我们可以推断身份识别应占人工智能市场的 3.5% 左右。考虑到 AI 软件的 TAM 为 $125.5B，这对应于 $8.78B 的年度收入。由于我们相信加密货币为身份问题提供了最佳解决方案，因此我们相信它将占据该终端市场 10% 的市场份额，预计其年收入约为 8.78 亿美元。人工智能安全有望成为人工智能设备的另一个重要组成部分，其基本要求是使用未损坏的、相关的最新数据来验证模型是否运行正确。随着人工智能扩展到人类生命面临风险的应用领域，例如自动驾驶汽车、工厂机器人和医疗保健系统，对失败的容忍度变得很小。发生事故时问责的需要将推动保险市场需要具体的安全证明。公共区块链是实现此功能的理想选择，因为它们可以在任何人都可以看到的不可更改的分类账上发布“安全证明”。这项业务可以被认为类似于金融机构的合规性。考虑到美国的商业和投资银行产生 $660B 的收入，同时花费 $58.75B 的合规成本（占收入的 8.9%），我们预计 AI 安全应占 $251B AI TAM 的 $22.34B 左右。尽管加密货币具有增强人工智能安全的潜力，但鉴于美国政府对人工智能的关注，我们相信人工智能的大部分合规性将是集中的。因此，我们估计加密货币将占该市场的 5% 左右，即$1.12B左右。组织分散的计算资源加密货币可以将其巨大的社会和财务协调优势应用于计算访问的民主化，从而解决当前困扰人工智能开发人员的痛点。除了高昂的成本和获得优质 GPU 的机会有限之外，人工智能模型构建者目前还面临着其他棘手的问题。其中包括供应商锁定、缺乏安全性、计算可用性有限、延迟差以及国家法律规定的地理围栏。加密货币能够满足人工智能对 GPU 的需求，源于加密货币通过代币激励汇集资源的能力。比特币网络的代币价值为 850B 美元，股权价值为 20B 美元，这证明了这种能力。因此，当前的比特币矿工和有前途的去中心化 GPU 市场都有潜力通过提供去中心化计算来为人工智能增加巨大的价值。对于理解通过区块链提供 GPU 的一个有用的类比是发电业务。简单来说，有一些实体运营着大型、昂贵的工厂，可以稳定地发电以满足大多数电网需求。这些“基本负荷”工厂的需求稳定，但需要大量的建设资本投资，导致资本回报率相对较低但有保证。补充基本负载的是另一类称为“峰值功率”的发电机。当电力需求超过基本负荷发电能力时，这些企业提供电力。这涉及高成本、小规模的能源生产，其战略定位接近该能源的需求。我们预计“按需计算”领域也会出现类似的动态。比特币矿工多元化进入人工智能领域比特币和其他工作量证明加密货币与人工智能一样对能源有很高的需求。这种能源必须被创造、获取、运输并分解成可用电力来为采矿设备和计算集群供电。该供应链需要矿商对发电厂、购电协议、电网基础设施和数据中心设施进行大量投资。挖矿 PoW 加密货币带来的货币激励导致了许多分布在全球的比特币矿工的出现，这些矿工拥有能源和电力权利以及集成的网格架构。这些能源大部分来自成本较低、社会回避的碳密集型能源。因此，比特币矿工可以提供的最引人注目的价值主张是为人工智能后端基础设施提供动力的低成本能源基础设施。 AWS 和微软等超大规模计算提供商一直奉行投资垂直整合运营并建立自己的能源生态系统的战略。大型科技公司已经向上游发展，设计自己的芯片并采购自己的能源，其中大部分是可再生能源。目前，数据中心消耗了美国企业可用的可再生能源的三分之二。微软和亚马逊都承诺到 2025 年实现 100% 可再生能源供应。然而，如果预期的计算需求超出预期，正如一些人所说，到 2027 年，以人工智能为中心的数据中心数量可能会增加一倍，资本支出可能是目前估计的三倍。大型科技公司已经支付了 0.06-0.10 美元/千瓦时的电力费用，比竞争性比特币矿工通常支付的价格（0.03-0.05 千瓦时）贵得多。如果人工智能对能源的需求超过了大型科技公司当前的基础设施计划，那么比特币矿商相对于超大规模矿商的电力成本优势可能会大幅增加。矿工越来越被与 GPU 供应相关的高利润人工智能业务所吸引。值得注意的是，蜂巢10 月份报道称，按每兆瓦计算，其 HPC 和 AI 业务产生的收入是比特币挖矿的 15 倍。其他抓住人工智能机会的比特币矿工包括 Hut 8 和 Applied Digital。比特币矿商在这个新市场中经历了增长，这有助于实现收入多元化并增强收益报告。在 Hut 8 的 2023 年第三季度分析师电话会议中，首席执行官 Jaime Leverton 表示：“在我们的 HPC 业务中，我们在第三季度通过新客户的增加和现有客户的增长创造了一些动力。上周，我们推出了按需云服务，为那些从我们的 GPU 寻求 HPC 服务的客户提供基于 Kubernetes 的应用程序，这些应用程序可以支持人工智能、机器学习、视觉效果和渲染工作负载。这项服务将控制权交到我们的客户手中，同时将配置时间从几天缩短到几分钟，这对于那些寻求短期 HPC 项目的人来说尤其具有吸引力。小屋8已实现2023 年第三季度 HPC 业务收入为 450 万美元，占该公司同期收入的 25% 以上。对 HPC 服务和新产品的需求不断增长，应有助于该业务线的未来增长，随着比特币减半即将到来，HPC 收入可能很快就会超过挖矿收入，具体取决于市场状况。尽管他们的业务听起来很有前途，但转向人工智能的比特币矿工可能会因缺乏数据中心建设技能或无法扩大电力供应而陷入困境。由于雇用新的以数据中心为中心的销售人员的成本，这些矿工还可能会发现与运营管理费用相关的挑战。此外，当前的采矿作业没有足够的网络延迟或带宽，因为它们对廉价能源的优化导致它们位于偏远地区，通常缺乏高速光纤连接。为人工智能实施去中心化云我们还看到了以计算为中心的加密项目的长尾，这些项目将占据人工智能服务器资源市场的一小部分但很大一部分。这些实体将协调超大规模之外的计算集群，以提供适合新贵人工智能构建者需求的价值主张。去中心化计算的好处包括可定制性、开放访问和更好的合同条款。这些基于区块链的计算公司使小型人工智能参与者能够避免 H100 和 A100 等高端 GPU 的巨额费用和普遍不可用的情况。加密人工智能企业将通过创建围绕加密代币激励构建的物理基础设施网络来满足需求，同时提供专有IP来创建软件基础设施以优化人工智能应用程序的计算使用。区块链计算项目将使用市场方法和加密奖励来从独立数据中心、具有过剩计算能力的实体和前 PoW 矿工那里发现更便宜的计算。为人工智能模型提供去中心化计算的一些项目包括Akash、渲染和io.net。 Akash每日收入 Akash每日收入。资料来源：Cloudmos 截至 2024 年 1 月 30 日。过去的表现并不能保证将来的结果。 Akash 是一个基于 Cosmos 的项目，可以认为是一个通用的去中心化“超级云””，提供 CPU、GPU、内存和存储。实际上，它是一个连接云服务用户和云服务提供商的双向市场。Akash 的软件旨在协调计算供应与需求，同时创建促进 AI 模型训练、微调和运行的工具。Akash 还确保市场买家和卖家诚实履行其义务。Akash 通过其 $AKT 代币进行协调，该代币可用于以折扣价支付云服务费用。$AKT 还作为 GPU 计算提供商和其他网络参与者的激励机制。在供应方面，Akash 在添加计算供应商方面取得了长足进步，因为 Akash 市场上有 65 家不同的供应商。尽管在 Akash 的 AI 超级云于 2023 年 8 月 31 日首次亮相之前，计算需求一直低迷，最近迁移到 Solana 的 Render 最初专注于将艺术家与分散的团体联系起来，这些团体将提供 GPU 能力来渲染图像和视频。然而，Render 已开始将其去中心化 GPU 集群的重点放在满足机器学习工作负载上，以支持深度学习模型。通过网络改进提案RNP-004，Render 现在拥有一个 API 可以连接外部网络（例如 io.net），该网络将利用 Render 的 GPU 网络进行机器学习。渲染社区随后提出的提案获得通过，允许通过Beam和FEDML访问其 GPU来完成机器学习任务。因此，Render 已成为 GPU 工作负载的去中心化促进者，通过向提供商支付 RNDR 美元以及向运行网络后端基础设施的实体提供 RNDR 激励来协调。 Io.net GPU 价格比较。来源：io.net截至 2024 年 1 月 4 日。 Solana 上另一个有趣的项目是 io.net，它被认为是 DePIN 或去中心化物理基础设施网络。io.net 的目的也是提供 GPU，但其重点仅在于应用 GPU 来驱动 AI 模型。除了简单地协调计算之外，Io.net 还在其核心堆栈中添加了更多服务。其系统声称可以处理人工智能的所有组件，包括创建、使用和微调，以正确促进整个网络中的人工智能工作负载并对其进行故障排除。该项目还利用了其他去中心化 GPU 网络，例如 Render 和 Filecoin 及其自己的 GPU。尽管 io.net 目前缺乏代币，但计划于 2024 年第一季度推出。克服去中心化计算的瓶颈然而，由于典型的633TB+提出的网络需求，利用这种分布式计算仍然是一个挑战训练深度学习模型所需的数据。由于计算机能力的延迟和差异，位于全球各地的计算机系统也给并行模型训练带来了新的障碍。Together 是一家积极进军开源基础模型市场的公司，该公司正在构建一个去中心化云来托管开源人工智能模型。Together 将使研究人员、开发人员和公司能够通过结合数据、模型和计算的直观平台来利用和改进人工智能，扩大人工智能的可访问性并为下一代科技公司提供支持。Together 与领先的学术研究机构合作，构建了 Together 研究计算机，使实验室能够集中计算进行人工智能研究。该公司还与斯坦福基础模型研究中心 (CRFM) 合作创建了语言模型的整体评估 (HELM)。HELM 是一个“活基准”，旨在通过提供评估此类基础模型的标准化框架来提高人工智能的透明度。自 Together 成立以来，创始人 Vipul Ved Prakash 率先启动了多个项目，包括 1) GPT-JT，一个开放式 LLM，具有通过 <1Gbps 链路进行训练的 6B 参数模型，2) OpenChatKit，一个强大的开源基础，可创建专用和通用聊天机器人，以及 3) RedPajama，一个创建领先的开源模型的项目，其目标是成为研究和商业应用的基础。Together 平台是一个基础模型，由商品硬件上的开放模型、去中心化云和综合开发者云组成，汇集了不同的计算源，包括消费者矿工、加密矿场、T2-T4 云提供商和学术计算。 HELM (RAFT) 分数 GPT-JT 性能。来源：截至 2024 年 1 月 4 日的解码器。我们相信像Together这样的去中心化和民主化的云计算解决方案可以显着削减构建新模型的成本，从而有可能颠覆亚马逊网络服务、谷歌云和Azure等老牌巨头并与之竞争。就上下文而言，将 AWS 容量块和 AWS p5.48xlarge 实例与配置有相同数量的 H100 SXM5 GPU 的 Together GPU 集群进行比较，Together 的定价大约比 AWS 低 4 倍。随着开放式法学硕士变得越来越准确并得到更广泛的采用，Together 可能成为开源模型的行业标准，就像红帽之于 Linux 一样。该领域的竞争对手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。通过加密货币激励增强人工智能模型区块链和加密货币激励措施证明，网络效应和与网络效应大小相关的奖励迫使人们从事有用的工作。在比特币挖矿的背景下，该任务是通过使用昂贵的电力、技术人力和 ASIC 机器来保护比特币网络。这种经济资源的协调提供了一种女巫攻击防御机制，防止对比特币的经济攻击。作为交换，协调这些资源的矿工将获得 BTC 美元。然而，人工智能有用工作的绿色空间要大得多，一些项目已经在推动人工智能和机器学习模型的改进。这些项目中最原始的是Numerai。目前，Numerai 可以被视为一项去中心化数据科学锦标赛，旨在确定最佳机器学习模型，通过建立股票投资组合来优化财务回报。在每个时代，匿名 Numerai 参与者都被授予访问隐藏原始数据的权限，并被要求利用这些数据来构建表现最佳的股票投资组合。为了参与，用户不仅被要求提交预测，还被迫在其模型的预测背后投入 NMR 代币，以证明这些模型的价值。其他用户也可以在他们认为性能最佳的模型上投入代币。然后，每个质押、提交的模型的输出都会被输入到机器学习算法中，以创建一个元模型，为 Numerai One 对冲基金的投资决策提供信息。提交具有最佳信息系数或有效性的“推论”的用户将获得 NMR 代币奖励。与此同时，那些质押最差模型的人的代币将被削减（没收并重新用于奖励获胜者）。 Bittensor 上的子网和用例。来源： https: //taostats.io/api/截至 2024 年 1 月 2 日。 Bittensor是一个大规模扩展 Numerai 核心概念的类似项目。Bittensor 可以被认为是“机器智能的比特币”，因为它是一个为 AI/ML 模型提供经济激励的网络。这是由构建人工智能模型的“矿工”和评估这些模型输出质量的“验证者”实体来完成的。Bittensor 的架构是一个基础网络和许多较小的子网（子网）的架构。每个子网络都专注于机器智能的不同领域。验证者会向这些子网上的矿工提出各种问题或请求，以评估其人工智能模型的质量。表现最好的模型将获得最高的 TAO 代币奖励，而验证者则因对矿工的准确评估而获得补偿。在更高的层面上，验证者和矿工都必须质押代币才能参与每个子网，每个子网占总质押的比例决定了它从所有 Bittensor 总通胀中获得多少 TAO 代币。因此，每个矿工不仅有动力优化其模型以赢得最多的奖励，而且有动力将其模型集中在最佳的人工智能领域子网上。此外，由于矿工和验证者必须维持资金才能参与，因此每个人都必须超过资本成本障碍，否则就会退出系统。截至 2024 年 1 月，共有 32 个不同的子网，每个子网专用于机器学习或人工智能的特定领域。例如，Subnet 1是类似于ChatGPT的提示LLM的文本。在这个子网上，矿工运行各种经过调整的 LLM 版本，以最好地响应评估响应质量的验证者的提示。在名为“Taoshi”的子网 8 上，矿工提交对比特币和各种金融资产价格的短期预测。Bittensor 还拥有专用于人类语言翻译、存储、音频、网络抓取、机器翻译和图像生成的子网。子网创建是无需许可的，任何拥有 200 TAO 的人都可以创建子网。子网运营商负责为每个子网的活动创建评估和奖励机制。例如，Opentensor，Bittensor 背后的基础，Cerebras评估矿工在该子网上的 LLM 输出。虽然这些子网最初都是由通货膨胀奖励全额补贴的，但每个子网最终都必须在经济上维持自身。因此，子网运营商和验证者必须协调创建工具，以允许外部用户付费访问每个子网的服务。随着通货膨胀的 TAO 奖励减少，每个子网将越来越依赖外部收入来维持自身。在这种竞争环境中，存在着创造最佳模型的直接经济压力以及其他人创造有利可图的现实世界的激励措施这些模型的应用程序。Bittensor 正在利用斗志旺盛的小型企业来识别人工智能模型并从中获利，从而释放人工智能的潜力。正如著名的 Bittensor 传播者 MogMachine 所说，这种动态可以被视为“人工智能的达尔文竞争”。另一个有趣的项目是利用加密技术来激励人工智能代理的创建，这些人工智能代理被编程为代表人类或其他计算机程序自主完成任务。这些实体本质上是旨在解决特定问题的自适应计算机程序。代理是一个包罗万象的术语，涵盖聊天机器人、自动交易策略、游戏角色，甚至虚拟宇宙助手。该领域的一个著名项目是Altered State Machine，这是一个使用 NFT 创建拥有、供电和训练的人工智能代理的平台。在 Altered State Machine 中，用户创建他们的“代理”，然后使用分散的 GPU 集群“训练”它们。这些代理针对特定用例进行了优化。另一个项目，Fetch.ai，是一个用于创建根据每个用户的需求定制的代理的平台。Fetch.ai 也是一家 SaaS 业务，允许注册和租赁或出售代理。自 2023 年 1 月 1 日起 AI 代币的回报来源：Artemis XYZ 截至 2024 年 1 月 10 日。过去的表现并不能保证将来的结果。通过零知识 (zk) 证明进行验证 2023 年是新 AI 模型的标志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度学习的前景，截至 2023 年 6 月，美国有超过18,563 家人工智能相关初创企业。这些初创企业和其他企业已经生产了数千个新的基础模型和微调模型。然而，在人工智能相关公司投资的每 4 美元风险投资中就有 1 美元投资的领域中，许多新实体的激增应该引起严重关注。谁实际创建并拥有每个模型？输出实际上是由指定模型产生的吗？该模式真的像宣传的那样有效吗？每个模型的数据源是什么以及谁拥有该数据？训练、微调和/或推理是否侵犯了任何版权或数据权？这些模型的投资者和用户都应该 100% 确定他们可以解决这些问题。目前，针对 LLM 输出的不同组件存在许多基准测试，例如用于代码生成的HumanEval、用于 LLM 辅助任务的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，尽管尝试了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，没有具体证据证明模型的有效性、最终来源或其训练/推理数据的来源。不仅可以对基准进行游戏，而且还不能确定特定模型是否实际运行（而不是使用连接到另一个模型的 API），也不能保证排行榜本身是诚实的。这就是公共区块链、人工智能和称为零知识（zk）证明的前沿数学领域的统一。zk 证明是密码学的一种应用，它允许某人以所需水平的数学确定性证明他们对数据所做的陈述是正确的，而无需向任何人透露底层数据。语句可以包括简单的声明（例如排名），但可以扩展到复杂的数学计算。例如，某人不仅可以证明他或她知道某个样本的相对财富而不向另一方透露该财富，而且他或她还可以证明该群体的平均值和标准差的正确计算。本质上，您可以证明您了解数据和/或您使用该数据做出了真实的断言，而无需透露该数据的细节或您如何进行计算。在 AI 之外，zk 证明已经被应用于扩展以太坊，允许交易在第 2 层区块链上进行链下交易。最近，zk 证明已应用于深度学习模型，以证明：使用特定数据来生成模型或提供推理输出（此外，未使用哪些数据/源）使用特定模型来生成推论推理输出未被篡改 zk 证明可以发布到公共、永久的区块链上，并通过智能合约进行验证。结果是区块链可以公开且无可辩驳地证明人工智能模型的重要属性。将 ZK 应用于 AI 的两个前沿项目被称为“零知识机器学习”（ZKML），即EZKL和Modulus。EZKL 使用Halo2证明系统生成 zk-snarks，这是一种零知识证明，然后可以在以太坊的 EVM 上公开验证。EZKL 首席执行官Jason Morton表示，虽然 EZKL 目前可以证明的模型大小相对较小，约为 100M 参数，而 ChatGPT 4 的参数为 175B相信他们正在考虑的是“工程问题”而不是“技术限制”问题。EZKL 相信他们可以通过拆分并行执行的证明来克服证明问题，从而减少内存限制和计算时间。事实上，杰森·莫顿相信有一天，“验证模型将像签署区块链交易一样简单。” ZKML证明应用于人工智能可以解决人工智能实现的重要痛点，包括版权问题和人工智能安全。正如《纽约时报》最近针对 Open AI 和微软的诉讼所表明的那样，版权法将适用于数据所有权，人工智能项目将被迫提供其数据来源的证明。ZKML 技术可用于快速解决法庭上有关模型和数据所有权的争议。事实上，ZKML 的最佳应用之一是允许Ocean Protocol和SingularityNet等数据/模型市场证明其列表的真实性和有效性。人工智能模型最终将扩展到准确性和安全性至关重要的领域。据估计，到 2027 年，人工智能边缘设备将达到5.8B 个，其中可能包括重型机械、机器人、自动无人机和车辆。由于机器智能应用于可能伤害和杀人的事物，因此使用来自可靠来源的高质量数据来证明该设备上运行了信誉良好的模型非常重要。尽管从这些边缘设备构建连续的实时证明并将其发布到区块链可能在经济和技术上具有挑战性，但在激活时验证模型或定期发布到区块链可能更可行。然而，来自0xPARC的 Zupass基金会已经建立了源自“携带数据证明”的原始证明，可以廉价地建立边缘设备上发生的事实证明。目前，这与活动出席有关，但可以预见，这种情况很快就会迁移到身份甚至医疗保健等其他领域。机器人外科医生的人工智能模型有多好？机器人辅助手术。资料来源：截至 2024 年 1 月 30 日的《麻省理工学院技术评论》。从可能因设备故障而承担责任的企业的角度来看，拥有可验证的证据来证明他们的模型不是代价高昂的事故的根源似乎是理想的选择。同样，从保险的角度来看，验证和证明基于实际数据训练的可靠模型的使用可能在经济上变得必要。同样，在人工智能深度伪造的世界中，利用经过区块链验证和证明的相机、手机和计算机来执行各种操作可能会成为常态。当然，这些设备的真实性和准确性的证明应该发布到公共开源分类账上，以防止篡改和欺诈。尽管这些证明有着巨大的前景，但它们目前受到天然气费用和计算开销的限制。按照当前的 ETH 价格，在链上提交证明需要花费大约 300-500k 的 Gas（按照当前的 ETH 价格约为 35-58 美元）。从计算的角度来看，Eigenlayer 的 Sreeram Kennan 估计，“在 AWS 上运行需要花费 50 美元的证明计算，使用当前的 ZK 证明技术将花费约 1,000,000 倍的成本。” 结果是，zk 证明的发展速度比几年前任何人的预期都要快得多，但在打开实际用例之前还有很长的路要走。假设有人对 ZKML 的应用感到好奇。在这种情况下，他们可以参加由经过验证的链上智能合约模型评判的去中心化歌唱比赛，并将其结果永久上传到区块链。通过基于区块链的身份建立人性广泛、先进的机器智能的一个可能后果是，自主代理将成为最多产的互联网用户。人工智能代理的释放很有可能会导致整个网络受到有目的的机器人生成的垃圾邮件甚至无害的基于任务的代理堵塞网络的干扰（“摆脱垃圾电子邮件”）。索拉纳当机器人争夺大约价值 10 万美元的套利机会时，每秒有 100 GB 的数据流量。想象一下，当人工智能代理可以勒索数百万个企业网站并勒索数十亿美元时，将会出现怎样的网络流量洪流。这表明未来的互联网会对非人类流量施加限制。限制此类攻击的最佳方法之一是对过度使用廉价资源征收经济税。但我们如何确定垃圾邮件收费的最佳框架，以及如何确定人性化？幸运的是，区块链已经采用了内置防御来防止人工智能机器人式的女巫攻击。计量非人类用户与非人类用户收费的结合将是一种理想的实现方式，同时稍微繁重的计算（如Hashcash）会抑制机器人。在人性证明方面，区块链长期以来一直在努力克服匿名性，以解锁诸如抵押不足的贷款和其他基于声誉的活动等活动。获得动力来证明身份的一种方法是使用JSON Web 令牌 (JWT)。JWT 是“0Auth”凭证，类似于“cookie”，是在您登录 Google 等网站时生成的。它们允许您在登录 Google 后访问互联网上的各个网站时展示您的 Google 身份。zkLogin由 L1 区块链Sui创建，允许用户将其钱包私钥和操作链接到生成 JWT 的 Google 或 Facebook 帐户。零点对点进一步扩展了这个概念，使用 JWT 来无需许可地允许用户在 Base 区块链上用法定货币交换加密货币。这是通过支付应用程序 Venmo 确认点对点现金转账来完成的，当通过电子邮件 JWT 确认时，解锁智能合约托管的 USDC 代币。这两个项目的结果是它们与链下身份建立了牢固的联系。例如，zkLogin 将钱包地址连接到 Google 身份，而 zkP2P 仅适用于 Venmo 的 KYC 用户。尽管两者都缺乏足够可靠的可靠保证来实现链上身份，但它们创建了其他人可以使用的重要构建块。虽然许多项目都试图确认区块链用户的人类身份，但最大胆的是OpenAI 首席执行官Sam Altman创立的WorldCoin。尽管备受争议，因为用户必须扫描虹膜使用反乌托邦的“Orb”机器，世界币正在走向一个不可篡改的身份系统，该系统不能轻易伪造或被机器智能所淹没。这是因为 WorldCoin 根据每个人独特的眼睛“指纹”创建了一个加密标识符，可以对其进行采样以确保唯一性和真实性。经过验证后，用户会收到 Optimism 区块链上名为 World ID 的数字护照，允许该用户在区块链上证明自己的人性。最重要的是，一个人的独特签名永远不会被泄露，也无法被追踪，因为它是加密的。World ID 只是断言区块链地址属于人类。Checkmate 等项目已经将 World ID 与社交媒体资料链接起来，以确保用户的独特性和真实性。在人工智能主导的未来互联网中，在每一次在线互动中明确证明人性可能会变得司空见惯。当人工智能克服了验证码的局限性时，区块链应用程序可以廉价、快速、具体地证明身份。通过区块链技术为人工智能做出贡献毫无疑问，我们正处于人工智能革命的早期阶段。然而，如果机器智能的增长轨迹符合最大胆的根据预测，人工智能必须面临挑战，才能脱颖而出，同时抑制其潜在危害。我们相信，加密货币是正确“训练”结果丰富但潜在阴险的人工智能植物的理想网格。区块链的人工智能解决方案集可以通过为机器智能创造者提供响应更快、更灵活且可能更便宜的去中心化计算来提高机器智能创造者的产出。它还激励能够创建更好模型的构建者，同时为其他人提供经济动力，让他们利用这些人工智能模型构建有用的业务。同样重要的是，模型所有者可以证明其模型的有效性，同时证明未使用受保护的数据源。对于人工智能用户来说，加密应用程序可以确认他们运行的模型是否符合安全标准，并且可能很有用。资料来源：VanEck Research，项目网站，截至 2024 年 1 月 15 日。提供第三方网站的链接是为了方便起见，包含此类链接并不意味着我们对链接网站中包含的或可从链接网站访问的任何内容或信息进行任何认可、批准、调查、验证或监控。点击非 VanEck 网页的链接，即表示您承认您进入的第三方网站受其条款和条件的约束。VanEck 对第三方网站的内容、访问合法性或适用性不承担任何责任。披露：VanEck 通过我们与早期风险投资经理 Cadenza 的战略合作伙伴关系在 Together 中占有一席之地，Cadenza 非常友善地为“克服去中心化计算的瓶颈” 部分做出了贡献。特别感谢：贾森·莫顿，ZKML 首席执行官 Ala Shabana，Bittensor 联合创始人 Arrash Yasavolian，Bittensor 的 Taoshi 子网创始人 Greg Osuri，Akash 首席执行官兼创始人 zkP2P首席执行官梁泽强 Sui 区块链团队的主要成员 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari 来源：金色财经

金色财经02-20 16:29

区块链软件开发：创新、安全、智能的数字未来

注重隐私的加密货币。区块链云服务： Amazon Managed Blockchain: 亚马逊提供的托管区块链服务。 Microsoft Azure Blockchain: 微软提供的区块链云服务。社交媒体和内容共享： Steem (STEEM): 区块链上的社交媒体平台。 LBRY: 区块链上的去中心化内容发布平台。健康医疗： Medicalchain (MTN): 用于医疗数据管理和共享的区块链项目。 Solve.Care: 提供去中心化卫生和医疗服务的区块链平台。请注意，区块链项目的领域和发展可能在时间推移中发生变化。建议查看最新的区块链新闻和行业动态，以获取关于当前项目和发展的最新信息。来源：金色财经

金色财经02-19 13:03

Galaxy万字长文：加密货币和AI交叉领域和项目盘点

的团队通常依赖专门的计算提供商，例如 Amazon Web Services、Azure 和 Google Cloud 提供商。推理是实际使用 AI 模型来获取输出或结果（例如，使用 ChatGPT 为有关加密货币和 AI 交叉点的论文创建大纲）。在整个培训过程和最终产品中都会使用推理。由于计算成本的原因，即使在训练完成后，它们的运行成本也可能很高，但其计算强度低于训练。零知识证明 (ZKP)允许在不泄露基础信息的情况下验证声明。这在加密货币中很有用，主要有两个原因：1) 隐私和 2) 扩展。为了保护隐私，这使用户能够在不泄露敏感信息（例如钱包中有多少 ETH）的情况下进行交易。对于扩展而言，它使链下计算能够比重新执行计算更快地在链上得到证明。这使得区块链和应用程序能够廉价地在链下运行计算，然后在链上验证它们。 AI/加密货币生态图 AI和加密货币交叉的项目仍在构建支持大规模链上人工智能交互所需的底层基础设施。去中心化计算市场正在兴起，以提供训练和推理人工智能模型所需的大量物理硬件，主要以GPU的形式。这些双向市场将那些租赁和寻求租赁计算的人连接起来，促进价值的转移和计算的验证。在去中心化计算中，正在出现几个提供附加功能的子类别。除了双边市场之外，本报告还将审查专门提供可验证训练和微调输出的机器学习训练提供商，以及致力于连接计算和模型生成以实现AI的项目，也经常被称为智能激励网络。 zkML是希望以经济有效且及时的方式在链上提供可验证模型输出的项目的一个新兴重点领域。这些项目主要使应用程序能够处理链下繁重的计算请求，然后在链上发布可验证的输出，证明链下工作负载是完整且准确的。 zkML 在当前实例中既昂贵又耗时，但越来越多地被用作解决方案。这在 zkML 提供商和想要利用 AI 模型的 DeFi/游戏应用程序之间的集成数量不断增加中显而易见。充足的计算供应以及验证链上计算的能力为链上AI智能体打开了大门。智能体是经过训练的模型，能够代表用户执行请求。智能体提供了显著增强链上体验的机会，使用户只需与聊天机器人对话即可执行复杂的交易。然而，就目前而言，智能体项目仍然专注于开发基础设施和工具，以实现轻松快速的部署。去中心化计算概述 AI需要大量计算来训练模型和运行推理。在过去的十年中，随着模型变得越来越复杂，计算需求呈指数级增长。例如，OpenAI发现，从 2012 年到 2018 年，其模型的计算需求从每两年翻一番变为每三个半月翻一番。这导致对 GPU 的需求激增，一些加密货币矿工甚至重新利用其 GPU来提供云计算服务。随着访问计算的竞争加剧和成本上升，一些项目正在利用加密技术来提供去中心化计算解决方案。他们以具有竞争力的价格提供按需计算，以便团队能够以经济实惠的方式训练和运行模型。在某些情况下，权衡的是性能和安全性。最先进的 GPU（例如Nvidia生产的 GPU）的需求量很大。2023年 9 月，Tether收购了德国比特币矿商 Northern Data 的股份，据报道，该公司斥资 4.2 亿美元购买了 10,000 个 H100 GPU（用于 AI 训练的最先进 GPU 之一）。获得一流硬件的等待时间可能至少为六个月，在许多情况下甚至更长。更糟糕的是，公司经常被要求签署长期合同，以获取他们甚至可能不会使用的计算量。这可能会导致存在可用计算但市场上不可用的情况。去中心化计算系统有助于解决这些市场效率低下的问题，创建一个二级市场，计算所有者可以在接到通知后立即转租其过剩容量，从而释放新的供应。除了有竞争力的定价和可访问性之外，去中心化计算的关键价值主张是抗审查性。尖端AI开发日益由拥有无与伦比的计算和数据访问能力的大型科技公司主导。AI指数报告2023年年度报告中强调的第一个关键主题是，工业界在AI模型的开发方面日益超越学术界，将控制权集中在少数技术领导者手中。这引发了人们的担忧，即他们是否有能力在制定支撑AI模型的规范和价值观方面产生巨大影响力，特别是在这些科技公司推动监管以限制其无法控制的人工智能开发之后。去中心化计算垂直领域近年来出现了几种去中心化计算模型，每种模型都有自己的重点和权衡。广义计算 Akash、io.net、iExec、Cudos 等项目都是去中心化计算应用程序，除了数据和通用计算解决方案之外，它们还提供或即将提供用于 AI 训练和推理的专用计算的访问权限。 Akash是目前唯一完全开源的“超级云”平台。它是使用 Cosmos SDK 的权益证明网络。 AKT 是 Akash 的原生代币，作为一种支付形式，用于保护网络安全并激励参与。 Akash 于 2020 年推出了第一个主网，专注于提供无需许可的云计算市场，最初以存储和 CPU 租赁服务为特色。 2023 年 6 月，Akash推出了一个专注于 GPU 的新测试网，并于 9 月推出了GPU 主网，使用户能够租赁 GPU 进行人工智能训练和推理。 Akash 生态系统中有两个主要参与者——租户和供应商。租户是想要购买 Akash网络计算资源的用户。供应商是计算资源供应商。为了匹配租户和供应商，Akash 依靠逆向拍卖流程。租户提交他们的计算要求，在其中他们可以指定某些条件，例如服务器的位置或进行计算的硬件类型，以及他们愿意支付的金额。然后，供应商提交他们的要价，最低出价者将获得任务。 Akash 验证者维护网络的完整性。验证者集目前限制为 100 个，并计划随着时间的推移逐步增加。任何人都可以通过质押比当前质押 AKT 数量最少的验证者更多的 AKT 来成为验证者。 AKT 持有者还可以将其 AKT 委托给验证者。网络的交易费用和区块奖励以 AKT 形式分配。此外，对于每笔租赁，Akash 网络都会按照社区确定的费率赚取“收取费用”，并将其分配给 AKT 持有者。二级市场去中心化计算市场旨在填补现有计算市场的低效率。供应限制导致公司囤积超出其可能需要的计算资源，并且由于与云提供商的合同结构将客户锁定在长期合同中，即使可能不需要持续访问，供应也进一步受到限制。去中心化计算平台释放了新的供应，使世界上任何拥有计算需求的人都可以成为供应商。 AI 训练对 GPU 的需求激增是否会转化为 Akash 上的长期网络使用还有待观察。例如，Akash 长期以来一直为 CPU 提供市场，以70-80% 的折扣提供与中心化替代品类似的服务。然而，较低的价格并没有带来显著的采用。网络上的活跃租约已经趋于平缓，到 2023 年第二季度，平均只有 33% 的计算、16% 的内存和 13% 的存储。虽然这些都是链上采用的令人印象深刻的指标（作为参考，领先的存储提供商 Filecoin 已经2023 年第三季度存储利用率为 12.6%），这表明这些产品的供应继续超过需求。 Akash 推出 GPU 网络已经过去半年多了，现在准确评估长期采用率还为时过早。迄今为止，GPU 的平均利用率为 44%，高于 CPU、内存和存储，这是需求的一个迹象。这主要是由对最高质量 GPU（如 A100）的需求推动的，超过90%已出租。 Akash 的每日支出也有所增加，相对于 GPU 出现之前几乎翻了一番。这部分归因于其他服务使用量的增加，尤其是 CPU，但主要是新 GPU 使用量的结果。定价与Lambda Cloud 和 Vast.ai 等中心化竞争对手相当（或者在某些情况下甚至更贵）。对最高端 GPU（例如 H100 和 A100）的巨大需求意味着该设备的大多数所有者对在面临竞争性定价的市场上市兴趣不大。虽然最初的兴趣很有希望，但采用仍然存在障碍（下面进一步讨论）。去中心化计算网络需要采取更多措施来产生需求和供应，团队正在尝试如何最好地吸引新用户。例如，2024 年初，Akash 通过了第 240 号提案，增加 GPU 供应商的 AKT 排放量并激励更多供应，特别针对高端 GPU。团队还致力于推出概念验证模型，向潜在用户展示其网络的实时功能。 Akash 正在训练他们自己的基础模型，并且已经推出了聊天机器人和图像生成产品，可以使用 Akash GPU 创建输出。同样，io.net开发了stable diffusion模型，并正在推出新的网络功能，更好地模仿传统 GPU 数据中心的性能和规模。去中心化机器学习训练除了能够满足AI需求的通用计算平台外，一组专注于机器学习模型训练的专业AI GPU供应商也正在兴起。例如，Gensyn正在“协调电力和硬件来构建集体智慧”，其观点是，“如果有人想要训练某些东西，并且有人愿意训练它，那么就应该允许这种训练发生。” 该协议有四个主要参与者：提交者（submitters）、求解者（solvers）、验证者（verifiers）和吹哨者（whistleblowers）。提交者向网络提交带有培训请求的任务。这些任务包括训练目标、要训练的模型和训练数据。作为提交过程的一部分，提交者需要为求解者所需的估计计算量预先支付费用。提交后，任务将分配给对模型进行实际训练的求解者。然后，求解者将已完成的任务提交给验证者，验证者负责检查训练以确保正确完成。吹哨者有责任确保验证者诚实行事。为了激励吹哨者参与网络，Gensyn 计划定期提供故意错误的证据，奖励吹哨者抓住他们。除了为人工智能相关工作负载提供计算之外，Gensyn 的关键价值主张是其验证系统，该系统仍在开发中。为了确保 GPU 供应商的外部计算正确执行（即确保用户的模型按照他们希望的方式进行训练），验证是必要的。 Gensyn 采用独特的方法解决了这个问题，利用了称为“概率学习证明、基于图形的精确协议和 Truebit 式激励游戏”的新颖验证方法。这是一种乐观求解模式，允许验证者确认求解者已正确运行模型，而无需自己完全重新运行模型，完全重新运行模型是一个成本高昂且低效的过程。除了其创新的验证方法之外，Gensyn 还声称相对于中心化替代方案和加密货币竞争对手而言具有成本效益，提供的 ML 训练价格比 AWS 便宜高达 80%，同时在测试方面胜过 Truebit 等类似项目。这些初步结果是否可以在去中心化网络中大规模复制还有待观察。 Gensyn 希望利用小型数据中心、零售用户以及未来手机等小型移动设备等提供商的多余计算能力。然而，正如 Gensyn 团队自己所承认的那样，依赖异构计算提供商带来了一些新的挑战。对于 Google Cloud Providers 和 Coreweave 等中心化供应商来说，计算成本昂贵，而计算之间的通信（带宽和延迟）却很便宜。这些系统旨在尽快实现硬件之间的通信。 Gensyn 颠覆了这一框架，通过让世界上任何人都可以提供 GPU 来降低计算成本，但同时也增加了通信成本，因为网络现在必须在相距较远的异构硬件上协调计算作业。 Gensyn 尚未推出，但它是构建去中心化机器学习训练协议时可能实现的概念证明。去中心化通用智能去中心化计算平台也为AI创建方法的设计提供了可能性。 Bittensor是一种基于 Substrate 构建的去中心化计算协议，试图回答“我们如何将AI转变为协作方法？”的问题。 Bittensor 旨在实现AI生成的去中心化和商品化。该协议于 2021 年推出，希望利用协作机器学习模型的力量来不断迭代并产生更好的AI。 Bittensor 从比特币中汲取灵感，其原生货币 TAO 的供应量为 2100 万，减半周期为四年（第一次减半将于 2025 年）。 Bittensor 不是使用工作量证明来生成正确的随机数并获得区块奖励，而是依赖于“智能证明”（Proof of Intelligence），要求矿工运行模型来响应推理请求而生成输出。激励智能 Bittensor 最初依赖专家混合 (MoE) 模型来生成输出。当提交推理请求时，MoE 模型不会依赖一个广义模型，而是将推理请求转发给给定输入类型的最准确的模型。想象一下建造一栋房子，你聘请了各种专家来负责施工过程的不同方面（例如：建筑师、工程师、油漆工、建筑工人等......）。 MoE 将其应用于机器学习模型，尝试根据输入利用不同模型的输出。正如 Bittensor 创始人 Ala Shaabana所解释的那样，这就像“与一屋子聪明人交谈并获得最佳答案，而不是与一个人交谈”。由于在确保正确路由、消息同步到正确模型以及激励方面存在挑战，这种方法已被搁置，直到项目得到进一步开发。 Bittensor 网络中有两个主要参与者：验证者和矿工。验证者的任务是向矿工发送推理请求，审查他们的输出，并根据他们的响应质量对它们进行排名。为了确保他们的排名可靠，验证者会根据他们的排名与其他验证者排名的一致程度给予“vtrust”分数。验证者的 vtrust 分数越高，他们获得的 TAO 币就越多。这是为了激励验证者随着时间的推移就模型排名达成共识，因为就排名达成一致的验证者越多，他们的个人 vtrust 分数就越高。矿工，也称为服务者，是运行实际机器学习模型的网络参与者。矿工们相互竞争，为验证者提供针对给定查询的最准确的输出，输出越准确，赚取的 TAO 就越多。矿工可以随心所欲地生成这些输出。例如，在未来的情况下，Bittensor 矿工完全有可能之前在 Gensyn 上训练过模型，并用它们来赚取 TAO 。如今，大多数交互直接发生在验证者和矿工之间。验证者向矿工提交输入并请求输出（即训练模型）。一旦验证者查询网络上的矿工并收到他们的响应，他们就会对矿工进行排名并将其排名提交到网络。验证者（依赖 PoS）和矿工（依赖模型证明，PoW 的一种形式）之间的这种互动被称为 Yuma 共识。它旨在激励矿工产生最佳输出来赚取 TAO ，并激励验证者对矿工输出进行准确排名，以获得更高的 vtrust 分数并增加他们的 TAO 奖励，从而形成网络的共识机制。子网和应用程序 Bittensor 上的交互主要包括验证者向矿工提交请求并评估其输出。然而，随着贡献矿工的质量提高和网络整体智能的增长，Bittensor 将在其现有堆栈之上创建一个应用程序层，以便开发人员可以构建查询 Bittensor 网络的应用程序。 2023 年 10 月，Bittensor 通过 Revolution 升级引入了子网，朝着实现这一目标迈出了重要一步。子网是 Bittensor 上激励特定行为的单独网络。 Revolution 向任何有兴趣创建子网的人开放网络。自发布以来的几个月内，已经启动了超过32 个子网，包括用于文本提示、数据抓取、图像生成和存储的子网。随着子网的成熟并成为产品就绪，子网创建者还将创建应用程序集成，使团队能够构建查询特定子网的应用程序。一些应用程序（聊天机器人、图像生成器、推特回复机器人、预测市场）目前已经存在，但除了 Bittensor 基金会的资助之外，没有正式的激励措施让验证者接受和转发这些查询。为了提供更清晰的说明，下面是一个示例，说明应用程序集成到网络中后 Bittensor 可能如何工作。子网根据根网络（root network）评估的性能赚取 TAO 。根网络位于所有子网之上，本质上充当一种特殊的子网，并由 64 个最大的子网验证者按权益进行管理。根网络验证者根据子网的性能对子网进行排名，并定期将排放的TAO 代币分配给子网。通过这种方式，各个子网充当根网络的矿工。 Bittensor展望 Bittensor仍在经历成长的烦恼，因为它扩展了协议的功能以激励跨多个子网的智能生成。矿工们不断设计新的方法来攻击网络以获得更多 TAO 奖励，例如通过稍微修改其模型运行的高评价推理的输出，然后提交多个变体。影响整个网络的治理提案只能由完全由 Opentensor 基金会利益相关者组成的Triumvirate提交和实施（需要注意的是，提案需要在实施之前得到由 Bittensor 验证者组成的 Bittensor 参议院的批准）。该项目的代币经济正在进行修改，以提高对 TAO 跨子网使用的激励。该项目还因其独特的方法而迅速获得名声，最受欢迎的人工智能网站之一HuggingFace的首席执行官表示 Bittensor 应该将其资源添加到该网站。在核心开发人员最近发表的一篇名为“Bittensor Paradigm”的文章中，该团队阐述了 Bittensor 的愿景，即最终发展为“对所测量的内容不可知”。理论上，这可以使 Bittensor 开发子网来激励所有由 TAO 支持的任何类型的行为。仍然存在相当大的实际限制——最值得注意的是，证明这些网络能够扩展以处理如此多样化的流程，并且潜在的激励措施推动的进步超过了中心化产品。为AI模型构建去中心化计算堆栈上述部分提供了正在开发的各种类型的去中心化AI计算协议的粗略概述。在其开发和采用的早期，它们提供了生态系统的基础，最终可以促进“AI构建块”的创建，例如 DeFi 的“货币乐高”概念。无需许可的区块链的可组合性为每个协议构建在另一个协议之上提供了可能性，以提供更全面的去中心化人工智能生态系统。例如，这是 Akash、Gensyn 和 Bittensor 可能全部交互以响应推理请求的一种方式。需要明确的是，这只是未来可能发生的事情的一个例子，而不是当前生态系统、现有合作伙伴关系或可能结果的代表。互操作性的限制以及下面描述的其他考虑因素极大地限制了当今的集成可能性。除此之外，流动性破碎化和使用多种代币的需要可能会损害用户体验，Akash 和 Bittensor 的创始人都指出了这一点。其他去中心化产品除了计算之外，还推出了其他几种去中心化基础设施服务，以支持加密货币新兴的AI生态系统。列出所有这些超出了本报告的范围，但一些有趣且说明性的示例包括： Ocean：一个去中心化的数据市场。用户可以创建代表其数据的数据 NFT，并可以使用数据代币进行购买。用户既可以将其数据货币化，又可以对其拥有更大的主权，同时为AI团队提供开发和训练模型所需的数据的访问权限。 Grass：一个去中心化的带宽市场。用户可以将多余的带宽出售给AI公司，后者利用这些带宽从互联网上抓取数据。Grass建立在Wynd 网络之上，这不仅使个人能够将其带宽货币化，而且还为带宽购买者提供了更多样化的观点来了解个人用户在网上看到的内容（因为个人的互联网访问通常是根据其 IP 地址专门定制的））。 HiveMapper：构建一个去中心化的地图产品，其中包含从日常汽车驾驶员收集的信息。 HiveMapper 依靠 AI 来解释从用户仪表板摄像头收集的图像，并奖励用户通过强化人类学习反馈 (RHLF) 帮助微调 AI 模型的代币。总的来说，这些都指向探索支持AI模型的去中心化市场模型或开发它们所需的周边基础设施的几乎无限的机会。目前，这些项目大多处于概念验证阶段，需要更多的研究和开发来证明它们能够以提供全面人工智能服务所需的规模运行。展望去中心化计算产品仍处于开发的早期阶段。他们刚刚开始推出最先进的计算能力，能够在生产中训练最强大的AI模型。为了获得有意义的市场份额，他们需要展示与中心化替代方案相比的实际优势。更广泛采用的潜在触发因素包括： GPU 供应/需求。 GPU 的稀缺加上快速增长的计算需求正在导致 GPU 军备竞赛。由于 GPU 的限制，OpenAI 已经一度限制对其平台的访问。 Akash 和 Gensyn 等平台可以为需要高性能计算的团队提供具有成本竞争力的替代方案。对于去中心化计算提供商来说，未来 6-12 个月是一个特别独特的机会来吸引新用户，由于缺乏更广泛的市场准入，这些新用户被迫考虑去中心化产品。再加上 Meta 的 LLaMA 2 等性能日益提高的开源模型，用户在部署有效的微调模型时不再面临同样的障碍，使计算资源成为主要瓶颈。然而，平台本身的存在并不能确保足够的计算供应和消费者的相应需求。采购高端 GPU 仍然很困难，而且成本并不总是需求方的主要动机。这些平台将面临挑战，以展示使用去中心化计算选项的实际好处（无论是由于成本、审查阻力、正常运行时间和弹性还是可访问性）来积累粘性用户。他们必须快速行动。 GPU 基础设施投资和建设正在以惊人的速度进行。监管。监管仍然是去中心化计算运动的阻力。短期内，缺乏明确的监管意味着提供商和用户都面临使用这些服务的潜在风险。如果供应商提供计算或买方在不知情的情况下从受制裁实体购买计算怎么办？用户可能会犹豫是否使用缺乏中心化实体控制和监督的去中心化平台。协议试图通过将控制纳入其平台或添加过滤器以仅访问已知的计算提供商（即提供了解你的客户KYC信息）来减轻这些担忧，但需要更强大的方法在确保合规性的同时保护隐私。短期内，我们可能会看到 KYC 和合规平台的出现，这些平台限制对其协议的访问，以解决这些问题。此外，围绕美国可能的新监管框架的讨论（最好的例子是《关于安全、可靠和值得信赖的人工智能开发和使用的行政命令》的发布）凸显了进一步限制 GPU 获取的监管行动的潜力。审查。监管是双向的，去中心化的计算产品可以从限制AI访问的行动中受益。除了行政命令之外，OpenAI 创始人 Sam Altman 还在国会作证，说明监管机构需要为人工智能开发颁发许可证。关于人工智能监管的讨论才刚刚开始，但任何此类限制访问或审查AI功能的尝试都可能加速不存在此类障碍的去中心化平台的采用。2023年11月OpenAI 领导层变动（或缺乏）进一步表明，将最强大的现有AI模型的决策权授予少数人是有风险的。此外，所有AI模型都必然反映了创建它们的人的偏见，无论是有意还是无意。消除这些偏差的一种方法是使模型尽可能开放地进行微调和训练，确保任何地方的任何人都可以访问各种类型和偏差的模型。数据隐私。当与为用户提供数据自主权的外部数据和隐私解决方案集成时，去中心化计算可能会比中心化替代方案更具吸引力。当三星意识到工程师正在使用 ChatGPT 帮助芯片设计并将敏感信息泄露给 ChatGPT 时，三星成为了这一事件的受害者。 Phala Network 和 iExec 声称为用户提供 SGX 安全飞地来保护用户数据，并且正在进行的全同态加密研究可以进一步解锁确保隐私的去中心化计算。随着AI进一步融入我们的生活，用户将更加重视能够在具有隐私保护的应用程序上运行模型。用户还需要支持数据可组合性的服务，以便他们可以将数据从一种模型无缝移植到另一种模型。用户体验（UX）。用户体验仍然是更广泛采用所有类型的加密应用程序和基础设施的重大障碍。这对于去中心化计算产品来说并没有什么不同，并且在某些情况下，由于开发人员需要了解加密货币和人工智能，这会加剧这种情况。需要从基础知识进行改进，例如登入抽象与区块链的交互，以提供与当前市场领导者相同的高质量输出。鉴于许多提供更便宜产品的可操作的去中心化计算协议很难获得常规使用，这一点显而易见。智能合约和zkML 智能合约是任何区块链生态系统的核心构建块。在给定一组特定条件的情况下，它们会自动执行并减少或消除对受信任第三方的需求，从而能够创建复杂的去中心化应用程序，例如 DeFi 中的应用程序。然而，由于智能合约目前大部分存在，其功能仍然受到限制，因为它们根据必须更新的预设参数执行。例如，部署的借贷协议智能合约包含根据特定贷款与价值比率何时清算头寸的规范。虽然在静态环境中有用，但在风险不断变化的动态情况下，这些智能合约必须不断更新以适应风险承受能力的变化，这给不通过中心化流程管理的合约带来了挑战。例如，依赖去中心化治理流程的 DAO 可能无法快速反应以应对系统性风险。集成AI（即机器学习模型）的智能合约是增强功能、安全性和效率同时改善整体用户体验的一种可能方法。然而，这些集成也带来了额外的风险，因为不可能确保支撑这些智能合约的模型不会被攻击或解释长尾情况（鉴于数据输入的稀缺，长尾情况很难训练模型）。零知识机器学习（zkML）机器学习需要大量的计算来运行复杂的模型，这使得AI模型由于成本高昂而无法直接在智能合约中运行。例如，为用户提供收益优化模型的 DeFi 协议将很难在链上运行该模型，而无需支付过高的Gas费。一种解决方案是增加底层区块链的计算能力。然而，这也增加了对链验证者集的要求，可能会破坏去中心化特性。相反，一些项目正在探索使用 zkML 以无需信任的方式验证输出，而不需要密集的链上计算。说明 zkML 有用性的一个常见示例是，用户需要其他人通过模型运行数据并验证其交易对手实际上运行了正确的模型。也许开发人员正在使用去中心化计算提供商来训练他们的模型，并担心该提供商试图通过使用输出差异几乎无法察觉的更便宜的模型来削减成本。 zkML 使计算提供商能够通过其模型运行数据，然后生成可以在链上验证的证明，以证明给定输入的模型输出是正确的。在这种情况下，模型提供者将具有额外的优势，即能够提供他们的模型，而不必透露产生输出的基础权重。也可以做相反的事情。如果用户想要使用他们的数据运行模型，但由于隐私问题（比如在医疗检查或专有商业信息的情况下），不希望提供模型的项目访问他们的数据，那么用户可以在他们的数据上运行模型而不共享数据，然后通过证明验证他们运行了正确的模型。这些可能性通过解决令人望而却步的计算限制，极大地扩展了人工智能和智能合约功能集成的设计空间。基础设施和工具鉴于 zkML 领域的早期状态，开发主要集中在构建团队所需的基础设施和工具，以将其模型和输出转换为可以在链上验证的证明。这些产品尽可能地抽象了开发的零知识方面。 EZKL和Giza是通过提供机器学习模型执行的可验证证明来构建此工具的两个项目。两者都帮助团队构建机器学习模型，以确保这些模型可以在链上以可信方式验证结果的方式执行。这两个项目都使用开放神经网络交换 (ONNX) 将用 TensorFlow 和 Pytorch 等通用语言编写的机器学习模型转换为标准格式。然后，他们输出这些模型的版本，这些模型在执行时也会生成 zk 证明。 EZKL 是开源的，生产 zk-SNARKS，而 Giza 是闭源的，生产 zk-STARKS。这两个项目目前仅兼容 EVM。过去几个月，EZKL 在增强 zkML 解决方案方面取得了重大进展，主要集中在降低成本、提高安全性和加快证明生成速度。例如，2023 年 11 月，EZKL 集成了一个新的开源 GPU 库，可将聚合证明时间缩短 35%；1 月，EZKL发布了Lilith，这是一种软件解决方案，用于在使用 EZKL 证明时集成高性能计算集群和编排并发作业系统。 Giza 的独特之处在于，除了提供用于创建可验证的机器学习模型的工具之外，他们还计划实现相当于Hugging Face的 web3 ，为 zkML 协作和模型共享开辟用户市场，并最终集成去中心化计算产品。一月份，EZKL 发布了一项基准评估，比较了 EZKL、Giza 和 RiscZero（如下所述）的性能。 EZKL 展示了更快的证明时间和内存使用。 Modulus Labs还在开发一种专为 AI 模型定制的新的 zk-proof 技术。 Modulus 发表了一篇名为《智能的成本》（The Cost of Intelligence ）的论文（暗示在链上运行 AI 模型的成本极高），该论文对当时现有的 zk-proof 系统进行了基准测试，以确定改进 AI 模型 zk-proofs 的能力和瓶颈。该论文于 2023 年 1 月发布，表明现有产品过于昂贵且效率低下，无法大规模实现AI应用。在最初研究的基础上，Modulus 在 11 月推出了Remainder，这是一种专门的零知识证明器，专门用于降低 AI 模型的成本和证明时间，目标是使项目在经济上可行，将模型大规模集成到智能合约中。他们的工作是闭源的，因此无法与上述解决方案进行基准测试，但最近在 Vitalik关于加密和人工智能的博客文章中引用了他们的工作。工具和基础设施开发对于 zkML 空间的未来增长至关重要，因为它可以显著减少需要部署运行可验证的链下计算所需的 zk 电路的团队的摩擦。创建安全接口，使从事机器学习工作的非加密原生构建者能够将他们的模型带到链上，这将使应用程序能够通过真正新颖的用例进行更大的实验。工具还解决了更广泛采用 zkML 的一个主要障碍，即缺乏知识渊博且对零知识、机器学习和密码学交叉领域工作感兴趣的开发人员。协处理器（Coprocessors）正在开发的其他解决方案（称为“协处理器”）包括RiscZero 、Axiom和Ritual。协处理器这个术语主要是语义上的——这些网络履行许多不同的角色，包括在链上验证链下计算。与 EZKL、Giza 和 Modulus 一样，他们的目标是完全抽象零知识证明生成过程，创建本质上能够执行链下程序并生成链上验证证明的零知识虚拟机。 RiscZero 和 Axiom 可以为简单的 AI 模型提供服务，因为它们是更通用的协处理器，而 Ritual 是专门为与 AI 模型一起使用而构建的。 Infernet是 Ritual 的第一个实例，包含一个Infernet SDK，允许开发人员向网络提交推理请求并接收输出和证明（可选）作为回报。 Infernet 节点接收这些请求并在返回输出之前处理链下计算。例如，DAO 可以创建一个流程，确保所有新的治理提案在提交之前满足某些先决条件。每次提交新提案时，治理合约都会通过 Infernet 触发推理请求，调用 DAO 特定治理训练的 AI 模型。该模型审查提案以确保提交所有必要的标准，并返回输出和证据，批准或拒绝提案的提交。在接下来的一年里，Ritual 团队计划推出更多功能，形成称为 Ritual 超级链的基础设施层。前面讨论的许多项目都可以作为服务提供商插入 Ritual。 Ritual 团队已经与 EZKL 集成以生成证明，并且可能很快会添加其他领先提供商的功能。Ritual 上的 Infernet 节点还可以使用 Akash 或 io.net GPU 以及在 Bittensor 子网上训练的查询模型。他们的最终目标是成为开放AI基础设施的首选提供商，能够为任何网络、任何工作负载的机器学习和其他AI相关任务提供服务。应用 zkML有助于调和区块链和人工智能之间的矛盾，前者本质上是资源受限的，而后者需要大量的计算和数据。正如 Giza 的一位创始人所说，“用例非常丰富……这有点像以太坊早期问智能合约的用例是什么……我们所做的只是扩展智能合约的用例。 ”然而，如上所述，当今的开发主要发生在工具和基础设施级别。应用仍处于探索阶段，团队面临的挑战是证明使用 zkML 实现模型所产生的价值超过了其复杂性和成本。目前的一些应用包括：去中心化金融。 zkML通过增强智能合约能力，升级了DeFi的设计空间。 DeFi 协议为机器学习模型提供大量可验证且不可篡改的数据，可用于生成收益获取或交易策略、风险分析、用户体验等。例如，Giza与Yearn Finance合作，为 Yearn 的新 v3 金库构建概念验证自动风险评估引擎。 Modulus Labs与Lyra Finance合作将机器学习纳入其 AMM，与 Ion Protocol合作实施分析验证者风险的模型，并帮助Upshot验证其人工智能支持的 NFT 价格信息。 NOYA（利用 EZKL）和Mozaic等协议提供了对专有链下模型的访问，这些模型使用户能够访问自动化流动性挖矿，同时使他们能够验证链上的数据输入和证明。 Spectral Finance正在构建链上信用评分引擎，以预测Compound或Aave借款人拖欠贷款的可能性。由于 zkML，这些所谓的“De-Ai-Fi”产品在未来几年可能会变得更加流行。游戏。长期以来，游戏一直被认为可以通过公链进行颠覆和增强。 zkML 使人工智能的链上游戏成为可能。 Modulus Labs已经实现了简单链上游戏的概念验证。 Leela vs the World是一款博弈论国际象棋游戏，用户在其中对抗 AI 国际象棋模型，zkML 验证 Leela 所做的每一步都是基于游戏运行的模型。同样，团队也使用 EZKL 框架来构建简单的歌唱比赛和链上井字游戏。 Cartridge正在使用Giza使团队能够部署完全链上游戏，最近重点引入了一款简单的人工智能驾驶游戏，用户可以竞争为试图避开障碍物的汽车创建更好的模型。虽然简单，但这些概念验证指向未来的实现，能够实现更复杂的链上验证，例如能够与游戏内经济体进行交互的复杂 NPC 演员，如《 AI Arena》中所见，这是一款超级大乱斗游戏，玩家可以在其中训练自己的战士，然后部署为AI模型进行战斗。身份、溯源和隐私。加密货币已经被用作验证真实性和打击越来越多的人工智能生成/操纵内容和深度伪造的手段。 zkML 可以推进这些努力。 WorldCoin 是一种身份证明解决方案，要求用户扫描虹膜以生成唯一的 ID。未来，生物识别 ID 可以使用加密存储在个人设备上进行自我托管，并使用验证本地运行的生物识别所需的模型。然后，用户可以提供生物识别证据，而无需透露自己的身份，从而在确保隐私的同时抵御女巫攻击。这也可以应用于需要隐私的其他推论，例如使用模型分析医疗数据/图像来检测疾病、验证人格并在约会应用程序中开发匹配算法，或者需要验证财务信息的保险和贷款机构。展望 zkML 仍处于实验阶段，大多数项目都专注于构建基础设施原语和概念证明。如今的挑战包括计算成本、内存限制、模型复杂性、有限的工具和基础设施以及开发人员人才。简而言之，在 zkML 能够以消费产品所需的规模实施之前，还有相当多的工作要做。然而，随着该领域的成熟以及这些限制的解决，zkML将成为AI和加密集成的关键组成部分。从本质上讲，zkML 承诺能够将任何规模的链下计算引入链上，同时保持与链上运行相同或接近相同的安全保证。然而，在这一愿景实现之前，该技术的早期用户将继续必须在 zkML 的隐私和安全性与替代方案的效率之间进行权衡。 AI智能体 AI和加密货币最令人兴奋的集成之一是正在进行的AI智能体实验。智能体是能够使用AI模型接收、解释和执行任务的自主机器人。这可以是任何事情，从拥有一个随时可用的根据你的偏好进行微调的个人助理，到雇用一个根据你的风险偏好来管理和调整你的投资组合的金融机器人。由于加密货币提供了无需许可和无需信任的支付基础设施，智能体和加密货币可以很好地结合在一起。经过培训后，智能体将获得一个钱包，以便他们可以自行使用智能合约进行交易。例如，今天的简单智能体可以在互联网上抓取信息，然后根据模型在预测市场上进行交易。智能体提供商 Morpheus是 2024 年在以太坊和 Arbitrum 上上市的最新开源智能体项目之一。其白皮书于 2023 年 9 月匿名发布，为社区的形成和构建提供了基础（包括Erik Vorhees等著名人物）。该白皮书包括一个可下载的智能体协议，它是一个开源的LLM，可以在本地运行，由用户的钱包管理，并与智能合约交互。它使用智能合约排名来帮助智能体根据处理的交易数量等标准确定哪些智能合约可以安全地进行交互。白皮书还提供了构建 Morpheus 网络的框架，例如使智能体协议运行所需的激励结构和基础设施。这包括激励贡献者构建用于与智能体交互的前端、供开发人员构建可插入智能体以便他们可以相互交互的应用程序的 API，以及使用户能够访问运行智能体所需的计算和存储的云解决方案在边缘设备上。该项目的初始资金已于 2 月初启动，完整协议预计将于 2024 年第二季度启动。去中心化自治基础设施网络 (DAIN)是一种新的智能体基础设施协议，在 Solana 上构建智能体到智能体经济。 DAIN 的目标是让来自不同企业的智能体可以通过通用 API 无缝地相互交互，从而大大开放 AI 智能体的设计空间，重点是实现能够与 web2 和 web3 产品交互的智能体。一月份，DAIN 宣布与 Asset Shield 首次合作，使用户能够将“智能体签名者”添加到其多重签名中，这些签名者能够根据用户设置的规则解释交易并批准/拒绝。 Fetch.AI是最早部署的 AI 智能体协议之一，并开发了一个生态系统，用于使用 FET 代币和Fetch.AI钱包在链上构建、部署和使用智能体。该协议提供了一套用于使用智能体的全面工具和应用程序，包括用于与智能体交互和订购代理的钱包内功能。 Autonolas的创始人包括 Fetch 团队的前成员，它是一个用于创建和使用去中心化AI智能体的开放市场。 Autonolas 还为开发人员提供了一套工具来构建链下托管的AI智能体，并可以插入多个区块链，包括 Polygon、Ethereum、Gnosis Chain 和 Solana。他们目前拥有一些活跃的智能体概念验证产品，包括用于预测市场和 DAO 治理。 SingularityNet正在为AI智能体构建一个去中心化的市场，人们可以在其中部署专注的AI智能体，这些智能体可以被其他人或智能体雇用来执行复杂的任务。其他公司，如AlteredStateMachine，正在构建 AI 智能体与 NFT 的集成。用户铸造具有随机属性的 NFT，这些属性赋予他们在不同任务上的优势和劣势。然后可以对这些智能体进行训练，以增强某些属性，以用于游戏、DeFi 或作为虚拟助手并与其他用户进行交易。总的来说，这些项目设想了一个未来的智能体生态系统，这些智能体能够协同工作，不仅可以执行任务，还可以帮助构建通用AI。真正复杂的智能体将有能力自主完成任何用户任务。例如，完全自主的智能体将能够弄清楚如何雇用另一个智能体来集成 API，然后执行，而不必确保智能体在使用之前已经与外部 API（例如旅行预订网站）集成并执行任务。从用户的角度来看，不需要检查智能体是否可以完成任务，因为智能体可以自己确定。比特币和AI智能体 2023 年 7 月，闪电网络实验室推出了在闪电网络上使用智能体的概念验证实施方案，称为 LangChain 比特币套件。该产品特别有趣，因为它旨在解决 Web 2 世界中日益严重的问题——Web应用程序的门禁且昂贵的API 密钥。 LangChain 通过为开发人员提供一套工具来解决这个问题，使智能体能够购买、出售和持有比特币，以及查询 API 密钥和发送小额支付。在传统的支付领域，小额支付由于费用而成本高昂，而在闪电网络上，智能体可以每天以最低的费用发送无限的小额支付。当与 LangChain 的 L402 支付计量 API 框架结合使用时，这允许公司可以根据使用量的增加和减少调整其 API 的访问费用，而不是设定单一的成本过高的标准。在未来，链上活动主要由智能体与智能体交互所主导，这样的事情将是必要的，以确保智能体能够以成本不过高的方式相互交互。这是一个早期的例子，说明如何在无需许可且经济高效的支付赛道上使用智能体，为新市场和经济互动开辟了可能性。展望智能体领域仍处于新生阶段。项目刚刚开始推出功能性智能体，可以使用其基础设施处理简单的任务——这通常只有经验丰富的开发人员和用户才能访问。然而，随着时间的推移，AI智能体对加密货币的最大影响之一是所有垂直领域的用户体验改进。交易将开始从基于点击转向基于文本，用户能够通过大语言模性与链上智能体进行交互。Dawn Wallet等团队已经推出了聊天机器人钱包，供用户在链上进行交互。此外，目前尚不清楚智能体如何在 Web 2 中运作，因为金融领域依赖于受监管的银行机构，这些机构不能 24/7 运营，也无法进行无缝跨境交易。正如Lyn Alden所强调的那样，由于缺乏退款和处理微交易的能力，与信用卡相比，加密赛道尤其有吸引力。然而，如果智能体成为一种更常见的交易方式，现有的支付提供商和应用程序很可能会迅速采取行动，实施在现有金融领域运营所需的基础设施，从而削弱使用加密货币的一些好处。目前，智能体可能仅限于确定性的加密货币交易，其中给定输入保证给定输出。这两种模型都规定了这些智能体弄清楚如何执行复杂任务的能力，而工具则扩大了它们可以完成的范围，都需要进一步开发。为了让加密智能体在新颖的链上加密用例之外变得有用，需要更广泛的集成和接受加密作为一种支付形式以及监管的明确性。然而，随着这些组件的发展，智能体准备成为上述去中心化计算和 zkML 解决方案的最大消费者之一，以自主的非确定性方式接收和解决任何任务。结论 AI 为加密货币引入了我们在 web2 中看到的相同创新，增强了从基础设施开发到用户体验和可访问性的各个方面。然而，项目仍处于发展早期，近期加密货币和AI集成将主要由链下集成主导。像Copilot这样的产品将使开发人员效率“提高10 倍”，Layer1和DeFi应用程序已经与微软等大公司合作推出人工智能辅助开发平台。Cub3.ai和Test Machine等公司正在开发用于智能合约审计和实时威胁监控的AI集成，以增强链上安全性。 LLM 聊天机器人正在使用链上数据、协议文档和应用程序进行培训，为用户提供增强的可访问性和用户体验。对于真正利用加密货币底层技术的更高级集成来说，挑战仍然是证明在链上实施AI解决方案在技术上是可行的，而且在经济上也是可行的。去中心化计算、zkML 和 AI 智能体的发展指向有前景的垂直领域，这些领域为加密货币和AI深度互联的未来奠定了基础。来源：金色财经

金色财经02-19 12:22

“科技七雄”若被视为一个国家市值全球第二大

括微软(Microsoft)、亚马逊(Amazon)、英伟达(Nvidia)、Meta、苹果(Apple)、Alphabet和特斯拉(Tesla)。

金融界02-16 02:39

什么情况？贝索斯四个交易日卖了40亿美元亚马逊股票！

eff Bezos)开始从亚马逊公司(Amazon)的股价上涨中获利了结。在四个交易日内卖出了价值40亿美元的亚马逊股票。（杰夫·贝索斯，来源：雅虎财经）在披露计划出售多达5000万股亚马逊股票后不到两周，贝索斯已经抛售了2400万股股票，价值超过40亿美元。监管文件显示，这些交易仅在四个交易日内完成。这位全球第二富有的人自2021年以来未曾出售过该股票。贝索斯没有解释他为什么现在出售股票，但他制定交易计划的时机可能提供了线索。11月2日，他宣布将从西雅图地区搬到迈阿密。他于11月8日通过了所谓的10(b)5-1计划。华盛顿州自2022年起征收7%的资本利得税，而佛罗里达州没有这样的税。这表明贝索斯搬到佛罗里达州可能已经为他节省了大约2.88亿美元的税费。由于贝索斯在公开市场上只购买过一股亚马逊股票，我们可以假设他自公司成立之初就持有这些股票，因此，随着亚马逊价值的增长，他的股票价值增加几乎全算作资本利得。一份文件显示，截至周一收盘，亚马逊股价今年上涨了13%。周一是贝索斯出售股票的最后一天。周二，该股下跌2.2%，至168.64美元。（亚马逊股价1日走势图，来源：谷歌）亚马逊和贝索斯对此拒绝置评。对华盛顿州来说，2.88亿美元的税单将是一笔巨大的意外之财。据该州官员称，该州去年从资本利得税中筹集了8.55亿美元，其中一半以上来自10个人。这项税收在该州遭到了一些抵制。亿万富翁肯•费舍尔(Ken Fisher)今年3月表示，他将把自己的公司从华盛顿搬到德克萨斯州，并批评了这项税收以及支持这项税收的法院裁决。11月，一项旨在废除该税的投票倡议可能会向选民提出。

Sissi02-14 08:26

六个超级碗！Temu斥巨资千万美元砸广告能否重振美国市场？

ies)的四倍，远高于竞争对手亚马逊(Amazon)的1.7%。 Temu的母公司拼多多的股价今年下跌了近10%，但其估值徘徊在竞争对手阿里巴巴集团附近，后者的销售额是拼多多的三倍多。$拼多多$$阿里巴巴$ （拼多多年初至今走势图，来源：谷歌）晨星公司(Morningstar Inc.)高级分析师Chelsey Tam表示，最近宣布的向美国和欧洲卖家开放其平台的计划可能会增加订单。但要恢复快速增长就需要拼多多继续提供大幅折扣和返利。最近几个季度的利润率有所下降，并且预计将继续下降。 Chelsey Tam表示：“盈利能力是一个问题。只是现在这不是优先事项。”

Sissi02-14 07:24

发生了什么？美元、股市齐涨！标普500指数无视估值警告，再创新高

ia）继续强劲涨势，超越亚马逊公司 (Amazon)的市值，成为美国第四大最有价值股票。截至发稿，道琼斯工业平均指数上涨0.51%，标准普尔 500 指数上涨0.38%，至5,046.10点，纳斯达克综合指数涨0.28%。#VIP会员尊享# （标普500指数30分钟走势图图源：FX168） LPL Financial的Jeffrey Buchbinder表示：“此次涨至5,000点的走势得到了基本面的支撑，软着陆的可能性越来越大，财报季在经历了混乱的开局后也大大超出了预期。” “市场市盈率超过20倍似乎很高，但如果美国经济避免衰退，今年盈利增长两位数，这也是合理的——这并非不可能。” 在纽约交易第一个小时的挣扎之后，标准普尔500指数突破了5,040点。芯片设计公司Arm Holdings Plc上周公布的重磅收益报告显示人工智能支出正在推动销售，该公司股价飙升42%。上周五，标准普尔500指数历史上首次收于5,000点上方。自今年年初以来，更广泛的指数现已上涨超过5%。（图源：彭博社）所有三大主要股指均已连续第五周上涨，其中标普500指数和纳斯达克综合指数上周分别上涨1.4%和2.3%。道指小幅走高。瑞银全球财富管理首席投资官Mark Haefele写道：“虽然美国股市目前消化了大量好消息，但我们相信涨势得到了充分支持。” 据彭博社调查的经济学家一致估计，美国1月份通胀率预计将从上月的3.4%降至2.9%。这将是自2021年3月以来首次低于3%，支持通货紧缩趋势，而通货紧缩趋势将决定降息的范围和时机。美联储理事米歇尔·鲍曼重申，央行基准贷款利率处于保持通胀下行压力的良好位置，她认为没有必要很快放松政策。在衍生品市场上，交易者开始定价美联储将在2024年仅降息四次或最多五次四分之一个百分点，仅略高于政策制定者预计的三个百分点。与去年年底相比，这是一个巨大的转变，当时期货交易员押注于七次此类举措，预计美联储降息幅度将比当时发布的消息高出整整一个百分点。 Haefele表示：“重要的是不要忽视大局，即持续的通缩应该会让央行在今年开始宽松政策。” “这是投资格局的重大变化，因此我们认为美联储今年是否降息三、四或五次并不那么重要。这些情景中的任何一种都应该对债券产生积极的宏观结果。” （图源：彭博社）摩根士丹利E*Trade 的Chris Larkin表示：“大多数人都会关注本周的通胀数据，虽然标准普尔指数确实经常在突破像这样的‘整数’门槛后走高，但在去年10月底以来的反弹之后，它并不总是能做到这一点。” Larkin指出，自1968年以来，每当标准普尔500指数在70个交易日期间上涨至少20%（从10月27日到上周四），通常两周后就会下跌。上周的新闻和数据强化了本次牛市的四大驱动因素：美联储五月份降息、经济稳健增长、持续通货紧缩和强劲盈利。 Tom Essaye在Sevens Report中表示：“重要的是要承认，这次反弹是由实际的好消息和实际数据强化的看涨预期推动的，”“与此同时，10月份（甚至整个2023年）让投资者担忧的风险尚未消除——它们只是还没有出现。” （图源：彭博社）标普500指数目前的预期市盈率约为20倍，该水平仅在过去25年的另外两个时期达到过：互联网泡沫和大流行后的牛市。DataTrek Research的Nicholas Colas表示：“当投资者对货币/财政政策、美国/全球银行体系以及强劲的企业盈利这三个因素充满信心时，估值就会达到这样的水平，”“尽管2022年是熊市，但投资者仍认为未来是高度可预测的。可能需要外部冲击才能改变他们的想法。” 联邦金融网络 (Commonwealth Financial Network) 的Rob Swanke表示，在目前的估值水平下，有必要保持谨慎。他补充道：“我不会说我们正处于泡沫领域，但市场定价现在已接近完美，企业将必须在2024年继续实现高收益目标，而在2023年他们不必这样做。” 美元追踪美元兑一揽子六种货币的美元指数，上涨0.03%，至104.11。（美指30分钟走势图图源：FX168）美元/日元上涨0.1%至149.45，欧元/美元下跌0.2%。欧元从早盘触及的10日高点回落。对欧元区第四季度经济增长的解读可能会给出新的方向。基准10年期国债收益率升至4.191%，而上周五美国收盘价为4.187%。美国经济没有遵循剧本，我们看到了井喷的就业数据、通胀似乎重新加速，以及美联储推迟了3月份降息的预期。明天的美国消费者物价指数（CPI）报告是下一个重大考验，看看2024年美国经济例外论的新生趋势是否会持续。深入研究数据，总体CPI的下降趋势在过去几个季度明显放缓，过去六个月同比增幅实际上从3.0%上升至3.4%。也就是说，美联储更关心“核心”CPI读数，该读数被视为更能反映潜在的价格压力，并且近几个月持续小幅走低。如果CPI预期意外走高，则可能会进一步提振美元，并因交易员继续缩减上半年降息的押注而对其他货币构成压力。相反，CPI预期的下降可能会促使美元在报告发布之前回撤，如果通胀数据低于预期，美元将加速走低。

Dan197702-13 01:35

会员

石头科技亮相央视春晚！中国清洁电器龙头引领全球市场

、德国、韩国等地设立了海外公司，在美国Amazon、沃尔玛等线上平台开设线上品牌专卖店。目前，石头科技在德国、澳大利亚、日本等14个国家已做到市占率前三。

证券之星02-11 12:10

24小时热点