FX168财经网_全球视野外汇黄金加密货币NFT资讯网

行业ETF热点收评｜单边上扬！恒银科技二连板，金融科技ETF收涨超2%！金融、信创、支付三端催化，板块后市可期？

计算机，占比约80%，覆盖了数字经济、ChatGPT、信创、金融IT等热门主题。第二大行业为非银金融（主要为互联网券商），占比近14%。

还有很多大的利好消息没有公布出来，据说ChatGPT 4.5很快就要发布了，这可能会利好WLD，所以这个项目也值得重点关注。最后的最后，还有很多其实都没写进来，比如具体的机会，具体的决策，这些东西往往不是一篇文章能概括的。如果您想了解更多币圈的相关知识和一手的前沿资讯，欢迎咨询我，我们有最专业的币圈社区，每日发布行情分析，优质潜力币种推荐。来源：金色财经

金色财经03-18 18:02

A股创年内新高，“A50ETF华宝”(159596)重磅上市！港股互联网ETF(513770)放量飙涨3.6%，豪取A股跨境ETF涨幅第一！

计算机，占比约80%，覆盖了数字经济、ChatGPT、信创、金融IT等热门主题。第二大行业为非银金融（主要为互联网券商），占比近14%。附前十大权重股一览：图片来源：Wind 三、【马斯克开源Grok-1，电子再起攻势！工业富联飙涨8%荣登A股成交榜首，电子ETF（515260）劲涨2.46%！】今日凌晨，马斯克宣布正式开源大模型Grok-1，AI概念股活跃。市场传言，苹果公司或正在谈判将谷歌的Gemini人工智能模型嵌入iPhone，AI手机概念股午后异动。电子50指数50只成份股中，47只个股收红，鹏鼎控股涨停，寒武纪-U涨超13%，韦尔股份、浪潮信息亦大幅跟涨。值得注意的是，工业富联飙涨超8%，成交额突破100亿元，荣登A股成交额榜首。主力资金方面，电子50指数重仓的电子板块（截至3月18日，权重占比82.7%）单日吸金近79亿元，计算机板块（权重16.2%）亦单日吸金超45亿元，分别高居31个申万一级行业的第一位和第三位。图片来源：Wind 热门ETF方面，紧密跟踪电子50指数的电子ETF（515260）全天发力，震荡上攻，截至收盘，场内价格劲涨2.46%，一举收复5日、10日均线，斩获日线2连阳。图片来源：雪球重要展会方面，3月18日-21日，英伟达GTC大会将在美国举办，CEO黄仁勋将发表名为“见证AI的变革时刻”的主题演讲，分享英伟达的加速计算平台如何推动AI、数字孪生、云技术和可持续计算的下一波浪潮。此外，3月20日，国际半导体专业展（SEMICON/FPD China2024）将于上海揭幕，参展企业覆盖芯片设计、制造、封测、设备、材料、光伏、显示等全产业链。上周，苹果宣布追加在华投资，扩建上海实验室、新增深圳实验室，促进苹果工程师与本地供应商的合作，该消息利好苹果产业链。同日，国产GPU龙头景嘉微公告，面向AI训练、AI推理、科学计算等应用领域的景宏系列高性能智算模块及整机产品研发成功，并将尽快面向市场推广，国产AI芯片再添强将。兴业证券表示，“人工智能+”首次写入政府工作报告，工信部表态适度超前建设算力等基础设施，AI大模型、AI安全等也成为两会关注热点。AI产业各环节有望得到政府预算保障，可持续重点关注AI产业发展，把握相关投资机会。布局工具上，资料显示，电子ETF（515260）跟踪中证电子50指数，持仓A股50只电子龙头股，全面覆盖AI芯片、消费电子、汽车电子、5G、云计算等热门产业龙头公司，一键布局A股电子核心资产。看好消费电子和半导体发展机遇的投资者，相关产品电子ETF（515260）。数据来源：沪深交易所、Wind等。风险提示：港股互联网ETF（513770）被动跟踪中证港股通互联网指数，该指数基日为2016.12.30，发布于2021.1.11；信创ETF基金（562030）被动跟踪中证信创指数，该指数基日为2017.12.29，发布于2012.12.21；双创龙头ETF（588330）被动跟踪中证科创创业50指数，该指数基日为2019.12.31，发布于2021.6.1；智能电动车ETF（516380）被动跟踪中证智能电动汽车指数，该指数基日为2014.12.31，发布于2021.6.4；绿色能源ETF（562010）被动跟踪中证绿色能源指数，该指数基日为2013.12.31，发布日期为2021.8.19；券商ETF（512000）被动跟踪中证全指证券公司指数，该指数基日为2007.6.29，发布于2013.7.15；“A50ETF华宝”（159596）被动跟踪中证A50指数，该指数基日为2014.12.31，发布于2024.1.2。指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。文中提及个股仅为指数成份股客观展示列举，不作为任何个股推荐，不代表基金管理人和基金投资方向。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，本公司亦不对因使用本文内容所引发的直接或间接损失负任何责任。投资人应当认真阅读《基金合同》、《招募说明书》、《基金产品资料概要》等基金法律文件，了解基金的风险收益特征，选择与自身风险承受能力相适应的产品。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。根据基金管理人的评估，信创ETF基金、智能电动车ETF、绿色能源ETF、券商ETF、A50ETF华宝风险等级为R3-中风险，适宜平衡型（C3）及以上的投资者，港股互联网ETF、双创龙头ETF风险等级为R4-中高风险，适宜积极型（C4）及以上的投资者，适当性匹配意见请以销售机构为准。销售机构（包括基金管理人直销机构和其他销售机构）根据相关法律法规对以上基金进行风险评价，投资者应及时关注基金管理人出具的适当性意见，各销售机构关于适当性的意见不必然一致，且基金销售机构所出具的基金产品风险等级评价结果不得低于基金管理人作出的风险等级评价结果。基金合同中关于基金风险收益特征与基金风险等级因考虑因素不同而存在差异。投资者应了解基金的风险收益情况，结合自身投资目的、期限、投资经验及风险承受能力谨慎选择基金产品并自行承担风险。中国证监会对以上基金的注册，并不表明其对本基金的投资价值、市场前景和收益做出实质性判断或保证。基金投资需谨慎。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云03-18 17:31

三重逻辑共振，半导体集体上行，半导体设备ETF(561980)收涨2.67%！韦尔股份、中微公司等龙头顺势活跃

苏和国产化。 AI创新从去年以来，以ChatGPT、Sora为代表的多模态AI大模型横空出世，标志着AI技术进入新纪元。半导体作为AI端侧落地的基石，需求有望持续释放。数据显示，2023年全球AI服务器约85.5万台，到2026年预计将达到236.9万台，CAGR为29.02%，有望驱动AI算力芯片与配套的光模块产业高增长。此外，下游消费电子回暖等信号逐步向产业链传导，上游的半导体设备、材料等整体盈利也有望持续改善。整体来看，2024年全球智能手机市场正处于缓步复苏状态，手机需求受折叠屏、AI手机的拉动和高端旗舰机的发布而缓步回暖。 2）周期复苏 SIA数据显示，全球半导体1月销售额增长15.2%，同比增长15.2%。2023年11月，全球半导体行业销售额实现自2022年8月以来的首次同比转正，而2023年11月至今，全球半导体销售额同比增幅持续扩大，整体呈现出稳步上升的态势。分地区来看，中国地区表现最为亮眼，实现了同比26.6%的显著增速。国金证券认为，目前行业整体已渡过“主动去库存”阶段，进入“被动去库存”阶段，但随着需求的复苏，行业整体有望开启积极备货，周期步入上行通道。具体方向上，东莞证券认为或可关注半导体封测、存储芯片、射频、CIS的复苏节奏与厂商库存情况。国产替代半导体设备是制造半导体芯片的核心工具，直接决定了芯片的生产效率、成本和质量。近年来，在日益复杂的外部环境下，半导体设备作为关键技术环节，其重要性不断提升，在政策及行业发展下，国产替代加速推进。数据显示，从2020年到2023年，中国半导体设备的国产化率，从7.2%增至11.7%，相当于份额提升了62.5%，且未来仍有很大替代空间。数据来源：Wind 东莞证券表示，随着内资晶圆厂产能持续扩张，叠加下游需求持续复苏，国内半导体设备和材料企业有望进一步深化国产替代进程，市场份额有望加速渗透，带来显著的订单增量。半导体设备ETF（561980）被动跟踪中证半导指数，该指数主要聚焦40只半导体设备、材料等上游产业链公司，前十大成份股占比约76%，指数集中度相对较高；行业分布上更侧重上游设备、材料等，其中“半导体设备”占比近53%。从产业链角度看，上游的半导体设备和材料国产替代空间广阔，持续受到高度重视和国家产业政策的重点支持。数据来源：中证指数公司以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云03-18 17:22

比英伟达表现更好？这家公司“闷声发大财”！

动这场热潮的关键引擎，为OpenAI的ChatGPT等复杂系统提供必要的强大计算力。能够迅速、大量交付这类芯片服务器的制造商获得竞争优势，而超微计算机凭借其靠近英伟达总部的优势，双方工程团队得以全天候紧密协作。业界观察家和分析师指出，超微计算机在AI热潮中取得主导地位的原因之一在于其采用电子“构建模块”策略，能组装出多样化的服务器配置方案，相比竞品的选项更为丰富灵活。这种灵活性使得超微计算机能为自动驾驶和AI语言生成系统的开发者提供定制化基础设施，满足各自不同的需求。面对激烈竞争，超微计算机在定制服务器的速度上保持领先。其拥有的超过10亿美元库存有助于在AI芯片严重短缺时，持续获取大量英伟达高端芯片。 Liang曾在一场活动中展示即将上市的AI服务器，其上市时间直接关联到英伟达芯片的供应情况，体现了对芯片需求的紧迫性。随着业务扩张，超微计算机需要融资采购单价高达25000美元的芯片。为此，该公司上个月通过发行可转换债券筹资15亿美元，并在三个月前通过股票发行增加6亿美元现金储备。 Liang强调：“我们亟需更多资金以应对市场需求的强劲增长”，并表示这笔资金还将用于强化供应链体系。为了满足不断增长的需求，超微计算机正在美国圣何塞、中国台湾和马来西亚等地扩增产能。Liang正立下目标，计划在今年中期达到每月生产5000个机架服务器，其中超过一半产品服务于AI领域。据他透露，目前的制造扩张足以让公司年潜在收入突破250亿美元，相较于最新季度数据这意味着年销售额将增长约100亿美元。尽管股价飙升，超微计算机的前景依旧光明，但它也曾遭遇一系列挑战，包括2017年内部审计引发的财务报表修正事件及其首席财务官和一位联合创始人的辞职，以及2020年SEC对其前CFO提出的会计违规指控和后续的和解协议。 Liang表示，这些问题已经成为过去，现在公司专注于在AI计算市场份额的竞争中保持领先地位，尽管戴尔科技和惠普企业等竞争对手拥有更多的员工和更高的年营收。 AMD预测到2027年AI加速器市场规模将达到4000亿美元，服务器需求也将相应增加。超微计算机最新季度报告显示，其面向AI优化的服务器销售额占比超过总收入的50%，远高于戴尔和惠普企业在此类服务器上的出货量。针对超微计算机能否持久保持市场地位的问题，分析师意见不一。Wedbush分析师Matt Bryson指出历史上从未有服务器销售商占据超过30%的市场份额，他认为戴尔等竞争对手同样可能复制超微计算机的成功路径。然而，其他分析师持不同看法，认为传统竞争对手难以像超微计算机那样迅速推出新产品，并且这些竞争对手往往拥有更大规模的软件和服务收入来源。超微计算机正通过加倍投资AI和维持快速发货服务器策略来争取更多市场份额，同时通过保持较低价格吸引新客户，尽管此举使其最新季度的毛利润降至15%，低于上一季度的17%，但仍比惠普企业同期36%的毛利润率要低。首席财务官David Weigand在年初的财报电话会议中表示：“我们将通过更激进的价格策略来抓住抢占市场。”

金融界03-18 16:59

如何使用3EX AI交易平台定制策略和实时模拟校验

EX平台的核心之一在于其创新性地将基于ChatGPT的人工智能技术应用于策略创建过程中，投资者可以通过自然语言处理技术，以对话形式简单快捷地创建和执行量化交易策略。这种创新不仅极大地简化了策略的创建过程，还允许根据投资者自身的交易偏好和对市场的理解，设计出真正个性化的交易策略。在量化交易中，市场微小的波动都可能对交易结果产生重大影响。3EX通过持续监控市场动态，确保用户的交易策略始终与市场状况保持同步，从而提高交易成功率。实时模拟校验：策略优化的关键 3EX平台的另一大亮点是其提供的实时模拟功能。该功能允许投资者在实际投入市场前，测试和优化自己的交易策略，实时查看可能的盈亏结果。这种即时反馈机制大幅提高了交易策略的透明度，增强了投资者对自身策略的信心。得益于实时模拟功能，投资者可以在不承担实际金融风险的情况下，验证和调整其交易策略。一旦策略经过优化满足投资者的预期，3EX平台即可自动执行这些策略，大大减少操作复杂性和时间延迟，确保交易的高效执行。这种自动化的交易执行不仅提高了交易效率，还为用户节省了宝贵的时间，让他们可以将更多的精力投入到市场分析和策略优化中。跟单交易功能：共享成功，共创价值对于那些不愿意或没有时间自行创建策略的投资者，3EX平台的跟单交易功能提供了一种便捷的解决方案。通过选择并跟随其他成功交易者的策略，用户可以享受AI智能交易的便利，同时获得相对被动的收入机会。此外，通过分润机制为策略提供者创造额外的收益来源，3EX促进了社区内的互助和共赢。随着3EX AI交易平台的不断完善和优化，其在量化交易领域的应用潜力正逐步释放。无论是经验丰富的交易者还是初入市场的新手，3EX都能提供灵活而有效的解决方案，帮助每一位用户在动态变化的市场中找到自己的优势。通过智能化的策略创建和实时模拟校验功能，3EX AI交易平台不仅为投资者提供了一个强大的工具，以智能和高效的方式参与市场，更重要的是，它开启了量化交易的新篇章。在这个充满挑战和机遇的时代，3EX将引领投资者探索更广阔的财富之路。 3EX相关链接： Website: https://www.3ex.com或 https://www.3ex.global Twitter(EN): https://twitter.com/3exglobal Twitter(CN): https://twitter.com/3EX_ZH Telegram(EN)：https://t.me/global_3ex Telegram(CN)：https://t.me/chinese_3ex Discord：https://discord.gg/KHVVnPgpeT Facebook: https://www.facebook.com/profile.php?id=100092234370403 Instagram: https://www.instagram.com/3EX.Exchange/ Medium: https://medium.com/@3ex Reddit: https://www.reddit.com/user/3EXGLOBAL Youtube: https://youtube.com/@3EXGLOBAL?feature=shared 来源：金色财经

金色财经03-18 16:32

Metrics Ventures研报：从Vitalik文章出发 Crypto×AI有哪些值得关注的细分赛道？

以看作是经过crypto相关知识训练的ChatGPT，通过集成TG和Discord，可以为用户提供：代币数据分析、代币基本面和代币经济学分析以及文字生成图片等其他功能，可以将PaaL Bot集成入群聊来对一些信息进行自动回复。PaaL支持定制个人bot，用户可通过投喂数据集，构建自己的AI知识库和自定义bot。PaaL正在向AI Trading Bot进发，2月29日宣发了其AI支持的crypto研究&交易终端PaalX，根据介绍可实现AI智能合约审计、基于推特的新闻集成和交易、Crypto研究和交易支持，人工智能助手可降低用户使用门槛。 ChainGPT：ChainGPT依靠人工智能开发了一系列crypto工具，如chatbot、NFT生成器、新闻集合、智能合约生成与审计、交易助手、Prompt市场和AI跨链交换。但ChainGPT目前的发力方向在于项目孵化和Launchpad，目前已完成24个项目的IDO和4个Free Giveaways。 Arkham：Ultra是Arkham的专用AI引擎，用例是通过算法将地址与现实中实体进行匹配，以提高加密行业的透明度。Ultra基于用户提供以及自身收集的链上链下数据，将之合并，并输出成可拓展的数据库，最终以图表方式呈现。但Arkham文档中并未对Ultra系统有详细论述，本轮Arkham受到关注的原因为OpenAI创始人Sam Altman对其的个人投资，过去30天收获5倍涨幅。 GraphLinq：GraphLinq是一种自动化流程管理解决方案，旨在使用户无需编程即可部署和管理各种类型的自动化功能，如将Coingecko中比特币的价格每隔5分钟推送至TG Bot中。GraphLinq的解决方案是用Graph将自动化流程可视化，用户可以通过拖拽节点的方式创建自动化任务，并使用GraphLinq Engine执行。尽管不需要代码，但创建Graph的过程对普通用户来说依然有一定门槛，包括选择合适的模板、在几百个逻辑块中挑选合适的并连接。因此GraphLinq正在引入AI，使用户可以用对话式人工智能和自然语言，来完成自动化任务的构建和管理。 **0x0.ai：**0x0与AI相关的业务主要有三个：AI智能合约审计、AI反Rug检测和AI开发者中心。其中AI反Rug检测将检测可疑行为，如过高税收或抽走流动性，防止用户受骗，AI开发者中心利用机器学习技术生成智能合约，实现No-code部署合约。但目前仅初步上线了AI智能合约审计，其他两项功能尚未开发完成。 Zignaly：Zignaly诞生于2018年，旨在让个人投资者能够选择基金经理来为自己进行加密资产管理，类似Copy-trading的逻辑。Zignaly正在使用机器学习和人工智能技术，建立起对基金经理进行系统评估的指标体系，目前推出的第一个产品为Z-Score，但作为人工智能产品来说还是比较初级。 4 AI作为游戏规则这是最令人激动的部分——让AI能够代替人类进行决策和行为，你的AI将直接掌控你的钱包，代替你进行交易决策和行为。在这一分类下，笔者认为主要可以分为三个层级：AI应用（尤其是以自主决策为愿景的应用，如AI自动化交易bot、AI DeFi收益Bot）、Autonomous Agent协议以及zkml/opml。 AI应用是对某一领域的问题进行具体决策的工具，它们积累了不同细分领域的知识和数据，依赖于根据细分问题而量身定制的AI Model开展决策。可以注意到，AI应用在本文中被同时归入两类：接口与规则，从开发愿景来说，AI应用应成为独立决策的Agent，但目前无论是AI模型的有效性、集成AI的安全性，都无法满足这一要求，甚至作为接口都略微勉强，AI应用正处于非常早期的阶段，具体项目在前文已有介绍，在此不做赘述。 Autonomous Agent被V神在第一类（AI作为参与者）中提及，从远期愿景来说，本文将其归为第三类。Autonomous Agent利用大量数据和算法来模拟人类的思维和决策过程，并执行各种任务和交互。本文主要关注Agent的通信层、网络层等基础设施，这些协议定义了Agent的归属权，建立了Agent的身份、通信标准和通信方式，连接多个Agent应用，能够协同进行决策和行为。 zkML/opML：通过密码学或经济学的方法，保证经过了正确的模型推理过程而提供具有可信性的输出。安全性问题对于将AI引入智能合约非常致命，智能合约依靠输入产生输出并自动化执行一系列功能，一旦AI作恶给予了错误的输入，将会为整个Crypto系统引入极大的系统性风险，因此zkML/opML和可能的一系列潜在解决方案，都是让AI进行独立行动和决策的基础。最后，三者构成AI作为运行规则的三个基础层次：zkml/opml作为最底层的基础设施，保证协议的安全性；Agent协议建立起Agent生态系统，能够协同进行决策和行为；AI应用，也是具体的AI Agent，将不断提高在某一领域的能力，并实际进行决策和行动。 4.1 Autonomous Agent AI Agent在Crypto世界的应用是自然的，从智能合约到TG Bots再到AI Agents，加密世界正走向更高的自动化和更低的用户门槛。智能合约虽然是通过不可篡改的代码自动执行功能，但仍需要依赖外部触发而唤醒，且无法自主运行和连续运行；TG Bots降低了用户门槛，用户不需要直接与加密前端交互，而是通过自然语言完成链上交互，但只能完成极为简单和具体的任务，依然无法实现用户意图为中心的交易；AI Agents则具备一定的独立决策能力，理解用户的自然语言，并自主找到和组合起其他的Agent和链上工具，完成用户指定的目标。 AI Agent正在致力于大幅提高加密产品的使用体验，而区块链也能够助力AI Agent的运行更加去中心化、透明和安全，具体的帮助在于：通过代币激励更多的开发者提供Agent NFT确权促进基于Agent的收费与交易提供链上的Agent身份和注册机制提供不可篡改的Agent活动日志，对其行为进行及时的溯源和追责这一赛道的主要项目如下： Autonolas：Autonolas通过链上协议支持Agent和相关组件的资产确权和可组合性，使代码组件、Agent和服务能够在链上被发现和重复利用，并激励开发者获得经济补偿。开发者开发了完整的Agent或组成部分后，将对代码进行链上注册并获得NFT，代表对代码的所有权；Service Owner会联合多个Agent创建一个服务并在链上注册，并吸引Agent Operators来实际执行服务，用户通过付费使用服务。 Fetch.ai：Fetch.ai在AI领域具有很强的团队背景和开发经验，目前正在关注AI Agent赛道。协议由四个关键层组成：AI Agents、Agentverse、AI Engine和Fetch Network。AI Agents是系统的核心，其他则为辅助构建Agent服务的框架和工具。Agentverse是一个软件即服务平台，主要用于创建和注册AI Agent。AI Engine的目标是通过读取用户自然语言输入，将其转换为可操作的人物，并在Agentverse中选择已注册的最合适的AI Agent来执行任务。Fetch Network是协议的区块链层，AI Agent必须在链上的Almanac合约中注册，才能与其他Agent开始协同服务。值得注意的是，Autonolas目前专注于crypto世界的Agent构建，将链下的Agent操作引入链上；Fetch.ai的关注范围则包括Web2世界，如旅行预订、天气预测等。 Delysium：Delysium从游戏转型为AI Agent协议，主要包括两个层：通信层和区块链层，通信层是Delysium的主干，提供安全且可扩展的基础设施，使得AI Agent之间能够快速高效的通信，区块链层对Agent进行身份验证，并通过智能合约实现对Agent行为的不可篡改记录。具体来说，通信层为Agent之间建立了统一的通信协议，采用标准化的消息系统，让Agent之间可以通过一种通用语言无障碍地交流，此外建立了服务发现协议和API，使得用户和其他Agent能够快速发现和连接可用的Agent。区块链层主要包括两个部分：Agent ID和Chronicle智能合约，Agent ID确保只有合法的Agent才能访问网络，Chronicle则是Agent做出的所有重要决策和行为的日志存储库，上链后不可篡改，确保对Agent行为的可信追溯。 Altered State Machine：通过NFT为Agent的资产确权和交易制定了标准，具体分析可见第1部分，虽然ASM目前主要接入游戏，但其作为基础性的规范同样具有向其他Agent领域扩展的可能。 Morpheous：正在构建一个AI Agent生态网络，协议旨在连接Coder、Computer provider、Community Builder和Capital四种角色，分别为网络提供AI Agent、支持Agent运行的算力、前端和开发工具以及资金，MOR将采取Fair launch的形式，向提供算力的矿工、stETH质押者、Agent或智能合约开发贡献者、社区开发贡献者提供激励。 4.2 zkML/opML 零知识证明目前有两个主要应用方向：以更低的成本在链上证明运算得到了正确的运行（ZK-Rollup和ZKP跨链桥正在利用ZK的这一特点）；隐私保护：不需要知道计算的细节，也可以证明计算得到了正确的执行。同样地，ZKP在机器学习中的应用同样可以被分为两类：推理验证：即通过ZK-proof，在链上以较低的成本证明AI模型推理这一密集计算的过程在链下得到了正确的执行。隐私保护：又可以分为两类，一是对数据隐私的保护，即在公开的模型上使用隐私数据进行推理，可以利用ZKML对隐私数据进行保护；二是对模型隐私的保护，希望隐藏模型的权重等具体信息，从公开的输入中运算并得出输出结果。笔者认为目前对Crypto更为重要的是推理验证，我们在此对推理验证的场景进行进一步阐述。从AI作为参与者开始，到AI作为世界的规则，我们希望将AI成为链上流程的一部分，但AI模型推理计算成本过高，无法直接在链上运行，将这一过程放到链下，意味着我们需要忍受这一黑盒子带来的信任问题——AI模型运行者是否篡改了我的输入？是否使用了我指定的模型进行推理？通过将ML模型转化成ZK电路，可以实现：（1）较小的模型上链，将小的zkML模型存储到智能合约中，直接上链解决了不透明的问题；（2）在链下完成推理，同时生成ZK证明，通过在链上运行ZK证明来证明推理过程的正确性，基础架构将包括两个合约——主合约（使用ML模型输出结果）和ZK-Proof验证合约。 zkML还处于非常早期的阶段，面临着ML模型向ZK电路转化的技术问题，以及极高的运算和密码学开销成本。和Rollup的发展路径一样，opML从经济学的角度出发，成为了另一种解决方案，opML使用Arbitrum 的 AnyTrust 假设，即每个主张至少有一个诚实节点，确保提交者或至少一个验证者是诚实的。但OPML只能成为推理验证的替代方案，无法实现隐私保护。目前的项目正在构建zkML的基础设施，并在努力探索其应用，应用的建立同样重要，因需要清楚地向加密用户证明zkML中重要作用，证明最终价值能够抵消巨大成本。在这些项目中，有些专注于与机器学习相关的ZK技术研发（如Modulus Labs），有些则是更通用的ZK基础设施搭建，相关项目包括： Modulus 正在使用 zkML 将人工智能应用于链上推理过程。Modulus于2月27日推出了zkML证明器Remainder，与同等硬件上的传统AI推理相比，实现了180倍的效率提升。此外，Modulus与多个项目合作，探索zkML的实际用例，如与Upshot合作，通过使用具有ZK证明的人工智能，收集复杂的市场数据、评估NFT价格，并将价格传到链上；与AI Arena合作，证明正在战斗的Avatar和玩家所训练的是同一个。 Risc Zero将模型放在链上，通过在 RISC Zero 的 ZKVM 中运行机器学习模型，可以证明模型涉及的确切计算是正确执行的。 Ingonyama正在开发专门用于 ZK 技术的硬件，这可能降低了进入 ZK 技术领域的门槛，并且 zkML 也有可能用于模型训练过程。 5 AI作为目标如果说前面三类更侧重于AI如何赋能于Crypto，那么“AI作为目标”强调了Crypto对AI的帮助，即如何利用Crypto创造出更好的AI模型和产品，这或许包括多个评判标准：更高效、更精确、更去中心化等等。 AI包括三个核心：数据、算力和算法，在每一个维度，Crypto都在致力于为AI提供更有效的助力：数据：数据是进行模型训练的基础，去中心化数据协议将激励个人或企业提供更多私域数据，同时利用密码学保障数据隐私，避免个人敏感数据的泄露。算力：去中心化算力赛道是目前最火热的AI赛道，协议通过提供供需双方的匹配市场，促进长尾算力与AI企业的匹配，用于模型的训练和推理。算法：Crypto对算法的赋能是实现去中心化AI最核心的环节，也是V神文章中“AI作为目标”叙述的主要内容，创建去中心化的、可信任的黑匣子AI，那么前文所说的对抗式机器学习的问题则将得到解决，但将面临极高的密码学开销等一系列阻碍。此外，“使用加密激励来鼓励制作更好的AI”也可以在不完全陷入密码学完全加密的兔子洞的情况下实现。大型科技公司对数据和算力的垄断共同造成了对模型训练过程的垄断，闭源模型成为大型企业获利的关键。从基础设施的角度，Crypto通过经济手段激励数据和算力的去中心化供应，同时通过密码学的方法保证过程中的数据隐私，并以此为基础助力于去中心化的模型训练，以实现更透明、更去中心化的AI。 5.1 去中心化数据协议去中心化数据协议主要以数据众包的形式开展，激励用户提供数据集或数据服务（如数据标注）用于企业进行模型训练，并开设Data Marketplace促进供需双方的匹配，一些协议也正在探索通过DePIN激励协议，获取用户的浏览数据，或利用用户的设备/带宽完成网络数据爬取。 Ocean Protocol：对数据确权并代币化，用户可以通过无代码方式在Ocean Protocol完成对数据/算法的NFT创建，同事创建相应的datatoken来控制对数据NFT的访问。Ocean Protocol通过Compute To Data（C2D）来确保数据的隐私性，使用者只能获得根据数据/算法的输出结果，而无法完整下载。Ocean Protocol于2017年成立，作为数据市场，在本轮热潮中很自然地搭上了AI的快车。 Synesis One：该项目是Solana上的Train2Earn平台，用户通过提供自然语言的数据和数据标注来获取$SNS奖励，用户通过提供数据支持挖矿，数据在验证后会进行存储和上链，并由AI公司用来训练和推理。具体来说，挖矿者分为三类：Architect/Builder/Validator，Architect负责创建新的数据任务，Builder在相应的数据任务中提供语料，Validator则对Builder提供的数据集进行验证。完成的数据集会被存入IPFS中，并在链上保存数据来源和IPFS地址们同事会被存储在链下的数据库中供AI公司（目前为Mind AI）使用。 Grass：被称为AI的去中心化数据层，本质上是一个去中心化网络抓取市场，并以此获得数据来用于AI模型训练。互联网网站是一个重要的AI训练数据来源，包括推特、谷歌、Reddit在内的许多网站的数据都具有重要价值，但这些网站正在不断对数据爬取加以限制。Grass利用个人网络中未使用的带宽，通过使用不同的IP地址来减少数据封锁带来的影响，来抓取公共网站中的数据，完成数据初步清理，成为AI模型训练企业和项目的数据源。目前Grass正处于Beta测试阶段，用户可提供带宽获取积分以领取潜在空投。 AIT Protocol：AIT Protocol是去中心化数据标注协议，旨在为开发者提供高质量数据集用于模型训练。Web3使得全球劳动力能够快速接入网络，并通过数据标注获得激励，AIT的数据科学家将对数据进行预标注，随后由用户进行进一步处理，经过数据科学家检查后，通过质量检测的数据将提供给开发者。除了上述数据提供和数据标注协议，曾经的去中心化存储类基础设施，如Filecoin、Arweave等也将为更分散化的数据供给助力。 5.2 去中心化算力 AI时代，算力的重要性不言而喻，不仅英伟达的股价日攀高峰，在Crypto世界，去中心化算力可以说是AI赛道炒作最热烈的细分方向——在市值前200的11个AI项目中，做去中心化算力的项目就有5个（Render/Akash/AIOZ Network/Golem/Nosana），并在过去几个月中收获了高倍涨幅。在小市值的项目中也看到许多去中心化算力的平台出现，虽然刚刚起步，但伴随着英伟达大会的浪潮，只要是与GPU沾边，都快速收获了一波大涨。从赛道特点来看，这一方向项目的基本逻辑高度同质化——通过代币激励使得拥有闲置算力资源的人或企业提供资源，并由此大幅降低使用费用，建立起算力的供需市场，目前，主要的算力供应来自于数据中心、矿工（尤其在以太坊转为PoS后）、消费级算力以及与其他项目的合作。虽然同质化，但这是一个头部项目拥有较高护城河的赛道，项目的主要竞争优势来源于：算力资源、算力租赁价格、算力使用率以及其他技术优势。这一赛道的龙头项目包括Akash、Render、io.net和Gensyn。根据具体业务方向，项目可以被粗分为两类：AI模型推理和AI模型训练。由于AI模型训练对算力和带宽的要求远高于推理，比分布式推理的落地难度更大，且模型推理的市场快速扩展，可预测的收入将在未来大幅高于模型训练，因此目前绝大多数项目主攻推理方向（Akash、Render、io.net），主攻训练方向的龙头即为Gensyn。其中，Akash和Render诞生较早，并非是为AI计算而生，Akash最初用于通用计算，Render则主要应用于视频和图片渲染，io.net则为AI计算专门设计，但在AI将算力需求提升了一个Level后，这些项目都已倾向于AI方面的开发。最为重要的两个竞争指标依然来自于供应端（算力资源）和需求端（算力使用率）。Akash拥有282个GPU和超过2万个CPU，已完成16万次租赁，GPU网络的利用率为50-70%，在这一赛道是一个不错的数字。io.net拥有40272个GPU和5958个CPU，同时拥有Render的4318个GPU和159个CPU、Filecoin的1024个GPU的使用许可，其中包括约200块H100和上千块A100，目前已完成推理151,879次，io.net正在用极高的空投预期吸引算力资源，GPU的数据正在快速增长，需要等代币上线后对其吸引资源的能力重新评估。Render和Gensyn则并未公布具体数据。此外，许多项目正在通过生态合作来提高自己在供应与需求端的竞争力，如io.net采用Render和Filecoin的算力来提高自己的资源储备，Render建立了计算客户端计划（RNP-004），允许用户通过计算客户端——io.net、Nosana、FedMl、Beam，来间接接入Render的算力资源，从而快速从渲染领域过渡到人工智能计算。此外，去中心化计算的验证依然是一个问题——如何证明拥有算力资源的工作者正确地执行了计算任务。Gensyn正在尝试建立这样一个验证层，通过概率学习证明、基于图的精确定位协议以及激励来保证计算的正确性，其中的验证者和举报者共同对计算进行检查，因此Gensyn除了为去中心化训练提供了算力支持，其建立的验证机制也具有独特价值。位于Solana上的计算协议Fluence同样增加了对计算任务的验证，开发人员可以通过检查链上提供商发布的证明来验证其应用程序是否按预期运行以及计算是否正确执行。但现实的需求依然是”可行“大于”可信“，计算平台必须首先具有足够的算力才有竞争的可能，当然对于出色的验证协议来说，可以选择接入其他平台的算力，成为验证层和协议层来发挥独特作用。 5.3 去中心化模型距离Vitalik所描述的终极场景（下图所示）还非常遥远，我们目前还无法实现通过区块链和加密技术创建一个可信任的黑盒AI，来解决对抗性机器学习的问题，将数据训练到查询输出的整个AI运行过程进行加密处理是一笔非常大的开销。但目前正在有项目尝试通过激励机制创建更好的AI模型，首先打通了不同模型之间封闭的状态，创造了模型之间相互学习、协作和良性竞争的格局，Bittensor是其中最具代表性的项目。 Bittensor：Bittensor正在促进不同AI模型之间的组合，但值得注意的是，Bittensor本身不进行模型的训练，而是主要提供AI推理的服务。Bittensor的32个子网专注于不同的服务方向，如数据抓取、文本生成、Text2Image等，在完成一项任务时，分属不同方向的AI模型可以相互协作。激励机制促进了子网之间、以及子网内部的竞争，目前奖励以每块1个TAO的速度发放，每日总计发放约7200个TAO代币，SN0（根网络）中的64个验证器根据子网性能，决定了这些奖励在不同子网之间的分配比例，子网验证器则通过对矿工的工作评价，决定在不同矿工之间的分配比例，由此表现更好的服务、表现更好的模型获得更多激励，促进了系统整体推理质量的提高。 6 结语：MEME炒作还是技术革命？从Sam Altman动向带来ARKM和WLD的价格疯涨，到英伟达大会带飞一系列参会项目，很多人正在对AI赛道的投资理念发生调整，AI赛道究竟是MEME炒作还是技术革命？除了少数名人题材（比如ARKM和WLD），AI赛道整体更像是”以技术叙事为主导的MEME“。一方面，Crypto AI赛道的整体炒作一定是与Web2 AI的进展紧密挂钩的，OpenAI为首的外部炒作将成为Crypto AI赛道的导火索。另一方面，AI赛道的故事依然以技术叙事为主，当然，这里我们强调的是”技术叙事“而非”技术“，这就使得对AI赛道细分方向的选择和项目基本面的关注依然重要，我们需要找到有炒作价值的叙事方向，也需要找到有中长期竞争力和护城河的项目。从V神提出的四类结合可能中，可以看到的是叙事魅力和落地可能性的相互权衡。在以AI应用为代表的第一类和第二类中，我们看到了许多GPT Wrapper，产品落地快但业务同质化程度也较高，先发优势、生态系统、用户数量和产品收入则成为同质化竞争中可讲的故事。第三类和第四类代表着AI与Crypto结合的宏大叙事，如Agent链上协作网络、zkML、去中心化重塑AI，都处于早期阶段，具有技术创新的项目将会快速吸引资金，即使只是很早期的落地展示。来源：金色财经

金色财经03-18 15:52

LD Capital：重回AI的NEAR 叠加多重叙事或迎来价值发现

ansformers 架构，该架构为 ChatGPT、Bard 和去年 AI 爆炸性增长背后的大多数知名 LLM 提供支持。其次，随着Web AI的火热，NEAR在CA和DA的良好的发展基础之上，将更多的侧重点回归到AI。2023年11月，NEAR发布 NEAR Tasks 可进行人工智能模型的的训练和改进，简单来说，模型训练需求方（Vendor）可以在平台发布任务请求，并上传基础数据素材，用户（Tasker）可以参与进行任务答题，为数据进行文本标注和图像识别等人工操作。任务完成后，平台会给用户 NEAR 代币奖励，而这些经过人工标注的数据会被用于训练相应的 AI 模型。 2024年1月，Illia Polosukhin发布“NEAR 构建数字自我主权的愿景”的演说，将在未来把NEAR Protocol发展成为一个完全独立的操作系统，配备个人 AI 助手，可以针对用户的需求进行优化，而不会泄露有关用户数据或资产的私人信息。它还应该能够与其他人的 AI 和社区的 AI 进行点对点交互和交易。我称之为“用户拥有的 AI”。即结合NEAR已有的基础开发AI Agent。在GTC24 3月20日的大会上，Illia Polosukhin将作为“Attention is All You Need”的 8 位作者之一与大家的分享AI模型与技术的见解。二、团队与投资 Illia Polosukhin 是NEAR Protocol联合创始人与基金会CEO，此前，他在 MemSQL、Google AI、Tensorflow 团队分别效力。在谷歌期间，担任 TensorFlow 主要贡献者，以及带领团队为核心谷歌搜索给出问答解决方案。他热衷于机器智能和自然语言处理，曾经是 ICPC 决赛入围者。 Alexander Skidanov 是 NEAR Protocol 联合创始人。Alexander Skidanov 曾在 MemSQL 领导开发团队，于 2009 年在微软开始他的职业生涯，然后于 2011 年加入 MemSQL，他在那里作为架构师、开发总监，统共工作了 5 年时间。他曾两次获得 ICPC 奖牌，分别是 2005 年铜牌、2008 年金牌 Kendall Cole 现任 NEAR Protocol 产品主管。此前，他在 ConsenSys 具体负责 Kauri.io 项目的搭建，也曾参与创办 OilFront、EntryWire 等项目。 NEAR Protocol获得了来自a16z、Pantera Capital、Coinbase Ventures、Tiger Global、Hashed等Crypto顶尖资本的投资与支持。三、代币情况目前NEAR市值85.12亿，FDV95.29亿，流通供应10.52亿。交易场所涵盖主流交易所，在Binance，OKX、Coinbase均上币，近日交易量在10–15亿左右。当前NEAR的TVL为2.8亿，生态处于较为早期的阶段，但在官方1月份的用户数据披露中，自 2020 年 10 月主网启动以来，4 个分片的正常运行时间达到 100%，已注册账户数超过 1 亿，月活跃账户数 (MAA) 达到 1600 万，通过链抽象和AI热度的发展，具有一定资金增长的潜力。当前NEAR的市值约为ETH的0.019、SOL的0.098、AVAX的0.4,虽然链上生态处于早期阶段，但链本身具有较强的技术实力和CA+DA+AI三重叙事叠加的公链，结合目前k线形态，代币价格在AI强叙事的背景下或有进一步上涨。来源：金色财经

金色财经03-18 11:44

异动快报：宏景科技（301396）3月18日11点24分触及涨停板

。领涨股为朗玛信息。该股为医疗信息化，ChatGPT，智慧政务概念热股，当日医疗信息化概念上涨2.73%，ChatGPT概念上涨2.47%，智慧政务概念上涨1.81%。 3月15日的资金流向数据方面，主力资金净流出195.5万元，占总成交额3.92%，游资资金净流入74.56万元，占总成交额1.49%，散户资金净流入120.94万元，占总成交额2.42%。近5日资金流向一览见下表：宏景科技主要指标及行业内排名如下：以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星03-18 11:32

政策组合拳发力，恒银科技二连板，金融科技ETF(159851)盘中涨超1.5%！机构：金融IT有望拾级而上

计算机，占比约80%，覆盖了数字经济、ChatGPT、信创、金融IT等热门主题。第二大行业为非银金融（主要为互联网券商），占比近14%。数据来源：沪深交易所、Wind等。风险提示：金融科技ETF被动跟踪中证金融科技主题指数，该指数基日为2014.6.30，发布日期为2017.6.22，指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。文中指数成份股仅作展示，个股描述不作为任何形式的投资建议，也不代表管理人旗下任何基金的持仓信息和交易动向。基金管理人评估的本基金风险等级为R3-中风险，适宜平衡型（C3）及以上投资者。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，基金管理人亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资需谨慎。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云03-18 11:13

24小时热点