FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

CoNET｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

60年暴涨超32000倍！伯克希尔股价突破60万美元一只股占巴菲特持仓50%，还能跟风买入吗？
go
回报率高达3215489%。（图源：Google Finance）伯克希尔哈撒韦公司上周创下新纪录，其A类股票上周三收于每股60万美元以上。巴菲特的企业集团现在是美国第七大公司，估值约为8800亿美元，距离1万亿美元的里程碑仅差1200亿美元。伯克希尔哈撒韦公司现在正在与礼来公司(Eli Lilly)竞争，希望成为美国第一家市值1万亿美元的非科技公司。礼来公司的市值为7490亿美元，落后于伯克希尔哈撒韦公司约1300亿美元。巴菲特于1965年接管伯克希尔哈撒韦公司，当时该公司的股价约为每股19美元。该股截至上周五已飙升3215489%，至610962美元，巴菲特一直拒绝分拆股票。相反，伯克希尔哈撒韦公司在1996年推出了价格较低的B类股票。当时，A类股票的交易价格略高于3万美元，而B类股票的交易价格仅为价格的1/30，约为1000美元。如今，伯克希尔的B类股票价格仅略高于400美元，部分原因是2010年伯克希尔收购铁路运营商BNSF后进行了股票拆分。（图源：Google Finance）巴菲特之所以不拆分A类股，是因为他希望吸引高质量的买入并持有投资者，这些投资者更关注公司的长期增长和可持续性，而不是股票的价格水平。在1995年的一次股东大会上，巴菲特表示，分拆股票可能会吸引对基础业务知之甚少的短期投资者。巴菲特说:“我知道，如果我们有一种东西，只要有500美元，任何人都可以很容易地买到，那么就会有很多人买，而他们根本不知道自己在做什么。” 伯克希尔哈撒韦公司的A类股票价格上一次达到里程碑是在2022年3月，当时该股突破了50万美元的门槛。从那以后，伯克希尔哈撒韦公司积累了西方石油公司（Occidental Petroleum）近30%的股份，并以116亿美元收购了保险公司Alleghany。该公司的个股投资组合已膨胀至近3500亿美元。伯克希尔四季度持仓曝光根据美国证券交易委员会（SEC）上周三发布的13F持仓文件，伯克希尔哈撒韦在去年第四季度减持了其重仓的苹果公司（Apple）股票，并增持了能源股。不过，苹果仍然是其最大的重仓股，占其披露的持有资产的50%。此外，该公司仍然对一项重要投资保持沉默，有媒体猜测该投资可能是针对金融股的。数据显示，伯克希尔在2023年最后三个月售出了1000万股苹果股份，约占其苹果持股的1%，使其对苹果的持股比例降至5.9%。不过，苹果目前仍然是伯克希尔的最大重仓股，该公司持有9.06亿股苹果股票，价值约1740亿美元，占其持有资产的50%。尽管巴菲特一直推动伯克希尔投资于苹果，但媒体认为，这项投资可能是由伯克希尔的投资经理托德·康姆斯（Todd Combs）和泰德·韦斯克勒（Ted Weschler）进行的，他们负责管理伯克希尔的一些投资。#金融巨头动向# 伯克希尔还削减了其对派拉蒙全球（Paramount Global）的持股，削减了32%，截至去年12月底，持有约6330万股，导致派拉蒙的股价在盘后交易中下跌近7%，惠普则小幅下跌0.28%。伯克希尔削减的另一家公司是惠普（HP），第四季度削减了约77%，仅剩下2280万股。伯克希尔最初是在2022年4月购买了这家科技硬件公司的股票。许多巴菲特观察者已经开始怀疑这位股神是否打算完全抛售这项持股。伯克希尔上季度清仓了家居建材商DR Horton、保险公司Globe Life、保险和投资公司Markel以及巴西信用卡处理公司StoneCo的股票。另一方面，伯克希尔增持了1580万股雪佛龙（Chevron）股份，使其总投资增至1.26亿股，投资价值接近190亿美元，成为公司的第五大持股，这扭转了此前几个季度对该能源巨头的一系列减持。伯克希尔在第三季度出售了约1300万股雪佛龙股票。雪佛龙在2022年表现出色后，去年下跌了17%，2024年至今仅上涨了1%。伯克希尔还增加了对西方石油的投资，目前持有该公司30%的股份。伯克希尔还增持了3060万股天空卫星广播公司Sirius XM的股份，持股增幅超过316%。有媒体分析，这可能是一项合并套利行为，对伯克希尔来说相对较小，这笔投资可能来自巴菲特的两位投资副手托德·康姆斯和泰德·韦斯克勒。根据13F文件，目前伯克希尔的前十大持股包括苹果、美国银行（Bank of America）、美国运通（American Express）、可口可乐（Coca-Cola）、雪佛龙、西方石油、卡夫亨氏（Kraft Heinz）、穆迪（Moody's）、DaVita、花旗集团（Citigroup）。媒体分析显示，伯克希尔最近几个季度一直在增持能源股，四季度前十大持股中仅有的两个增持股票是雪佛龙和Occidental Petroleum，均为能源股。现在还能买入苹果吗？伯克希尔哈撒韦公司于2016年第一季度首次购买苹果公司的股票。从去年年初到今年2月14日，该股已经飙升了599%。这一涨幅碾压了纳斯达克综合指数。#VIP会员尊享# 目前苹果公司在伯克希尔的全部投资组合中约占50%。让我们试着弄清楚苹果公司到底是什么吸引了巴菲特的注意，投资者因此可以决定今天买这只股票是否仍然是明智的选择。 1）成功投资的特征如果你仔细看看伯克希尔持有的众多股份，你会很容易找到拥有强大品牌的企业。但也许没有哪家公司的品牌认知度比苹果高。我相信八年前也是这样。苹果销售的一些硬件和软件是世界上最受欢迎的。美观的设计和易用性引起了消费者的共鸣。巴菲特几年前就认识到了这一点。他可能也很欣赏苹果久经考验的定价能力。这位“奥马哈先知”甚至说过，衡量一家企业质量的首要指标是其提高价格的能力。苹果的硬件设备无疑是高端产品，但即使价格持续上涨，消费者需求依然强劲。投资者很难找到财务状况比苹果更好的公司。2015财年，也就是巴菲特首次购买该公司股票的前一年，该公司的营业利润率达到30%，自由现金流（FCF）达到700亿美元。快进到2023财年，该公司营业利润率保持稳定。更棒的是，该公司创造了1000亿美元的自由现金流，目前拥有650亿美元的净现金。巴菲特并不是在对一家不知名的科技公司进行投机。当时有明显的迹象表明，苹果是一家卓越的企业。2016年初，其市值约为5800亿美元。 2016年第一季度，苹果公司的平均市盈率（P/E）低到令人震惊的10.6。市场给巴菲特提供了一个难得的买入机会，他充分利用了这个机会，从而获得了巨大的收益。 2）你应该买苹果吗? 苹果无疑是一笔极好的投资，但如果你一直在观望，现在是买入该股的好时机吗？我们在上面讨论的特点，即强大的品牌、定价能力和令人难以置信的盈利能力，在今天都是正确的。这些因素在十年后料仍然会存在。但现在与巴菲特首次购买这只股票的时候有一个关键的区别。这就是估值。苹果目前的市盈率为28.7倍。这比该股过去10年的平均市盈率高出37%，与巴菲特支付的估值相比更是高得离谱。 Motley Fool财经专家Neil Patel认为投资者需要对昂贵的估值持批评态度。可以肯定地说，苹果的增长潜力已经不如过去小得多的时候了。事实上，由于许多受欢迎的产品进入了生命周期的更成熟阶段，苹果上一财年的收入出现了下滑。如果在接下来的五年里，苹果股票的表现超过大盘，Patel会感到惊讶。高企的市盈率对未来产生强劲回报构成了重大阻力。所以，最好等待一个更好的切入点。
市场焦点02-20 03:24
会员
AI手机元年开启，主流品牌竞相布局智能化赛道
 go
载了人工智能语音助手Siri，到后来的Google Now，再到现在的谷歌Assistant，AI技术正在深入影响消费者的生活。而将人工智能技术集成到智能手机中，也确实能够使手机具备更高级的交互、感知、决策和推荐能力，进而提高产品在市场中的竞争力。基于此，自2023年下半年起，中国手机市场迎来了AI大模型的集成热潮。同年12月，vivo率先在其S18系列中引入了“蓝心大模型”，支持用户查找文件、作诗写词、看文创图、总结内容、解答难题、整理材料框架等。此举不仅提升了vivo手机的功能性，更展现了AI在手机终端的广阔应用前景。而到了2024年1月8日，OPPO发布了全球首个端侧应用70亿参数大语言模型的手机OPPO Find X7，并且通过端云协同，带来全新的AIGC消除功能与首个AI大模型语音摘要。仅两天后，荣耀在MagicOS 8.0发布会及开发者大会上也正式发布了MagicOS 8.0操作系统以及自研的70亿参数端侧AI大模型“魔法大模型”。这一大模型为MagicOS 8.0带来了智慧成片、图库语义搜索、任意门等创新功能，进一步丰富了用户的智能生活体验。此外华为、小米的“盘古大模型3.0”、自研AI大模型“MiLM-6B”也分别接入了Harmony OS4以及小米澎湃OS等生态系统，这也意味着当下市场上的主流智能手机品牌均已深度整合AI技术，为用户提供了更加丰富和智能的服务。因此在国内移动通信端，随着AI技术的不断演进和手机厂商的持续创新，未来的智能手机将注定更加智能化、个性化，成为用户生活中不可或缺的智能产品。而中国手机厂商在这一进程中的引领作用和创新能力，无疑将为全球智能手机市场的发展注入新的活力。发展之路任重而道远虽然国内手机厂商在AI大模型与智能手机融合方面展现出了强烈的创新活力和市场敏锐度，但手机大模型还面临很多的疑问和挑战。眼下除了谷歌，所有已经或者即将落地大模型的手机厂商，几乎都是在手机助手的基础上进行接入，不仅实际应用场景有待验证，目前的实现效果也存疑。具体来看，在主流手机厂商中目前只有谷歌和华为拥有自研的通用大模型，还有足够规模的自有云计算业务提供海量算力的支撑。除此之外，业界的普遍共识则是手机大模型将走向云端+终端的混合架构，在终端本地运行势在必行。基于降低对手机终端资源的消耗，手机厂商也都在放弃通用大模型，缩减大模型的参数规模，压到百亿级、十亿级和亿级，而这一举动也将直接影响大模型的使用体验。因此，从大模型规模参数的降级也可看出，算力的稀缺性以及AI研发的高成本也成为制约人工智能技术在移动通信设备领域发展的一大障碍。为了解决算力不足的问题，手机厂商的首要任务之一，便是优化芯片设计，提升单位面积内的计算密度。通过采用更先进的制程技术，以及优化芯片架构，可以在有限的空间内集成更多的计算单元，从而提升手机的整体算力。同时，针对AI计算的特点，手机厂商还需要在芯片中集成专门的AI加速模块，以提高AI任务的计算效率。但芯片领域巨大的研发投入也让众多国内手机头部玩家望而却步。2023年5月，OPPO放弃了哲库业务并终止了芯片研发，马里亚纳系列芯片从此再无后续；同年8月9日，魅族旗下星纪魅族也发布声明称：为应对长期发展的挑战，集团做出战略调整，决定终止芯片业务。从当年3月成立至8月闭项，魅族的芯片业务仅持续了5个月。由此可见，尽管自研芯片被视为手机厂商增强核心竞争力的重要手段，但在现实面前，其高昂的研发投入和技术积累要求，使得许多厂商不得不重新考量这一战略的可行性。与外部供应链紧密合作，集中精力优化现有产品和服务，或许在当前环境下是更为理智的选择。所以算力稀缺性和AI研发成本问题仍是悬在手机厂商头上的达摩克利斯之剑。未来，如何在有限的资源和成本内实现算力的最大化提升，将是手机行业面临的一大挑战。而厂商们在这一过程中的战略抉择与合作模式，也将深刻影响整个行业的发展格局。目前来看，手机厂商在算力研发方面与国内其他科技赛道企业相比并不突出，在已经公布的《2023胡润中国数字技术算法算力百强榜》中，除了华为与小米之外，其他手机厂商并未入榜。所以2024虽被视为AI手机元年，但其发展之路仍任重而道远。
金融界02-19 17:39
A股涨上热搜！新一轮牛市起点？
go
之后，继续颠覆视频领域。第二，同日，Google发布Genimi1.5，将实现大模型最大的上下文窗口，处理大文件的能力极大改进。第三，2月9日，英伟达正式发布此前已经有所展示的AI本地部署RAG工具Chat with RTX，这是AI助理的一小步，边缘推理的一大步。第四，OpenAI首席执行官Sam Altman当日也表示正在与包括阿联酋政府在内的潜在投资者进行洽谈，剑指改革全球半导体，旨在提高全球芯片产能，扩大其支撑AI性能的能力，该项目可能需要筹集至多5万亿至7万亿美元资金。目前来看，AI大模型不断迭代，从文字、图片到音频、代码，再到如今的视频，多方面应用的迭代更新有望长期给诸多行业带来降本增效的实质好处，AI产业正在向多重领域辐射，人工智能或将进入新的时代。值得注意的是，消费电子行业也在进入AI时代。 2月18日，“魅族转型AI停止传统手机项目”话题冲上微博热搜。魅族在其官方微博发文称，公司决定All in AI，停止传统智能手机新项目。同日，OPPO创始人兼CEO陈明永发表致全体员工的内部信。陈明永表示，2024年是AI手机元年，AI手机将成为继功能机、智能手机之后，手机行业的第三阶段。在AI手机时代，OPPO致力成为AI手机的引领者和普及者。目前来看，vivo、OPPO、荣耀、华为、小米等各大手机厂商纷纷发布了AI大模型，向生成式AI手机进化。 “生成式AI手机”，被定义为能够使用生成式AI来创建原创内容，可以本地运行AI模型的智能手机。权威市场调查机构 Counterpoint Research去年底发布的《生成式AI智能手机出货量洞察》报告预测，生成式AI智能手机将在未来几年内实现爆炸式增长，预估2024年，全球生成式AI智能手机出货量将达到1亿台；到2027年，这个数字将飙升至5.22亿台，复合年增长率高达83%。从近期AI行业热点来看，无论是Sora、AI芯片还是AI手机，背后指向的都是算力依然是当前AI行业的紧缺资源，算力需求充分乐观的观点将持续被验证。中信证券预计，2024年算力仍是投资主线，可关注多模态AI落地对算力的促进作用以及国产化。多模态AI的发展下，算力芯片、服务器、液冷环节都有望直接受益，AI时代网络架构与连接技术产生变革，同时终端AI也有望落地带动相关投资机会。高股息方向再度走强今日的市场，一方面是AI等成长股强势爆发，另一方面则是高股息资产的固守不退——以煤炭为代表的高股息方向再度走强，中国海油、陕西煤业、潞安环能等均再创历史新高。拉长时间线看，红利策略(中证红利全收益指数)相比沪深300指数的胜率也更高，自2005年到2023年合计18个年份，有13个年份表现跑赢沪深300指数，综合胜率高达72%，年平均回报率接近18%。尤其是在沪深300指数下跌的10个年份中，有9年红利策略都取得超额收益。一般而言，市场震荡时，投资者情绪相对低迷，市场风险偏好回落，相对高估值的成长股遭遇估值杀。与此同时，高股息、低估值、确定性更高的红利资产受到投资者青睐，容易走出抗跌行情。这也是沪深300指数下跌的10个年份中有9年红利策略都取得超额收益的根本原因。目前而言，成长股、高股息两大方向正在对垒，各机构对于谁会成为后续主线也争论不休。从估值角度看，高股息资产估值仍处于历史低位，此类公司经营模式稳定，盈利持续能力强。因此，展望甲辰龙年，证券时报认为，高股息资产值得期待，尤其是市场认知度低的高股息“冷门股”，更有可能异军突起。不过，本轮红利指数的强势表现，更多源于煤炭板块的贡献。随着高股息资产行情的进一步扩散，非煤炭成份股的表现值得期待。不过，复盘近年历史来看，值得重视的是春节前后大概率为存在变盘机遇的重要时间点，且对应容易发生风格切换。站在当前，国投证券判断，市场主线已经非常清晰：中小盘涅槃重生将成为春节后市场核心，产业赛道上科技(传媒+光模块)+出海(出海三条线，认准车船电)双主线的定价优势将更加明显。目前而言，无论是成长还是高股息，市场主线的确立都还需要时间观察，但部分板块的“弱势”已有体现——今日，证券、猪肉、光伏等方向已先行陷入整理，后续市场或从此前的普涨反弹向结构性行情所过渡，在此过程中，市场内部的分化或将逐步加剧，故后续关注的重点仍应聚焦于市场的热点方向之中。 2024年或是新一轮牛市起点龙年伊始，A股实现了开门红，投资者对于后续上涨的信心也被唤起。展望2024年，东吴证券认为，2024年将是A股新一轮的牛市起点之年。从宏观环境看，首先，节前中央汇金扩大购买范围有效地阻断了流动性循环连锁负反馈过程，资本市场生态建设转向做优存量严把增量，投资者回报环境有望改善。其次，1月社融数据略超预期，春节消费数据不乏亮点，今年经济基数效应基本消除，政策有望更加灵活应对经济扰动。从市场表现看，春节期间港股率先企稳提振投资者情绪，海外科技主题催化有望抬升反弹期间风险偏好。当下增量资金主要来源于活跃资金加仓，右侧信号确认后将是较好入场时机。综合上述情况，中信证券建议，在反弹过程中步步为营，密切关注右侧确认信号，配置上从纯防御转向均衡，围绕优质红利蓝筹和科创成长两条主线布局。 ①在资产荒背景之下，央企红利低波和高股息板块仍是大体量增量资金的首选底仓配置方向，市场风险偏好提升过程中如果出现调整是较好的布局时机。②短期反弹过程中，顺周期板块重点关注受益出行全面超预期增长的旅游酒店和航空，成长板块重点关注AI相关主题。
证券之星02-19 16:50
美国财政部陷入《华尔街日报》加密数据风暴！散户谨慎回锅比特币彭博分析：资金入市仍有空间
 go
前上次牛市那样完全投入币市。谷歌趋势(Google Trends)显示，“比特币”关键词的搜索量在1月上半月现货ETF首度上市时飙升，但随后又跌回熊市水平，且散户使用的交易所应用程序(APP)下载量也远低于牛市水平。 Sensor Tower数据显示，币安APP下载量在2023年第四季达到1000万次，高于去年第三季的900万次、2022年第四季的810万，但在2021年第二季牛市高峰时，币安下载量达2580万次。 Coinbase交易所APP在2023年第四季下载量达170万次，较前一季成长13%，但仍较前一年同季下滑，且远低于2021年第二季高峰时的1080万次下载量。 (来源:Bloomberg) Oppenheimer & Co分析师Owen Lau认为，从Coinbase消费者交易量来看，目前仅达到上次牛市峰值散户交易量的16%，随着破产实体的资金回流，还有很大的资金涌入空间。 Coinbase财务长Alesia Haas指出，该公司确实看到出现一些良好动能，在过去，减半促成了更多的散户参与和交易量成长。 Bitwise加密货币分析师Alyssa Choo提到：“随着币市市值和交易量上升，散户交易也在上升，每个人都想成为牛市的一部分。” 比特币技术分析 FXEmpire分析师Bob Mason表示，比特币仍远高于50日和200日均线，证实了看涨的价格信号。如果比特币突破2月15日高点52869美元，将支撑其升至55000美元关口。然而，跌破51500美元关口将使50500美元支撑位发挥作用。 14日RSI读数为78.32，显示比特币处于超买区域，周四高点52869美元处的抛售压力可能会加剧。 (来源:FXEmpire) 以太币技术分析 Bob指出，以太币仍远高于50日和200日均线，证实了看涨的价格信号。以太币从周日高点2896美元突破，将使3000美元关口发挥作用。然而，如果以太币跌破2800美元关口，将支撑其跌向2650美元支撑位。 14周期每日RSI为77.38，显示以太币处于超买区域，2900美元关口处的抛售压力可能会加剧。 (来源:FXEmpire) 瑞波币技术分析 Bob称，日线图上看，瑞波币维持在50日均线和200日均线上方，发出看涨价格信号。瑞波币周日突破50日均线，周一突破200日均线。瑞波币突破上周五高点0.5796美元，将支持其向0.5835美元阻力位移动。然而，跌破200日均线将支持跌至50日均线和0.5470美元的支撑位。 14天RSI读数为59.50，表明瑞波币在进入超买区域之前升至0.5835美元阻力位。 (来源:FXEmpire)
小萧02-19 16:03
Galaxy万字长文：加密货币和AI交叉领域和项目盘点
 go
b 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
美国突传“抵制拜登”行动！美联储纪要重磅来袭黄金2019吹响反攻号角比特币“蹲低跳高”重回5.2万
 go
约”也成为市场热搜的关键词。 (来源:Google Trend) “我是一名卡车司机，我支持抵制。是时候向腐败分子表明我们管理这个国家了，不是他们，”文章引述一名推特用户写道。 (来源:Twitter) 除了纽约市之外，推特上的卡车司机也呼吁司机抵制由民主党运营的城市。 (来源：Twitter) “自由主义者嘲笑纽约市卡车司机抵制的想法，几年前，一场卡车司机抵制活动让科罗拉多州屈服，‘让美国再次伟大’(MAGA)让这个国家得以运转，自由主义者为我们制造咖啡，”另一位推特用户写道。 (来源:Twitter) 一些美国卡车司机似乎正在采取与欧洲农民类似的策略，对抗旨在关闭农场的进步精英。卡车司机运输了美国70-73%的货物。因此，当卡车司机开始在社交媒体上讨论抵制运往纽约市的货物时，势必会引起注意。推特用户Chicago1Ray似乎是一名中西部卡车司机，他在周五深夜分享了一段视频，详细介绍了一些卡车司机将于周一开始拒绝向纽约市运送货物。 “我不知道这在全国范围内有多远，也不知道有多少卡车司机将开始拒绝向纽约市运送货物，但我会告诉你，你去看看吧，”他说。 (来源:Twitter) 回到经济数据面，上周发生繁忙的一级风险事件，但本周的经济日历则较为清淡，周一市场准备小睡一下。由于没有一级数据和美国银行因总统日而休市，进入美国交易时段波动性可能会放缓。澳洲联储会议纪要将在周二发布，对于亚太地区交易者来说可能值得关注，尽管是否会看到比市场已知的更多内容值得怀疑。澳洲联储在今年第一次政策制定会议上将现金利率维持在4.35%不变，为12年来的新高。此外，随附的利率声明以新内容指出“不能排除”进一步收紧政策。然而，另方面根据货币政策声明(SoMP)，澳洲联储的预测宣布下调增长和通胀预测，同时失业率上升。澳洲联储预计到2025年底，消费者物价指数(CPI)将降至2.8%，而CPI通胀将在2024年底放缓至3.2%。失业率将在2025年中期达到4.4%的峰值，并保持在这一水平直到年底，预计2025年中期国内生产总值(GDP)增长率将为2.1%，低于2023年11月的2.2%。周三，美联储会议纪要将成为投资者焦点。上周美国CPI数据热于预期，令美元走强，并见证了美联储降息定价的放松，从而使市场预期更加符合美联储的预期。在最新的SEP中，市场可能还记得美联储预计今年仅降息3次。因此，我们进入会议纪要时，不仅通胀压力上升，而且经济GDP增长强劲，劳动力市场紧张。因此，最近鸽派的重新定价不应引起太多关注。根据期货市场的数据，首次降息25个基点的押注现已确定推至6月，3月降息25个基点的可能性只有10%，今年的宽松预期为93个基点领先。 1月底的最后一次美联储政策会议揭示了利率声明中的语言变化，通过一句熟悉的句子划出了一行，提到美联储准备加息，即“随着时间推移，可能适合额外紧缩政策”。尽管放弃这句话表明了鸽派的转变，但替代品却给会议进程带来了鹰派的氛围，这表明央行在通胀进一步疲软之前不会急于降息。最终，会议纪要中可能会出现对3月份降息的另一次阻力，这在此时是合乎逻辑的，并且可能会在短期内提振对美元的需求。话虽如此，如果会议纪要中缺乏任何新的见解，该报告可能很难令人信服地进行交易。除了澳洲联储和美联储会议纪要，加拿大消费者物价指数、澳大利亚工资价格指数、美国初请失业金人数、制造业和服务业PMI也将在本周席卷市场。美元技术分析 DailyForex分析师Adam Lemon表示，美元指数上周绘制了一根收市价高于开市价的烛台，但它是一根外部烛线和一根看跌的针烛线。然而，周收市价较3个月前和6个月前的价格几乎没有上涨，呈现出新的看涨长期趋势。尽管美元出现新的看涨趋势，但由于价格走势，方向看起来仍然不确定，这并不表明看涨势头。然而，这里存在一个有效的长期趋势，Adam相信将遵循这一趋势。 (来源:DailyForex) 黄金技术分析 FXEmpire分析师James Hyerczyk表示，预测表明，考虑到美联储3月份预计不会降息，金价维持在2000美元以上水平可能面临挑战。美国经济增长依然强劲，表明通胀持续存在，这对黄金来说是一个挑战因素。根据CME的Fed Watch工具，市场对美国降息的预期已从3月转向6月，6月降息的可能性为73%。本周，金价预计将继续下行趋势，有可能触及1960美元左右。这一预测是基于美联储降息的延迟前景，以及美国经济持续走强导致持续通胀基础上做出的。近期数据显示，美国生产者物价指数(PPI)数据意外高企后，美国国债收益率上升。10年期国债收益率逼近4.3%，2年期国债收益率也出现明显上升。这些事态发展表明投资者预期发生变化，目前预计美联储稍后将采取降息行动。美国1月份零售额大幅下降，超出预期，而劳动力市场依然强劲。这种经济指标的组合给市场带来了不确定性，影响了对未来货币政策和利率的预期。美元保持稳定，但在生产者价格数据公布后略有回落。随着市场临近总统日假期，交易模式可能会发生暂时变化。综上所述，未来一周黄金市场可能会受到持续发布的经济数据、美联储官员声明以及全球经济指标的影响。投资者将密切关注这些因素，以确定金价的未来走向。 (来源:FXEmpire) 比特币技术分析 Cointelegraph Markets Pro数据显示，52000美元是比特币价格整合的焦点。前一天，比特币一度跌至50680美元，创下几天来的最低水平。然而，在接下来的几个小时内，价格迅速反弹，上涨了近1500美元，尚未重新测试低点。知名加密交易员Skew分析了本周的走势，指出华尔街交易周后半段交易员行为发生了变化。他透露，现货买盘在临近周末时已经减弱，此后主要是接受者驱动的下跌和反弹。“到目前为止，看到一些现货买家以币安(Binance)现货领先的方式返回这里，”他写道。 (来源:Twitter) (来源:Twitter) 与此同时，根据监控资源CoinGlass的数据显示，芝商所比特币期货市场的未平仓头寸(OI)迅速增长，达到创纪录的68亿美元，这表明即将出现波动。 (来源:CoinGlass) 然而，在更广泛地讨论未平仓合约时，受欢迎的交易商Daan Crypto Trades指出，以比特币计价时存在分歧。“就杠杆而言，自2023年10月份以来的100%上涨在我看来是健康的，”他辩称。他续称：“资金大部分保持中性利率，以比特币计价的未平仓合约较低。当然，随着基础资产价值上涨之际，美元价值也在这段时间上涨。” (来源:Twitter) Skew继续表示，多头需要在每周收盘前的4小时时间范围内保持比特币相对强弱指数(RSI)的上升势头。目前，位于51500美元的21期指数移动平均线(EMA)也很重要。 “就52000-53000美元左右的现货流量而言，值得注意的是现货抛售导致反弹，这通常是获利回吐的情况，”他解释了币安的情况。 “从目前的上升趋势来看，关键是在逢低时看到充足的现货需求，主要被视为在低点吸收，此时限价买盘超过了接受者卖盘。” (来源:Twitter) 交易员兼分析师Matthew Hyland强调，49000美元是最终保护线。#VIP会员尊享#
小萧02-19 12:13
会员
OpenAI重磅发布文生视频模型Sora，AI人工智能ETF(512930.SH)高开强势上涨4.43%
go
视频以及多镜头。北京时间2月15日，Google发布Gemini1.5Pro模型。其基于Transformer和MoE架构，使得模型效率大幅提升，在处理高达10,000Ktoken的文本时，检索准确性仍然高达99.2%。同时，1.5Pro具备更强的推理能力，更强的多模态理解能力和编程能力。相关机构分析表示，AI大模型持续迭代，拥有更强的推理能力、多模态能力和理解能力，推动AI应用加速落地并逐步实现商业化，也有望在各个垂直领域带来革命性的改变。华金证券表示，Sora的发布意味着继文字生成和图像生成后，视频生成技术取得了突破性的进展，而今年也将成为视频生成的元年。中国银河证券认为，Sora是人工智能发展进程中的“里程碑”，预示AGI将加速到来，未来千行百业将颠覆式变革，Sora强大的文生视频能力将快速推进应用端商业化落地、拉动产业规模，进而传导到上游算力基础设施，算力基础设施需求将再次迎来爆发。 AI人工智能ETF(512930.SH)紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年1月31日，中证人工智能主题指数(930713)前十大权重股分别为海康威视(002415)、科大讯飞(002230)、中际旭创(300308)、韦尔股份(603501)、金山办公(688111)、澜起科技(688008)、中科曙光(603019)、紫光股份(000938)、大华股份(002236)、新易盛(300502)，前十大权重股合计占比49.42%。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02-19 09:42
ChatGPT 周年纪念反思：AIGC的瓶颈与Web3的机遇
 go
Y 的核心业务是基于云的图形渲染，由 Google 和 Mozilla 联合创始人提供建议，为奥斯卡获奖电影项目做出了贡献，并与 Apple 进行了项目合作。 Render Network 是 OTOY 进军 Web3 领域的举措，旨在利用区块链的分布式特性，将小规模渲染和人工智能需求与去中心化资源连接起来。这一举措旨在为小型工作室节省成本，否则这些小型工作室将租用昂贵的集中式计算资源（例如AWS、MS Azure和阿里云），并为那些拥有闲置计算资源的人提供创收机会。在发布专有渲染器 Octane Render 的 OTOY 的支持下，Render Network 凭借固有的需求和扎实的商业模式推出，很快被认为是一个具有坚实基础和潜力的 Web3 项目。随着生成式AI的兴起，分布式验证和推理任务的需求不断增加，与Render的技术架构完美契合，使其成为未来发展的一个有希望的方向。Render 一直引领着 Web3 领域的 AI 赛道，演变成一个有点像 meme 的实体，每当围绕 AI、元宇宙和分布式计算的叙述升温时，它都会受益于上升趋势，展示了它的多功能性。 2023 年 2 月，Render Network 宣布了更新其定价等级系统的路线图，并为 $RNDR 引入了社区投票的价格稳定机制（尽管发布日期尚未公布）。该项目还宣布从 Polygon 迁移到 Solana（将 $RNDR 代币升级为基于 Solana SPL 的 $RENDER 代币，已于 2023 年 11 月完成）。渲染网络的新定价体系将链上服务分为三个级别，从高到低，每个级别对应不同的价格点和渲染服务质量。这些层根据客户的特定渲染需求为客户提供选择。社区投票的$RNDR价格稳定机制已从不定期回购转变为“销毁和铸币均衡（BME）”模式。这一变化强调 $RNDR 作为交易的稳定币，而不是长期持有资产。一个BME Epoch的具体业务流程如下：产品创建：Render上的产品创建者，即渲染资源的提供者，将闲置的渲染资源打包成产品（节点）并上线，等待使用。购买产品：有渲染需求的客户可以直接销毁$RNDR代币作为服务费用。如果他们没有 $RNDR 代币，他们首先用法定货币在 DEX 上购买它们，然后销毁代币。服务支付的价格公开记录在区块链上。铸造代币：根据预设规则铸造新代币。注：Render Network 收取产品购买者支付的项目运营交易费用的 5%。在每个 BME Epoch 中，都会铸造预设数量的新代币（数量会随着时间的推移而减少）。这些新代币被分发给三方：产品创造者：他们获得的奖励是： A。任务完成：根据各产品节点完成的渲染任务数量进行奖励。 b. 在线奖励：鼓励资源提供者在线完成任务，根据市场待机时间给予奖励。 2. 产品购买者：与购物中心的产品优惠券返还类似，购买者可以获得高达 100% 的 $RNDR 代币返还，鼓励未来使用 Render Network。 3. DEX 流动性提供商：合作 DEX 中的提供商，确保以合理的价格提供 $RNDR 代币以进行必要的销毁，将根据质押的 $RNDR 数量获得奖励。从过去一年$RNDR的价格走势来看，作为Web3中领先的AI赛道项目，$RNDR受益于ChatGPT在2022年底和2023年初带动的AI热潮。随着新代币机制的引入，$RNDR的价格2023年上半年达到顶峰。经过一段时间的稳定后，随着 OpenAI 新版本引发的 AI 复苏、Render Network 向 Solana 的迁移以及新代币机制的预期实施，$RNDR 的价格达到了近期高点。鉴于 $RNDR 的基本面变化很小，未来对 $RNDR 的投资需要谨慎的头寸管理和风险控制。 Dune Analytics仪表板的数据表明，自2023年初以来，渲染任务总数有所增加，但渲染节点数量并未增加。这表明导致工作负载增加的新用户是那些有渲染需求的用户，而不是那些提供渲染资源的用户。鉴于生成式 AI 到 2022 年底将激增，有理由推断额外的渲染任务与生成式 AI 应用程序相关。这种需求的增加是代表长期趋势还是暂时的激增还有待观察，需要进一步观察。 3.2 Akash Network（$AKT） Akash Network 是一个去中心化的云计算平台，旨在为开发者和企业提供更灵活、高效、更具成本效益的云计算解决方案。该项目的“超级云”平台基于分布式区块链技术，利用区块链去中心化的特性，为用户提供全球性、去中心化的云基础设施，包括CPU、GPU、存储等多样化的计算资源。 Akash Network 由拥有丰富项目背景、经验丰富的企业家 Greg Osuri 和 Adam Bozanich 创立，其使命很明确：降低云计算成本、提高可用性并让用户更好地控制计算资源。通过激励提供商通过竞价流程开放闲置计算资源，Akash Network 实现了更有效的资源利用，为资源需求者提供有竞争力的价格。 2023 年 1 月，Akash Network 启动了 Akash Network Economics 2.0 更新，以解决当前代币经济中的各种缺陷，包括： $AKT 市场价格的波动导致长期合同价格和价值的不匹配。对资源提供者释放大量算力的激励不足。社区激励措施不足阻碍了项目的长期发展。 $AKT 的价值捕获不足对项目稳定性构成风险。据官网介绍，Akash网络经济2.0计划中提出的解决方案包括引入稳定币支付、增加订单费用以增加协议收入、增强对资源提供者的激励以及增加社区激励等。值得注意的是，稳定币支付功能和订单费用功能已经实现。作为 Akash 网络的原生代币，$AKT 在协议中具有多种用途，包括用于验证（安全）、激励、网络治理和支付交易费用的质押。据官网显示，$AKT 的总供应量上限为 3.88 亿枚，截至 2023 年 11 月，已解锁约 2.29 亿枚（59%）。项目启动时分配的创世代币于2023年3月完全解锁并进入二级市场。创世代币的分配如下：关于价值获取，白皮书中提到的一个值得注意的尚未实施的功能是 Akash 计划对每一次成功的租赁收取“费用”。这些费用将被发送到收入池以分配给持有人。该计划规定对 AKT 交易收取 10% 的费用，对使用其他加密货币的交易收取 20% 的费用。此外，Akash 打算奖励长期锁定 AKT 持有量的持有者，从而激励长期投资。 CoinGecko 的价格趋势显示，$AKT 在 2023 年 8 月中旬和 11 月下旬经历了上涨，尽管涨幅不如人工智能领域的其他项目，这可能是由于当前的市场情绪所致。总体而言，Akash Network 是 AI 赛道上为数不多的优质项目之一，其基本面优于大多数竞争对手。其潜在的业务收入可以为该协议带来未来的盈利能力，随着人工智能行业的发展和对云计算资源的需求不断增加，Akash Network 有望在下一波人工智能浪潮中取得重大进展。 3.3 Bittensor（$TAO）对于那些熟悉 $BTC 技术架构的人来说，理解 Bittensor 的设计非常简单。事实上，在设计 Bittensor 时，其创建者从加密货币先驱 $BTC 的几个特征中汲取了灵感。其中包括总代币供应量为 2100 万枚，大约每四年产量减半，并涉及工作量证明 (PoW) 共识机制等。为了将其概念化，想象一下最初的比特币生产过程，然后用训练和验证人工智能模型来取代计算密集型的“挖矿”过程，该过程不会创造现实世界的价值。矿工根据人工智能模型的性能和可靠性获得激励。这形成了 Bittensor ($TAO) 项目架构的简单总结。 Bittensor 由人工智能研究人员 Jacob Steeves 和 Ala Shaabana 于 2019 年根据神秘作者 Yuma Rao 撰写的白皮书成立。简而言之，它是一个开源、无需许可的协议，创建了一个由许多子网络连接的网络架构，每个子网络负责不同的任务（机器翻译、图像识别和生成、大型语言模型等）。优秀的任务完成会受到奖励，并且子网络可以相互交互和学习。就目前主要的人工智能模型而言，都是科技巨头大量计算资源和数据投资的结果。这些AI产品表现出色的同时，这种方式也带来了很高的中心化风险。 Bittensor 的基础架构允许交流专家网络进行交互和相互学习，为大规模模型的去中心化训练奠定了基础。Bittensor 的长期愿景是与 OpenAI、Meta 和 Google 等巨头的闭源模型竞争，保持去中心化特征，同时渴望与它们的推理性能相匹配。 Bittensor的技术核心是Yuma Rao独特设计的共识机制，也称为Yuma Consensus，它混合了PoW和Proof of Stake（PoS）的元素。供应方主要涉及“服务器”（矿工）和“验证者”（验证者），而需求方则由使用网络中模型的“客户端”（客户）组成。流程如下：客户端将请求和数据发送给验证器进行处理。验证者将数据分发给特定子网下的矿工。矿工使用他们的模型和接收到的数据进行推理并返回结果。验证者按质量对推理结果进行排名，并记录在区块链上。最好的推理结果返回给客户端，矿工和验证者根据排名和工作量获得奖励。值得注意的是，Bittensor 本身并不在大多数子网络中训练任何模型；它更像是模型提供者和用户之间的纽带，通过较小模型之间的交互进一步提高各种任务的性能。目前，在线有（或已经有）30个子网络，每个子网络对应不同的任务模型。 $TAO 作为 Bittensor 的原生代币，在创建子网络、在子网络中注册、支付服务费用以及向生态系统内的验证者质押方面发挥着至关重要的作用。效仿 BTC 的精神，$TAO 选择公平发布，这意味着所有代币都是通过对网络的贡献生成的。目前，$TAO 的日产量约为 7,200 个代币，均匀分配给矿工和验证者。自项目启动以来，已生产了 2100 万枚代币中的约 26.3%，其中 87.21% 用于质押和验证。该项目还遵循 BTC 大约每四年产量减半的模式，下一次减半计划将于 2025 年 9 月 20 日举行，预计将成为重要的价格驱动因素。从 2023 年 10 月下旬开始，$TAO 的价格趋势出现大幅上涨，这主要是受到 OpenAI 会议之后新一波人工智能热情以及资本转向人工智能领域的推动。 $TAO作为Web3+AI赛道的新项目的出现，其品质、长远的愿景也吸引了投资。但必须承认，与其他AI项目一样，Web3+AI的结合虽然潜力巨大，但尚未在实际业务中找到支撑长期盈利项目的应用。 3.4 Alethea.ai（$OR） Alethea.ai 成立于 2020 年，是一个致力于利用区块链技术为生成内容带来去中心化所有权和治理的项目。 Alethea.ai 的创始人相信，生成式人工智能将带领我们进入一个由生成式内容引起的信息冗余时代，在这个时代，通过简单的复制粘贴或单击即可轻松复制或生成大量数字内容，但原创者很难获得利益。通过将区块链原语（例如 NFT）与生成式人工智能连接起来，他们的目标是确保生成式人工智能及其内容的所有权，并在此之上进行社区治理。在这一理念的推动下，Alethea.ai最初推出了新的NFT标准iNFT，它利用Intelligence Pods将AI动画、语音合成甚至生成式AI嵌入到图像中。Alethea.ai 还与艺术家合作，利用他们的艺术品创建 iNFT，其中一件在苏富比拍卖会上以 478,000 美元的价格售出。 Alethea.ai 随后推出了 AI 协议，允许任何生成式 AI 开发者或创作者无需许可即可使用 iNFT 标准进行创作。为了展示 AI 协议，Alethea.ai 开发了 CharacterGPT，这是一种基于 GPT 等大型模型理论的工具，用于创建交互式 NFT。最近，他们发布了 Open Fusion，使得任何 ERC-721 NFT 都可以与 Intelligence 结合并发布在 AI 协议上。 Alethea.ai 的原生代币是 $ALI，它有四个主要用途：锁定一定数量的$ALI来创建iNFT。锁定的 $ALI 越多，情报舱的级别就越高。 $ALI 持有者参与社区治理。 $ALI 作为 iNFT 之间交互的凭证（尚无实际用例）。从 $ALI 的用例来看，很明显，代币的价值捕获仍然主要基于叙述。过去一年的代币价格趋势证实了这一点：$ALI 受益于 ChatGPT 自 2022 年 12 月开始引领的生成式 AI 热潮。此外，当 Alethea.ai 在 6 月宣布新的 Open Fusion 功能时，引发了价格飙升。然而，除了这些情况之外，$ALI 的价格一直呈下降趋势，甚至没有像类似项目那样对 2023 年底人工智能炒作做出反应。除了原生代币之外，Alethea.ai 的 NFT 项目（包括其官方集合）在 NFT 市场的表现也值得关注。根据 Dune 仪表板的数据，第三方销售的 Intelligence Pods 和 Alethea.ai 的第一方 Revenants 系列在首次发布后逐渐淡出了人们的视线。作者认为，主要原因是最初的新颖性逐渐减弱，没有实质性的价值或社区参与来留住用户。 3.5 Fetch.ai（$FET） Fetch.ai 是一个致力于促进人工智能 (AI) 与区块链技术融合的项目。其目标是通过结合机器学习、区块链和分布式账本技术来构建去中心化的智能经济，以支持智能代理之间的经济活动。 Fetch.ai 由英国科学家 Humayun Sheikh、Toby Simpson 和 Thomas Hain 于 2019 年创立，其创始团队拥有令人印象深刻的背景。 Humayun Sheikh 是 DeepMind 的早期投资者，Toby Simpson 曾在多家公司担任高管职务，Thomas Hain 是谢菲尔德大学人工智能领域的教授。创始人的多元化经历横跨传统IT公司、区块链明星项目、医疗、超级计算领域，为Fetch.ai提供了丰富的行业资源。 Fetch.ai的使命是建立一个由自治经济代理（AEA）和人工智能应用程序组成的去中心化网络平台，使开发人员能够通过创建自治代理来完成预设的目标导向的任务。该平台的核心技术是其独特的三层架构：底层：基于 PoS-uD（无许可权益证明）共识机制，该基础层支持智能合约网络，促进矿工协作以及基本的机器学习训练和推理。中间层：开放经济框架（OEF）为AEA之间交互和底层协议提供共享空间，支持AEA之间的搜索、发现和交易。顶层：AEA 是 Fetch.ai 的核心组件。每个AEA都是一个智能代理软件，能够通过技能模块执行各种功能，执行用户预定义的任务。这些代理并不直接在区块链上运行，而是通过 OEF 与区块链和智能合约进行交互。智能代理软件可以纯粹基于软件，也可以绑定到智能手机、计算机和汽车等物理硬件。Fetch.ai 提供基于 Python 的开发套件 AEA 框架，该框架是模块化的，使开发人员能够构建他们的智能代理。在此架构之上，Fetch.ai 推出了 Co-Learn（智能体之间共享机器学习模型）和 Metaverse（智能体云托管服务）等后续产品和服务，以支持用户在其平台上开发智能体。关于代币，$FET 作为 Fetch.ai 的原生代币，涵盖了支付 Gas、验证质押以及在网络内购买服务等标准功能。超过90%的$FET代币已解锁，具体分配如下：自成立以来，Fetch.ai 经历了多轮代币稀释融资，最近一次是 2023 年 3 月 29 日从 DWF Lab 获得的 3000 万美元投资。鉴于 $FET 代币不能从项目收入中获取价值，其价格动能主要依赖于项目更新和市场对人工智能领域的情绪。事实上，在两次人工智能市场繁荣的浪潮中，Fetch.ai 的价格在 2023 年初和年底经历了超过 100% 的飙升。 Fetch.ai 的发展轨迹更像是一家 Web2.0 人工智能初创公司，重点是完善其技术。它通过持续的筹款和广泛的合作寻求认可和盈利。这种方法为未来在 Fetch.ai 上开发的应用程序留下了充足的空间，但也意味着它可能对其他区块链项目没有那么大的吸引力，从而可能限制生态系统的活力。Fetch.ai 的一位创始人甚至尝试基于 Fetch.ai 推出一个 DEX 项目 Mettalex DEX，但最终以失败告终。作为一个专注于基础设施的项目，生态系统的衰弱也阻碍了 Fetch.ai 内在价值的增长。四．生成式人工智能的美好未来 NVIDIA首席执行官黄仁勋将生成大型模型的推出比作人工智能的“iPhone时刻”，表明人工智能角色的关键转变，高性能计算芯片成为人工智能稀缺资源的核心。锁定Web3 AI子赛道大部分资金的AI基础设施项目仍然是投资者长期关注的焦点。随着芯片巨头逐渐升级计算能力，AI的能力将会扩展，很可能在Web3中催生更多的AI基础设施项目，甚至可能是专门为Web3中的AI训练而设计的芯片。虽然以消费者为中心的生成式人工智能产品仍处于实验阶段，但一些工业级应用已经显示出巨大的潜力。其中一种应用是将现实世界场景转移到数字领域的“数字孪生” 。考虑到工业数据中尚未开发的价值，NVIDIA 的元宇宙数字孪生平台将生成式 AI 定位为工业数字孪生的重要组成部分。在Web3中，包括虚拟世界、数字内容创作和现实世界资产，受人工智能影响的数字孪生将发挥重要作用。新型交互硬件的开发也至关重要。从历史上看，计算领域的每一次硬件创新都带来了革命性的变化和机遇，比如现在无处不在的电脑鼠标或 iPhone 4 的多点触控电容屏。 Apple Vision Pro宣布将于 2024 年第一季度发布，以其令人印象深刻的演示吸引了全球关注，有望为各行业带来意想不到的变化和机遇。以快速内容制作和广泛传播而闻名的娱乐行业往往首先受益于硬件更新。这其中包括Web3的元宇宙、区块链游戏、NFT等，都是值得长期关注和研究的。从长远来看，生成式人工智能的发展代表着量变导致质变。ChatGPT 的核心是推理问答这一长期研究的学术问题的解决方案。只有通过扩展数据和模型迭代，才达到了 GPT-4 令人印象深刻的水平。Web3中的AI应用也类似，目前正处于Web2模型适应Web3的阶段。完全基于 Web3 数据的模型尚未出现。未来富有远见的项目和致力于研究 Web3 特定问题的大量资源将为 Web3 带来自己的 ChatGPT 级杀手级应用程序。生成式人工智能的技术基础还有很多有前景的探索途径，比如思想链技术。这项技术允许大型语言模型在多步推理方面取得重大飞跃。然而，它也凸显甚至加剧了大型模型在复杂逻辑推理方面的局限性。有兴趣的读者可以探索原作者关于Chain-of-Thought的论文。 ChatGPT之后，Web3中出现了各种以GPT为主题的项目，但简单地将GPT与智能合约结合起来并不能满足用户需求。ChatGPT 发布大约一年后，未来仍然拥有巨大的潜力。未来的产品应该从Web3用户的真实需求出发。随着Web3技术的日益成熟，生成式AI在Web3中的应用必将是广阔而令人兴奋的。来源：金色财经
金色财经02-18 21:42
Sora横空出世！A股有哪些题材概念股？
go
对比AI视频里Runway、Pika、Google和Meta这些主流玩家，Sora的特别之处在于： 1、能够生成具有多个角色、特定类型动作和主题背景的复杂视频，时长可达到1分钟。 2、可以在单个生成的视频中创建多个镜头，模拟复杂的摄像机运镜，同时准确地保持角色和视觉风格。 3、最重要的是，它不仅理解用户在提示中要求的内容，还能自己理解这些事物在现实世界中的存在方式。但从实用性来看，Sora只是展示了几十个精选作品，离落地还有相当的距离。而OpenAI的大语言模型大本营正在被对手偷塔——谷歌突破的100万tokens大招，能够给长文本问答、视频理解带来惊人的效率飞升，OpenAI必须尽快做出回击。 A股有哪些可能的炒作题材和概念股而每每有新的事物出现，在A股市场上也往往会引发一轮题材概念炒作。那么Sora的出现可能对那些方向带来炒作动力呢？首先是算力端。Sora依旧符合AI缩尺律(Scaling Law)OpenAI在技术文档中说明，随着训练计算量的增加，样本质量明显提高，进一步佐证了多模态时代，算力需求将成为最核心的瓶颈之一。 A股算力产业链包含AI服务器零部件、服务器整机、算力租赁、数据中心等环节。AI服务器零部件公司主要包括海光信息、寒武纪、龙芯中科、景嘉微等；服务器整机公司主要包括高新发展、神州数码、拓维信息、广电运通、烽火通信、同方股份等；算力租赁公司主要包括恒润股份、云赛智联、鸿博股份等；数据中心公司主要包括奥飞数据、光环新网、宝信软件、数据港等。其次是视频生成方向。例如昆仑万维旗下Star Group和Opera都具备做短视频的土壤，其中Opera在海外已经推出了短视频功能；当虹科技拥有自研的AIGC工具集，于去年上半年发布以静态照片生成三维体积视频的方案。据不完全统计，包括万兴科技、博汇科技、易点天下、数码视讯、汉王科技、当虹科技、东方国信、神思电子、因赛集团、拓尔思、国脉文化、佳都科技在内的超10家A股上市公司近三个月以来在互动平台披露视频生成模型领域的业务情况。此外，数据要素方向也是可能的炒作方向。概念股上，国盛证券认为有运营商：中国电信、中国移动、中国联通。数据可视化：浩瀚深度、恒为科技、中新赛克。
证券之星02-18 15:12
海外AI再度加速！OpenAI、NVIDIA、微软、Google动作频频，AI基础设施需求旺盛
 go
其在专业环境中的实用性。 2月16日，Google宣布推出全新的Gemini 1.5 AI模型，采用MOE架构，可以处理128000个token的标准情境窗口。 Sora令影视业倍感惶恐？北京时间2月16日凌晨，没有任何预告，全球明星AI创业公司OpenAI发布了文生视频模型Sora，首次由AI生成了长达1分钟的多镜头长视频，其对于真实人类世界的高模拟度画面、精细的画质、多镜头拍摄、多角度运镜，表明AI对人类世界的理解、AI生成的创造性内容又上了新台阶。国泰君安研报指出，Sora具有三大突出亮点，一是60秒长视频，Sora可以保持视频主体与背景的高度流畅性与稳定性。二是单视频多角度镜头，Sora在一个视频内实现多角度镜头，分镜切换符合逻辑且十分流畅。三是理解真实世界的能力，Sora对于光影反射、运动方式、镜头移动等细节处理得十分优秀，极大地提升了真实感。与目前AI视频赛道同行相比，Sora每条提示60秒的视频长度，远高于Pika Labs的3秒、Meta Emu Video的4秒和Runway公司Gen-2的18秒的视频时长。 2月16日，360创始人周鸿祎发布微博提到自己对Sora的看法，周鸿祎认为，Sora的诞生意味着AGI（通用人工智能）实现可能从10年缩短至一两年。周鸿祎认为，科技竞争最终比拼的是让人才密度和深厚积累，“很多人说Sora的效果吊打Pika和Runway。这很正常，和创业者团队比，OpenAl这种有核心技术的公司实力还是非常强劲的。有人认为有了AI以后创业公司只需要做个体户就行，实际今天再次证明这种想法是非常可笑的。” 中国香港青年导演朱智立告诉蓝鲸财经，“它（Sora）对电影行业的影响只是一个时间问题，因为它已经把画面做到非常真实、有细节，包括一个女人在东京街头的画面，连脸上的雀斑都能做到非常真实。” 周鸿祎认为，机器能生产一个好视频，但视频的主题、脚本和分镜头策划、台词的配合，都需要人的创意，至少需要人给提示词。一个视频或者电影是由无数个60秒组成的。今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具。 AI基础设施需求旺盛市场观点认为，2022年是影像之年，2023是声波之年，而2024是视频之年。OpenAI表示，Sora是构建世界模型的基础，未来将向实现AGI继续迈进。中信证券表示，多模态大模型算法的突破将带来自动驾驶、机器人等技术的革命性进步，持续看好本轮生成式AI浪潮对科技产业的长周期影响和改变，继续关注算力、算法、数据、应用等环节的领先厂商。东吴证券判断，多模态是AI商业宏图的起点，有望真正为企业降本增效，且企业可将节省下来的成本用于提高产品、服务质量或者技术创新，推动生产力进一步提升；同时，也可能出现新的、空间更大的用户生成内容平台。对于Sora的发展，算力需求旺盛。国泰君安指出，Sora模型推动AI多模态领域飞跃式发展，AI创作等相关领域将迎来深度变革，AI赋能范围进一步扩大，多模态相关的训练及推理应用也将进一步提升对算力基础设施的相关需求。无独有偶，国盛证券也持有相同的观点，其认为，Sora依旧符合AI缩尺律（Scaling Law）OpenAI在技术文档中说明，随着训练计算量的增加，样本质量明显提高，进一步佐证了多模态时代，算力需求将成为最核心的瓶颈之一。多模态大模型拉动全球算力需求快速增长，国产AI算力迎来机会。根据南方财富网趋势选股系统数据统计，A股国产AI算力相关上市企业目前数量有52家，如国产AI算力产业链包含AI服务器零部件、服务器整机、算力租赁、数据中心等环节。AI服务器零部件公司主要包括海光信息、寒武纪、龙芯中科、景嘉微等；服务器整机公司主要包括高新发展、神州数码、拓维信息、广电运通、烽火通信、同方股份等；算力租赁公司主要包括恒润股份、云赛智联、鸿博股份等；数据中心公司主要包括奥飞数据、光环新网、宝信软件、数据港等。天风证券发布研究报告称，对比海外，看好国内大企业深度使用大模型赋能旗下应用，也看好未来算力继续高增长，建议关注AI多模态、AI应用及华为链+三条主线。 (1)AI多模态：万兴科技(300624.SZ)、美图公司(01357)(与海外组联合覆盖)、易点天下(301171.SZ)、焦点科技(002315.SZ)、当虹科技(688039.SH)； (2)AI应用：金山办公(688111.SH)、科大讯飞(002230.SZ)、恒生电子(600570.SH)、鼎捷软件(300378.SZ)、福昕软件(688095.SH)、用友网络(600588.SH)、金蝶国际(00268)、泛微网络(603039.SH)、致远互联(688369.SH)； (3)华为链+：海光信息(688041.SH)、寒武纪(688256.SH)、云天励飞(688343.SH)、景嘉微(300474.SZ)(电子组联合覆盖)。（综合投资者网、蓝鲸财经、券商研报）
金融界02-18 09:02

上一页
1
•••
109
110
111
112
113
•••
276
下一页

24小时热点

最新话题更多