FX168财经网_全球视野外汇黄金加密货币NFT资讯网

区块链动态2023年6月24日早参考

金色财经2023-06-24

深入剖析ZKML赛道：智能合约智能性的下一步

器学习（ML）简介机器学习（ML）是人工智能（AI）的一个子领域，专注于开发能够让计算机从数据中学习并进行预测或决策的算法和统计模型。ML 模型通常具有三个主要组成部分：训练数据：一组用于训练机器学习算法进行预测或对新数据进行分类的输入数据。训练数据可以采用多种形式，如图像、文本、音频、数值数据或其组合。模型架构：机器学习模型的整体结构或设计。它定义了层次结构、激活函数和节点或神经元之间的连接类型和数量。架构的选择取决于具体的问题和使用的数据。模型参数：模型在训练过程中学习的值或权重，用于进行预测。这些值通过优化算法进行迭代调整，以最小化预测结果与实际结果之间的误差。模型的生成和部署分为两个阶段：训练阶段：在训练阶段，模型会接触到一个带标签的数据集，并调整其参数以最小化预测结果与实际结果之间的误差。训练过程通常涉及多次迭代或周期，模型的准确性会在单独的验证集上进行评估。推理阶段：推理阶段是使用经过训练的机器学习模型对新的未见数据进行预测的阶段。模型接收输入数据，并应用学习到的参数生成输出，如分类或回归预测。目前，zkML 主要关注于机器学习模型的推理阶段，而不是训练阶段，主要是由于验证电路中训练的计算复杂性。然而，zkML 对推理的关注并不是一种限制：我们预计将会产生一些非常有趣的用例和应用。已验证的推理场景验证推理有四种可能的场景：私有输入，公共模型。模型消费者 (MC) 可能希望对模型提供者 (MP) 保密他们的输入。例如，MC 可能希望在不披露其个人财务信息的情况下向贷方证明信用评分模型的结果。这可以使用预先承诺方案并在本地运行模型来完成。公共输入，私有模型。ML-as-a-Service 的一个常见问题是 MP 可能希望隐藏其参数或权重以保护其 IP，而 MC 想要验证生成的推理确实来自对抗设置中的指定模型 . 这样想：当向 MC 提供推理时，MP 有动机运行更轻的模型以节省成本。使用链上模型权重的承诺，MC 可以随时审核私有模型。私有输入，私有模型。当用于推理的数据高度敏感或机密，并且模型本身被隐藏以保护 IP 时，就会出现这种情况。这方面的一个例子可能包括使用私人患者信息审核医疗保健模型。zk 中的组合技术或使用多方计算 (MPC) 或 FHE 的变体可用于服务此场景。公共输入，公共模型。当模型的所有方面都可以公开时，zkML 解决了一个不同的用例：将链下计算压缩和验证到链上环境。对于较大的模型，验证推理的简洁 zk 证明比自己重新运行模型更具成本效益。验证的 ML 推理为智能合约开辟了新的设计空间。一些加密原生应用包括： 1、DeFi 可验证的链下 ML 预言机。继续采用生成式人工智能可能推动行业实施其内容的签名方案（例如，新闻出版物签署文章或图像）。签名数据准备好进行零知识证明，使数据可组合且可信。ML 模型可以在链下处理这些签名数据以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下 ML 预言机可以通过验证推理并在链上发布证明来无需信任地解决现实世界的预测市场、保险协议合约等问题。基于 ML 参数的 DeFi 应用。DeFi 的许多方面可以更加自动化。例如，借贷协议可以使用 ML 模型实时更新参数。目前，借贷协议主要依赖由组织运行的链下模型来确定抵押因子、贷款价值比、清算阈值等，但更好的选择可能是社区训练的开源模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是 MP 向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML 提供了一个解决方案，MP 可以在部署到特定头寸时提供金融模型推理的证明。这对于 DeFi 管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用 ML 模型来检测可能的恶意行为并暂停合约。 3、传统 ML 分散的、无信任的 Kaggle 实现。可以创建一个协议或市场，允许 MC 或其他感兴趣的方验证模型的准确性，而无需 MP 披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式 AI 的去中心化提示市场。生成式 AI 的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML 在这里可以有两种用法： 1 ）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2 ）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是 zkML 的一种可能解决方案。公平的空投和贡献者奖励。可以使用 ML 模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源 ML 模型，并在选择过滤帖子时发布模型推理的证明。案例：关于 Twitter 算法的 zkML 分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用 ML 模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗 AI 游戏和其他创新的链上游戏，其中无信任的 AI 模型充当一个不可玩的角色。NPC 采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在 Modulus Labs 的 Leela vs. the World 中，验证者希望确保所述的 1900 ELO AI 选择棋步，而不是 Magnus Carlson。另一个例子是 AI Arena，一个类似于 Super Smash Brothers 的 AI 格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML 生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如 Pytorch、ONNX 等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML 特定的证明系统：专门构建用于验证 ML 模型计算轨迹的证明系统。应用程序：致力于独特 zkML 用例的项目。 01 模型验证编译器（Model-to-Proof Compilers）在 zkML 生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用 Pytorch、Tensorflow 等高级 ML 模型转换为 zk 电路。 EZKL 是一个库和命令行工具，用于在 zk-SNARK 中进行深度学习模型的推理。使用 EZKL，您可以在 Pytorch 或 TensorFlow 中定义一个计算图，并将其导出为带有 JSON 文件中一些示例输入的 ONNX 文件，然后将 EZKL 指向这些文件以生成 zkSNARK 电路。通过最新一轮的性能改进，EZKL 现在可以在约 6 秒和 1.1 GB 的 RAM 内证明一个 MNIST 大小的模型。迄今为止，EZKL 已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So 的 circomlib-ml 库包含了用于 Circom 的各种 ML 电路模板。电路包括一些最常见的 ML 函数。由 Cathie 开发的 Keras 2c ircom 是一个 Python 工具，使用底层的 circomlib-ml 库将 Keras 模型转换为 Circom 电路。 LinearA 开发了两个用于 zkML 的框架：Tachikoma 和 Uchikoma。Tachikoma 用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma 是一个工具，将 TVM 的中间表示转换为不支持浮点运算的编程语言。LinearA 计划支持使用域算术的 Circom 和使用有符号和无符号整数算术的 Solidity。 Daniel Kang 的 zkml 是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的 ML 模型执行证明的框架。在撰写本文时，它能够在约 5 GB 的内存和约 16 秒的运行时间内证明一个 MNIST 电路。在更广义的模型到证明编译器方面，有 Nil Foundation 和 Risc Zero。Nil Foundation 的 zkLLVM 是一个基于 LLVM 的电路编译器，能够验证用流行编程语言（如 C++、Rust 和 JavaScript/TypeScript 等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如 zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero 构建了一个通用的 zkVM，针对开源的 RISC-V 指令集，因此支持现有成熟的语言，如 C++和 Rust，以及 LLVM 工具链。这允许在主机和客户 zkVM 代码之间实现无缝集成，类似于 Nvidia 的 CUDA C++工具链，但是使用 ZKP 引擎代替 GPU。与 Nil 类似，使用 Risc Zero 可以验证 ML 模型的计算轨迹。 02 广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo 2 和 Plonky 2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于 R 1 CS 的证明系统包括 Groth 16 ，因其小型证明尺寸而闻名，以及 Gemini，因其处理极大电路和线性时间验证器而闻名。基于 STARK 的系统，例如 Winterfell 证明器/验证器库，尤其在通过 Giza 的工具将 Cairo 程序的追踪作为输入，并使用 Winterfell 生成 STARK 证明来验证输出的正确性时，非常有用。 03 zkML 特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于 GKR 证明系统的 zkCNN 和基于组合技术的 Zator 等系统往往比通用证明系统更具性能，这一点在 Modulus Labs 的基准测试报告中有所体现。 zkCNN 是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用 sumcheck 协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU 激活函数和最大池化。根据 Modulus Labs 的基准测试报告，zkCNN 特别有趣的地方在于它在证明生成速度和 RAM 消耗方面优于其他通用证明系统。 Zator 是一个旨在探索使用递归 SNARK 来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator 提出使用递归 SNARK 逐层进行验证，可以逐步验证 N 步重复计算。他们使用 Nova 将 N 个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator 能够对具有 512 层的网络进行 SNARK，这与大多数当前的生产 AI 模型一样深。Zator 的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于 zkML 处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs 是 zkML 领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs 通过 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个人类与经过验证的链上 Leela 国际象棋引擎对战的棋盘游戏）展示了 zkML 的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin 正在尝试应用 zkML 来创建一个保护隐私的人类身份证明协议。Worldcoin 使用定制硬件处理高分辨率虹膜扫描，并将其插入到 Semaphore 实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza 是一种协议，采用完全无信任的方法在链上部署 AI 模型。它使用包括 ONNX 格式表示机器学习模型、Giza Transpiler 用于将这些模型转换为 Cairo 程序格式、ONNX Cairo Runtime 用于以可验证和确定性的方式执行模型，以及 Giza Model 智能合约用于在链上部署和执行模型的技术堆栈。尽管 Giza 也可以归类为模型到证明编译器的类别，但他们作为一个 ML 模型市场的定位是目前最有趣的应用之一。 Gensyn 是一个分布式硬件供应网络，用于训练 ML 模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式 GPU 网络能够为全尺度模型提供训练服务。尽管他们在这里的 zkML 应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将 zk 和 ML 相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo 2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9 ，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML 面临的挑战尽管在提高和优化方面取得了飞速的进展，但 zkML 领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理 zk 电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9 上的一项黑客马拉松项目 Zero Gravity 显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于 zk 的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM 消耗和证明生成时间会迅速增加。某些证明系统（例如使用 sumcheck 协议和分层算术电路的基于 GKR 的系统）或组合技术（例如将 Plonky 2 与 Groth 16 相结合，Plonky 2 在证明时间方面效率高但对于大型模型的高效证明大小较差，而 Groth 16 在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在 zkML 项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或 DAO 选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的 zkML 可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在 zk 的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML 从0x PARC 在 2021 年展示了如何在可验证电路中执行小规模 MNIST 图像分类模型的演示，到 Daniel Kang 在不到一年后为 ImageNet 规模的模型做同样的工作的论文。在 2022 年 4 月，这个 ImageNet 规模的模型的准确性从 79% 提高到 92% ，并且像 GPT-2 这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为 zkML 是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管 zkML 仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的 zkML 用例。来源：金色财经

金色财经2023-06-24

最高法院判Coinbase胜诉决战SEC前先赢一仗　比特币BTC价格升穿31,000美元

。该平台采用自然语言处理（NLP）等人工智能（AI）技术，并与人工智能专家合作提供预测模型。 $YPRED 代币非常便宜，预售价格为 0.09 美元。之后价格提高至 0.1 USDT，上市价格为 0.12 美元保证的上涨潜力。原文內容：最高法院判Coinbase胜诉决战SEC前先赢一仗　比特币BTC价格升穿31,000美元

Business2Community2023-06-24

美联储又传来鸽声、数据也来“捣乱”！美元却“任性”上涨、美股好日子戛然而止？

的落后者，跌幅超过1%。值得注意的是，人工智能(AI)的主要受益者英伟达的股价下跌了2%。与此同时，美国全国广播公司财经频道(CNBC)报道称，高盛可能因2021年收购金融科技公司GreenSky而面临巨额减记，随后高盛股价下跌。该股下跌约1%，拖累道指。由于一波加息浪潮和各国央行行长的鹰派言论重新引发了对全球经济增长的担忧，投资者在债券和美元中寻求避险。周五，美国股市似乎将打破纳斯达克指数自2019年以来最长的周度连涨纪录，投资者寻求美元避险，美元兑一篮子主要货币在最近的交易中上涨0.5%。分析师们表示，在英国、瑞士、挪威和土耳其周四加息后，对央行加息可能损害全球经济增长的担忧周五打压全球股市。在最新一轮加息之前，加拿大央行和澳洲联储本月早些时候也采取了加息举措。周五公布的数据还显示，根据一项采购经理人调查，6月份欧元区商业活动失去动力。美国经济增长可能也在放缓。标普全球美国服务业指数从5月的54.9降至6月的54.1，为两个月低点。与此同时，制造业指数从5月的51降至六个月低点46.9。在全球央行承诺进一步提高借贷成本以抑制通胀之际，分析师关注的是利率上升对经济健康和股市估值的潜在影响。在美国，华尔街各地的分析师都警告说，标准普尔500指数和纳斯达克综合指数再次显得异常高企。 FactSet的数据显示，根据华尔街对未来12个月企业盈利的预测，标准普尔500指数的市盈率略低于19倍。这比5年的平均水平要高。虽然美联储在6月份决定维持利率不变，但主席鲍威尔本周在国会作证时重申，美联储高级官员强烈支持今年晚些时候“几次”加息。 Claro Advisors创始人兼执行主管Ryan Belanger是认为股市涨势有些超前的分析师之一。 Belanger在电子邮件评论中称，“市场对美联储能够引导经济软着陆过于自信，投资者减少对股市的敞口将是明智之举。” FactSet的数据显示，随着标普500指数本周下跌近1.5%，股市有望出现3月10日以来的最大单日跌幅。那天，硅谷银行被加州监管机构关闭，随后被联邦存款保险公司(FDIC)接管。FactSet的数据显示，标普500指数当周下跌4.6%。当然，市场正在从反弹中走出来，这让一些人得出结论，这可能是一次健康的回调。道琼斯市场数据显示，截至6月16日，标普500指数已经连续五周上涨，这是自2021年11月以来最长的连续上涨。与此同时，以科技股为主的纳斯达克指数连续第八周上涨，创下自2019年3月以来最长的连续涨幅。 Murphy & Sylvest财富管理公司高级财富经理兼市场策略师Paul Nolte在接受MarketWatch电话采访时表示:“这在一定程度上是一种倒退，当你观察过去一个半月的市场行为时，你会发现我们有点像抛物线。” 美元和高质量主权债券等防御性资产周五表现抢手，10年期美国国债收益率下跌8.9个基点，至3.710%。10年期英国国债和10年期德国国债的收益率下跌了10个基点甚至更多。债券收益率与价格走势相反。对全球经济预期很敏感的原油价格下跌超2%，跌破68美元/桶。与此同时，美国财政部长耶伦周五在接受彭博社采访时说，美国经济衰退的风险已经消退，“因为看看劳动力市场的弹性，通货膨胀正在下降。” 汇市美元周五从一波避险情绪中获得支撑，因包括美联储在内的全球央行发表鹰派言论，引发市场担忧其激进的货币紧缩政策可能将经济推入更深的衰退。英国央行周四宣布加息50个基点以应对顽固的通胀，幅度高于预期，但英镑难以守住涨幅，因大幅收紧政策加剧了人们对英国经济即将陷入衰退的担忧。虽然升息通常对货币有利，但升息可能引发经济下滑的风险已促使部分投资者寻求美元等避险资产。英镑兑美元现下跌0.2%，至1.2708，周跌幅接近1%，结束了连续三周的上涨。富国银行国际经济学家Nick Bennenbroek表示:“随着英国央行将进一步大幅加息，我们预计英国经济到2023年底将面临新的压力，经济增长要么停滞，要么甚至收缩。” 由于风险偏好减弱，澳元和纽元在亚洲交易中也表现疲弱。澳元兑美元重挫逾1%，至0.6662，周跌幅有望超过2.5%，为3月份以来的最大单周跌幅。纽元兑美元现下跌近0.7%，至0.6135，本周累计下跌约1.6%。全球央行出人意料的升息和鹰派言论，令市场再度担心决策者必须进一步收紧政策以抑制通胀，即使冒着将经济拖入衰退的风险。挪威央行周四也宣布加息50个基点，并表示计划在8月份再次加息，此举震惊了市场。同一天，瑞士央行将政策利率上调了25个基点，并暗示将进一步收紧政策。澳新银行(ANZ)亚洲研究主管Khoon Goh表示:“一些央行最近不得不采取的更为激进的举措，肯定令市场感到意外。” “这也让人怀疑其他央行的后续趋势，它们最初看起来已经暂停，但后来又加息了……所以这是市场开始再次担心的事情。” 澳洲联储和加拿大央行本月早些时候出人意料地加息，当时市场倾向于暂停加息。在其他市场，欧元兑美元现下跌0.6%，报1.0885，日内稍早最低触及1.0844。美元指数现上涨0.5%，报102.95，扭转了连续三周的跌势，本周有望上涨。（美元指数30分钟走势图，来源：FX168）鲍威尔周四表示，央行将从现在开始“谨慎地”调整利率。货币市场目前认为，美联储在下个月的政策会议上加息25个基点的可能性为74%，而上周美联储维持利率不变。日元兑美元最低触及143.788，接近前一交易日触及的逾七个月低点143.23。由于日本央行继续维持其极端鸽派立场，日元面临新的压力。周五公布的数据显示，日本5月核心消费者物价指数(CPI)超过预估，扣除燃料成本后的CPI年率升幅为42年来最高，令日本央行面临逐步退出大规模刺激计划的压力。

会员

夏洛特2023-06-24

美股开盘：道指跌超百点新能源车股走低小鹏汽车跌超6%

I创新中心 ChatGPT掀起的生成式人工智能（AI）竞赛如火如荼，亚马逊正在奋起直追。亚马逊宣布，旗下云业务Amazon Web Services（AWS）推出名为“AWS生成式AI创新中心”的新项目，投入1亿美元，目前已在和两家客户Highspot和Twilio合作。投资大佬罗恩巴伦：2025年特斯拉将达到500美元据CNBC，美国亿万富翁投资者罗恩·巴伦表示，预计特斯拉股票在2025年将达到每股500美元。这意味着，较特斯拉最新收盘价还存在约90%的潜在上涨空间。苹果推出VisionOS软件开发包，开发者最快可在下月在Vision Pro上测试App 苹果周四宣布推出visionOS软件开发包（SDK），支持开发者为苹果首款空间计算设备——Apple Vision Pro构建visionOS版App。苹果将于下月在库比提诺、伦敦、慕尼黑、上海、新加坡和东京开设开发者实验室，为开发者提供实践体验，在Apple Vision Pro硬件上测试他们的APP，并获取苹果工程师的支持。 92亿美元！福特获得金融危机以来美国政府向车企提供的最大规模贷款周四，美国福特汽车获得美国政府一项高达92亿美元的附条件贷款，用于建设三个电池工厂。这笔巨额贷款是自2009年金融危机救助以来美国政府对汽车制造商提供的最大一笔贷款，标志着拜登政府旨在帮助美国制造商在绿色技术领域有所建树的重要分水岭。加拿大议会通过立法，强制Meta和谷歌向新闻出版商付费据《华尔街日报》消息，加拿大议会通过了强制谷歌和Meta Platforms等科技巨头就文章链接向加拿大国内媒体机构付费的法案，Meta已警告说，此举将迫使它在其平台上封锁加拿大用户访问新闻报道，就像该公司两年前在澳大利亚采取的作法那样。谷歌也已表示，可能因为该法案在其加拿大搜索功能中限制提供新闻内容。小鹏计划在香港推出右舵车型，预计明年上市小鹏汽车计划明年在香港推出一款右舵车型，并希望与特斯拉等汽车品牌抗衡。

金融界2023-06-23

特斯拉的顶级看涨者发出警告！涨势太猛太快大摩、巴克莱下调评级还这样喊话

泛采用可能带来的新收入来源，以及市场对人工智能（AI）追捧对大型科技公司的看涨。特斯拉预计将于 7 月 19 日公布财报，FactSet 称，市场普遍预计该公司本季交付的车辆数量将创历史新高，但利润将滑至 2022 年同期以来的最低水平。自从 5 月 12 日宣布聘用 Linda Yaccarino 以来，马斯克开始了高调的中国之行，并签署了允许福特和通用汽车使用其公司庞大的增压器网络的协议。

IreneLim2023-06-23

比特币BTC价格升穿3万美元关口　最佳加密货币以太坊蓄势挑战2,000美元

。该平台采用自然语言处理（NLP）等人工智能（AI）技术，并与人工智能专家合作提供预测模型。 $YPRED 代币非常便宜，预售价格为 0.09 美元。之后价格提高至 0.1 USDT，上市价格为 0.12 美元保证的上涨潜力。 Launchpad XYZ(LPX)代币–Web3取得自主成功的去中心化平台此Launchpad XYZ平台，乃是一个Web3去中心化的应用程式发佈平台，其旨在为开发者提供一个自由、公平并保护用户隐私的市场。其利用区块链技术实现去中心化的数据存储和交易，使开发者能够自主决定投资价格和分配策略。第一阶段的 LPX 代币定价仅为 0.035 美元。但通过投资第 10 阶段，LPX 的定价将为 0.07 美元。简而言之，在 LPX 上线 Launchpad XYZ DEX 之前，这是 100% 的上涨空间。原文內容：比特币BTC价格升穿3万美元关口　最佳加密货币以太坊蓄势挑战2,000美元

Business2Community2023-06-23

中美科技霸权争夺战：这一领域可能成为“新战场”！

(6月23日)报道称，有分析人士指出，人工智能(AI)聊天机器人ChatGPT背后依赖的生成式AI技术，可能成为中美科技霸权争夺战的新战场。尽管在美国国务卿布林肯(Antony Blinken)本周与中国国家主席习近平会晤后，两国寻求改善关系，但分析人士表示，科技紧张局势将继续下去。华盛顿试图切断中国在半导体等关键技术上的供应，而中国则希望提高自给自足，摆脱对美国技术的依赖，大力宣传自己的国内产业。总部位于多伦多的咨询公司The Geopolitical Business首席执行官Abishur Prakash表示：“从制裁到商业压力，现状在任何方面都不太可能改变。” 报道指出，被中美视为关键技术的AI可能被拖入两国之间的“战斗”中。美国前总统特朗普(Donald Trump)发动与中国的贸易战，科技也被卷入其中。到目前为止，华盛顿的策略一直依赖于限制中国获得它认为至关重要的半导体等技术。去年，美国出台全面的规定，旨在切断中国获得制造先进芯片的主要工具和零部件的渠道，并阻止中国获得关键的半导体产品。此举被视为可能阻碍中国本土芯片产业的发展。美国还让盟友在对华严格的技术出口规定上保持一致。与此同时，美国一直在寻求通过《芯片与科学法案》(Chips and Science Act)提供的520亿美元等资金来提升包括半导体在内的国内技术。 CNBC称，华盛顿的注意力现在可能转向生成式AI技术。 Albright Stonebridge科技政策主管Paul Triolo说：“华盛顿可能会有更多的尝试来瞄准中国某些类型应用程序的开发，未来一年里，生成式AI可能就是焦点。”拜登政府正在判断，哪种技术既能促进中国军事现代化，还能提升中国企业在生成式AI领域的能力。生成式AI与ChatGPT等应用程序有关，这些应用程序能够在用户提示时生成内容。 AI需要接受大量数据的训练才能工作。生成式AI基于所谓的大型语言模型，这意味着它需要用大量语言训练，才能了解并响应用户的提问。这些数据的处理需要大量的计算能力，而这些计算能力是由特定的半导体驱动的，比如美国公司英伟达(Nvidia)销售的半导体，该公司被视为此类芯片的市场领导者。美国目前的部分限制措施旨在阻止中国获得英伟达的一些关键芯片，从而可能会阻碍中国的人工智能发展。美国也正在展开境外投资审查，这将为美国对外国公司的投资制定规则。 Triolo说：“即将出台的境外投资审查行政命令将包括限制美国对一些AI相关技术的投资，这将是拜登政府最后两年美国技术控制方向的一个重要标志。”

天马行空2023-06-23

7日内传三间基金巨擘申请比特币现货 ETF　BTC价格算穿30,000美元关口淡仓被清算

。该平台采用自然语言处理（NLP）等人工智能（AI）技术，并与人工智能专家合作提供预测模型。 $YPRED 代币非常便宜，预售价格为 0.09 美元。之后价格提高至 0.1 USDT，上市价格为 0.12 美元保证的上涨潜力。原文內容：7日内传三间基金巨擘申请比特币现货 ETF　BTC价格算穿30,000美元关口淡仓被清算

Business2Community2023-06-22

中美消息！美国拟建立新国家联盟阻止中国窃取AI、关键技术知识产权

建立一个国家联盟，以阻止中国利用其窃取人工智能(AI)和关键技术的剧本，来推进其国内发展。菲克表示，近几十年来，网络盗窃让中国得以建设下一代无线网络，同时为该国国内公司提供补贴，以至于它们现在可以自行开发具有全球竞争力的产品。 “如果我们允许中国人再次运行它，他们将在云计算、AI等领域继续执行，他们将在每个核心战略技术领域展开行动，”他周三在哈德逊研究所论坛上表示。 “美国必须建立尽可能最大的联盟。” 《彭博社》报道称，中国一再否认美国关于其参与盗窃知识产权的指控。菲克没有透露美国是否会寻求建立一个正式的政府集团，但他表示，美国应该向“中间的对冲国家”阐明其愿景。 (来源:Bloomberg) 他还表示，各国开始看到依赖他所谓的不受信任的网络对国家安全和经济造成的后果。 “他们正在寻找出路，”他说。“感觉风向有点变了。” 《华尔街日报》提到，美国总统拜登政府正在努力解决如何识别对国家安全构成威胁的AI的问题。在美国采取行动遏制对中国先进技术公司的投资之际，这是美国面临的一个核心挑战。数月来，拜登政府官员一直在准备一项新的行政命令，将限制美国对一些地缘对手，像是中国的投资。目的是防止美国私募股权投资公司和风投公司助力中国开发可能有助于中国军事的尖端技术。文章也指出，为了保持美国相对于中国的技术优势，拜登政府做出了一连串努力，包括2022年对部分先进半导体实施出口限制，美国这些举措一直是中美关系中的一个决定性问题。与此同时，美国官员将拟议的资本管控措施，视为针对所谓国家安全威胁的一个有针对性的步骤。他们试图制定相关的投资规则，以使该资本管控措施不会危及中美这两个全球最大经济体之间广泛的投资和贸易流动。但是，据熟悉讨论情况的人士说，事实证明，对于拜登政府来说，区分中国可能用来推进军事发展的技术，以及中国企业用于日常商业目的的技术并非易事，尤其是在涉及到AI的情况下。知情人士称，这一困境是有关该行政命令尚未解决的问题之一。作为一项为期一年的试点项目的一部分，预计该行政命令将禁止对先进制程半导体和量子计算的投资。这些人士表示，上述规定可能会禁止投资某些形式的AI，或者只是对这类AI提出新的资讯披露要求。 “从很多方面来看，AI是一个毫无意义的类别。AI涵盖了从Netflix推荐算法到自主武器系统以及介于两者之间的一大堆东西，”彼得森国际经济研究所(Peterson Institute for International Economics)研究资本和技术控制的马永哲(Martin Chorzempa)说。 “这非常难以被定义。” 美国国家安全委员会(National Security Council)的发言人说，美国在这项行政命令上正在取得进展。几个月来，投资者和游说者一直期待该行政命令的公布。发言人说：“这是一个复杂的过程，我们希望确保我们把事情做对，而这需要一些时间。” 拜登政府此前对先进制程半导体的出口禁令，将是试图阻止AI公司获得开发最复杂模型所需算力的一种方式。该禁令已促使一些中国AI公司尝试在没有尖端芯片的情况下，继续开发高级AI。美国先前还禁止了出口用于地理空间图像自动化的AI技术。尽管如此，美国官员仍然担心，该国投资者可能会将宝贵的知识和专业技能转移给中国初创企业，让后者可以开发自己版本的先进技术，包括半导体。美国的风投公司通常会让所投资的公司获得在其他地方可能无法获得的行业知识和人脉。 “在中国，永远不会有不构成任何风险的投资，”安全和新兴技术中心(Center for Security and Emerging Technology)的研究员Weinstein称。“美国政府需要决定的是他们能承担多少风险，并在那里划定界限。”

圈内人2023-06-22

24小时热点