FX168财经网_全球视野外汇黄金加密货币NFT资讯网

加快建设交通强国将迎五年行动计划提出十大行动

安全生产等十大行动，目标到2027年，现代化综合交通运输体系建设取得重大进展，“全国123出行交通圈和“全球123快货物流圈”加速构建。安信证券认为，自去年5月起，基建投资累计增速持续环比提升，一定程度反映出前期政策落地后项目建设进度加快。近期经济托底和投资加码政策密集发布看好稳经济政策的力度和全年落地成效，基建托底预期强劲。叠加估值体系重建，传统基建及新基建均迎来发展机会。　　宏润建设（002062）专注于长三角市政轨交市场；　　华设集团（603018）国内唯一一家具备公、铁、水、空综合设计能力的工程设计咨询企业；　　浙江交科（002061）完成了对化工资产的剥离，基建工程主营业务更加突出；　　中国交建（601800）是全球领先特大型基础设施综合服务商，中国交通基建领先者；

金融界2023-02-22

【机构调研记录】中信证券调研唯赛勃、中粮科工等7只个股（附名单）

药CRO的先行者；公司已形成传统中药、现代中心和中药外用制剂三大研究团队，分别从事经典名方、中药复方、院内制剂开发；中药活性分成、活性组分、创新制剂的研发；以及中药透皮给药系统制剂（贴剂、气雾剂、软膏等）的创新药物研究；全资子公司杏林中医药主营中药临床、临床前业务，与南昌、南阳等多地政府开展合作，共建中药创新药产业园区，打造中药创新药一体化服务（CRO+CDMO+孵化器）平台；CRO服务提供商；业务包括临床前研究服务、临床研究服务、其他咨询服务以及CDMO服务，涵盖了药物研发与生产的各个阶段；子公司科技园是医药孵化器+CDMO平台。以上内容由证券之星根据公开信息整理，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2023-02-22

拜登强势表态：俄罗斯“永远不会”获胜！俄乌战争代价知多少：8000多名平民死亡、1400万人流离失所、俄GDP萎缩2.1%

顾问沙利文称这次访问是“历史性的”和“现代历史上前所未有的”。他说，克里姆林宫已经提前通知拜登将前往基辅。在基辅期间，美国总统宣布向乌克兰提供价值约5亿美元的新武器计划。五角大楼说，这些援助将直接来自其军火库，包括为高机动火炮火箭系统(HIMARS)提供额外弹药，以及标枪、战术车辆和反装甲火箭。最新的军事援助计划是自俄乌战争爆发以来美国对乌克兰的第32批此类援助，使美国承诺的军事援助达到近300亿美元。迄今为止，美国向乌克兰提供了最大份额的西方武器，并向北约成员国部署了数十万名美国军人以加强防御。此外，这个由30个成员国组成的组织一直警告俄罗斯总统普京，对一个北约成员国的攻击将被视为对所有成员国的攻击，从而触发该组织的基石第五条。自2002年以来，乌克兰一直在寻求加入这个世界上最强大的军事联盟。乌克兰与四个北约盟国接壤:波兰、斯洛伐克、匈牙利和罗马尼亚。拜登的讲话也发生在普京在俄罗斯议会联席会议上发表讲话的几个小时之后。他将俄罗斯入侵乌克兰引发的战争描述为一场对抗西方的战争。拜登在演讲中反驳了普京的声明，并直接向俄罗斯人民发表了讲话。拜登说:“今晚，我再次向俄罗斯人民讲话:美国和欧洲人民不寻求控制或摧毁俄罗斯。”“西方不打算攻击俄罗斯。数百万只想与邻国和平相处的俄罗斯公民并不是敌人。” 普京还宣布，俄罗斯将暂停参与《新削减战略武器条约》，这是俄美之间仅存的主要核协议。反人类罪行日益增多据联合国估计，自从俄罗斯全面入侵这个前苏联邻国以来，这场战争已经夺去了8000多名平民的生命，并导致近13300人受伤。 “我们的数据只是冰山一角，”联合国人权事务高级专员图尔克在周二发布的一份声明中说。 “平民的伤亡是无法承受的。在寒冷的冬季，由于电力和水的短缺，近1800万人迫切需要人道主义援助。大约有1400万人流离失所。” 图尔克说，大约90%的平民伤亡是由使用爆炸武器造成的，这些武器的影响范围很广。他补充说，实际数字可能要高得多，因为武装冲突可能会延迟死亡报告。拜登周二说:“暴行永远不会粉碎自由的意志，乌克兰永远不会是俄罗斯的胜利。从来没有。” 美国和国际组织还概述了对俄罗斯去年犯下战争罪的广泛指控。上周末，美国副总统哈里斯表示，美国认定俄罗斯军队在乌克兰犯下了“反人类罪”。哈里斯周六在慕尼黑安全会议上发表讲话说:“俄罗斯军队对平民进行了广泛和系统的攻击，采取了可怕的谋杀、酷刑、强奸和驱逐出境的行为。” “我们已经检查了证据。我们知道法律标准。这是毫无疑问的。这些都是反人类罪，”哈里斯说，并补充说，那些负有责任的人和那些同谋“将被追究责任”。拜登在周二的讲话中还指责俄罗斯普遍犯下反人类罪。拜登说:“从任何意义上说，今年都是不平凡的一年。来自俄罗斯军队和雇佣军的异常残暴。他们犯下了不道德的罪行，犯下了反人类的罪行，毫无羞耻和内疚。他们以平民为目标，造成死亡和破坏。用强奸作为战争武器。偷走了乌克兰儿童，试图封锁乌克兰的未来。” 本月早些时候，乌克兰总检察长科斯廷表示，自莫斯科近一年前入侵乌克兰以来，地方当局已记录在案的俄罗斯战争罪行超过6.5万起。科斯廷说，他的团队还记录了超过1.4万名乌克兰儿童被迫在俄罗斯被收养。科斯廷在华盛顿乔治城法学院对听众说:“这是一项旨在通过切断乌克兰身份来改变人口结构的直接政策。” “这些行为是种族灭绝罪的特征，”他补充说。俄罗斯一再否认其军队犯下战争罪或在袭击中故意针对平民。去年，拜登政府表示，他们怀疑有90万至160万乌克兰公民被拘留，并被驱逐出境，其中包括26万名儿童。当时，美国国务卿安布林肯表示，俄罗斯的行为可能违反国际人道主义协议，构成战争罪。拜登周二说:“没有人，没有人能对俄罗斯对乌克兰人民犯下的暴行视而不见。”“这是不合常理的。这是不合常理的。” 1949年的《日内瓦公约》规定了战时人道主义待遇的国际法律标准和保护措施，并明确禁止大规模强制转移平民。俄罗斯2022年GDP萎缩2.1% 降幅低于预期俄罗斯联邦统计局周一表示，尽管俄罗斯去年2月入侵乌克兰，并受到欧洲国家和美国的制裁，但该国经济去年仅收缩了2.1%，降幅低于预期。俄罗斯联邦统计局对2022年国内生产总值(GDP)的首次估计，比冲突开始后不久做出的预测有了显著改善。2021年，该国经济同比增长5.6%。俄罗斯经济部曾一度预测，去年的经济收缩幅度将超过12%，超过苏联解体后和1998年金融危机期间的产出降幅。 2022年4月，世界银行预测该国GDP将收缩11.2%。世界银行在一份声明中说，“由于入侵乌克兰，俄罗斯面临有史以来对一个国家实施的最大规模的协调经济制裁。” “俄罗斯经济将受到严重打击，2022年将出现严重衰退。预计国内生产总值将收缩11.2%，在接下来的两年里几乎没有复苏。” 在乌克兰冲突开始之前，俄罗斯政府曾预计2022年GDP增长3%。 2022年，制造业、批发和零售业的产出下降，而农业、酒店业、建筑业和采矿业都录得增长。统计局表示，公共管理和“军事安全”在2022年增长4.1%，2021年增长3.3%。今年1月，俄罗斯总统普京赞扬了国防部门对经济的支持。分析人士说，增加的军事开支正在抚平该国工业生产的下降。净出口从9.3%增长到12.8%，“因为出口燃料和能源产品的价格明显高于进口”。尽管西方国家因乌克兰冲突对俄罗斯实施了连续几轮制裁，但俄罗斯经常账户盈余在2022年创下历史新高，原因是俄罗斯进口下降，石油和天然气出口强劲，使得外国资金源源不断地流入俄罗斯。今年1月，俄罗斯的贸易顺差同比萎缩58.2%，至80亿美元，在莫斯科加大预算支出之际挤压了俄罗斯的资本缓冲。该国央行周一估计，2022年的经济收缩幅度为2.5%。对2023年的预测各不相同。俄罗斯政府预计经济将下降0.8%，而国际货币基金组织(IMF)认为，由于大宗商品出口证明具有弹性，经济可能增长0.3%。

市场焦点2023-02-22

全球最大四天工作制试验 61家公司近3000人参与结果如何？

究长期以来发现，每周五天工作制不再适合现代员工的生活方式和承诺，“这些组织做得很好，他们对此非常满意。” 　　英国这次试验的结果地证实了此前在美国、爱尔兰和澳大利亚的公司进行的小规模试验的结果，这些试验的结果于去年12月公布。这项研究显示，公司收入和员工生产率都得到了同等程度的提高，缺勤率和人员流动率也有所下降。这些试验的规模较小，参与公司的数量只有英国试验的大约一半，员工数量只有英国试验的三分之一。　　肖尔说：“我们基本上得到了非常相似的结果，“差异微不足道——真的不值得讨论。” 　　英国的试验结果是由新西兰非营利倡导组织“4-Day Week Global”协调的一系列试验中发布的第二个主要数据。在每次迭代中，研究人员都会调整他们的数据收集，并开始跟踪更轻松的时间表的长期影响。　　参与试验的员工喜欢他们的发现。在新的工作时间表下，员工们报告说，从压力、疲劳、健康到个人生活，一切都有所改善。在2900名参与者中，没有人说他们想放弃四天工作制，15％的人甚至说，再多的钱也不能让他们回到五天工作制。　　参与试验的公司大多数采用了四天工作制，但也有一小部分公司选择更短的五天工作安排，或者在餐馆等季节性企业，采用年化四天工作制，在这种模式下，夏季较长的营业时间将弥补冬季较短的营业时间。　　需要指出的是，虽然这些研究设计得很好，涵盖了许多行业的组织，但也有一些缺点，包括参与组织的规模偏小，而且试验不是随机的：参与的企业都是主动选择参与，并在培训和规划上投入了大量精力——这意味着这些企业领导者原本就倾向于支持更短的工作时间。　　此外，最近的证据显示，英国有很多人实际上希望工作更长时间。人力资源专业人士组织英国特许人事与发展协会（Chartered Institute of Personnel and Development。CIPD）表示，许多人将这视为在生活成本危机中提高收入的生命线。　　CIPD高级劳动力市场经济学家乔恩·博伊斯（Jon Boys）表示：“这项试验的目的是从各种各样的公司收集证据，挑战四天工作制不可能实现的观点。但最大的风险在于，减少20％的工作时间需要提高25％的生产率才能保持产出稳定。” 　　周二公布的英国最新调查结果有助于为四天工作制提供商业理由。参与试验的企业的收入较上年同期增长了35％，在试验期间增长了1.4％。尽管跨公司衡量工作效率很困难，但这些企业认为四天工作制的影响是积极的，平均为7.5分（满分10分）。员工缺勤天数从每月2天下降到0.7天，而员工流动率下降了一半以上，尽管样本小和更广泛的劳动力市场动态使得很难孤立试验效应。参与的公司给整体体验打了8.3分（满分10分）。　　环境咨询公司Tyler Grange参与了英国的这次试验，并在试验结束后决定为其约100名员工永久采用四天工作制。该公司表示，更短的工作制使工作效率提高了五分之一以上，每月因病假损失的天数减少了约18天。员工们还表示，每周在家里多待一天有助于减少育儿和通勤成本。

金融界2023-02-22

交通运输部召开部务会审议加快建设交通强国五年行动计划

性成果，交通运输高质量发展取得新突破，现代化综合交通运输体系建设取得重大进展，“全国123出行交通圈”和“全球123快货物流圈”加速构建，有效服务保障全面建设社会主义现代化国家开局起步。

金融界2023-02-21

优蓝国际，中国最大的蓝领终身服务集团，即将开启成长加速度

全面性与可持续性得到重视。但在多层次的现代职业教育体系中，作为下沉需求的蓝领人才职业教育以及服务市场往往被忽略——尽管蓝领人口基数无比庞大，是白领和金领人口总和的两倍。为满足蓝领人才职业教育的市场需求，推动职业教育的发展。优蓝国际凭借其前瞻性眼光，自2014年起深耕蓝领人才市场，成为中国领先的蓝领终身服务平台，为学生、蓝领人才及企业客户提供蓝领终身服务，包括职业教育服务、人才招聘服务、雇员管理服务及市场服务，以帮助蓝领人才提升自身技能和实现终身职业发展。根据灼识咨询，2021年，中国蓝领终身服务行业的市场规模已突破万亿元人民币，预计2021年至2026年五年间，市场规模以13.3%的复合年增长率增长至22,245亿元，意味着这是一个大象起舞、即将翻一倍的万亿赛道！其中，灼识咨询预计蓝领人才招聘服务市场将于2026年突破2600亿元，相较于2021年增长将近两倍。在时代性的黄金机遇之中，优蓝国际作为领军玩家很有可能首先受益。根据灼识咨询的资料，按2021年蓝领终身服务产生的收入计，优蓝国际已经是中国最大的蓝领终身服务平台，是蓝领赛道的首选标的。优蓝国际有望开启成长加速度对于职业教育赛道，市场往往有误读，认为当中同质化十分严重。但事实上，并非所有公司的发展思路都是雷同的。比如优蓝国际具备非常鲜明的特点，构成了差异化的竞争优势：公司以职业教育为支点建立底层核心竞争力，并在此基础上打造蓝领人才招聘、雇员管理服务、市场服务业务板块，以形成蓝领人才生命周期一站式服务。公司的第一步，选择以职业教育为抓手，把握了蓝领人才的“入口端”。顺应时代发展潮流，优蓝国际在数字化建设方面不断加码，当前先进的IT和数字化能力是公司的核心竞争优势之一。公司将数字化科技应用于教学和学校管理，旨在进一步推动职业教育管理服务向“SaaS+教育内容+老师+服务”模式的转变。优蓝国际推出的自主开发的线上招聘平台--优蓝招聘，整合线上线下资源，同时涵盖APP、微信、WEB等线上使用场景，以及线下服务交付点、招聘会、校园等线下使用场景，利用大数据分析，实现蓝领人才和职位空缺的精准匹配，提供集信息、服务、数据于一体的深度垂直招聘服务。通过OMO体系，优蓝国际可以为企业客户提供涵盖人才招聘、入离职管理、考勤管理及福利管理的一站式人才交付服务，并为蓝领人才带来众多就业机会和全国性线下服务交付点的便利，进一步打通职业教育“出口端”与“入口端”的双循环。目前，公司已经是中国第三大蓝领OMO招聘服务提供商，并已与中国500强企业中的超过120家企业建立了合作关系，是蓝领人才服务赛道的中坚力量。长期来看，政策东风与行业需求共振，优蓝国际有望迈入成长新起点。若本次成功上市，优蓝国际的实力有望获得再增强，进一步开启成长加速度。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-21

中共中央政治局召开会议决定召开二十届二中全会

发展合力。要着力扩大国内需求，加快建设现代化产业体系，切实落实“两个毫不动摇”，更大力度吸引和利用外资，有效防范化解重大经济金融风险，稳定粮食生产和推进乡村振兴，推动发展方式绿色转型，保障基本民生和发展社会事业，努力完成今年经济社会发展目标任务。要加强政府自身建设，大兴调查研究之风。

金融界2023-02-21

《经济学人》头版思辨通胀：中国是“美联储继续加息”的幕后推手！

难。然而，高利率更有可能损害经济。在现代，中央银行在实现“软着陆”方面表现不佳，在软着陆中，它们完成了一个加息周期而没有随之而来的经济衰退。历史上有很多这样的例子，即投资者错误地预期在一轮货币紧缩即将结束时会出现强劲增长，结果却导致经济低迷。即使在通货膨胀率低于今天的情况下也是如此。如果美国是唯一一个陷入衰退的经济体，世界其他大部分地区仍将受到拖累，尤其是在避险情绪令美元走强的情况下。面对顽固的通胀问题，中央银行也有可能没有胃口容忍经济衰退。相反，他们可能会允许通胀略高于他们的目标。在短期内，这将带来经济糖热。从长远来看，它也可能带来好处：最终利率会因更高的通胀而稳定下来，使利率远离零并在下一次经济衰退期间为央行提供更多货币弹药。为此，许多经济学家认为理想的通胀目标在2%以上。然而，在不造成破坏的情况下管理这样的政权更迭对中央银行来说将是一项艰巨的任务。他们在过去的一年里一直在强调他们对当前目标的承诺，这些目标通常是由立法者设定的。放弃一种制度并建立另一种制度将是千载难逢的决策挑战。果断是关键；在1970年代，货币政策目标不明确导致经济剧烈波动，伤害了公众和投资者。中国是“美联储继续加息”的幕后推手 ZeroHedge文章评论称：“我尊敬的许多经济思想家都在呼吁通货膨胀达到顶峰，并且利率增长已经达到顶峰。随着油价从每桶120美元跌至今天的77美元，这将是通胀压力减轻的有力迹象。” 对于“顶峰通胀主义者”来说，最重要的是本周《经济学人》的头版，警告通胀将比人们想象的更难控制。《经济学人》作为一名“反对者”有着悠久而辉煌的职业生涯，反对者是指市场预测总是错误的人。峰值通胀主义者甚至受益于金融市场与他们达成一致，美国2年期与10年期收益率曲线倒挂，反转确实是市场表达，他们不相信中央银行会进一步提高利率的方式。 (来源:ZeroHedge) 那《经济学人》又错了吗？看看美国CPI YoY，它已经见顶并开始下降，随着债券市场的倒挂，它确实像《经济学人》的主要作者已经证明了，为什么他们是作家而不是对冲基金经理。 (来源:ZeroHedge) “但是，最近在进行财务分析时，我认为政治比经济学更重要。从这个角度来看，我认为中央银行，尤其是美联储在食品通胀得到控制之前不会变得温和。” “食品价格上涨是政治炸药。” “那么让我们从食品通胀的角度来看美国最新的CPI数据。与去年同期相比，它仍然以10%的速度增长，尽管它正在放缓一点，但与一年前相比，它仍然以10%的速度增长。” (来源:ZeroHedge) 文章指出，真正喜欢食品通胀的地方在于它具有普遍性且易于理解。对大多数人来说，价格高出30%的柏金包或沛纳海并不是通货膨胀。但是面包和肉的价格呢？这对每个人都很重要。美国CPI数据的真正优点在于，它将白面包和肉类CPI细分回二战前。白面包CPI同比涨幅仍接近20%，而肉类CPI同比涨幅回到2%。 (来源:ZeroHedge) 对于CPI计算，食品CPI的总重量为13.5%，其中面包的重量为0.2%，肉类的重量为1%。这意味着飙升的面包价格对美联储和其他西方中央银行来说真的不那么重要。但飙升的面包价格对政治家来说非常重要，当然比上面给出的CPI权重更重要。 “对我来说，问题归结为肉类指数是否正确，或者面包指数是否正确。或者换句话说，面包价格会回落，还是肉类价格会飙升？自由市场资本主义最好的事情之一就是激励措施是透明的。对于美国养猪户来说，目前没有动力养猪。相对于玉米的生猪价格接近40年来的最低点，这意味着生猪价格无法弥补饲料，主要是玉米的成本。” (来源:ZeroHedge) 由于养猪户不再愿意养猪，因此必然会发生以下两种情况之一，玉米价格必须下跌，否则生猪价格将上涨。当我们观察玉米市场时，我们看到中国已成为美国玉米的主要买家。 (来源:ZeroHedge) 中国对玉米进口征收关税，这意味着中国玉米价格远高于美国价格。 (来源:ZeroHedge) 换句话说，地缘政治导致中国食品价格居高不下，现在它又将食品出口回世界其他地区。正如市场在新冠疫情上看到的那样，中国有可能改变政策，但粮食生产自给自足似乎是中国的一项关键政策。 “随着中国经济活动的回升，我的猜测是全球玉米价格将保持高位，这意味着饲料价格将保持高位，肉类通胀将赶上面包通胀。” “在我看来，食品通胀仍在持续，因此美联储将继续加息。”

秉哥说市 1评论2023-02-21

OpenAI与AIGC：改变人类生产范式通往“万物的摩尔定律”

的争议，并不妨碍摄影技术革新并，成为了现代艺术的有机组成部分。因此本文不对此问题做太多探讨，而是旨在对生成式 AI 发展与突破的历史进行复盘，并梳理生成式 AI 会在自然语言、代码、图片、视频、3D 模型等领域带来什么样的下游应用。回顾历史，人类艺术的发展速度是对数式的，而技术的进步速度是指数式的。生成式 AI 学习了人类艺术对数进化史上的海量画作，实现了创作质量上的指数式进步，并在生产效率上实现了”弯道超车“。模型生成的作品便是今天热议的AIGC (AI Generated Content)。而本文聚焦的公司 OpenAI ，在这场生成式 AI 的突破中起到了关键性的作用，通过堆叠海量算力的大模型（Foundation Model）使 AIGC 进化。在 2022 年上半年，OpenAI 旗下三个大模型 GPT-3、GitHub Copilot 和 DALL·E2 的注册人数均突破了 100 万人，其中 GPT-3 花了 2 年，GitHub Copilot 花了半年，而 DALL·E2 只用了2个半月达到了这一里程碑，足见这一领域热度的提升。研究型企业引领的大模型发展，也给了下游应用领域很大的想象空间，语言生成领域已经在文案生成、新闻撰写、代码生成等领域诞生了多家百万级用户、千万级美金收入的公司。而最出圈的图片生成领域两大产品 MidJourney 和 Stable Diffusion 都已经有相当大的用户群体，微软也已经布局在设计软件中为视觉设计师提供 AIGC 内容，作为设计灵感和素材的来源。同时 3D 和视频生成领域的大模型也在飞速突破的过程中，未来很可能会在游戏原画、影视特效、文物修复等领域发挥作用。从神经网络的角度看，当前的大模型 GPT-3 有 1750 亿参数，人类大脑有约 100 万亿神经元，约 100 个神经元会组成一个皮质柱，类似于一个小的黑盒神经网络模块，数量级上的差异决定了算力进步可以发展的空间还很大。与此同时，今天训练 1750 亿参数的 GPT-3 的成本大概在 450 万美元左右，根据成本每年降低约 60% 的水平，供大模型提升计算复杂度的空间还很多。 OpenAI CEO、YC 前主席 Sam Altman 的图景中，AI 大模型发展的最终目标是 AGI（通用人工智能，Artificial General Intelligence），当这一目标实现的时候，人类经济社会将实现”万物的摩尔定律“，即万物的智能成本无限降低，人类的生产力与创造力得到解放。归纳并演绎生成式 AI 是什么 AI 模型大致可以分为两类：决策式 AI 与生成式 AI。根据机器学习教科书，决策式模型 (Discriminant Model)学习数据中的条件概率分布；生成式模型 (Generative Model)学习数据中的联合概率分布，两者的区别在于擅长解决问题的方式不同：决策式 AI 擅长的是基于历史预估当下，有两大类主要的模型应用，一类是辅助决策，常用在推荐系统和风控系统中；第二类是决策智能体，常用于自动驾驶和机器人领域。生成式 AI 擅长的是归纳后演绎创造，基于历史进行缝合式创作、模仿式创新——成为创作者飞船的大副。所谓 AIGC（AI Generated Content），便是使用生成式AI主导/辅助创作的艺术作品。不过在10年代的机器学习教科书中，早已就有了这两类AI。为何 AIGC 在20年代初有了显著突破呢？答案是大模型的突破。 The Bitter Lesson大模型助 AIGC 进化时间倒回到 19 年 3 月，强化学习之父 Richard Sutton 发布了名为 The Bitter Lesson（苦涩的教训）的博客，其中提到：”短期内要使AI能力有所进步，研究者应寻求在模型中利用人类先验知识；但之于AI的发展，唯一的关键点是对算力资源的充分利用。“ Seeking an improvement that makes a difference in the shorter term, researchers seek to leverage their human knowledge of the domain, but the only thing that matters in the long run is the leveraging of computation. 该文章在当时被不少 AI 研究者视为对自己工作的否定，极力辩护。但如果拉长时间线回看，会发现这位泰斗所言不虚：机器学习模型可以从参数量级上分为两类：统计学习模型，如 SVM（支持向量机）、决策树等数学理论完备，算力运用克制的模型；和深度学习模型，以多层神经网络的深度堆叠为结构，来达到高维度暴力逼近似然解的效果，理论上不优雅但能高效的运用算力进行并行计算。神经网络模型在上世纪 90 年代出现，但在 2010 年前，统计学习模型仍是主流；后来得益于 GPU 算力的高速进步，基于神经网络的深度学习模型逐渐成为主流。深度学习充分利用了 GPU 擅长并行计算的能力，基于庞大的数据集、复杂的参数结构一次次实现出惊人的效果，刷新预期。大模型便是深度学习模型参数量达到一定量级，只有大型科技公司才能部署的深度学习模型。 2019年，OpenAI 从非营利组织变为营利性公司，接受微软 10 亿美金注资。这一合作奠定了他们有更多算力资源，并能依仗微软的云基础建设随时将大模型（Foundation Model）发布为商用 api。与此同时，还有第三件事值得关注，大模型 AI 的研究方向出现了转变，从智能决策式 AI 转变为内容生成式 AI：原本主要大模型集中于游戏的智能决策体，如 DeepMind 开发的打败围棋冠军的 AlphaGo、OpenAI 开发的打败 Dota 职业选手的 OpenAI Five。 Transformer 模型（后文将详细介绍）的发布让 OpenAI 嗅到了更适合他们的机会——预训练语言模型。在那之后，他们开始在 AIGC 的方向上开枝散叶：沿着 2018 年时低调发布的 GPT 模型轨迹发布了一系列模型族，一次次刷新文本生成大模型的效果，印证 Sutton 提出的宗旨：充分运用海量算力让模型自由的进行探索和学习。 OpenAI的大模型发展之路 2019年2月：GPT-2 初版发布，1.2 亿参数量 2019年3月：OpenAI LP 成立 2019年7月：微软注资 10 亿美金 2019年11月：GPT-2 最终版发布，15 亿参数量，宣布暂时不开放使用为避免假信息伪造 2020年6月：GPT-3 发布，1750 亿参数量，后续开放 OpenAI API 作为商用 2021年1月：DALL·E 与 CLIP 发布 2021年10月：OpenAI Codex 发布，为 GPT-3 为 coding 场景的特化模型、Github Copilot 的上游模型 2022年4月：DALL·E2 发布 1、GPT-3，AI文本生成巅峰之作深度学习兴起于计算机视觉领域的应用，而大模型的发展开始于 NLP 领域。在数据、算力充分发展的过程中，Transformer 模型以 attention 机制高度并行化的结构充分利用算力，成为 NLP 领域预训练模型的标杆。著名的独角兽 Hugging Face 也是从对该模型的复现和开源起家。除了 attention 机制的高效之外，它还有两个重要特点：迁移学习(transfer learning)和自监督学习(self-supervised learning)。顾名思义，迁移学习指在一个极庞大的数据集上充分学习历史上的各类文本，把经验迁移到其他文本上。算法工程师会将第一步训练完成的模型存储下来，称为预训练模型。需要执行具体任务时，基于预训练版本，进行定制化微调(fine-tune)、或展示少许范例(few-shot/zero-shot)。而自监督学习，得从机器学习中的监督学习讲起。前面提到若需要学习一匹马是否在奔跑，需要有一个完整标注好的大数据集。自监督学习不需要，当 AI 拿到一个语料库，可以通过遮住一句话中的某个单词、遮住某句话的下一句话的方式，来模拟一个标注数据集，帮模型理解每个词的上下文语境，找到长文本之间的关联。该方案大幅提高了对数据集的使用效率。谷歌发布的 BERT 是 Transformer 时代的先驱，OpenAI 发布的 GPT-2 以相似的结构、更胜一筹的算力后来居上。直到2020年6月，OpenAI 发布了 GPT-3，成为该模型族，甚至整个文本生成领域的标杆。 GPT-3 的成功在于量变产生质变：参数比 GPT-2 多了两个数量级（1750亿vs 15亿个参数），它用的最大数据集在处理前容量达到 45TB。如此巨大的模型量级，效果也是史无前例的。给 GPT-3 输入新闻标题”联合卫理公会同意这一历史性分裂“和副标题”反对同性恋婚姻的人将创建自己的教派“，生成了一则以假乱真的新闻，评估人员判断出其为AI生成的准确率仅为 12%。以下是这则新闻的节选：据《华盛顿邮报》报道，经过两天的激烈辩论，联合卫理公会同意了一次历史性的分裂：要么创立新教派，要么”保持神学和社会意义上的保守“。大部分参加五月教会年度会议的代表投票赞成进一步禁止 LGBTQ 神职人员的任命，并制定新的规则”规范“主持同性婚礼的神职人员。但是反对这些措施的人有一个新计划：于2020 年组成一个新教派”基督教卫理公会“。要达到上述效果，成本不容小觑：从公开数据看，训练一个 BERT 模型租用云算力要花约 1.2 万美元，训练 GPT-2 每小时要花费 256 美元，但 OpenAI 并未公布总计时间成本。考虑到 GPT-3 需要的算力是 BERT 的 2000 多倍，预估发布当时的训练成本肯定是千万美元级别，以至于研究者在论文第九页说：我们发现了一个 bug，但没钱再去重新训练模型，就先这么算了吧。 2、背后DALL·E 2，从文本到图片 GPT-3杀青后，OpenAI 把大模型的思路迁移到了图片多模态（multimodal）生成领域，从文本到图片主要有两步：多模态匹配：将 AI 对文本的理解迁移至对图片的理解；图片生成：生成出最符合要求的高质量图片。对于多模态学习模块，OpenAI 在 2021 年推出了 CLIP 模型，该模型以人类的方式浏览图像并总结为文本内容，也可以转置为浏览文本并总结为图像内容（DALL·E 2中的使用方式）。 CLIP (Contrastive Language-Image Pre-Training) 最初的核心思想比较简单：在一个图像-文本对数据集上训练一个比对模型，对来自同一样本对的图像和文本产生高相似性得分，而对不匹配的文本和图像产生低相似性分（用当前图像和训练集中的其他对的文本构成不匹配的样本对）。对于内容生成模块，前面探讨了文本领域：10 年代末 NLP 领域生成模型的发展，是 GPT-3 暴力出奇迹的温床。而计算机视觉 CV 领域 10 年代最重要的生成模型是 2014 年发布的生成对抗网络（GAN），红极一时的 DeepFake 便是基于这个模型。GAN的全称是 Generative Adversarial Networks——生成对抗网络，显然”对抗“是其核心精神。注：受博弈论启发，GAN 在训练一个子模型A的同时，训练另一个子模型B来判断它的同僚A生成的是真实图像还是伪造图像，两者在一个极小极大的博弈中不断变强。当A生成足以”骗“过B的图像时，模型认为它比较好地拟合出了真实图像的数据分布，进而用于生成逼真的图像。当然，GAN方法也存在一个问题，博弈均衡点的不稳定性加上深度学习的黑盒特性使其生成。不过 OpenAI 大模型生成图片使用的已不是 GAN 了，而是扩散模型。2021年，生成扩散模型（Diffusion Model）在学界开始受到关注，成为图片生成领域新贵。它在发表之初其实并没有收到太多的关注，主要有两点原因：其一灵感来自于热力学领域，理解成本稍高；其二计算成本更高，对于大多高校学术实验室的显卡配置而言，训练时间比 GAN 更长更难接受。该模型借鉴了热力学中扩散过程的条件概率传递方式，通过主动增加图片中的噪音破坏训练数据，然后模型反复训练找出如何逆转这种噪音过程恢复原始图像，训练完成后。扩散模型就可以应用去噪方法从随机输入中合成新颖的”干净“数据。该方法的生成效果和图片分辨率上都有显著提升。不过，算力正是大模型研发公司的强项，很快扩散模型就在大公司的调试下成为生成模型新标杆，当前最先进的两个文本生成图像模型——OpenAI 的 DALL·E 2 和 Google 的 Imagen，都基于扩散模型。DALL·E 2 生成的图像分辨率达到了 1024 × 1024 像素。例如下图”生成一幅莫奈风格的日出时坐在田野里的狐狸的图像“：除了图像生成质量高，DALL·E 2 最引以为傲的是 inpainting 功能：基于文本引导进行图像编辑，在考虑阴影、反射和纹理的同时添加和删除元素，其随机性很适合为画师基于现有画作提供创作的灵感。比如下图中加入一只符合该油画风格的柯基： DALL·E 2 发布才五个月，尚没有 OpenAI 的商业化api开放，但有 Stable Diffusion、MidJourney 等下游公司进行了复现乃至商业化，将在后文应用部分介绍。 3、OpenAI的使命——开拓通往 AGI 之路 AIGC 大模型取得突破，OpenAI 只开放了api和模型思路供大家借鉴和使用，没去做下游使用场景的商业产品，是为什么呢？因为 OpenAI 的目标从来不是商业产品，而是通用人工智能 AGI。 OpenAI 的创始人 Sam Altman 是 YC 前总裁，投出过 Airbnb、Stripe、Reddit 等明星独角兽（另一位创始人 Elon Musk 在 18 年因为特斯拉与 OpenAI ”利益相关“离开）。他在 21 年发布过一篇著名的博客《万物的摩尔定律》，其中提到 OpenAI，乃至整个 AI 行业的使命是通过实现 AGI 来降低所有人经济生活中的智能成本。这里所谓 AGI，指的是能完成平均水准人类各类任务的智能体。因此，OpenAI 始终保持着学术型企业的姿态处于行业上游，成为学界与业界的桥梁。当学界涌现出最新的 state-of-art 模型，他们能抓住机会通过海量算力和数据集的堆叠扩大模型的规模，达到模型意义上的规模经济。在此之后克制地开放商业化 api，一方面是为了打平能源成本，更主要是通过数据飞轮效应带来的模型进化收益：积累更富裕的数据优化迭代下一代大模型，在通往 AGI 的路上走得更坚实。定位相似的另一家公司是 Deepmind——2010年成立，2014 年被谷歌收购。同样背靠科技巨头，也同样从强化学习智能决策领域起家，麾下的 AlphaGo 名声在外，Elon Musk 和 Sam Altman 刚开始组局创办 OpenAI，首要的研究领域就是步 AlphaGo 后尘的游戏决策 AI。不过 19 年后，两者的研究重心出现了分叉。DeepMind 转向使用 AI 解决基础科学如生物、数学等问题：AlphaFold 在预测蛋白质结构上取得了突破性的进展，另一个 AI 模型 AlphaTensor 自己探索出了一个 50 年悬而未决的数学问题：找到两个矩阵相乘的最快方法，两个研究都登上了 Nature 杂志的封面。而 OpenAI 则转向了日常应用的内容生成 AIGC 领域。 AIGC大模型是通往 AGI 路上极为重要、也有些出乎意料的一站。其重要性体现在 AI 对人类传达信息的载体有了更好的学习，在此基础上各个媒介之间的互通成为可能。例如从自然语言生成编程语言，可以产生新的人机交互方式；从自然语言生成图片和视频，可以革新内容行业的生产范式。意外性则是，最先可能被替代的不是蓝领，而是创作者，DeepMind 甚至在协助科学家一起探索科研的边界。 OpenAI 的模式也给了下游创业者更多空间。可以类比当年预训练语言模型发展初期，Hugging Face把握机会成为大模型下游的模型开源平台，补足了模型规模膨胀下机器学习民主化的市场空间。而对 AIGC 模型，未来会有一类基于大模型的创业公司，把预训练完成的 AIGC 模型针对每个子领域进行调优。不只需要模型参数优化，更要基于行业落地场景、产品交互方式、后续服务等，帮助某个行业真正用上大模型。正如 AI 的 bitter lesson 一样矛盾，投资者需要短期投资回报率、研究者需要短期投稿成功率，尽管OpenAI 走在通往 AGI 正确的路上，这条路道阻且长，短期很难看到极大的突破。而 Sam Altman 展望的大模型应用层公司很有可能有更高的高投资回报，让我们来介绍下主要的分类与创业者。百家争鸣的 AIGC 大模型应用层对应 OpenAI 大模型发布的顺序，模型应用层相对最成熟的是文本生成领域，其次是图片生成领域，其他领域由于还未出现统治级的大模型相对落后。文本领域天然应用场景丰富，且 GPT-3 开放 api 很久，细分赛道很多。大致可以根据生成内容不同分为两类：机器编程语言生成、人类自然语言生成。前者主要有代码和软件行为的生成等，后者主要有新闻撰写、文案创作、聊天机器人等。而图片领域当前还专注于图片自身内容的生成，预期随着未来3D、视频相关内容生成能力的增强，会有更多结合不同业务场景如游戏、影视这样细分领域的创业公司。以下是海外各子领域创业公司的梳理，接下来将针对几个领域的重要公司进行介绍。 1、编程语言文本领域最成熟的应用暂时不在人类自然语言，而是在代码等机器语言的生成领域。因为机器语言相对更结构化，易学习；比如鲜有长文本的上下文关系、基于语境的不同含义等情况。（1）代码生成：Github Copilot 代表公司是微软出品的 Github Copilot，编程中的副驾驶。该产品基于 OpenAI 专门用 GPT-3 为编程场景定制的AI模型 Codex。使用者文字输入代码逻辑，它能快速理解，根据海量开源代码生成造好的轮子供开发者使用。提高一家科技公司 10% 的 coding 效率能带来很大收益，微软内部已进行推广使用。相比低代码工具，Copilot 的目标群体是代码工作者。未来的低代码可能是两者结合：低代码 UI 界面实现代码框架搭建，代码子模块通过 Copilot 自动生成。正如 Copilot 的 slogan：Don’t fly solo，没有 Copilot 的帮助 coder 的工作会变得繁冗，没有 coder 的指引 Copilot 生成的内容可能会出现纰漏。也有用户报告了一些侵犯代码版权、或代码泄露的案例，当前技术进步快于版权法规产生了一定的空白。（2）软件行为生成：Adept.ai Adept.ai 是一家明星创业公司。创始团队中有两人是Transformer 模型论文作者，CEO 是谷歌大脑中大模型的技术负责人，已经获得 Greylock 等公司 6500 万美元的 A 轮融资。他们的主要产品是大模型 ACT-1，让算法理解人类语言并使机器自动执行任务。目前产品形态是个 chrome 插件，用户输入一句话，能实现单击、输入、滚动屏幕行文。在展示 demo中，一位客服让浏览器中自动记录下与某位顾客的电话，正在考虑买 100 个产品。这个任务需要点击 10 次以上，但通过 ACT-1 一句话就能完成。软件行为生成颠覆的是当下的人机交互形式，使用文字或语音的自然语言形式来代替当下人与机器的图形交互模式（GUI）。大模型成熟后，人们使用搜索引擎、生产力工具的方式都将变得截然不同。 2、自然语言自然语言下还有多个应用型文本生成领域值得关注：新闻撰写、文案创作、对话机器人等。（1）新闻撰写最著名的是 Automated Inights。他们的结构化数据新闻撰写工具叫做 wordsmith，通过输入相应数据和优先级排序，能产出一篇基于数据的新闻报道。该工具已在为美联社每季度自动化产出 300 余篇财报相关报道，在雅虎体育新闻中也已经崭露头角。据分析师评价，由 AI 完成的新闻初稿已接近人类记者在 30 分钟内完成的报道水准。 Narrative Science是另一家新闻撰写生成公司，其创始人甚至曾预测，到 2030 年，90%以上的新闻将由机器人完成。（2）文案创作该领域竞争较为激烈，有copy.ai、Jasper、copysmith 等公司。他们基于 GPT-3 的能力加入了文案领域的人工模板与结构，为商家和个人创作者提供了快速为自己的商品、内容进行宣传的能力。以copysmith 为例：（3）对话机器人前面提到的 Adept.ai 由Transformer 模型的一作和三作联合创立；而二作也创业了，他创办的 Character.ai 是当前对话机器人中使用效果最逼真的。该对话机器人可以自定义或使用模板来定义角色的家庭、职业、年龄等，在此基础上保持一贯的设定和符合设定的对话风格。经常能体现出一定的共情对话能力带给人惊喜，并且支持多语言互通。比如他们有已训练好的马斯克等名人和一些动漫角色，与他们对话会有很棒的代入感。而商业化的对话机器人，在客服、销售等行业有巨大的市场空间，但如今还为成熟。主要出现的问题有二：其一，客服、销售行业遇到的客户往往情绪状态不稳定，AI 难以对情绪进行适应并调整对话内容；其二，AI 的多轮对话能力较弱，无法保证持续有效的跟进问题。（4）创作性文本 AI 对于长文本创作有一定困难，难以保持1000字以上的文本创作后仍能进行上下文的联系。但基于短文本创作仍有一些有趣的应用，例如基于GPT-3的 AI Dungeon，可以引导 AI 创造一个虚拟游戏世界观。该领域进一步的成长需要期待未来 3-5 年，有成熟的能产出千字内容的 AI 出现。 3、多模态图片 DALL·E2 是极具突破性的 AIGC 大模型，但距离丰富生产力和创造力的成熟产品还有差距。因此有研究者顺着 DALL·E 和 CLIP 的思路开发了开源版本的扩散模型，就像当年的 Hugging Face 那样，并将其根据创作者社区的反馈转变为更成熟易用的商业产品。接下来就介绍几个主要出圈的模型：（1）Disco Diffusion 最早出圈的 AI 绘图工具是开源模型Disco Diffusion。发布时间比 DALL·E 2 稍晚，同样也是 CLIP + Diffusion Model 的结构，生成效果让许多插画师担心起了失业。尽管很多插画师和 AI 工具爱好者的推荐都认可了该工具的易用性和生成效果的出众，但其生成时间略长有待优化，可以认为是大家对图片生成大模型的初体验。（2）MidJourney 该模型发布后不久，Disco Diffusion 的开发者 Somnai 加入了 MidJourney，和团队一起打造了一款产品化的 Disco Diffusion。 Midjourney 的创始人 David Holz 并不是以CV（计算机视觉）研究为主，更关注人机交互。产品公测和主要交流平台都基于Discord，使用 Discord Bot 进行交互，打造了相当良好的社区讨论环境。使用中印象深刻的有几个重要功能：MidJourney 画廊中可以看到每时每刻创作者们用 MJ 创作出的作品，用户可以对作品进行打分，每周排名靠前的作品将得到额外的 fast GPU 时间奖励。同时，MJ官方还为用户贴心的提供了引导语 prompt 集合和 AI 擅长的风格指南，指导用户如何最高效的生成出他们想要的图片。基于良好的产品和社区体验，MidJourney 的付费用户量也是目前最大的。目前收费模式采用了订阅制，个人用户有两个档位，每月最多 200 张图片（超额另收费）的 10 美元/月，以及”不限量“图片的 30 美元/月；对企业客户，单人一年收费仅有 600 美元，且生成的作品可以商用（当前法规尚不完善，仍可能存在一定版权问题）。（3）Stable Diffusion 如果说 MidJourney 是一个勤勤恳恳的绩优生，那么 Stability.ai 则是天赋异禀技术力强、诞生之初就备受 VC 追捧的富二代，公司估值已达到十亿美元。产品 Stable Diffusion 首要目标是一个开源共创模型，与当年的 Hugging Face 神似。创始人 Emad 之前是对冲基金经理，用自己充裕的资金联合 LMU 和 Runaway ML开发了开源的 Stable Diffusion，在 Twitter 上使用扎克伯格在 Oculus 发布会上的照片作为背景，号召SD会成为”人类图像知识的基础设施“，通过开源让所有人都能够使用和改进它，并让所有人更好地合作。 Stable Diffusion 可以认为是一个开源版本的DALL·E2，甚至不少使用者认为是当前生成模型可以使用的最佳选择。官方版本部署在官网 Dream Studio 上，开放给所有用户注册。相比其他模型，有很多可以定制化的点。不过官网只有 200 张免费额度，超过需要付费使用，也可以自行使用开源 Colab 代码版无限次使用。此外，Stable Diffusion 在压缩模型容量，希望使该模型成为唯一能在本地而非云端部署使用的 AIGC 大模型。 05 AIGC大模型的未来展望 1、应用层：多模态内容生成更加智能，深入各行业应用场景上述的多模态图片生成产品当前主要局限于创作画作的草图和提供灵感。在未来待版权问题完备后， AIGC 内容能进入商用后，必然会更深入地与业界的实际应用进行结合：以游戏行业为例， AI 作画给了非美术专业工作者，如游戏策划快速通过视觉图像表达自己需求和想法的机会；而对美术画师来说，它能够在前期协助更高效、直接地尝试灵感方案草图，在后期节省画面细节补全等人力。此外，在影视动画行业、视频特效领域，甚至是文物修复专业，AI 图片生成的能力都有很大想象空间。当然，这个领域 AI 的能力也有着不小的进步空间，在下面的未来展望部分进行阐发。目前 AIGC 存在 Prompt Engineering 的现象，即输入某一些魔法词后生成效果更好。这是目前大模型对文本理解的一些缺陷，被用户通过反向工程进行优化的结果。未来随着语言模型和多模态匹配的不断优化，不会是常态，但中短期内预期Prompt Engineering 还是得到好的生成内容的必备流程之一。 2、模态层：3D生成、视频生成 AIGC 未来3-5年内有明显进步多模态（multimodal）指不同信息媒介之间的转换。当前 AI 作图过程中暴露的问题会成为视频生成模型的阿喀琉斯之踵。例如：AI 作画的空间感和物理规则往往是缺失的，镜面反射、透视这类视觉规则时常有所扭曲；AI 对同一实体的刻画缺少连续性。根本原因可能是目前深度学习还难以基于样本实现一些客观规则泛化，需要等待模型结构的优化进行更新。 3D生成领域也有很大价值：3D 图纸草图、影视行业模拟运镜、体育赛场现场还原，都是 3D 内容生成的用武之地。这一技术突破也渐渐成为可能。 2020年，神经辐射场（NeRF）模型发布，可以很好的完成三维重建任务：一个场景下的不同视角图像提供给模型作为输入，然后优化 NeRF 以恢复该特定场景的几何形状。基于该技术，谷歌在2022年发布了 Dream Fusion 模型，能根据一段话生成 360 度三维图片。这一领域当前的实现效果还有优化空间，预期在未来3-5年内会取得突破性进展，推动视频生成的进步。 3、模型层：大模型参数规模将逼近人脑神经元数量近年的大模型并未对技术框架做颠覆性创新，文本和图像生成领域在大模型出现前，已有较成熟方案。但大模型以量变产生质变。从神经网络角度看，大脑有约 100 万亿神经元， GPT-3 有 1750 亿参数，还相差了 1000 倍的数量级，随着算力进步可以发展的空间还很大。神经网络本质是对高维数据进行复杂的非线性组合，从而逼近所观测数据分布的最优解，未来一定会有更强的算力、更精妙的参数堆叠结构，来刷新人们对AI生成能力的认知。 4、成本结构决定大模型市场的马太效应大模型最直接的成本便是能源成本（energy cost），GPT-3 发布时的训练成本在千万美元级别。难以在短期内衡量 ROI ，大科技公司才能训练大模型。但随着近年模型压缩、硬件应用的进步，GPT-3 量级的模型成本很可能已降至百万美元量级，Stable Diffusion 作为一个刚发布一个月的产品，已经把原本 7GB 的预训练模型优化压缩至 2GB 左右。在这样的背景下，算力成本在未来必然会逐渐变得更合理，但 AIGC 领域的另一个成本项让笔者对市场结构的预测还是寡头垄断式的。大模型有明显的先发优势，来自巨大的隐形成本：智能成本。前期快速积累用户反馈数据能帮助模型持续追新优化，甩开后发的竞争者，达到模型性能的规模效应。 AI 的进化来自于数据的积累和充分吸收。深度学习，乃至当前的所有机器学习都是基于历史预估未来，基于已有的数据给到最接近真实的可能。正如前文讨论的，OpenAI 的目标从来不是留恋于某个局部行业的商业产品，而是通过模型规模经济，不断地降低人类社会全局的智能成本，逼近通用人工智能 AGI。规模经济正体现在智能成本上。 5、虚拟世界的 AGI 会先于现实世界诞生从更宏观的视角上，虚拟世界 AI 技术的智能成本比现实世界中来得低得多。现实里 AI 应用最普遍的是无人驾驶、机器人等场景，都对 Corner Case 要求极高。对于AI模型而言，一件事超过他们的经验范畴（统计上out of distribution），模型将立马化身人工智障，不具备推演能力。现实世界中 corner case 带来的生命威胁、商业资损，造成数据积累过程中极大的试错成本。虚拟世界则不同，绘图时遇到错位扭曲的图片，大家会在 Discord 中交流一笑了之；游戏 AI 产生奇怪行为，还可能被玩家开发出搞怪玩法、造成病毒传播。因此虚拟世界，尤其是泛娱乐场景下的 AIGC 积累数据成本低会成为优势。这个领域的 AI 如果节省人力、生成内容产生的商业价值能大于算力成本，能很顺畅地形成低成本的正向循环。伴随着另一个重要的革新——长期 Web3.0元宇宙场景下新内容经济生态的形成，虚拟世界内容场景下的 AI 很可能更早触及到 AGI。来源：金色财经

金色财经2023-02-21

快讯：天际股份涨停报于19.01元

公司主要从事本公司致力于将现代科学技术与传统陶瓷烹饪相结合的陶瓷烹饪家电、电热水壶的研发、生产和销售。截止2022年9月30日，天际股份营业收入24.0008亿元，归属于母公司股东的净利润5.4268亿元，较去年同比增加21.5455%，基本每股收益1.3494元。（更多个股业绩查询请点击）风险提示：个股诊断结果通过运算模型加工客观数据而成，仅供参考，不构成绝对投资建议。

金融界2023-02-21

24小时热点