全球数字财富领导者
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
财富汇
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
传Blur创始人早年随笔:抖音是如何启动它的增长飞轮的
go
lg
...
发布到 Facebook,以及早期的
Airbnb
自动发布列表到 Craigslist。 为什么在 Musically 失败时抖音成功了 当 Musically 推出他们的 Mindie 竞争对手时,他们已经将 90% 的种子资金花在了一个失败的教育应用程序上,剩下不到 3 万美元。为了增加他们成功的几率,音乐在全球范围内推出,导致他们在美国获得关注,但在中国遭到轰炸。正如抖音所证明的那样,Musically 有可能赢得中国市场,但这样做需要大量的运营努力,而 Musically 无法承受。考虑到他们当时拥有的信息和资金,Musically 专注于美国市场更有意义。 多年后,Musically 最终重新进入中国市场,但那时抖音已经在中国获得了关注。Musically 几乎无能为力,因为抖音已经是 Musically 的克隆,拥有更好的推荐引擎,并且拥有来自 ByteDance 的更大资金。 个性化的重要性 在 TikTok 和 Sorting Hat [1] 中,Eugene Wei 敏锐地发现,字节跳动的个性化引擎促成了抖音疯狂的高参与率,并让字节跳动从 Musically(后来更名为 TikTok)中脱颖而出。然而,快手的成功和 甚至 Musically 在字节跳动收购之前的成功也表明,高级个性化引擎不需要启动。凭借不太复杂的个性化引擎在音乐上增长到数百万用户,而快手在没有如此复杂的算法的情况下取得了成功(以 200 亿美元以上的市值上限上市)——快手的长期用户从他们在应用内关注的创作者那里消费了高达 50% 的内容 ,而 TikTok 用户 80-90% 的内容来自受其他用户欢迎的新帐户。与更常被引用的个性化引擎相比,抖音的运营努力是起步的重要因素。 额外的想法 抖音的运营策略类似于安迪·约翰斯 (Andy Johns) 的技术,即在扩大规模之前建立一个小型但参与度高的社区的“白热煤”。文化的建设需要大量的人力,不是砸钱就能解决的问题。事实上,拥有大量资金和大量观众甚至可能成为抑制因素,因为这会产生噪音,使特定文化难以形成。 自力更生文化在操作上非常繁重,并且与以前仅依靠优质产品和推荐来获得成功的社交网络的剧本截然不同。如果我要从头开始一个新的内容社区,这是我会使用的剧本: 1. 在设计应用程序之前进行广泛的全球竞争产品研究。复制最好的特性。 2. 选择一个利基社区首先关注。 3. 从现有竞争对手和其他社交/物理网络中招募内容创作者。 4. 像对待贵族一样对待他们,让他们创造内容,直到消费端本身足够大。 5. 手动突出显示并奖励您希望看到更多的好内容。 6. 使用重新混合和共享模因来增加该内容的创建。 7. 利用现有的社交网络分发内容并寻找机会创造病毒式传播。 8. 然后,通过改进个性化和垂直扩展来驱动飞轮。Andy Johns 有一个很好的框架[2]来说明如何做到这一点。 注: - [1]: https://www.eugenewei.com/blog/2020/8/3/tiktok-and-the-sorting-hat - [2]: https://www.andyjohns.co/posts/flywheels-and-how-to-create-content-communities (公众号/同名推特:刘教链。知识星球:公众号回复“星球”) 来源:比推 来源:金色财经
lg
...
金色财经
2023-02-26
金色观察 | Blur飞轮是如何启动的 Blur创始人博文公开方法论
go
lg
...
片而使用Instagram,还有早期的
Airbnb
会自动向Craigslist发布房源。 为什么抖音成功了,Musically却失败了? 当Musically发布Mindie竞品时,他们已经把90%的种子资金花在了一款失败的教育应用上,剩余资金不到3万美元。为了增加成功的几率,Musically进行了全球发行,他们在美国获得了一定关注,但在中国却大受欢迎。正如抖音所证明的那样,Musically有可能赢得中国市场,但这样做需要大量的运营努力,这是Musically无法承担的。考虑到Musically当时的信息和资金状态,专注于美国市场是更好的选择。 几年后,Musically最终还是重新进入了中国市场,但那时抖音已经在中国获得了极大关注。因为抖音已是Musically的克隆品,而且拥有更优的推荐引擎,并且拥有来自字节跳动的更多的资金支持,所以Musically几乎没有什么差异化可做了。 个性化的重要性 在一篇名为“TikTok and the Sorting Hat”的博客文章中,作者Eugene Wei深刻地指出,字节跳动的个性化引擎为抖音的高参与度做出了贡献,并使字节跳动在lip syncing(对口型)细分市场上打败了Musically(后更名为TikTok)。然而,快手的成功,甚至在被字节跳动收购之前Musically的的成功都表明,成功并不一定需要先进的个性化引擎。Musically凭借不太先进的个性化引擎发展到数百万用户,快手也在没有这种复杂算法的情况下取得了成功(上市时市值超200亿美元)——快手长期用户观看的内容有50%来自他们在应用内关注的创作者,而TikTok用户观看的内容有80% -90%来自其他用户青睐的新账户。抖音的成功,运营努力其实比常被提及的个性化引擎要重要得多。 额外的想法 抖音的运营策略类似于Andy Johns的技术,即在扩大规模之前建立一个小型但参与度高的社区“白热煤”。文化的建设需要大量的人力,不是砸钱就能解决的问题。事实上,拥有大量资金和大量观众甚至可能成为抑制因素,因为这会产生噪音,使特定文化难以形成。 启动文化在操作上非常繁重,并且与以前仅依靠优质产品和推荐来获得成功的社交网络的剧本截然不同。 如果我要从头开始一个新的内容社区,这是我会使用的剧本: 1、在设计应用程序之前进行广泛的全球竞争产品研究。复制最好的特性 2、选择一个生态位社区首先关注 3、从现有竞争对手和其他社交/物理网络中招募内容创作者 4、像对待皇室成员一样对待他们,让他们创造内容,直到消费端本身足够大 5、手动突出显示并奖励您希望看到更多的好内容 6、使用再混合和共享meme来增加内容创作 7、利用现有的社交网络分发内容并寻找机会创造病毒式传播 8、然后,通过改进个性化和垂直扩展来驱动飞轮。Andy Johns有一个很好的框架来说明如何做到这一点 来源:金色财经
lg
...
金色财经
2023-02-23
对话Blur创始人Pacman:我们就是要提高NFT市场流动性
go
lg
...
资助了 Dropbox、Stripe、
Airbnb
和 Reddit 等知名公司。之后,我真的很想上学,最终去了 MIT 学习数学和计算机科学,并在那里认识了我的联合创始人 Galaga。我们一拍即合,从一开始就开始一起工作,最初是在一些副业项目上合作,后来离开了 MIT,在 2018 年创立了我们的第一家公司。我们经营了这家公司三年,然后在 2021 年底将其出售,并立即开始了 Blur 项目的开发。原因是,我在 2021 年个人非常喜欢 NFT,买入了我的第一个 NFT Bloodmap,我完全迷上了 NFT 的交易,但是我对现有的市场基础设施感到非常失望。所有现有的市场都非常零售化,而且非常缓慢和繁琐。我希望有一个更专业的 NFT 交易平台,所以我们就着手创建了 Blur。 David:所以,你早早地将自己定位为 NFT 交易者,这就是吸引你的东西,但是由于缺乏 NFT 交易者的基础设施,这就是创建 Blur 的主要动力。 Pacman:是的,的确如此。 David:你能具体说说在开发 Blur 之前,你在 NFT 交易领域所见到的不足之处吗? Pacman:作为一个比较了解 Token 领域的人,我想把 NFT 交易市场的进展比作 Token 交易的进展。最初的基础设施,如 Mt.Gox 或 Coinbase,非常简陋且面向散户。然而,随着行业需求的增长,基础设施的发展变得更加复杂和面向金融。我们见证了从 Coinbase 这样的散户友好平台到 Binance、OKEx 和 BitMax 这样更多的 Crypto 原生交易平台的发展,这些交易平台更加金融化。同样,NFT 市场最近才经历了增长,基础设施还没有足够的时间发展,尽管该行业的需求一直在扩大。我们的目标是满足用户对专业化基础设施的需求。 David:你能解释一下 Blur 在 NFT 世界中瞄准的细分领域吗? Pacman:在 Blur 之前的现有市场为 NFT 的新人提供了令人满意的购物体验,但对于积极的收藏家或寻求大量购买或出售、监测实时市场趋势并在动荡的市场中做出快速决定的交易者来说,它是不够的。热门藏品产生的大量订单导致这些平台崩溃。在 Blur 之前,NFT 市场平台把 NFT 当作一种购物体验,这对新手来说没有问题,但它不能满足寻求实时订单簿、实时订单速度、深度图表、快速制图能力和实时数据更新的高级交易者的需求。Blur 从一开始就被设计为迎合专业交易者的需求,我们早期的公告和博客文章就证明了这一点。 David:好的,所以你正在为那些真正倾向于这些 NFTs 的金融方面的人进行优化,这些 NFT 是 Token,因此它们有某种金融方面的属性。而其他人可能只是通过 Opensea 进行浏览,比如「哦,我想我喜欢那个。我想我会把它加到我的购物车里」,这些人显然不是 Blur 的目标用户,Blur 的目标用户是 NFT 行业的高级用户,我这样说对吗? Pacman:肯定是的。当人们购买 Bitcoin、ETH 或任何其他 Token 时,他们通常会寻找它的实用性。然而,交易这些 Token 的交易平台主要是为了促进交易和投机,这在任何市场上都是常见的现象。在服务于交易者和投机者的需求方面,这些交易平台发挥着重要作用。对于 Blur 这个协议和市场来说,我们的重点是提高市场的流动性和效率,以促进增长,就像先进的交易平台基础设施和 Token 能够在更广泛的空间里实现增长。 David:在我们的对话之前,我查看了一些 Dune Analytics 的统计数据,我将重申我之前分享的数据:总交易量为 10 亿美元,超过 10 亿次交易,以及近 10 万名活跃用户。Blur 开发了什么,吸引了如此多的交易量和交易活动?假设我们打算创建一个为高级用户高度优化的 NFT 市场。在这种情况下,让我们讨论一下这其中的具体内容。Blur 创造了什么,让这些用户能够愿意利用其平台? Pacman:David,谢谢你愿意花时间做一些调查,确实是超过 10 亿,具体是 12 亿。Hill Dobby 有一个很好的分析图表,我可以在之后分享,他进行了全面的分析。想象一下 Token 交易市场,如果 Coinbase 是唯一的 Crypto 原生交易平台,而其他交易平台,如 Binance,停止了运营,这正是 394 天前 Blur 开始工作时市场的样子。NFT 市场在高峰期每月进行价值 40 亿美元的交易量,完全依靠基本的、非专业的基础设施。我们的一个产品,Blurbidding,整合了 UI 和协议,允许交易者用 ETH 竞价,竞价的订单簿直接显示在市场上。虽然这是 Token 交易领域的一个基本功能,但它极大地影响了 NFT 行业。现在,交易者可以检查订单簿,在购买 NFT 时更有信心,其价格能够维系的几率也更大。在 Blur 引入这一功能之前,订单簿并不是 NFT 世界的一个基本功能。 David:Blur 推出了 UI 和用户界面的升级,使市场状态更加可视化,以及对交易的执行方式进行了一些链上优化。这些变化听起来确实使用户能够有更多的数据和工具来完善 NFT 的金融属性。 Pacman:在我们发布 Blur 竞价之前,在 NFT 上竞价需要用户将他们的 ETH 转换为 WETH,这即使对高级用户来说也是一种混乱的体验。我们在协议层面上简化了流程,允许用户通过将 ETH 存入他们自己的资金池来竞标,这不仅实现了竞标,也实现了 NFT 的购买。这个简单的概念满足了市场上的一个重要空白,类似于 Uniswap 这样的协议通过服务于未满足的需求而实现了 DeFi 世界的增长。Blur 的产品和协议是简单的,但它们填补了以前没有解决的需求。 David:正如你所提到的,你们在 394 天前开始研究 Blur,一年零一个月后,你们发布了 Token。Token 空投是这次采访你的原因,因为 Token 总是能引起人们的兴趣。你能不能讨论一下这个 Token 的故事,它经历了哪些阶段才使它最终进入公众视野?你能带我们了解一下这个 Token 是如何构思、诞生并向公众发布的吗? Pacman:Token 和 Blur 的所有方面从第一天就开始计划。市场提供了一个明显的机会来建立一个 Crypto 原生的交易平台,大多数现有的市场未能考虑 Web3 的能力。DeFi 为 Blur 提供了灵感,因为在 Web2 中不可能让终端用户控制平台。相比之下,Web3 允许终端用户控制协议和价值累积,并通过激励参与网络。NFT 实现了数字收藏品的去中心化所有权,但它们却在 Web2 市场上进行交易。尽管其与 DeFi 和 Token 有明显的相邻关系,但显然缺乏有效的基础设施和商业模式的一致性。我们之所以想建立 Blur,是因为我们想完善这些不足。 David:你们最初的概念是创建一个 NFT 市场,该市场将有一个原生 Token。这是对 Opensea 由于国家监管和其作为一个 Web 2.5 平台的限制的回应。你们的目标是改善 NFT 市场的交易体验,同时从一开始就集成一个 Token,所以 Token 从一开始就是计划的一部分吗? Pacman:当然,协议之间的区别在于它们是否从一开始就打算去中心化,今天大多数现有的协议都是如此。例如,Uniswap 本可以是中心化的,对每个用户实施限制和 KYC,但相反,它的开发是为了促进去中心化。同样,在研究了现有的市场后,我们发现它们是用 Web2 方法设计的,从一开始就缺乏对去中心化的关注。鉴于网络效应在决定一个协议的成功方面的重要性,很明显,由终端用户控制的协议将最终获胜。这是我们决定开发一个以用户控制为核心的 NFT 市场背后的驱动力。 David:Web3 的理念是以社区所有权和控制权为中心。虽然创建一个 Token 很容易,但实际上以有意义的方式将其分配给社区是一个不同的挑战。你能详细介绍一下 Blur 发布 Token 的策略,从而确保它分配到符合要求的社区成员手中吗? Pacman:在计划空投时,我们的首要任务是激励流动性而不是数量。激励交易量往往会吸引观望的交易者或套利者,他们可以从虚假交易中获利,直到它不再有利可图。其他激励交易量的市场平台也遇到了这个问题。相比之下,像 Curve 这样成功的 DeFi 平台激励了 peg 两边的流动性,这有助于维持 Token 间的锚定关系。交易的激励来自于拥有良好的流动性。我们选择激励流动性,让 Token 进入合适的用户手中,因为这可以将真正的用户带入这个空间,即使在激励措施消失后,他们也会保持网络效应。为了测试这种方法,我们对空投奖励进行了排序,所以第一期奖励在 Blur 上发布,并提供卖出方流动性。 David:在我们谈论那个空投期之前,你能快速给我们介绍一下吗? Pacman:我们对空投采取了一种非常规的方法,非常明确地要求向 Blur 提供流动性,首先是卖出方,然后是买入方,才能获得空投。这是因为我们相信激励机制应该激励行为,而纯粹的追溯性空投可能是对资源的浪费,而这些资源可以用来发展协议。我们希望奖励那些从第一天起就帮助建立协议的网络效应的早期采用者,而不是在网络效应已经建立后再进入的用户。通过有效地分配我们的资金,我们可以促进增长,实现我们协议的最终目标。我们将我们的空投设计为多轮,直到 Token 最终发行,以达成这个目的。 David:是的,你进行了多轮空投,重要的是,你明确了接受空投的标准,这是其他项目根本不会做的事情,因为他们会担心投机者或套利者会滥用系统。在我看来,接受空投的标准并没有规则上的漏洞,我的想法是否正确呢? Pacman:的确,这是一个具有挑战性的问题,因为当激励系统明确时,它们往往会吸引那些试图发现漏洞的人。我们的一些早期投资者通过找出如何利用早期的 DeFi summer 激励系统,以创作者甚至从未考虑过的方式,赚取了他们的财富。然而,激励流动性不太容易被人利用,因为流动性就是流动性,不管是来自挖矿者还是真正的投标人。通过在订单簿上出价,人们承担了真正的风险,它不能轻易被改变。虽然有一些方法可以入侵系统,例如在出价被填满之前取消出价,或者在交易前进行操作,但我们专注于创建一个机制,让用户能够提供流动性而很难被攻击。如果我们能做到这一点,那么一个明确的系统就能很好地工作,并为网络带来真正的价值。这个解决方案可能不适合所有的协议或空投,因为它不是一个放之四海而皆准的解决方案,但对于 Blur 来说,在一个与已经价值数千万美元的平台相竞争的市场上建立网络效应和流动性至关重要。因此,我们必须把精力集中在能够发展协议的方法上。 David:好的,那么让我们谈一谈空投标准的三个阶段。你能向我们介绍一下每个阶段及其目标吗? Pacman:当然可以。空投是分三个阶段进行的:第一个阶段是基于 10 月 19 日之前的六个月的交易量的追溯性交易空投;第二个阶段是上市空投,对在 Blur 上市并为订单簿提供流动性的人给予奖励;第三个阶段是竞价空投,奖励完全从上市转向竞价。有趣的是,在停止挂牌奖励后,我们发现卖出报价量增加,表明该计划是有了效果,并将真正的用户带入协议。我们的重点是激励买入方的流动性,以填补订单簿。这个策略的目的是为市场建立一个网络效应。 David:在这个过程中,你是否意外地影响了任何 NFT 的价格?这样做的附带影响是什么? Pacman:Blur 的激励措施很有趣,因为当他们调整激励措施时,有一个推特话题被疯传。最初,人们声称激励措施损害了底价,但当激励措施转移到买入方时,人们仍然声称激励措施损害了底价。这是令人震惊的,因为它通常支持资产的价格。随着 Token 发行的临近,人们猜测激励措施即将结束,而发起那一话题的人声称,这将使底价再次崩溃。这一连串的事件反映了这样一个事实:任何形式的激励措施,无论其方向如何,都会对底价产生负面影响。 David:好吧,这听起来确实像是 CryptoTwitter 上会发生的事情,往往有着极端的营销策略。 Pacman:我同意,「愤怒的营销」这个词似乎很适合这种情况。不过我认为,流动性主要是为了使资产能够找到其真正的市场价格,而不是直接影响价格本身。如果流动性的变化确实导致了价格的变化,那就表明之前的认知价格并不准确,底价、买卖价差和标价并不能真正反映资产的价值。在现实中,资产的价格不是一个静态的数字,而是人们倾向于锚定在特定的数字周围。流动性激励为资产的真实价格提供了一个不同的视角,但这仍然是一个有限的观点。归根结底,流动性只是资产真实价值的一个方面。 David:资产的瞬时价格只提供了对整体情况的短暂一瞥。此外,我想进一步了解 Token 当前的状态。具体来说,有多少人收到了空投,目前的 Token 供应量是多少,与已发行的 Token 供应量相比如何?能否请你详细谈谈 Token 的指标? Pacman:该 Token 的总供应量为 30 亿 Blur,空投占 12% 或 3.6 亿 Blur。相当数量的空投已经被认领,剩余部分在未来 60 天内可以认领。Blur tokenomics 的结构类似于 Uniswap,有着简单性和清晰性。Blur 是一个 NFT 交易平台协议,而 Uniswap 是一个 Token 交易平台协议,从更高的角度来看,它们本质上是一样的。在熊市中,在回归基本价值的情况下,相对于 Curve 和 GMX 等协议的复杂设计,直接的 tokenomic 设计更受青睐。虽然这些复杂的设计在牛市中很强大,但在熊市中就不太理想了。Blur 协议是灵活的,允许社区投票,并为未来的 tokenomics 设计使用金库 Token。该 Token 将赋权给持有者,为持有该 Token 的价值提供了一个清晰的图景。 David:既然空投已经结束,我想问一下关于 Token 价格的一些细节。目前 CoinGecko 上的交易价格是 70 美分,Token 供应总量为 30 亿,相当于 21 亿美元的市值。如果我的计算正确的话, 12% 的空投给社区的价值约为 2.5 亿美元,这还只是第一季的情况,因为第二季已经开始。你能谈谈用户对 20 亿美元市值和向空投者分配 2.5 亿美元的反应吗? Pacman:我也认为协议和 Token 应该为社区提供价值。此外,我们认为 Token 是有意义的,因为在诸如 Opensea 这样的二级市场上发生的商业活动,其价值集中在创始人和少数基金,而不是社区。协议的力量在于它可以将 Token 交给社区。如果我们有效地执行这个策略,我们可以给社区带来数十亿美元的价值。作为一个终端用户,我会选择使用一个付钱给我来控制它的协议。能够在第一季分发价值 2.4-2.5 亿美元的价值是不可思议的。不仅如此,Blur 的 Token 与社区进行了合作,向他们分发更多的价值,而这最终将符合协议的最佳利益。当涉及到协议治理和通过治理分配 Token 时,资本分配很重要。我们必须将资本分配到生产性的用例中,以进一步促进协议的发展。我们将继续在这个方向上作出贡献,并确保其价值。如果社区有效地分配 Token,它将给成员带来高额的回报。今天我们所做的事情只是其中的一次尝试。 David:我有一个最后的问题,正如我们所讨论的,Opensea 有股权,这些股权的所有价值都远离了 Web3 世界。我看了一些交易量的数据,似乎 Blur 已经开始接近 Opensea 的交易量。Blur 有一个秘密武器,那就是 Web3 世界的 Token,这个工具是 Opensea 没有的,你认为这个工具会让 Blur 成为 NFT 市场的第一,并推翻 Opensea 的地位吗? Pacman:你提出的问题非常好,作为一个对指标一丝不苟的人,我想指出,Blur 在过去一周的交易量大约比 Opensea 多 30% 。然而,我们必须在很长一段时间内保持这种趋势,才能最终成功。我认为这有几个层面的原因,其中之一是 Blur 服务于以前没有得到适当服务的市场领域,即专业交易员。Token 的价值是一个令人难以置信的工具,能够实现以前不可能实现的巨大潜力。当你考虑到可能想要接触 NFT 空间的参与者时,这些人不仅包括 NFT 交易者或该领域的用户,还有那些敏锐地意识到该空间正在增长的旁观者。尽管 FTX 和我们赖以获得流动性的机构崩溃了,但 Blur 所取得的所有增长都是在我们所见过的最糟糕的熊市中维持下来的。NFT 领域已经显示出它的持久性和粘性,一旦人们进入,他们就会迷上。以前,在 NFT 市场上获得曝光是很困难的事情,特别是对于那些希望获得 1 亿美元曝光的大型基金来说。然而,随着 Blur 在这一领域领先的市场份额,它实际上成为了一个关于 NFT 的指数,更具体地说,NFT 中增长最快的部分,即专业交易。这个指数是一个重要的发展,可以使更多的参与者以一种以前不可能的方式获得 NFT。 David:Blur Token 的表现如何?虽然市场力量通常决定了这一点,但该 Token 为 Blur 平台提供了哪些治理特权?你认为金融界将如何接受它,当人们看到这个 Token 时,他们会怎么想?它是否只提供对 NFT 的广泛接触,或者它是否能够挑选特定的 NFT 赢家? Pacman:对 Blur Token 的看法因参与者的不同而不同。对于积极的 NFT 交易者来说,该 Token 是获得协议增长和奖励的一种手段。对于其他人来说,特别是那些认为这个领域具有挑战性的人,它可能提供一个被动的机会,以获得对一个快速增长市场的接触。NFT 的潜力是巨大的,特别是对于在数字商品时代下长大的下一代消费者。Blur 为这些用户提供了一种被动参与 NFT 市场的方式。 David:那么,让我们来谈谈第二季。第二季有什么内容?你说第二季已经开始了,所以你能给我们具体讲讲吗? Pacman:第二季将不会有最初的 12% 的空投,因为这是为第一季指定的。然而,它仍然有一个可观的金库规模可供社区投票,用于未来的奖励或其他举措。这些措施可能包括翻译服务,新的次级 DAO,或其他项目,而不仅仅是奖励项目。继续提供激励措施的一个重要原因是,虽然第一季停止了上市激励措施,但上市量仍然增加。在考虑有效的资本分配时,继续大量分配给上市激励措施可能没有意义。纵观目前的 NFT 基础设施,它仍然有些简陋,缺乏许多先进的金融原玉。由于 NFT 是一个不同的资产类别,它不仅仅是一种交易,而更多的是购物和交易的结合。虽然 Token 基础设施已经发展起来,但在 NFT 领域仍有更大的增长和专业化空间。鉴于这种增长和发展的潜力,在第二季继续提供奖励是有意义的,因为新的行为和产品可能会被引入,不仅是来自核心贡献者,还会来自于社区。社区已经与我们分享了一些令人兴奋的想法,这些想法可以在下一季中继续进行。 David:第一季的总体想法是在社区中分配 Token,而第二季的目标是通过使用 Token 进行治理,让社区有发言权。这意味着第二季不仅要激励用户使用协议,还要激励社区参与协议的管理,是这样的吗? Pacman:是的,激励委员会有一个具体的分配,在第二季或以后可以使用最多百分之十的奖励。然而,超过这个比例的任何东西都可以通过治理来利用。例如,最近的 Optimism 空投分发给了参与治理的人,突出了这种参与的价值。为了进一步增加协议的价值,我们要去中心化持有者群体和整个决策过程,从而促进增长。Blur 协议的可塑性为其提供了巨大的机会,而庞大的资金库可以用来分配激励措施,以促进协议的发展。 David:治理确实很难随意操控,所以不存在「governance farming」的说法。我想,第三季目前来看还太过遥远,因为它可能只由第二季中出现的治理者决定,是这样吗? Pacman:我想是这样的。 David:我有一个关于 NFT 版税之争的最后一个问题。虽然这是一个需要更深入讨论的话题,但我想简单地与你谈一谈。从我的 DeFi 角度来看,似乎 Opensea 和 Blur 在如何执行版税方面正处于拉锯战,Blur 优先考虑优化交易体验,而 Opensea 则关注艺术家和版税。对于这种持续的冲突,你有什么想法或见解可以分享吗? Pacman:这是一个有趣的问题。我们对什么会在这个领域发挥作用有着不同的想法。大约在推出两到三周后,Opensea 发布了一项新政策,要求收藏品创作者必须有一个过滤器过滤 Blur,以便在他们的平台上赚取版税。我们采用这一政策是为了对有过滤 Blur 的收藏品执行版税,因为它暂时阻止了不兑现版税的交易。问题是,其他平台,如 NFT 的 AMM 和零版税的 Web 2.0 风格的市场,并不执行版税,从而吸引了许多交易者的关注。随着时间的推移,市场趋向于降低费用,全面执行版税可以为新的参与者进入市场而不收取版税创造动力,以便获得增长。我们正试图设计一个能达到稳定状态并可持续的系统。我们对全部包含有过滤器的藏品采取全额版税,但我们知道从长远来看,这是不可行的。我们还对现有藏品执行最低 0.5% 的版税,以增加版税的执行力度,同时不至于迫使交易者离开。我们想避免危险的中心化趋势,因此我们采取了一种更博弈的方法。我们预测在五到十年内可以达到一个稳定的状态,而且我们正在朝着这个方向努力。当我们推出竞价和激励措施时,有些人认为,无论激励措施如何,Blur 都在伤害地板价,这表明市场并不总是得出与我们相同的结论。我们正在努力尽到作为该领域运营者的职责,并不断引导市场向正确的方向发展。 David:当然,我真的很感谢你愿意分享自己的想法,都非常的有深度。你们部署了一个非常完整的战略,并且正在积极执行它。感谢你们为推动这个领域发展所做的一切,我很期待看到 Blur 的未来。 来源:金色财经
lg
...
金色财经
2023-02-23
OpenAI与AIGC:改变人类生产范式 通往“万物的摩尔定律”
go
lg
...
ltman 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
lg
...
金色财经
2023-02-21
浅谈2023年Web3风投现状:当前环境与2018年熊市相比如何?
go
lg
...
虽然这些特征与谷歌、Facebook、
Airbnb
和 Dropbox 等由年轻、缺乏经验的创始人创立的“高风险赌注”的传闻相符,但当然也与更广泛的替代机制相符,这些机制表明,边缘公司只是一种更糟糕的投资。” 拉玛娜•南达(Ramana Nanda)在 2015 年写了这篇文章,在亚马逊网络服务(AWS)推出近十年后。为什么这很重要?因为 AWS 和谷歌广告等改变了创业的单位经济。它们使任何人都可以启动服务器,并向地球另一端的人出售。 例如,Y Combinator 依靠越来越多的年轻人,他们往往不知道比出去制造我们今天每天在互联网上使用的原始设备更好。当然,这些企业的失败率过去是--现在也是--相当高的。但总的来说,世界上的初创公司有得到了风险投资,总比没有得到投资要更好。 寒冷的冬天和储备资金 风险投资是唯一的私人工具之一,其入市量比 2022 年有所上升。根据不同的来源, 3000 亿至 6000 亿美元的累计资本尚未部署。很大一部分资本只是 "承诺",如果我们出现像 2008 年那样的全面衰退,风险投资公司向其筹集的资金有可能退缩, 2008 年的金融危机和互联网泡沫时期就有先例。 许多创始人的操作假设是,风险投资公司在某些时候将不得不继续部署资金。而这确实是事实,但如果数据告诉我们什么,那就是这两件事: 1. 早期阶段的风险投资发生频率很高,资金量不断增加。这些初创企业中的很大一部分可能会失败,迅速失败是一个理想的结果,因为它为每个参与者节省了时间和精力。风险投资公司通常会设定估值,以便在这些初创企业起飞时优化所有权。 2. 处于成长阶段的公司,如果能显示出有意义的吸引力,就会有过多的资本堆积在那里。与同行相比,这些公司将以较高的价格融资,这是一个卖家的市场。创始人得到了他们所要求的估值,因为有太多的钱在追逐太少的交易。 中间的混乱是大多数创始人想要避免的。在这个领域,你已经筹集了足够的资金,可以抓住头条新闻和最好的人才,但却没有明确的方向来实现产品与市场的契合。对于一家企业来说,最糟糕的事情莫过于没有倒闭。它是来自客户、团队和投资者的冷漠。慢慢流血,伤痕累累,提醒你没人在乎你全身心投入的事情。 我指的这个 “ 中间的混乱 ” 通常出现在 A 轮左右,因为在这个阶段,你通过风投或媒体公司从外部 “ 验证 ” 了你的风险,而不是通过付费客户。这就是为什么在这些阶段,围绕募资者的谈话首先要确定企业的关键指标。如果这个数字不存在,后续的资金不会很快到来。 我并不想在这里制造恐惧。但值得承认的是,在这条路上会有失败。DAO不再像过去那样配置资金,生态系统拨款是该行业的命脉,但却减少了部署资金。在科技公司裁员之际,从 IPO 和高估值的代币上市中获得财富的天使投资者正在争夺工作。 接下来的几个月里会不会只有好日子?可能不是。特别是如果宏观经济环境保持现状的话。但情况并不像我们在私人市场上想象的那么糟糕,种子期的活性仍然很高。后期交易也筹集了同样多的资金。如果你正在构建,并且有数据来验证你的假设,那么就没有太多需要担心的问题。 来源:金色财经
lg
...
金色财经
2023-02-16
美股天天说盘中分析精选:
Airbnb
大涨还可以追吗
go
lg
...
美股天天说盘中分析精选:2023/2/15
lg
...
埃尔文
2023-02-16
【美股收盘】三大股指集体反弹 个股优异表现带动大盘 强劲零售数据已被消化
go
lg
...
涨0.92%至12,070.59点,受
Airbnb
股价提振,该公司股价在超出盈利预期后飙升13.35%。特斯拉、Rivian和Lucid的上涨也帮助引领科技股指数走高。 美国商务部的一份报告显示,由于汽车和其他商品的购买量大大超过了路透社调查的经济学家预计的1.8%,美国1月份零售额增长了3%。 周二,数据显示美国1月份消费者价格上涨,提振了美联储今年将至少再上调两次政策利率至5%-5.25%区间的预期。 Baird投资策略师Ross Mayfield表示:“来自零售业的好消息,以及更广泛的来自更强劲经济的好消息,已经大部分被消化了。与此同时,这种力量已经消除了市场对降息的预期,并使最终联邦基金利率略微走高。” 在去年股市低迷中遭受重创的成长型股票反弹的推动下,标准普尔500指数在2023年迄今已上涨近8%。好于预期的季度财报季提供了谨慎的乐观情绪。 根据Refinitiv的数据,超过一半的标准普尔500指数成份股公司公布了季度收益,其中近70% 的公司利润超出预期。相比之下,长期平均水平为66%。 个股方面,Roblox股价在受儿童欢迎的游戏平台季度预订量超过预期后飙升。 在沃伦巴菲特的伯克希尔哈撒韦公司削减其在该芯片制造商的股份后,台积电在美国上市的股票下跌。 由于强劲的旅游需求,
Airbnb
和Tripadvisor公布了超出预期的业绩后股价上涨。 Devon Energy股价暴跌,此前这家页岩油生产商因美国严寒天气影响产量且支出增加而未能实现季度利润预期。
lg
...
埃尔文
2023-02-16
【美股盘中】三大股指涨跌互现 美国1月“恐怖数据”依旧强劲
go
lg
...
%。纳斯达克综合指数上涨0.72%,受
Airbnb
股价提振,该公司股价在超出盈利预期后飙升13%。特斯拉、Rivian和Lucid的上涨也帮助该指数走高。 美国1月份零售额增长3%,而道琼斯调查的经济学家预计增长1.9%。这个数字表明美国尽管美联储加息以抑制通货膨胀,但经济仍保持坚挺。 Independent Advisor Alliance首席投资官Chris Zaccarelli在周三的一份报告中表示:“劳动力市场的弹性是消费者继续支出的主要原因,只要情况如此,通胀就可能保持粘性。美联储将需要比人们目前预期的更高的利率,并保持更高的利率,这将导致市场经历一些显着的波动,因为股票和债券市场是为良性情景定价的。” 摩根士丹利全球投资办公室模型投资组合构建主管Mike Loewengart在一份报告中表示:“在经历了令人失望的12月之后,零售销售的跃升表明我们所经历的持续通胀并没有阻碍消费者。随着投资者仔细考虑美联储的下一步行动,以及可能导致其在日历年降息的因素,预计短期内会出现一些波动。” 在周二的交易日震荡之后,道琼斯指数收盘下跌超过156点。标准普尔500指数持平,以科技股为主的纳斯达克综合指数摆脱了早些时候的跌势,收盘上涨0.57%。 本周晚些时候,交易员将聆听美联储官员的讲话,以了解央行在3月份的下一次会议上可能采取的行动的任何迹象。 投资者也将继续关注财报结果。 Zillow、Shopify和DoorDash是计划于本周发布报告的头部公司。 周三债券收益率走高,根据彭博社的数据,对利率敏感的两年期美国国债收益率接近去年11月以来的最高水平。美元指数兑其他货币也攀升。 与此同时,在大宗商品市场,随着美元上涨和美国的上涨,油价继续走低。库存估计有所增加。美国西德克萨斯中质原油期货基准,周三下跌 1%,交易价格约为78美元。
lg
...
楼喆
2023-02-16
突发大行情!恐怖数据果真“大秀肌肉” 美元冲破104、黄金“飞流直下”
go
lg
...
合指数分别下跌0.38%和0.18%。
Airbnb
的股价在超出盈利预期后飙升12%,帮助抵消了纳指的部分跌幅。 (道指30分钟走势图,来源:FX168) 1月份零售额增长3%,而道琼斯调查的经济学家预计增长1.9%。该数字表明,尽管美联储加息以抑制通货膨胀,但美国经济仍保持坚挺。 IndependentAdvisorAlliance首席投资官ChrisZaccarelli在周三的一份报告中表示:“劳动力市场的弹性是消费者继续支出的主要原因,只要情况如此,通胀就可能保持粘性。”“美联储将需要比人们目前预期的更高的利率并保持更高的利率,这将导致市场经历一些显著的波动,因为股票和债券市场是为良性情景定价的,而不是更多我们正朝着困难的方向前进。” 汇市方面,在数据显示美国零售销售在连续两个月下降后大幅上升,表明美联储将在一段时间内维持较高利率后,美元扩大涨幅。 美元指数DXY站上104,为1月6日以来首次,日内上涨约0.8%。 (美元指数30分钟走势图,来源:FX168) 在美国通胀数据居高不下后,美元早前上涨。美国1月份消费者价格指数环比加速上涨0.5%,部分原因是租金和食品成本上涨。 “这是对CPI数据,也是对美联储官员最近基调的反应,”荷兰合作银行外汇策略主管JaneFoley表示。“市场现在预期联邦基金利率的峰值比他们一两周前的预期还要高。” 去年12月,美联储董事会成员的预测中值预计今年利率将达到5.1%的峰值。但利率期货市场目前的定价高于5.2%,交易员越来越不确定2023年是否会降息。目前利率在4.5%至4.75%之间。 贵金属方面,现货黄金延续早些时候的跌势并刷新日低至1830.26美元,较日高回落近30美元。 (现货黄金30分钟走势图,来源:FX168) 技术上,有分析指出,日线图显示,黄金价格走势跌破短期重要支持1850,进一步下跌的大门已经敞开,尽管目前下方38.2%斐波那契回档位1828可能提供微弱支持,但最终跌破进一步往下指向1800以及50%斐波那契回档位1788的风险很大。 而若短期反弹回升,1850已经转化为阻力,预计将限制反弹上涨的空间。但如果上涨突破1850,则应该注意进一步走强指向1860、1870等潜在阻力的风险。
lg
...
夏洛特
2023-02-15
会员
Coatue Management四季度建仓谷歌及理想,增持阿里巴巴、微软
go
lg
...
cations(纳斯达克代码:ZM)和
Airbnb
(纳斯达克代码:ABNB)的头寸。 同时将其在Moderna(纳斯达克:MRNA)的股份从571万股增加到639万股,阿里巴巴(纽约证券交易所:BABA)的股份从205000万股增加到500万股,AMD和微软的股份。 根据最新的13F文件,将Rivian Automotive(纳斯达克代码:RIVN)的风险敞口从1960万股减少到833万股,优步的风险敞口从1660万股减少到369万股,PayPal Holdings(纳斯达克代码:PYPL)的风险敞口从469万股减少到160万股,迪士尼(纽约证券交易所代码:DIS)的风险敞口从310万股减少到14.7万股。
lg
...
金融界
2023-02-15
上一页
1
•••
22
23
24
25
26
•••
29
下一页
24小时热点
【BC省选】温哥华不眠夜!加拿大BC省选结果:新民主党、保守党选票逼近……(持续更新)
lg
...
中国突传重磅信号!政府经济学家:中国刺激计划“绝对应超过10万亿元人民币”
lg
...
周评:以色列总理住所遇袭!黄金2721创历史新高、比特币逼近6.9万 特朗普胜率罕见飙破60%
lg
...
【小萧说币】特朗普11月大选胜率超越60%!华尔街悄悄上演一场金融革命……
lg
...
马斯克语出惊人!美国政府部门准备迎接“巨震” 狗狗币应声暴涨超过15%
lg
...
最新话题
更多
#海外华人投资#
lg
...
25讨论
#链上风云#
lg
...
41讨论
#美国大选#
lg
...
903讨论
#VIP会员尊享#
lg
...
1359讨论
#比特币最新消息#
lg
...
428讨论