FX168财经网_全球视野外汇黄金加密货币NFT资讯网

市场陷入“泡沫狂热”模式策略师：标普飙破6000点后崩盘比特币BTC回调释出关键信号

，而高贝塔系数的大型科技股，如英伟达(NVIDIA)本身遵循分析师EBITDA修订的二阶导数。“在我们看来，在2024年第三季特别容易受到调整的影响，”巴里认为。不仅仅是比特币，巴里认为股市即将大幅下跌，“这一观点进一步证实了，由于通胀仍处于疫情前30年的高位，并且实际上在2024年第二季有所上升，高于美联储对2024年核心PCE通胀率2.8%的中值预测，美联储将放弃谨慎的鸽派立场”。尽管巴里预计2024年下半年的国内生产总值(GDP)增长速度会大大放缓，但这种情况仍在发生。这导致“适度滞胀，可能暴露出标普500指数相对于金融状况的估值过高”。巴里最后警告称：“在进入2024年第三季时，这导致股票投资者采取市场调整的谨慎态度。” 来源：金色财经

金色财经06-24 17:12

比特币(BTC)价格跌至 62,000 美元因鲸鱼交易量创 8 个月新低

的积极走势以及以人工智能芯片制造巨头 NVIDIA 为首的美国股市的看涨趋势，在最近几天进一步吸引了投资者对 BTC 的注意力。比特币价格走势 | BTCUSD 上图显示，比特币价格在 6 月 21 日星期五达到 65,026 美元的峰值，当时多头试图收复 65,000 美元的阻力位。但自那以后，空头扭转了局势，并在周末再次引发 3.66% 的下跌趋势。放眼望去，比特币价格于 6 月 24 日星期一跌至 40 天低点 62,667 美元，这意味着自 6 月 7 日左右开始当前调整阶段以来，比特币价格已暴跌 13%。鲸鱼投资者将比特币交易量削减至 8 个月低点正如过去几天的主要新闻头条所暗示的那样，比特币价格停滞在 65,000 美元以下，很大程度上是由于ETH ETF即将推出，以及股价可能占据投资者的注意力。然而，对比特币潜在链上趋势的深入调查表明，鲸鱼投资者减少BTC 交易活动可能在持续的价格下跌趋势中发挥了更为突出的作用。 IntoTheBlock 的大型交易计数数据跟踪任何交易日超过 100,000 美元的单笔交易总数。这可以作为衡量加密货币网络中鲸鱼交易活动数量的指标。比特币价格与 BTC 鲸鱼交易量如上所示，截至 6 月 23 日收盘，比特币网络共记录了 4,580 笔面值超过 100,000 美元的独特大额交易。令人担忧的是，图表显示，自 2024 年 3 月 BTC 价格首次突破 72,000 美元的历史高点以来，鲸鱼交易的数量一直在急剧下降。更具体地说，上一次 BTC 鲸鱼交易量低于 6 月 23 日记录的 4,580 笔大额交易还要追溯到 8 个月前，即 2023 年 10 月 9 日，当时记录了 4,509 笔鲸鱼 BTC 交易。对于许多鲸鱼投资者来说，将其交易活动削减至 8 个月以来的最低水平可能会对未来一周的 BTC 价格走势产生负面影响。首先，鲸鱼交易为任何加密货币市场提供了急需的流动性。如上所述，急剧下降意味着恐慌卖家现在可用的流动性更少，无法进行大量抛售而不会导致价格大幅下跌。本质上，鲸鱼交易量跌至 8 个月来的最低点，使得比特币价格在未来几天面临进一步下跌至 60,000 美元的风险。目前我们6个分析师一起投研出来的一些百倍潜力的币，和短期暴涨项目，可以关注我进社区了解，目前都是免费的来源：金色财经

金色财经06-24 16:52

中美突发重磅消息！路透独家：字节跳动与博通合作开发先进人工智能芯片

片供应。由于美国的出口管制，英伟达(Nvidia)最先进的芯片组遥不可及。美国的出口管制旨在阻碍中国军方在人工智能和超级计算方面取得突破。对于专门为中国市场开发的美国芯片，以及竞争对手华为的芯片，竞争非常激烈。华为是中国为数不多的人工智能加速器制造商之一。字节跳动和博通至少从2022年开始就一直是业务合作伙伴。博通在公开声明中表示，这家中国公司已经购买博通的战斧5纳米高性能开关芯片，以及用于人工智能计算机集群的Bailly交换机。确保人工智能芯片对字节跳动使其算法更强大至关重要。除了TikTok和中国版短视频应用抖音，字节跳动还运营着一系列流行的应用，包括一款类似ChatGPT的聊天机器人服务，名为豆包，拥有2600万用户。据另一位知情人士透露，为了支持其人工智能业务，字节跳动已经储备了英伟达的芯片。这位知情人士说，这包括在美国第一轮制裁开始前就已上市的A100和H100芯片，以及英伟达为中国市场生产的A800和H800芯片，但后来也受到限制。该人士还说，字节跳动去年拨出20亿美元用于购买英伟达的芯片。据两名知情人士透露，字节跳动去年还购买了华为的Ascend 910B芯片。字节跳动网站显示，该公司目前有数百个半导体相关职位空缺，其中15个为ASIC芯片设计师。据一位直接了解此事的消息人士透露，字节跳动还一直在从其他中国人工智能芯片公司挖角顶尖人才。

tqttier06-24 13:07

投资者开始获利了结、加密币价格承压下跌、整体缺乏上涨动能

许多投机资金也从加密货币市场抽离，改玩Nvidia 这些AI 股票，后续还要观察AI 是否会继续热下去，假设没有的话，等待以太币ETF 发行以及Fed 降息后，资金将重新回到加密货币市场。迷因币热潮也在GME 股价大幅下跌后冷却，GME 股价目前仅剩24 美元，相较先前的64 美元高点大幅下跌，加密货币市场的迷因币气势也跟着一去不复返，上周的迷因币市场是显得相当弱势。撇除普通的加密币投资，政治相关的加密代币可能是下半年的重头戏，今年美国大选有许多公司开始选边战，随着选情开始加温，已经有对赌的加密代币开始出现了，相关辩论也正在展开，就如同上一次大选更有加密货币期货在对赌，今年这个情况可能更加疯狂，大概可以短期激起投机者们的热情。短期内AI 的气势依然很强，资金一直被抢走也是不争的事实，我现在还是将比特币的合理价格订为70,000 美元，但必须要下调价格回涨的速度，以太币现货ETF上来之后直接的受益者也会是以太币，所以布局方面短期会配置更大的比重在以太币，目前基金的通过机率非常高，但市场还需要更多时间反应涨幅，短期内出现暴涨的机率并不高。加密货币市场及其他中小型代币呈现下跌状态，比特币今天下探至63,000 美元，整体缺乏上涨动能。值得注意的是，目前市场大型投资者需求增长疲软，另外稳定币的流动性也正在变低，根据链上数据，巨鲸大户的购入需求显示目前月增长为4.8%，尽管略高于上个月的2.4%，但今年第一季比特币ETF 上市时高达6% 至10%，相较之下动能明显不足。另外价格上涨相关的稳定币流动性增长率持续下滑，USDT 的60 天市值成长率从4 月底的126 亿美元降至当前的37 亿美元，最后则是Coinbase 溢价持续低于零，显示美国投资者对比特币与以太币的需求不像先前ETF上市时有显著的溢价，但市场还是处于多头情况，只是交易动能不足，短期价格可能进一步下调。后期会给大家带来其他赛道的龙头项目分析。感兴趣的可以点个关注。我也会不定期整理一些前沿资询和项目点评，欢迎各位志同道合的币圈人一起来探索。有问题可以评论提问或者私来源：金色财经

金色财经06-24 12:43

科技股开始回调，准备好现金吧

汉邦金融06-24 12:32

与1929年崩盘有明显相似之处！分析师警告：一场严重的崩溃可能即将到来

毁灭性的崩盘。人们的担忧集中在英伟达(Nvidia)的迅速崛起和蓬勃发展的人工智能(AI)领域，人们担心这是与以往金融灾难类似的最新泡沫。 (截图来源：Bitcoin.com) 市场专家对美国股市目前的走势发出警告，尤其是让人们注意到英伟达的非凡反弹，该公司市值最近超过3万亿美元。这种激增在很大程度上是由人工智能炒作推动的。在最近的一篇社论中，金融作家Pam Martens和Russ Martens将其与上世纪90年代末的互联网泡沫进行令人不安的比较，那次泡沫最终导致市场大幅修正。此外，这与1929年有着鲜明的相似之处，当时市场飙升至令人眼花缭乱的高点，然后陷入大萧条。就像今天一样，20世纪20年代末的大规模投资是由乐观情绪而非基本面驱动的，这种投机热情导致了不可持续的股票估值。英伟达的崛起，虽然反映人工智能的真正增长，但同样有脱离经济现实的风险，可能为潜在的急剧回调奠定基础。在与福克斯商业新闻的讨论中，经济学家Harry Dent预测，股市的低迷将比2008年的危机更为严重。 Dent说：“我们从来没有见过政府把一个完全人为制造的泡沫维持15年，看看之后会发生什么。但我可以告诉你，历史上没有一次泡沫，没有一次大泡沫不是以糟糕的结局收场的，而且这次泡沫要大得多。” 这位经济学家补充道：“我认为标普指数将从最高点下跌86%，纳斯达克指数将下跌92%。像英伟达这样的英雄股，尽管它很好，而且是一家伟大的公司，将下跌98%。天啊，一切都结束了。” 分析人士指出，过去一年里出现的几个危险信号表明，未来会有麻烦。一个主要的担忧是通胀压力和美联储在利率问题上的鹰派立场。尽管通胀率略有下降，但美联储预计降息幅度不会太大，暗示可能会收紧流动性，从而引发市场萎缩。股市波动性加剧加剧问题的复杂性。股市的高估值，尤其是科技股的高估值，是由投机交易而非公司基本面支撑起来的。在几位分析师看来，这种环境已经形成一种“泡沫”情景。在这种情景相爱，投资者情绪或经济指标稍有变化就可能引发抛售，重现2000年和2008年之后的快速下跌，甚至可能比1929年还要严重。在接受CNBC采访时，CFRA Research首席投资策略师Sam Stovall讨论了股市可能会出现大幅回调的原因。 Stovall说道：“我认为股市仓位真的处于‘紧张’状态，我们必须看到盈利预期上修，以证明这一点是合理的。跑赢大盘的只有科技股。我觉得这是一架只用一个引擎的大型喷气式飞机，你想知道它能在空中停留多久。”

tqttier06-24 09:53

市场陷入“泡沫狂热”模式！策略师：标普飙破6000点后崩盘比特币回调释出关键信号

，而高贝塔系数的大型科技股，如英伟达(NVIDIA)本身遵循分析师EBITDA修订的二阶导数。“在我们看来，在2024年第三季特别容易受到调整的影响，”巴里认为。 (来源:ZeroHedge) 不仅仅是比特币，巴里认为股市即将大幅下跌，“这一观点进一步证实了，由于通胀仍处于疫情前30年的高位，并且实际上在2024年第二季有所上升，高于美联储对2024年核心PCE通胀率2.8%的中值预测，美联储将放弃谨慎的鸽派立场”。尽管巴里预计2024年下半年的国内生产总值(GDP)增长速度会大大放缓，但这种情况仍在发生。这导致“适度滞胀，可能暴露出标普500指数相对于金融状况的估值过高”。巴里最后警告称：“在进入2024年第三季时，这导致股票投资者采取市场调整的谨慎态度。”

圈内人 1评论06-24 08:39

人工智能还没有为软件公司赚到大钱

商股价也大幅上涨。6月18日，英伟达（Nvidia）超越微软（Microsoft）和Apple，成为全球市值最高的公司。 KeyBanc分析师阿德（Jackson Ader）表示，这是因为目前大部分人工智能支出都流向了用于训练和部署模型的硬件或云基础设施。阿德补充说，在很多情况下，这些支出是以牺牲赛富时公司等传统软件供货商为代价的，而这些传统软件供货商近年来受到了优先对待。他表示，大多数信息长对基于人工智能的应用程序都持“观望”态度。人们还有一个更长期的担忧：人工智能可能会彻底削弱“软件即服务”业务。大多数计算机应用软件都是按使用者收费的，因此收入增长的前提是企业客户继续招聘员工。但人工智能的一个主要卖点是提高效率——例如，你需要更少的客服代表来服务同样的使用者群。并非所有公司都会把节省下来的人力资源再投入到招聘更多员工中。对于基于“使用者席位”（即使用软件的员工数量）的软件来说，工作职位的减少将损害其未来的增长。高盛集团（Goldman Sachs）分析师兰根（Kash Rangan）在最近的财报电话会议上向Adobe管理层提出了这样一个问题。他问道：“产生式人工智能是否会变得非常出色，以至于终结创意过程——这样我们就不需要创意人员了。”他指出，这是投资者争论的一个主要问题。该公司行政总裁纳拉延（Shantanu Narayen）回答说，人工智能将使软件更易于使用，从而扩大客户群。至于硬件和基础设施在这波人工智能消费浪潮中备受关注的问题，这位资深的Adobe行政总裁表示，客户的关注点最终会回到人工智能在应用程序中的使用，否则所有对芯片和服务器的投资都是不值得的。不过，对于大多数软件公司来说，利用人工智能赚钱的时间点还遥遥无期。

金融界06-24 08:13

解析 AI 与加密结合的潜力与现实挑战

因为神经网络在训练时需要进行反向传播。Nvidia为此提供了两项创新技术（NVLink和InfiniBand）。这些技术可以极大地加快GPU通信速度，但它们只能在单个数据中心内的GPU集群中使用（速度超过50 Gbps）。如果引入去中心化网络，由于增加了网络延迟和带宽，速度会显著变慢。这与Nvidia在数据中心内提供的高速互联相比，对于AI训练用例来说根本不可行。此外，去中心化环境中的网络带宽和存储成本相比于本地集群中的固态硬盘也要高得多。在链上训练AI模型的另一个问题是，与推理相比，这个市场的吸引力较小。目前，大量GPU计算资源用于AI大语言模型（LLM）的训练。但从长远来看，推理将成为GPU的主要应用场景。想想看：为了满足需求，需要训练多少个AI大语言模型？相比之下，将有多少客户使用这些模型？请注意，这方面已经有一些创新，可能为链上AI训练的未来提供希望： 1）基于InfiniBand的分布式训练正在大规模开展，NVIDIA本身也通过其集体通信库支持非本地分布式训练。不过，这仍处于初期阶段，采用情况还有待观察。物理距离带来的瓶颈依然存在，因此本地InfiniBand训练仍然显著更快。 2）已有一些新研究发表，探讨了减少通信同步次数的去中心化训练，可能在未来使去中心化训练更为实际。 3）智能分片和训练调度可以帮助提升性能。同样，未来可能会有新模型架构专门为分布式基础设施设计（Gensyn正在这些领域进行研究）。 4）创新如Neuromesh尝试通过一种称为预测编码网络（PCN）的新方法，以较低成本实现分布式训练。 2、去中心化的AI数据迭代训练的数据信息部分也是一个难题。任何AI训练过程都涉及处理大量数据。通常，模型是在集中且安全的数据存储系统上进行训练，这些系统具有高可扩展性和高性能。这需要传输和处理数TB的数据，而且这不是一次性的循环。数据通常是嘈杂且含有错误的，所以在训练模型之前，必须对数据进行清洗和转换，使其成为可用格式。这个阶段涉及标准化、过滤和处理缺失值的重复任务。在去中心化环境中，这些都构成了严重挑战。训练的数据信息部分也是迭代的，这与Web3不太兼容。OpenAI花费了成千上万次迭代才取得他们的成果。训练过程是迭代的：如果当前模型未达到预期效果，专家会返回到数据收集或模型训练阶段以改进结果。现在，想象在去中心化环境中进行这个过程，而现有的最佳框架和工具在Web3中不易获得。一种有前景的技术是0g.ai（由Hack VC支持），他们提供链上数据存储和数据可用性基础设施。他们拥有更快的架构和在链上存储大量数据的能力。 3、利用过度冗余的AI推理计算达成共识加密与AI结合的一个挑战是验证AI推理的准确性，因为你不能完全信任单一的中心化方来执行推理操作，存在节点行为不端的可能性。在Web2的AI中，这个挑战不存在，因为没有去中心化的共识系统。一种解决方案是冗余计算，即多个节点重复相同的AI推理操作，以便在无信任的环境中操作，并避免单点故障。这种方法的问题在于，我们生活在一个高端AI芯片严重短缺的世界。高端NVIDIA芯片的等待期长达数年，导致价格上涨。如果你还要求AI推理在多个节点上多次重复执行，这将大幅增加这些昂贵的成本。对于许多项目来说，这是行不通的。 4、Web3特定的AI用例（短期内）有人建议，Web3应该有其独特的AI用例，专门针对Web3客户。目前，这仍是一个新兴市场，用例尚在发现中。一些挑战包括： Web3原生用例需要的AI交易量较少，因为市场需求还处于起步阶段。客户较少，因为Web3客户相比Web2客户少了好几个数量级，所以市场不那么分散。客户本身不够稳定，因为他们是资金较少的初创公司，因此这些初创公司可能会随着时间的推移倒闭。针对Web3客户的AI服务提供商可能需要随着时间的推移重新获取部分客户，以替代那些倒闭的客户，使其业务扩展更加困难。从长远来看，我们对Web3原生的AI用例非常看好，特别是随着AI代理的普及。我们设想未来每个Web3用户都会有多个AI代理为他们提供帮助。这个领域的早期领先者是Theoriq.ai，他们正在构建一个可组合AI代理的平台，能够服务于Web2和Web3客户（由Hack VC支持）。 5、消费级GPU去中心化物理基础设施网络（DePIN）有许多去中心化的AI计算网络依赖消费级GPU，而不是数据中心的GPU。消费级GPU适用于低端AI推理任务或延迟、吞吐量和可靠性要求较为灵活的消费用例。但对于严肃的企业用例（即占据主要市场份额的用例），客户希望网络比家庭机器更可靠，且复杂推理任务通常需要更高端的GPU。对于这些更有价值的客户用例，数据中心更为适合。需要注意的是，我们认为消费级GPU适合于演示用途或那些能容忍较低可靠性的个人和初创公司。但这些客户的价值基本较低，因此我们认为，面向Web2企业的去中心化物理基础设施网络（DePIN）从长远来看会更有价值。因此，知名的GPU DePIN项目通常已经从早期主要使用消费级硬件发展到现在具备A100/H100和集群级别的可用性。二、加密 x AI 的实际且可行的用例现在，让我们讨论加密 x AI 能显著提升价值的用例。实际收益1：服务于Web2客户麦肯锡估计，生成式AI每年可为他们分析的63个用例带来2.6万亿至4.4万亿美元的附加价值——相比之下，英国2021年的GDP总量为3.1万亿美元。这将使所有人工智能的影响增加15%到40%。如果我们将生成式AI嵌入目前用于其他任务的软件中，这一估计的价值将大致翻倍。有趣的是：根据上述估算，这意味着全球AI（不仅仅是生成式AI）的总市场价值可能达到数十万亿美元。相比之下，所有加密货币（包括比特币和所有山寨币）加起来的总价值今天仅约为2.7万亿美元。所以，让我们现实一点：短期内需要AI的客户绝大多数将是Web2客户，因为实际需要AI的Web3客户只是这2.7万亿市场中的一小部分（考虑到BTC占据了一半的市场份额，而BTC本身并不需要/使用AI）。 Web3的AI用例才刚刚起步，目前尚不清楚其市场规模会有多大。但有一点直观上可以确定——在可预见的未来，它只会是Web2市场的一部分。我们相信Web3 AI依然有光明的前景，但这意味着目前Web3 AI最普遍的应用还是服务于Web2客户。可以从Web3 AI中受益的Web2客户的示例包括：从头开始构建并以AI为核心的垂直行业软件公司（例如Cedar.ai或Observe.ai）为自身目的微调模型的大型企业（例如Netflix）快速增长的AI提供商（例如Anthropic）在现有产品中加入AI功能的软件公司（例如Canva）这是一个相对稳定的客户群体，因为这些客户通常规模大且价值高。他们不太可能在短期内倒闭，并且代表了AI服务的非常大的潜在客户群。服务于Web2客户的Web3 AI服务将受益于这一稳定的客户基础。但为什么Web2客户会想要使用Web3技术栈？本文的其余部分将解释这个理由。实际收益2：通过GPU去中心化物理基础设施网络（GPU DePIN）降低GPU使用成本 GPU DePINs汇集了未充分利用的GPU计算能力（其中最可靠的来自数据中心），并使这些资源可用于AI推理。可以简单地将其视为“GPU的Airbnb”（即协作消费未充分利用的资产）。我们对GPU DePINs感到兴奋的原因如上所述，主要是因为NVIDIA芯片短缺，目前有许多GPU周期被浪费了，这些资源可以用于AI推理。这些硬件所有者已经承担了沉没成本，当前没有充分利用他们的设备，因此可以以比现状更低的成本提供这些部分GPU周期，因为对硬件所有者来说，这实际上是“意外之财”。具体例子包括： 1）AWS机器：如果你今天从AWS租用一台H100，你需要承诺至少租用一年，因为市场供应紧张。这会导致浪费，因为你不太可能全年365天、每周7天都使用你的GPU。 2）Filecoin挖矿硬件：Filecoin网络有大量的补贴供应，但实际需求并不大。不幸的是，Filecoin从未找到真正的产品市场契合点，因此Filecoin矿工面临破产的危险。这些机器配备了GPU，可以重新用于低端AI推理任务。 3）ETH挖矿硬件：当ETH从工作量证明（PoW）转向权益证明（PoS）时，大量硬件立即变得可用，这些硬件可以重新用于AI推理。 GPU DePIN市场竞争激烈，有多个参与者提供产品。例如Aethir、Exabits和Akash。Hack VC选择支持io.net，后者还通过与其他GPU DePINs的合作来汇集供应，因此他们目前支持市场上最大的GPU供应。需要注意的是，并非所有GPU硬件都适用于AI推理。一个明显的原因是较旧的GPU没有足够的GPU内存来处理大语言模型（LLMs），尽管在这方面已经有一些有趣的创新。例如，Exabits开发了技术，将活跃的神经元加载到GPU内存中，而将不活跃的神经元加载到CPU内存中。他们预测哪些神经元需要活跃/不活跃。这使得即使在GPU内存有限的情况下，也能使用低端GPU处理AI工作负载。这实际上提高了低端GPU在AI推理中的实用性。此外，Web3 AI DePINs需要随着时间的推移强化他们的产品，提供企业级服务，如单点登录（SSO）、SOC 2合规、服务级别协议（SLAs）等。这将与当前Web2客户享受的云服务相媲美。真正的优势 #3：避免OpenAI自我审查的非审查模型关于AI审查的问题已经有很多讨论。例如，土耳其曾一度暂时禁止OpenAI（后来他们在OpenAI改进其合规性后取消了禁令）。我们认为这种国家级别的审查从根本上说并不值得关注，因为各国需要拥抱AI才能保持竞争力。更有趣的是，OpenAI会自我审查。例如，OpenAI不会处理NSFW（不适合在工作场合观看）内容，也不会预测下届总统选举的结果。我们认为在OpenAI因政治原因不愿涉及的AI应用领域，存在一个有趣且巨大的市场。开源是解决这一问题的一个好办法，因为一个Github仓库不受制于股东或董事会。一个例子是Venice.ai，它承诺保护用户隐私并以非审查的方式运作。当然，关键在于其开源性，这使得这一切成为可能。Web3 AI可以有效提升这一点，通过在低成本的GPU集群上运行这些开源软件（OSS）模型以进行推理。正因为如此，我们相信OSS + Web3是铺平非审查AI道路的理想组合。真正的好处 #4：避免向OpenAI发送个人可识别信息许多大型企业对其内部企业数据存在隐私顾虑。对于这些客户来说，很难信任像OpenAI这样的集中式第三方来处理这些数据。对于这些企业来说，使用web3可能会显得更加可怕，因为他们的内部数据突然出现在一个去中心化网络上。然而，对于AI而言，隐私增强技术方面已经有一些创新：诸如Super协议之类的可信执行环境（TEE）诸如Fhenix.io（由Hack VC管理的基金组合公司）或Inco Network（均由Zama.ai提供支持）和Bagel的PPML之类的完全同态加密（FHE）这些技术仍在不断发展，通过即将推出的零知识（ZK）和FHE ASICs，性能也在不断改善。但长期目标是在微调模型时保护企业数据。随着这些协议的出现，web3可能会成为更具吸引力的隐私保护AI计算场所。真正的好处 #5：利用开源模型的最新创新在过去的几十年里，开源软件（OSS）一直在侵蚀专有软件的市场份额。我们将LLM视为一种高级专有软件，正逐渐成为开源软件的颠覆对象。一些值得注意的挑战者包括Llama、RWKV和Mistral.ai。随着时间的推移，这个列表无疑会不断增长（在Openrouter.ai上提供了更全面的列表）。通过利用由开源模型提供支持的web3 AI，人们可以充分利用这些新创新。我们相信，随着时间的推移，一个开源的全球开发工作力量，结合加密激励，可以推动开源模型以及构建在其之上的代理和框架的快速创新。一个AI代理协议的例子是Theoriq。Theoriq利用开源模型创建了一个可组合互联的AI代理网络，可以组装在一起创建更高级的AI解决方案。我们对此深信不疑的原因在于过去的经验：大多数“开发者软件”在经过时间的推移后逐渐被开源软件所超越。微软过去是一家专有软件公司，现在成为了贡献最多的Github公司，这是有原因的。如果你看看Databricks、PostGresSQL、MongoDB等是如何颠覆专有数据库的，就会发现整个行业就是一个被开源软件颠覆的例子，所以先例在这里是相当强大的。然而，这也有一个小陷阱。OSS LLMs存在一个棘手的问题，就是OpenAI已经开始与组织签订付费数据许可协议，比如Reddit和纽约时报。如果这种趋势持续下去，由于获取数据的经济壁垒，OSS LLMs可能会越来越难以竞争。英伟达可能会将保密计算作为安全数据共享的加强工具。时间会告诉我们这将如何发展。真正的好处 #6：通过高成本的随机抽样或零知识证明实现共识在web3 AI推理中，验证是一个挑战。验证者有可能通过欺骗结果来获取费用，因此验证推理是一项重要的措施。需要注意的是，尽管AI推理还处于初级阶段，但除非采取措施来削弱这种行为的动机，否则这种欺骗是不可避免的。标准的web3方法是让多个验证者重复相同的操作并进行结果比较。然而，正如前面提到的，由于当前高端Nvidia芯片短缺，AI推理非常昂贵。考虑到web3可以通过未充分利用的GPU DePINs提供更低成本的推理，冗余计算将严重削弱web3的价值主张。更有希望的解决方案是对离链AI推理计算进行零知识证明。在这种情况下，可以验证简明的零知识证明以确定模型是否经过正确训练，或者推理是否正确运行（称为zkML）。其中的示例包括Modulus Labs和ZKonduit。由于零知识操作需要相当大的计算资源，这些解决方案的性能仍处于初级阶段。然而，随着零知识硬件ASIC在不久的将来推出，这一情况可能会得到改善。更有希望的想法是一种“乐观”抽样为基础的AI推理方法。在这种模型中，您只需验证验证者生成结果的一小部分，但设置足够高的经济成本来惩罚被抓到作弊的验证者，从而产生强大的经济禁止效应。这样一来，您可以节省冗余计算（例如，参见Hyperbolic的"Proof of Sampling"论文）。另一个有希望的想法是使用水印和指纹技术的解决方案，例如Bagel Network提出的解决方案。这类似于亚马逊Alexa为其数百万设备上的AI模型质量保证提供的机制。真正的好处 #7：通过可组合的开源软件堆栈节省费用（OpenAI的利润） web3为AI带来的下一个机会是降低成本的民主化。到目前为止，我们已经讨论了通过像io.net这样的DePINs节省GPU成本的方法。但是，web3还提供了节省中心化web2 AI服务的利润率（例如OpenAI，根据本文撰写时的信息，其年收入超过10亿美元）的机会。这些成本节约来自于使用开源软件（OSS）模型而不是专有模型，从而实现了额外的成本节约，因为模型创建者并不试图盈利。许多开源软件模型将始终完全免费，这为客户提供了最佳的经济效益。但是，也可能有一些开源软件模型尝试这些变现方法。请考虑，Hugging Face上仅有4%的模型由有预算的公司进行训练以帮助补贴这些模型（参见此处）。剩下的96%的模型是由社区进行训练的。这个96%的Hugging Face模型群体面临着实际的成本（包括计算成本和数据成本）。所以这些模型需要以某种方式实现变现。有许多关于实现这种开源软件模型变现的提议。其中最有趣的之一是“初始模型发行”（IMO）的概念，即将模型本身进行Token化，留下一部分Token给团队，并将模型的一些未来收入流向Token持有人，尽管这其中显然存在一些法律和监管障碍。其他开源软件模型将尝试基于使用量进行变现。需要注意的是，如果这种情况变为现实，开源软件模型可能开始越来越像它们的web2利润生成对应物。但是，从现实角度来看，市场将会二分，其中一些模型将完全免费。一旦选择了开源软件模型，您可以在其上进行可组合的层次操作。例如，您可以使用Ritual.net进行AI推理，以及Theoriq.ai作为可组合和自治的链上AI代理的早期领导者（两者都得到了Hack VC的支持）。真正的好处 #8：去中心化的数据采集 AI面临的最大挑战之一是获取适合训练模型的正确数据。我们之前提到过，去中心化AI训练存在一些挑战。但是利用去中心化网络来获取数据（然后可以在其他地方，甚至是传统的web2平台上用于训练）又如何呢？这正是像Grass这样的初创公司正在做的事情（得到了Hack VC的支持）。Grass是一个去中心化的“数据爬取”网络，由个人贡献他们机器的闲置处理能力来获取数据，以供AI模型的训练。理论上，在大规模应用中，这种数据采集可能比任何一家公司的内部努力更优越，因为庞大的激励节点网络具有强大的计算能力。这不仅包括获取更多的数据，还包括更频繁地获取数据，以使数据更具相关性和最新性。由于这些数据爬取节点本质上是分散的，不属于单个IP地址，因此几乎不可能阻止这个去中心化的数据爬取军团。此外，他们还有一支人力网络，可以清理和规范数据，使其在被爬取后变得有用。一旦获取了数据，您还需要一个链上的存储位置，以及使用该数据生成的LLM（大型语言模型）。在这方面，0g.AI是早期的领导者。它是一个针对AI进行优化的高性能web3存储解决方案，比AWS便宜得多（这对于Web3 AI来说是另一个经济上的成功），同时也可以作为第二层、AI等的数据可用性基础设施。需要注意的是，在未来，数据在web3 AI中的作用可能会发生变化。目前，对于LLM来说，现状是使用数据对模型进行预训练，并随着时间的推移使用更多的数据进行改进。然而，由于互联网上的数据实时变化，这些模型始终略微过时，因此LLM推理的响应略有不准确。未来可能发展的一个新范式是“实时”数据。这个概念是当LLM被要求进行推理时，LLM可以通过向其注入实时从互联网上收集的数据来使用数据。这样，LLM将使用最新的数据。Grass也正在研究这一点。三、结论我们希望这篇分析对您在思考web3 AI的承诺与现实时有所帮助。这只是一个讨论的起点，而且这个领域正在迅速变化，所以请随时加入并表达您的观点，因为我们愿意继续共同学习和建设。来源：金色财经

金色财经06-22 09:48

三巫日来临 2000 亿市值蒸发英伟达何去何从？

录的涨势。市场认为，由于英伟达公司(Nvidia Corp.)引领芯片制造商的抛售，且周五（6月21日）到期的一堆期权有可能引发价格突然波动，导致股价波动。美国银行周四写道：“该股的大幅上涨使其很容易受到获利回吐的影响，但我们认为任何波动都可能是短暂的。”该银行重申了其买入评级和150美元的目标价，称英伟达是“首选”。华尔街正面临一个不祥的季度事件，即所谓的“三巫日”，即与股票、指数期权和期货相关的衍生品合约即将到期——迫使大量交易员将现有头寸展期或建立新头寸。根据期权平台Spot Gamma的估计，约有5.5万亿美元的合约将于周五到期。标准普尔500指数在交易量比上月平均水平高出90%的情况下发声波动。英伟达周二曾一度取代微软 ( MSFT )成为全球最有价值公司，但周五其市值小幅下跌，至 3.12 万亿美元左右，低于微软的 3.33 万亿美元。英伟达延续两天的股价暴跌后，这家人工智能热潮的核心公司市值蒸发逾2000亿美元。（图片来源：finance.yahoo ）周五即将到期的与这家芯片制造商相关的合约价值是所有标的资产中第二大的，仅次于基准指数。到期时间也与指数重新平衡相吻合，届时标准普尔道琼斯指数会调整公司权重，而跟踪其指标的ETF也会进行类似的调整。数据显示，本月初美国服务业活动加速，增速达到两年多以来的最快水平，同时价格压力减弱和借贷成本下降的前景改善，美国国债价格失去吸引力。另外，现房销售连续第三个月下降。在美国股市似乎每天都在刷新旧纪录并创下新纪录之际，看跌投资者的退出无可厚非。然而，他们越来越少的入市行为，使得股市在市场人气突然转变时面临更大的风险。摩根大通以尼古拉斯·帕尼吉尔佐格鲁(Nikolaos Panigirtzoglou)为首的策略师本周表示，两只最大的股票交易所交易基金——SPDRS&P500ETF信托基金(股票代码：SPY)和Invesco QQQ信托系列1(QQQ)——的空头仓位今年已跌至历史最低水平，为股市提供了稳定的支撑，并有助于抑制波动性。与此同时，策略师们表示，愿意押注股市下跌的投资者寥寥无几，“表明市场对负面消息的脆弱性加大”。美国银行策略师表示，持续的人工智能热潮让英伟达本周一度成为全球市值最高的公司，也推动了创纪录的资金流入科技基金。据该银行援引EPFR Global数据的报告显示，截至6月19日当周，约有87亿美元流入科技基金。 Moor Insights & Strategy 创始人兼首席执行官帕特里克·穆尔黑德 (Patrick Moorhead) 周五对雅虎财经表示，投资者应警惕回调迹象。虽然他表示，他认为未来六到九个月内英伟达的主导地位不会发生改变，但投资者应该关注“生态系统中的人们是否能获得下游盈利能力”。 “这些公司包括 Adobe、Salesforce、SAP 和 ServiceNow。因为如果这些企业和消费者不为这些新的 AI 功能支付更多费用，那么整个赚钱之路就会戛然而止，就像我们在互联网泡沫破灭时看到的那样，”他解释道。穆尔黑德警告称，竞争加剧也可能对定价权造成不利影响，因为英伟达不仅要与 AMD ( AMD ) 和英特尔 ( INTC ) 等“商业硅片供应商”竞争，还要与亚马逊的 AWS ( AMZN )、微软的 Azure ( MSFT ) 和谷歌 ( GOOG , GOOGL ) 等“本土供应商”竞争。人工智能投资热潮继续增强了人们对英伟达增长率的乐观情绪。该公司在最新财报中报告称，调整后的收益同比增长461%，而收入增长了262%。除了出色的盈利之外，英伟达还于6月10日完成了10比1的拆股，并将季度现金股息增加了一倍——最近几个季度，其他科技巨头也纷纷效仿这一举措。过去12个月，英伟达股价上涨了约200%，过去五年上涨了3,200%以上。今年迄今，Nvidia股价已上涨约160%。尽管估值高昂，4万亿美元的情况已在建设中。（图片来源：finance.yahoo ） “我认为没有任何理由不能达到4万亿美元，”穆尔黑德说，“这很大程度上是基于预期，因为看看市盈率，它相当高。如果我们能看到下游参与者的一些积极迹象……我认为没有任何理由不能达到4万亿美元。” Wedbush分析师丹·艾夫斯(Dan Ives)对此表示赞同，他在周四给客户的一份报告中写道：“我们相信，未来一年，英伟达、苹果和微软之间争夺4万亿美元科技市值的竞赛将成为焦点。” 艾夫斯表示，人工智能革命是一场“刚刚开始”的盛宴，由科技巨头在数据中心的支出速度推动。他预计，未来十年，人工智能支出增量将达到1万亿美元，超过70%的企业最终将走上人工智能用例之路。他说：“现在是晚上9点，派对将持续到凌晨4点，其他科技界人士也纷纷加入进来。”

佳华16806-22 01:47

24小时热点