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

OpenAI 首位投资人 Khosla 最新洞察：AI 使人机交互发生根本性转变，软件将进一步适应人类
 go
序将如何适应我们。不再需要像学习使用 Uber 或SAP、Oracle 这样的复杂系统一样，去学习如何导航应用程序。到目前为止，我们总是在适应软件——学习它的复杂性，记住层次化的菜单等等，以此来与机器通信。现在，AI 正在使软件适应人类。这将导致新类型的硬件的诞生，这些硬件主要设计用于语音互动，计算机学习人类的语言和人类本身。虽然对于某些视觉任务可能仍然需要屏幕，但核心交互将转向语音——无论是无声的还是有声的。设计师 Jony Ive 和 OpenAI 的 Sam Altman 讨论了一个 AI 硬件项目。多年前开始的 Humane 猜测了这种接口——但早期的热度很快消退了。这些企业家的方向是正确的，但他们的实现没有充分专注于 AI 使能的新用户体验。 Rabbit 凭借其最小化的设备引起了轰动，使得微软(410.34，-1.31，-0.32%)CEO Satya Nadella 称其 R1 发布为“我看过的最令人印象深刻的展示之一，自 Steve Jobs 在 2007 年介绍 iPhone 以来，捕捉到了什么是可能的愿景。” Khosla Ventures 也是 Rabbit 的投资者之一，有新 Newin曾在第一时间分享过《【2.1 万字实录】Rabbit 创始人&CEO 吕骋最新对谈|R1 更像是 AI + iPod，而不是 iPhone 杀手》。 Khosla 认为 Rabbit 是重新定义人机交互在强大 AI 世界中的早期尝试。这些设备将围绕着我们应该通过自然语言用声音与计算机（或可以为我们运行应用的代理）对话的理念为中心，而不是通过人造构造。以 Khosla 个人的生活习惯为例。当他徒步时，他会使用一个叫做 Picture This 的应用来识别我遇到的植物，但这个过程很麻烦：停下来，暂停有声读物，打开应用，拍照，等待答案加载，关闭应用，把手机放回口袋。有了这项新技术，他只需将设备指向植物并问：“这是什么植物？”便会得到答案，然后我可以说“播放有声读物”并继续听我的书，无需中断或麻烦。从成本角度看，这种以语音驱动的方法是一个游戏规则的改变者。它比传统的智能手机要便宜得多。形态因素的创新也很可能，尽管配备更大屏幕的手机不会消失。 Rabbit 的大型动作模型（LAM），基于神经符号方法，学会使用软件应用并跨应用工作，因此人类不需要了解其他应用或网站。Rabbit 的代理将与人类交谈并为他们使用这些应用。语音比打字或触摸屏更简单、更高效。高分辨率图形和触摸界面要求昂贵、复杂的计算。相比之下，驱动 ChatGPT 和其他聊天机器人的非常大的 5000 亿参数大型语言模型试图学习所有曾经发布的内容。 Rabbit 的 LAM 表现得更像是学习如何使用应用和其他 LLM 的人类，因此人类不需要学习它们或掌握提示工程。LAM 学习使用软件的方式就像人类一样，而不是通过应用程序编程接口与应用通信，如传统软件所做的。想象有人在你滑动手机时偷看你的肩膀并学习那些模式。那就是 LAM——或者未来可能被称为的东西。这是传统范式的完全颠覆，意味着最终我们不必与软件交互，因为 AI 将代表我们这样做。手机，就像现在这样，被设计来分散我们的注意力。如果 Khosla 在徒步时不得不拿出手机，会看到电子邮件、短信和其他通知；他会被拉进某个社交平台，被广告打扰，甚至可能下陷入一个漩涡，毫不夸张地说。手机不断争夺我们的注意力，将我们拉入通知和消息的漩涡。这些新设计，如 Rabbit，旨在节省时间并最小化分心。你告诉它要做什么，它就仅仅做那个，没有更多。初创公司可以如此敏捷和创新！技术的未来不是关于渐进式变化或过去的外推，这不仅仅是关于制造另一个 iPhone 16 或 17——尽管那些将继续非常有价值。这是关于我们与设备互动方式的根本性转变，这是以 AI 为中心的，需要新的设计和新的优先级，硬件支持。初创公司最适合这样的转变。现有的大公司肯定会慢慢跟进。这就像 Apple 支配手机市场之前的手机市场。在 2006 年，大名鼎鼎的是 Nokia、Motorola，也许还有 Samsung 和 BlackBerry。Apple 当时甚至还没有进入这个画面。然后它突然推出 iPhone，彻底改变了游戏规则。通过一个创新的以用户为中心的触摸界面，在这个高度便携的计算机中，成为可能的数百万应用。正因为下一个阶段不是关于硬件或小工具，而是关于人类与计算机互动方式的彻底改造，我们将把像 Rabbit 的 R1 这样的设备添加到我们的装备中。我们将使用一个按钮设备，通过自然语言驱动大多数互动，屏幕如我们所知将成为次要。这些新设备能够做的很多事情可以通过在传统设备如智能手机上的“代理”应用来完成。但智能手机不提供亚秒级的、无干扰的互动和其他独特功能，这些是人类中心的 AI 将启用的。新技术将出现以支持这个生态系统，如植入隐形眼镜和眼镜的显示器和许多不同的方法来无声言语，以便在公共场所隐秘地使用设备。这些设备正在发明一个以人为中心和基于代理的未来，由新的 AI 技术启用。Rabbit 正在对此进行真正的尝试，这不仅仅是一个渐进式的变化。其他人肯定会跟进，创造许多便于携带和使用的设备。 Apple 带给我们“有一个应用可以做到那个”的世界。Rabbit 式的设备将带给我们“有一个 AI 可以做到那个”的世界，通过一个以语音驱动的个人代理访问，可以为你运行应用（END）。
金融界02-26 17:31
ERC404 + meme 文化叙事,Dancing Beans 会达到怎样的高度？
go
，比如AMC Theatres影院、 Uber Eats、生鲜公司meatmeCA等，通过meme出圈而获得的新发展叙事，并背靠强大的社区规模，也让他们时至今日每逢市场行情都能有所反弹表现。而 Dancing Beans 具备传统互联网 meme 的基因，同样有望在圈外传播的潜力， Dancing Beans 具备持久生命力的潜力。而从目前的基本面看，Dancing Beans 持仓用户并不多，从过往视角看这个数据没有理由支撑上所，那么大概率 Dancing Beans 是控盘项目（大概率是一些社区的巨鲸买的），车比较轻更好拉盘，想象力不言而喻，所以买一点防身可能会撬动大杠杆，有意外惊喜。来源：金色财经
金色财经02-24 08:27
对冲基金回报率是标普两倍，持有最多的是这些公司
 go
es、信用卡公司 Visa 和叫车巨头Uber也榜上有名。
金融界02-23 01:00
Uber涨3.1% 拟加快向印度两轮和三轮出行市场扩张
 go
Uber涨3.1%，报78.8美元。消息面上，Uber希望加快向印度更便宜但潜力更大的两轮和三轮出行市场扩张，从而扩大与当地打车服务提供商Ola的长期竞争。优步首席执行官Dara Khosrowshahi在班加罗尔的演讲中还提出了公交车服务的想法。Uber签署了一份谅解备忘录，探索加入数字商务开放网络，这是印度政府建立的项目之一，旨在规范在线交易和金融服务。
金融界02-22 23:41
Uber Eats与三菱电机合作，将在日本东京推出机器人送餐服务
 go
Uber Eats日本公司和三菱电机2月21日宣布，已就在人行道自动行驶的机器人送餐业务展开合作，3月将在日本东京部分中心地区投运。这项服务使用的机器人由美国初创企业Cartken开发，搭载人工智能，通过摄像头可自动感知周围的人和物体，避免冲撞。Uber Eats日本公司代表中川晋太郎表示，考虑到物流人手严重不足的“2024年问题”，推出机器人送餐服务是增加派送手段选项的尝试。
金融界02-22 08:52
突破传统Gas费对冲深入解读模块化合成区块空间
 go
务…想象一下，如果你等 15 分钟等 Uber，司机有 50%-50% 的机会接受你？有点奇怪，对吧？提高概率需要整个验证器垂直领域的巨大信任，这对于任何新推出的协议来说都是非常困难的。我们还将在下一节中解释一些复杂的问题。其他用例不需要保证块内的某个位置，例如，如果您只想在接下来的 12 小时内执行交易。那里没有真正的紧迫性。总体而言，“块空间作为产品”的要求因产品的不同而有所不同。因此，我们认为您不需要从一开始就概括块空间；您需要首先关注用例。我们首先看到 Hedgehog 的用例是什么？金融的： Rollups 用 ETH 支付巨额的 Gas 费用不同链上的账户抽象钱包交易所、NFT 平台等等…… 有几种方法可以使其成为可能。让我们检查一下如何。对冲及其变体首先，为什么要对冲？有效的Gas对冲使用户和开发人员能够更可预测地驾驭这个竞争空间，管理交易成本以应对市场波动。了解这个市场对于用户和开发人员来说至关重要，因为它影响有关交易时间和Gas价格设置的决策。随着提供商为其用户支付 Gas 费用的用例数量的增加，对冲变得更加重要，从而最大限度地减少零售用户必须自行操作的需求。以太坊网络中的硬结算（物理区块空间交付）Gas对冲类似于传统市场中的实物交付衍生品。用户锁定未来的Gas价格，以保护自己免受潜在价格飙升的影响。这通常是通过衍生品合约来实现的，其中用户同意在未来日期以预定价格购买或出售Gas。这种策略可以提供成本确定性并防止波动，但它也引入了风险和复杂性的因素。你可能会问，为什么这是一个如此复杂和困难的问题？— 这里的问题是，由于区块空间的去中心化性质，物理区块空间不属于衍生品发行者。只有验证者可以在创建新块期间管理块空间。然而，以太坊网络是最去中心化的网络之一，拥有超过 900,000 个节点。因此，你不能只是来买下一个街区的房子——你需要与每个人达成一致和协调。你说，这是不可能完成的任务。真的吗？一般来说，没有。这里应该记住Flashbots 构建的PBS和mev-boost。理论上，可以通过与个别街区建设者谈判来购买街区的空间。在某种程度上，Flashbots 已经在自己的用例中做到了这一点。然而，MEV 是区块链中最具活力的增长垂直领域之一，不断发生重大变化（在过去，肯定在未来几年）—— Vitalik 提出的部分区块拍卖、EigenLayer 的 mev-boost++、可信执行实验、去中心化构建器，越来越多……在如此积极变化的事物之上构建一个协议是相当危险的——当你的代码投入生产时，一切都会改变。 Alkimiya 正在朝这个方向做出相当的努力，但这并不是一个容易解决的挑战。1inch团队在2020年推出了一款很酷的产品——代币CHI，效果很好！不幸的是，当时在以太坊上的牵引力被 Vitalik 本人停止了，但它仍然在币安智能链上存在并有一些使用。至于UMA，他们也曾尝试过推出gas的衍生品，但他们的推动力度始终不够，或者可能选择了过于复杂的推出策略。众所周知，Oiler 也致力于解决这个问题，等待链上功能满足他们的需求……解决这个问题的另一种方法是为边缘情况制作类似保险的产品，但这是另一天的主题。总的来说，正如您所看到的，大量研究正在进行中！让我们回到汽车和石油的比喻。想象一下，如果优步汽车的一部分需要有空间用于运输，一部分用于儿童，一部分用于成人，一部分用于商务人士......并且您需要将所有这些作为一项服务立即安装在一辆车中。这几乎是不可能的。你不能用这样的概括来构建。或者你可以，但你最好从更专业化开始，然后逐步向上。这就是我们所做的！我们正在抽象化复杂性。并深入用例的核心。我们去掉所有不必要的部分并创建...... 合成块空间 Synthetic Blockspace（modular™）作为传统Gas对冲方法的一种创新的、以现金结算的自由市场方法而出现。它涉及创建代表网络上Gas的自由流通的合成资产。我们以块为核心我们从中删除所有复杂的信息只需检查每个区块时的Gas成本就是这样，这就是它的美妙之处。我们将一些复杂的事情变得简单，适合我们的用例。因为在这种情况下，汇总、钱包、验证器和其他提供商需要什么？——对冲。对于对冲，您只需要知道Gas成本即可。总体而言，与传统的天然气对冲方法相比，Synthetic Blockspace 更加用户友好和通用，可以根据Gas市场状况和需求进行实时调整。这种方法简化了Gas价格对冲过程，因为它不需要锁定固定价格或预测未来市场走势。相反，用户可以根据当前市场状况按需购买或出售合成天然气资产。这种方法向更广泛的用户开放了 Gas 管理，从临时的以太坊网络参与者到大型 dApp 开发人员，使其成为更具适应性的解决方案。对冲中的合成区块空间合成区块空间对于以太坊生态系统内的各种实体特别有利，从个人用户和开发人员到大型组织和 dApp。对于个人用户来说，合成区块空间提供了推测高拥塞事件的机会，而无需深入研究技术方面。开发人员和组织可以使用合成块空间来确保其项目或服务的运营成本更加可预测。例如，dApp 开发人员预计用户活动较高，通常会导致 Gas 成本增加，因此可以利用合成区块空间来对冲这种成本变化。这可以实现更好的预算和财务规划，确保以太坊生态系统内项目的可持续性和增长。模块化设计促进增长对模块化合成区块空间的探索通过将天然气市场的复杂性抽象为更易于访问和管理的形式，为应对天然气定价和区块空间管理持续挑战的创新解决方案开启了激动人心的篇章。这种方法以模块化和灵活性原则为基础，为针对社区独特需求量身定制的各种金融产品和服务铺平了道路。来源：金色财经
金色财经02-21 20:36
亚马逊优步加入道琼斯指数，窗**易有机会？
go
此举旨在反映经济性质的演变， $优步(UBER)$ 将加入道琼斯交通平均指数(DJTA)，取代 $捷蓝航空(JBLU)$ ，此举是为了增加指数对共享出行行业的曝光。变更将于2月26日开盘前生效 Tips: 道琼斯是按价格加权计算权重，所以理论上价格高的股票会有优势。捷蓝航空因为股价太低，在指数中的权重不到百分之一，所以被除名。 $沃尔玛(WMT)$ 会有3比1的股票分拆引发的，因此在指数中的权重会被减少。此次调整属于成分股替换（Reconstitution），而道琼斯指数权重的更换（Rebalancing）则会发生在每年的3月和9月的第三个周五。在指数调整中寻找交易机会？一、被动基金被动基金的一个最主要的目标就是减少跟踪误差（Tracking Error），因此它会尽可能的与指数变化保持一致，所以往往会寻找指数成分股发生替换的那一两天进行集中的交易，以免因为成分股股价波动而造成更大的偏差。但是，对于市值不同，流动性不同的个股来说，如果被动基金的调仓本身就会造成该股票的市场冲击（Market Impact），那就可能会采用一些策略来进行缓冲，例如，“Buffering”和“Packeting”。二、偏被动以及主动基金这些基金的目的一般是超过基准（Benchmark），因此在指数调仓之后，往往会抢跑“Front Running”，也就是在指数公布调仓之后、正式生效之前，就已经开始更换相应的持仓，建仓建在被动基金之前。而主动基金更是有可能仅仅抓住这一窗口来进行套利。个人投资者可以参考机构投资者的调仓方式来选择**易。对个股影响道琼斯工业平均指数总共有30只个股，最大权重股 $联合健康(UNH)$ 目前占比约9%，其次是 $微软(MSFT)$ 的近7%。而此次被调出的 $Walgreens Boots Alliance(WBA)$ 仅为0.15%。因此，AMZN的价格来看，其实可以排在WMT和JPM之间，也就是享受约3%左右的权重。但此次调整并不涉及rebalancing，因此可能会在3月进行调整。当前WBA的权重约为0.38%。跟踪道琼斯工业平均指数的纯被动基金的规模约为330亿美元，如果以0.38%来算，增量资金约为1.2亿美元，以3%权重来算，增量资金约为10亿美元。以亚马逊每天80亿美元的成交额来看，日内的影响不会很大。当然，加上其他非指数基金的调整，加入相关基金的规模约为1000亿美元，则会产生30亿美元新仓位。其实对亚马逊来说，最多也就一个交易日的影响。而跟踪道琼斯交通运输指数的基金则更少，对UBER的影响也可以忽略不计，与当时进入 $标普500(.SPX)$ 不可相提并论。所以，加入道琼斯指数可能更多的是只是“市场认可”，是一种“软实力”的体现，因为道琼斯自己也说了，反应的是“经济性质的演变”。
老虎证券02-21 11:57
对冲基金四季度抛售了这些股票
 go
aloosa的 Tepper还减持了 Uber 以及中国科技巨头拼多多和百度的股份，同时清空了在 Arista Networks 和 JD.com 的全部股份。科技领域的新赌注可以肯定的是，一些对冲基金开始或加大了对一些科技股的押注，即使他们回撤或退出了其他科技股的仓位。 Alphabet 是一些对冲基金领导者的新赌注，其中包括 Viking Global 和 Scion Asset Management 的 Michael Burry。 Burry以预测次贷危机而闻名，他还在亚马逊建立了总值超过 400 万美元的仓位，并持有甲骨文公司的股份。他还加强了对中国技术供应商阿里巴巴和京东的现有持仓。 D1 Capital 的 Sundheim 也提高了亚马逊和 Alphabet 的仓位，而 Druckenmiller 则将其持有的微软股份提高了 7%。Tepper 增加了在微软和亚马逊的持仓规模，并在Oracle建立了新的持仓。 Third Point 的Loeb增持了 Meta Platforms，而 Tiger Global 和 Viking Global 则削减了仓位。在其他领域，Coatue 新开了 Salesforce、苹果和 ServiceNow 的股份，同时将 Netflix 的仓位提高了 14%。除了 Nvidia、台积电和 Arm 之外，其他半导体公司也吸引了新的关注。Viking Global 在 Advanced Micro Devices 建立了新的仓位，Coatue 的 Laffont 将其在这家芯片制造商的持仓扩大了一丁点，并透露了对英特尔的新赌注。 Tiger Global 的 Coleman 则将其在台积电的持股比例提高了 48%，约合 9,400 万美元，同时公布了其在Broadcom超过 2.03 亿美元的持仓。
金融界02-21 04:24
VanEck研报：2030年加密货币人工智能收入前景
 go
GPU 视为人工智能计算基础设施的 Uber/Lyft 等价物，我们认为区块链提供的计算和存储将占据人工智能基础设施非超大规模市场的 20%，可能产生到 2030 年将达到 $1.90B。通过可证明的链上人性在人工智能代理和模型的背景下定义“身份”可以被视为世界计算机网络的女巫防御机制。我们可以通过检查与保护不同区块链网络相关的费用来估计这项服务的成本。2023 年，比特币、以太坊和 Solana 的成本分别约为1.71%、4.3%、和 5.57%，分别为每个网络通胀发行价值的 5.57%。保守地说，我们可以推断身份识别应占人工智能市场的 3.5% 左右。考虑到 AI 软件的 TAM 为 $125.5B，这对应于 $8.78B 的年度收入。由于我们相信加密货币为身份问题提供了最佳解决方案，因此我们相信它将占据该终端市场 10% 的市场份额，预计其年收入约为 8.78 亿美元。人工智能安全有望成为人工智能设备的另一个重要组成部分，其基本要求是使用未损坏的、相关的最新数据来验证模型是否运行正确。随着人工智能扩展到人类生命面临风险的应用领域，例如自动驾驶汽车、工厂机器人和医疗保健系统，对失败的容忍度变得很小。发生事故时问责的需要将推动保险市场需要具体的安全证明。公共区块链是实现此功能的理想选择，因为它们可以在任何人都可以看到的不可更改的分类账上发布“安全证明”。这项业务可以被认为类似于金融机构的合规性。考虑到美国的商业和投资银行产生 $660B 的收入，同时花费 $58.75B 的合规成本（占收入的 8.9%），我们预计 AI 安全应占 $251B AI TAM 的 $22.34B 左右。尽管加密货币具有增强人工智能安全的潜力，但鉴于美国政府对人工智能的关注，我们相信人工智能的大部分合规性将是集中的。因此，我们估计加密货币将占该市场的 5% 左右，即$1.12B左右。组织分散的计算资源加密货币可以将其巨大的社会和财务协调优势应用于计算访问的民主化，从而解决当前困扰人工智能开发人员的痛点。除了高昂的成本和获得优质 GPU 的机会有限之外，人工智能模型构建者目前还面临着其他棘手的问题。其中包括供应商锁定、缺乏安全性、计算可用性有限、延迟差以及国家法律规定的地理围栏。加密货币能够满足人工智能对 GPU 的需求，源于加密货币通过代币激励汇集资源的能力。比特币网络的代币价值为 850B 美元，股权价值为 20B 美元，这证明了这种能力。因此，当前的比特币矿工和有前途的去中心化 GPU 市场都有潜力通过提供去中心化计算来为人工智能增加巨大的价值。对于理解通过区块链提供 GPU 的一个有用的类比是发电业务。简单来说，有一些实体运营着大型、昂贵的工厂，可以稳定地发电以满足大多数电网需求。这些“基本负荷”工厂的需求稳定，但需要大量的建设资本投资，导致资本回报率相对较低但有保证。补充基本负载的是另一类称为“峰值功率”的发电机。当电力需求超过基本负荷发电能力时，这些企业提供电力。这涉及高成本、小规模的能源生产，其战略定位接近该能源的需求。我们预计“按需计算”领域也会出现类似的动态。比特币矿工多元化进入人工智能领域比特币和其他工作量证明加密货币与人工智能一样对能源有很高的需求。这种能源必须被创造、获取、运输并分解成可用电力来为采矿设备和计算集群供电。该供应链需要矿商对发电厂、购电协议、电网基础设施和数据中心设施进行大量投资。挖矿 PoW 加密货币带来的货币激励导致了许多分布在全球的比特币矿工的出现，这些矿工拥有能源和电力权利以及集成的网格架构。这些能源大部分来自成本较低、社会回避的碳密集型能源。因此，比特币矿工可以提供的最引人注目的价值主张是为人工智能后端基础设施提供动力的低成本能源基础设施。 AWS 和微软等超大规模计算提供商一直奉行投资垂直整合运营并建立自己的能源生态系统的战略。大型科技公司已经向上游发展，设计自己的芯片并采购自己的能源，其中大部分是可再生能源。目前，数据中心消耗了美国企业可用的可再生能源的三分之二。微软和亚马逊都承诺到 2025 年实现 100% 可再生能源供应。然而，如果预期的计算需求超出预期，正如一些人所说，到 2027 年，以人工智能为中心的数据中心数量可能会增加一倍，资本支出可能是目前估计的三倍。大型科技公司已经支付了 0.06-0.10 美元/千瓦时的电力费用，比竞争性比特币矿工通常支付的价格（0.03-0.05 千瓦时）贵得多。如果人工智能对能源的需求超过了大型科技公司当前的基础设施计划，那么比特币矿商相对于超大规模矿商的电力成本优势可能会大幅增加。矿工越来越被与 GPU 供应相关的高利润人工智能业务所吸引。值得注意的是，蜂巢10 月份报道称，按每兆瓦计算，其 HPC 和 AI 业务产生的收入是比特币挖矿的 15 倍。其他抓住人工智能机会的比特币矿工包括 Hut 8 和 Applied Digital。比特币矿商在这个新市场中经历了增长，这有助于实现收入多元化并增强收益报告。在 Hut 8 的 2023 年第三季度分析师电话会议中，首席执行官 Jaime Leverton 表示：“在我们的 HPC 业务中，我们在第三季度通过新客户的增加和现有客户的增长创造了一些动力。上周，我们推出了按需云服务，为那些从我们的 GPU 寻求 HPC 服务的客户提供基于 Kubernetes 的应用程序，这些应用程序可以支持人工智能、机器学习、视觉效果和渲染工作负载。这项服务将控制权交到我们的客户手中，同时将配置时间从几天缩短到几分钟，这对于那些寻求短期 HPC 项目的人来说尤其具有吸引力。小屋8已实现2023 年第三季度 HPC 业务收入为 450 万美元，占该公司同期收入的 25% 以上。对 HPC 服务和新产品的需求不断增长，应有助于该业务线的未来增长，随着比特币减半即将到来，HPC 收入可能很快就会超过挖矿收入，具体取决于市场状况。尽管他们的业务听起来很有前途，但转向人工智能的比特币矿工可能会因缺乏数据中心建设技能或无法扩大电力供应而陷入困境。由于雇用新的以数据中心为中心的销售人员的成本，这些矿工还可能会发现与运营管理费用相关的挑战。此外，当前的采矿作业没有足够的网络延迟或带宽，因为它们对廉价能源的优化导致它们位于偏远地区，通常缺乏高速光纤连接。为人工智能实施去中心化云我们还看到了以计算为中心的加密项目的长尾，这些项目将占据人工智能服务器资源市场的一小部分但很大一部分。这些实体将协调超大规模之外的计算集群，以提供适合新贵人工智能构建者需求的价值主张。去中心化计算的好处包括可定制性、开放访问和更好的合同条款。这些基于区块链的计算公司使小型人工智能参与者能够避免 H100 和 A100 等高端 GPU 的巨额费用和普遍不可用的情况。加密人工智能企业将通过创建围绕加密代币激励构建的物理基础设施网络来满足需求，同时提供专有IP来创建软件基础设施以优化人工智能应用程序的计算使用。区块链计算项目将使用市场方法和加密奖励来从独立数据中心、具有过剩计算能力的实体和前 PoW 矿工那里发现更便宜的计算。为人工智能模型提供去中心化计算的一些项目包括Akash、渲染和io.net。 Akash每日收入 Akash每日收入。资料来源：Cloudmos 截至 2024 年 1 月 30 日。过去的表现并不能保证将来的结果。 Akash 是一个基于 Cosmos 的项目，可以认为是一个通用的去中心化“超级云””，提供 CPU、GPU、内存和存储。实际上，它是一个连接云服务用户和云服务提供商的双向市场。Akash 的软件旨在协调计算供应与需求，同时创建促进 AI 模型训练、微调和运行的工具。Akash 还确保市场买家和卖家诚实履行其义务。Akash 通过其 $AKT 代币进行协调，该代币可用于以折扣价支付云服务费用。$AKT 还作为 GPU 计算提供商和其他网络参与者的激励机制。在供应方面，Akash 在添加计算供应商方面取得了长足进步，因为 Akash 市场上有 65 家不同的供应商。尽管在 Akash 的 AI 超级云于 2023 年 8 月 31 日首次亮相之前，计算需求一直低迷，最近迁移到 Solana 的 Render 最初专注于将艺术家与分散的团体联系起来，这些团体将提供 GPU 能力来渲染图像和视频。然而，Render 已开始将其去中心化 GPU 集群的重点放在满足机器学习工作负载上，以支持深度学习模型。通过网络改进提案RNP-004，Render 现在拥有一个 API 可以连接外部网络（例如 io.net），该网络将利用 Render 的 GPU 网络进行机器学习。渲染社区随后提出的提案获得通过，允许通过Beam和FEDML访问其 GPU来完成机器学习任务。因此，Render 已成为 GPU 工作负载的去中心化促进者，通过向提供商支付 RNDR 美元以及向运行网络后端基础设施的实体提供 RNDR 激励来协调。 Io.net GPU 价格比较。来源：io.net截至 2024 年 1 月 4 日。 Solana 上另一个有趣的项目是 io.net，它被认为是 DePIN 或去中心化物理基础设施网络。io.net 的目的也是提供 GPU，但其重点仅在于应用 GPU 来驱动 AI 模型。除了简单地协调计算之外，Io.net 还在其核心堆栈中添加了更多服务。其系统声称可以处理人工智能的所有组件，包括创建、使用和微调，以正确促进整个网络中的人工智能工作负载并对其进行故障排除。该项目还利用了其他去中心化 GPU 网络，例如 Render 和 Filecoin 及其自己的 GPU。尽管 io.net 目前缺乏代币，但计划于 2024 年第一季度推出。克服去中心化计算的瓶颈然而，由于典型的633TB+提出的网络需求，利用这种分布式计算仍然是一个挑战训练深度学习模型所需的数据。由于计算机能力的延迟和差异，位于全球各地的计算机系统也给并行模型训练带来了新的障碍。Together 是一家积极进军开源基础模型市场的公司，该公司正在构建一个去中心化云来托管开源人工智能模型。Together 将使研究人员、开发人员和公司能够通过结合数据、模型和计算的直观平台来利用和改进人工智能，扩大人工智能的可访问性并为下一代科技公司提供支持。Together 与领先的学术研究机构合作，构建了 Together 研究计算机，使实验室能够集中计算进行人工智能研究。该公司还与斯坦福基础模型研究中心 (CRFM) 合作创建了语言模型的整体评估 (HELM)。HELM 是一个“活基准”，旨在通过提供评估此类基础模型的标准化框架来提高人工智能的透明度。自 Together 成立以来，创始人 Vipul Ved Prakash 率先启动了多个项目，包括 1) GPT-JT，一个开放式 LLM，具有通过 <1Gbps 链路进行训练的 6B 参数模型，2) OpenChatKit，一个强大的开源基础，可创建专用和通用聊天机器人，以及 3) RedPajama，一个创建领先的开源模型的项目，其目标是成为研究和商业应用的基础。Together 平台是一个基础模型，由商品硬件上的开放模型、去中心化云和综合开发者云组成，汇集了不同的计算源，包括消费者矿工、加密矿场、T2-T4 云提供商和学术计算。 HELM (RAFT) 分数 GPT-JT 性能。来源：截至 2024 年 1 月 4 日的解码器。我们相信像Together这样的去中心化和民主化的云计算解决方案可以显着削减构建新模型的成本，从而有可能颠覆亚马逊网络服务、谷歌云和Azure等老牌巨头并与之竞争。就上下文而言，将 AWS 容量块和 AWS p5.48xlarge 实例与配置有相同数量的 H100 SXM5 GPU 的 Together GPU 集群进行比较，Together 的定价大约比 AWS 低 4 倍。随着开放式法学硕士变得越来越准确并得到更广泛的采用，Together 可能成为开源模型的行业标准，就像红帽之于 Linux 一样。该领域的竞争对手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。通过加密货币激励增强人工智能模型区块链和加密货币激励措施证明，网络效应和与网络效应大小相关的奖励迫使人们从事有用的工作。在比特币挖矿的背景下，该任务是通过使用昂贵的电力、技术人力和 ASIC 机器来保护比特币网络。这种经济资源的协调提供了一种女巫攻击防御机制，防止对比特币的经济攻击。作为交换，协调这些资源的矿工将获得 BTC 美元。然而，人工智能有用工作的绿色空间要大得多，一些项目已经在推动人工智能和机器学习模型的改进。这些项目中最原始的是Numerai。目前，Numerai 可以被视为一项去中心化数据科学锦标赛，旨在确定最佳机器学习模型，通过建立股票投资组合来优化财务回报。在每个时代，匿名 Numerai 参与者都被授予访问隐藏原始数据的权限，并被要求利用这些数据来构建表现最佳的股票投资组合。为了参与，用户不仅被要求提交预测，还被迫在其模型的预测背后投入 NMR 代币，以证明这些模型的价值。其他用户也可以在他们认为性能最佳的模型上投入代币。然后，每个质押、提交的模型的输出都会被输入到机器学习算法中，以创建一个元模型，为 Numerai One 对冲基金的投资决策提供信息。提交具有最佳信息系数或有效性的“推论”的用户将获得 NMR 代币奖励。与此同时，那些质押最差模型的人的代币将被削减（没收并重新用于奖励获胜者）。 Bittensor 上的子网和用例。来源： https: //taostats.io/api/截至 2024 年 1 月 2 日。 Bittensor是一个大规模扩展 Numerai 核心概念的类似项目。Bittensor 可以被认为是“机器智能的比特币”，因为它是一个为 AI/ML 模型提供经济激励的网络。这是由构建人工智能模型的“矿工”和评估这些模型输出质量的“验证者”实体来完成的。Bittensor 的架构是一个基础网络和许多较小的子网（子网）的架构。每个子网络都专注于机器智能的不同领域。验证者会向这些子网上的矿工提出各种问题或请求，以评估其人工智能模型的质量。表现最好的模型将获得最高的 TAO 代币奖励，而验证者则因对矿工的准确评估而获得补偿。在更高的层面上，验证者和矿工都必须质押代币才能参与每个子网，每个子网占总质押的比例决定了它从所有 Bittensor 总通胀中获得多少 TAO 代币。因此，每个矿工不仅有动力优化其模型以赢得最多的奖励，而且有动力将其模型集中在最佳的人工智能领域子网上。此外，由于矿工和验证者必须维持资金才能参与，因此每个人都必须超过资本成本障碍，否则就会退出系统。截至 2024 年 1 月，共有 32 个不同的子网，每个子网专用于机器学习或人工智能的特定领域。例如，Subnet 1是类似于ChatGPT的提示LLM的文本。在这个子网上，矿工运行各种经过调整的 LLM 版本，以最好地响应评估响应质量的验证者的提示。在名为“Taoshi”的子网 8 上，矿工提交对比特币和各种金融资产价格的短期预测。Bittensor 还拥有专用于人类语言翻译、存储、音频、网络抓取、机器翻译和图像生成的子网。子网创建是无需许可的，任何拥有 200 TAO 的人都可以创建子网。子网运营商负责为每个子网的活动创建评估和奖励机制。例如，Opentensor，Bittensor 背后的基础，Cerebras评估矿工在该子网上的 LLM 输出。虽然这些子网最初都是由通货膨胀奖励全额补贴的，但每个子网最终都必须在经济上维持自身。因此，子网运营商和验证者必须协调创建工具，以允许外部用户付费访问每个子网的服务。随着通货膨胀的 TAO 奖励减少，每个子网将越来越依赖外部收入来维持自身。在这种竞争环境中，存在着创造最佳模型的直接经济压力以及其他人创造有利可图的现实世界的激励措施这些模型的应用程序。Bittensor 正在利用斗志旺盛的小型企业来识别人工智能模型并从中获利，从而释放人工智能的潜力。正如著名的 Bittensor 传播者 MogMachine 所说，这种动态可以被视为“人工智能的达尔文竞争”。另一个有趣的项目是利用加密技术来激励人工智能代理的创建，这些人工智能代理被编程为代表人类或其他计算机程序自主完成任务。这些实体本质上是旨在解决特定问题的自适应计算机程序。代理是一个包罗万象的术语，涵盖聊天机器人、自动交易策略、游戏角色，甚至虚拟宇宙助手。该领域的一个著名项目是Altered State Machine，这是一个使用 NFT 创建拥有、供电和训练的人工智能代理的平台。在 Altered State Machine 中，用户创建他们的“代理”，然后使用分散的 GPU 集群“训练”它们。这些代理针对特定用例进行了优化。另一个项目，Fetch.ai，是一个用于创建根据每个用户的需求定制的代理的平台。Fetch.ai 也是一家 SaaS 业务，允许注册和租赁或出售代理。自 2023 年 1 月 1 日起 AI 代币的回报来源：Artemis XYZ 截至 2024 年 1 月 10 日。过去的表现并不能保证将来的结果。通过零知识 (zk) 证明进行验证 2023 年是新 AI 模型的标志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度学习的前景，截至 2023 年 6 月，美国有超过18,563 家人工智能相关初创企业。这些初创企业和其他企业已经生产了数千个新的基础模型和微调模型。然而，在人工智能相关公司投资的每 4 美元风险投资中就有 1 美元投资的领域中，许多新实体的激增应该引起严重关注。谁实际创建并拥有每个模型？输出实际上是由指定模型产生的吗？该模式真的像宣传的那样有效吗？每个模型的数据源是什么以及谁拥有该数据？训练、微调和/或推理是否侵犯了任何版权或数据权？这些模型的投资者和用户都应该 100% 确定他们可以解决这些问题。目前，针对 LLM 输出的不同组件存在许多基准测试，例如用于代码生成的HumanEval、用于 LLM 辅助任务的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，尽管尝试了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，没有具体证据证明模型的有效性、最终来源或其训练/推理数据的来源。不仅可以对基准进行游戏，而且还不能确定特定模型是否实际运行（而不是使用连接到另一个模型的 API），也不能保证排行榜本身是诚实的。这就是公共区块链、人工智能和称为零知识（zk）证明的前沿数学领域的统一。zk 证明是密码学的一种应用，它允许某人以所需水平的数学确定性证明他们对数据所做的陈述是正确的，而无需向任何人透露底层数据。语句可以包括简单的声明（例如排名），但可以扩展到复杂的数学计算。例如，某人不仅可以证明他或她知道某个样本的相对财富而不向另一方透露该财富，而且他或她还可以证明该群体的平均值和标准差的正确计算。本质上，您可以证明您了解数据和/或您使用该数据做出了真实的断言，而无需透露该数据的细节或您如何进行计算。在 AI 之外，zk 证明已经被应用于扩展以太坊，允许交易在第 2 层区块链上进行链下交易。最近，zk 证明已应用于深度学习模型，以证明：使用特定数据来生成模型或提供推理输出（此外，未使用哪些数据/源）使用特定模型来生成推论推理输出未被篡改 zk 证明可以发布到公共、永久的区块链上，并通过智能合约进行验证。结果是区块链可以公开且无可辩驳地证明人工智能模型的重要属性。将 ZK 应用于 AI 的两个前沿项目被称为“零知识机器学习”（ZKML），即EZKL和Modulus。EZKL 使用Halo2证明系统生成 zk-snarks，这是一种零知识证明，然后可以在以太坊的 EVM 上公开验证。EZKL 首席执行官Jason Morton表示，虽然 EZKL 目前可以证明的模型大小相对较小，约为 100M 参数，而 ChatGPT 4 的参数为 175B相信他们正在考虑的是“工程问题”而不是“技术限制”问题。EZKL 相信他们可以通过拆分并行执行的证明来克服证明问题，从而减少内存限制和计算时间。事实上，杰森·莫顿相信有一天，“验证模型将像签署区块链交易一样简单。” ZKML证明应用于人工智能可以解决人工智能实现的重要痛点，包括版权问题和人工智能安全。正如《纽约时报》最近针对 Open AI 和微软的诉讼所表明的那样，版权法将适用于数据所有权，人工智能项目将被迫提供其数据来源的证明。ZKML 技术可用于快速解决法庭上有关模型和数据所有权的争议。事实上，ZKML 的最佳应用之一是允许Ocean Protocol和SingularityNet等数据/模型市场证明其列表的真实性和有效性。人工智能模型最终将扩展到准确性和安全性至关重要的领域。据估计，到 2027 年，人工智能边缘设备将达到5.8B 个，其中可能包括重型机械、机器人、自动无人机和车辆。由于机器智能应用于可能伤害和杀人的事物，因此使用来自可靠来源的高质量数据来证明该设备上运行了信誉良好的模型非常重要。尽管从这些边缘设备构建连续的实时证明并将其发布到区块链可能在经济和技术上具有挑战性，但在激活时验证模型或定期发布到区块链可能更可行。然而，来自0xPARC的 Zupass基金会已经建立了源自“携带数据证明”的原始证明，可以廉价地建立边缘设备上发生的事实证明。目前，这与活动出席有关，但可以预见，这种情况很快就会迁移到身份甚至医疗保健等其他领域。机器人外科医生的人工智能模型有多好？机器人辅助手术。资料来源：截至 2024 年 1 月 30 日的《麻省理工学院技术评论》。从可能因设备故障而承担责任的企业的角度来看，拥有可验证的证据来证明他们的模型不是代价高昂的事故的根源似乎是理想的选择。同样，从保险的角度来看，验证和证明基于实际数据训练的可靠模型的使用可能在经济上变得必要。同样，在人工智能深度伪造的世界中，利用经过区块链验证和证明的相机、手机和计算机来执行各种操作可能会成为常态。当然，这些设备的真实性和准确性的证明应该发布到公共开源分类账上，以防止篡改和欺诈。尽管这些证明有着巨大的前景，但它们目前受到天然气费用和计算开销的限制。按照当前的 ETH 价格，在链上提交证明需要花费大约 300-500k 的 Gas（按照当前的 ETH 价格约为 35-58 美元）。从计算的角度来看，Eigenlayer 的 Sreeram Kennan 估计，“在 AWS 上运行需要花费 50 美元的证明计算，使用当前的 ZK 证明技术将花费约 1,000,000 倍的成本。” 结果是，zk 证明的发展速度比几年前任何人的预期都要快得多，但在打开实际用例之前还有很长的路要走。假设有人对 ZKML 的应用感到好奇。在这种情况下，他们可以参加由经过验证的链上智能合约模型评判的去中心化歌唱比赛，并将其结果永久上传到区块链。通过基于区块链的身份建立人性广泛、先进的机器智能的一个可能后果是，自主代理将成为最多产的互联网用户。人工智能代理的释放很有可能会导致整个网络受到有目的的机器人生成的垃圾邮件甚至无害的基于任务的代理堵塞网络的干扰（“摆脱垃圾电子邮件”）。索拉纳当机器人争夺大约价值 10 万美元的套利机会时，每秒有 100 GB 的数据流量。想象一下，当人工智能代理可以勒索数百万个企业网站并勒索数十亿美元时，将会出现怎样的网络流量洪流。这表明未来的互联网会对非人类流量施加限制。限制此类攻击的最佳方法之一是对过度使用廉价资源征收经济税。但我们如何确定垃圾邮件收费的最佳框架，以及如何确定人性化？幸运的是，区块链已经采用了内置防御来防止人工智能机器人式的女巫攻击。计量非人类用户与非人类用户收费的结合将是一种理想的实现方式，同时稍微繁重的计算（如Hashcash）会抑制机器人。在人性证明方面，区块链长期以来一直在努力克服匿名性，以解锁诸如抵押不足的贷款和其他基于声誉的活动等活动。获得动力来证明身份的一种方法是使用JSON Web 令牌 (JWT)。JWT 是“0Auth”凭证，类似于“cookie”，是在您登录 Google 等网站时生成的。它们允许您在登录 Google 后访问互联网上的各个网站时展示您的 Google 身份。zkLogin由 L1 区块链Sui创建，允许用户将其钱包私钥和操作链接到生成 JWT 的 Google 或 Facebook 帐户。零点对点进一步扩展了这个概念，使用 JWT 来无需许可地允许用户在 Base 区块链上用法定货币交换加密货币。这是通过支付应用程序 Venmo 确认点对点现金转账来完成的，当通过电子邮件 JWT 确认时，解锁智能合约托管的 USDC 代币。这两个项目的结果是它们与链下身份建立了牢固的联系。例如，zkLogin 将钱包地址连接到 Google 身份，而 zkP2P 仅适用于 Venmo 的 KYC 用户。尽管两者都缺乏足够可靠的可靠保证来实现链上身份，但它们创建了其他人可以使用的重要构建块。虽然许多项目都试图确认区块链用户的人类身份，但最大胆的是OpenAI 首席执行官Sam Altman创立的WorldCoin。尽管备受争议，因为用户必须扫描虹膜使用反乌托邦的“Orb”机器，世界币正在走向一个不可篡改的身份系统，该系统不能轻易伪造或被机器智能所淹没。这是因为 WorldCoin 根据每个人独特的眼睛“指纹”创建了一个加密标识符，可以对其进行采样以确保唯一性和真实性。经过验证后，用户会收到 Optimism 区块链上名为 World ID 的数字护照，允许该用户在区块链上证明自己的人性。最重要的是，一个人的独特签名永远不会被泄露，也无法被追踪，因为它是加密的。World ID 只是断言区块链地址属于人类。Checkmate 等项目已经将 World ID 与社交媒体资料链接起来，以确保用户的独特性和真实性。在人工智能主导的未来互联网中，在每一次在线互动中明确证明人性可能会变得司空见惯。当人工智能克服了验证码的局限性时，区块链应用程序可以廉价、快速、具体地证明身份。通过区块链技术为人工智能做出贡献毫无疑问，我们正处于人工智能革命的早期阶段。然而，如果机器智能的增长轨迹符合最大胆的根据预测，人工智能必须面临挑战，才能脱颖而出，同时抑制其潜在危害。我们相信，加密货币是正确“训练”结果丰富但潜在阴险的人工智能植物的理想网格。区块链的人工智能解决方案集可以通过为机器智能创造者提供响应更快、更灵活且可能更便宜的去中心化计算来提高机器智能创造者的产出。它还激励能够创建更好模型的构建者，同时为其他人提供经济动力，让他们利用这些人工智能模型构建有用的业务。同样重要的是，模型所有者可以证明其模型的有效性，同时证明未使用受保护的数据源。对于人工智能用户来说，加密应用程序可以确认他们运行的模型是否符合安全标准，并且可能很有用。资料来源：VanEck Research，项目网站，截至 2024 年 1 月 15 日。提供第三方网站的链接是为了方便起见，包含此类链接并不意味着我们对链接网站中包含的或可从链接网站访问的任何内容或信息进行任何认可、批准、调查、验证或监控。点击非 VanEck 网页的链接，即表示您承认您进入的第三方网站受其条款和条件的约束。VanEck 对第三方网站的内容、访问合法性或适用性不承担任何责任。披露：VanEck 通过我们与早期风险投资经理 Cadenza 的战略合作伙伴关系在 Together 中占有一席之地，Cadenza 非常友善地为“克服去中心化计算的瓶颈” 部分做出了贡献。特别感谢：贾森·莫顿，ZKML 首席执行官 Ala Shabana，Bittensor 联合创始人 Arrash Yasavolian，Bittensor 的 Taoshi 子网创始人 Greg Osuri，Akash 首席执行官兼创始人 zkP2P首席执行官梁泽强 Sui 区块链团队的主要成员 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari 来源：金色财经
金色财经02-20 16:29
剖析积分：用户忠诚度的最佳实践
 go
企业的客户更加透明，打开了竞争（例如，Uber 可以挖走 Lyft 司机，反之亦然）。可转让的链上积分会带来重大的法律/监管问题（见下文）。法律和监管近年来，由于美国SEC等监管机构的敌意，寻求通过代币激励消费者行为的 Web3 创始人遇到了重大的法律和监管挑战。积分计划提供了一种激励用户行为的替代机制。积分计划可能为web3创始人提供一种获取和留住用户的方式，且监管风险低于代币。出于同样的原因，根据美国法律，web2 忠诚度积分通常不被视为证券，精心设计的 web3 积分计划不应受到 SEC 的监管。即使积分计划的监管风险低于代币，但还有许多其他适用的法律和法规，如果不解决这些问题，可能会给创始人带来麻烦。 Web2 积分计划有时可能“过度律师化”，但它们包括对 web3 积分计划也很重要的关键条款、条件、限制和控制。积分计划可能为考虑未来潜在代币分配的创始人提供更大的灵活性。分发代币通常是一个“单向”决定——一旦完成，就不能更改或退回。积分计划使创始人能够在顾问的帮助下迭代、反思和分析他们的策略，然后再采取具有重大法律和监管影响的步骤。感谢Anna Brian Lee 、Jake Chervinsky 、Graeme Boy 、Will Hunter 、Laura Jaramillo和Liz Yang的见解和反馈。来源：金色财经
金色财经02-20 14:09

上一页
1
•••
17
18
19
20
21
•••
44
下一页

24小时热点

最新话题更多