FX168财经网_全球视野外汇黄金加密货币NFT资讯网

多国中小学推行GenAI辅助教学备受热议，AI人工智能ETF(512930)盘中逆市翻红

23年9月，OpenAI就已发布教育版ChatGPT，面向全球教育工作者。教育版ChatGPT可辅助教师进行教学角色扮演、为非英语母语学生提供翻译、让学生校验ChatGPT生成信息的准确性等，实现教学方法创新。德邦证券指出，重视AI在教育领域的落地。AI大模型技术进一步介入教学载体，如智能交互白板、学习机，通过教学工具和载体加速落地AI应用，赋能从教师备课到教师评价到学生个性化学习的全链条。另外，AI加速落地招考领域，如AI智能巡考、AI新体考解决方案等。 AI人工智能ETF紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年7月31日，中证人工智能主题指数(930713)前十大权重股分别为中际旭创(300308)、海康威视(002415)、韦尔股份(603501)、科大讯飞(002230)、新易盛(300502)、中科曙光(603019)、寒武纪(688256)、澜起科技(688008)、紫光股份(000938)、金山办公(688111)，前十大权重股合计占比54.51%。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云08-21 09:52

加密进化论 01 期｜OKX Ventures、Hashed 与 Animoca ：再谈周期与叙事

合的机会。例如，利用AI技术和平台(如ChatGPT)，以及利用社交媒体力量(如Telegram)，Web3项目有机会接触到数亿未曾接触过加密货币的普通用户，这将为整个行业带来一次巨大的成长机会。 Hashed：我们关注的叙事并未改变，唯一改变的是行业正走向成熟，这使我们能够看到这些应用和基础设施的实际效果。我们专注于激发积极、意义深远的行为和生活方式变化的应用和基础设施，同时培养由真正的建设者、用户和生产者组成的繁荣生态系统。例如，我们投资的Axie Infinity 就通过开创新的商业模式吸引了大量东南亚和亚太地区的玩家，为他们提供可观收入。通过建立Katana DEX和Ronin Bridge等基础设施，Axie Infinity的Ronin生态系统现已发展至超过150万日活跃用户和380万月活跃用户，支持像Pixels和Apeiron这样的高质量游戏。在RWA逐步发展以及Web2用户大规模迁移到Web3市场的背景下，我们还孵化了区块链驱动的娱乐工作室Modhaus，该工作室管理了新生代K-pop女子偶像组合TripleS，并计划推出更多子团。过去粉丝只能通过参加演唱会、观看节目或购买周边产品被动参与偶像的活动，在社区治理上几乎没有话语权。Modhaus则是利用区块链技术，通过链上治理和DAO来改变这一现状。例如，粉丝可通过购买的照片卡（Objekts）进行投票，选出TripleS的出道主打歌，每次投票称为Como。所有活动都透明记录在链上。另外，我们投资的Story Protocol开创并商业化了可编程知识产权（IP），吸引了媒体、娱乐和区块链行业建设者的关注。西方好莱坞作家罢工和东方动漫行业的差距表明，IP巨头主导了大多数IP衍生收入，却未能向原始创作者和利益相关者提供明确、透明的货币化方法。为解决这一集中化问题，Story Protocol的IP图谱允许任何利益相关者，包括原始内容创作者，轻松跟踪、证明和管理IP及其衍生品的流动。其三大核心模块——链上IP注册、许可和版税管理——目前在测试网中，激发了媒体和娱乐行业利益相关者利用区块链解决黑箱集中化问题的灵感，导致用户和建设者在其主网上线前的指数级增长。 Animoca Digital Research ：Web3生态系统从最初的孤立模式发展到模块化，现在开始形成协作网络。这使得项目只需专注于自身的核心价值，并能够利用其他项目的能力来扩展非常重要。协同处理器和以意图为中心的设计是两种能够显著提升Web3被大规模开发的创新，非常值得我们关注。关于协同处理器（Coprocessor）协同处理器将大量链上的查询和交易任务卸载到链下处理，并以去信任的方式将结果返回给智能合约。它提供了一个强大的框架，用于以可扩展的方式管理和验证数字资产的状态，同时保持去信任的特性，从而增强了资产所有权、转移及其他关键活动的安全性和可审计性。在GameFi中，应用程序通常需要处理复杂的游戏机制、玩家互动和经济交易。例如，链上的拼图游戏可能要求用户在每一步都进行繁琐的签名或验证。使用协同处理器后，计算密集型的游戏逻辑可以转移到链下处理，从而让主区块链仅需处理最终状态的确认和验证。这些创新使游戏能够开发出更复杂的游戏模式和游戏内经济，比如完全链上的忠诚度计划。意图导向的设计（Intent-centric design）以意图为导向的设计是一种将用户结果置于过程复杂性之上的理念。旨在不让用户承担多余技术细节的情况下，达成预期的结果。在GameFi中，以意图为导向的设计降低了主流用户进入和利用Web3能力的门槛。用户可以直接加入Web3游戏，无需下载加密钱包或管理燃料费；创建的在线身份和获得的数字资产可以在其他游戏中无缝使用；获得的奖励也可以直接用于支付其他服务，无需转换或转账。 OKX Ventures 的免责声明，请详阅https://www.okx.com/zh-hans/learn/okx-disclaimer. Animoca Digital Research 的免责声明，请详阅 https://research.dat.animoca.space/disclaimers 风险提示及免责声明本文章仅供参考。本文仅代表作者观点，不代表OKX立场。本文无意提供 (i) 投资建议或投资推荐； (ii) 购买、出售或持有数字资产的要约或招揽； (iii)财务、会计、法律或税务建议。我们不保证该等信息的准确性、完整性或有用性。持有的数字资产（包括稳定币和 NFTs）涉及高风险，可能会大幅波动。您应该根据您的财务状况仔细考虑交易或持有数字资产是否适合您。有关您的具体情况，请咨询您的法律/税务/投资专业人士。请您自行负责了解和遵守当地的有关适用法律和法规。来源：金色财经

金色财经08-20 17:04

AMD重金收购AI公司ZT Systems，能否挑战英伟达霸主地位？

度出现亏损的局面。直到2022年末，ChatGPT发布，CUDA才一战封神！超长期的投入以及吸引到的数百万开发者，是英伟达GPU最大的护城河，AMD以及英特尔都很难追赶！从AI GPU销售额来看，今年AMD的收入不过45亿美元，而英伟达的数据中心业务营收有望突破1000亿美元！由此来看，AMD重金收购的ZT Systems有助于其AI GPU业务的发展，但指望其挑战英伟达的霸主地位，不太现实，数据中心的关键还是在于AI GPU的性能，服务器集成的重要性并不关键！当然，从估值上看，无论是英伟达还是AMD都还有上行空间，这场AI革命，势必会超越2000年的互联网泡沫！

老虎证券08-20 11:55

ETF盘后资讯|跨境支付领跑！四方精创、高伟达20CM涨停，金融科技ETF（159851）放量大涨2.44%，板块配置性价比凸显

计算机，占比约80%，覆盖了数字经济、ChatGPT、信创、金融IT等热门主题。第二大行业为非银金融（主要为互联网券商），占比近14%。

金融界08-19 23:06

跨境支付概念爆火，金融科技ETF(159851)飙涨2.44%！银行股涨疯了，五大行再创新高，银行ETF刷新3年多新高

计算机，占比约80%，覆盖了数字经济、ChatGPT、信创、金融IT等热门主题。第二大行业为非银金融（主要为互联网券商），占比近14%。二、【现金为王，首家银行明确“中期分红不会简单拆分”，新一轮红包雨将至！银行ETF（512800）刷新3年多新高】今日银行股延续强势，工农中建交五大行再创新高，沪农商行领涨逾6%，苏农商行、成都银行双双涨逾4%，江苏银行、无锡银行跟涨逾3%。整体来看，42只上市银行中，25股涨超2%，40股涨逾1%，表现十分亮眼。图片来源：Wind A股顶流银行ETF（512800）全天单边向上，场内价格大涨1.7%，斩获日线5连阳，并刷新今年7月17日创下的3年多新高（2021.2.22以来）。图片来源：Wind 回顾年内行情，银行板块持续领涨，截至今日，银行ETF（512800）跟踪的中证银行指数累计上涨19.57%，在所有行业中（中证全指二级）高居断层第一，是涨幅排名第二的保险指数涨幅近4倍，较上证指数更是超额逾22个百分点。图片来源：Wind 注：中证银行指数近5个完整年度涨跌幅为：2023年，-7.27%；2022年，-8.78%；2021年，-4.41%；2020年，-4.23%；2019年，22.65%。指数过往业绩不预示未来表现。作为典型的高分红板块，银行的配置价值离不开其高确定性回报及流动性价值，8月以来，上市银行中报密集披露，中期分红方案成为板块新的催化。据不完全统计，继国有五大行同时“官宣”实施中期分红，目前已有约17家上市银行宣布中期分红计划。其中2家分红方案出炉，平安银行拟中期每10股派发2.46元，合计派发现金股利47.74亿元；今日领涨的沪农商行拟中期每股派发0.239元，分红比例由30%提升至33%，其他银行中期分红方案亦值得期待。此外沪农商行表示，2024中期分红不会简单拆分，公司将综合考虑现金流、业务发展和股东诉求以确定分红比例，为股东提供更稳定、更可靠、更有发展潜力的投资回报。成为年内首个就中期分红“非拆分”公开表态的上市银行。此前，有业内人士认为，中期分红只是增加分红频次，并不等同于分红比例或分红规模的提升。随着沪农商行表态中期分红“非拆分”，这一局面或将得到改变。在监管部门鼓励上市公司提高分红频率和稳定性的背景下，上市银行的中期分红动力较为强劲。目前银行业整体盈利能力和资本充足率保持稳健，为中期分红提供坚实基础。华福证券表示，银行中期分红强化了银行股的高股息投资逻辑，稳定现金回报的银行股投资价值凸显。值得注意的是，近期银行板块获资金显著回流。上交所数据显示，银行ETF（512800）上周连续4日获资金增仓，单周累计获资金净流入2.83亿元。图片来源：Wind 股息铸就价值！看好银行板块配置性价比的投资者，相关产品银行ETF（512800）。银行ETF（512800）被动跟踪中证银行指数，成份股囊括A股42家上市银行，近三成仓位布局工商银行、农业银行、交通银行等国有大行，捕捉“高股息”主题机会；约七成仓位聚焦招商银行、兴业银行、江苏银行等高成长性股份行、城商行、农商行，是跟踪银行板块整体行情的高效投资工具。三、【COMEX黄金再攀新高！为什么建议关注有色？紫金矿业涨超2%，有色龙头ETF（159876）盘中上探2.48%】或由于上周五（8月16日）国际COMEX黄金单日上涨2.16%，突破2500美元/盎司关口，今日A股黄金股大受提振，高歌猛进！中证有色金属指数涨幅前10大成份股中，黄金个股占据7席，其中，赤峰黄金、山金国际、中金黄金涨逾4%，山东黄金、恒邦股份、湖南黄金、四川黄金涨超3%。权重股方面，紫金矿业、中国铝业均涨超2%。图片来源：Wind 热门ETF方面，揽尽有色金属行业龙头的有色龙头ETF（159876）早盘快速冲高，场内价格盘中上探2.48%，后维持高位震荡，最终收涨1.66%。图片来源：Wind 资金面上，有色金属板块全天获主力资金净流入17.77亿元，高居31个申万一级行业TOP2！图片来源：Wind 黄金缘何大涨？或主要是因为以下四方面的因素驱动： 1、流动性冲击影响减弱，美联储降息预期提升本月初公布的7月非农数据大幅低于预期，失业率进一步走高，上周公布的PPI和CPI数据也进一步回落。美国整体价格通胀数据逐步下行，强化市场对于美联储货币政策转向落地以实现经济软着陆的预期。同时，黄金交易“非美资产”属性逻辑仍在，国盛证券预计金价中枢仍保持向上弹性。 2、全球央行连续多月增持黄金作为黄金的传统买家，不少国家央行今年动作频频，乐观情绪蔓延。尤其是新兴市场国家，比如印度、乌兹别克斯坦、捷克、埃及与土耳其等国家都在连续多月增持黄金。平安证券认为，美元信用体系走弱，全球黄金储备持续提升，黄金中枢有望持续抬升。 3、国际黄金价格升破关键整数关口，激发做多热情技术层面，COMEX黄金价格突破此前高点以及重要整数位置（2500美元/盎司）后，做多热情激发。国投安信期货认为，随着衰退风险暂时解除，市场下调对9月降息50个基点的押注，重点关注本周美联储主席在杰克逊霍尔年会上讲话可能会对降息进行确认。贵金属维持回调买入多头思路，但当前位置已计入较多的降息预期，完成较大幅度的顺畅上涨或概率不大。市场分析人士表示，站在当前位置上，比起只聚焦金价飙升走势，转而关注整体有色金属板块也是一个不错的选择。以揽尽有色金属行业龙头的有色龙头ETF（159876）为例来看，按照申万三级行业口径，截至7月底，有色龙头ETF（159876）跟踪的中证有色金属指数中，铜、黄金、铝是前三大重仓行业，权重占比分别为21.3%、17.5%、17.3%，合计占比超50%，有望受益于黄金大涨行情，也有望受益于大宗商品上涨周期。铜、铝方面，中信证券指出，美国零售及失业数据提振宏观情绪，上周铜铝价格触底反弹。库存方面，海外铜累库速度放缓，国内加速去库，铝库存亦出现去化。随着价格跌至低位以及需求改善，铜铝需求或将迎来回暖，推动价格反弹。数据、图表来源：Wind，沪深交易所，华宝基金等本文图片、数据来源于沪深交易所、华宝基金。风险提示：金融科技ETF被动跟踪中证金融科技主题指数，该指数基日为2014.6.30，发布日期为2017.6.22；银行ETF被动跟踪中证银行指数，该指数基日为2004.12.31，发布于2013.7.15；有色龙头ETF（159876）被动跟踪中证有色金属指数（930708.CSI），该指数基日为2013.12.31，发布日期为2015.7.13。指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。文中提及个股仅为指数成份股客观展示列举，不作为任何个股推荐，不代表基金管理人和基金投资方向。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，本公司亦不对因使用本文内容所引发的直接或间接损失负任何责任。投资人应当认真阅读《基金合同》、《招募说明书》、《基金产品资料概要》等基金法律文件，了解基金的风险收益特征，选择与自身风险承受能力相适应的产品。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。根据基金管理人的评估，金融科技ETF、银行ETF、有色龙头ETF的风险等级均为R3-中风险，适宜平衡型（C3）及以上的投资者，港股互联网ETF的风险等级均为R4-中风险，适宜平衡型（C4）及以上的投资者，适当性匹配意见请以销售机构为准。销售机构（包括基金管理人直销机构和其他销售机构）根据相关法律法规对以上基金进行风险评价，投资者应及时关注基金管理人出具的适当性意见，各销售机构关于适当性的意见不必然一致，且基金销售机构所出具的基金产品风险等级评价结果不得低于基金管理人作出的风险等级评价结果。基金合同中关于基金风险收益特征与基金风险等级因考虑因素不同而存在差异。投资者应了解基金的风险收益情况，结合自身投资目的、期限、投资经验及风险承受能力谨慎选择基金产品并自行承担风险。中国证监会对以上基金的注册，并不表明其对以上基金的投资价值、市场前景和收益做出实质性判断或保证。基金投资需谨慎。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云08-19 20:36

Vitalik铸造ENS域名dacc.eth d/acc概念到底是什么？

态度有显著差异： e/acc：这个词由ChatGPT 诞生后，在矽谷新创圈广为流传，这一观点强调技术进步的巨大好处，并渴望加速这种趋势以更快带来这些好处，e/acc 支持者通常对现有监管机构如FDA 在药品和新技术审核上的保守态度表示不满，认为这延迟了生命拯救治疗的推出。 d/acc：强调防御、去中心化、民主和差异化，寻求创建并维护一个更民主的世界，并试图避免将中心化作为解决问题的首选方法。 d/acc 主张详细的风险处理计划，但旨在避免过度集中权力。 Vitalik Buterin 主张建立「防御优先」的世界观，认为一个偏向防御的世界是一个更好的世界，因为它不仅直接提高了安全性，减少了冲突，还使健康、开放和尊重自由的治理形式更容易蓬勃发展，他在文章中对「d」所代表的涵意做了以下延伸：『D』可以是防御（Defence）、去中心化（Decentralization）、民主（Democoracy）和差异（Differential）。」两者对AI 威胁人类看法有何不同？ d/acc 对AI 潜在威胁抱持较谨慎态度，认为权力集中可能导致AI 被滥用，因此强调去中心化和多元参与，让更多人能监督和影响AI 的发展。 d/acc 认为，透过分散式技术和开放透明的决策过程，可以降低AI 被少数人控制并用于危害人类的风险。 e/acc 则对AI 潜在威胁较为乐观，认为AI 发展是不可避免的趋势，只要加速发展，就能及早实现超级智能，解决人类面临的各种挑战。 e/acc 较少关注AI 可能带来的风险，更倾向于相信科技进步最终能造福人类。来源：金色财经

金色财经08-19 13:37

IMF 高管：提议将加密货币挖矿电价提高 85%

人平均三年的用电量。而人工智能模型 ChatGPT 所需电量则是谷歌搜索的 10 倍。因此，两人还提议对人工智能数据中心征收 0.032 美元/千瓦时的能源使用税，如果考虑到污染成本，则增加到 0.052 美元/千瓦时，这项税收每年可为政府带来 180 亿美元的收入。国际货币基金组织（IMF） 9 月份的一份报告显示，2027 年加密货币挖矿的碳排放量可能占据全球总排放量的 0.7%。如果加上人工智能数据中心的排放量，这一比例可能会上升到 1.2%，总量高达 4.5 亿吨，两者可能消耗全球 6% 左右的电力，这一比例十分惊人。而增加税费这种有针对性的政策可能会激励加密矿企和人工智能数据中心采用更节能的设备与运营方式。但实现这一目标的前提是要进行全球范围内的税率协调，以防止单个地区税调整之后，此类企业迁往费率较低的司法辖区。和其他行业相比，加密货币挖矿会影响环境这一说法依然存在争论。数据显示，2021 年亚马逊的碳排放总量为 7154 万吨，超过了比特币的 6540 万吨。委内瑞拉等国家由于电网压力则禁止加密货币挖矿行为，而伊朗则悬赏 24 美元奖励非法挖矿的企业。这些措施在限制加密行业发展的同时，也忽视了其他产业存在更大的碳排放隐患。免责声明：本节提供的信息仅供参考，不代表任何投资建议或FameEX官方观点。来源：金色财经

金色财经08-16 21:58

AI+DePIN组合：Grass空投即将上线

，就有能力从头开始训练出一个可以替代 ChatGPT 的 AI，这也是它在 DEPIN 赛道上有实力成为领导者的原因之一。小结 Grass 的使命是纠正 Web 2.0 时代的错误，并推动 Web3 的价值观发展。通过参与 Grass，用户不仅为构建网络而获得报酬，而且还在帮助创造一个更公平、公正的世界。AI 的发展始于数据层，Grass 致力于构建我们想要生活的世界所需的基础设施。在这一过程中，Grass 不仅为用户提供了一个参与 AI 革命的途径，还推动了去中心化和开源 AI 的发展，让所有人都能公平地访问和利用公共网络数据。Grass 的创新和独特定位，使其在 AI 和 Web3 领域中占据了重要地位，并有望成为这一领域的领导者。来源：金色财经

金色财经08-16 16:10

五分钟快速了解Sahara AI ：为何能得到顶级VC4300万美元支持

只是冰山一角。 OpenAI 在训练 ChatGPT 时，并没有承认 Reddit、Wikipedia 和 GitHub 用户的贡献——它用来训练模型的海量数据库。 Sahara 认为这是一个根本缺陷。他们认识到这些用户贡献非常有价值，让用户从中受益才是公平的。听起来很熟悉？我们之前在写关于 Vana（用户数据罗宾汉）的文章时提到过这一点。 Sahara认为，如果你为AI过程做出了价值贡献——无论是通过在AI市场上分享知识，还是为自己的AI智能体上传个人数据——你就应该拥有它。这就是“Provenance”的由来。在 Sahara 的语境中，Provenance 意味着向你的数据添加用户水印。消息、电子邮件、内容——一切都会带有你独特的水印。这样一来，任何使用你的数据开发 AI 应用程序或训练模型的人都必须为此付费。Provenance 还扩展到模型和应用程序。通过这种方式，Sahara 确保原始贡献者得到认可并获得相应的补偿。 Alpha Sahara 仍处于早期阶段，但势头正在增强。早在 5 月份，他们就开放了测试网注册，吸引了 25,000 名申请者。 Sahara 主网预计将于 2024 年第四季度某个时候推出。你可以在此处加入他们的候补名单。团队 Sahara 首席执行官兼联合创始人Sean Ren在AI领域拥有丰富的背景。他是南加州大学的副教授，专攻自然语言处理和人工智能，并因在AI领域的研究和创新而多次获奖。 Sahara 首席运营官兼联合创始人Tyler Zhou在创立 Sahara 之前曾担任币安实验室的投资总监。你可以在这里了解团队其他成员的背景。我们的想法 Sahara为今年剩余时间制定了雄心勃勃的路线图，其中包括主网的交付。如果他们能实现这一目标，那将是团队能力的有力证明。说实话，目前还没有足够的公开信息来深入评估Sahara（尽管 Litepaper 即将推出）。我们听到的很多消息听起来都很有希望，也很有抱负，但真正的考验在于他们能否实现目标。来源：金色财经

金色财经08-16 15:30

对话获 4300 万美元融资的Sahara创始人：服务微软、亚马逊,Sahara 如何助力 AI 资产化？

tcher：您认为Sahara与传统的ChatGPT等AI产品有何不同？ Sahara联创Sean Ren：可以从两个层面来看。首先，Sahara不是做应用的，最后交付的产品不是某一个GPT产品。Sahara是一个去中心化网络基础设施提供者，其应用层也没定义开发者要构建的AI Agent产品样子，而是提供相关配套的API和SDK等工具包，让任何人都可以轻松构建自己的AI Agent。第二，ChatGPT是一个一问一答形式的对话机器人，而Sahara上的Sahara Knowledge Agents（KA知识代理）是自定义人工智能程序，与传统的对话机器人有很大不同的，它会自主分析数据，针对特定需求提出可靠决策，会根据某些指令去行动或执行任务，以达到某一个目的。例如，某个KOL的KA目的是希望它能帮助筛选其推特DM里面的打广告的邀请信息，每天生成一个精简报告，回复别人的DM等，无论何时KA都可以自动执行这些命令。 Sahara是一个基础设施建设者，并为构建自定义的Knowledge Agents（KA）提供了工具和平台等。 Tyler Zhou：与ChatGPT及市面上的AI项目相比，Sahara主打的是Personalized Agent（个性化代理），是一个自定义化的人工智能程序，能力不局限于聊天，还可以帮助用户去执行很多事情。想要构建一个“Personalized Agent”需要两个前提，第一个是需要有自己的数据库，然后根据自己的数据去训练AI Agent，才能让其达到一些想要的能力；第二需要有去构建Agent的相关基础设施及工具。 Sahara不但提供了数据市场等数据相关的处理工具，其执行层还可保障用户数据能在隐私化保护的情况下训练自己的AI，并提供相关基础设施工具帮助用户更好地构建KA。 Sahara网络支持用户在不牺牲自己数据隐私的同时定制化自己的AI Agent，还提供了构建Agent的no-code（无代码）平台。 5、ChainCatcher：Sahara成立以来的数据如何？接下来的工作重点是什么？ Sean Ren：首先关于产品，Sahara一直在建设去中心化数据市场Sahara Data，去年10月推出产品。截至目前，Sahara Data共合作了31个企业客户，打磨技术的同时增加了营收。截至今年Q1结束，Sahara Data已积累了20万用户。接下来Sahara会着重三方面，也是短期内的重要动作：一是向公众开放去中心化数据市场，不管是个人还是商家都可以使用；二是在Sahara Data基础上，构建或推出一些和执行层相关的C端用户产品，比如Knowledge Vault（知识库）、Knowledge Marketplace（知识市场）等。三是Sahara测试网Testnet会在Q3推出。 6、ChainCatcher：公司目前面临的最大挑战是什么？ Sean Ren：公司团队扩张太快，已从最开始的十几个人团队扩展到40多个，在近期规划中，团队或会在未来的一两个月再增加30-40位。 Tyler Zhou：从市场和生态角度来看，我觉得比较大的挑战就是在初期阶段，Sahara定位是一个“Crypto for AI”产品（即用Crypto去赋能整个AI），触达的市场及生态都会比“AI for Crypto”更大。关于“Crypto for AI”和“AI for Crypto”之间的区别，前者“Crypto for AI”是指使用Crypto和区块链的技术和AI做一个更好的结合，帮助提升和改进AI产品相关的问题等，这是一个更大的全球市场；后者“AI for Crypto”是指AI被用来改进加密产品比如用到智能合约里、或区块链的一些用途里等，在目前阶段这是一个相对比较小的市场，更多的是叙事。但当前市场上主流炒作是“AI for Crypto”产品，忽略了整个AI生态的经济和整个AI的体系、全球经济的动向，导致了市场非常有噪音，尤其是过去半年，市场噪音特别大。 Sahara如何在众多噪音的环境下，依旧坚持初心的去做想做的事情、应该做的事情和对的事情，是一个比较大的挑战。 Sahara已服务微软、亚马逊等30+企业 7、ChainCatcher：自成立以来，Sahara已吸引了30多家企业客户，包括微软、Snapchat和麻省理工学院等。请问Sahara为他们提供了哪些服务，这些知名企业为何会选择与公司合作？ Sean Ren：Sahara最开始推出的产品是去中心化数据市场Sahara Data，在Web2也有同类竞品如Skill AI中心化数据服务商。和中心化数据服务商相比，Sahara Data更有优势。首先，Sahara可通过各种各样的奖励Reward和经济激励机制，接触到大量的全球各个地区的AI数据收集和标注工作人员，现Sahara网络上已有约20万AI相关工作人员，且多是Web2 AI行业的原住民，之所以吸引他们，是因为Sahara能够让其从数据贡献中获得收益，比如Crypto作为Payment等。关于合作的企业，他们有各种各样的数据需求，如Snapchat需要收集对话数据，微软则收集多模态数据，MIT需要各种各样的视频数据。 Sahara作为数据的供给方，在数据多样化方面非常有优势，它有一个非常多样化的候选者数据库可供客户选择，能够去适应不同的数据需求。通过与30多家企业合作，Sahara不断打磨产品，让产品越来越成熟，以更好去适配全球各种企业及商家的数据需求，形成了正向循环。 8、ChainCatcher：目前，用户参与Sahara需要在官网候补名单，先产品开发进度进展如何让？用户参与Sahara的方式有哪些？对于早期参与用户会给予哪些奖励? Tyler Zhou:4月至5月，Sahara会推出第一个C端产品，届时C端用户可在平台贡献他们的知识及技能等。对于早期用户，Sahara也会有不同的奖励的机制，等到4或5月公开后会释放更多的信息，会在Q3或Q4上线Sahara Testnet测试网，并争取在Q4上线主网。 9、ChainCatcher：对于市场上流行的去中心化GPU、Agent等AI加密项目的看法？如何评断一个AI加密项目的可靠性？ Sean Ren：目前市面上的加密AI产品按照“AI for Crypto”和“Crypto for AI”可以划分为两个派系。 “Crypto for AI”是一个更大的市场，对于我们这种AI行业原住民来说，更关注如何借助区块链和Web3技术解决Web2 AI产品的一些诟病，尤其是经济模式、数据所有权等问题。当前有很多项目借用区块链的经济模型去激励AI中的某些行为，但个人认为做的太浅，只看到了经济模型，没有考虑整个AI背后的生态，如训练数据的隐私和加密。如站在整个AI的生态系统来看，最上游应是数据及数据处理板块，市场上也有数据相关的项目，但大多项目只有最吸引人的加密经济模型（如Label to earn标注赚钱），并没有去触及数据本身的问题如所有权、模型归因等，只是搭建了一个应用而已。关于用分布式GPU方式训练大模型，个人觉得这个方向是非常有挑战的，需要看项目的去中心化程度。如果只是象征性地把在同一个机房或者是离得不远的几个机房跑绑在一起做，这是一个人工伪造的去中心化；如果想要把全世界空置的GPU捆绑在一起做去中心化训练，但由于不同网络之间的速度存在巨大差异，可实现难度有点远。还有比较火的如Machine learning机器学习、及ZK相关发展还比较长远的。因此，在判断一个项目时，首要看清哪些项目是短期内可实现的、能商业化的，哪些是研究性项目、需要长期探索。来源：金色财经

金色财经08-15 17:35

24小时热点