FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Bankless：值得关注的四个加密货币与AI融合方向

像OpenAI这样的获得风投支持的庞大创业公司正在以其庞大的语言模型（LLMs）引起轰动，并受到科技巨头的追逐时，还有一些加密项目致力于以去中心化的方式训练自己的模型。虽然像以太坊和比特币这样的区块链出售不可变的区块空间，但像Bittensor这样的项目专注于创建去中心化智能市场，旨在利用节点网络共同训练一个去中心化、有激励的语言模型，以随时间而改进。再次强调这类项目的利好情况是，它可以随着时间的推移使AI服务的需求民主化和开放化，同时利用其代币激励资源流向自己的模型。 OpenAI已经领先于其科技巨头竞争对手数年，因此问题是在许多人认为可能是一个全胜市场的情况下，去中心化的选择是否有机会。市场显然对Bittensor的TAO代币充满信心，目前市值达81亿美元，但这是否是未来前景的指标还是投资者炒作的体现，目前难以知晓，但在炙手可热的行业中推出的雄心勃勃的产品通常能够得到加密投资者的奖励。智能娱乐当谈到加密货币和人工智能的协同作用时，这远非只是工作而没有娱乐。另一个准备创新的领域是人工智能+娱乐。当这种相互作用发生在区块链轨道之上时，我将其称为智能开放元宇宙的基础。随着《侠盗猎车手 VI》等主流游戏的复杂性和费用不断增加，世界上最大的游戏发行商自己很可能会开始为人工智能驱动的环境创建提供资金。将这些经验放在加密轨道上的 Web3 开发人员将能够利用去中心化网络来策划和实施质量控制。这种融合可以并且将会促进娱乐虚拟空间的交互性和个性化达到新的水平。这些正在发展成为人工智能可以创建自主、动态和响应式角色和环境的地方，为每个用户提供独特的体验。这里我想到了平行殖民地，一种新型的“1.5 人游戏”。向人工智能驱动的角色的转变标志着娱乐领域的重大转变，从静态的、预先设计的虚拟世界到不断变化的、智能的、充满记忆和情感的世界。这种变革性的方法为更加身临其境和引人入胜的虚拟体验铺平了道路。总结随着我们在未来几年更深入地探索人工智能驱动的加密经济，人工智能和加密货币的融合不仅是一个新鲜事，而且是系统转型的潜在先兆。这与主流技术集中化、头重脚轻的动态背道而驰，预示着人工智能将迎来一个更加民主化、去中心化的未来。这种融合将重新定义从金融到娱乐的行业，挑战传统范式并赋予个人和小型实体权力。出于多种原因，激励透明度和对重塑我们世界的技术的去中心化控制值得押注。来源：金色财经

金色财经2023-12-15

谷歌风投新增普通合伙人支持开源和人工智能初创企业

表示，他将专注于以企业客户为重点的早期创业公司，包括那些使用开源和人工智能驱动方法的公司。虽然由于利率上调和估值重置，风险投资资金放缓，但谷歌风险投资公司今年已完成125笔投资，自2020年以来平均每年投资10亿美元。

金融界2023-12-15

制造币安：极致效率和简陋工具

资源马上配齐，当天开工。绝大部分优秀的创业公司在早期都能做到透明和执行力强。但币安的情况会更复杂一些：一方面它还只是一个成立了两年的创业公司；另一方面 2019 年的币安已经是一个拥有超 40 个国家或地区员工，服务了超一千五百万用户的全球最大区块链交易所。如果从成立两年的角度看，币安的透明丝毫不令人惊讶；可如果从体量来看，这种透明度和执行力属实不易。身体一部分已经成为了巨人，而另一部分还在发育。虽然这种基于群聊的协作模式看起来很简陋，却不代表方便摸鱼。绝大部分员工每天的有效工作时间保持在 12-14 个小时，甚至「上厕所都要跑两步」。晚上十一点照样要干活，如果「才这个点」就找不到人，会被认为不合适。作为一个飞速增长的公司，工作量就会把人压在椅子上。一个币安员工每天几点起床，一般取决于第一个会在几点。不过这也和彼此协作的时区密切相关。有人入职的时候第一个日会是东八区上午十点半，后来因为时差变成了九点半——最后变成了下午两点，因为上级去了迪拜。也有人为了跨国协作，早上六点钟就要开始第一个会。日会一般的时间不长，半个小时左右。一直到晚上十一点发出当天的日报，一天才算结束。对于币安这样分散在全球办公的公司来说，时间最友好的时区一般是欧洲和迪拜。它们在不同时区的中间，可以很好地兼顾东八区和美西时区——这也是币安有很多人在的地方。因为远程工作不涉及通勤，吃饭也是外卖，所以从早到晚的绝大部分时间都是实打实的工作。相较之下，996 都不算夸张。但即便基于群聊的协作模式效率不低，却逃不开开会：任何一家上千人分散在各地的公司，都需要通过大量的会议来彼此交流。有人回忆说自己最高峰是一天要开十个会，「一天真的什么都没干，就在开会」。有少数组会控制开会的频次，争取让基层员工一周会议在五个以内。不过这不是常态。也许因为过多会议影响工作，但远程协作不得不开会，所以 CZ 与何一对开会效率要求非常高。CZ 在 2018 年时会直接教员工如何做更高效的汇报：通过列文字要点的形式加快速度。和他开会除非特殊情况，否则不能超过三十分钟。每个季度 CZ 都会和业务部门负责人做 QBW（Quarterly Business Review）：结果、进展、挑战和问题。本质上就行快速让他知道有什么事情需要更高层的帮助。有人说：「如果第一句话没讲重点，CZ 一定会打断你。」何一带领的市场部门很早就开始加强了对效率的追求。因为市场部门是币安最全球化的部门，对信息同步的需求也最高。每周三晚上十点市场部门的周会：一百多位核心人员参会，每个项目负责人都要发言。发言者只有一页幻灯片和一分钟的发言时长。这一页的内容很简单：过去一周最重要的成果和进展，下一周要做的是什么？尤其是有没有需要别人配合的工作？比如有活动需要各个地区翻译支持，那就要提前告知。会议简短高效，综合下来四十多分钟就能结束会议。跨文化沟通的问题在币安也会遇到。亚洲团队相对没有欧洲团队那么在乎工作时间和休息时间的区别，尤其是远程工作更是模糊了这一点。只好彼此磨合。大多币安员工都会同意这是一家培训做的比较少的公司，但它会每个月给员工一百美元用于在一个名为 italk 的软件里学英语。CZ 热爱读书的习惯也延续到了公司。在两周年的时候币安送给了每位员工一台定制了币安外壳的 Kindle 电子书阅读器，买书也有津贴。他甚至还给负责人们开过读书会。对个人困扰更大的，可能是完全没有线下的远程工作会让人和人之间失去连接。很多人在全职远程工作之前都认为这不是什么大事儿。可每天独来独往，身边没有多少能在线下能见到的真实的人，时间长了还是会让人渴望更面对面的交流。工作之道不过即使压力大、强度高，币安的增长速度还是在持续吸引更多人加入。币安刚成立的时候有一个的窗口期，有志者可以通过直接找创始人的方式来获得面试机会。当时标准的面试流程是四轮，除了 CZ 或者何一之外，还有直属上级、同级同事以及 HR 各一轮。在币安，HR 没有一票否决权——这可能让很多大厂程序员很开心。不过话说回来，当你通过网上找到 CZ 或者何一这样的大老板，并且第一轮面试就是和他们的话，那其他的轮次无非是走过场而已。一个有趣的细节是在这个窗口期入职币安的人，很多都说与CZ 或者何一在面试聊的大部分都和工作无关，主要是人生、理想、格局或者愿景这样有些「空」的东西。CZ 甚至在面试完一个人之后，会仔细的向对方分享自己对于区块链的热情和看法。也许 CZ 和何一会同意 Sam Altman 的看法：价值观第一，天赋第二，具体技能第三（value first, aptitude second, specific skill third）。最开始员工都在用自己的电脑，后为保安全，新员工会被分配一台 13 寸的 Macbook Pro。相比于同期的其他公司，币安会给出更高一些的薪资待遇。很多人坦言如果不是加入币安，按照他们的学历和经历是无法加入大厂的；正常情况下的工资也不会太高。如果愿意去迪拜，工资还可以更高并且每个月都会有补贴。不过不同部门待遇区别很大，合约待遇最好，其次是技术，市场部门最低。币安有半年一次的 review，做得好可以拿到 4-6 个月的奖金，不好的话两个月。所以很多人每年基本上都可以拿到 20 薪。这对绝大部分求职者来说是非常优厚的待遇。可以对比目前依然在高速增长的 Temu，也只不过是可以给候选人开到 14-16 薪。不过后来 reiview 变成了一年一次，奖金也有所降低。好的定义通过分数来体现。在币安，员工的表现会被从 1-6 进行打分。1-1.5 是最好的 superstar，每个 team 最多一个甚至没有。正常是 2-3 或者 3-4。低于 5 分要面临 PIP（performance improvement plan），有一个月的考察期。如果还是不行，会被优化（开除的委婉表达）。但这种情况在相当长的时间里都很少见。每个人的经理会负责打分，但要说服上级（早期是直接说服 CZ 或何一）。何一在早期会检查所有人的奖金。不过币安在早期很人性化的一点是奖金会考虑每个人的基本工资。基本工资低，就多给点奖金。普通员工会有 3-6 个月的试用期，高管需要 6-12 个月甚至更长。需要带队的岗位，都必须经过培训去做一段客服，每天两个小时。这是一种比较中国互联网公司的风格，比如京东曾经会让每一位高管每年做半天的配送员。一旦正式加入币安，唯一需要做的就是帮助这个疯狂扩张的公司，扩张的更加疯狂。和很多烧钱换市场的创业公司不同，币安在疯狂扩张的同时还是一个挣钱机器。所以不会像是未盈利公司那样非常严格的控制 ROI。比如在市场部门，只有拉新业务会看 ROI，做品牌、媒体或者社区的话是不控制的。并且也不会用 KPI 进行管理，而是更多类似硅谷大厂那样的用 OKR 制定计划。超越规则对于币安来说，只要不妨碍增长，那一切事情都可以往后放放——包括管理。管理对于很多创始人来说是最重要的事情。人和人之间到底改如何协作？于是各种协作软件应运而生：Linear、Notion、Lark、Slack......从硅谷到北京再到班加罗尔，不同国家的创业者都在聊同样的话题：到底什么是最好的管理模式（和编程语言）？管理类的图书也会被摆在各国的机场里。但币安展示了另外一条不同的路：当公司处于史诗级的增长之中时，真的那么有必要在乎管理这件事吗？只要不耽误增长，做一个基于 telegram 群聊的公司又如何？币安不是唯一证明增长和管理工具无关的公司。中国的电商企业拼多多也以快速增长出名。根据晚点 LatePost 的报道，拼多多也曾经有一个几千人的 QQ 群进行交流，关键任务基本靠「口口相传」。甚至 2018 年上市后市值达到三四百亿美元时，拼多多的行政还在从打卡机导出然后手工导入 Excel 表格做考勤记录。一位 2019 年后加入拼多多的人士认为「采用原始的管理方法源于，对于当时的拼多多，只有活下去最重要。」对于币安也是一样，不光要活下去，还要超越一切竞争对手、冲破一切阻碍它的监管。如果活着就已经很难了，用什么工具做管理并不不重要。从颠覆到统治但这不意味着常规的管理模式毫无意义。即使是币安，也在员工逐渐增多后感受到粗放生长带来的弊端。在 2020 年下半年公司接近千人时，币安启动了第一次迁移。Telegram 被逐渐放弃，全员陆续搬迁到思科的 WebEx 上。不过这只是一个过渡，最终的目的地是币安自研内部软件 Wea。如果你用过字节跳动出品的软件 Lark（飞书）的话，会发现二者有着相似的 UI 界面，甚至连 Logo 也有异曲同工之处。不过和 Telegram 时代的全员共用一个软件不同，Wea 只能提供给币安主站的团队用。像是币安收购的团队，如 Coinmarketcap 团队无法使用 Wea。而这也是币安逐渐变得没有那么扁平与透明的开始。对币安来说，相比于透明，更重要的是要保证员工不泄密。Telegram 时代扁平透明的代价就是发生过不少信息泄露的问题，统一配发安装了安全软件电脑就和这些问题直接相关。从 WebEx 开始，币安就取消了全员群。并且 CZ 不允许拉大的同事群。不过还会有一些兴趣小组群。这些群也只能维持在小几十人的规模，不允许更大。与此同时，币安员工一些稍微大规模的微信群，也都被解散。从这时候开始，币安员工之间也不再可以随时互相联系。甚至有的时候两个币安的员工是在第三方介绍下认识的。比如两个每天都在配合的人，第一次见面可能是在某次区块链会议的间隙经人介绍才后才认出来对方的。无独有偶，那个曾经有几千人 QQ 群的拼多多后来也变成了一家对信息控制非常严密的公司：「员工们在内部办公系统上看不到组织架构、看不到部门之外的员工，也不被允许建立微信群。」也是在这个时期，币安开始不再疯狂增长。监管、合规等问题开始暴露。币安也在开始变得更像是其他巨头。曾经直接联系创始人就可以求职的日子一去不复返了，币安开始更在乎学历和经历，非大厂出身的人很难再有机会加入币安。有员工称从此开始，币安内部有了两种人：老币安人，和大厂人。老币安人以一开始加入币安的成员居多。很多人背景偏草根，但加入币圈和币安非常早。这里不少人持有了大量的 BNB。大厂人就是我们在硅谷、中关村可以见到的那类光鲜的工作者，一般不炒币，拿到币也是立刻卖。虽然大厂人看上去没有那么 crypto native，但他们可能却在现在更适合币安——毕竟不管再怎么特殊，币安终究会遇到不少大公司都会遇到的问题。这时候找一些见过这类问题的人，显然是更好的选择。这些大厂人在巨头、甚至政府都工作过，见过大风大浪，也有很强的能力。很多区块链交易所崛起的快，但崩溃的也快。币安虽然面对挑战，但依然屹立不倒，这些后来者起到了很大的作用。中国有一句谚语：可以马上打江山，不可以马上治江山。从 2020 年下半年开始，币安也在从疯狂增长换挡到正常的增长状态。币安遇到的挑战一点也不独特，那些曾经快速增长的互联网公司都遇到过这个问题。字节跳动早期大量启用年轻的一线员工，他们没有大公司背景却有足够的动力冲向结果。但 2020 年后，字节也陆续开始寻找市场上那些更有经验的管理者，比如原滴滴网约车执行总裁陈熙或者原小米合伙人周受资。虽然引入大厂的员工是一种必然，但这也引起了老币安人的抱怨：有人说币安在 2020 年之前从来不存在向上管理这件事。可在 2022 年开始所有人都需要做向上管理。刚起步的币安，在 CZ 与何一的带领下所有人最在乎的只有一件事：user focus，要创造价值，从用户的角度思考。但是现在，也要去想做一件事会对领导有帮助吗？能从领导那里拿到哪些 credit 以便更好的晋升吗？这一切应该不是 CZ 希望看到的。他在疫情前开会时就会强调不要办公室政治、不要斗争、鼓励跨级沟通。但只要成为了大公司，没人能完全避开大公司会出现的问题。大公司病没有逃逸速度，它是所有巨头都无法回避的宿命。改变的路口但币安的变化并不会在此停止。今年年中，币安进行了一次大规模的裁员。科技公司常见的周期律似乎体现在了币安身上：快速扩张——大量招聘——收缩裁员。而决定一家公司是昙花一现还是可以道路漫长的，一般就取决于第一次大收缩之后的反思与重建。公司的成长速度经常在短期内快过创始人的学习速度。一家公司就能能做多大、走多远？创始人补课与调整的速度在其中是非常重要的一环。有些公司比较幸运，创始人甚至已经在公司成立前就有了非常厚的深度。宁德时代的创始人曾毓群在上一家公司靠自己摸索出了大量经验，所以在宁德时代他从不提过要学习哪家公司的管理。更多创始人选择飞快地学习其他已经走出这些坑的创始人。比如理想汽车的创始人李想就曾主动求教于阿里集团学术委员会主席曾鸣，和他探讨阿里如何搭建组织和构思战略。 CZ 是后者，他也在不断的向各种人学习。不过相比李想，他更像是一个孤独的学习者，依靠大量的阅读来进入其他创始人的世界。在币安裁员之后不久，沃尔特·艾萨克森的《马斯克传》上架。CZ 第一时间读完并把读书笔记发给了众人，希望每个人都读。他意识到特斯拉是一个很好的学习对象，而且马斯克的很多价值观和他类似。也许是因为刚裁员的缘故，CZ 特意提到了马斯克开人非常快，币安应该学习。但与马斯克一样，CZ 、何一、新任 CEO Richard Teng 与币安的管理层同样进行着很多从来没有人做过的事情：如何让一家被无数国家和地区监管部门盯上的公司合法运营？如何让全球最大的交易所在这个缺乏规则的市场里持续保持地位？如何管理好几千人的远程团队？这里有太多无法学习，只能靠币安自己摸索的答案。 2022 年 11 月 22 日，CZ 辞去了币安 CEO 的职务。熟悉过去五年科技公司历史的人可能对此不会感到惊讶，华人创始人经常从一把手的岗位上离开：拼多多在创始人黄峥退休后才推出了目前飞速增长的 Temu；字节跳动同样也是在创始人张一鸣逐渐淡出后通过 Tiktok 攻城略地；更早的例子还有为退休开了一场盛大演出的马云。创始人从某个角色的离开并不等于他从此与公司毫无关系，但无论如何，这对公司而言又是一个新的阶段、一次新的挑战。币安已经有了比其他公司更多需要解答的问题，现在又多了一个。但不论这些回答最终是否正确，它都必然会进入后来者的教科书。来源：金色财经

金色财经2023-12-14

ALEO主网上线在即《ZK 既可以用于区块链的可扩展性，也可以用于隐私用途》并且superscalaer k10 即将编译ALEO算法

雨溪133194160852023-12-13

拼多多“摸着阿里、京东过河”！便宜依然是硬道理，挖掘海外“省钱”需求是电商平台未来5年主要任务

回避的就是承受亏损的能力，相比之下其他创业公司或电商平台难以承受10亿美金级别的亏损。根据美国二级市场的调研数据，用户对拼多多的评价也有所提升。部分用户认为拼多多比SHEIN或eBay更好，不过与亚马逊相比仍有差距，因为它们的价格段不同。郑立涛提到，拼多多在国外复制了国内行之有效的 “裂变”、“砍一刀”的增长策略。同时比其他商家更敢于投放广告、商品性价比极高，抓住了一群消费能力较低但对价格敏感的消费者。在郑立涛看来，拼多多商品价格之所以低，原因在于它离供应链更近，深入到许多产业带，直接与工厂型卖家合作，降低了供货成本。相比之下，亚马逊上的大部分商家需要通过多个环节向工厂采购，导致商品价格更高。“拼多多前期也不知道哪些货一定卖得好，所以采用海量筛选逻辑。一旦发现有些货海外卖得好，就用更低成本的供给不断优化。”郑立涛强调。姚凯飞分析，Temu通过提供基础设施服务，如物流、客服、运营和投放等，帮助卖家接触海外市场，将中国的商品与美国、欧洲和英国的用户连接起来，了解并满足海外市场需求。并有望催生更多类似拼多多的电商平台，这些平台可能专注于品牌建设和提升品牌形象。 “拼多多在欧洲做得非常好，在中东做得非常好，甚至在拉美也做得非常好，它证明了一个事情，便宜这个东西在全球都是通用的。”郑立涛分析，更为重要的是欧洲等地区过去由于轻工业不发达，商品供给不足，主要依赖外贸。拼多多通过其平台帮助中国商品打开了通路，使得更丰富、充足的中国商品能够完整地接触到中东、欧洲和南美的消费者。

金融界2023-12-11

PitchBook：今年已有3200家初创公司倒闭 270亿美元风投资金打水漂

元，并于去年11月申请破产。大学助学金创业公司Frank于2021年被摩根大通以1.75亿美元的价格收购，之后因客户数据欺诈于今年1月关闭。今年出现了一系列备受瞩目的创业失败。披萨初创公司Zume筹集了近5亿美元，但由于难以实现其披萨自动化技术，该公司于今年6月关闭。货运初创公司Convoy曾被誉为“卡车运输业的优步”，融资超过10亿美元，但在11月关闭。投资公司IVP的普通合伙人汤姆·洛弗罗（Tom Loverro）将今年的创业困境称为初创公司的“大规模灭绝事件”。这些问题部分源于资金的减少。与2022年相比，风险投资出现了干涸，根据安永的数据，今年前9个月的融资规模为1045亿美元，而去年同期为1839亿美元。

金融界2023-12-09

北交所IPO持续升温、超百家公司获受理，各项制度不断完善

上市门槛相对较低，吸引了更多中小企业和创业公司前来融资。从市场表现来看，北交所的发展势头良好，交易活跃度逐渐提升，市场规模不断扩大。随着我国资本市场改革的深化和开放程度的提高，北交所料将吸引更多优质企业和投资者参与。

金融界2023-12-08

Future3 Talk四期回顾丨DePIN未来趋势哪些应用方向值得关注？

金色财经2023-12-07

Future3 Campus访谈丨资本是如何看待AI+Web3的？

样的公司，它们的很多客户实际上是中小型创业公司。例如Chainbase，它的一些大客户收入并没有下降，但是中小型客户的收入在两三个月后就降为零了。这表明这些项目因为缺乏资金而无法继续。因此，对于数据提供商来说，熊市中若没有新的开发者加入，他们就很难赚钱。这也反映出目前在Web3领域，数据提供商主要是靠那些认为数据有用的开发者和小型企业，他们并内部整合这些数据，然后再进行变现，平衡收入和产出。核心我们还是觉得，目前无论是ToC还是ToB的Web3数据公司盈利模式都不是很清晰，这导致数据提供商没有一个强大的稳定的现金流。尤其是对于那些中小型的创业者来说，这是我们觉得目前Web3数据行业最大的一个弊端。然后再回到AI和Web数据结合的话题。我们最近也看了和投资了一些AI相关的数据公司。我觉得AI数据公司实际上也面临着同样的问题，就是数据的销售。你需要考虑客户的成本和他们产出的效果之间的平衡。目前来看，我对AI数据公司的盈利前景还是比较乐观的，但这主要限于海外市场。如果只瞄准国内市场，我担心最终的结果可能会和投资Web2 SaaS公司一样，可能有收入，业务规模不会太大，客户的付费意愿也不是很强。你可能还需要提供定制服务，这样你的毛利率也不会很高。所以我对在国内做这个是比较悲观的，对在海外做这个是比较乐观的。您认为AI 能够给Web3 数据基础设施和Web3数据公司带来哪些价值？现在利用AI帮助Web3数据的项目效果怎么样呢？在商业模式方面是否能有些创新？ SevenX Ventures：我认为AI对Web3数据最大的帮助是效率方面。比如Dune发布了AI大模型的工具来做代码异常检测和信息索引，用户可以去用自然语言去查询相应的数据，它的代码就会相应地进行生成，然后还可以去做代码的优化，这个就是效率方面的一个提升。另外还有用AI做安全预警的项目，它就是将 AI经过相应的训练之后，可以去快速的去识别安全问题的一个 AI Robot。比如 AI 算法里边就有一个算法叫异常检测，效果比从纯数学统计的方法直接去看数据的分布，检测出一个异常值要更好，所以这种 AI 可以更有效地去做安全方面的监测。另外我还有看到一些项目使用AI算法，比如大语言模型来检索整个Web3的新闻数据（不只是链上数据），进行信息聚合和舆情分析，形成一个AI Agent。比如用户可以直接在对话框里面去查某个代币最近30 天或者 90 天的网络舆情，用户是更偏向于看多，还是看空，给予相应的分值来体现热度；它还会有个曲线，通过这个曲线就可以判断一个代币它是在大家讨论到顶峰的时刻，还是在一个顶峰下降的时刻，还是在一个上升的时刻？这些可以辅助用户投资，我觉得也是一个挺有意思的应用方式。但也有些其他的项目宣称自己的数据是AI的数据源蹭 AI 概念，我觉得这有点牵强，因为任何链上数据都可以是AI的数据源，因为它是公开的，所以有点蹭热点的嫌疑。 Matrix Partners-子熹：商业模式是现在数据领域的一个大问题，要找到一个解决方案很难。可能在ToC端，利用Web3的一些概念，比如token或分布式概念，可以让AI数据采用不同的商业模式。但如果是AI技术赋能数据，目前并没有太多亮点。 AI在数据处理和清洗方面可能有辅助作用，但这更多是内部的帮助，比如在产品开发过程中提升功能或用户体验。但从商业角度来说，并没有太大改变。 AI bot确实可以增加一些竞争力，辅助用户，但目前来说这不是一个很大的优势点，核心竞争力还是取决于数据源的质量。如果数据源充足，我可以获取我需要的信息。问题是，如果这些数据要商业化，那么我组合出来的东西必须能变现，我才愿意为数据支付费用。现在的问题是，市场不好，初创公司不知道如何变现数据，也没有足够的新进场初创公司。我觉得目前有意思的反而是一些Web2的公司，它们使用了Web3的技术。比如一个合成数据的公司，他们通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。他们在处理数据的时候涉及到很多隐私部署的问题，使用了Oasis区块链，可以有效避免了数据隐私问题。后面他们还想做一个数据交易所，将合成的数据包装在NFT里进行买卖，解决确权和隐私问题。我觉得这是一个很好的思路，它用Web3技术来辅助Web2解决问题，不一定局限于Web3的公司。不过，目前合成数据的市场还不够大，早期投资这样的公司有风险。如果下游市场做不起来，或者竞争对手太多，情况也会很尴尬。在AI+Web3数据的领域，有没有投过一些比较好的项目，分别是什么方向的，决定投他们的关键因素是什么？您认为这类项目的核心竞争力是什么？AI是否会加强这个竞争力？ Hashkey Capital-Harper：我们投的数据项目比较早，基本都是还没有特别强调ai的时候就投了，比如space and time、0xscope、mind network、zettablock等，投的关键是看他们的定位和数据质量。现在这些项目都会有AI的计划，基本也是先从聊天agent开始。space and time和chainML合作推出了创建ai agent的基础设施，其中创建的defi agent被用于space and time，也是一种结合AI的方式。 SevenX Ventures-Yuxing：如果项目与AI的结合做得很好，那么我可能会对其更感兴趣。决定我是否会投资的关键因素之一是项目是否有市场壁垒。我观察到很多项目宣称他们与AI结合能够提升效率，例如快速的数据查询功能。有些项目可以通过自然语言查询来快速获取链上NFT数据，比如查询最近交易最活跃的十大NFT。这样的项目可能有先发优势，但市场壁垒可能并不牢固。真正的壁垒是AI本身的应用以及工程师如何将AI应用到具体场景中。工程师如果能熟练地进行模型微调，通常能够获得良好的效果。对于那些提升效率的项目来说，市场壁垒主要在于数据源。不仅仅是链上数据，还包括项目方如何处理和解析这些数据。例如之前提到的项目，它们能够通过AI算法快速检索重要数据。然而，工程师进行模型微调的效果是有限的，真正的持续优势在于数据源的质量和其持续优化的能力。这也是为什么一些数据分析公司能够在市场中脱颖而出的原因，他们不仅提供数据源，还包括数据处理和分析的能力，区别往往在于团队的技术能力和人才。这些因素直接关系到AI结合应用的最终效果，另外，我也关注那些能让AI变得更好的Web3技术项目，因为AI市场非常庞大。如果Web3技术能够增强AI的能力，那么应用场景将会非常广泛。这就是ZKML项目受到热捧的原因。但是，我注意到Web3项目往往容易被夸大或贬低其价值。像ZKML这样的项目，尽管备受关注，但它们的投资回报并不像人们期待的那样迅速，退出机制也并不清晰，因为它们发行代币的难度较大。因此，尽管这些项目富有创意并具有潜在价值，但是否值得现在投资，以及它们最终能带来多少回报，是投资者需要仔细考量的。 Matrix Partners-子熹：我们投资了一个结合AI和Web3的公司，它是一个数据标注公司，叫Questlab。他们使用区块链技术提供数据标注的众包服务。数据标注原本是一个直营或者是分包的行业，很难做到知识领域的全覆盖。就传统的数据标注来说，一般分为三个类型：直营、分包和众包。但实际上做众包的人比较少。这三种模式的公司在选择数据标注服务时需要考虑的因素有：价格是否便宜、标注的质量是否高、效率如何。还有一个就是能否覆盖他们所在的行业。如果你只是做一些通用模型的语言或图片的标注，其实很简单，就是识别英文字或图片。再难一点，比如需要区分猫、狗、月亮、婴儿车等，这也不是很难。但如果你需要做的是更专业的标注，比如语音机器人社区需要的标注，那就复杂多了。他们可能需要标注各种方言和多种语言，包括中文方言，英文方言、以及各种小众地区的语言等，很少有传统的工作室愿意做这样的工作。一个更复杂的例子是法律加AI公司，需要标注大量的法律知识来训练各种模型，要找到既懂法律又能进行专业标注的人非常难，需要同时懂得各国法律，还要了解各种专业法律领域，如合同法、租赁法、民法、刑法等。市场上几乎没有一家数据标注公司能够提供如此专业的服务。法律是专业的，金融、生物、医疗、教育等也是如此。所以，这些领域的标注工作一般只能由内部团队来完成，他们使用众包的方法，这样就能解决知识专业覆盖的问题。我们认为，利用区块链进行众包是一个很好的方向，就像YGG在Gamefi领域做的事一样。这是我们认为是一个有前景的方向。另外，我们觉得在开源模型社区里面，也会有一些很好的机会。比如Polychain投的一个项目是一个类似于web3 的hugging face，用来解决模型内容创造者经济的问题。其他的AI和Web3的结合，我觉得ToC方向如果能结合一些token的玩法，提高整个社群的粘性、日活和情感，我们觉得这是可行的。这也方便投资人来变现，但是市场规模如何也不是很确定。这就是我对AI和Web3的一些看法。我觉得如果纯ToB的业务，没必要用Web3，就用Web2的方式做就挺好的。 Qiming Venture Partners-唐弈：目前我们投的有一些数据项目正在通过链上数据在安全场景中进行工作。我认为一些AI基本的模式识别或特征发现工作都有涉及，并且效果还可以。然而，更高级的工作，如将大量活动数据输入模型并识别多种信息，目前仍在尝试阶段，效果尚需验证。除了安全领域外，许多其他领域也存在类似情况。最近的一个例子是我们投的NFTGo，它是一个基于大数据分析去做NFT的定价，具有一定的准确性，并计划将其用于价格Oracle等用途。虽然这一体系听起来很有趣，但在产品中以及用户接受程度方面，仍需要进行验证。因为即使目前可能能够达到90分或85分的准确性，用户可能需要更高水平，比如98分或95分，因此还需要进一步验证。因此，虽然一些项目正在将数据分析和模式识别等简单AI能力应用于产品中，但是否成为关键因素尚未得到验证。而对于投资意愿方面，我个人不会因为项目有一些AI的噱头就更倾向于投资，因为我认为实际效果和项目是否能实现其目标以及带来好处更为重要。如果一个项目只是在名字或市场营销上有亮点，作为一种营销手段，以吸引更多关注或曝光，我能理解。但在投资决策中，我认为更重要的是实际效果。像一些项目在做ZKML，这个赛道似乎备受瞩目，但是同时也有很大问题，就是它到底用于什么场景。我觉得目前不确定性特别强烈，更多还是很宏大的叙事。从整体行业发展来看，AI + Web3数据这一赛道未来有哪些潜在的机会或发展方向？未来，AI是否有可能彻底升级数据产品，引入新概念？是否会增强用户的付费意愿？ Hashkey Capital-Harper：肯定是有潜在机会的。未来发展方向其实还是落后于web2 的AI，那里的创造力明显更强，web3这边的AI大概率也是web2 AI的映射实现吧。 Matrix Partners-子熹: 我觉得最近的妙鸭相机让大家意识到，其实人们对AI产品还是有付费的意愿的，这不像传统的SaaS产品或游戏，人们期望免费才会使用。用户对AI的付费意愿其实还是挺强的。未来的话我可以提供一点想法。我们在做数据标注流程中有一个关键步骤叫做预标注，就是我们训练一个模型，让模型来进行初级标注。这一步非常有价值，可以节约很多人力成本。我们将原始数据投入预训练的模型进行预标注，然后进行半自动化的数据处理，最终手动进行精确标注。预标注可以显著提高效率，可能原本需要100人的工作，现在可能只需要50到70人。另外预标注方面也涉及到AI和人的协作，通过你的反馈可以不断提高模型的预标注能力，从而减少数据标注团队的人数需求。随着AI和人的协作越来越好，原本100人的团队可能只需要30人。但是，这个过程有一个下限，即使AI协作做得非常好，仍然需要一定数量的人工进行最终的标注和审核。在其他领域由于我不是数据科学家，我没有亲自清洗过数据或使用数据进行SQL查询，所以我不清楚AI在这些领域具体能提供多大的帮助。 Qiming Venture Partners-唐弈：我觉得长期内与Web3和AI是应该有一些交集的。比如从意识形态的角度，Web3的价值体系是可以结合到AI上的，很适合作为bot的账号体系或者说价值转化体系。想象一下，一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。这些概念有点科幻，实际应用可能还有很长的路要走。第二个可能的方向验证AI模型的输出是否基于特定类别或特定的模型，或者特定的数据，并且是否可信。这些领域在可信的AI模型中可能有一些用处。从技术角度来看这些非常有趣，但是否有足够的市场需求尚不确定。另外一方面是AI的出现使数据内容生成变得泛滥和廉价。对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权可能需要一个全新的体系，包括创作者和智能体的角色。但总的来说，这些问题可能仍然有待解决，而故事性的内容可能需要更长的时间来发展。在短期内，我们应该继续关注数据底层的质量，并期待模型能够变得更强大。另外在商业化方面，确实数据产品商业化非常难。但是我认为从商业角度来看，AI可能短期内不是解决数据产品商业化问题的解决方案。商业化需要更多的产品化努力，而不仅仅是数据化能力。因此，这些项目可能需要开发其他产品来实现商业化。来源：金色财经

金色财经2023-12-06

马斯克旗下人工智能公司xAI申请通过股票发行筹资10亿美元

融资。今年，人工智能领域的融资仍然是创业公司的一个亮点，OpenAI去年推出了广受欢迎的聊天机器人ChatGPT，并从战略支持者微软公司那里筹集了100亿美元。然而，监管机构担心这项技术可能被用来传播错误信息。马斯克一直直言不讳地表示，他计划开发更安全的人工智能。在今年早些时候的Twitter Spaces活动中，他表示，xAI将寻求创造一个“最大限度地保持好奇的“人工智能，而不是明确地将道德编程到人工智能中。这位亿万富翁曾批评大型科技公司的人工智能事业充斥着各种审查，他在7月推出了xAI，称其为“最大限度地寻求真相的人工智能”，与谷歌的Bard和微软的必应（Bing）人工智能进行竞争。 2015年，马斯克共同创立了ChatGPT背后的OpenAI公司，该公司在全球范围内掀起了对生成式人工智能技术的狂热，但他在2018年退出了董事会。上个月，XAI推出了与OpenAI的ChatGPT竞争的聊天机器人“Grok”。马斯克在11月的一篇帖子中表示，这家人工智能初创公司将被整合到他的社交媒体平台X中，也可以作为一个独立的应用程序使用。

金融界2023-12-06

24小时热点