FX168财经网_全球视野外汇黄金加密货币NFT资讯网

深度解析对比中国和硅谷的AIGC赛道

场营销领域的文字生成类产品已经有数十家创业公司在做了。图像生成类的产品在Stable Diffusion和DALLE-2出现之后也迅速开始卷了起来。然而，中国的AIGC产业大多还是一片蓝海。两张市场地图对比不难看出中国的AIGC公司要比西方少得多，有些领域甚至还没有出现很多初创公司。中国的AIGC市场地图西方的AIGC产业是不是比国内要拥挤很多？这一方面是由于中国的底层技术要比美国落后几年，还不足以支持商业化落地。就在几年前，李开复老师在《AI Superpowers》一书里指出，中国虽然在AI技术层面不及美国，但是在应用端却走在了美国的前面。或许这一说法适用于预测型AI（“predictive AI”，比如人脸识别、推荐算法）的时代，但是在生成型AI（“generative AI”）的时代，应用和底层技术结合得更紧密，中国在应用方面也可能要追赶美国的步伐。中国在应用层的滞后也是由国内B2B产业的特性决定的。西方的文字和图像生成类产品主要都是面向2B的市场的，而中国的B2B市场要比西方小很多，中国企业往往不愿意在软件上花钱，而更愿意去购买服务。这就极大地降低了初创公司想要进入2B类文字、图像生成SaaS赛道的意愿。我们未来在国内可能看到企业打着卖服务的旗号卖软件--用户的体验和买服务无异，而后端的服务却是由AI软件提供的。另外，与美国横向SaaS模式不同，中国的AIGC的SaaS很有可能会采取纵向的发展模式。这种模式的特点在于，聚焦于特定的应用领域，比如电商、短视频、金融，而不是追求产品的通用化。这种发展模式弥补了中国在模型通用能力上的不足，也利用了在垂直领域积累的大量的专业数据。同一个科技，不同的垂直应用中国市场的独特性也决定了中国会发展出和西方不一样的AIGC生态系统和不一样的垂直应用。这意味着中国的AIGC应用虽然比美国慢了一步，但是简单粗暴的“复制到中国”（“copy-to-China”）模式并行不通。还是拿文字生成领域来讲，中国高质量的数据集少、市场营销以视频形式为主、企业不愿意在软件上花钱，这就意味着类似于美国的Jasper.ai和copy.ai这样的文字生成的通用SaaS，在中国就很难获得很大的2B市场。中国文字生成产品主要在做2C的业务，并且业务的性质也和美国很不一样。学术类写作、英文写作还有翻译成了中国文字类AIGC产品的重点。众多产品都提供这种服务，比如火龙果写作、秘塔科技还有写作狐。在2B领域，中国的初创公司选择了专攻垂直领域，而不是追究产品的通用性。一个典型的例子就是澜舟科技。在研发出了孟子大模型之后，澜舟科技并没有继续追求模型的通用性，而是专攻金融领域的NLP分析服务。中国的AIGC的另一个独特之处就是在AI视频领域有着比较强的竞争力。特别是虚拟人和短视频方面，中国的公司更加懂得结合实用性和娱乐性，而西方的公司的产品往往只有实用性。我们就拿中国的小冰和英国的Synthethia虚拟人公司来做个对比。Synthethia做出来的虚拟人跟普通公司白领无异，而小冰生成的万科虚拟员工崔筱盼却长着一副明星脸。中国的虚拟人产业近几年逐渐人们的视野。不论是清华大学首位虚拟学生“华智冰”，还是冬奥会上谷爱凌的虚拟分身，每次虚拟人的亮相都能够引起舆论关注。比起专注于2B赛道的西方公司，中国的AIGC公司因为要做2C的业务，所以特别懂得吸睛引流。咪咕的谷爱凌虚拟人分身在2022年冬奥会上首秀虽然目这个产业的商业模式还不成熟，但是技术上一旦有了突破，中国公司的市场营销能力将成为其强大的国际竞争力。但与此同时，中国在AIGC开发工具领域的初创公司甚少，比如在AI代码生成，还有零代码、少代码的工具领域基本上没有什么创业公司。这可能是因为开发工具领域语言、文化隔阂小、政策约束少，像GitHub这样的西方公司可以比较容易进入中国市场。而中国企业在B2B、B2D产品制作能力上的不足也让中国的开发工具产品很难和西方大厂竞争。中国的AIGC将何去何从？说了这么多，我们在最后想对中国的AIGC产业做出三大预测，供大家参考。一是，中国会重点发展AIGC的底层技术，形成自主的模型和基础设施。近些年美国政府对华的一系列科技制裁，让国内的各大公司担忧自己哪一天会不会也成为美国的打击对象。想要维持AIGC领域的发展，中国的企业和学术研究院必须要投入更多的研发费用，投入到真正的核心技术研发上，形成独立的产业链。二是，由于中国国内市场的局限性，出海是很多2B的AIGC企业的必然之选。在AIGC领域，已经有一些初创公司打造出了国际化的企业形象，进入了东南亚、欧洲、北美等海外市场。AI语音助手创业公司赛舵科技研发出了多语种的AI语音生成系统，涵盖了超过20种东南亚语言和方言。而高领资本和GGV投的AI模特公司ZMO.ai在中国成立，相继在美国和加拿大成立了办公室，打入北美市场。 ZMO.ai生成的AI模特 ZMO.ai生成的AI模特 ZMO.ai生成的AI模特三是，政策监管和法律伦理问题将成为AIGC发展的一个重要挑战。去年12月，国家互联网办公室发布《互联网信息服务深度合成管理规定》，进一步规范AIGC产出的文字、图像和视频内容，规范了个人信息在深度合成中的应用。此前，不少AIGC公司都陷入了侵犯产权、个人信息和产出虚假内容的尴尬境地，包括OpenAI的代码生成软件Codex也因为抄袭GitHub开发者的代码而被告上法庭。如何能在发展技术的同时，遵守法律法规、伦理原则，成为AIGC企业面对的一大难题。写在最后硅谷之外，中国的AIGC产业已经开始崛起。不论是从技术发展还是投资创业的角度来看，中国的AIGC产业相当活跃。中国的AIGC公司面临着和西方公司同样的挑战，比如寻找成熟的商业模式、发展下一代AIGC技术，还有遵循法规伦理。与此同时，中国的AIGC也要面对额外的压力，比如美国政策的打击还有技术层面的不足。跟互联网和移动手机时代一样，中国的AIGC生态必定和西方不一样。当美国的AIGC公司重点发展B2B业务的同时，中国公司很有可能会首先进入电商、物流还有大消费市场，并且很有可能在国际市场上和西方企业一争高下。中国的AIGC还处于萌芽期。未来，AIGC产业必将改变我们的生活，中国企业也一定能够加入这股浪潮。注：本文作者为硅谷Leonis Capital风险投资基金Jenny Xiao (肖文泉) 和Jay Zhao 来源：金色财经

金色财经2023-02-22

涨停复盘 | 汉王科技尾盘“核按钮”，资金深挖MOSS概念股！特斯拉新动作，毫米波雷达走红

股价大涨，另外资金挖掘出参股该项目教授创业公司的恒宝股份。不过周二人工智能及ChatGPT概念整体是调整的态势，龙头海天瑞声跌近10％，汉王科技尾盘遭遇“核按钮”一度触及跌停。　　涨停梯队：元隆雅图（2连板）、网达软件（首板）、奥拓电子（首板）　　六、市场情绪

金融界2023-02-21

困扰传统票务市场的那些疑难杂症「NFT+票务」会是良药吗？

初的统计，这条赛道已经至少有 20 家创业公司在专攻 NFT 票务。上一轮市场周期的代表：GUTS Tickets 最近闯入 Web3 世界的新手可能无法想象 2017 年的区块链世界有多疯狂。在那个被称为 1C0（首次代币发行）狂潮的时代，任何项目都可以轻易发行自己的代币来募集到大量资金——当然这也是很快产生乱象并招致监管打压的原因。来自荷兰的区块链公司 GUTS Tickets（以下简称 GUTS）就创立于那个牛市，他们幸运地在 1C0 时发行了自己的代币 $GET，募集到了一万多个 ETH，从而可以在后来的熊市中安然度过。值得一提的是，GUTS 是真心希望在票务领域做出一番事业的，所以他们在 1C0 成功之后特地聘请了律所来确保自家代币不会被美国 SEC 认定为证券（通过豪威测试），从而招致严厉措施，这在当时的 1C0 环境中属实是一股清流。 $GET 不仅是一种代币，也是一种全称为 Guaranteed Entrance Token 的协议，它意味着一整套方案。如果你是需要销售门票的机构，GUTS 提供完整的白标方案（即不凸显 GUTS 品牌，一切 UI 在外界看来完全是机构自己的品牌），你只需要设定门票定价和转售规则（比如只能原价转售）等自定义规则，就可以开始销售门票了，丝毫不用提及区块链、NFT 等加密行业术语。而对于买票的用户，则只需要在 APP 上找到需要的票就可以直接购买，或者从二级市场（如果规则允许并有人转让的话）购买即可。在入场时，用户唯一需要出示的就是手机上的动态二维码——这同时也是 GUTS 防止作弊的手段。在 GUTS 的购票系统中，票价总是以法币定价的，但是在支付环节可以选择信用卡、PayPal、加密货币等各种方式。GUTS 尽其所能把加密货币和区块链的逻辑隐藏起来，不向普通用户呈现。实际上，他们颇费脑筋地设计了一套用于打通链上/链下的方案，兼顾了数据上链和大规模售票的性能问题，而且可以实现在任何公链上。在 2020 年转向 NFT 方案之前，$GET 代币是悄悄在背后把链上、链下数据打通的唯一方式；而在 2021 年 DAO 化之后，$GET 还对应着投票权。创立于阿姆斯特丹的 GUTS 首先在荷兰国内取得了成功。2018 年 9 月，他们在三个小时内为荷兰喜剧演员 Jochem Myjer 的演出售出了 5 万张门票，一度成为荷兰最受欢迎的移动 App。2021 年，荷兰著名歌手 Guus Meeuwis 的演出因为疫情缘故在开演前不得不转移场地。根据以往纸质门票的经验，由于不透明的转售情况存在，票务商几乎不可能逐一通知到用户，而用户拿着印有错误时间、地点的门票一定会造成混乱。但是这次，票务承办商使用了 GUTS 的方案，他们“只需要点击按钮就可以更新演出信息并通知到每个客户端 App”，从而轻松化解了危机。这样的经验使得 GUTS 拥有了遍布欧美的客户，而且不仅是演出，还拓展到了体育活动等场景。伴随 NFT 崛起的新贵：YellowHeart 与此同时，大洋彼岸也有一些聪明的脑袋正在打同样的主意，比如美国的 YellowHeart。不同于上文提到的团队低调的 GUTS，YellowHeart 的背后有着强烈的个人主义印记。它的创始人 Josh Katz 是 1990 年代就入行唱片业的老兵。从为高管跑腿买三明治开始，Josh 花了近 10 年时间在唱片行业里摸爬滚打，小有成就之后开始了自己的创业之旅。2016 年，他把业绩不错的创业公司卖掉，大赚了一笔，转身进入了加密货币和区块链的世界。那个时候以太坊还不到一美元，抱着试试看的 Josh 买了不少比特币和以太坊，然后，他很快见证了以太坊的爆发，开始着迷于区块链的魔力，也转型成了一位区块链投资人。而他真正开始考虑将区块链与票务相结合完全是出于一个意外。2017 年的一天，Josh 想去看一场 Phish 乐队的现场演出，辗转从黄牛手中花了数千美元才买到两张票，一看票面价格只有 70 美元。Josh 感到很憋屈，并不是因为他不想付钱，而是他多付的这么多钱完全流向了黄牛的腰包，这对他曾经付出多年心血的音乐行业一点好处也没有，他钟爱的乐队一分钱也得不到。冷静之后，Josh 发现了机会——票务这个领域太需要革新了，区块链技术正适合来解决这个问题，于是，他创立了 YellowHeart。身兼区块链投资人和音乐行业从业背景的 Josh 很快找到了志同道合的人，那就是著名的 DJ 组合 Chainsmokers。后者是世界顶级 DJ 之一，而且他们还有个不太为人知的身份——投资人。双方一拍即合。Chainsmokers 和他们的经纪人都非常认同用区块链技术来解决票务市场顽疾的做法，而且还寄厚望于开拓艺术家与粉丝关系的新模式。有了明星助力，已经对产品颇有规划的 YellowHeart 从 2019 年开始不遗余力地进行宣传。那时，他们的目标是在 2020 年推出与主流票务平台合作的产品，并且与 Live Nation 已经达成了协议。然而随着疫情的到来，这一计划不得不暂时搁置。但是这并不能阻止 YellowHeart 进军票务市场的决心，甚至还给了他们另辟蹊径的契机。疫情期间整个票务市场都几乎不存在了，但是音乐行业的需求反而增加了，只不过主阵地被搬到了网络上。有明星资源优势的 Josh 很快在知名音乐人群体中找到了新的合作对象。获得过格莱美奖的著名乐队 Kings Of Leon 就是其中一员。2021 年 3 月，已经 4 年未发行过新专辑的 Kings Of Leon 宣布其下一张专辑即将通过 YellowHeart 以 NFT 形式发售，使之成为史上第一支以 NFT 形式发布专辑的乐队。虽然粉丝们还是可以在 Spotify 等平台听到这些歌曲，但是只有收藏了 NFT 的粉丝才能享有演唱会前排座位等 VIP 体验。为此，YellowHeart 特地准备了三种不同权益、不同价格的 NFT，其中的一些只能通过拍卖获得。YellowHeart 希望把这些 NFT 打造成真正的艺术收藏品，使其在二级市场中也为收藏者和 Kings Of Leon 继续来带收益。 “在过去的二十年里，我们已经看到了音乐的贬值，”Josh 对《滚石》杂志表示，从前人们支持音乐的形式就是去购买它，而后来流媒体的盛行以及基于订阅数的比例分成模式其实很大程度上损害了艺术。“我认为这才是未来人们应该发售音乐的形式”。紧接着，YellowHeart 趁热打铁，在 2021 年 6 月又为当红乐队 Maroon 5 推出了史上第一个粉丝专属的 DAO（去中心化自治组织），同样是通过发行 NFT 的方式召集粉丝并募集资金。NFT 收藏者有权参加专属的线下音乐会，听到未发行的额外曲目，获得艺术品，或者是投票决定乐队的慈善行为。这是 YellowHeart 和 Maroon 5 共同对重建粉丝经济的探索。 NFT 票务能革 TicketMaster 的命吗？除了上述的两个平台案例，还有越来越多的创业者涌入 NFT 票务赛道以及 Web3 粉丝社区领域。这会成为众望所归，改变票务市场，给 TicketMaster 和 Live Nation 带来致命的影响吗？目前还尚未可知。至少，在答案浮现之前，恐怕还有相当长的一段路要走。区块链作为新兴的技术，其自身还不是尽善尽美。而 TicketMaster 能取得今天的地位，也并非一无是处。在 Taylor Swift 票务事件之后，音乐研究机构 Water&Music 的 Discord 频道里曾经有过广泛讨论。有票务行业人士指出，从技术层面来说，虽然票务平台众多，但是迄今为止能提供完善后台系统的寥寥无几，能让项目方登录系统，使用各种图表查看售票数据，甚至提供 API 接口的，可能依然只有 TicketMaster 一家。即使是竞争对手如 AXS，也需要依赖 TicketMaster 的系统。在这一点上，后来者也许可以凭借良好设计的产品切入，上述 GUTS 的白标方案就有着一定优势。图：Taylor Swift 的粉丝上街抗议，要求分拆 TicketMaster 和 Live Nation 其次，在面对大规模售票需求时，虽然 TicketMaster 屡屡陷入窘境，但是其它的传统竞争对手如 SeatGeek、AXS、Eventbrite 等更加不堪。例如，此次 Taylor Swift 的 The Era Tour 共由 52 场演出组成，SeatGeek 仅仅承办了其中 5 场的售票，然而招致的投诉已经不比 TicketMaster 少。有一些大牌艺人如 Pear Jam 也不是没有尝试过别的票务平台，只不过最终不得不用回 TicketMaster。抛去场馆关系等因素不谈，单从技术角度来看，就鲜有售票系统能应对得了大流量考验。 TicketMaster 披露称此次 Taylor 演唱会预售期的访问请求一度到达数亿次/天，其中热点时段的访问量可能达到数万甚至数十万次/秒。对于中国的用户而言，这已经接近我们熟悉的极端用例——12306 铁路售票系统。如果考虑区块链解决方案，可能会沮丧的发现，除非仔细地选择必要数据设计上链机制，否则并没有一条公链能够顺利处理这样的流量——想想看标榜吞吐量的 Solana 自己有过多少次宕机事故。如果再把竞争的因素扩展到非技术部分，情况可能对创业者更加不利。比如，至少在美国，大部分场馆都与 TicketMaster 或其背后的 Live Nation 有长期合同。在付款方面，场馆方一向是对 TicketMaster 感到满意的。更深层次的原因还有定价和对黄牛的看法。TicketMaster 经常被人诟病的一点是其热门票种的动态定价机制，这导致需求旺盛的门票会被系统抬至数千美元。尽管许多明星都表示过要照顾粉丝，反对把票价卖得太贵，但是这种“圈钱”机制也不乏拥护者。美国著名的蓝领摇滚教父 Bruce Springsteen 最近就公开表示“愿者买单”很合理，甚至“汗流浃背排队三个小时”的黄牛也值得赚钱（他自己也因此招致许多非议）；而反例是，数年前 Pearl Jam 曾坚持低定价并成功地杜绝了黄牛倒卖。这两者都使用了 TicketMaster，这也说明，艺术家的意愿会起到作用。面对这样错综复杂的利益纠葛，NFT 票务的路途显然还有许多艰难险阻。但不管怎样，在 Web3 大旗下成长起来的 NFT 票务商已经在各显其能，TicketMaster 当然也不会坐以待毙。但是，如果最终受惠者是广大艺术家和粉丝，那么一切都是值得的。风险提示：根据央行等部门发布的《关于进一步防范和处置虚拟货币交易炒作风险的通知》，本文内容仅用于信息分享，不对任何经营与投资行为进行推广与背书，请读者严格遵守所在地区法律法规，不参与任何非法金融行为。来源：金色财经

金色财经2023-02-21

OpenAI与AIGC：改变人类生产范式通往“万物的摩尔定律”

IGC 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

金色财经2023-02-21

风水轮流转！对中国投资热情降温高盛加码押注印度等其他亚太市场

万美元。本周，其牵头了对印度金融科技创业公司 InsuranceDekho 1.5 亿美元的投资。这是一笔非同寻常的大手笔投资，将帮助公司瞄准资源匮乏的印度国内市场。高盛还投资了日本公司 Raputa Robotics，以及中国的一次性生物处理解决方案提供商 LePure。 Stephanie Hui 表示，除了印度，目前的亮点还有日本、韩国和澳大利亚。她指出，高盛去年从澳大利亚 Pacific Equity Partners 挖来了 David Grayce ，从TPG资本重新聘请了 SJ Lee 负责韩国业务，并将日本的增长型投资团队扩大到六人。总体而言，高盛目前在亚洲的增长和收购团队拥有 35 名私人股本投资专业人士，为了加强在中国的业务，公司于 2022 年第四季度将合伙人Michael Hui 调至上海。高盛还加强了筹资能力，招募了三位董事总经理，包括澳大利亚昆士兰投资的 Craig Balenzuela、日本古根海姆合伙公司的 Yugo Yamamoto 和锐盛投资中国分公司的张孟。2019 年底，Stuart Wrigley 调任亚洲另类资本市场与战略主管，并于11月被任命为合伙人。去年，高盛为第三方替代平台筹集了 720 亿美元，包括房地产、私募股权和信贷平台，这是 CEO 大卫·所罗门（David Solomon）为减少资产负债表投资组合而进行的全面改革。根据最新收益报告，2022 年，高盛将其资产负债表上的另类投资削减了 90 亿美元至 590 亿美元。去年年底，中国松绑了严格的防疫政策，目前经济正在好转，但美国明年大选前持续的地缘政治紧张局势和政治博弈意味着，两国关系可能继续紧张。Stephanie Hui 说：“两三年前，由于规模庞大，亚洲私募股权市场严重集中在中国。现在我们在地理上更加平衡。” Stephanie Hui 表示，高盛将在整个亚洲进一步构建其医疗保健网络，并将资金投入选定的企业软件业务和消费领域，同时对金融科技更加谨慎。在中国，团队也调整了重点，以应对更广泛的市场环境，同时保持“谨慎乐观”。

IreneLim2023-02-16

速速了解区块链新趋势,数家机构各施所长共同探索数据经济

经济的持续增长，我们可以期待看到更多的创业公司进入这个领域，以及更成熟的公司寻找方法来利用他们的数据资产。然而，解决数据所有权和隐私问题仍然面临挑战。数据标记化最大的问题之一是数据误用或滥用的可能性。敏感数据或个人数据都可能涉及，这一点尤为真实。因此，对于初创公司来说，在继续开发平台时，优先考虑数据安全将非常重要。另一个障碍是确保数据提供商能够从他们的数据中赚钱。在标记数据时，确保数据提供者获得公平的报酬至关重要，需要透明的定价模型和明确的共享指南。如前所述，冲突仍然存在。遗留数据公司和初创公司：冲突还是合作? 谷歌、Meta和Amazon等传统数据公司可能会犹豫是否要放弃对其数据资产的控制，他们围绕数据收集和分析建立了自己的商业模式，这就有可能与寻求提供更大访问存储数据权限的初创公司发生冲突。然而，这些传统公司和致力于创新数据解决方案的初创公司之间也有合作和伙伴关系的机会。此外，这些公司拥有大量的数据和资源来收集、存储和分析这些数据，这对创业公司来说是一个巨大的门槛。然而，这些公司和初创公司之间也有合作和伙伴关系的机会。初创公司或许能够为数据管理和货币化提供新的创新解决方案，而传统公司无法做到这一点。反过来，传统公司可以提供有价值的数据资产，初创公司可以用来开发和测试他们的平台。我们已经看到了这种合作的例子。例如，Ocean Protocol已经与梅赛德斯合作，为移动领域开发一个分散的数据市场。这种类型的合作可以帮助弥合传统公司和初创公司之间的差距，并为数据所有权和货币化创造新的机会。老牌企业可能会寻求对创新初创企业的投资，例如微软最近对OpenAI的100亿美元投资说明了这一趋势。这可以帮助他们保持领先地位，并在快速发展的数据经济中保持竞争力。传统数据公司和提供更大数据访问权限的初创公司之间存在潜在冲突，有合作的机会。然而，在涉及到数万亿美元的潜在风险时，传统企业在分享数据方面犹豫不决。总结基于区块链的平台和通证化正在为安全的数据共享和货币化提供解决方案，使数据经济成为快速增长和有价值的部门。这一领域的主要参与者，包括Ocean Protocol、Golem和Streamr，正在为数据所有权和货币化提供创新的解决方案。尽管取得了这些进步，但数据经济仍然面临各种挑战。比如数据滥用的风险，对数据提供者公平补偿的需要，以及遗留数据公司和初创公司之间的潜在冲突。尽管如此，传统公司和初创公司之间还是有合作的机会。随着数据经济的不断发展，优先考虑数据安全和隐私将是至关重要的。此外，促进创新和协作将是在数据所有权和货币化方面创造新机会的关键。来源：金色财经

金色财经2023-02-16

浅谈2023年Web3风投现状：当前环境与2018年熊市相比如何？

55% 。从理论上讲，这应该会导致创业公司获得更少的资金。对吧?这是我开始写这篇文章时的假设，但请看下面的图表。就资本配置总额而言，我们刚刚经历了第二个加密大牛市的一年。投资资金同比下降了约 20% ，但仍低于整个风险投资市场 35% 的降幅。放大观察这是否意味着加密货币的风险投资完好无损？很可能不是。2022 年出现的大部分融资都发生在 1 月份，当时创始人和投资者从寒冷的冬天回来，通过宣布他们的融资来启动新的一年。这就是为什么你可以看到该月的融资金额和交易频率出现季节性上升的原因。在这一年里，我们目睹了具有领导力的公司为加密赛道进行了大量的融资和加薪，而 Do Kwon、三箭资本 Su Zhu、FTX的 CEO & SBF 他们却对行业造成了巨大的伤害。一旦你研究这一年发生的交易数量，这一趋势就变得更加明显。我将其放大到去年，以显示可能发生的情况。注意到 2 月前后的 "崩盘"吗？那是风险投资基金的合伙人和分析师在 1 月份的上涨后喘息，你也可以在 2021 年的数字中看到这一点。但这里是数据的关键，我们已经恢复到 2020 年 1 月左右最后一次看到的风险投资频率。这种回归平均值的现象在资本方面也是可见的。考虑到第一季度/第二季度的宏观经济回调（能源价格上涨，可能通货膨胀），我们看到数字资产的价格迅速下降。通常情况下，当流动性市场表现良好时，投资欲望往往会达到新高；这表明Web3投资者可以看到以流动性代币的形式退出。随着市场恶化，公司开始越来越多地推迟代币的发布。因为没有人想在崩盘的熊市上发行代币，这意味着投资者持有的现有头寸需要更长的时间才能产生回报。在这种情况下，理性的应对措施是持有尚未动用的美元，而不是进行多轮投资。当我们看到资金部署的数量时，这一点变得非常明显。上图总结了 2021 年底进入生态系统的风险投资浪潮，潮水在这一年中慢慢消退。我发现令人着迷的是，即使现在是每月 6.5 亿美元的 “ 低水平 ” 融资金额，今天区块链生态系统每月吸引的融资规模，也相当于 2016 年全年的融资规模。而且，加密领域的公司数量呈指数级增长，如果不考虑过去几年该领域的融资活动是如何演变的，就认为我们处于巨大的资金冻结之中是错误的。为了做到这一点，我分析了追溯到 2017 年的数据。如果我们的衰退像 2018 年冬季崩盘一样严重，我们应该看到与当时所看到的同步的频率下降。当我们考虑这些年的交易频率时，我们看到两个独立的趋势。首先，种子前和种子阶段仍然比 2019 年更有弹性。在 2019 年，种子阶段的融资频率减少了~ 33% 。按年计算，我们设想该领域在 2022 年保持在正值。创始人一直在种子阶段筹集更多资金，以通过熊市进行建设。自 2020 年以来，种子阶段融资的中位数已经上升了四倍多。现在每次融资的金额是 450 万美元。如果你看一下图表右边的 A、B 和 C 系列，你会看到一个完全不同的趋势，A 系列在 2019 年是 -17% 。我们在 2022 年是-15% ，B 系列和 C 系列也同样开始模仿 2019 年的同行。创始人可以在早期阶段通过朋友、家人和天使之间完成一轮融资，种子阶段的融资已经从牛市时的几天时间变成了目前环境下的两个多季度。对于处于成长阶段的公司来说，除非他们非常有吸引力，否则几乎不可能获得融资，但仍然有可能发生。如果你通过资本年部署的角度来研究同样的数字，这一点就变得非常明显。进入种子阶段的资金增加了一倍。虽然 A 轮一直保持着同样的速度，但我们只在增长阶段看到了严重的收缩。这可能是因为企业试图尽早保持精简，而拥有足够大的融资资金留在口袋，可能意味着他们有足够的时间熬到下一轮大牛市。在后期阶段，公司通常已经筹集了大量资金并雇佣了大量员工。在高烧钱率的情况下，存活 36 至 48 个月以应对市场情绪变化的可能性相对较低。如果你是一名成长期投资者，发现自己所押注的股票估值大幅下跌，你通常有两个选择。第一种是进入较早的阶段(种子，A 轮)，并加入较早的回合。这解释了为什么我们看到过去只在后期参与的公司如今也加入了早期的融资。从投资组合构建的角度来看，它降低了你所部署的估值，并增加了你在不同公司的股份。第二种选择是，对已经做得不错的企业加大投资，这就是为什么有吸引力的公司通常会得到惊人的投资。你需要了解的情况对于当今市场上的创业者来说，这一切意味着什么?值得记住的是，与公众舆论相反，现在加密领域发生的资本和交易比 2020 年更多。下面的图表列出了过去两年按阶段划分的交易频率。如果你处于种子或种子前，那么你的恐惧是没有根据的。有同样多的交易正在发生，进入生态系统的资本是原来的两倍。这符合那些部署资金的人的利益，使那些筹集资金的人（你或其他创始人）相信天要塌了。这使他们能够推动更有利的估值，同时给他们充足的时间来考虑他们可以部署的其他风险。没有任何协调的阴谋让创始人相信，风险投资即将冻结。相反，这是市场的无形之手，正如亚当-斯密所说的那样：一系列的力量串联起来，让你相信市场上已经没有买家了。这就是它的工作原理，在熊市中，有资金可供调配的风险投资者可以选择坐等 "完美 "机会的出现。俗话说，市场的钟摆向他们的方向摇摆，每家公司都需要更长的时间来做尽职调查并返回给其创始人。在牛市中只需几天的事情，在熊市中往往需要几个月的时间。VC 大机构的合伙人会以吸引力指标开始与创始人对话，而不是问还有谁加入了这轮融资。创始人将风险投资人的这种冷漠解读为市场上缺乏资金。并不是缺钱导致了这种行为，而是缺乏信念。但这种疯狂还有另一个原因，我们认为创业公司无法筹集到后续资金是世界上最糟糕的事情。我们认为，在 2023 年失败成本已降至零的市场上，失败是不可接受的结果。直到 20 世纪 90 年代，创业还很少被视为年轻专业人士的可行职业道路。你要么背负债务，要么出生在一个富裕的家庭，风险资本在互联网繁荣时期扭转了这一趋势。哈佛大学(Harvard)访问学者拉玛娜•南达(Ramana Nanda)对现在发生的事情做了最好的解释。报告题为《实验成本与风险投资的演变》，探讨了创业成本的下降是如何影响创始人的素质及其支持者的投资风格的: “ 开办新企业的成本不断下降，使得一些过去无法获得融资的企业家获得了早期融资。虽然这些刚刚变得可行的边际风险投资的预期价值较低，但它们似乎主要由成功概率较低但成功后回报较高的风险投资组成(我们称之为“高风险投资”)，而不是成功后总回报较低的“较差”风险投资。我们发现，在受技术冲击影响的行业，风投增加了对由更年轻、经验不足的创始团队运营的初创公司的投资。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

金色财经2023-02-16

谁还记得元宇宙？

能跟其沾上边的公司股价狂飙，一大批相关创业公司出现。但如今，这个被科技圈寄予厚望的概念没有给已身处其中的人带来他们期望的收益，甚至成为科技公司抛弃的试错产物。 “弃子”元宇宙 “国内外全是ChatGPT的消息，元宇宙去哪了？”一位关注区块链、NFT、元宇宙等概念的大厂人发出疑问？元宇宙火爆的故事，起源于扎克伯格。2021年，他将Facebook改名为Meta。那一年被人们称为“元宇宙元年”。 Meta宣布All in元宇宙的前后，国内外不少互联网公司也在争相进入元宇宙：字节跳动收购VR创业公司Pico，抢占元宇宙入口；百度发布首个国产元宇宙产品“希壤”。微软表示公司正在努力打造一个“企业元宇宙”...... 巨头的大规模进击，让元宇宙成为人们口中“互联网之后的风口”，引发市场追捧。彼时，知名咨询公司麦肯锡给出预测，到2030年，元宇宙领域的价值可能达到5万亿美元。然而，在ChatGPT面世后，曾经火遍全网的元宇宙几乎没有了声量。不只一位曾关注元宇宙创业的人告诉全天候科技，他所在的元宇宙交流群里，交流内容已经从“元宇宙空间建设”、“元宇宙文娱营销”、“数藏融资”等话题，转变为“ChatGPT入门tips”、“ ChatGPT商业模式”等话题。更有甚者，一些曾经的“元宇宙交流群”被更名为“ChatGPT交流群”。而在一些科技巨头内部，元宇宙业务也成为“弃子”，黯然谢幕。近日，据科技媒体The Information报道，仅成立4个月的工业元宇宙应用团队被微软砍掉了，该团队约100名员工已全部被解雇。这个成立于去年10月的团队，负责搭建操作系统的软件接口，从事搭建发电厂、工业机器人及运输网络等场景的元宇宙应用。团队主要由名为“盆景项目（Project Bonsai）”的小组组成。工业元宇宙是元宇宙在工业领域的落地与拓展，是新型数字工业空间、新型工业智慧物联网系统、数字经济与实体经济融合发展的新型载体，被看作是智能制造的实现途径之一。相较于注重消费者市场的Meta，微软一直以来更加侧重工业领域市场。因此，工业元宇宙应用团队也曾被微软寄予厚望，认为是能挣到钱的业务。但因为微软的HoloLens头显业务团队接连遇挫等原因，很显然这个团队没有达到微软的挣钱期望，在微软上个月宣布的裁员1万人计划中，该团队也被波及。比起微软在软件上动刀，惠普则在选择在硬件上“做文章”。2月初，美国XR分析师BradLynch公开发文表示：“惠普将在年底前完成VR相关的生产，设备支持将持续到2026年。他们已经生产了大量的设备，但他们会以非常便宜的价格出售它们。包括Omnicept版，这就是HP在VR领域的终结。" 在国内，曾高调宣布进入元宇宙的公司，也逐渐失去耐心，并对其进行“冷”处理。 2月初，前快手元宇宙负责人马英武在朋友圈确认了离职的消息。伴随负责人的离职，快手的元宇宙业务——全景视频业务宣告暂停。早在去年10月，字节跳动就被曝出“砍掉社交App派对岛的项目团队，项目组成员回归中台原团队。”据悉，这个定位为元宇宙社交的产品仅上线3个月。另外，早期的元宇宙概念股股价下挫也证明了元宇宙的“熄火”。以典型元宇宙概念股中青宝为例，在元宇宙概念最火的时期，中青宝股价的股价最高达42.63元/股，涨幅超过400%。但截至2月14日收盘，中青宝股价为22.21元/股。与最高点时的股价相比，几近腰斩。 “2023年有可能是（元宇宙）‘预期差’最大的一年。”安信证券认为，之所以会导致“预期差”大，是市场尚未认知到“交互范式的定义”对硬件入口的重要性。元宇宙玩家“迭代”风口即便是All in元宇宙的Meta，至今也未能带给外界过多的惊喜。在过去一年多时间里，Meta元宇宙持续大规模烧钱，但进展却不尽如人意，这也引起了投资人、资本市场、用户等多重质疑。过去一年，Meta遭遇了股价和业绩的剧烈波动，其市值自高位跌去6成，蒸发了约8000亿美元。根据Meta发布的2022全年未经审计财报，这家公司元宇宙部门Reality Labs业务营收为21.59亿美元，运营亏损达137.17亿美元，相比上一财年亏损进一步扩大。因为超预期的支出计划，扎克伯格去年被投资人“围攻”了。很快，Meta裁员13%的计划公布，扎克伯格公开道歉，承诺会减少开支，并称在元宇宙投资上会更理性。与Meta相似，已经收缩或正在收缩元宇宙业务的科技公司，都将“降本增效”作为理由。 “与ChatGPT相比，元宇宙处于更早期阶段，并且没有已经开始盈利的公司做代表。不管怎么说，没有一家商业公司不考虑盈利问题，这的确是一个很要命的问题。”元宇宙行业创业者张道说。张道认为，技术本身就有成熟度曲线，低谷、高潮、平稳等都被容纳其中。“一个概念起初很火，但随着时间的推移，技术不完善、应用不成熟、场景落不了地等问题就会逐渐暴露。这时候，一些不那么具象、比较虚的概念在市场上的热度就会下降。” 中国工程院院士、中国互联网协会咨询委员会主任、光纤传送网与宽带信息网专家邬贺铨此前的公开言论也印证了上述观点：元宇宙的技术是现代信息技术的集成，涉及5G、IP网、云计算、人工智能、虚拟现实、区块链、数字货币、物联网、人机交互等技术，要求更高。要等这些技术群满足元宇宙的需要，几年之内还不太可能。 “这也说明元宇宙进入了平稳期，在等待下一阶段的突破。”张道对全天候科技说。但这并不影响市场、科技公司寻找新的风口和目标。当ChatGPT因具有“类人”的智能化表现而迅速出圈后，科技巨头们迅速完成风口的“迭代”。碰巧的是，当前官宣入局ChatGPT的公司，不少也是元宇宙的玩家。国内最早官宣已开发类ChatGPT项目的百度，在元宇宙风口期推出了元宇宙产品希壤；声称已在内测聊天机器人的阿里巴巴，曾耗资打造了元宇宙购物的入口；表示将推出产业版ChatGPT——ChatJD的京东，也曾信誓旦旦要在元宇宙中用数字孪生的方式重建物流仓库、虚拟店铺。 ChatGPT：下一个元宇宙？在爆火多日后，ChatGPT的热度也有所退散。资本市场上，持续狂飙多日的概念股也开始降温。以汉王科技为例，其股价在连拉7个涨停板后回落。科技圈见证了太多的“昙花一现”，作为科技圈的“新贵”，ChatGPT的出圈几乎“复制”了元宇宙的路径，它会成为步元宇宙的后尘，成为下一个元宇宙吗？当下下结论或许为时尚早，但可以确定的是：与元宇宙相比，ChatGPT是更加具象的应用，可以落地的场景也更为丰富。清华大学计算机科学与技术系副教授黄民烈说：“ChatGPT最大特点是通用任务助理，也就是在一个模型之内可以完成如此之多的开放任务，同时它在生成任务、上下文理解、安全伦理方面也有相当好的表现。大模型本身有很大的能力，但过去行业都在解决一些单一技能的问题，ChatGPT的诞生说明基本的模型能够衍生出来各种可能的应用场景。” 更为重要的是，与元宇宙这个相对较“虚”的概念相比，ChatGPT已经具备了实际落地的能力。国内已有很多公司在准备研发自己的模型，未来算力成本也会持续下降。而“我们要走向元宇宙，还有很远的距离。”黄民烈说。对于已经涉足元宇宙行业的创业公司来说，他们或有更好的抓住风口的办法：将ChatGPT融入现有元宇宙业务中。元宇宙公司广州华锐互动近日表示，ChatGPT在元宇宙娱乐领域可以用于许多不同的应用场景，包括聊天机器人、对话内容生成、智能音乐推荐、娱乐产品推荐等。未来，公司将探索更多创新应用，将ChatGPT投入到娱乐元宇宙中。张道表达了同样的想法：“我们现在做的是元宇宙的空间搭建，如果在现有业务中融入ChatGPT，对现有业务肯定会起到很大的助力。” 这与两年前大家在聊元宇宙时，情形相似，即：乐观派的声量超过了保守派和悲观派。因此，ChatGPT会否步元宇宙后尘，答案只能等时间揭晓。不过，可以确定的是，技术、应用从成熟到诞生，再到大规模普及，都必须“静”下心来。来源：金色财经

金色财经2023-02-16

埃隆马斯克表示希望在年底前任命Twitter首席执行官

witter在某种程度上仍然是一家反向创业公司，”他说。“要让Twitter达到某种稳定的地位，并真正打造软件工程的引擎，还需要做很多工作。”马斯克还试图将他对总部位于旧金山的Twitter的收购描述为一种文化矫正。　　他说:“我认为总体理念是反映人们的价值观，而不是强加旧金山和伯克利的价值观，与世界其他地方相比，这些价值观在某种程度上是一种小众意识形态。”“而且，你知道，我认为Twitter在强加一个利基市场方面做得有点过头了。” 　　《福布斯》估计马斯克的财富略低于2000亿美元。福布斯分析将马斯克列为地球上第二富有的人，仅次于法国奢侈品牌巨头伯纳德·阿尔诺。

金融界2023-02-16

马斯克计划年底卸任推特CEO！为了流量整活？调侃“任命”自己的狗担任推特CEO

　　“推特在某种程度上仍然是一家反向创业公司，”他说。“要让推特达到某种稳定的地位，并真正打造软件工程的引擎，还需要做很多工作。” 　　美国科技媒体Platformer当地时间2月14日援引知情人士和文件报道，特斯拉CEO及推特所有人马斯克对他上周日有关美国“超级碗”推文的浏览量感到不满，命令推特公司工程师加班修改算法。而到周一下午，马斯克发布的推文优先级人为提高了1000倍。　　报道发表后，马斯克在推特表示，“请继续关注我们对‘算法’的调整”。

金融界2023-02-15

24小时热点