FX168财经网_全球视野外汇黄金加密货币NFT资讯网

谷歌霸主地位不再？OpenAI 推出SearchGPT搜索引擎

n Weil加入担任首席产品官。随着大型语言模型在整个科技领域的重要性日益提高，以及新兴的生成式人工智能市场竞争迅速加剧，OpenAI正在加强其高管团队。 OpenAI的新迷你AI模型和SearchGPT的原型都是该公司努力走在“多模态”前沿的一部分，能够在一个工具中提供多种类型的 AI 生成媒体，如文本、图像、音频、视频和搜索：ChatGPT。对于 SearchGPT，OpenAI的博客文章表示，该工具的视觉结果将为用户带来“更丰富的理解”。去年，OpenAI首席运营官Brad Lightcap表示，“世界是多模式的。”他补充说，当人类“与世界互动时，我们会看到事物，听到事物，说出事物”，因此将交互限制在文本上是不够的。

Anna Sui 1评论2024-07-26

AI概念等几个热门交易面临翻车风险华尔街警告：英伟达1.2万亿美元市值损失只是“打底”

图形处理单元（GPU）迅速成为企业训练大型语言模型（LLMs）和运行生成性人工智能解决方案的必备芯片。TechInsights估计，英伟达占据了2023年3.85百万台数据中心GPU中除9万台外的所有市场份额。这一公司还从人工智能GPU供应不足中受益匪浅。由于企业无法迅速投资其人工智能数据中心，这使得英伟达能够大幅提高H100的售价。因此，英伟达的调整后毛利率在短短五个季度（截至2024年4月28日）内扩大了13.7%。首席执行官黄仁勋（Jensen Huang）旨在通过积极再投资于创新来保持公司的主导地位。英伟达的下一代GPU平台——Blackwell计划于今年晚些时候上市。Blackwell在包括生成性人工智能解决方案和量子计算等多个关键领域提供了加速计算。英伟达的CUDA平台是开发者用来构建和训练LLMs的工具包。CUDA与公司的优质硬件密切配合，保持客户在其产品和服务生态系统中的忠诚。英伟达会损失1.2万亿美元的市值吗？鉴于英伟达几乎无懈可击的经营增长，大多数华尔街分析师都认为这家人工智能巨头有着广阔的上升空间。然而，乐观情绪并非普遍存在。在对英伟达股票设定目标价的三十多位华尔街分析师中，目前没有一位分析师的目标价低于D.A. Davidson的吉尔·卢里亚（Gil Luria）。尽管卢里亚给英伟达设定的900美元目标价（拆股调整后为90美元）在一年前会显得非常乐观，但现在这预示着显著的下跌风险。考虑到英伟达股票在其10股合1拆分后最高曾超过140美元，卢里亚的90美元拆股调整目标价意味着这家人工智能巨头将从峰值到假定的低谷损失1.2万亿美元的市值。卢里亚的低点目标价基于他对英伟达能否实现华尔街高期望的长期增长目标的怀疑。他认为客户的支出不足以证明分析师期望的增长水平。尽管英伟达的硬件在高性能数据中心中无疑是顶级的，但它并非没有竞争。AMD和英特尔都在推出各自的人工智能GPU，作为对H100的直接竞争。即使英伟达的芯片在加速计算方面有优势，人工智能GPU供应的短缺几乎肯定会使AMD和英特尔从英伟达那里抢占市场份额。此外，全球最具影响力的企业似乎都在为其数据中心开发人工智能芯片。这包括四个“科技7巨头”成员，它们恰好是英伟达按净销售额计算的最大客户。公司开发自己的人工智能芯片意味着英伟达的硬件将在数据中心中占据更少的“空间”。这种外部和内部的竞争预计将随着时间的推移减少人工智能GPU的稀缺性，这是推动英伟达GPU定价权和调整后毛利率显著增长的主要催化剂。卢里亚的目标价可能过于乐观如果卢里亚的目标价实现，英伟达将从其历史最高点下跌36%。但如果卢里亚的目标价仍然过于乐观怎么办？从长远来看——例如10年或更久——人工智能有机会在大多数行业和部门中产生积极影响。但对短期内的新兴创新、技术和趋势的前景则远不那么诱人。在过去的30年里，没有任何引人注目的新兴创新、技术或趋势能够避免早期阶段的泡沫。无论是互联网、企业对企业的商务、基因组解码、住房、3D打印、纳米技术、加密货币、区块链还是元宇宙，每一项技术或趋势都需要时间来成熟。在过去的三十年里，这些颠覆性趋势的领先公司通常都失去了至少一半的价值，甚至更多。思科系统（Cisco Systems）和亚马逊（Amazon）在网络泡沫期间分别损失了约90%的价值，而3D打印股票在十年内损失了超过90%的价值。如果历史重演，英伟达可能会再次损失至少1.75万亿美元的市值，甚至更多。英伟达面临的另一个问题是，大多数企业缺乏具体的人工智能战略。尽管人工智能硬件的支出令人印象深刻，但对如何部署这一技术以帮助美国顶级企业更快增长的共识仍未形成。在没有这一蓝图的情况下，加上历史告诉投资者总是高估新技术的采纳率，英伟达的股票更可能会下跌超过卢里亚的低点目标价。

Heidi2024-07-26

The Graph 如何扩展为 AI 驱动的 Web3 基础设施？

「New Era」的新路线图，计划添加大型语言模型的 AI 辅助查询。随着近期白皮书的发布，其 AI 路线图进一步清晰。白皮书中介绍了两项 AI 服务：Inference（推理）和 Agent（代理）Service，允许开发者直接将 AI 功能集成到应用前端，整个过程均由 The Graph 支持。 Inference Service：支持多种开源 AI 模型在传统推理服务中，模型通过中心化的云计算资源对输入数据进行预测。例如，当你向 ChatGPT 提出问题时，它会进行推理并返回答案。然而，这种中心化的方式不仅增加了成本，还存在审查风险。The Graph 希望通过构建一个去中心化的模型托管市场来解决这个问题，使得 dApp 开发者在部署和托管 AI 模型时更加灵活。 The Graph 在白皮书中举了一个例子，展示了如何通过其创建一个应用程序来帮助 Farcaster 用户了解其帖子是否会获得大量点赞。首先，使用 The Graph 的子图数据服务，对 Farcaster 帖子的评论和点赞数量进行索引。接着，训练神经网络预测新的 Farcaster 评论是否会被点赞，并将神经网络部署至 The Graph 的推理服务中。最终开发的 dApp 可以帮助用户撰写能够获得更多点赞的帖子。这种方式使开发者能够轻松利用 The Graph 的基础设施，将预训练的模型托管在 The Graph 网络上，并通过 API 接口集成到应用中，从而用户在使用 dApp 时就能直接体验这些功能。而为了给开发者提供更多选择和灵活性，The Graph 的 Inference Service 支持大部分现有的流行模型。其在白皮书中写到，「在 MVP 阶段，The Graph 的 Inference Service 将支持一组经过筛选的流行开源 AI 模型，包括 Stable Diffusion、Stable Video Diffusion、LLaMA、Mixtral、Grok 和 Whisper 等。」未来，任何经过足够测试和索引器操作的开放模型都可以在 The Graph Inference Service 中部署。此外，为了减少部署 AI 模型的技术复杂性，The Graph 提供了用户友好的接口，简化了整个过程，使开发者可以轻松上传和管理他们的 AI 模型，无需担心基础设施维护。而为了进一步增强模型在特定应用场景下的表现，The Graph 还支持模型进行特定数据集的微调（fine-tuning）。但需要注意的是，微调通常不在 The Graph 上进行。开发者需要在外部对模型进行微调，随后再利用 The Graph 的推理服务部署这些模型。而为了鼓励开发者公开微调后的模型，The Graph 正在开发激励机制，例如在模型创建者和提供模型的索引器之间合理分配查询费用。在验证推理任务执行方面，The Graph 提供了多种方法，如可信权威、M-of-N 共识、交互式欺诈证明和 zk-SNARKs。这四种方式各有优缺点，其中可信权威依赖于可信实体；M-of-N 共识需要多个索引器验证，增加作弊难度的同时也增加了计算和协调成本；交互式欺诈证明安全性较强，但不适用于需要快速响应的应用；而 zk-SNARKs 则是技术实现较为复杂，不适合大型模型。 The Graph 认为开发者和用户应有权根据自己的需求选择合适的安全级别。因此，The Graph 计划在其推理服务中计划支持多种验证方法，以适应不同安全需求和应用场景。例如，在涉及到财务交易或重要业务逻辑的场合，可能需要使用更高安全性的验证方法，如 zk-SNARKs 或 M-of-N 共识。而对于一些低风险或以娱乐为目的的应用，则可以选择成本较低、实施较简单的验证方法，如可信权威或交互式欺诈证明。此外，The Graph 还计划探索隐私增强技术，以改善模型和用户隐私问题。 Agent Service：帮助开发者构建自主 AI 驱动应用相较于 Inference Service 主要是运行训练好的 AI 模型进行推理，Agent Service 更为复杂，其需要多个组件协同工作，以使得这些 Agent 能够执行一系列复杂和自动化的任务。The Graph 的 Agent Service 价值主张是将 Agent 的构建、托管和执行都集成至 The Graph，并由索引器网络提供服务。具体而言，The Graph 会提供一个去中心化的网络，支持 Agent 的构建和托管。当 Agent 被部署在 The Graph 网络上后，The Graph 索引器便会提供必要的执行支持，包括索引数据、响应链上事件等各种交互请求。正如上文提到的，The Graph 核心开发团队 Semiotic Labs 已经推出了一个早期 Agent 实验产品 Agentc，结合了 The Graph 的索引软件栈和 OpenAI ，其主要功能是将自然语言输入转换为 SQL 查询，方便用户直接查询区块链上的实时数据，并将查询结果以易于理解的形式呈现给用户。简单理解，Agentc 专注于为用户提供便捷的加密货币市场趋势分析和交易数据查询，其所有数据均来自以太坊上 Uniswap V2、Uniswap V3、Uniswap X及其分叉，价格每小时更新一次。此外，The Graph 还表示 The Graph 使用的 LLM 模型准确率仅有 63.41%，因此存在错误响应的问题。为了解决这一问题，The Graph 正在开发一种名为 KGLLM（Knowledge Graph-enabled Large Language Models）的新型大语言模型。 KGLLM 通过使用 Geo 提供的结构化知识图谱数据，能够显著减少生成错误信息的概率。Geo 系统中每个声明都由链上时间戳和投票验证支持。集成 Geo 的知识图谱后，代理可以应用于多种场景，包括医疗法规、政治发展、市场分析等，从而提升代理服务的多样性和准确性。例如，KGLLM 可以利用政治数据为去中心化自治组织（DAO）提供政策变更建议，并确保基于当前且准确的信息。 KGLLM 优势还包括：结构化数据的使用：KGLLM 使用的是结构化的外部知识库。信息在知识图谱中以图形形式建模，使得数据之间的关系一目了然，因此查询和理解数据也变的更加直观；关系数据处理能力：KGLLM 尤其适合处理关系数据，例如它可以理解人和人之间的关系、人和事件之间的关系等。且其使用图遍历算法，通过在知识图谱中跳跃多个节点（类似于地图上移动）找到相关信息。通过这种方式，KGLLM 可以找到最相关的信息来回答问题；高效的信息检索和生成：通过图遍历算法，KGLLM 提取的关系会以自然语言转换成模型可以理解的提示，通过这些清晰的指示，KGLLM 模型能够生成更加准确和相关的回答。展望 The Graph 作为「Web3 的 Google」，利用其优势弥补了当前 AI 服务的数据短缺问题，并通过引入 AI 服务简化了开发者的项目开发流程。随着更多 AI 应用的开发和使用，用户体验将有望得到进一步提升。未来，The Graph 开发团队将继续探索人工智能与 Web3 结合的可能性。此外，其生态系统中的其他团队，如 Playgrounds Analytics 和 DappLooker，也在设计与代理服务相关的解决方案。来源：金色财经

金色财经2024-07-24

币安上半年度报告：Memecoin、AI、DePin

富了用户体验。 AI 与 DePIN 大型语言模型和各种 AI 应用程序在很大程度上依赖图形处理器 (GPU) 来处理计算需求。在过去一年中，人们对 AI 兴趣的与日俱增引发了对 GPU 的大量需求，从而导致了 GPU 的短缺。这使得计算资源的成本变得十分高昂，令人望而却步，尤其是对于从事 AI 研究的研究人员和初创企业而言。为此，作为 DePIN 重要组成部分的去中心化计算网络应运而生，成为传统的中心化云服务和硬件制造商的一种经济高效的替代方案。 Akash、Render、Gensyn 和 io.net 等协议通过提供去中心化解决方案解决了这些成本障碍，成为了实现此种转变的典范。去中心化计算网络为实际问题提供了潜在解决方案，充分利用了 AI 崛起的机遇，其平台上的活跃度和参与度也随之增加。 DePIN 在去年获得广泛关注的领域中，去中心化物理基础设施网络 (DePIN) 从中脱颖而出。作为基础设施项目，DePIN 运用区块链技术和加密货币经济，以激励个人将资金或闲置资源用于创建更加透明且可验证的去中心化基础设施网络。大家都认为该领域蕴含着巨大潜力，因其潜在市场十分广泛，而且能够通过自下而上的增长策略构建去中心化基础设施网络。自我强化式的增长循环有助于 DePIN 项目的可持续发展。其以代币奖励作为激励措施，帮助供应方参与者克服采购过程中的“冷启动”挑战。随着网络规模的扩大，消费者开始使用网络服务，需求也会随之增加。鉴于服务费用通常以网络代币形式支付，采用率的提升将导致代币价格上涨，从而将进一步激励贡献者。随着供需双方的共同增长，这种良性循环可以持续下去，从而维持项目的持续增长。资料来源：币安研究院多年来，与 DePIN 相关的项目一直在稳步建设，形成了该板块目前的多样化格局（如下图 121 所示）。请注意，该图仅展示了一部分 DePIN 项目。根据 IOTeX DePINscan 的数据，目前记录在案的 DePIN 项目约有 249 个。资料来源：IOTeX、币安研究院如上图所示，DePIN是由多个板块组成的广泛领域。每个板块各司其职，实现网络基础设施去中心化并为不同用例赋能。本章节将更详细地介绍各个板块，解析其工作原理，并重点介绍相关的案例研究。请注意，币安并不为以下任何项目提供背书。所有提及的项目仅用于说明其概念性用例。主要发展趋势 DePIN将与传统基础设施网络参与者共存：传统网络拥有大量资本资源和稳固的基础设施，DePIN不可能在短期内将其完全取代。但DePIN能够利用闲置资源推动共享经济发展，在项目不符合传统网络参与者财务效益时提供可行的解决方案，实现最后一英里覆盖，巩固当前格局。因此，未来较可能出现的情况是DePIN网络与传统基础设施网络参与者共存，补充完成最后一英里的覆盖范围，并提供不同的解决方案，让规模较小的实体或个人也可参与基础设施建设。 DePIN为Web2前端赋能：不可否认的是，就技术而言，直接与DePIN交互对普通大众而言可能过于复杂，这也是DePIN普及速度比现有Web2服务更慢的原因之一。除了注重改善用户体验和用户界面外，我们还希望DePIN项目与传统网络参与者或Web2公司合作，扩大其覆盖范围。实际上，用户可与Web2前端交互，却不知道后端的底层架构应用了DePIN和区块链技术。这可减缓陡峭的学习曲线，降低需要面临的加密货币相关风险，令DePIN产品与Web2一样简单易用，同时还附加成本效益和透明度等优势。提高代币效用和可组合性：大多数DePIN代币主要用于支付项目服务费用。这保证了基础效用，但区块链技术的一大迷人之处在于其在整体链上生态系统中的可组合性，尤其在DeFi领域。若获取代币后可赚取额外收益或探索不同用例，就能进一步吸引用户参与DePIN项目。 Filecoin的Filecoin虚拟机和BNB GreenField与BNB Chain的原生集成正是此种潜力的典型例证。二者不仅保证了FIL和BNB用于存储数据的基础效用，更让用户有机会利用自己的代币参与更广泛的生态系统。这些扩展用途还处于早期阶段，但也暗示了未来的潜在趋势，可能促进DePIN项目的发展和普及。来源：金色财经

金色财经2024-07-23

行业研究｜有连云等资深玩家助力AI+金融应用创新

AlphaSense专为市场情报定制的大型语言模型（ASLLM）支持，基于AlphaSense的行业领先内容库，提供一个会话式聊天界面，大大提升了商业和金融专业人士的研究效率。用户可以轻松咨询特定领域的投资机会或竞争对手分析，并立即获得准确答案。这些答案还具备内置的可审计性，方便用户追溯到原始资料，进行上下文和验证的检查。（2）FeatureSpace 推出 TallierLTM™金融垂直大模型作为全球领先的企业级防欺诈技术供应商，FeatureSpace 推出了世界首个大型交易模型（LTM）- TallierLTM™。 TallierLTM™ 采用自我监督的预训练方法，对各司法管辖区和市场细分领域的交易行为进行了深入分析，使其能够真实反映现实世界中的消费者交易行为。与行业标准模型在典型的 5:1 误报率下运行相比，TallierLTM™ 在欺诈检测准确性方面提升高达 71%。通过分析数十亿笔交易，TallierLTM™ 具备揭示隐藏的交易模式并预测消费者行为的能力，可以为数据科学家提供区分合法与犯罪活动的关键洞察。金融机构可以通过嵌入 API 与 TallierLTM™ 交互，将交易历史转换为机器可读的特征向量，创建成独特的 "行为条形码"，全面代表消费者的交易行为，同时还能保护个人隐私。（3）Visa推出基于生成式AI的欺诈解决方案 Visa 基于生成式AI技术，于今年5月份面向美国金融机构推出账户攻击情报（VAAI）评分工具，以识别和防范金融交易中的枚举攻击（enumeration attacks）。该工具能够实时检测可疑活动，并为金融机构提供风险评分，帮助客户精准判断何时需要阻止交易，从而防止潜在的欺诈行为。该AI工具通过学习持卡人的交易习惯，能在四毫秒内自动评估交易风险，区分正常消费与异常行为，快速识别可能的攻击性交易。其经过超过 150 亿笔交易数据的训练，通过比对历史枚举攻击模式生成风险评分，预测交易是否属于枚举攻击。与现有的风险评估模型相比，VAAI 工具在减少误报方面显著进步，误报率降低了 85%。（4）澜码科技尽调报告Agent案例国内某银行推出一项普惠贷款服务，旨在为中小企业提供便捷的贷款服务，以支持实体经济的发展和创新。但在发放普惠贷款的过程中，银行难以全面了解借款企业信息状况和还款能力，尤其是面对缺乏完善财务记录的中小企业和个体工商户时。因此银行客户经理往往要花费大量时间收集和分析各类资料，对申请企业进行尽职调查，并撰写尽调报告，包括客户情况分析、财务数据分析、尽调审核分析等等。但是，银行一线客户经理的业务分析水平参差不齐，导致了尽职调查和尽调报告质量不一，同时，系统中的报告模版也往往比较僵化，无法直接使用，一线客户经理就要花费大量时间在报告撰写上。澜码基于该需求，为客户构建了一款基于大语言模型的尽调报告Agent，可以自动给出分析结论、生成报告，辅助一线银行客户经理的工作，不仅能够节省一线客户经理80%报告撰写的时间，还可以全面审核客户资料，帮助人工发现一些不易发觉的点或遗漏，减少错误率。 3、国内代表性AI金融服务商深擎科技深擎科技成立于2018年，是一家专注于为企业提供人工智能技术赋能的公司，尤其在自然语言处理、个性化推荐和大语言模型等领域具有卓越的研发能力。核心创始团队来自IBM中国AI实验室，曾参与Watson研发，具备优秀的技术和工程实力。公司利用AI与大数据分析技术，为券商和银行提供内容科技与智能营销产品，助力客户获取、活跃和交易转化。深耕金融行业，掌握增长场景的深度KnowHow，并以AI Agent为基座，打造行业刚需的应用产品体系。产品已实现PMF，覆盖了80%的大中型券商和50%的大型银行。企业优势：技术实力强：深擎的核心技术团队源自IBM人工智能实验室，技术底蕴深厚。深擎自主研发的金融行业预训练模型（L1），效果准确率评测，超国内多个千亿模型，接近GPT4。大模型在2B场景落地过程中，最重要是准确率，在客户关心的重要技术指标上深擎处于行业领先地位，譬如：Function call多场景复杂接口的识别准确率达93%以上，多轮语义准确率和召回率分别达到95%和90%以上，AIGC内容合格率超95%。深入业务与场景：深擎在发展过程中，吸引了一批来自甲方客户的业务专家，因此能够把技术、产品与客户业务做有效整合。通过场景设计，深度融入客户核心业务，实现可量化的业务价值。譬如，有多款自研AIGC内容产品规模化上线运行，嵌入客户核心营销流程，实现内容生产效率超100倍提升。数据丰富且高质量：经过多年积累，深擎在证券行业沉淀了大量行业数据与标注数据。并且通过产品在业务场景上的闭环，能够源源不断获得更多行业数据。这些关键数据都是深擎模型训练与产品迭代的重要保障。客户案例多且合作深：深擎已与多家国内前十大券商合作大模型项目落地，案例数量在行业内处于领先地位。客户多，意味着产品的有效迭代就快，而非脱离市场的闭门造车。头部客户代表着行业内最新的发展共识，代表着新质生产力。项目案例多，意味着遇到的实际问题多，踩的坑多，解决问题的办法就多，也更加合理。此外，深擎与多家头部券商在大模型落地过程中有深度合作，通过产品、数据、业务形成闭环迭代，能够让客户真正把产品使用起来，并不断根据用户反馈、数据反馈，迭代AI产品。甜新科技甜新科技成立于2016年，总部位于上海，是一家以AIGC和5G视频通信技术、行业大模型为核心的人工智能创新型高科技企业。由红杉中国、金沙江创业投资、同创伟业等投资。公司的产品包括VCRM系列产品，是基于Al+视频的营销解决方案，助力企业营销转化。致力于在视频营销科技领域，为行业客户提供以深度融合Al+视频为基础的场景化服务解决方案。公司主要服务的方向包括零售电商、新消费品牌、银行、保险、消费金融、游戏等行业。企业优势：多种客户触达方式：平台可提供目前市场上主流客户触达方式，包含：AI交互视频、视频通知，AI语音外呼、视频短信、文本短信等客户触达方式，可根据不同的客户触达目标选择及组合。提高用户参与度：通过互动视频，用户可以与数字人内容互动，相比传统视频内容，这种形式能极大地提升用户的参与度和兴趣，从而增加用户停留时间和参与深度。提升品牌影响力：首先，通过一段3分钟原视频，即可快速生成和金融机构代言人真人一模一样的数字人分身，五官、动作、表情、声音完全模仿本人，通过数字分身与客户进行视频对话，基于自然语言处理及大模型技术，可实现多轮对话和智能互动。互动视频能够以其新颖的形式和丰富的用户体验增强品牌形象，通过用户与视频内容的互动，可以增加品牌的曝光度和记忆度。千人千面的客户服务：利用AI技术，基于用户的行为和偏好提供个性化的视频内容推荐，实现真正意义上的“以用户为中心”。这种个性化的体验可以有效提升用户满意度和忠诚度。效率提升：外呼营销平台能自动分析用户数据和互动结果，沉淀数据、为营销人员提供数据支持，帮助其快速调整营销策略，提高营销转化效果。基于AIGC的内容生产：外呼营销平台能可以根据客户的需求和偏好生成个性化的营销内容，如：使用不同的数字人形象，数字人复刻、声音复刻，同时，为了提高客户参与度和转化率可以快速生成大量营销内容，减少人工编辑时间和成本，满足金融行业的快速变化和更新需求。澜码科技澜码科技是一家基于大语言模型的企业级AI Agent平台公司，核心团队成员来自Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司。澜码科技率先填补了国内大模型中间层的空白，是国内探索大语言模型应用落地和AI Agent的先行者。基于底层大语言模型，澜码科技自主研发了能够连接人和系统的企业级Agent平台“AskXBOT”，助力企业构建基于专家知识的超级自动化，从而提升业务质量和效率。澜码科技已完成来自IDG资本、联新资本、Atom Capital参与的数千万A轮投资，并与多家上市公司和独角兽企业达成战略合作。企业优势： “模型中立”优势：目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果。专家知识是AI Agent 得以在企业落地的关键：专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。在澜码AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。针对办公，特别是金融、财务的办公场景的成熟技能的封装能力。和企业已有组织、权限、基础设施的集成。有连云有连云成立于2015年，是国内领先的金融AI应用服务商。旗下的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。公司专注于金融数字化转型的痛点，推进大模型的垂直应用，结合庞大的金融专业语料库，集成自然语言处理、OCR和多模态技术，实现各类事件指标的准确、实时、智能化获取，满足自定义和配置需求。企业优势强大的技术基础：有连云的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。精准的数据处理：麒麟大模型能够实时获取和解析ETF产品层面的数据，生成产品分析、研报摘要和观点，提升信息检索效率和AI批量生成资讯，解决基金公司在产品营销中的难点。广泛的生态连接：强大的生态连接可渗透到数据、交易、搜索、新闻、视频和财经等投资者聚集地，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。全面的合规保障：在上市公司声誉管理和投资者关系管理领域，麒麟大模型通过智能创作、智能标签和可视化报表服务，保障资讯的真实合规，并实时跟踪推送状态，提供强有力的商业决策支持。行业认可：有连云已获得国家互联网信息办公室的3项深度合成算法备案，入选中国信通院《2023大模型和AIGC产业图谱》，并获得数字化软件产品能力DSSC优秀级认证，成为中国信通院《数字化软件产品及服务能力体系规范》编制单位，参与行业标准制订。金融行业落地Gen AI的关键能力尽管在金融行业落地Gen AI 会面临数据隐私和安全、技术和资源门槛、模型解释性和透明度，以及监管合规等挑战，但落地难度相较于传统AI项目，难度会更低，实施路径也更直接。甜新科技认为金融行业落地Gen AI需要跨越以下7个维度的关键能力： 1. 明确转型目标和战略：金融机构首先需要明确自身的数字化转型目标和战略，确定AI技术在其中的角色和定位。一个有效的Gen AI规模化落地战略，必须包含以下关键因素：高层领导层的愿景、一致性和承诺，以及业务单元级对交付结果的责任、清晰的应用场景和目标、全面的运营计划。 2. 选准应用场景：在明确转型目标后，金融机构需要选准AI技术的应用场景。这些场景应该是业务流程中的痛点或价值创造的潜在领域。例如，AI技术可以用于风险评估、信贷审批、智能投顾、客户服务等方面。 3. 数据和技术的积累：金融机构需要积累大量的数据和相关的技术能力。数据是AI技术的基础，而技术能力则决定了金融机构在AI领域的竞争力。这包括建设数据仓库、数据挖掘、机器学习、深度学习等技术能力。在部署大模型的时候，金融企业获机构需要与自身现有的系统、工作流程、企业应用程序和数据源集成。这是一个关键且复杂的任务。麦肯锡认为，有效的集成和模型维护将依赖于多个架构组件：上下文管理和缓存、策略管理、模型中心、提示库、MLOps平台、风险管理引擎、大型语言模型（LLM）运营等。（深擎科技采访供图）数据质量至关重要，尤其是在通用人工智能领域。面对海量且非结构化的数据集，确保输出答案的质量变得更加具有挑战性。领先的金融机构正借助优质人才和自动化技术，在数据生命周期的关键环节进行精准干预，以保证数据的高标准质量。同时，数据领域的领导者需要深入考虑新技术带来的安全风险，并随时准备根据法规的变化迅速采取行动。 4. 构建高效的组织架构：为了推动AI项目的顺利实施，金融机构需要构建高效的组织架构。这包括设立专门的AI团队、明确职责和分工、以及与业务部门的紧密合作。要优化组织架构之前，金融机构必须思考当前的架构为何难以无缝集成AI创新能力。成功落地AI的金融机构，并不是鼓励落地相关计划，而是通过为现有团队配备所需的资源，并积极拥抱通用人工智能所需的技能、人才和流程来实现相关目标。 5. 注重人才培养和合作：金融机构需要培养一批既懂金融业务又懂AI技术的复合型人才。还需要定期评估自己的人才招聘策略，以适应不断变化的优先事项。清晰的职业发展和晋升机会——以及有意义和价值的工作——对普通的技术从业者来说非常重要。此外，与AI领域的领先企业或研究机构合作，可以加快技术进步和创新。 6. 强化合规和安全风险管理：金融机构在实施人工智能技术时，必须确保其操作的合规性和安全性。这不仅包括遵守相关的法律法规，还涉及到保护客户隐私、预防欺诈和洗钱等风险。在引入大型模型和生成式人工智能之前，金融机构通常需要对其风险管理和模型治理框架进行重新设计，并根据需要开发新的控制机制。模型的可解释性和决策的公正性是关键问题，必须在推广任何生成式AI应用之前得到全面而深入的解决。通过这种方式，金融机构可以在确保技术优势的同时，维护其业务的合规性和安全性。 7. 持续优化和创新： AI技术是不断发展的，金融机构需要在实践中持续优化和创新。这包括收集反馈、改进算法、探索新的应用场景等。金融行业落地Gen AI的挑战尽管大模型和Gen AI能为金融行业带来巨大价值，但囿于要被高度监管的属性，金融行业在落地大模型和生成式AI要面临比其他行业更严峻的诸多挑战。以下是最关键的三大问题： 1、确保数据质量和安全性对于金融企业而言，获取高质量、具有代表性的数据分析来训练人工智能模型是实现技术优势的关键所在。AI模型的性能和准确性在很大程度上取决于训练数据的质量，因此，金融机构必须实施严格的数据治理流程，以确保数据的准确性和可靠性。许多银行拥有一个庞大而复杂的数据架构，这些架构往往跨越了数十年，涉及多种大型机系统。将这些分散的数据整合并准备用于人工智能项目是一项艰巨的任务，需要投入大量的资源和努力。同时，金融企业还必须严格遵守数据保护法规，确保敏感的客户数据得到妥善的匿名化处理和安全保护。这不仅涉及到技术层面的挑战，也考验着企业在数据隐私和合规性方面的责任和担当。 2、符合金融法规金融领域对人工智能系统的应用必须严格遵守一系列法规，且涉及信贷审批、交易监控等多个业务环节。合规性要求金融机构必须对相关信息记录详尽并始终维护模型的透明度，这无疑增加了管理的难度和成本。同时，金融机构还需定期对AI系统进行性能监控，确保没有偏差，并妥善处理可能出现的意外结果。此外，AI技术在金融领域的应用涉及到对海量数据的处理和分析，这不仅要求金融机构拥有强大的存储和计算资源，也带来了对基础设施的挑战。尽管云计算提供了灵活的解决方案，但数据安全和地区法规的限制常常成为其广泛应用的障碍。同时，将先进的AI工具与金融机构现有的IT系统无缝集成，也是一个需要克服的技术难题。 3、道德考量和偏见人工智能在金融领域的整合引发了重要的道德考量，特别是在偏见和公正性方面。人工智能系统可能会无意中延续甚至加剧训练数据中存在的偏见。例如，如果历史贷款数据对某些特定人群存在偏见，那么基于这些数据训练的人工智能模型可能会继续使这些群体处于不利地位。此外，快速变化的监管环境对金融机构提出了更高要求。随着法律和道德对AI的期望不断演变，金融机构需要不断适应新的监管政策，并保持系统的灵活性以应对这些变化。人工智能在金融领域的未来尽管生成式人工智能是目前各行各业的流行词，但如何将该技术付诸实践的最佳方式仍然尚未确定。澜码科技CEO周健指出，目前金融行业面临的主要挑战是大型模型的准确度尚未达到令人满意的标准，以及还未找到将特定场景与相应的技术进行有效匹配的路径。整个行业面临的核心难题在于如何精心选择或开发出适合的大模型和解决方案，然后确保它们在特定应用场景中的表现能够超越人类，这也是最具挑战性的部分。此外，在认知层面，一个普遍的误区是人们常常被所谓的“理想路径”所误导，认为大语言模型能够应对所有任务。然而，在实际操作中，可能由于业务人员对专业知识掌握不够精确导致无法完成相应任务。在这种情况下，我们需要通过更高效的人机交互方式，使业务人员能够明确地表达他们的需求，以便在业务流程中实现端到端的有效支持。另一个常见的误区是，人们期望用户去适应技术，而不是让技术去适应用户。如果整个行业能够在技术适应用户交互方式和需求理解方面做出创新和改进，就可能充分发挥大型模型的潜力。但目前，这一领域的探索还相对较少。金融行业落地大模型和生成式AI不仅需要技术上的升级，还需要进行企业文化的转型，以接纳创新，这将是一个漫长且充满挑战的过程。参考资料： https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model https://www.datacamp.com/blog/ai-in-finance https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.20661.html 作者：qiuping 来源：非凡产研以上内容与数据，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2024-07-23

Alphabet 即将公布盈利，投资者重新考虑 AI 股票。谷歌值得买入还是卖出？

来对抗微软对 OpenAI 的投资，其大型语言模型称为 Gemini。生成式人工智能对谷歌核心互联网搜索广告业务的影响仍是关键问题。谷歌面临的反垄断问题司法部针对谷歌的非陪审团反垄断审判的裁决即将到来。政府指控谷歌通过排他性分销协议维持互联网搜索垄断。如果谷歌败诉，美国地方法官 Amit Mehta 可能下令拆分谷歌或改变谷歌推广其搜索引擎的方式。谷歌可能会对任何法院判决提出上诉。谷歌其他业务发展除了核心互联网搜索广告业务，YouTube 和云计算的增长也很关键。谷歌将于 8 月 9 日举办活动展示新的 AI 就绪 Pixel 9 手机。谷歌旨在通过自己的短视频平台减缓 TikTok 的增长。云计算方面，谷歌仍是第三大服务提供商。谷歌收购的网络安全公司 Mandiant 似乎正在带来回报。谷歌股票买卖分析谷歌股票在最近几年有好有坏，2021 年上涨 65%，2022 年下跌 39%，2023 年上涨 58%。其相对强度评级目前为 86，积累/分配评级为 D，综合评级为 98。在 MarketSurge 上，谷歌股票的入场点为 153.78。底线是，随着二季度财报临近，场外投资者应观察谷歌股票是否在其 50 天移动平均线找到支撑。来源：今日美股网

今日美股网2024-07-23

老外都在用盘点全球最高效的十大办公AI工具

天机器人Gemini是ChatGPT在大型语言模型（LLM）类别中最接近的竞争对手。它占据了5月份LLM流量的11%，也就是近4.19亿次访问。 02.CanvaAISuite 根据FlexOS的数据，CanvaAI套件被列入图像生成器和编辑器类别，占5月份100大人工智能工作工具流量的6%。该套件包括图片、视频和演示文稿生成器。 01.ChatGPT 根据Similarweb的数据，OpenAI的ChatGPT是5月份全球最受欢迎的人工智能工作工具，网站访问量达31亿次。FlexOS指出，OpenAI在5月份将ChatGPT从原来的子域转移到了一个新域，但在3月份就已经开始重定向流量。据FlexOS称，虽然美国是ChatGPT的最大市场，但印度、印度尼西亚和巴西也是ChatGPT使用率最高的国家。该聊天机器人还占据了工作AI工具100强67%的流量。原文来源于： https://qz.com/ai-artificial-intelligence-work-chatgpt-google-gemini-1851581083 中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经2024-07-22

2024年四大最佳AI生成写作工具和AI加密货币测试

nAI更灵活。该公司表示，它在使用多种大型语言模型（LLM）方面是“不可知论”的，包括Meta的LLama和Google的Gemini模型。 Writesonic的AI文章写作器可以创作长篇内容，并包括一个名为Chatsonic的聊天助手。在测试中，Writesonic生成的故事比其他工具更加富有想象力，使其在可靠性方面更胜一筹。虽然有免费版本，但Chatsonic的年费为每月12美元，声称提供与GPT-4和Claude 3 Opus相当的输出质量。个人计划每月16美元，包含SEO优化器、抄袭检查器和事实和引用工具等附加功能。 Rytr Rytr的名字读起来像“writer”，其接口简洁，类似于写作板。用户可以选择输出的语气和使用案例。使用“故事情节”功能，它生成了一个与Anyword几乎相同的故事。在Rytr的故事中，主角阿米莉亚和“魔法森林”再次出现，显示出Rytr也使用了ChatGPT-3来生成内容。Rytr免费使用，无限查询的费用为每月7.50美元。相比之下，ChatGPT-4目前的费用为每月20美元。不同的是，Rytr还提供其他功能，如抄袭检查器和SEO工具包。 WienerAI——拥有149%年化收益的AI加密交易机器人这个项目在预售阶段已经筹集了750万美元的资金，并且将在8天内结束，显示出其在市场上的强劲吸引力。WienerAI是一个加密货币交易的AI助手，就像是把ChatGPT放进了你的口袋里，但专门用于加密货币交易。你只需输入你想要找的内容，机器人就会立即在市场上搜索机会。例如如果你对新的DeFi项目感兴趣，只需询问WienerAI的机器人，它就会在DeFi领域中为你挖掘潜在的宝藏。更棒的是，这个机器人还能在不同去中心化交易所执行交易，这意味你不必切换平台或管理多个加密货币钱包。WienerAI还设有一个WAI代币的质押系统，目前WAI质押者可获得149%的年化收益，已经有超过69亿代币被锁定，占总供应量的10%。参观WienerAI预售这一切都表明，人工智能在加密市场中的热度正在上升。大家都在争相搭上AI的顺风车，而WienerAI正处于这个风口浪尖。接下来团队计划扩大“Sausage Army”的规模，并在以太坊区块链上引起更多关注。之后，AI交易机器人将在第三阶段推出。这一全面的路线图吸引了更多的目光，像Oscar Ramos和Crypto Gains等大咖在YouTube上对这个项目表示支持。结论： AI写作工具正在迅速发展，并在各行各业中变得越来越受欢迎。无论是Copy.ai、Anyword、Writesonic还是Rytr，它们各有特色和优势，能满足不同用户的需求。然而，AI生成的内容仍需人类监督，以确保其准确性和独特性。随着技术的不断进步，这些工具加上新兴AI币使用，将在未来的创作过程中扮演越来越重要的角色。参观WienerAI预售

Business2Community2024-07-22

盘点 Sui 首届全球黑客松大赛获奖项目

设计的 AI 项目，SuiGPT 利用大型语言模型来反编译和优化 Sui 智能合约。用户若对智能合约有疑惑，可以通过询问 SuiGPT 来获取答案。该项目通过简化合约代码的阅读和理解过程，对 Sui 的新开发者友好。三等奖：BitsLab IDE 、SuiPass BitsLab IDE 是一个专为 Sui 生态开发者设计的在线编辑器，该编辑器能提供一个项目完整开发周期所需的功能，包括稳定的编译和测试环境、而且还集成了区块链网络选择和链上交互功能，实现快速部署和调用智能合约。自 2024 年 4 月 7 日推出以来，BitsLab IDE 已吸引超过 2400 名访问者，并获得 Sui Developer Portal 的官方推荐，成为 Sui 区块链开发者的重要工具。 SuiPass 是一个去中心化身份服务（DID），该协议针对 Sybil 攻击和恶意活动的提供预防措施，SuiPass 还整合了来自 web2 和 web3 的身份认证，提供统一平台以提高真实账户验证的精度，适用于奖励发放、治理保护等。高级 Move 功能赛道一等奖：Promise Promise 是一个基于 Zk 的互动广告平台，该平台提供有趣的互动广告，减少用户的广告疲劳，从而实现广告主和用户双赢的局面。二等奖：Su Protocol Su Protocol 是一个为 SUI 代币持有者提高资产利用效率的货币协议，该协议通过将 SUI 代币分解为两类资产 Beta代币（浮动稳定币 fSUI、稳定币 SD）和杠杆代币 xSUI。xSUI 则吸收了剩余的波动性，使 Beta 代币保持其稳定性，为投资者提供了无需清算或资金利率的永久合约。 Su 协议无需超额抵押，通过将波动性从风险厌恶用户转移到风险偏好用户，实现了资本高效的设计，使用户能够在去中心化环境中长期持有 SUI。三等奖：Sui Simulator、Sui Metadata Sui Simulator 是一个为开发者提供无需使用 CLI （用来与计算机程序交互的工具）即可轻松读取和调用 Sui 智能合约的工具，简化智能合约的交互流程，便于开发者能够更高效地进行开发和调试。 Sui Metadata 是一个基于 Move 语言的数据库，在不依赖任何结构定义的情况下，以向量块的形式存储、检索和管理各种原始数据。使得开发者能够更灵活地处理数据，简化了数据管理流程，提升在 Sui 上的开发效率。多链赛道一等奖：Sui NTT Sui Wormhole Native Token Transfer (NTT) 是一个多链资产转移协议，为所有支持 Wormhole 的区块链提供同质化和非同质化代币的转移功能，用户能够跨链转移资产。二等奖：Wormhole Kit Wormhole Kit 是多链 DApp 部署工具，该工具简化了 DApp 接入 Wormhole 桥的过程，能加速 DApp 在多链的开发和部署。三等奖：SuiWalletBot 、Multichain Meme Creator SuiWalletBot 是一个 Telegram 机器人，允许用户通过 Wormhole SDK 管理他们的 Sui 钱包执行多链代币的转移，也可以直接从 Telegram 上方便地管理用户在 Sui DeFi 应用中的流动性池头寸。SuiWalletBot 将多链资产管理和 DeFi 操作集成到 Telegram 中，简化用户的操作流程，提高用户体验。 Multichain Meme Creator 是一个多链 Meme 创作平台，用户能够在不同区块链上轻松创建、分享和交易 Meme 。随机性赛道一等奖：Sui DApp Starter Sui DApp Starter 是一个 Sui 的全栈开发平台，集成开发所需要的基本工具和组件，使开发者从第一天起就能专注于业务逻辑，而无需花费数周创建应用框架。此平台优化了现有 Sui 启动器过于基础的问题，提升了开发效率。二等奖：BioWallet BioWallet 是一个钱包项目，该钱包的特点是能够使手机变成硬件钱包，同时接入了 Wormhole SDK 能实现跨链交易。以及拥有常见的免助记词登录，生物识别认证登录、跨设备备份登陆密码以及 MPC 私钥恢复方法。三等奖：SuiAutochess 、HexCapsule SuiAutochess 是一个自走棋链游，该游戏完全在链上运行，利用区块链提供公平、透明且安全的游戏体验。其创新点在于完全在区块链上运行，通过区块链技术确保游戏结果的随机性和不可预测性，增强了玩家对游戏的信任和参与度。 HexCapsule 是一个时间锁项目，利用时间锁加密技术确保数据只能在指定时间后解密，确保消息在选定日期之前无法读取，适用于需要延迟公开敏感信息或实施基于时间的数据访问策略的场景。 zkLogin 赛道一等奖：PinataBot PinataBot 是一个非托管的 Telegram 机器人，利用 Telegram Webapp 功能让用户轻松交易代币和 NFT。提供无缝的交易体验，使得资产交换更加简单和用户友好，尤其适合对区块链环境感到困惑的新用户以及寻求简化资产交易流程的老用户。二等奖：LiquidLink LiquidLink 旨在构建 Sui 生态通用个人资料系统，该项目建立个人生态贡献得分排行榜、推荐功能，旨在增强用户互动、培养透明度和促进社区共同成长。三等奖：Webauth on Sui、Aalps Protocol Webauth on Sui 将 WebAuthn 技术与 zkLogin 相结合，致力于优化 zkLogin 的用户体验。利用 WebAuthn 提供的身份验证机制，增强了 zkLogin 的安全性和可靠性，为用户提供更安全和无缝的登录体验。 Aalps Protocol 是一个行情数据共享平台，基于 zkLogin 和受 friend.tech 启发的积分机制进行供应商验证和数据访问控制，提供一个透明的平台进行信息交流。除了各赛道获奖项目，本次黑客松还颁发了 10 个社区最爱奖和 10 个大学奖，以表彰最受欢迎的项目和优秀的学生团队。获得社区最爱奖的项目包括 AdToken、FoMoney、Hakifi 、Mrc20protocol 、Mystic Tarot、Orbital、Promise、Sui Simulator、SuiSec Toolkit、WeCastle 等。10 个大学奖为 Aalps Protocol、Fren Suipport、LiquidLink、Multichain Meme Creator、Orbital、stream.gift、Sui Simulator、SuiGPT、The Wanderer、WeCastle。来源：金色财经

金色财经2024-07-22

希腊恢复六天工作制是一种预兆么？

失的工人。但并非每项工作都可以由机器或大型语言模型完成。我们仍然需要人类来填补建筑业或食品和酒店业中，最不受欢迎的低技能岗位。第二个选择是提高工人薪酬。基本经济学教导我们，当需求超过供给时，价格（在这种情况下是工资）就会上涨。但更高的工资最终会导致消费者价格上涨，这往往不受欢迎，尤其是在通货膨胀严重的时候。而且在希腊这样的小型开放经济体中，更高的工资和价格会对国际竞争力产生不利影响。第三个选择，是要求发达经济体的工人增加工作时间，就像希腊现在所做的那样。虽然这似乎违背了每周工作时间减少的总体趋势，但实际上与提高退休年龄并没有太大区别，正如其他几个国家（丹麦、法国、德国）发现有必要这样做一样。在这两种情况下，政策变化都在工人中非常不受欢迎；在这两种情况下，人们都明确表示，他们宁愿放弃更高的收入（在希腊的情况下，第六个工作日有40%的工资溢价），也不愿工作更久。这就留下了第四个选择，即通过利用受控的、合法的移民来增加劳动力供应。在饱受难民危机和非法移民困扰的地区（如欧洲大部分地区和美国），设计得当的移民政策有可能一石二鸟。然而，目前这样的政策似乎不可能实施。面对地缘政治分裂和国家安全关切，各国越来越多地关闭边境，转向内部。人们再次想起，在一个全球互联的世界里，外国和国内之间的区别是微妙的。源于世界其他地方的问题对国内问题有重要影响，在这种情况下，对劳动力市场有重要影响。当然还有第五个选择，那就是富裕国家的人们缩减消费，放弃增长，依靠他们愿意提供的劳动成果。这样做将提供他们寻求的工作生活平衡，并确保可持续的未来。但是到目前为止，很少有人愿意接受。大多数人想要鱼和熊掌兼得。但这是不可能的。为了维持当前的生活质量，高收入国家的公民必须要么开放边境接纳新移民，要么增加工作时间。鉴于当前的全球紧张局势，钟摆似乎正在向更多工作的方向摆动，无论是通过提高退休年龄还是延长工作周。希腊可能更像是一个趋势引领者，而不是趋势打破者。关于作者：皮内洛皮·库贾努·戈德堡（Pinelopi Koujianou Goldberg），前世界银行集团首席经济学家、美国经济评论主编，现任耶鲁大学经济学教授。来源：加美财经

加美财经2024-07-22

24小时热点