FX168财经网_全球视野外汇黄金加密货币NFT资讯网

东大华人博士让GPT-4用“心智理论”玩德扑完胜传统算法碾压人类新手

现有力地展示了在不完全信息博弈领域采用大型语言模型的优势，同时也证明了研究提出框架的有效性。下图表明了Suspicion Agent和基线模型的行动百分比。可以观察到： Suspicion Agent vs CFR：CFR算法是一种保守策略，它倾向于保守，经常在持有弱牌时弃牌。而Suspicion Agent成功识别了这一模式，并策略性地选择更频繁地加注，向 CFR 施加弃牌压力。这使得即使Suspicion Agent的牌很弱或与CFR的牌相当的情况下，它积累了更多筹码。 Suspicion Agent vs DMC：DMC基于搜索算法，采用了更多样化的策略，包括虚张声势。它经常在自己手牌最弱和最强时都会加注。作为回应，Suspicion Agent根据自己的手牌和观察到的DMC的行为，减少了加注频率，并更多地选择跟注或弃牌。 Suspicion Agent vs DON：DON算法的立场更加激进，几乎总是用强牌或中级牌加注，从不弃牌。 Suspicion Agent发现了这一点，并反过来尽量减少自己的加注，更多地根据公共牌和DON的行动选择跟注或弃牌。 Suspicion Agent Vs NFSP：NFSP表现出跟注策略，选择总是跟注并从不弃牌。 Suspicion Agent的应对方式是减少加注频率，并根据公共牌和NFSP观察到的行动选择弃牌。根据上述分析结果，可以看到Suspicion Agent具有很强的适应性，能够利用其他各种算法所采用策略的弱点。这充分说明了大语言模型在不完美信息博弈中的推理和适应能力。 03 定性评估在定性评估中，研究人员在三个不完全信息博弈游戏（Coup、Texas Hold'emLimit 和 Leduc Hold'em）中对Suspicion Agent进行了评估。 Coup，中文翻译是政变，这是一种纸牌游戏，玩家扮演政治家，试图推翻其他玩家的政权。游戏的目标是在游戏中存活并积累权力。 Texas Hold'em Limit，即德州扑克（有限注），是一种非常流行的扑克牌游戏，有多个变体。「Limit」表示在每轮下注中有固定的上限，这意味着玩家只能下固定数额的赌注。 Leduc Hold'em是则是德州扑克的一个简化版本，用于研究博弈论和人工智能。在每种情况下，Suspicion Agent手中有一张Jack，而对手要么有一张Jack，要么有一张Queen。对手最初选择跟注而不是加注，暗示他们手牌较弱。在普通计划策略下，Suspicion Agent选择跟注以查看公共牌。当这揭示出对手手牌较弱时，对手迅速加注，使Suspicion Agent处于不稳定的局面，因为Jack是最弱的手牌。在一阶理论心智策略下，Suspicion Agent选择弃牌，以最小化损失。这个决定是基于观察到对手通常在手中有Queen或Jack时才跟注。然而，这些策略未能充分利用对手手牌的推测弱点。这一缺点源于它们不考虑Suspicion Agent的举动可能如何影响对手的反应。相比之下，如图9所示，简单的提示能够让Suspicion Agent了解如何影响对手的行动。有意选择加注会给对手带来压力，促使他们弃牌并最小化损失。因此，即使手牌的强度相似，Suspicion Agent也能够赢得许多比赛，从而比基线赢得更多的筹码。此外，如图10所示，在对手跟注或回应Suspicion Agent的加注情况下（这表明对手手牌强大），Suspicion Agent就会迅速调整策略，选择弃牌以防止进一步损失。这显示了Suspicion Agent的出色战略灵活性。 04 消融研究与组件分析为了探索不同阶ToM感知规划方法如何影响大型语言模型的行为，研究人员在Leduc Hold'em和plaagainst CFR上进行了实验和比较。图5中展示了采用不同ToM水平规划的Suspicion Agent的行动百分比，并在表3中展示了筹码收益结果。表3：Suspicion Agent在使用不同级别ToM与CFRonLeduc Hold'em环境对弈时的比较结果以及100局游戏后的量化结果可以观察到：基于Reflexion modulevanilla规划在对局过程中倾向于更多地跟注和过牌（在对阵CFR和DMC时跟注和过牌比例最高），这无法施加压力使对手弃牌，并导致许多不必要的损失。但如表3所示，vanilla计划的筹码收益最低。利用一阶ToM，Suspicion Agent能够根据自己的牌力和对对手牌力的估计做出决策。因此，它加注的次数会多于普通计划，但它弃牌的次数往往多于其他策略，目的是尽量减少不必要的损失。然而，这种谨慎的方法会被精明的对手模型所利用。例如，DMC经常在拿着最弱的一手牌时加注，而CFR有时甚至会在拿着中级牌时加注，以对Suspicion Agent施加压力。在这些情况下，Suspicion Agent的加倍倾向会导致损失。相比之下，Suspicion Agent更擅长识别和利用对手模型的行为模式。具体来说，当CFR选择过牌（通常表示手牌较弱）或当DMC过牌（表明其手牌与公共牌不一致）时，Suspicion Agent会以虚张声势的方式加注，诱使对手弃牌。因此，Suspicion Agent在三种规划方法中表现出最高的加注率。这种激进的策略让Suspicion Agent即使手持弱牌也能积累更多筹码，从而最大限度地提高筹码收益。为了评估后视观察的影响，研究人员进行了一项后视观察不纳入当前游戏的消融研究。如表4和表5所示，在没有后视观察观察的情况下，Suspicion Agent仍能保持其相对于基线方法的性能优势。表4：比较结果表明了在莱德克牌局环境中将对手观察结果纳入对局历史的影响表5：比较结果表明，当Suspicion Agent在 Leduc Hold'em 环境中与CFR对弈时，在对局历史中加入对手观察结果的影响。结果是使用不同种子进行100局对局后的输赢筹码，输赢筹码数从1到14不等 05 结论 Suspicion Agent没有进行任何专门的训练，仅仅利用GPT-4的先验知识和推理能力，就能在Leduc Hold'em等不同的不完全信息游戏中战胜专门针对这些游戏训练的算法，如CFR和NFSP。这表明大模型具有在不完全信息游戏中取得强大表现的潜力。通过整合一阶和二阶理论心智模型，Suspicion Agent可以预测对手的行为，并相应调整自己的策略。这使得它可以对不同类型对手进行适应。 Suspicion Agent还展示了跨不同不完全信息游戏的泛化能力，仅仅根据游戏规则和观察规则，就可以在Coup和Texas Hold'em等游戏中进行决策。但Suspicion Agent也有着一定的局限性。例如，由于计算成本限制，对不同算法的评估样本量较小。以及推理成本高昂，每局游戏耗费接近1美元，并且Suspicion Agent的输出对提示的敏感性较高，存在hallucination的问题。同时，在进行复杂推理和计算时，Suspicion Agent的表现也不尽人意。未来，Suspicion Agent将在计算效率、推理鲁棒性等方面进行改进，并支持多模态和多步推理，来实现对复杂游戏环境的更好适应。同时，Suspicion Agent在不完全信息博弈游戏中的应用，也可以迁移到未来多模态信息的整合，模拟更真实的交互、扩展到多玩家游戏环境中。参考资料： https://arxiv.org/abs/2309.17277 来源：金色财经

金色财经2023-10-15

OpenTele Bot —— 技术驱动金融发展我们正处于人工智能的 iPhone 时刻

伟达的 Hopper 芯片很可能受益于大型语言模型的增长，并成为一种「长期趋势」。Gerra 补充称，预计英伟达将扩大公司的云战略，成为一家以云为中心的全栈公司。此外，摩根士丹利上周也上调了英伟达的股票评级，称该公司在人工智能领域的投入是「自移动互联网发展以来最重要的技术发展之一」。我们来到了一个新世界的大门前深度学习模型擅长处理大数据，模拟人脑的认知过程，利用复杂的神经网络来识别规律、做出预测并进行决策。区块链网络拥有透明、去中心化且抗操控的交易结算层，联网即可用，数据储存在上面就无法被篡改，而且用户可以以无需许可且信任最小化的方式与区块链交互。区块链与 AI 结合，将催生出自动化的智能决策系统，输出非常可靠的结果，并基于防篡改的数据来触发现实世界中的操作。区块链与 AI 结合将解锁全新的商业模式，为企业提高运营效率，为个人自动完成重复性的工作，更安全、高效地交换数据，通过 AI 智能合约增强决策流程，并提升关键基础设施和交易流程中的信任和透明度。 AI 与区块链结合，不仅会造福传统的商业应用，还将延伸至其他领域。将 AI 强大的分析能力与区块链在安全和去中心化方面的优势结合，可以应用于教育、医疗保健、能源、社会、农业和城市规划等各个领域，更好地基于数据做决策，并提升资源管理效率。正如生成式 AI 现在可以创建图像、视频和文本这样的全新内容。借助深度学习算法如 GAN（生成对抗网络），研究人员正在开发能够生成逼真和原创内容的 AI 模型。ChatGPT（生成式预训练 Transformer 模型）引领了 AI 的趋势，拓宽了人们对 AI 的视野，与 ChatGPT 的对话就像和人类一样自然。加密货币的发展在本质上是技术驱动金融的发展结果，底层是由区块链技术支撑，上层是 DeFi 等众多应用驱动。随着加密市场的发展，关注宏观经济政策对加密市场的影响时，也必须重视新技术对加密市场的影响。上一轮加密牛市中，元宇宙成为加密市场和传统市场共同追求的发展方向之一；而本轮新周期中，AI+ 区块链或将成为新的加密叙事之一。人工智能应用 ChatGPT 在刚刚发布两个月后，其月活跃用户数就已达到 1 亿，这让它成为史上用户增长速度最快的消费应用。近日，微软向 ChatGPT 的开发公司 OpenAI 投资 100 亿美元，并将其集成到必应，随后微软必应的全球下载量激增 10 倍。数字媒体 Buzzfeed 宣布计划使用 OpenAI 的技术协助创作内容，随后股价暴涨近 120%，谷歌、百度、阿里巴巴等国内外大厂纷纷布局，加密市场也闻风而动。从长远看，Web3 +AI 还需要进一步发展，而未来前景非常广阔。在引入新生态的开发者上，不同的区块链竞争吸引开发者来建立该生态系统中的应用程序。Web 3 开发者活动是某个生态系统成功的重要指标。开发者面临的主要难点是在开始学习和构建新生态系统时得到支持。生态系统已经投资数百万美元，以专门的开发者关系团队的形式支持探索生态系统的开发者。在这方面，新兴的 LLMs 已经展示出惊人的成果，可以解释复杂的代码、捕获错误，甚至创建文档。经过调整的 LLMs 可以补充人类经验，显著扩大开发人员关系团队的生产力。例如，LLMs 可用于创建文档、教程、回答常见问题，甚至支持 hackathon 的开发人员使用模板代码或创建单元测试。在改进 DeFi 协议上，通过将人工智能集成到 DeFi 协议的逻辑中，许多 DeFi 协议的性能可以显著提高。迄今为止，集成 AI 到 DeFi 的主要瓶颈是实现链上 AI 的成本过高。AI 模型可以在链下实现，但以前没有办法验证模型执行。然而，通过 Modulus 和 ChainML 等项目，链下执行的验证正在变得可能。这些项目允许在链下执行 ML 模型，同时限制链上成本。在 Modulus 的情况下，链上费用被限制为验证模型的 ZKP。在 ChainML 的情况下，链上成本是支付给分散的 AI 执行网络的 Oracle 费用。我们可以看到一些可以从 AI 集成中受益的 DeFi 用例。 ——AMM 流动性供应，即更新 Uniswap V3 流动性的范围。 ——使用链上和链下数据保护债务头寸的清算保护。 ——复杂的 DeFi 结构化产品，其中金库机制由财务 AI 模型定义，而不是固定策略。这些策略可以包括由 AI 管理的交易、借贷或期权。 ——考虑不同链上的不同钱包的高级链上信用评分机制。而在这些赛道中，交易会成为重要的节点。众所周知，交易一直是金融市场和整体经济的核心之一。交易有助于确定资产、证券和加密货币本身的市场价格。交易还通过为投资者提供快速轻松买卖资产的机制，为市场创造了流动性。因此，交易中对 AI 的需求日益增加。在加密货币交易中，一切都以闪电般的速度发生。人类的生产力已经成为限制因素，对机器人的依赖度越来越高。AI 的应用将带来一场革命，它能以更少的情绪和更高的效率，超越人类的表现。那么，Telegram Bot 叙事为何能兴起？ • 大多数加密用户都是 Telegram 的重度用户 • 能够让圈外用户简单使用的产品 • Unibot 的收入排名前 10，每周约 89 万美元 • Coingecko 联创 Bobby ONG 称赞它们 • Coingecko、Coinmarket Cap 开始与这些 Bot 开展合作正如 Bobby ONG 所说：将零售业引入加密货币的最大痛点之一是使用钱包和与 DeFi 协议交互太困难。几周前在体验过 Unibot 后，我想我现在知道下一波数十亿新用户将如何与加密货币进行交互。Unibot 的想法很简单——在 Telegram 上构建一个快速而简单的钱包，并与 DEX 紧密集成，以减少购买垃圾币和跟单交易者的风险。对我来说，现在在手机上进行 DeFi 交易确实容易太多了。 OpenTele，让机器人成为操作的载体，让TG成为交易讯息完成的生态。 1）交易： OpenTele机器人可以快速购买 Token。只需将合约地址粘贴到聊天中，就可以购买该 Token。只需刷新一下即可实时更新交易表现。由于预先批准的交易功能，机器人还可以超快地销售加密货币。 2）设置自动交易参数：交易者可以设置特定的阈值，例如止损和止盈。一旦加密 Token 达到这些水平，OpenTele机器人就会执行这些交易。这种免提方式意味着即使处于离线状态，交易策略仍然有效。 3）关注 Smart Money 动向：这些机器人可以复制经验丰富的交易者的交易。在这里，OpenTele机器人监控「冒小风险赢大钱」（智能钱）钱包，并提供一键复制功能。 Bot 的火爆让不少人将其与微信小程序做对比，尽管属于两个不同的世界，但对于加密世界的大众采用来说： Telegram Bot 无疑已经更走在前列。 OpenTele Bot 无疑已经更走在前列。 Telegram Bots 叙事兴起后，社区也有人指出，Bots 或是将「以意图为中心」这一理念变为显学的最大助推力量。intent-centric 的概念，翻译过来就是「以意图为中心」，意图是指「你想做什么」。「以意图为中心」的概念注重结果而非过程，它关注用户最终想要达到的目标。这一理念旨在隐藏复杂的操作过程，让用户无障碍地实现目的。据悉，OpenTele Bot 会在未来重点接入Open AI 即将在 ChatGPT 上推出的语音和图像对话功能，AI 模块会高亮，鼓励用户参与 OpenTele Bot 的更多交互体验。可以说，OpenTele Bot消除了复杂操作，用户只需直接表达意图，即可达成目标。这为加密世界的普适采用扫清了障碍。它的存在不仅仅只是一个机器人或 meme，或许在未来 Bots 将引领推动加密实现意图导向和无摩擦交互的变革。来源：金色财经

金色财经2023-10-08

a16z对话OpenAI CTO：从理论到实践 AI技术如何驱动未来创新？

了，你如何将其融入现实世界？显然，在大型语言模型中，我们看到了概念和现实世界思想的伟大表现。但在产出方面，存在很多问题。最大的问题之一显然是幻觉（hallucination）。我们一直在研究幻觉和真实性的问题。如何让这些模型表达不确定性？ ChatGPT的前身实际上是另一个我们称之为WebGPT的项目，它使用检索来获取信息和引用来源。这个项目最终变成了ChatGPT，因为我们认为对话很特别。它允许你提出问题，纠正对方，并表达不确定性。马丁：不断发现错误，因为你在互动… 米拉：没错，有这种互动，你可以了解更深层的真相。我们开始往这个方向走，当时我们用GPT-3和GPT-3.5来做这件事。从安全角度来看，我们对此感到非常兴奋。但人们忘记的一件事是，在这个时候，我们已经训练了GPT-4。在OpenAI内部，我们对GPT-4感到非常兴奋，并将ChatGPT放在了后视镜中。然后我们意识到，“我们将花6个月的时间来关注GPT-4一致和安全性（alignment and safety），”我们开始思考我们可以做的事情。其中一件主要的事情实际上是将ChatGPT交给研究人员，他们可以给我们反馈，因为我们有了这种对话模式。最初的目的是从研究人员那里获得反馈，并使用它使GPT-4更一致、更安全、更健壮、更可靠。马丁：你说一致和安全性时，你是否包括它是正确的，它想做什么就做什么？或者你的意思是安全，实际上是保护自己免受某种伤害？米拉：我所说的一致，通常是指它符合用户的意图，所以它做的正是你希望它做的事情。但安全也包括其他事情，比如滥用，用户故意试图使用模型来制造有害的输出。通过ChatGPT，我们实际上正在努力使模型更有可能做你希望它做的事情，使其更加一致。我们还想弄清楚幻觉（hallucination）的问题，这显然是一个极其困难的问题。我认为，这种利用人类反馈进行强化学习的方法，如果我们努力做到这一点，也许这就是我们所需要的。马丁：所以，没有宏伟的计划？我们需要做什么才能达到AGI？这只是一步接一步进行下去。米拉：是的。还有你一路上做的所有小决定。也许是因为几年前我们确实做出了一个追求产品的战略决定，才更有可能实现这一目标。我们这样做是因为我们认为，如果没有来自现实世界的用户的反馈，就不可能仅仅坐在实验室里在真空中开发这些东西。这就是假设。我认为这有助于我们做出其中的一些决定，并构建底层基础设施，以便我们最终能够部署像ChatGPT这样的东西。比例定律马丁：你可以重复一下比例定律。我认为这是每个人都有的大问题。进步的速度是惊人的。但人工智能的历史似乎是，你在某个时候会遇到回报递减，这不是参数化的。它有点逐渐减少。从你的角度来看（这可能是整个行业最明智的角度）你认为比例定律会成立，我们会继续看到进步，还是认为我们正在走向回报递减？米拉：没有任何证据表明，随着我们继续在数据和计算轴上扩展模型，我们不会得到更好、更强大的模型。是否会一路走到AGI（通用人工智能），这是一个不同的问题。在这一过程中，可能还需要一些其他的突破和进步。要想真正从这些更大的模型中获得很多好处，缩放定律还有很长的路要走。马丁：你是如何定义AGI的？米拉：在我们的OpenAI章程中。我们把它定义为一个能够自主完成大部分智力工作的计算机系统。马丁：我当时在吃午饭，Anyscale的Robert Nishihara也在。他问了一个我称之为Robert Nishihara之问的问题。我认为这实际上是一个很好的刻画。他说：“计算机和爱因斯坦之间有一个连续体。你从计算机到猫，从猫到普通人，从普通人到爱因斯坦。”然后他问了一个问题，“我们在连续体上的位置？什么问题会得到解决？” 大家一致认为，我们知道如何从一只猫变成一个普通人。我们不知道如何从电脑变成猫，因为这是普遍的感知问题。我们已经很接近了，但我们还没有完全达到，我们真的不知道如何做爱因斯坦，这就是设定推理。米拉：通过微调，你可以得到很多，但总的来说，我认为，在大多数任务中，我们现在是实习生级别的。问题在于可靠性。你不能完全依赖系统来做你想让它一直做的事情。在很多任务中，它做不到。如何随着时间的推移提高可靠性，然后，扩展这些模型可以做的新功能？我认为关注这些新兴能力很重要，即使它们非常不可靠。尤其是对于今天正在组建公司的人来说，你真的想思考，“今天有什么可能？你今天看到了什么？”这些模型很快就会变得可靠。单一模型得天下？马丁：我马上就要问一下，预测一下未来会是什么样子。但之前，我很自私地问一个问题，你认为这件事的经济学会如何发展。我告诉你它让我想起了什么。这让我想起了硅工业。我记得在90年代，当你买一台电脑时，有很多奇怪的写作处理器。“这是字符串匹配，这是浮点，这是加密，”所有这些都把CPU消耗掉了。事实证明，通用性非常强大，这创造了某种类型的经济，英特尔和AMD都是其中玩家。当然，制造这些芯片要花很多钱。所以你可以想象两个未来。在未来，通用性非常强大，随着时间的推移，大型模型基本上会吸收所有功能。然后还有另一个未来，那里将有一大堆不同得模型，各种碎片，设计空间上有不同的点。你有这样的感觉吗：是OpenAI唯我独尊，还是有很多模型？米拉：这取决于你想做什么。显然，现在得轨迹是这些人工智能系统将做我们正在做的越来越多的工作。他们将能够自主运作，但我们需要提供方向、指导和监督。但我不想做很多每天都要做的重复性工作。我想专注于其他事情。也许我们不必每天工作10、12个小时，也许我们可以减少工作，实现更高的产出。这就是我所希望的。就平台的工作方式而言，即使在今天，你也可以看到我们通过API提供了许多模型，从非常小的模型到我们的前沿模型。人们并不总是需要使用最强大、最有能力的型号。有时他们只需要真正适合他们特定用例的模型，而且它要经济得多。我认为会有一个范围。但是，就我们对平台游戏的想象而言，我们肯定希望人们在我们的模型之上进行构建，我们希望为他们提供工具，使其变得容易，并让他们获得越来越多的访问和控制权。你可以带来你的数据，你可以自定义这些模型。你可以真正专注于模型之外的层，并定义产品，这实际上非常非常困难。现在有很多关注点是建立更多的模型，但在这些模型之上建立好的产品是非常困难的。未来5-10年马丁：我希望你能预测一下你认为这一切在3年、5年或10年后会走向何方。米拉：我认为，今天的基础模型在文本中对世界有着伟大的表现。我们正在添加其他模式，如图像、视频和其他各种东西，因此这些模型可以更全面地了解我们周围的世界，类似于我们理解和观察世界的方式。世界不仅存在于文字中，也存在于图像中。我们肯定会朝着这个方向发展，我们将有这些更大的模型，在训练前的工作中采用所有这些模式。我们真的想让这些经过预训练的模型像我们一样了解世界。在模型的输出部分，我们引入带有人类反馈的强化学习。我们希望模型能真正做到我们要求它做的事情，我们希望这是可靠的。这需要做大量的工作，也许还需要引入浏览，这样就可以获得新的信息，引用信息并解决幻觉。我不认为这是不可能的。我认为这是可以实现的。在产品方面，我们希望将这一切整合到人们合作的产品集合中，并提供一个人们可以在此基础上构建的平台。如果你真的向外发展，这些模型将非常非常强大。很明显，随之而来的是对这些非常强大的模型与我们的意图不一致的恐惧。一个巨大的挑战是超级一致（Super Alignment），这是一个困难的技术挑战。我们在OpenAI有一个完整的团队来专注于这个问题。来源：金色财经

金色财经2023-10-07

传微软(MSFT.US)将于下个月推出人工智能芯片

的依赖。英伟达提供了人工智能工作和训练大型语言模型所需的绝大多数GPU。

金融界2023-10-07

区块链动态2023年10月7日早参考

供不应求。微软的这款芯片是为训练和运行大型语言模型（LLM）的数据中心服务器设计的。微软的数据中心服务器目前使用英伟达的GPU为云客户提供先进的LLM，包括OpenAI和Intuit，以及支持微软生产力应用程序中的人工智能功能。来源：金色财经

金色财经2023-10-07

据称微软将于下个月推出其首款人工智能芯片

计的芯片。微软的这款芯片是为训练和运行大型语言模型（LLM）的数据中心服务器设计的。微软的数据中心服务器目前使用英伟达的GPU为云客户提供先进的LLM，包括OpenAI和Intuit，以及支持微软生产力应用程序中的人工智能功能。

金融界2023-10-07

美媒：微软将于下个月推出其首款人工智能芯片

供不应求。微软的这款芯片是为训练和运行大型语言模型（LLM）的数据中心服务器设计的。微软的数据中心服务器目前使用英伟达的GPU为云客户提供先进的LLM，包括OpenAI和Intuit，以及支持微软生产力应用程序中的人工智能功能。

金融界2023-10-07

英伟达力挺,四年估值560亿,Coreweave到底是何方神圣？

一。 CoreWeave为生成式AI、大型语言模型和AI工厂提供加速计算基础设施的战略将有助于为每个行业带来最高性能、最节能的计算平台。 03.紧跟万亿GPU霸主步伐根据Crunchbase的数据，今年4月，CoreWeave完成了2.21亿美元的B轮融资，由Magnetar Capital领投，英伟达、前GitHub CEO Nat Friedman和前苹果高管Daniel Gross参投。次月，Magnetar Capital又疯狂加投2亿美元，该公司B轮融资总额达到了4.21亿美元。然而这并不是结束，其实这场关于算力芯片的好戏才刚刚开始。 8月，CoreWeave完成了由Magnetar Capital和黑石（Blackstone）牵头的23亿美元债务融资，顶级机构Coatue和资管巨头贝莱德（BlackRock）纷纷押注，使得这家公司的估值直接飙升至80亿美元。令人吃惊的是，这23亿美元的巨额债务融资竟是以“一卡难求”的英伟达芯片作为抵押品来获得的，果然，在人工智能飞速发展的时代，GPU就是货币。而CoreWeave与英伟达之间的故事则要从很早之前说起。早在CoreWeave挖矿起家的时候，使用的便是英伟达的GPU。即使后来遇上了行业的“寒冬”时刻，不少挖矿企业倒闭、显卡市场也变得不景气，CoreWeave也依然没有断开与英伟达的联系，反而大量囤积显卡，一段深厚的革命友谊就此展开。后来，CoreWeave转型为服务通用云计算平台的公司，利用其拥有的超过5万个英伟达GPU来为各种人工智能、渲染、游戏等领域的客户提供服务。在此期间，CoreWeave一直与英伟达保持着良好的合作关系，它们成为了彼此忠实的合作伙伴。豪气如英伟达，怎会亏待自己的兄弟呢？所以在英伟达H100十分紧缺的情况下，CoreWeave还是分配到了大量新卡，并且该公司也是全球首批使用英伟达最新HGX H10芯片的云服务商之一。就是这样，CoreWeave通过不断的创新和优化，“抱紧了英伟达的大腿”。除了有英伟达这个靠山，CoreWeave本身的竞争优势也十分明显。首先该公司专注于GPU计算，而不是像其他云服务商那样提供各种通用的云服务，这使其能够更好地优化硬件和软件，同时提高效率和性能。并且，CoreWeave拥有自己的数据中心和硬件设备，这使得它可以降低运营成本和提高利润率。除此之外，基于AI工作负载的GPU云服务使其可以更好地满足用户的特定需求和期望。从整个云计算竞争市场来看，谷歌、亚马逊和微软依然占据大部分市场份额，根据Statista 2023年第二季度数据报告，Amazon、Microsoft和Google等8家云服务商控制了市场的80%份额。其中，AWS去年收入达到了801亿美元，谷歌云和Azure收入也远远超出了CoreWeave的估值。在这样的激烈竞争中，CoreWeave选择紧随英伟达，没有自主研发芯片，只做算力资源集中的策略让其在人工智能兴起的机遇下紧紧抓住了适合自己的赛道和机会。 04.未来角斗场先进的技术、灵活的平台、低廉的价格和专业的服务，让CoreWeave在GPU云市场上展现出了强大的竞争力。据预测，GPU云市场在未来几年将持续增长，尤其是在AI领域。而CoreWeave有望借助这一趋势，进一步扩大其市场份额和影响力，成为当代AI领域最重要的计算产品之一。人工智能技术的蓬勃发展加速了市场对算力基础设施的需求，对于投资者来说，生成式人工智能仍然是一个很大的亮点。根据PitchBook的数据，2023年第一季度，生成式人工智能初创企业在46笔交易中获得了约17亿美元的收益。在当今的人工智能竞赛中，率先进入市场至关重要。而CoreWeave致力于帮助公司获得快速进入市场所需的计算资源，专为计算密集型工作负载打造解决方案，这使其成为那些急于将产品推向市场的人工智能初创公司的一个绝佳之选。 CoreWeave首席执行官兼联合创始人Mike Intrator表示，“我们知道人工智能算力需求即将爆炸式增长，所以我们做了数年时间的准备工作以应对这一刻。”正所谓“十年磨一剑”，在这场关于AI算力的争霸赛中，CoreWeave似乎已胜券在握。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-10-06

美国警告：欧盟的AI政策只会让大型科技公司受益

投资，限制欧洲公司的竞争力”，因为训练大型语言模型是资源密集型的。

金融界2023-10-06

Visa推出1亿美元基金投资生成式AI创企

智能是人工智能的一个新兴子集，它建立在大型语言模型（LLM）的基础上，来开发人工通用智能，能够在给定提示时从大量现有数据中生成文本、图像或其他内容。这一计划将由Visa的全球企业投资部门Visa Ventures牵头。自2007年以来，Visa Ventures一直在投资那些能够推动支付和商务创新的公司。 Visa Ventures负责人David Rolf表示：“鉴于生产式人工智能有可能成为我们这个时代最具变革性的技术之一，我们很高兴能够扩大我们的重点，投资于一些最具创新性和颠覆性的初创企业。”

金融界2023-10-03

24小时热点