FX168财经网_全球视野外汇黄金加密货币NFT资讯网

AI赋能科创，科创100ETF(588190)市场交投活跃，长期估值空间广阔

芯片自主研发长期空间。中游模型端，海外大模型多模态功能完成重要迭代，国内政策端底部反转后，企业自主大模型更新催化值得期待。下游应用端，有关部门出台落地政策高度重视场景应用示范，AI+多应用场景百花齐放。 AI产业链上游算力、中游模型、下游应用涉及医疗、半导体、传统机械、TMT、化工等多个科技创新行业，科创100指数从上海证券交易所科创板中选取市值中等且流动性较好的100只证券作为样本，深度挖掘科创板中小盘估值洼地，覆盖一批医药、电子、机械等尖端科技公司，指数行业分布与国家重点支持的六大领域息息相关，长期估值空间广阔。东北证券认为，国内更多积极因素正在出现，支撑市场修复。9月数据显示居民长贷修复；PPI 继续上行表明盈利修复延续。资本市场政策层面上，汇金公司增持银行表明监管层托市意愿明显，活跃市场新政再出，融券规则调整。医药、科技等长期投资价值较为明显。当前美国加息已步入尾声，边际上给医药投融资带来的紧缩压力缓和，同时反腐行动已在前期医药的调整中被充分定价，叠加当前仍然处于历史低位的估值；在安全与发展并重的高质量发展思路下，科技制造是政策的强导向，近期仍有《生成式人工智能服务安全基本要求》、《算力基础设施高质量发展行动计划》等政策相继出台，自身周期拐点向上的半导体、产业趋势催化的AI、华为链长期投资价值明显。科创100指数在此背景下，长期投资价值较为显著，科创100ETF(588190)紧密跟踪该指数，一键布局AI赋能下的科创机会。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-17

李彦宏：大模型带来的智能涌现，是开发AI原生应用的基础

上表示，过去一年，科技领域最大的创新是大模型带来的智能涌现，这是开发AI原生应用的基础。

金融界2023-10-17

AI赋能科创赛道，上中下游高度景气

芯片自主研发长期空间。中游模型端，海外大模型多模态功能完成重要迭代，国内政策端底部反转后，企业自主大模型更新催化值得期待。下游应用端，地方政府出台落地政策高度重视场景应用示范，AI+多应用场景百花齐放。科创100指数当前差异化价值显著，科创100ETF（588190）值得长期关注。一、上游算力：外部环境收紧，半导体国产替代有望加速二、中游模型：海外大模型多模态功能重磅上线，国内对应催化值得期待三、下游应用：多应用场景“百花齐放”，AI商业化加速一、上游算力：外部环境收紧，半导体国产替代有望加速海外政策环境收紧：10月6日，美国商务部工业和安全局（BIS）以“存在违反了美国的国家安全或外交政策利益的可能性“，将42家中国公司列入了出口管制”实体清单“。据该《出口管制条例》，BIS在已有的52个条目下再增加49个实体，其中包括42家中国实体以及爱沙尼亚、芬兰、德国、印度、土耳其、阿联酋、英国的7家公司。美国供应商在向出口管制清单上的实体供应货物时需获得美国政府的许可。此前，美国已多次对我国就半导体出口进行管制，将数十家中国企业列入实体清单或未核实清单。2023年9月22日，BIS宣布就《2022年芯片和科学法案》发布“护栏“规则的最终规定，防止中国和其他被认为对美国国家安全构成担忧的国家使用半导体制造补贴，国内半导体自主可控重要性进一步凸显，板块情绪有望提振。（信息来源：安信证券）我国半导体企业市场份额有望提升：华泰证券通过对31家全球半导体制造企业进行梳理，得出2023年上半年全球主要半导体制造企业资本开支上升9%，头部企业同比保持稳健增长；全球22家半导体设备企业2023年上半年收入同比增长约4%，相较2022年全年同比增长6%。展望未来，据彭博一致预期、wind一致预期及华泰预测，全球22家半导体设备企业收入再2024年有望实现9%的回升。其中，海外企业中国区收入+中国企业收入预计再2024年将上升13%，优于全球平均，中国企业在中国市场份额有望进一步提升。（信息来源：华泰证券）图：费城半导体指数近期有上扬趋势（信息来源：国元证券）我国芯片科研团队完成重要技术突破：1946年“计算机之父”提出并定义了计算机架构，采用二进制编码，由存储器和处理器分别完成数据存储和计算。但伴随人工智能等应用对数据存储和计算需求提升，数据来回“搬运”处理，耗时长、功耗大，还存在“交通堵塞”、通讯不畅的风险。近期国内高校实现科研突破，基于存算一体的计算范式，在支持片上学习的忆阻器领域取得重大突破，能够实现在芯片上集成记忆和计算的能力，保护用户隐私的同时，还具备了类似人脑的自主学习能力，能耗仅为先进工艺下专用集成电路系统的1/35。据方正证券，忆阻器RRAM在神经网络计算中具备优势，是下一代存算一体介质的主流研究方向之一。当前RRAM工艺尚未成熟，伴随科研成果加速转化，学界与业界有望形成合力，加速我国半导体产业国产替代，甚至在前沿领域走在世界前列。整体上游算力芯片领域，在全球半导体周期复苏的进程中，我国半导体产业受外部环境收紧影响，国产进口替代有望加速，部分细分方向企业未来收入增速有望超全球平均水平，从而提高市场份额。前沿技术领域科研团队实现突破，打开我国AI芯片自主研发的长期前景空间。二、中游模型：海外大模型多模态功能重磅上线，国内对应催化值得期待 9月25日，GPT-4Vision模型重磅推出，GPT-4V仍然是“视觉+文本”到文本的模型，使用互联网图像和文本数据的混合进行训练并预测下一个单词，当前版本相较3月份版本有着更好的“从像素读取文本”的能力。GPT-4V支持的输入可分为纯文本、单个图像-文本对、交错图像-文本输入三种情况，具备对不同域图像识别能力，包括识别不同的名人，详细描述名人的职业、行为、背景、事件等信息，并且准确识别测试图像中的地标，甚至生产生动而详细的叙述，以捕捉地标的特性。图：GPT-4V可生成不同语言的图像描述（信息来源：网易、浙商证券）模型应用场景上，GPT-4V在医学、数学、逻辑等领域的推理能力较为优秀，在不同业务场景中未来都可承担重要职能。AI+医疗领域，GPT-4V能够识别常见疾病，如根据肺部CT扫描指出潜在的问题，或者对给定X光片中的牙齿和颌骨，能够指出可能需要切除的智齿及解释原因。在地理、物理科研支持领域，GPT-4V可以回答相关问题，且具备完成数学推理、流程图理解、表格细节理解以及对技术文档进行总结的能力。（信息来源：浙商证券）国内映射上，由于政策端底部反转，海外模型技术迭代加速背景下，相关板块估值修复可期。7月13日国家网信办等七部门发布《生成式人工智能服务管理暂行办法》，8月15日该管理暂行办法已正式实施。8月31日，首批8家厂商大模型通过《生成式人工智能服务管理暂行办法》备案，可正式上线面向公众提供服务。9月1日，国家网信办发布《关于第二批深度合成服务算法备案的信息公告》，截至10月9日，我国共151个产品完成深度合成服务算法备案，政策端有所反转。（信息来源：国家网信办）在海外多模态AI大模型进入加速迭代期的背景下，我国多家厂商未来有望披露该领域的最新进展及商业化成果，板块情绪或将伴随催化发布得到提振，可持续关注。三、下游应用：多应用场景“百花齐放”，AI商业化加速年初重要会议以来我国人工智能领域政策频出，除顶层设计指明方向外，地方政府具体落实更重视应用场景示范。10月7日，深圳南山区发布《南山区促进人工智能产业高质量发展专项扶持措施（征求意见稿）》，南山区将支持辖区企业申报重大人工智能应用场景揭榜挂帅等市、区级项目，对获得市级资金扶持的项目，最高按照市区1:0.5的比例予以配套支持，每个项目最高资助500万元。同时，南山区鼓励辖区企业开展全域全时人工智能场景应用示范，将按照示范场景实际建设费用基于投资主体（非政府投资项目）一次性最高200万元奖励。不同应用场景端，AI技术突破的商业化落地亦在加速： AI+办公：9月26日，市场翘首以盼的GPT-加持的Copilot应用在全系操作系统、办公软件和网络浏览器完成集成，AI产业链下游应用端此前缺少的“杀手级”应用有望出现，伴随用户体验的提升和认可度的提高，AI商业化或可产生新动力。展望未来，企业版Copilot应用有望在11月份全面上市，后市催化值得关注。（信息来源：银河证券） AI+教育：据Global Marketing Insights，2022年全球语言学习市场规模约为527亿美元，同比增长15.82%。据国信证券测算，全球语言学习人数超过20亿人，在线用户占比50%，当前在线语言学习市场规模达到120-160亿美元。据HolonIQ，2019-2025年语言学习市场总体规模CAGR高达11.1%，其中在线语言学习市场CAGR达25.6%，至2025年有望达到470亿美元。从内部运营和产品开发角度，AI可（1）帮助语言专家高校出题；（2）设计更多创造型内容，如人物故事线等；（3）开发更多小语种课程，满足长尾群体学习需求。生成式AI全面赋能在线语言教育业务体系。（信息来源：国信证券） AI+传统工业：9月份，国内头部科技公司也在与部分传统工业公司就AI+冶金领域进行合作。AI机器视觉能够为冶金领域的分拣工序带来智能化变革，项目交付后，分拣机器人能够在高速流水线上高效完成瑕疵品的识别及分拣，进而实现人工替代。AI+冶金应用成熟后，有望为智能制造和工业自动化树立新的标杆。（信息来源：长城证券）年初以来生成式AI技术突破为纳斯达克指数带来的关注度举世瞩目，AI产业链上游算力、中游模型、下游应用涉及医疗、半导体、传统机械、TMT、化工等多个科技创新行业，科创100指数深度挖掘科创板中小盘估值洼地，覆盖一批医药、电子、机械等尖端科技公司，指数行业分布与国家重点支持的六大领域息息相关，长期估值空间广阔。工具选择上，科创100ETF（588190）具有持仓透明、费用较低、操作简便的优点，欢迎大家持续关注！图：上证科创板100指数行业分布（数据来源：Wind；数据统计日：20230925）风险提示尊敬的投资者：投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。根据有关法律法规，银华基金管理股份有限公司做出如下风险揭示：一、依据投资对象的不同，基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。二、基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，中国证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。三、您应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资者进行长期投资、平均投资成本的一种简单易行的投资方式，但并不能规避基金投资所固有的风险，不能保证投资者获得收益，也不是替代储蓄的等效理财方式。四、特殊类型产品风险揭示：请投资者关注标的指数波动的风险以及ETF（交易型开放式基金）投资的特有风险。五、基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对基金业绩表现的保证。银华基金管理股份有限公司提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。六、以上基金由银华基金依照有关法律法规及约定申请募集，并经中国证券监督管理委员会（以下简称“中国证监会”）许可注册。基金的基金合同、基金招募说明书和基金产品资料概要已通过中国证监会基金电子披露网站【http://eid.csrc.gov.cn/fund/】和基金管理人网站【www.yhfund.com.cn】进行了公开披露。中国证监会对基金的注册，并不表明其对基金的投资价值、市场前景和收益作出实质性判断或保证，也不表明投资于基金没有风险。

金融界2023-10-17

百川智能宣布获3亿美元A1轮融资，阿里、腾讯、小米参投

智能是 2024 届校园招聘规模最大的大模型初创企业。据介绍，“星耀计划”是百川智能面向全球精英科技人才的专项校园招聘计划。岗位涵盖了自然语言处理、计算机视觉、强化学习、基础架构等多个人工智能关键技术方向，旨在寻找有技术理想，热爱 AI 领域的精英。2023 年 11 月 - 2024 年 10 月毕业的海内外应届生，均可通过百川智能校招官网进行申请，截止日期为 12 月 31 日。百川智能将为通过该计划的学生提供系统化培养和支持，助力同学们在技术领域的快速成长。百川智能成立于 2023 年 4 月 10 日，由前搜狗公司 CEO 王小川创立。其核心团队由来自搜狗、Google、腾讯、百度、华为、微软、字节等知名科技公司人才组成。目前，百川智能的团队规模 170 余人，其中硕士及硕士以上学历员工占比近 70%，研发人员占比超 80%。

金融界2023-10-17

拓维信息(002261.SZ)公司在AI领域与华为全方位战略合作

I稽核、AI质检等解决方案产品。在AI大模型方面，公司为华为盘古大模型生态合作伙伴，将进一步深化与盘古大模型在数据、算法以及服务等方面的交流与合作，加速推动交通行业大模型落地。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-16

北京市发布人工智能算力券实施方案，切实降低企业算力使用成本

学研究、城市管理等领域进行行业人工智能大模型训练和应用。市经济和信息化局将为企业提供算力券补贴支持，努力帮助企业降低智能算力使用成本，全力支持企业开展人工智能大模型应用探索和落地实践。

金融界2023-10-16

拓维信息：在AI领域与华为全方位战略合作，携手其参与全国各地人工智能计算中心建设

I稽核、AI质检等解决方案产品。在AI大模型方面，公司为华为盘古大模型生态合作伙伴，将进一步深化与盘古大模型在数据、算法以及服务等方面的交流与合作，加速推动交通行业大模型落地。

金融界2023-10-16

元宇宙三年规划出炉，九方财富之前已打造数字人标杆产品

现阶段，随着类 ChatGPT 语言大模型的强势爆发，数字人的“大脑”水平得到了更大提升。在生成式AI技术赋能下的数字人，将拥有更加精准的语言表达，更“像人”的思考逻辑和情绪感知，在帮助企业提升市场竞争力上发挥更出色的作用。中关村大数据产业联盟秘书长、南中轴元宇宙产业基地发起人赵国栋表示，在人工智能技术的加持下，数字人会成为人类获取信息的主要入口，也是为人类服务的主要接口，以及元宇宙中人际交互的界面。在未来，有影响力的、能提供服务的数字人才会更好地生存下去。 “九哥”要做投顾行业的知名选手数字人给企业带来的帮助是显而易见的，但要真正走进用户，还需要回答一系列问题，尤其像证券投顾这一类专业度极高的行业，“好不好用？够不够专业？有没有风险？”等都是用户的关注要点。“九哥”是九方财富（09636.HK）在行业内推出的首款智能投顾数字人产品，在行业内具有一定代表性，对后续产品也将带来一定借鉴作用。首先，好不好用？目前，“九哥”一共拥有大盘分析、板块挖掘、热点追踪等八大核心能力，而且非常有针对性，不同的能力匹配不同的用户需求。对于“金融小白”来说，可以帮助获取各类金融信息，成为行走的“金融百科全书”；对于有更高需求的用户，可以提供金融数据处理功能；对于有投研需求的“投资高手”来说，可以为其提供策略生成、个股诊断等更高阶的服务体验。所以，无论是哪个级别的投资者，都可以享受到“九哥”提供的个性化服务和陪伴。 “九哥”亮相2023华为全联接大会其次，专不专业？“九哥”是九方财富百余位科研技术人员联手华为云、科大讯飞两个科技巨头打造而成，结合了宏观数据、行情数据、资讯数据、公告数据等行业通用知识库以及深度研报、特色指标、政策解读、市场分析、热点题材、课程教学、首席诊股、公告掘金等九方特色知识库，进行大模型证券行业知识增强训练，具备证券领域的语言理解、文本生成、对话问答、逻辑推理四大专业能力，可全面赋能智能投顾、智能合规、智能投研、智能营销、智能客服、智能风控六大业务维度。 AI技术蓬勃发展的同时，确实也引发了不少安全隐忧。而九方财富一直以行业最高标准来打造自身数据安全体系。在用户数据安全方面，九方财富坚持制度建设和技术能力两手抓，严格遵循相关法规开展合法经营；在产品设计上，九方财富不断探索新技术、新应用，提升数据安全防护能力，全方位保障用户数据安全。作为中国领先的在线投资决策解决方案提供商，九方财富（09636.HK）“数智化”转型一直走在行业前列，“九哥”是元宇宙时代下的一次重大尝试，并有望凭借出色的智能投顾功能成为证券投顾行业的一款数字人标杆产品。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-10-16

AI Agent：重新定义Web3游戏的创新之路

AI Agent 是基于 LLM 通用大模型的工具，供开发者和用户直接构建可自主交互的应用。 AI 赛道未来的主要格局可能是：“通用大模型 + 垂类应用”；AI Agent 的生态位是连接通用大模型和 Dapp 的中间件，所以 AI Agent 护城河较低，需靠打造网络效应和提升用户粘性提升长期竞争力。本文梳理了“通用大模型、垂类应用 Agent、以及 Generative AI 应用”在 Web3 游戏赛道的发展情况。其中，结合 Generative AI 技术，非常有潜力在短期内出爆款游戏。 01 技术简介今年爆火的人工通用智能 AGI（Artificial General Intelligence）技术中，大型语言模型（Large Language Model - LLM）是绝对的主角。OpenAI 核心技术人员 Andrej Karpathy 和 Lilian Weng 也表达过基于 LLM 的 AI Agents 是 AGI 领域接下来重要的发展方向，很多团队也在开发基于 LLM 驱动的人工智能代理 ( AI-Agents) 系统。简单来说，AI Agent 是一种计算机程序，它使用大量数据和复杂的算法来模拟人类的思维和决策过程，以便执行各种任务和交互，例如自动驾驶、语音识别和游戏策略等。 Abacus.ai 的图片清晰的介绍了 AI Agent 的基本原理，步骤如下：感知和数据采集：数据输入，或者 AI Agent 通过感知系统（传感器、摄像头、麦克风等设备）获取信息和数据，比如游戏状态、图像、声音等。状态表示：数据需要被处理和表示成 Agent 可以理解的形式，如转换为向量或张量，以便于输入到神经网络中。神经网络模型：通常使用深度神经网络模型来进行决策和学习，比如使用卷积神经网络（CNN）用于图像处理、循环神经网络（RNN）用于序列数据处理，或者更高级的模型如自注意力机制（Transformer）等。强化学习：Agent 通过与环境的互动来学习最佳行动策略。除此以外，Agent 的运作原理还包括策略网络、价值网络、训练和优化，以及探索与利用等。比如在游戏场景下，策略网络可以输入游戏状态，然后输出行动概率分布；价值网络能够估计状态价值；Agent 则可以通过与环境互动不断强化学习算法以优化策略和价值网络，输出更完美的结果。总之，AI-Agents 是一种能够理解、决策和行动的智能实体，它们可以在各种领域中发挥重要作用，包括游戏领域。OpenAI 核心技术人员 Lilian Weng 撰写的《LLM Powered Autonomous Agents 》非常全面的介绍了 AI-Agents 原理，其中，文中提到一个非常有趣的实验：Generative Agents。 Generative Agents （简称 GA）的灵感来自于《模拟人生》游戏，其使用 LLM 技术生成了 25 个虚拟角色，每个角色都由 LLM 支持的 Agent 控制，在沙盒环境中生活和交互。GA 的设计很聪明，它将 LLM 与记忆、规划和反思功能结合在一起，这使得 Agent 程序可以根据以前的经验来做出决策，并与其他 Agent 互动。文章详细介绍了 Agent 如何基于策略网络、价值网络以及和环境的互动来不断训练和优化决策路径。原理如下：其中，记忆流（Memory Stram）是一个长期记忆模块，记录了 Agent 的所有交互经验。检索模型（Retrieve）根据相关性、新鲜度和重要性来提供经验（Retrived Memories），帮助 Agent 做出决策（Plan）。反思机制（Reflect）则总结过去的事件，指导 Agent 未来的行动。Plan 和 Reflect 则共同帮助 Agent 将反思和环境信息转化为实际行动 Act 。这种有趣的实验向我们展示了 AI Agent 的能力，比如产生新的社交行为、信息传播、关系记忆（比如两个虚拟角色继续讨论话题）和社交活动的协调（比如举办聚会并邀请其他虚拟角色）等等。总之，AI-Agent 是一个非常有趣的工具，并且其在游戏中的应用也值得深入探索。 02 技术趋势 2.1 AI 赛道趋势 ABCDE 的投研合伙人LaoBai曾总结过硅谷创投圈对 AI 下一步发展的判断：没有垂类模型，只有大模型 + 垂类应用；边缘设备比如手机端的数据可能会是个壁垒，基于边缘设备的 AI 可能也是个机会； Context 的长度未来可能引发质变（现在用向量数据库作为 AI 记忆体，但上下文长度还是不够）。即从行业普通发展规律来看，因为大型通用模型模式太重，且具备较强的普适性，所以没必要在大型通用模型领域不断造轮子，而应更多侧重于将大型通用模型应用于垂类领域。同时，边缘设备指通常不依赖于云计算中心或远程服务器，而是在本地进行数据处理和决策的终端设备。因为边缘设备的多样性，所以如何将 AI Agent 部署到设备上运行并合理获取设备数据就是一个挑战，但同时也是新的机会。最后，关于 Context 的问题也备受关注。简单来说，在 LLM 背景下的 Context 可以理解为信息数量，Context 长度可以理解为数据有多少维度。假如现在有一个电子商务网站的大数据模型，该模型用于预测用户购买某个产品的可能性。在这种情况下，Context 可以包括用户的浏览历史、购买历史、搜索记录、用户属性等信息。Context 长度则指特征信息叠加的维度，比如上海 30 岁男性用户的竞品购买历史，叠加最近购买的频率，再叠加最近的浏览记录等。Context 长度的增加可以帮助模型更全面地理解用户购买决策的影响因素。目前的共识认为，虽然目前使用向量数据库作为 AI 的记忆体使得 Context 长度不够，但未来 Context 长度会发生质的变化，而后 LLM 模型可以寻求更高级的方法来处理和理解更长、更复杂的 Context 信息。进一步涌现出更多超出想象的应用场景。 2.2 AI Agent 趋势 Folius Ventures总结过 AI Agent 在游戏赛道中的应用模式，如下图：图中的 1 是 LLM 模型，其主要负责将用户意图从传统的键盘 / 点击输入转化成自然语言输入，降低用户进入门槛。图中的 2 是集成了 AI Agent 的前端 Dapp，为用户提供功能服务的同时，也可以从终端收集用户习惯和数据。图中的 3 是各类 AI Agent，可以直接以应用内功能、Bot 等形式存在。总的来说，AI Agent 作为基于代码的工具，可以充当 Dapp 扩展应用功能的底层程序以及平台的增长催化剂，即链接大模型和垂类应用的中间件。从用户场景来说，最有可能集成 AI Agent 的 Dapp 大概率是足够开放的 Social app， Chatbot 和游戏；或者把现有 Web2 流量入口通过 AI Agent 改造成更简便亲民的 AI+web3 入口；即行业内一直在探讨的降低 Web3 的用户门槛。基于行业发展规律，AI Agent 所处的中间件层往往会成为一个高度竞争的赛道，几乎没有护城河。所以，AI Agent 除了不断的提升体验以匹配 B2C 的需求以外，可以通过制造网络效应或创造用户粘性的来提升自己的护城河。 03 赛道地图 AI 在 Web3 游戏领域的应用已经出现了多种不同尝试，这些尝试可以分为以下几种类别：通用模型：一些项目专注于构建通用 AI 模型，针对 Web3 项目的需求，找到适用的神经网络架构和通用模型。垂直应用：垂类应用旨在解决游戏中的特定问题或为提供特定服务，通常以 Agent、Bot 和 BotKits 的形式出现。 Generative AI 应用：大模型对应的最直接的应用就是内容生成，而游戏赛道本身就是内容行业，所以游戏领域的 Generative AI 应用非常值得关注。从自动生成虚拟世界中的元素、角色、任务或故事情节等，再到自动生成游戏策略、决策甚至是游戏内生态的自动演变都成为了可能，使游戏更具多样性和深度。 AI 游戏：目前，已经有许多游戏集成了 AI 技术，应用场景各不相同，后文将举例说明。 3.1 通用大模型目前，Web3 已经有针对经济模型设计和经济生态发展的模拟模型了，比如 QTM 量化代币模型。 Outlier Venture 的 Dr. Achim Struve 在 ETHCC 的演讲中有提到一些经济模型设计的观点。比如考虑到经济系统的稳健型，项目方可以通过 LLM 模型创建一个数字双胞胎 Digital Twin，对整个生态系统进行 1:1 的模拟。下图的 QTM（量化代币模型）就是一个 AI 驱动的推理模型。QTM 采用了 10 年的固定模拟时间，每个时间步长为一个月。在每个时间步长的开始，代币会被排放到生态系统中，因此模型中有激励模块、代币归属模块、空投模块等。随后，这些代币将被投放到到几个元桶（meta buckets）中，从这些元桶中再次进行更细化的广义效用再分配。然后，从这些效用工具中定义奖励支付等。还有像链下业务方面，这也考虑了业务的一般资金状况，例如可以进行销毁或回购，还可以衡量用户采用率或者定义用户采用情况。当然，该模型的输出质量取决于输入质量，所以在使用 QTM 之前，必须进行充分的市场研究，以获取更准确的输入信息。不过 QTM 模型已经是 AI 驱动模型在 Web3 经济模型里非常落地的应用了，也有许多项目方基于 QTM 模型做操作难度更低的 2C/2B 端应用，降低项目方的使用门槛。 3.2 垂类应用 Agent 垂类应用主要以 Agent 的形式存在，Agent 可能是 Bot、BotKits、虚拟助手、智能决策支持系统、各类自动化数据处理工具等等不同的形式。一般来说，AI Agent 拿 OpenAI 的通用模型为底层，结合其他开源或自研技术，如文本转语音（TTS）等，并加入特定的数据进行 FineTune（机器学习和深度学习领域中的一种训练技术，主要目的是将一个已经在大规模数据上预训练过的模型进一步优化），以创建在某一特定领域表现优于 ChatGPT 的 AI Agent。目前 Web3 游戏赛道应用最成熟的是 NFT Agent。游戏赛道的共识是 NFT 一定是 Web3 游戏的重要组成部分。随着以太坊生态系统中关于元数据管理技术的发展，可编程的动态 NFTs 出现了。对于 NFT 的创建者而言，它们可以通过算法使 NFT 功能更灵活。对于用户而言，用户与 NFT 之间可以有更多的互动，产生的交互数据更是成为了一种信息来源。AI Agent 则可以优化交互过程，并扩展交互数据的应用场景，为 NFT 生态系统注入了更多的创新和价值。案例一：比如 Gelato 的开发框架允许开发者自定义逻辑，根据链下事件或特定时间间隔来更新 NFT 的元数据。Gelato 节点将在满足特定条件时触发元数据的更改，从而实现链上 NFT 的自动更新。例如，这种技术可以用于从体育 API 获取实时比赛数据，并在特定条件下，例如运动员赢得比赛时，自动升级 NFT 的技能特征。案例二：Paima 也为 Dynamic NFT 提供了应用类 Agent。Paima 的 NFT 压缩协议在 L1 上铸造了一组最小的 NFT，然后根据 L2 上的游戏状态对其进行演化，为玩家提供更具深度和互动性的游戏体验。比如 NFT 可以根据角色的经验值、任务完成情况、装备等因素而发生变化。案例三：Mudulas Labs 是非常知名的 ZKML 项目，其在 NFT 赛道也有布局。Mudulas 推出了 NFT 系列 zkMon，允许通过 AI 生成 NFT 并发布至链上，同时生成一个 zkp，用户可以通过 zkp 查验自己的 NFT 是否生成自对应的 AI 模型。更全面的信息可以参考：Chapter 7.2: The World’s 1st zkGAN NFTs。 3.3 Generative AI 应用前文提到，因为游戏本身是内容行业，AI-Agent 能够在短时间内、低成本地生成大量内容，包括创造具有不确定性、动态的游戏角色等等。所以 Generative AI 非常适合在游戏应用。目前，在游戏领域中 Generative AI 的应用可以总结为以下几种主要类型： AI 生成游戏角色类：比如和 AI 对战，或者由 AI 负责模拟和控制游戏中的 NPC，甚至直接用 AI 生成角色等。 AI 生成游戏内容类：直接由 AI 各种内容，如任务、故事情节、道具、地图等。 AI 生成游戏场景类：支持用 AI 自动生成、优化或扩展游戏世界的地形、景观和氛围等。 3.3.1 AI 生成角色案例一：MyShell MyShell 是一个 Bot 创建平台，用户可以根据自己的需求，创建专属 Bot 用于聊天、练习口语、玩游戏、甚至寻求心理咨询等等。同时，Myshell 使用了文本转语音（TTS）技术，只需几秒钟的语音样本，就可以模仿任何人的声音自动创建 Bot。除此以外，MyShell 使用了 AutoPrompt，允许用户仅通过描述自己的想法去给 LLM 模型发出指令，为私人大型语言模型（LLM）打下了基础。有 Myshell 的用户表示，其语音聊天功能非常流畅，响应速度比 GPT 的语音聊天还要快，而且还有 Live2D。案例二：AI Arena AI Arena 是一款 AI 对战游戏，用户可以使用 LLM 模型不断的训练自己的对战精灵（NFT），然后将训练好的对战精灵送往 PvP/PvE 战场对战。对战模式和任天堂明星大乱斗类似，但通过 AI 训练增加了更多的竞技趣味性。 Paradigm 领投了 AI Arena，目前公测阶段已开始，玩家可以免费进入游戏，也可以购买 NFT 提升训练强度。案例三：链上国际象棋游戏 Leela vs the World Leela vs the World 是 Mudulas Labs 开发的一款国际象棋游戏。游戏里游戏双方是 AI 和人，棋局情况放在合约里。玩家通过钱包进行操作（与合约交互）。而 AI 读取新的棋局情况，做出判断，并为整个计算过程生成 zkp ，这两步都是在 AWS 云上完成，而 zkp 交由链上的合约验证，验证成功后调用棋局合约“下棋”。 3.3.2 AI 生成游戏内容案例一：AI Town AI Town 是 a16z 与其投资组合公司 Convex Dev 的合作成果，灵感来自斯坦福大学的《Generative Agent》论文。AI Town 是一座虚拟城镇，城镇内的每个 AI 都可以根据互动和经验构建自己的故事。其中，使用 Convex 后端无服务器框架、Pinecone 矢量存储、Clerk 身份验证、OpenAI 自然语言文本生成以及 Fly 部署等技术堆栈。除此以外，AI Town 全部开源，支持游戏内开发者自定义各种组件，包括特征数据、精灵表、Tilemap 的视觉环境、文本生成提示、游戏规则和逻辑等等。除了普通玩家可以体验 AI Town，开发者也可以使用源代码在游戏内甚至游戏外开发各种功能，这种灵活性使 AI Town 适用于各种不同类型的应用。所以， AI Town 本身是一个 AI 生成内容类游戏，但也是一个开发生态，甚至是一个开发工具。案例二：Paul Paul 是一个 AI 故事生成器，其专门为全链游戏提供了一个 AI 故事生成并直接上链的解决路径。其实现逻辑是给 LLM 输入了一大堆先验规则，然后玩家可以自动根据规则生成次生内容。目前有游戏 Straylight protocol 使用 Paul Seidler 发行了游戏，Straylight 是一款多人的 NFT 游戏，核心玩法就是全链游戏版本的“Minecraft”，玩家可以自动 Mint NFT，然后根据模型输入的基本规则构造自己的世界。 3.3.3 AI 生成游戏场景案例一：Pahdo Labs Pahdo Labs 是一家游戏开发工作室，目前正在开发 Halcyon Zero，这是一款基于 Godot 引擎构建的动漫奇幻角色扮演游戏和在线游戏创建平台。游戏发生在一个空灵的幻想世界中，以作为社交中心的繁华城镇为中心。这款游戏非常特别的地方在于，玩家可以使用游戏方提供的 AI 创作工具快速创作更多的 3D 效果背景以及把自己喜欢的角色带入游戏，真正为大众游戏 UGC 提供了工具和游戏场景。案例二：Kaedim Kaedim 针对游戏 Studio 开发了一个基于 Generative AI 的 3D model generation 工具，可以快速的帮助游戏 Studio 批量生成符合他们需求的游戏内 3D 场景 / 资产。目前 Kaedim 的通用产品还在开发中，预计 2024 年开放给游戏 Studio 使用。 Kaedim 产品的核心逻辑和 AI-Agent 是完全相同的，使用通用大模型为基础，然后团队内部的艺术家会不断输入好的数据，然后给 Agent 的输出进行反馈，不断的通过机器学习训练这个 Model，最后让 AI-Agent 可以输出符合要求的 3D 场景。 04 总结在本文中，我们对 AI 在游戏领域的应用进行了详细的分析和总结。总的来说，未来通用模型以及 Generative AI 在游戏的应用一定会出现明星独角兽项目。垂类应用虽然护城河较低，但先发优势强，如果能靠先发优势制造网络效应和提升用户粘性，则想象空间巨大。除此以外，生成式 AI 天然适合游戏这个内容行业，目前已经有非常多的团队在尝试 GA 在游戏的应用，这个周期就非常有可能出现应用 GA 的爆款游戏。除了文中提到的一些方向，未来还有其他的探索角度。比如： (1) 数据赛道 + 应用层：AI 数据赛道已经孕育出了一些估值达数十亿美元的独角兽项目，而数据 + 应用层的联动同样充满想象空间。 (2) 与 Socialfi 结合：比如提供创新的社交互动方式；用 AI Agent 优化社区身份认证、社区治理；或者更加智能的个性化推荐等。 (3) 随着 Agent 的自动化和成熟化，以后 Autonomous World 的主要参与者到底是人还是 Bot？链上的自治世界是否有可能能像 Uniswap 那样，80%+ 的 DAU 都是 Bot？如果是，那结合 Web3 治理概念的治理 Agent 同样值得探索。来源：金色财经

金色财经2023-10-16

商汤升级医疗健康大模型“大医”

据商汤科技消息，今天，商汤发布升级版医疗健康大语言模型——“大医”，并正式面向医疗健康产业链上下游机构客户开放服务。目前，商汤已与郑州大学第一附属医院、上海交通大学医学院附属瑞金医院、上海交通大学医学院附属新华医院等机构开展合作，实现“大医”在具体医疗健康场景中落地。

金融界2023-10-16

24小时热点