FX168财经网_全球视野外汇黄金加密货币NFT资讯网

前Coinbase高级VP Michael Li宣布成为AIGC Chain战略顾问

13日发布全球首个基于Web3的GPT大模型，并将于5月5日开启测试网。届时，任何人都可以在AIGC Chain上创建属于自己的GPT模型并参与测试任务获取积分奖励，积分将按一定比例折射至主网token。来源：金色财经

金色财经2023-05-04

趋势将主要体现在深度学习算法的多模态和大模型方面，以及在自主学习、知识迁移和增量学习等方面的创新。这将进一步提高AI算法的智能水平和应用范围，促进AI技术的广泛应用。在算力方面，随着AI计算的不断加速和优化，硬件载体也在不断升级和改良。例如，GPU、TPU等专用芯片的出现，大大提高了AI计算的效率和速度。此外，云计算和边缘计算的发展也为AI算力提供了更加灵活和多样化的运算环境。（来自高盛全球投资研究） Blockchain行业的发展现状分布式账本 Blockchain是去中心化的分布式账本。首先Blockchain具有不可篡改属性，这是来自于区块链底层的共识机制，由于链上数据都由区块记录和矿工/验证节点见证，而区块都是前后相连，连续记录的，所以智能合约和账户产生的链上数据一旦被区块记录将无法修改。随着节点数量上升、地理位置分散、算力增强或质押代币价值上涨，想要破坏共识的难度和代价就会越大。因此，中心化的个体是难以改变已经被记录的内容的。其次在不可篡改的前提下，基于代码构建的智能合约使得用户可以在无需信任任何人的情况下与其进行交互，智能合约会根据预设好的路径运行代码实现相应操作。这使得无需信任的链上交易成为了可能。同时，只有对应的账户可以调用智能合约内属于其的资产，不存在其他账户通过智能合约转走原账户资产情况。又因为原账户的每一次操作都需要签名确认身份，而首次转账交互甚至需要先Approve该智能合约调取账户资产。这让用户的钱包账户成为了其最好的身份(DID)和资产的载体。在共识机制和智能合约的框架内，所有的链上资产和链上行为都可以被记录和确权，而基于其产生的权益也就都可以自动的归集到其所有人账户中。这能直接解决“真假美猴王”和“李代桃僵”的问题，没有人可以通过简单的Copy Paste来盗取他人资产，也没有人可以顶替权益所有人获得其利益。具体来说就是数字资产可以用Token形式定义其唯一的智能合约地址，例如用NFT代表数字画作；而任何人的行为都可以用不可交易的代币(SBT)来证明，例如对其工作内容或时空存在进行认证(Proof of Work/ Proof of Attendance )。技术趋势指南 Layer 0-2是Blockchain技术架构的分层结构，联盟链和私有链则是Blockchain应用场景的不同类型。 Layer 0：Layer 0指的是Blockchain的物理设施和网络架构，包括硬件设备、网络协议和传输介质等，其承载着信息跨链和解决资产的底层作用。当前以Cosmos、Polkadot和LayerZero为主要技术代表。 Layer 1：Layer 1是Blockchain的基础层，也称为公链，包括比特币、以太坊等。Layer 1的协议设计和技术实现决定了Blockchain的基本性能和功能。按照类型又可细分为EVM和非EVM系。 Layer 2：Layer 2是指在Layer 1之上构建的协议和解决方案，用于提升Blockchain的性能以及扩展应用场景。Layer 2协议目前有6种技术，其中以ZK Rollup和Optimistic Rollup为主流，这些协议可以使得Blockchain处理更多的交易、提高TPS和降低Gas fee等。联盟链：联盟链是由多个组织或机构共同管理和控制的区块链网络，这些组织通常是在共同利益目标才进行合作的，例如银行、保险公司、供应链公司等。联盟链与公链不同，它的参与者是有限的，节点数量相对较少，所以其交易速度和安全性都得到了一定的提升。私有链：私有链是由单个组织或机构独立控制的区块链网络，通常只允许内部人员参与。核心要素分布式节点、密码学、共识算法、智能合约以及加密货币是Blockchain发展的核心要素。分布式节点是Blockchain技术的最核心的部分，它使得数据能够以去中心化的方式存储和传输。而密码学是保证Blockchain的安全性和隐私性的重要理论工具。此外，共识算法是Blockchain实现分布式一致性的关键。智能合约是一种可以自动执行的计算机程序，可以在Blockchain上执行各种逻辑指令。最后，加密货币，即通过使用加密技术保证了交易的安全性和匿名性。通过分布式节点，所有的参与者都能够拥有一份完整的数据副本，这样就可以保证数据的透明性和安全性。Blockchain的核心技术——哈希函数、数字签名和非对称加密等都是密码学的应用。它们可以帮助保证数据的完整性和身份的认证，同时也能够保护用户的隐私。而通过共识算法，所有的节点都能够达成一致的共识，保证了数据的一致性和不可篡改性。常见的共识算法包括PoW、PoS等。智能合约可以实现无需第三方信任的交易，从而能在一定程度上提高交易的效率和安全性。比特币、以太币等加密货币的出现，推动了区块链技术的广泛应用和发展。 Blockchain与AI的交集作为Blockchain行业的一部分，在AI的浪潮之下，我们也需要去思考：AI对世界的改变中，包括了Blockchain吗？如果是，那这个改变会是什么？以及Blockchain的去中心化和确权能力又更给AI带来什么影响？首先，AI作为生产力工具可以降低技术门槛，那么自然也可以降低Blockchain行业中的技术门槛，并增加其生产效率。其次，AIGC也将让游戏和元宇宙摆脱程式化设定，为Blockchain带来新的叙事与玩法。而Blockchain的智能合约，将能够定义AI可以涉及的领域和范围，或限定AI的权限，避免其过度发展。同时，Blockchain 的去中心化可以为AI提供底层数据和训练模型所需要算力的资源共享与分配。另外Blockchain的确权能力还可以为数据、身份、所有权提供证明，规避AI带来的利益冲突。 AI对Blockchain的意义首先，AI 作为工具可以降低内容创作的门槛。让每个普通人都能不受技术限制地展现自己的创造力，输出优质的内容或NFT作品。这包括但不限于NFT创作、游戏资产创建、元宇宙建模、代码构建等。但当前AIGC在NFT领域的应用只有简单的图像输出，这与传统的Generative Art没有什么本质上的区别，AIGC真正在NFT上的应用应该是在NFT特性上做的进一步拓展，就像Mirror World用AI构建属于NFT的灵魂一样。（来自A16Z研究）其次，就是降低代码编写的技术门槛。代码分为两个方向，一个是发行项目，部署智能合约，另一个是黑客或者白客。这两个方向属于是对抗生成的两端，也就是说我们可以用AI进行自然语言编程，部署我们所需要的智能合约，而对方也可以去使用AI分析合约代码，并发起攻击。通过这样的方式，我们将可以使用AI来迭代已部署的合约代码，以此形成内卷，帮助整个行业的代码建立的更完善和可靠。在这个基础之上，大家可以去把更多的心思，放在优化区块链的架构或设计整个项目，又或者是经济模型上，去丰富项目的玩法，对整个业务层面进行创新。同样的，当AI简化整个技术门槛之后，过去的复杂操作将可以被广泛应用。比如循环贷、闪电贷、最优挖矿策略、自动获取收益、头矿离场时间判断，整个路径AI都可以完成，AI可以自主编程，选择路径，直接部署好。就像游戏王的技能卡一样，我们只需要使用技能卡，之后技能会自己出现并产生效果。这能将在过去需要较高门槛才能完成的操作下放给普通用户，以MEV为例，如果我们想要获取MEV价值，就需要写MEV的夹子机器人，而当普通人也能做到的时候，那就不存在利润空间，因为大家都可以做到的时候，就需要拼Gas抢跑，由于博弈论原理，最后MEV价值会被高昂的Gas fee榨干，最终导致无利可图使得MEV影响降低。这属于是技术下放倒逼行业优化。又或者是促进区块链技术的普及。根据Footprint Analytics数据，当前以太坊活跃用户也不过32万人，不及互联网用户的零头。最大的问题在于用户没有进入区块链的需求，而少量有需求的用户也被复杂的链上交互拦在门外。此外，以前数据上链或是使用基于区块链的门票、证件，都需要搭一个区块链系统，或是支付大量gas fee，这个成本是巨大的。而现在基于AI技术我们可以低成本实现区块链构建或者优化链上数据使用路径降低gas fee，因此任何需要确权和信息透明的地方，都可以利用区块链技术并部署智能合约。所以，通过AI简化的交互系统，将为Blockchain行业带来大量用户。我们需要知道的是，AI能带来的改变只存在于区块链的应用层。用户基于自己在交互中的认知，使用AI跳过编写智能合约的过程，直接部署用于解决某一需求的应用。发行项目的关键将不再是发行，而是创新和运营。相信未来应用层的格局必然会发生翻天覆地的变化。但应用层之下的执行层、共识层、数据层的改变，AI是无能为力的，因为这是对底层机制的创新，绝对不是简化重复性工作就能带来质变的领域。正如，伦敦升级中EIP1559的落地给了以太坊进一步向前的动力，上海升级的完成才能让ETH质押量增长提高以太坊安全性并让LSD板块再度起飞。（来自Crypto.com） Blockchain在AI中的作用 Blockchain的去中心化特性与当下的AI技术发展表现出的中心化特性存在一定背离，但也正是这种背离为AI面临的问题提供了解决方案。现代的AI和大数据技术在很大程度上是中心化的，即它们通常由少数大型公司或组织掌控，这些公司拥有强大的技术和资源，并且具有决定市场走向和用户行为的权力。这种中心化的特性，使得人们在使用AI时，必须要相信AI会真的按照指令诚实地执行。因此，AI的开发和应用过程中存在一定的风险和问题，例如隐私泄露、算法偏见、数据滥用等等。然而，Blockchain分布式和去中心化的特性刚好能解决这些问题，通过智能合约，限定AI能使用的数据集，以及能运行的范围，以防止AI做恶；同时可以建立节点，监控AI的行为，如果它做恶，监督者就可以举报，对AI使用的算力进行罚没，以此来让AI只做促进人类发展的行为，防止AI的过度使用和越权行为。具体来说，对于AI训练所需的底层数据的分享与确权，Blockchain可以让用户自主选择是否将自己的数据提供给AI模型训练，这将需要倚靠zk技术的进一步发展，来实现不透露个人信息的同时提供用户数据。整个数据收集、储存和共享的过程将建立在去中心化节点之上，以保证数据安全和可用性，并对数据来源确权。从而让使用这些数据训练成型的AI在产生收益时，可以根据所涉及的数据将部分收益作为分红给到数据所有人，保证数据提供者权益。之前提到的AI训练数据的生成和共享也可以借助Blockchain的去中心化、安全和透明性等特点，以确保数据的隐私和安全性。而为AI运行提供Prompt的用户同样可以基于其对prompt的所有权，获得其prompt被调用而产生的部分收益。从而同时保证AI数据所有人和AI运行prompt所有人的利益。另外值得一提的，就是算力挖矿。AI模型的建立除了需要大量的数据，还需要算力来进行训练，但现在世界上的算力是处于供不应求的状态。那么可以将算力以去中心化的形式集中建立云计算矿池，通过算力挖矿补贴算力提供者，再以拍卖形式出售给AI模型的训练，从而让有限算力获得最大的利用率，同时还能保证计算的安全性和可靠性。更重要的是，我们还可以将数据、算法、算力整合，建立一个AI as a Service的协议，以自身的去中心化的优势和可复用性为有需求的用户提供AI模型构建服务。那么从数据的获取，到数据处理，再到算法选择和算力调用，都经由一个生态进行，在保证供应链优势的同时还能避免中心化风险。除了AI模型的构建之外，当我们着眼于AI的应用时，我们可发现AI超强学习能力所带来的盗版、洗稿、虚拟人等问题在Blockchain面前都不成问题。艺术作品以NFT形式记录在链上，其唯一智能合约地址可以证明作品的真实性。而艺术作品的价值除了艺术品本身，还取决于其创作者的身份，就像后人对梵高的向日葵模仿的再像，也不值一文，而区块链就能够证明哪一幅向日葵是出自梵高之手。AI应用之一的知识图谱也可以基于区块链构建分布式知识图谱，并确保其中的数据不会被篡改、删除或冒领。对于由AI使用个人过往数据构建虚拟人设的问题，也可以使用OAT或SBT来解决。任何链上行为都有对应记录，而针对相关记录创建的OAT或SBT也是唯一的，基于账户中的OAT或SBT就可以定义其身份，这都得益于区块链的不可篡改性，过去发生的事都被记录在之后的每一个区块中，无法凭空捏造过去没有存在过的行为。总而言之，AI作为生产力工具可以加速Blockchain行业的发展与普及，以及AIGC对元宇宙和NFT板块带来了新方向与叙事，但是AI只能替代重复性工作，降低技术性门槛，并不能对关键技术进行创新。所以AI给Blockchain带来的改变只会停留在应用层。而Blockchain之于AI行业，是一个风险控制器，也是一个资源优化器。Blockchain能限制AI的过度发展与越权操作，也能解决数据和资产的确权保护用户权益，并将AI所需的数据与算力分配进行整合优化。但也仅限于促进AI的透明化、去中心化和数据确权。来源：金色财经

金色财经2023-05-04

OP Research：区块链的AI变局

趋势将主要体现在深度学习算法的多模态和大模型方面，以及在自主学习、知识迁移和增量学习等方面的创新。这将进一步提高AI算法的智能水平和应用范围，促进AI技术的广泛应用。在算力方面，随着AI计算的不断加速和优化，硬件载体也在不断升级和改良。例如，GPU、TPU等专用芯片的出现，大大提高了AI计算的效率和速度。此外，云计算和边缘计算的发展也为AI算力提供了更加灵活和多样化的运算环境。（来自高盛全球投资研究） Blockchain行业的发展现状分布式账本 Blockchain是去中心化的分布式账本。首先Blockchain具有不可篡改属性，这是来自于区块链底层的共识机制，由于链上数据都由区块记录和矿工/验证节点见证，而区块都是前后相连，连续记录的，所以智能合约和账户产生的链上数据一旦被区块记录将无法修改。随着节点数量上升、地理位置分散、算力增强或质押代币价值上涨，想要破坏共识的难度和代价就会越大。因此，中心化的个体是难以改变已经被记录的内容的。其次在不可篡改的前提下，基于代码构建的智能合约使得用户可以在无需信任任何人的情况下与其进行交互，智能合约会根据预设好的路径运行代码实现相应操作。这使得无需信任的链上交易成为了可能。同时，只有对应的账户可以调用智能合约内属于其的资产，不存在其他账户通过智能合约转走原账户资产情况。又因为原账户的每一次操作都需要签名确认身份，而首次转账交互甚至需要先Approve该智能合约调取账户资产。这让用户的钱包账户成为了其最好的身份(DID)和资产的载体。在共识机制和智能合约的框架内，所有的链上资产和链上行为都可以被记录和确权，而基于其产生的权益也就都可以自动的归集到其所有人账户中。这能直接解决“真假美猴王”和“李代桃僵”的问题，没有人可以通过简单的Copy Paste来盗取他人资产，也没有人可以顶替权益所有人获得其利益。具体来说就是数字资产可以用Token形式定义其唯一的智能合约地址，例如用NFT代表数字画作；而任何人的行为都可以用不可交易的代币(SBT)来证明，例如对其工作内容或时空存在进行认证(Proof of Work/ Proof of Attendance )。技术趋势指南 Layer 0-2是Blockchain技术架构的分层结构，联盟链和私有链则是Blockchain应用场景的不同类型。 Layer 0：Layer 0指的是Blockchain的物理设施和网络架构，包括硬件设备、网络协议和传输介质等，其承载着信息跨链和解决资产的底层作用。当前以Cosmos、Polkadot和LayerZero为主要技术代表。 Layer 1：Layer 1是Blockchain的基础层，也称为公链，包括比特币、以太坊等。Layer 1的协议设计和技术实现决定了Blockchain的基本性能和功能。按照类型又可细分为EVM和非EVM系。 Layer 2：Layer 2是指在Layer 1之上构建的协议和解决方案，用于提升Blockchain的性能以及扩展应用场景。Layer 2协议目前有6种技术，其中以ZK Rollup和Optimistic Rollup为主流，这些协议可以使得Blockchain处理更多的交易、提高TPS和降低Gas fee等。联盟链：联盟链是由多个组织或机构共同管理和控制的区块链网络，这些组织通常是在共同利益目标才进行合作的，例如银行、保险公司、供应链公司等。联盟链与公链不同，它的参与者是有限的，节点数量相对较少，所以其交易速度和安全性都得到了一定的提升。私有链：私有链是由单个组织或机构独立控制的区块链网络，通常只允许内部人员参与。核心要素分布式节点、密码学、共识算法、智能合约以及加密货币是Blockchain发展的核心要素。分布式节点是Blockchain技术的最核心的部分，它使得数据能够以去中心化的方式存储和传输。而密码学是保证Blockchain的安全性和隐私性的重要理论工具。此外，共识算法是Blockchain实现分布式一致性的关键。智能合约是一种可以自动执行的计算机程序，可以在Blockchain上执行各种逻辑指令。最后，加密货币，即通过使用加密技术保证了交易的安全性和匿名性。通过分布式节点，所有的参与者都能够拥有一份完整的数据副本，这样就可以保证数据的透明性和安全性。Blockchain的核心技术——哈希函数、数字签名和非对称加密等都是密码学的应用。它们可以帮助保证数据的完整性和身份的认证，同时也能够保护用户的隐私。而通过共识算法，所有的节点都能够达成一致的共识，保证了数据的一致性和不可篡改性。常见的共识算法包括PoW、PoS等。智能合约可以实现无需第三方信任的交易，从而能在一定程度上提高交易的效率和安全性。比特币、以太币等加密货币的出现，推动了区块链技术的广泛应用和发展。 Blockchain与AI的交集作为Blockchain行业的一部分，在AI的浪潮之下，我们也需要去思考：AI对世界的改变中，包括了Blockchain吗？如果是，那这个改变会是什么？以及Blockchain的去中心化和确权能力又更给AI带来什么影响？首先，AI作为生产力工具可以降低技术门槛，那么自然也可以降低Blockchain行业中的技术门槛，并增加其生产效率。其次，AIGC也将让游戏和元宇宙摆脱程式化设定，为Blockchain带来新的叙事与玩法。而Blockchain的智能合约，将能够定义AI可以涉及的领域和范围，或限定AI的权限，避免其过度发展。同时，Blockchain 的去中心化可以为AI提供底层数据和训练模型所需要算力的资源共享与分配。另外Blockchain的确权能力还可以为数据、身份、所有权提供证明，规避AI带来的利益冲突。 AI对Blockchain的意义首先，AI 作为工具可以降低内容创作的门槛。让每个普通人都能不受技术限制地展现自己的创造力，输出优质的内容或NFT作品。这包括但不限于NFT创作、游戏资产创建、元宇宙建模、代码构建等。但当前AIGC在NFT领域的应用只有简单的图像输出，这与传统的Generative Art没有什么本质上的区别，AIGC真正在NFT上的应用应该是在NFT特性上做的进一步拓展，就像Mirror World用AI构建属于NFT的灵魂一样。（来自A16Z研究）其次，就是降低代码编写的技术门槛。代码分为两个方向，一个是发行项目，部署智能合约，另一个是黑客或者白客。这两个方向属于是对抗生成的两端，也就是说我们可以用AI进行自然语言编程，部署我们所需要的智能合约，而对方也可以去使用AI分析合约代码，并发起攻击。通过这样的方式，我们将可以使用AI来迭代已部署的合约代码，以此形成内卷，帮助整个行业的代码建立的更完善和可靠。在这个基础之上，大家可以去把更多的心思，放在优化区块链的架构或设计整个项目，又或者是经济模型上，去丰富项目的玩法，对整个业务层面进行创新。同样的，当AI简化整个技术门槛之后，过去的复杂操作将可以被广泛应用。比如循环贷、闪电贷、最优挖矿策略、自动获取收益、头矿离场时间判断，整个路径AI都可以完成，AI可以自主编程，选择路径，直接部署好。就像游戏王的技能卡一样，我们只需要使用技能卡，之后技能会自己出现并产生效果。这能将在过去需要较高门槛才能完成的操作下放给普通用户，以MEV为例，如果我们想要获取MEV价值，就需要写MEV的夹子机器人，而当普通人也能做到的时候，那就不存在利润空间，因为大家都可以做到的时候，就需要拼Gas抢跑，由于博弈论原理，最后MEV价值会被高昂的Gas fee榨干，最终导致无利可图使得MEV影响降低。这属于是技术下放倒逼行业优化。又或者是促进区块链技术的普及。根据Footprint Analytics数据，当前以太坊活跃用户也不过32万人，不及互联网用户的零头。最大的问题在于用户没有进入区块链的需求，而少量有需求的用户也被复杂的链上交互拦在门外。此外，以前数据上链或是使用基于区块链的门票、证件，都需要搭一个区块链系统，或是支付大量gas fee，这个成本是巨大的。而现在基于AI技术我们可以低成本实现区块链构建或者优化链上数据使用路径降低gas fee，因此任何需要确权和信息透明的地方，都可以利用区块链技术并部署智能合约。所以，通过AI简化的交互系统，将为Blockchain行业带来大量用户。我们需要知道的是，AI能带来的改变只存在于区块链的应用层。用户基于自己在交互中的认知，使用AI跳过编写智能合约的过程，直接部署用于解决某一需求的应用。发行项目的关键将不再是发行，而是创新和运营。相信未来应用层的格局必然会发生翻天覆地的变化。但应用层之下的执行层、共识层、数据层的改变，AI是无能为力的，因为这是对底层机制的创新，绝对不是简化重复性工作就能带来质变的领域。正如，伦敦升级中EIP1559的落地给了以太坊进一步向前的动力，上海升级的完成才能让ETH质押量增长提高以太坊安全性并让LSD板块再度起飞。（来自Crypto.com） Blockchain在AI中的作用 Blockchain的去中心化特性与当下的AI技术发展表现出的中心化特性存在一定背离，但也正是这种背离为AI面临的问题提供了解决方案。现代的AI和大数据技术在很大程度上是中心化的，即它们通常由少数大型公司或组织掌控，这些公司拥有强大的技术和资源，并且具有决定市场走向和用户行为的权力。这种中心化的特性，使得人们在使用AI时，必须要相信AI会真的按照指令诚实地执行。因此，AI的开发和应用过程中存在一定的风险和问题，例如隐私泄露、算法偏见、数据滥用等等。然而，Blockchain分布式和去中心化的特性刚好能解决这些问题，通过智能合约，限定AI能使用的数据集，以及能运行的范围，以防止AI做恶；同时可以建立节点，监控AI的行为，如果它做恶，监督者就可以举报，对AI使用的算力进行罚没，以此来让AI只做促进人类发展的行为，防止AI的过度使用和越权行为。具体来说，对于AI训练所需的底层数据的分享与确权，Blockchain可以让用户自主选择是否将自己的数据提供给AI模型训练，这将需要倚靠zk技术的进一步发展，来实现不透露个人信息的同时提供用户数据。整个数据收集、储存和共享的过程将建立在去中心化节点之上，以保证数据安全和可用性，并对数据来源确权。从而让使用这些数据训练成型的AI在产生收益时，可以根据所涉及的数据将部分收益作为分红给到数据所有人，保证数据提供者权益。之前提到的AI训练数据的生成和共享也可以借助Blockchain的去中心化、安全和透明性等特点，以确保数据的隐私和安全性。而为AI运行提供Prompt的用户同样可以基于其对prompt的所有权，获得其prompt被调用而产生的部分收益。从而同时保证AI数据所有人和AI运行prompt所有人的利益。另外值得一提的，就是算力挖矿。AI模型的建立除了需要大量的数据，还需要算力来进行训练，但现在世界上的算力是处于供不应求的状态。那么可以将算力以去中心化的形式集中建立云计算矿池，通过算力挖矿补贴算力提供者，再以拍卖形式出售给AI模型的训练，从而让有限算力获得最大的利用率，同时还能保证计算的安全性和可靠性。更重要的是，我们还可以将数据、算法、算力整合，建立一个AI as a Service的协议，以自身的去中心化的优势和可复用性为有需求的用户提供AI模型构建服务。那么从数据的获取，到数据处理，再到算法选择和算力调用，都经由一个生态进行，在保证供应链优势的同时还能避免中心化风险。除了AI模型的构建之外，当我们着眼于AI的应用时，我们可发现AI超强学习能力所带来的盗版、洗稿、虚拟人等问题在Blockchain面前都不成问题。艺术作品以NFT形式记录在链上，其唯一智能合约地址可以证明作品的真实性。而艺术作品的价值除了艺术品本身，还取决于其创作者的身份，就像后人对梵高的向日葵模仿的再像，也不值一文，而区块链就能够证明哪一幅向日葵是出自梵高之手。AI应用之一的知识图谱也可以基于区块链构建分布式知识图谱，并确保其中的数据不会被篡改、删除或冒领。对于由AI使用个人过往数据构建虚拟人设的问题，也可以使用OAT或SBT来解决。任何链上行为都有对应记录，而针对相关记录创建的OAT或SBT也是唯一的，基于账户中的OAT或SBT就可以定义其身份，这都得益于区块链的不可篡改性，过去发生的事都被记录在之后的每一个区块中，无法凭空捏造过去没有存在过的行为。总而言之，AI作为生产力工具可以加速Blockchain行业的发展与普及，以及AIGC对元宇宙和NFT板块带来了新方向与叙事，但是AI只能替代重复性工作，降低技术性门槛，并不能对关键技术进行创新。所以AI给Blockchain带来的改变只会停留在应用层。而Blockchain之于AI行业，是一个风险控制器，也是一个资源优化器。Blockchain能限制AI的过度发展与越权操作，也能解决数据和资产的确权保护用户权益，并将AI所需的数据与算力分配进行整合优化。但也仅限于促进AI的透明化、去中心化和数据确权。参考资料： [1]《大语言模型涌现演化信息，加速蛋白质结构预测》Science前沿 [2]《How AI Can Help Build Web3》crypto.com [3]《AIGC：内容生产力的革命》国海证券 [4]《Mastering Bitcoin》Andreas Antonopoulos [5]《Bitcoin: A Peer-to-Peer Electronic Cash System》Satoshi Nakamoto [6]《Ethereum White Paper》Vitalik Buterin [7]《Challenges and Recent Advances》Blockchain-Based Payment Channel Networks [8]《AI爆发对创作者和NFT的影响》浅思 [9]《AIGC困局与Web3破圈之道》 [10]《超越 Web3，资本新宠 AIGC 的奇幻漂流》来源：金色财经

金色财经2023-05-04

前Coinbase高级VP宣布成为AIGC Chain战略顾问

训练自己的小AIGC模型，实现了分布式大模型联合训练，意在构建全球最大的人工智能共同训练公链系统。四月，AIGC Chain已发布全球首个基于Web3的GPT大模型。来源：金色财经

金色财经2023-05-04

中国互联网大厂的"ChatGPT"追赶之旅现状

头做的东西暂停了，集中力量all-in大模型。现在大模型不仅是公司层面的一号位工程，也成为了诸多事业群、事业部的一号位工程，这就决定了它能得到近乎无穷的资源投入。接着说第二条。在降本增效的大背景下，互联网大厂目前对生成式AI最大的期望其实不是开辟财源，而是节约成本或为老业务赋能。例如GPT商业化的第一批客户包括Shopify这样的电商SaaS及代运营商，在国内阿里、京东可以把自己的大模型直接用于自身电商平台的代运营；腾讯可以利用大模型补齐自己的客服短板，还能在腾讯文档等应用中加入自动生成文案功能；所有的信息流媒体平台都可以利用生成式AI进行转评赞、活跃社区氛围。上面举出的只是一小批正在进行的案例而已。至于开发大型C端应用，或者面向广大中小B端开放API，目前看来还比较遥远。除了技术瓶颈之外，监管风险是一个主要考虑点：国内对生成式AI的监管讨论才刚刚开始，尚未形成成熟的监管体系，此时贸然上马大型C端应用的风险极高。然而，这里有牵扯出了一个新的问题：互联网大厂在既有的应用中大规模使用生成式AI，是否也会带来潜在的监管风险？这个话题比较敏感，目前还难以讨论，在此就不展开了。再说第三条。OpenAI不是世界上唯一的生成式AI大模型开发者，GPT的技术路线也不是唯一的。但是，国内互联网大厂的研发思路高度统一，那就是模仿乃至彻底复刻GPT。结果就是一切与OpenAI能够沾边的人才和信息几乎全部被瓜分利用殆尽——其中既有合法的利用，也有灰色地带的利用。不计成本的投入，加上国内相对硅谷而言较低的人力成本，是可以在一定程度上拉近差距的。这种模仿路线当然不可能把落后转化为领先，不过目前大家还考虑不到这么远。第四条也是一个非常重要的因素。我们知道，对于芯片、新能源等“硬科技”产业，国内各级主管部门（包括国家和地方）予以了极大的政策和资源扶持；生成式AI在理论上也属于“硬科技”，如果也能得到类似的扶持，无疑可以大幅度加快发展进度、降低风险。然而，生成式AI有一个严重的软肋：它不是制造业，无法像芯片、新能源、生物医药那样提供较长的产业链、立竿见影地为地方创造GDP。此外，它也尚未被主流媒体认为是一项“卡脖子”技术。在几个月乃至几年之内，生成式AI要成为一项被大力扶持的“硬科技”，还是很有难度的。当然，互联网大厂可以采取一种话术，即生成式AI具备很强的“乘数效应”或上下游拉动作用，例如可以间接刺激芯片行业的成长，以及促进智慧城市、智慧交通的实现，等等。但是，上述“乘数效应”过于迂回，在短期内又很难看到效果。在可见的未来，主流媒体和主管部门心目中的“硬科技”代表仍将是光刻机而非ChatGPT，互联网大厂必须主要依靠自身资源投入而非政策扶持。过去多年，中国互联网行业曾一再证明：只要它们下定决心投入足够的资源，并且有庞大的潜在C端应用场景，它们就能够成功模仿乃至超越硅谷的同行。这一发展路线并非百试不爽，不过大部分情况下是成立的。生成式AI是对上述路线的一次大考：在GPT3.5以前版本已经开源，基础研发路线并无秘密可言，潜在应用市场非常广阔，而且国内互联网大厂均已投入足够资源、提起绝对重视的情况下，中国能否在生成式AI这条赛道上迅速缩小差距乃至有朝一日超越？相信这个问题已经被资本市场提了无数次，也被互联网从业者提了无数次。我的观点偏向悲观一边：由于种种掣肘（在此就不讨论了）、种种天然限制，国内生成式AI最多只能将与硅谷的差距缩小到可以接受的程度，而不可能彻底消除这种差距。不过，我的上述“悲观”观点，在很多人看来或许已经算是乐观了？事在人为，但在很多时候，形势比人强。来源：金色财经

金色财经2023-05-04

A股5月近3000亿元解禁万泰生物解禁规模居前

除发行费用后拟全部用于云从“行业精灵”大模型研发项目。此外，卓越新能、浩洋股份、朱老六等多家公司5月份解禁比例相对较高，待解禁股份占总股本比例均超过70%，股价或将承压。医药生物、计算机、机械设备行业解禁市值居前解禁市值来看，医药生物、计算机、机械设备位列前三名。医药生物板块方面，除万泰生物、新产业的首发原股东限售股外，昊海生科、吉贝尔的解禁规模较大。图3：2023年5月解禁股行业市值排名 5月份，共有16家公司迎上市周年解禁，合计解禁量约为8.82亿股，解禁市值约为311.25亿。图4：2023年5月上市周年解禁股名单 5月18日，中科江南将迎来上市周年解禁。最新财报显示，中科江南2023年一季度实现营收约1.1亿元，同比增加43.14%；实现归母净利润0.12亿元，同比增长1159.36%。公司本轮限售股占总股份比例的23.89%，约合解禁市值67.63亿元。截至4月28日，公司股价为145.63元/股，较此前发行价上涨超300%。【读财报】是由新华财经与面包财经共同打造的一档以上市公司财报解读为主要内容的栏目。新华财经是新华社承建的国家金融信息平台，内容全面覆盖全球股市、汇市和债市等金融市场，提供权威、专业、全面的金融信息服务。免责声明：本文仅供信息分享，不构成对任何人的任何投资建议。版权声明：本作品版权归面包财经所有，未经授权不得转载、摘编或利用其它方式使用本作品。

面包财经2023-05-04

福昕软件：4月25日成功推出了带有AIGC功能的PDF Editor Cloud产品，助推加速订阅转型

文档内容进行提取。而提取的过程需要使用大模型，但我们认为这不是最关键的环节，因为还需要行业知识和领域知识，同时可能也会利用自己的模型和传统的技术，届时将有云端的大模型，也可能有中型的模型，包括在本地部署的基于开源的模型。 Q6、公司在C端业务有什么展望？答：我们也涉猎了面向C端客户的业务，但目前这部分业务不是公司发展的重点。C端对我们来讲存在两个问题：1、技术门槛低；2、流量红利已消失，获客成本较高。因此，目前C端的业务并非公司的投入重点。除非未来公司能找到付费率高和付费额度高的应用，或C端市场发生变化。 Q7、即使加上AI，C端的付费意愿是否也很难有增加的可能性？答：C端门槛较低，是一个相对红海市场。公司有核心技术，可以提供给C端客户相对比较独立的产品功能，公司也可以把产品质量做得很好。但由于大部分消费者是点状需求，而不是面状需求，导致面向C端市场的竞争者比较多。C端客户不是公司的专长，但公司一直拥有toC端的业务。今后公司的阅读器也会有更多智能文档处理相关的功能，但我们不认为面向C端的业务会在短期内带来质的变化。 Q8、B端和出版社、电子病历有合作，这些怎么落地？怎么做一些实质的商业模式？答：很多企业把文档作为信息化的终点，生成文档以后很难处理。但现在大家发现文档包含大量信息，比如电子病历包含大量与健康相关的信息。这个信息对于医保支付、费率制定等都有作用，同时信息还有互联互通的需求。公司之前对各个行业的数据资产做过研究。数据要能变成资产有几个前提条件：可以确权、保护、交换、传承。如果只是一个单独放在数据库的数据，是很难满足这些需求的，而变成文档后就可以很好满足。因此，大量历史文档处理变成行业刚需。在出版行业，以前出版只是面向纸质出版，现在需要面向纸质和电子形式两种。出版也加上了各种各样的互动功能，除了内容的呈现外，还必须与读者进行互动。这个过程便需要对现有，包括以前的大量内容进行再次加工。过往出版的内容生成后加工非常困难，因为版式非常复杂，提取信息比较困难。然而，随着人工智能的发展，以及公司对文档格式和文档内容的深入理解，再结合行业的具体需求，我们可以为一些行业提供高效的智能文档分析和处理的解决方案。我们正在向这个目标努力。 Q9、无论是医疗还是出版行业，有大量PDF文档，能否通过工具检索出信息，或者以提取归类的形式？答：每个行业有自己特定的需求，我们在进入垂直领域时，会与行业伙伴共同合作。行业合作伙伴向我们提供专业领域知识和业务场景需求，而对PDF格式和内容的了解则是我们的专长。我们会通过合作来打造行业智能文档解决方案。 Q10、行业市场空间大吗？体量有多大？答：我们的策略是先做适合各个不同行业的核心智能文档处理引擎，利用AI的大语言模型和我们自己训练的模型，主要解决对文字、图像、格式的综合处理能力。在这基础上再针对不同行业建立起行业的具体解决方案。由于智能文档处理在各行各业都有需求，所以我们看好这个市场空间。 Q11、出版里校对的工作可以通过PDF识别吗？答：我们接洽了包括教育和科学文献方面的多家出版社，已经获得了较为明确的需求。举个例子，字典的出版是完全靠人工的，出一个新版本要核对现在和过往版本有什么区别。因此，利用智能辅助工具变得十分重要。Q12、AI产品加持后对于用户数和ARPU值有何展望？答：我们的目标是提高客户粘性，提高我们的续费率，续费率每提高几个点，对用户终生价值有非常大的作用。 Q13、单纯的ARPU值呢？价格还有可能提升吗？答：我们不认为按年计算会增加很多，但LTV（用户生命周期总价值）会提高很多。我们希望培育用户的使用习惯和粘性。 Q14、与AI相关的定价机制如何展望？授权模式客户在AI功能使用上是按量收费吗？还是怎样的定价机制？答：价格仍在规划中。确定订阅优先策略后，我们在减少授权模式，今后在授权模式中将不会提供AI或电子签名方面的支持。现在AI的功能仅提供给订阅用户。 Q15、后面如何加强整个渠道的转型？我们对渠道的激励相比Adobe有什么优势？答：我们给渠道提供了较竞争对手更为优惠的分成机制，渠道在我们这里获得的收益更多。在推动渠道转型上，我们做了两个方面的工作：1、持续调整内部架构，建设渠道团队。改变对销售团队的定位。之前，销售团队既负责商机的获取，又负责销售。现在，在商机获取上，我们更强调内部销售团队和渠道的共同合作。销售人员的定位从原来的单打独斗变为和渠道合作伙伴一起实现销售。 2、增强对渠道合作伙伴的服务和管理。公司采取了两个具体举措：（1）提出总代概念。之前在欧美区域是没有总代概念的，现在公司在拟引入总代。总代的角色是为经销商出货。因为，总代和下面的经销商每天与包括竞争对手客户在内的大量客户进行接触。公司希望可以通过总代和经销商把公司及产品介绍给这些客户，从而给公司带来商机。只要给公司带来商机，公司就有成单的概率。（2）推动渠道的活跃度。公司开始对渠道实施奖惩机制：如果渠道有业绩突破，则给予奖励；如果经公司推动后渠道仍然没有作为，渠道将被撤销经销商资格，且后续需要通过别的渠道商代理公司产品，如此会获得更少的分成。 Q16、渠道扩张主要增加的是销售费用吗，未来会不会加大这块投入？答：销售费用有增有减。和渠道合作以后，公司净收入有可能会减少。去年下半年，公司确定渠道优先战略，通过承担短期的损失，来获得长远的更多商机。公司会降低某些方面的销售费用。由于公司进行渠道团队建设，因此针对渠道服务、管理、市场宣传的方面的费用将有所增加。总体上，面向最终客户的费用下降，但是面向渠道的费用增长。 Q17、Adobe全家桶十分丰富，而我们主要聚焦在PDF上，我们的目标客户是什么样的？我们能把什么样的Adobe客户转化过来？答：Adobe的全家桶有两个类型：1、文档云全家桶，该类型的全家桶功能我们也都有，我们的强项还有云产品PDFEditorCloud的功能。2、设计云全家桶，其中包含了Acrobat产品。绝大多数企业的文档应用和设计需求是分开的，且设计人员只是企业员工中的少部分，并非所有员工都有设计需求。然而，大部分企业员工需要进行文档处理。因此，竞争对手的全家桶策略对我们影响不大。 Q18、C端和B端的PDF文档从技术壁垒理解有何差异？答：B端和C端采购流程不一样。C端客户可以自行购买使用。B端客户，尤其是中大型的企业，其购买决策需要经过比较长的流程。据对美国500人以上规模的中大型企业内部的决策流程进行调查后得出的结论，平均有14-15个人员对软件采购具有影响力。如前述人员中的若干人员持反对意见，采购就将无法进行。决策流程的不同也造成了B端和C端用户的需求有较大差别。C端为点状需求，而B端必须要满足绝大多数人的需求。综上，B端对产品的功能需求、质量和服务要求较C端用户来得更高。 Q19、有没有可能未来B端用户公司接了GPT插件和接口后，就不需要通过文档内部入口进行AI的功能？答：我们并不认为接入GPT插件和接口对文档处理有影响，理由如下： 1、我们处理文档的应用是一个入口，在应用里打开文档用我们的接口更为方便。2、有效使用AI包括GTP等大模型来理解文档，需要对文档结构和内容有非常清晰的了解。企业如果仅是接入ChatGPT，能实现的功能局限于问答，如果要对文档内容进行精确理解或通过AI交流对文档进行操作等还是需要文档工具。因此这是两个不同的应用方式，它们可以结合，但并不是矛盾或互斥的关系。 Q20、定价体系思路是什么样的？为什么新的定价不会对ARPU值有帮助？答：目前，我们较为优先的目标是提高用户粘性，让用户养成使用习惯。我们已实现的功能只是一个开始。公司的云化产品PDFEditorCloud具有更新迭代迅速的优势，可以每两个星期推出一个新版本。因此，我们通过云端的方式可以增加客户粘性，提高续订率和客户增购的概率。ARPU值可能会有所提高，公司尚在规划定价。我们会做价格测试，但也会综合考虑提升价格对客户的粘性可能造成的影响。我们希望能有更多用户使用我们的产品，因此ARPU值可能不会提高太多。参考今年第一季度91%的续费率，如果我们续费率提高4个百分点，那么客户的终身价值就增长了一倍。 Q21、有了AI功能以后，成本是在增加的，后面的价格体系会跟成本相关吗？答：我们定价的时候需要综合考虑成本。定价思路不排除类似提供会员包的形式。用户若超额使用了会员包的额度后，就需要额外收钱。 Q22、我们是会员包里提供一定额度，超过一定使用额度另外收费，是这个思路吗？答：是的。 Q23、2023年以及2024年的整体人员规划？答：公司2022年的人员较上年增长了约2%。今年开始，公司员工将借助更多AI工具来提高工作效率。此外，今年还会重点增加在AI方面、新产品研发以及渠道方面的人员。我们预计今年公司的人员增长幅度与去年相比或略有提高。 ➢2023年4月27日一、问答环节 Q1、可以对公司未来2-3年内的AI规划做更详细的介绍吗？此外，国内外侧重点是什么？答：目前我们集成了ChatGPT功能的产品是在海外发布。在国内，我们和百度的文心一言已达成合作，待其API发布后，我们将进行集成。海外发布的版本包含了3个功能：文档总结、内容改写和问答交互。接下来我们会对AI产品进行进一步的功能改进和完善，比如：翻译、校对、文档信息处理优化等。我们想把通用产品端的功能做得更智能。现阶段，我们希望把AI的功能加到PDF编辑器中给客户使用，目前没有额外收费，而是在现有收费模式下以有限制的方式给用户体验新产品。未来的收费模式公司还在讨论。我们拟通过收集试用期用户的使用习惯、反馈信息等来不断完善产品和拟定商业模型。此外，我们也会通过运用AI技术走向行业市场，比如家装用到的2D图纸，可以通过AI的方式识别出房子部件，同时实现2D转3D的构图；公司投入了三年多的iDox.ai系列智能服务，基于开源的AI技术，通过训练人工智能去了解什么是敏感信息，识别出来并做脱敏脱密处理。 Q2、产品创新方面有什么规划？答：我们未来会对产品进行改造，方向是智能文档。公司深耕PDF行业多年，我们拥有深入和准确的文档信息提取技术，可以准确地把文档信息提取出来交给AI进行更进一步的处理。 Q3、公司未来是聚焦于文档文字类的处理，而不是图片对吗？答：目前公司研发团队也在做各种各样的规划，暂时还没有关于图片方面的规划，但不排除未来可能会做。因为PDF承载的内容是多样的，有文字、图片、音频、视频等。我们需要一步一步来。由于ChatGPT本身是文字型的输出，所以我们目前也是侧重文档文字类的处理。 Q4、未来希望国内外业务的占比是什么样？答：一直以来国外都是我们收入的主要来源，海外收入占比达到90%。但公司也非常重视中国市场，希望未来5年可以把国内业务做起来。我们也不排除通过外延方式实现增长。同时，国内市场要走向行业市场，需要更多合作伙伴。我们会做业务布局，未来也会寻找更多好的标的，通过投资的方式带动产业布局。 Q5、未来2-3年内，主要的发展市场还是在海外吗？答：有可能。公司国内外市场都会增长，取决于哪一边增速更快。如果是外延式的发展就会比较明显，但也存在更大的不确定性。 Q6、外延式发展是和图像或视频相关吗？答：不是，外延式发展指的是投资带动发展。另外，PDF是可以实现各种各样的内容呈现，图像、视频等都可以保存在PDF格式内，而不是说去做视频、图像处理软件。 Q7、如何引导存量客户转订阅？答：我们的目标是扩大市占率，更多地获取竞争对手的客户市场，不管是从政策引导还是销售佣金给予，都是以订阅为导向。我们在获新客的过程中，给客户订阅报价，除非客户坚持要一次性授权，这种情况我们会进行评估后再考虑是否满足。对于老客户，则是循序渐进引导。由于老客户之前使用一次性授权，我们会根据老客户的部署方式和计算机使用环境，给予一定的优惠使其接受转订阅。 Q8、公司预计订阅转型的节奏如何？答：我们希望尽快转型完成，我们了解到Adobe、Nitro等在转型过程中大概花了3-4年的时间，我们希望2-3年能大致完成。其中，收入转型会比客户转型慢，我们希望今年底能有一半的客户转订阅，但收入转型发生明显的变化则要推迟一些时间。 Q9、国内也是以订阅为主吗？接下来希望布局哪些类型的公司？答：我们在国内市场也鼓励订阅，但由于不同的国内外通用软件环境和用户使用习惯，因此国内市场的订阅增速比例没有海外市场高。资本布局方面，我们将围绕文档领域的延展进行。公司之前投资了电子病例、电子签名等，均是和PDF结合较为紧密的应用场景，未来我们也会寻找这样的资源来结合。如有一些客户群体和我们的契合度比较高，可以和公司进行资源互补等，即便不是做文档的，我们也会考虑。 Q10、国内市场集成企业方案是什么样的合作模式？比如图纸是和CAD合作吗？答：我们不是和CAD合作，像我们的家装产品是以PDF技术为底层，在PDF上画图，这是我们自研产品。如果后续找寻合作对象，我们想和友好厂商如卫浴、橱柜、家具等厂商进行合作，打造一个平台，通过智能设计软件为纽带与家装公司合作。该平台将拥有大量厂商真实的产品组件图形，设计师在设计的时候就可以直接拖拽组件到设计图纸上，一方面帮助厂商实现促销，另一方面帮助业主在设计阶段就能看到未来家装的真实效果。 Q11、在家装设计方面包括渲染等还是有技术难度的，如何理解其中的竞争力？答：我们在PDF领域深耕多年，积累了很丰富的经验。PDF的核心技术的本质是对图形图像的处理。海外厂商Bluebeam就是通过在PDF上画图实现设计，因此是可以行得通的。我们在PDF处理上也没有明显技术障碍，因此我们会更多投入在2D到3D、图像渲染等方面。后续公司也会进行更多商业模式上的探索，比如为设计师、业主、施工方之间做协同项目管理，帮助家装设计公司管理好每一个家装项目，减少成本和提升时间管理，同时也帮助我们做产品推广。福昕家装·智能设计和福昕家装·云服务是相辅相成的，最终将形成一套完整的家装解决方案。 Q12、未来国内市场行业解决方案和通用产品，侧重点如何考虑？定量的占比展望有吗？答：国内市场未来还是以行业市场为主。由于国内用户的使用和消费习惯导致国内通用市场虽然是不断增长，但总体天花板相对较低。在垂直市场，较大的几个行业，以金融领域为例，我们在调研的过程中发现这些行业对信息化的要求是不断提升的，我们也在学习和寻找可以结合的应用场景。我们认为行业市场的潜在市场空间不小于通用市场空间。 Q13、相当于国内市场是错位竞争，如果其他厂商想切入是什么样的方式？答：我们的重点还是做自己的行业解决方案，没有掌握其他厂商是否有类似的规划等相关信息。 Q14、内部是否有追踪月活数据？增加AI功能后，对海外版本有做敏感性测试吗？答：公司主要面向B端客户，很多客户为私有化部署。因此，我们很难完整统计月活数量。海外产品才刚刚上线，还没有足够的数据。 Q15、产品打折后的价格是多少？答：我们订阅编辑器含3款产品，标准售价分别是：PDFEditorPro+149美元，PDFEditorPro99美元，PDFeditor79美元。我们会根据客户不同的购买数量给予不同的优惠。优惠价目表不方便公开。 Q16、今年的渠道占比有什么目标？答：1、希望一半以上的用户采用订阅模式；2、一半以上的商机系通过渠道获取。转型体现在收入端会慢一些。 Q17、研发接入ChatGPT到产品出来时间多长？过程中需要突破的难点是什么？答：历时1个月左右。公司目前接入的是ChatGPT3.5的模型，该模型限制input的token数量不能超过4096。如果文档很大，则需要分割后分段交给AI，ChatGPT才能处理。因此其中涉及了一些技术上的处理。B端客户很在意产品的安全和稳定，所以公司在产品测试和确保产品稳定度上花了比较多精力。 Q18、定价是否有考虑ChatGPT的使用成本？答：目前先有限制地给客户使用，在此过程中了解客户的使用习惯并完善产品，提升客户体验度，不想造成客户额外的负担。具体定价公司内部还在规划。 Q19、我们试用过，如果文档很长的话是不能很好的处理，这方面会有改进吗？答：文档很长处理不了和ChatGPT有一定的关系。我们会在下个版本加强对文档的处理。这也是我们用云端产品PDFEditorCloud集成AIGC技术最核心的原因，由于Cloud版本编辑器迭代升级迅速，客户不需要做私有化部署，功能即可得到快速更新，用户体验更好。 Q20、AI助手对中文的归纳好像不太准确？答：ChatGPT对中文的支持较英文有些差距，所以我们也是集成在海外的PDFEditorCloud上。国内市场目前系通过和百度的文心一言合作，希望为国内用户提供解决方案。但我们需要等百度发布文心一言API后，才能在相关产品上进行集成。因此，公司国内的AIGC相关产品仍有待确定合适的解决方案，且存在研发成果不确定性的风险。公司提示投资者审慎决策，理性投资。 Q21、近期还有做股权激励的打算吗？答：我们已在去年中下旬发布了公司2022年限制性股票激励计划。Q22、今年的人员规划是什么样的？答：在人员方面，公司去年主要是做人员的结构性调整。我们预计今年人员会比去年略有增加，主要会引进一些资深人员补充稀缺岗位，增加AI方面、新产品的研发人员和新产品推向市场所需的销售人员。 Q23、为AI做的储备成本的量级大概是多少？答：不确定，目前还在做规划。 Q24、公司目前销售费用3个亿，投入之后每年成功获客的增长数量会有多少？答：我们原来的模式是以一次性授权为主，每一年的收入体量都是通过开拓新客获得的。转订阅后，维护老客户的成本会比开拓新客户低。 Q25、渠道分成如何？答：我们在渠道实施的是阶梯式的分成政策，贡献越大，提成越高。我们需要先让渠道获得收益，这样他们才有动力给我们贡献更多的客户。 Q26、公司会受到美国禁令的影响吗？对中国拓展会有影响？答：少部分如联邦政府这样的客户，可能会有影响。但联邦政府也不是公司的重点客户。公司主要面向ToB端客户，因此影响不大。再者，公司作为中国公司，对中国市场的拓展也没有影响。 Q27、公司的服务器都是放在美国吗？答：面向海外产品的服务器放在海外，面向国内产品的服务器放在国内。我们已跨国经营多年，产品在海外也通过了当地相关法规的认证。 Q28、介绍一下未来1-3年业务重点，国内外资源占比如何？答：在投资、外延发展方面以国内为主。但我们目前收入主要来自海外，因此研发支持和销售还是以海外为主。后续的发展会根据行业调研情况不断增加投入资源，当公司明确研发立项时才会划拨资源。 Q29、目前除了船舶、家装外，还有其他方向吗？比如电子病例什么时候能看到？答：电子病例还在立项前期，目前看到国家有很多利好大健康的政策，我们会继续跟进，但现在还没有明确大规模投入的时间表。其他行业还在起步初期，研究员在做行业调研，目前没有明确规划。 Q30、目前大客户有哪些？答：国外有加拿大共享服务局、培生教育集团、康菲石油等。国内有一汽大众、比亚迪等。 Q31、如果客户使用PDF产品，是只用福昕一家，还是混合使用？答：客户的供应商名录会有很多家厂商，比如客户有子公司，那客户可以选择统一使用某个厂商，也可以不同的子公司选择不同的厂商。比如公司客户加拿大政府有很多不同的政府机构，不同的机构可以在供应商名录中选择不同的厂商产品。 Q32、公司这一两年业绩展望？答：今年是订阅转型的第一个完整年度，受到订阅转型的影响，收入端有一定的压力。我们制定了年度综合业务额和ARR的指标，会向市场做定期披露以了解我们云转型的情况。从一季度来看，订阅转型还是比较顺利的。如果能够保持，乐观的情况下或许明年能看到收入端的恢复。但转型进展具有不确定性和慢于预期的风险。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2023-05-04

全球首部人工智能法案“呼之欲出” 拥有版权和数据资源公司将迎来价值重估

媒、华策影视。2）版权方售卖稀缺数据给大模型厂商用作训练，影视、出版均明确受益，受益标的包括捷成股份、上海电影、中国科传、中文在线、光线传媒、华策影视。

金融界2023-05-04

支持多场景问诊国内首款大模型驱动AI医生发布

日，互联网医院医联宣布成功研制国内首款大模型驱动的AI医生------medGPT，该产品目前已进入内部测试阶段，并计划于5月份正式发布。该产品采用大模型技术，基于医疗知识图谱为模型提供医疗知识，并收集整理接近20亿条真实医患沟通对话、检验检测和病例信息进行深度训练学习，同时利用医生真实反馈进行强化学习，用以保障模型的推理质量、准确性与可靠性。医联medGPT目前已经拥有近3000种疾病的首诊能力，覆盖80％以上的成年人疾病和90％以上的0-12岁儿科疾病。　　诚然，目前ChatGPT类聊天AI在医疗应用端仍在探索阶段，并不能替代医生的诊断，但前景值得期待的。　　华安证券指出，随着人工智能技术的不断发展，AI技术在帮助提高医疗服务的可及性和质量上是明显的，为患者提供更加便捷、高效、精准的医疗服务。可以预见的，互联网医疗和基层（包括药店服务）医疗服务质量在AI辅助下将得到显著提升。　　相关标的：　　互联网医疗：京东健康、阿里健康、平安好医生、思派健康、智云健康、叮当健康等；　　基层医疗（包括药店服务）：润达医疗（检验数据）、健麾信息（基层医疗建设）、益丰药房、大参林、老百姓、一心堂、漱玉平民、健之佳等。

金融界2023-05-04

高中教师养出40亿美元超级独角兽 Stable Diffusion背后数据集创建者

依赖于这种未经整理的网络数据，集成了大模型的社会偏见和限制，因此不适合公开使用。据彭博社消息，为了打造LAION，舒曼团队从亚马逊网络服务、Shopify等公司获取视觉数据，还有包括YouTube缩略图、各类新闻网站上的内容。对此舒曼表示，任何在网上免费提供的东西都是公平竞争，欧盟也没有人工智能法规。更何况，也没有人知道OpenAI实际上用什么样的数据集训练AI的。目前，LAION被迫卷入两场诉讼之中，一起是Stability AI与Midjourney等集体诉讼，被指使用艺术家的版权图片来训练他们的模型；另一起是Getty Images起诉Stability AI，称其1200万张照片被LAION取走，并用来训练Stable Diffusion。而舒曼将LAION比作大信息技术海啸之上一艘“小型研究船”，采取海下的样本向世界展示。其实早在构建数据库时，他们就在运行一个自动化过滤工具，不过舒曼感兴趣的不是清理，而是从这些资产中学习。我们本可以从公布的数据中过滤掉暴力，但我们决定不这样做，因为这将加快暴力检测软件的开发。现在更多关于监管的建议在推动，各个科技大厂也在采取相应的措施，比如英伟达就开源了护栏工具，来防止大模型来胡说八道。但在舒曼看来，数据集不应该被监控。这也正是当时创建LAION时候的初心。他还警告，如果我们试图放慢速度、过度监管，就会有很大的危险，最终只有少数大公司能负担得起所有的正式要求。前段时间，在LAION与全球志愿者的合力之下，他们完成了ChatGPT最大开源平替OpenAssistant的发布。 60万余条训练数据全部由人工生成，涵盖了广泛的话题和语言风格，一时间引发众人关注，HuggingFace也直接拿来用来构建它自己的聊天软件HuggingChat。拿着德国铁饭碗不可否认的是，他已经在用开源数据集，加剧了生成式AI的浪潮。但在舒曼的个人网站上，看到的只是一位两个孩子的父亲，在德国当着终身制公务员，游走于中学校之间讲授物理和计算机科学。舒曼拥有维也纳大学计算机科学与物理学学位。在学习这两个专业之前，他还学了心理学。（大概完成了50%的学士学位然后就转专业了）。除此之外，他还在学习表演，制作了一部关于孩子学习的纪录片「Schools of Trust」。最近，这位高中教师也没闲着，他还将作为2023年智源大会嘉宾参与邀请报告与线上论坛环节。参考链接： [1]https://laion.ai/blog/laion-400-open-dataset/ [2]https://www.bloomberg.com/news/features/2023-04-24/a-high-school-teacher-s-free-image-database-powers-ai-unicorns [3]http://christoph-schuhmann.de/ [4]https://www.infoq.com/news/2022/05/laion-5b-image-text-dataset/ [5]https://laion.ai/projects/ 来源：元宇宙之心来源：金色财经

金色财经2023-05-02

24小时热点