FX168财经网_全球视野外汇黄金加密货币NFT资讯网

李彦宏展示文心一言五个使用场景：无论哪家公司都不可能靠突击几个月做出这样的大语言模型

示了文心一言在五个使用场景的表现，包括文学创作、商业文案创作、数理推算、中文理解和多模态生成。　　在文学创作场景中，文心一言根据对话问题将知名科幻小说《三体》的核心内容进行了总结，并提出了五个续写《三体》的建议角度，体现出对话问答、总结分析、内容创作生成的综合能力。　　在商业文案创作场景中，文心一言顺利完成了给公司起名、写Slogan、写新闻稿的创作任务。　　文心一言还具备了一定的思维能力，能够学会数学推演及逻辑推理等相对复杂任务。面对“鸡兔同笼”这类锻炼人类逻辑思维的经典题，文心一言能理解题意，并有正确的解题思路，进而像学生做题一样，按正确的步骤，一步步算出正确答案。　　文学创作、商业文案创作、数理推算是大语言模型常见的优势和能力，在此基础上，文心一言还表现出更优秀的中文理解及多模态生成能力。在现场展示中，文心一言正确解释了成语“洛阳纸贵”的含义、“洛阳纸贵”对应的经济学理论，还用“洛阳纸贵”四个字创作了一首藏头诗。　　多模态生成方面，李彦宏现场展示了文心一言生成文本、图片、音频和视频的能力。有趣的是，文心一言甚至能够生成四川话等方言语音；文心一言的视频生成能力则因成本较高，现阶段还未对所有用户开放，未来会逐步接入。　　“多模态是生成式AI一个明确的发展趋势。”李彦宏表示，“未来，随着百度多模态统一大模型的能力增强，文心一言的多模态生成能力也会不断提升。” 　　据了解，目前百度是全球大厂中第一个做出对标ChatGPT产品的企业。李彦宏指出：“无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。深度学习、自然语言处理，需要多年的坚持和积累，没法速成。”

金融界2023-03-16

百度集团股价跌幅扩大至5%

席技术官王海峰出席，并展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。百度同时公布了文心一言的邀请测试方案。3月16日起，首批用户即可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。此外，百度智能云即将面向企业客户开放文心一言API接口调用服务。3月16日起正式开放预约，搜索“百度智能云”进入官网，可申请加入文心一言云服务测试。

金融界2023-03-16

百度生成式AI产品文心一言邀请测试，五大场景、五大能力革新生产力工具

事长兼首席执行官李彦宏展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。百度同时公布了文心一言的邀请测试方案。3月16日起，首批用户即可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。　　此外，百度智能云即将面向企业客户开放文心一言API接口调用服务。3月16日起正式开放预约，搜索“百度智能云”进入官网，可申请加入文心一言云服务测试。　　李彦宏在会上称，内测过程中体验的文心一言还不能算完美，为何今天发布？因为有市场需求，客户和合作伙伴在等着用这样的技术，大家都在催。

金融界2023-03-16

百度CEO李彦宏宣布正式推出大语言模型“文心一言”

席技术官王海峰出席，并展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。　　从现场展示来看，文心一言某种程度上具有了对人类意图的理解能力，回答的准确性、逻辑性、流畅性都逐渐接近人类水平。但李彦宏也多次提及，这类大语言模型还远未到发展完善的阶段，进步空间很大，未来这段时间它一定会飞速发展，日新月异。　　百度同时公布了文心一言的邀请测试方案。3月16日起，首批用户即可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。此外，百度智能云即将面向企业客户开放文心一言API接口调用服务。3月16日起正式开放预约，搜索“百度智能云”进入官网，可申请加入文心一言云服务测试。　　目前，大语言模型和生成式AI代表了一个新技术范式，是全球每家企业都不可错过的机会。百度文心一言定位于人工智能基座型的赋能平台，将助力金融、能源、媒体、政务等千行百业的智能化变革。李彦宏表示：“百度希望和大家一起，推动人工智能技术进步，让所有人都能使用最先进的生产力工具，让所有人都能从中受益。”

金融界2023-03-16

OpenAI推出GPT-4！可以解析文本和图像输入券商：商业化应用将进一步加速，背后有四大投资新路径

-2突出零样本设定，GPT-3强调上下文学习能力，参数量、训练数据量不断提升。我们预计即将推出的GPT-4或支持多模态应用，开启通往人工通用智能（AGI）之路，并有望控制训练成本，降低使用门槛。目前，ChatGPT已在C端推出ChatGPT Plus订阅计划，B端开放ChatGPT API，且成本降低为0.002美金/1000token，海外多个应用率先接入。我们预计在GPT-4带动下，未来大模型以及多模态模型的商业化应用将进一步加速，带动行业景气度持续向上。　　2、Transformer架构支撑GPT走向多模态，构筑AIGC领域核心基石　　GPT系列模型使用Transformer架构，当前基于Transformer的多模态研究为AI领域研究热点，Transformer已开始打破NLP与CV领域壁垒，有望支撑GPT系列模型走向多模态应用，构筑AIGC领域核心能力基石。我们梳理出GPT的潜在基础能力包括文本生成（分析）、代码生成、对话交互、机器翻译、图像生成、视频生成等。我们认为，前述基础能力将支撑GPT系列模型在通用与垂直领域的应用，典型应用场景如：通用领域—搜索引擎/办公软件，垂直领域—教育/金融/医疗/图像视频等。　　3、通用与垂直场景多点开花，GPT变革内容生成与交互方式　　GPT有望革新各行各业的内容生成与交互方式。基于GPT+文本&代码&对话&翻译&图像&视频，我们看好GPT类技术未来在通用与垂直场景的应用空间。例如，搜索引擎结合GPT将重塑搜索结果呈现方式，多模态的引入带来一站式的文本、图像、视频汇集结果，将大为提升用户信息收集效率。　　中金公司机构以下四大环节有望迎来新机遇：　　（1）算力方面，ChatGPT训练所耗费的算力大约为3640 PF-days，即假设每秒运算一千万亿次，需要连续运行3640天，训练大模型需要强大的算力。人工智能的跨越式发展将成为算力流量消耗的重要驱动力，未来数据中心和相关的配套产业有望实现更好增长。其中，数据中心建设有四大重点方向：　　①第三方IDC运营环节：宝信软件、数据港（与阿里合作）、科华恒盛（与腾讯合作）、奥飞数据、美利云、光环新网、铜牛信息等。　　②储能温控环节：英维克（互联网IDC空调龙头）、佳力图（绑定中国移动）、高澜股份、依米康、申菱环境、朗进科技、科华数据、润泽科技等。　　③传输网设备、光纤光缆、光模块等ICT环节：光模块领域的新易盛、中际旭创、博创科技；光器件领域的天孚通信、腾景科技、光库科技；光纤光缆领域的中天科技、亨通光电等。　　④高性能计算芯片板块：澜起科技、国芯科技、聚辰股份、兆易创新、景嘉微、寒武纪、芯原股份等。　　（2）数据标注方面，ChatGPT的训练过程加大了人工标注的力度和精度，这代表着在未来的人工智能领域，优质的数据源和强大的标注能力，将成为行业的基础设施。　　（3）NLP（自然语言处理）方面，安信证券表示，由于ChatGPT主要基于自然语言处理，因此在NLP领域沉淀较多的企业，有望率先实现功能的部分复现，NLP头部厂商将率先受益。　　（4）AIGC（人工智能生成内容）方面，ChatGPT是AIGC应用的又一个起点，随着深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，AIGC有望加速发展。

金融界2023-03-15

下一轮财富的引爆点：Web3市场的新技巧

富陈天桥的盛大集团于2008年创立盛大文学，一路买买买、起点中文网、榕树下、晋江文学城等都汇集在其名下，一网打尽占据70%的中文原创作品，成为一家具有“互联网基因”的民营图书出版公司。是互联网改变传统出版业的经典案例。 2015年，财大气粗的腾讯直接收购了盛大文学，并与腾讯原创文学板块合并成为现在的巨头“阅文集团”，两年后在香港上市。来看看他拥有的IP：《斗罗大陆》《鬼吹灯》《盗墓笔记》《琅琊榜》《全职高手》《庆余年》《左儿子》 “ 等等。 2021年和2022年的年收入约为85亿。可惜危机已经出现。曾经梦想颠覆传统出版社垄断的年轻屠龙者，摇身一变成为更大的巨龙。像阅文这样的WEB2娱乐公司已经垄断了市场的绝大部分资源。这个时候，他左手捏着原创者，右手不停地向读者和粉丝收取高额费用。除了唐家三少、西红柿、猫腻等几十位一线作者外，绝大多数创作者生活十分艰难，没有能力与阅文集团谈价：经营状况不能接受？好吧，不管你的作品有多好，我们都会推别人的小说。更可怕的是未来利用权力寻租的诱惑。好在WEB3的浪潮已经开始了。既然十几年前WEB2出版商就可以干掉传统出版社，为什么WEB3文字IP项目就不能干掉WEB2出版商呢？星星之火，可以燎原！四、如何打造文字IP的WEB3产品？阅文集团号称颠覆了传统出版社，但实际上做了三件事：1、将原来的实体书变成网络文本； 2、基于互联网数据的透明性，可以对作者的表现进行投注（按投票和点击数分为）； 3、将作品嵌入大问语版块，以后可能会改成影视和游戏。而WEB3文本IP产品可以进一步进化： 1.它定位为平台，不给自己“屠龙变龙”的机会。阅文集团是拥有作品评选和推广权的公司，是一个集权的组织。 WEB3如何引入DAO，作品的好坏，如何推广，都是由DAO社区的成员决定的，拥有最多的粉丝。 Daily Workers 正在为 DAO 社区工作。一句话概括就是：WEB3的文字IP产品应该只是一个平台，连接创作者和粉丝，没有像阅文这样的中间商赚取差价。平台的收益应该只有两个来源：与创作者协商的收益分成，以及作品本身价值增加后的投资收益。 2.对于创作者来说，每一个上传到WEB3平台的作品都可以看作是一只上市的股票，平台发行的对应作品的NFT和token就是凭证，版权注入到NFT和token中。最简单的模式是：原计划发行10万本实体书，现在发行10万本NFT，只有持有NFT的粉丝才能阅读；后续更新必须支付代币才能看到新章节；卖掉，让新粉丝进来。创作者的所有收入（销售额和版税）都写入并锁定在区块链的代码中，合约自动执行，不用担心数据被篡改。 3.对于粉丝来说，除了是读者，还有一层身份：投资人。以前我们看实体书或者网络文章的时候，唯一的身份就是读者，需要花钱消费的人，即使你看了一本书，觉得特别好，你也无法为自己获得财富前瞻性的愿景。但是在WEB3中就不一样了。如果你觉得某个IP平台的作品不错，你可以购买NFT或者对应的token。如果想看的人多了，价格肯定会上涨。这样，十多年前看过《三体1》被震撼后，你不只是推荐给同学或同事，你还买它的NFT！一起成长一起赚钱不好吗？五、总结新的叙事板块一直是每一次牛市的突破点。本文看好如何将WEB2用户分流到WEB3版块。基础设施可能会出现在twitter这样的大佬身上，导流的源头可以使用IP导流的方式与金腰带的导流方式相辅相成。 WEB3项目的IP导流包括艺术IP、音乐IP和文字IP。艺术家和创作者愿意从利润分享的角度进行推广。艺术IP在上一轮牛市中已经启动，而音乐和文字还处于早期阶段。文字和IP的WEB3模式最大的特点是先将部分粉丝和读者变成投资者，作品变成类似于股票的证券化产品，可以帮助创作者提前变现。案例中，Read2N其实是一个去中心化的优秀文字作品孵化器。交易文字作品NFT的Opensea，并不是简单的看书赚金的链游。来源：金色财经

金色财经2023-03-13

《满江红》定档北美，温哥华首映礼强势来袭！

蹈，太极，旗袍等俱乐部，还开办了少儿中文学校。每年组织超过三百场的客户和会员专属活动，大温无出其右。寰利乐于把公益慈善活动融入健康快乐活动之中，爱心奉献社会。 "寰利金融"杯高尔夫邀请赛组织慈善拍卖，所得善款全部捐赠BC省自闭症协会。寰利金融冠名赞助的多场大型文艺表演，在传播中华文化的同时又做慈善。例如"我的梦"爱心传温城慈善SHOW，把演出的部分收入在演出现场捐献给本地国际慈善机构扶轮社，用于资助小儿麻痹症项目。首映礼金赞助--丰泰超市丰泰超市成立于2001年，经过多年的打拼，已经成为加拿大华人超市大型连锁的企业之一，总部位于加拿大最繁华、经济最发达的多伦多，分部位于加西华人最聚集的城市温哥华。历经十余年创业，现已发展成为拥有8间大型连锁华人超市，经营网络遍布多伦多各大城市。总营业面积达3万平方米，经营品种达4万种；同时建立全现代化网络覆盖，实行进、销、存一体化的电脑POS机系统；年度销售额不断遽增，成为多伦多最大型华人超市零售企业之一。作为一家综合超市，其经营面积一般在60000平方米左右，拥有宽敞、舒适、明亮的购物通道和清新怡人的购物环境。各商品区域商品陈列错落有致，色彩搭配赏心悦目，生鲜食品芳香诱人，经营品种达十个门类，上万个品种，满足消费者一站式购物的需求。温哥华Knight Exotic Motor豪华车租赁，始终为您提供最佳选择。他们配备大量奔驰、宝马、保时捷、法拉利等豪车随时为您服务，提供最高品质的驾驶和服务体验。他们拥有非常灵活的租赁服务，为您提供日、周、月的短期租赁和长期租赁服务，价格合理优惠，无隐形费用。他们的车辆经过全面检查，确保您的驾驶体验无忧无虑，并提供全天候客服支持，以确保您在任何时候都能得到我们的帮助。如果您需要租赁豪华车，欢迎随时联系。他们的豪华车队和高质量的服务将会给您留下难忘的驾驶体验和美好的回忆。 FOTILE全球厨房的幸福选择，方太长期致力于为人们提供高品质的产品和服务，打造健康环保有品位有文化的生活方式，让千万家庭享受更加幸福安心的生活。 FOTILE建立在产品创新和创造功能性、时尚性和面向家庭的电器的基础上。在过去的26年里，他们的产品通过新技术帮助改善了厨房环境，消除了烹饪造成的有害气体。他们把为各地家庭创造一个健康、快乐的厨房作为自己的使命。 -CINEMA INFORMATION- 北美上映影院美国上映影院加拿大上映影院超大规模开画，北美首周预计超200+影院上映登录各大院线官网搜索部分影院已开启预售 -VIDEO- 张艺谋导演邀您观看《满江红》！不负等待，终于相见！吉时将至，请君入局！ -ACTIVITY- 联合活动邀请到大山老师担任《满江红》北美推广大使！发行方印象传媒Niu Vision Media联合大山老师在小红书、抖音等平台发起“海外华人与大山老师一同朗诵岳飞词作《满江红》”活动，助力电影《满江红》3月17日北美上映！愿北美的你我一起，用自己的力量支持中国电影！【参与方式】参与者录制和发布朗诵视频到小红书和抖音平台并添加标签#满江红北美公映，同时@印象传媒NiuVisionMedia 被选中视频将会制作成视频集锦，在官方平台以及首映活动中播放。期待您的参与！ 2023.03.17 我们在影院等你！

FX168北美分站2023-03-13

ChatGPT爆火之后 AIGC往何处去？

，还“涌现”出了其他一些智能，包括上下文学习，以及更强大的零样本和少样本执行任务的能力，等等。 GPT-3生成的文本质量非常高，有时候人们甚至难以区分文本到底是人类写的，还是GPT-3生成的。基于GPT-3，已经衍生出很多应用，人们用GPT-3来创作各种类型的文本。有人用它写了一篇新闻，被某热门新闻点评网站排到头部。一家名为Jasper的公司利用GPT-3为企业提供商业文本写作服务，2022年其收入达到9000万美元左右。 GPT-3之后，OpenAI通过增加程序代码训练和人类反馈强化学习等多种训练手段，并将主版本升级到GPT-3.5。最终，2022年11月，ChatGPT横空出世。 ▍训练GPT-3模型的三“大”要素：算法、数据、算力我们称GPT-3为大模型，这个“大”体现在哪些地方？首先是算法。GPT-3采用的是Transformer的解码器，具有1750亿个参数和2048个Token（可简单理解为单词，下同）的训练文本长度。图片来源：OpenAI团队论文《Language Models are Few-Shot Learners》第二是数据。上图是GPT-3的训练数据，总共接近5000亿个token的文本，主要包括Common Crawl、Webtext2、Books1、Book2、Wikipedia等等。其中占比最大的训练数据是Common Crawl，它是一个开源的数据集，抓取并保存了全球大量网页的数据。第三是算力。据微软发布的信息， OpenAI 使用一台全球排名前5的超级计算机系统来训练GPT-3，该系统拥有超过28.5万个CPU核心，1万个GPU和每秒400G的网络。据悉其训练成本约为1200万美元。 02 人们如何看待ChatGPT？ ChatGPT诞生以来，引发的讨论非常多。那么说回来，人们如何看待这个新事物，对它又有什么期待？虽然众说纷纭，有3个议题是被频繁提到的。 ▍人们肯定ChatGPT是一个称职的语言模型首先，ChatGPT是迄今为止最成功的人类语言模型，已经具备形式语言能力（洞悉语言的规则模式等知识）。 ChatGPT具备理解和生成人类语言文本的能力，可跟人类轻松对话。它用数据驱动的大型神经网络的计算方式，某种程度上解码了人类语言的内部规律。这个内部规律不是某种公式，而是一个神秘、暂不被人类理解的权重参数矩阵。以前，人们认为算法模型如果仅靠输入文本，很难获取关于语言的知识。但如今，ChatGPT可以从文本中直接学习语言的层次结构和抽象类别等，这是一种无监督学习的能力。此外，ChatGPT也不只是个话痨。它可以写作文、创作诗歌、撰写商业文本、翻译、做阅读理解、代码理解和生成等。可以说，作为一个语言模型，ChatGPT已经比较称职。 ▍人们期待ChatGPT具有思维能力人们对ChatGPT的期望不仅仅是语言模型，人们甚至期待ChatGPT成为一个思维机器，发展出功能语言能力（用语言思考和做事的能力）。 ChatGPT“涌现”出一些智能，包括上下文学习（理解和学习人类对话输入文字的能力）、世界知识抽象（例如事实性知识和常识）、执行泛化任务（包括没有做过的新任务）、复杂推理等。然而，当前ChatGPT的这些功能都还不算强大，出错甚至崩溃时有发生。当前，人们在思维机器方向的探索有很多，例如有一种借助思维链（Chain of Thought）的方法，试图引导或者优化语言模型展现出复杂的推理能力。这些研究方向的进展仍在持续。上图展示的是，一位科研人员在跟ChatGPT的对话中，通过分步骤提示引导的示例训练（引导过程未展示），使ChatGPT展现出分步骤思考和计算的能力。据分析，ChatGPT的这个能力来自GPT-3.5模型本身，思维链训练方法只是让它意识到应该用这种方式来思考和回答问题。整个过程有点类似老师辅导学生做题。虽然这道题对于10岁的孩子来说很容易，但对语言模型来说却很难，主要是由于数学和语言混合在一起。这类问题只是开始，当前思维链的前沿科研工作已经转向更有难度的问题，例如高中、大学，甚至是国际数学奥林匹克问题。加利福尼亚大学洛杉矶分校(UCLA)近期的一篇论文发现，ChatGPT似乎展现出了类比推理的能力。什么叫类比推理？推理分三种，包含演绎、归纳、类比。“类比推理通常被视为人类抽象和概括能力的典型能力。在广泛的问题类型中，ChatGPT达到或者超越人类水平...显示出这种零样本类比推理的能力。” 然而，ChatGPT的推理能力因其对世界缺乏物理理解而受限，因为它仅仅依靠文本输入，缺少视觉（图像和视频）、声音、嗅觉等多模态数据输入。文本对世界的物理描述是有限的，比如你很难通过文字描述清楚一间屋子里不同物品的位置具体，相反，看一张关于这间屋子的图片，物品的位置信息就一目了然。听说GPT-4将于2023年发布，届时会加入视觉等多模态数据输入，这将有望进一步提升它的智能。 ▍对于ChatGPT能否成为“人类大脑”或通用人工智能，人们持有巨大争议目前，针对ChatGPT是否能够变成“人类大脑”或者通用人工智能（AGI），争议还非常大。Yan Lecun是深度学习的三巨头之一，他也是Meta（原Facebook）公司的首席AI科学家。他认为机器和人类不一样，人类会在心智里面构建一个虚拟世界，进行推理和模拟，这点目前机器做不到。著名语言学家乔姆斯基在2019年的一次采访中提到，深度学习更偏工程，有点像推土机，可以使用，但它没有能力告诉你人类语言的任何事情。（注：ChatGPT这类语言模型可以输出很精彩的文本，但是我们没有确凿证据证明它真正掌握了语言的规律，当然也有可能是它掌握了规律，但人类无法理解。） Kyle Mahowald等学者认为，“擅长语言” 未必 “擅长思考”。虽然人类的语言和思想是不可分离的，但专⻔处理语言的人脑区域，与负责记忆、推理和社交技能的人脑区域是分开的。因此不应该对语言模型有过多期望。 Kyle Mahowald提到了一个GPT-3没能理解的失败案例：怎么把沙发放到你家屋顶上。就像我们在上文提到的，屋顶、沙发、起重机等更偏世界的物理知识，对于人类来说，很容易就想到用各种办法把沙发放到屋顶上去，但你很难让ChatGPT理解这样的操作思路。这个例子也说明世界物理知识的输入，特别是视觉等多模态数据输入的重要性。 03 背后的技术和发现很精彩，也还有很多发展空间讲完ChatGPT究竟是什么，我们再来讲一下背后的技术。我们在上文提到，ChatGPT相当于用“文字接龙”这样简单的技术原理来训练和使用语言模型，从而实现跟人类的高质量智能文本对话。这个技术原理，理论上是有升级和改善机会的，从而可能达到更好的效果。在神经网络参数量方面，业界有人认为有优化空间，例如是否可以用参数量较小的模型达到同等效果。2048个token文本输入窗口的设计及计算机制，也可能有优化空间。例如当前有人试图让ChatGPT写推理小说，但推理小说里面的推理线索往往不易察觉且距离较远（例如好几个章节之前的一个小线索），这个距离远远超出2048个token文本的窗口，如何把当前窗口之外的知识信息容纳进来，也存在优化可能。整体而言，作为底层算法模型的Transformer在2017年6月才诞生，现在还处在发展早期，在快速迭代和改进完善之中，应该还有很多发展空间。此外，前面提到的多模态数据输入，会给GPT-4带来什么样的能力涌现和性能提升，也是业内人士和群众翘首以待的。 ▍人类可以从ChatGPT中学到什么关于语言的规律？在对人类语言的探索上，ChatGPT比以往的任何产品都走得更远更深。我们人类可以从ChatGPT身上学到什么？ Stephen wolfram这名科学家认为，人类语言可能没那么复杂，只是因为我们人类没有能力理解和掌握其背后的规律；而ChatGPT用基于神经网络的算法，成功解码了人类语言的本质。据OpenAI公开的GPT-2的论文，GPT-2的训练数据是纯英语文本（做了非英语文本过滤）。即便如此，它还是显示出一些多语言能力，并且展现出非常出色的法英互译能力，尽管只是接受了10MB左右残留的法语文本训练数据。这个现象引发了人们的思考，当前人类在语言学习方面花费大量的时间和精力，这个学习效率是不是有提升的空间？我们能不能向语言模型学习，更加有效率地学习人类语言？ ChatGPT在生成文本时，是每次选择一个词，这个词是在语言模型给出的概率表中做出的选择。当前科研人员的发现是，如果每次都选择概率最高的词汇，理论上是最优解，最后呈现却往往是一篇非常普通的文章；如果不是每次选择最优解，例如随机选择排名稍微靠后一点的，却有更大机会生成一篇精彩文章。这也是个有意思的未解之谜。以前，我们可能认为创作一篇散文或者一首诗，背后是人类精心的构思和创造。但对于AI而言，创作意味着概率和选择，我们认为的精彩文章创作原来只是AI枯燥的选择过程而已。由ChatGPT反观，可能人类对语言本身的奥秘还知之甚少。 ▍语言特征空间的单词分布 GPT把文字向量化了，建立了语言的高维特征空间，也称为隐含空间（Latent Space）。 GPT-2中每个词是一个768维的向量，GPT-3中每个词则是12288维的向量。每一个维度代表着一个属性，相当于GPT-3用1万多种属性，来描述人类语言中的词汇特征。 Stephen wolfram试图打开人类语言的特征空间，来观察其中的规律。他选择规模较小的GPT-2的特征空间，把它映射到人类比较容易理解的二维空间，从中发现了许多有意思的现象。比如，crocodile鳄鱼和 alligator短吻鳄离得很近，苹果跟梨聚在一起，这个可能容易理解。有趣的是，词汇之间的关系，还能从向量加减操作中反映出来，比如皇帝（King）的向量减去男人（man）的向量，再加上女人（woman）的向量，就变成了女皇（Queen）的向量。另外，他还试图在GPT-2的语言特征空间中，寻找每次生成一个句子的游走规律，我们能从上面这个图片中，看到GPT-2是怎么在768维度的空间中游走并陆续做出下一个词的选择，但是很遗憾他还没有找到其中的规律。虽然从高维映射到二维中丢失了很多信息，但是未来如果能结合多维空间中的向量，我们可能会发现更多关于语言的规律。 ▍Transformer神经网络算法架构及注意力机制 2017年6月，Google发表了非常著名的Transformer论文，论文标题是《Attention is all you need》，意思是说你只需要注意力机制就足够了。图片来源：知乎@雅正冲蛋 Transformer神经网络算法架构的框图如上，如前文所述，左边部分是编码器，右边部分是解码器。Google研发的BERT用的是编码器，而OpenAI的GPT系列用的是解码器。在AI领域，有四大类神经网络算法，包括MLP、CNN、RNN、Transformer。MLP是多层感知器，CNN是卷积神经网络，RNN是循环神经网络。 Transformer是最新的算法模型。在一些场景中，它正在逐渐替代CNN和RNN。Transformer的特征提取能力比较强，擅长长序列处理、并行计算、多模态处理等。Transformer的注意力机制有点像人一样，选择性关注，因为资源有限，只会关注最重要的事情。 Transformer已经被广泛应用在自然语言处理、计算机视觉以及生物科技等领域。生物科技行业用来预测蛋白质三维形状的Alpha Folder算法就是基于Transformer算法模型来做的。 ▍哪个模块是GPT-3储存智能的地方？ GPT-3模型发布时，OpenAI团队发布了论文《Language Models are Few-Shot Learners （语言模型是少样本学习者）》。上图是GPT-3模型的框图，它基本上跟Transformer 的右边部分的解码器是类似的。无论是预训练还是推理（做任务），都是从框图的最底部输入前面部分的文本（GPT-3模型最大的长度是2048个token），然后经过12次运算，从Text prediction输出下一个词概率预测（Task Classifier是微调训练分支，在此不详述）。一个有意思的话题是，GPT-3用1750亿个参数，去学习接近5000亿单词的文本，显然它不是简单地把3个单词存在1个参数中去，而是大抵掌握了一些语言规律且抽象了某些知识和能力。那么，问题来了，这些规律、知识和能力到底存在哪些地方呢？有学者认为，1750亿参数主要集中在框图中的注意力处理层和前馈网络层，前者的值是动态计算的（每输入2048个token，就重新计算一次），它们是数据相关的动态权重，因为它们会根据数据动态变化。而前馈网络层的权重是随着训练过程而缓慢变化的，因此，有学者猜想在前馈网络层中存储着GPT发现的语言规律、知识和能力等，因为要经过12次运算，运算次数越靠后存储的信息越抽象。 Stephen wolfram把GPT-2的某个前馈网络层存储的768*768维度的权重参数矩阵提取出来，压缩到64x64尺寸，就形成了如下一张神秘的图像，代表着GPT-2总结的神秘的人类语言编码规律及其他一些知识和能力的一部分。很好奇什么时候科学家可以逐步解密其中的部分内容，相信对于人类提升自我能力有好处。图片来源：writings.stephenwolfram.com 04 未来，ChatGPT能否进化出自我意识？和AI相比，自我意识和自由意志可以算作是人类最后的堡垒。但是有一种观点认为，人类其实没有所谓的自由意志。人类有两个自我，一种是体验自我，另一种是陈述自我。体验自我，负责相对“机械”地解读信息、作出决策；陈述自我，则负责对体验自我的决策进行解释和表述，有时甚至会虚构故事来“欺骗”我们自己。所谓的自由意志，不过是陈述型自我给自己编的一个故事而已。一些科学家和学者认为，理论上，我们可以构造出一个自我模拟的自指机器（Self-referential Machine），让它也具备两套体系，一个负责执行算法，另一个则专门负责对自我进行模拟（描述，或者可称为在内嵌虚拟世界中模拟自我）。这种机器会表现得就“像”一个具有自我意识的系统，以至于我们可以用这样的系统来定义所谓的“自我意识”。在古代欧洲，有一种传说中的衔尾蛇，能够自己吃自己，实现持续进化。后来，有人提出哥德尔机（ Gödel Machine）的设想，认为只要程序能够模拟自身、改造自身，那么我们就可以将其称为具有自我意识的。此外，还有Quine程序结构、克莱因Kleene第二递归定理等也提出和支持了与之相似的假设。图片来源：维基百科我们很难预料，未来机器是否能进化出自我意识。 05 生成式AI领域的其他进展需要指出，当前讨论的生成式AI，跟之前的分析式AI是有较大不同的。分析式AI的主要能力是分析，例如：数据分析、趋势预测、商品推荐、图像识别等，而生成式AI主要的能力是创造，例如：写诗、绘画、设计产品、编写代码等。当前除语言模型外，生成式AI领域的其他进展还包括图像生成模型等等。未来，多模态（文本、图、视频等）对齐、融合、理解和生成等方向的进展，意义也非常重大。关于图像生成模型，不得不提的是扩散模型（Diffusion Model）。它主要解决通过文本生成图像及其他媒体格式的难题，业内知名的扩散模型包括：DALIE2、Stable Diffusion等。图片来源：Denoising Diffusion Probabilistic Models 06 生成式AI相关的6点创业思考与建议 2022年，大语言模型爆发。据统计，2022年，平均每4天就有一个新的大语言模型问世。生成式AI技术也在持续引发人们对一些知名的模型层平台和应用的访问，数据增长很快，投资火热。2019 年至2021年期间，流向生成式AI业务的资本增加了约130%，其中文本和写作增长630%、图像增长400%、数据增长 370% 、音频/视频增长350% 。图片来源：A16Z 上图是投资公司A16Z总结的生成式AI的行业堆栈。底层深蓝色的部分是基础硬件和云平台，中间蓝色的部分是模型层，再往上浅蓝色的部分是应用层。在应用层，有的创业公司自身只做应用，模型能力则是调用外部的；还有一类叫端到端的应用模式，它会自己做模型，但一般不做大模型，或者在其他大模型基础上微调出自己的模型。在模型层，有开源模型和闭源模型。深蓝色部分的Model hubs是用于模型存储和训练的第三方平台。当前应用层的增长比较快，主要是由AI赋能的新型应用案例所驱动，主要集中在图像生成、文案写作和代码编写，三个类别各自的年收入已超1亿美元。关于生成式AI的创业，我有6点思考和建议：第一，目前，与AI相关的科研、工程、产品和商业化，都在同时快速迭代，变数很大。这个过程中，会出现不同的技术分支和业务路径，如果选错了技术分支和业务路径，再掉头就很麻烦。这就需要创业团队既懂技术又懂业务，在创业初期努力做出正确选择。第二，对创业公司而言，从应用层或者端到端的应用层切入，可能是相对能降低风险的做法。模型层有少量机会，但不一定适合大部分的创业者。第三，应用层在做商业模型设计的时候，要警惕模型层的边界。以Jasper公司为例。2020年在GPT-3模型基础上，Jasper衍生出付费商业文本写作的商业模式。到了2022年底，ChatGPT向用户免费开放，给Jasper带来较大的压力。尽管OpenAI未必会以商业文本生成作为自己的主要商业模式，但它平等赋能了入场的其他竞争者。Jasper需要展现出有竞争力的技术积累与业务纵深，才能稳住脚跟。第四，把AI技术应用到产业场景，可分为新模式和旧模式改造两类方式。新模式是指创造之前没有的全新的应用场景，旧模式改造则指在现有产业场景里用AI技术来改造部分环节，或者团队带着深度行业认知和新的AI技术在成熟的产业场景中创业。新模式和旧模式改造，都存在巨大的机会。在峰瑞已投企业中，有好几家企业在垂直产业的场景中做业务创新。比如线上心理咨询平台阁楼、短视频及直播SAAS服务企业特看科技、线上健身私教平台BodyPark，都在积极使用生成式AI来赋能自己的业务。本周六（3月11日），我们将邀请这3家公司的创始人来分享他们的探索和发现，欢迎参与。第五，AI还面临科研知识快速溢出的问题，因此找到自己的壁垒很重要。创业公司一定要想清楚自己未来的壁垒在哪里，比如到底是数据壁垒、工程壁垒（例如模型微调）、场景壁垒，还是规模壁垒等等。在应用层创业，仅依靠外部模型层提供的能力，是无法形成壁垒的。第六，应用层的创业，应该是“技术为先、场景为重”。 “技术为先”，是指虽然通用AI技术未必是你的核心壁垒，但团队一定要懂技术，才有能力思考如何更早更好地把技术应用到合适的应用场景里，做出好用的产品。 “场景为重”，意味着最后的产品和业务需要找到合适的落地场景，建立自己的商业模式，并在场景里形成自己的核心竞争力。 07 生成式AI行业的未来格局展望和猜想最后来聊聊对AI行业格局的未来展望和猜想。这个部分我参考了奇绩创坛陆奇博士之前的一个思考框架。 ▍以AI和大模型为中心的新IT 新的硅基硬件产业：硅基产业架构和集合可能迎来新的发展机遇（例如：新的计算芯片及周边技术和产业等）。新的软件和云服务体系：算力、模型和数据的云服务、基础软件、ML&Dev Ops、人机互助编程工具等。 ▍新的基础智能终端设备：智能传感器、新型手机等未来的智能终端会越来越智能，最近苹果公司官宣支持Stable Diffusion图像生成模型在iPad等终端上运行，也有工程师把经过裁剪的Stable Diffusion应用在iPhone上运行起来，可以预见以后我们的手机美颜和照片生成可以达到何等出神入化的境界。此外，当前的翻译软件技术，在语义理解方面还是比较浅，翻译质量差强人意。如果可以把类似ChatGPT这样的语言模型能力嵌入到智能终端中去，随着文本和语音的实时翻译成为可能，跨语言交流将变得很方便，这对于提升人类之间的交流效率意义重大。 ▍围绕内容创作展开的产业文、图、视频、3D等各种媒体格式的AI内容创作工具，是当前可以看到创业机会较多的新产业。以ChatGPT为代表的语言模型的文本生成技术，和以扩散模型为代表的图像视频多模态生成技术，可能会对内容产业产生深远的影响。从PGC到UGC，再到如今的AIGC，内容领域会有更多新变化与新玩法。从媒体行业发展情况来看，当前头部的内容媒体平台比如抖音快手B站是所谓的Web2.0平台，普遍采用UGC方式为主来生产内容，但是随着AI生产内容（AIGC）的出现，AI可以生成大量优秀内容，成本较低、效果精良，而且甚至不乏创意，这个情况下内容媒体平台和行业就有可能出现较大的变化。 ▍围绕语言模型展开的产业在这个领域，新的机会可能包括：语言学习范式改变，重塑跨语言沟通方式，更友好的人机界面等。其中特别值得一提的，是语言学习范式的改变。如前文所述，如果我们可以打开语言模型，从中寻找到语言学习的规律，说不定可以帮助我们更有效率地学习语言。事实上，OpenAI投资了一家韩国的英语学习APP叫Speak。从有限的公开信息来看，这家公司未来的产品是一个语言学习助手，或者叫做虚拟语言老师——借助语言模型的能力和发现的语言规律，去帮助人们更好地学习外语，而且成本极低。跨语言沟通的技术目前还不成熟。如前面所说，如果我们能够把语言模型加载到智能终端，可能会极大改进跨语言沟通的能力。因为语言模型足够强大，未来我们的人机界面，会采用更友好的自然语言人机界面，无论是跟APP对话还是跟智能硬件对话。 ▍围绕思维模型展开的产业不妨畅想一下，更聪明的软件（或机器人）、科研服务、 “知识工程”、“世界大脑”等。当前的软件产业，即便有AI的加持，通用性和智能程度还是不尽如人意的，大多数情况下只能做一些特定的任务，只能成为人类的效率助手；随着更加通用的AI能力出现，软件也可以像人类一样思考和做事，可以想象软件就可以帮助人类承接较为完整的任务了。如果AI可以发展出接近人类的思维能力，它也许可以成为人类科学家的科研助手，因为AI可以不知疲倦，且可广泛使用。当前，我们很难想象AI可以达到人类顶尖科学家的水平。打个比方，你让它去证明下哥德巴赫猜想，应该还是很不现实的。当然也有其他可能，如前文所述，如果AI程序可以实现自我优化，具备迭代自己的算法和技术的能力，相信它的智能会很快赶上来。如果我们展开想象，就可以有更多的可能性。例如“知识工程”，如果把人类的知识建模，然后让人类以某种方式可以调用或者学习，那么就不用经过“痛苦”的学习过程。“世界大脑”，是指规模极大的思维模型，它可以帮助我们执行各种重要的计算和思考。不过，如果真的发展到这个地步，可能离电影《黑客帝国》里边的Matrix就不远了。 ▍赋能人类，深入改变各行各业（特别是知识工作者）语言是人类最主要的沟通方式，是知识和思维的主要载体；而深度思维是人类的高阶能力，也是人类不同于其他物种的最重要的能力。如果AI掌握了这两种能力，就基本具备了在某种程度上赋能或替代一部分人类知识工作者的可能。类似于自动化生产制造设备赋能传统工业，各类AI模型和应用软件也将有机会更好地赋能各行各业。但是不同于制造行业，大批量使用的软件，其边际使用成本是非常低的，而且它很聪明、善学习、会思考、会交流，应该会有大量的应用场景有待开发。这里边有非常多的创业机会，也会给各行各业带来新的发展动力。 08 写在最后，为什么AIGC不会是短期风口？首先，ChatGPT是语言模型领域的重大进展，鉴于语言对人类沟通和思维的重大意义，语言模型本身具备很强的通用性，以及人类可以通过研究语言模型获取语言及知识的学习规律并得到效率提升，这些都会持续带来长期的创新机会。第二，AI在思维机器这个方向上还有更远的路可以走。例如，如果AI能够实现良好的多模态信息输入，增加对物理世界的理解，可能可以“涌现”出更多的智能。这个方向的任何进步都意义重大。第三，与AIGC相关的底层技术原理和算法都还处在发展早期，未来还有很长的迭代和优化机会。一切，才刚刚开始。来源：金色财经

金色财经2023-03-10

AIGC CHAIN“AIGC+WEB3”的模式加速推动创作者经济爆发

黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。此外，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。而目前AIGC Chain的核心算法来自于Oben 团队，这是一家2014年在洛杉矶创建的、专注研发人工智能的科技公司。Oben已经为全球大量企业级客户和亿级体量用户提供了核心技术支持与服务，并开发了众多由 AI 驱动的产品功能，已获得多项 AI领域的技术专利。资深的AI团队成为了AIGC Chain在AIGC领域“发光发热”的“敲门砖”。将于今年3月开启测试节点申请的AIGC Chain的核心算法团队Oben非常还有着不俗的投资背景，它已获得来自腾讯、软银、K11等众多顶级投资机构数千万美元的投资。提及K11就不得不提其集团创办人及主席郑志刚。2022年8月，郑志刚在推特上发文，大方承认自己就是持有101 枚Azuki NFT 的神秘巨鲸—「LastKnight」。作为NFT巨头，Azuki的持有者已经成为了NFT社区中最活跃的买家之一，Discord讨论群的活跃人数随时都在万人以上。如果K11发动Azuki与AIGC Chain进行联动，将会引发NFT内容呈现形态的变化。并且NFT其实具有很高的可塑性及庞大的用户群体，AIGC可塑性高及低成本也会使得未来NFT通过AIGC再创作成为必然趋势。在Azuki这种巨鳄的带动下，AIGC Chain将会获得更多NFT项目的合作机会，并涌入大量的使用者。来源：金色财经

金色财经2023-03-08

Web3 中的“硬核”女性：她们创建了哪些项目？

Stark 拥有布朗大学国际关系专业的文学学士学位，并在哈佛大学法学院获得了法学博士学位。在进入加密世界之前，她更像一个学者，曾担任耶鲁信息社会计划的研究员，耶鲁大学计算机科学的讲师，纽约大学的兼职副教授，以及斯坦福StartX 的驻场企业家。 2014年，Elizabeth Stark 正式进入加密世界，创办了StartBitcoin.org；2015年成为加密货币政策研究机构 Coin Center 的研究员，倡导实施针对加密货币和其他去中心化技术的良好政府政策；2016 年共同创立了Lightning Labs。 Lightning Labs 开发了为闪电网络提供动力的软件。其开源、安全和可扩展的系统使用户能够比以往更有效地发送和接收资金。此外它还提供一系列可验证的、非托管的基于闪电网络的金融服务。 Elizabeth Stark 在创业后也并没有切断与学术的联系，还在兼任耶鲁大学信息社会项目的访问学者，并在耶鲁大学任教。作为 Thiel Fellowship 的导师，她还致力于为 23 岁以下打算辍学从事其他项目的学生提供支持。何一，币安联合创始人兼 CMO、Binance Labs 负责人推特：@heyibinance 从全球交易所格局来看，币安无疑占据了核心地位。而作为联合创始人兼 CMO 的何一，在币安发展过程中发挥了不可或缺的作用。币安起初并不知名，但何一借助多项市场营销活动成功帮助它获得早期所必须的市场热度和用户量。2017 年底上线五个月之际，币安交易量排到全球 Top3，用户数量超 200 万。此后币安更是一骑绝尘。而在币安奠定坚实的交易所头部地位之后，何一开始负责 Binance Labs，借助币安资源寻找、帮助、孵化更多的早期优质加密项目及创始人。作为业内资管规模最大的风投机构之一，Binance Labs 不仅投中一大批在关键垂直领域中的早期项目，也为 Web3 加速进入主流做出了重要贡献。 Jinglan Wang，Optimism 联合创始人兼 CEO 推特：@jinglejamOP Jinglan Wang 最初对加密世界感兴趣是因为麻省理工学院比特币俱乐部，而为了更好地了解比特币，她果断选择转入计算机专业。从 2015 年开始，Jinglan Wang 醉心于以太坊的可扩展性研究。2019 年她参与创立非盈利研究组织 Plasma Group，这就是 Optimism 的前身。 Optimism 是一个利用 optimistic rollup 技术的以太坊 L2 解决方案，它大大降低了成本和交易时间，同时保留了以太坊的安全优势。2022 年 3 月，Optimism 估值达到 16.5 亿美元成功挤入加密独角兽行列。同年 6 月它正式推出治理代币 OP 并启动大规模空投，整个 crypto 为之沸腾。 Elena Nadolinski，Iron Fish 创始人兼 CEO 推特：@leanthebean Elena Nadolinski 毕业于美国弗吉尼亚理工大学，十几岁时就被美国白宫认定为计算机科学界的新星，曾在微软实习，并被热门的初创公司 Tilt 聘为工程师，然后在 Airbnb 从事软件开发工作。在 2017 年的 Ethereum-Google 之后，Nadolinski 开始对加密世界产生强烈的兴趣，大量阅读白皮书并与创始人、协议开发人员和工程师交流。她开始参加黑客马拉松和聚会，提出问题、提供解决方案、结交朋友。之后，Nadolinski 选择全职创业，并创立了Iron Fish。 Iron Fish 是第 1 层区块链，旨在成为所有 Web3 的通用隐私层。Iron Fish 使用零知识证明 (zk-SNARK) 和行业最高的加密标准，使用户能够进行完全私密的交易，成为所有区块链的真正 SSL 层。 Gloria Zhao，比特币核心维护者推特：@glozow （Gloria Zhao 虽然不算严格意义上的创业者，但作为比特币项目的代表之一，其经历同样“硬核”） Gloria Zhao 出生于美国加利福尼亚州，2020 年毕业于加州大学伯克利分校计算机科学专业。她还是英国支持比特币发展的非政府组织 Brink 的研究员。2020 年，Gloria Zhao 被 Brink 授予首个奖学金。自那之后，她一直积极致力于 Bitcoin Core，主要负责内存池和验证代码方面。去年 7 月， Gloria Zhao 成为第六位拥有 Bitcoin Core 提交权限的开发人员。而自 2009 年比特币问世以来，仅有 17 人获得过代码修改权限，Gloria Zhao 也是第一位拥有这一权限的女性。另据《华尔街日报》近期的一篇报道，Gloria Zhao 是最有希望成为比特币首席维护员的继任者。 Natalia Ameline、Elena Sinelnikova，Metis、CryptoChicks 联合创始人推特：@Natalia_Ameline @ElenaCryptoChic 左边为Elena Sinelnikova，右边为Natalia Ameline Natalia Ameline、Elena Sinelnikova 是以太坊扩容方案 Layer-2 Optimistic rollup 网络 Metis的两位联合创始人，同时也都是非营利性国际女性区块链教育中心 CryptoChicks 创始人。 Elena Sinelnikova 拥有计算机科学硕士学位，专长是区块链、网络安全和全栈编程。同时是软件开发团队负责人，区块链教育家，MaxGapPlus、Jupiter Vision 等项目的区块链顾问。 Natalia Ameline 是一位有着多行业经验的高级财务主管，拥有计算机科学和工商管理硕士学位以及 CPA/CMA 会计资格，擅长战略财务规划、决策支持、运营管理和变革管理。Natalia Ameline 早年在联合利华担任财务分析师，后加入全球知名航运公司 Pitney Bowes 并任职 18 年，从财务经理一直升任到财务高级主管、全球商业分析高级总监。除了 Metis、 CryptoChicks 联合创始人的身份外，Natalia Ameline 有一个备受关注的身份——以太坊创始人 Vitalik 的母亲。 Kathleen Breitman，Tezos 联合创始人推特：@_kathleenBreit Kathleen Breitman 毕业于康奈尔大学，2014 年与丈夫 Arthur Breitman一起发布了 Tezos 白皮书，并于 2016 年 10 月正式启动 Tezos 。此前，Kathleen Breitman 在由近百家金融公司组成的区块链联盟 R3 担任高级战略助理，还曾在埃森哲、Bridgewater 协会、《华尔街日报》任职。 Sandy Peng，Scroll 联合创始人推特：@SandyPeng1 Sandy Peng 毕业于剑桥大学，硕士毕业于伦敦政治经济学院，曾在香港证监会从事研究方面的工作，17 年开始开始从事 Web3 项目投资方面的工作，之前也做过游戏、产品类的项目。目前在 Scroll 团队负责非技术领域的工作。 2021年初，Sand 与 Ye Zhang、Haichen Shen 共同创立了以太坊扩容项目 Scroll。近期，Scroll 以 18 亿美元估值完成 5000 万美元融资，Polychain Capital、Bain Capital Crypto 等参投。 Kathryn Haun，Haun Ventures 的创始人兼 CEO 推特：@katie_haun Kathryn Haun 毕业于斯坦福大学，曾在美国司法部工作十年之久。2014年创建了美国政府首批加密货币工作组之一。2017年，Kathryn 离开政府加入 Coinbase 董事会，她在那里还遇见了 Chris Dixon，之后便离开 Coinbase 加入 a16z，成为加密部门的普通合伙人，共同推出并扩大了世界上最早和最大的专用加密风险基金。在和众多有着企业家精神的优秀的创业者和建设者共事之后，Kathryn Haun 在 2022 年创办了自己的加密投资公司 Haun Ventures，旨在帮助创始人构建下一代互联网。目前已经筹集了 15 亿美元的资金来支持 web3.0 的发展。据 RootData 数据，Haun Ventures 自创立以来已出手投资 12 笔，投资组合包括 OpenSea、Aptos 等明星项目。 Morgan Beller，NFX 合伙人、Diem 联合创始人推特：@beller Morgan Beller 毕业于康奈尔大学，获得统计和信息科学学士学位。Morgan 是 Libra 的联合创始人，也是 Facebook 用于 Libra 支付系统的数字钱包 Novi 的战略主管。她最初于 2017 年加入 Facebook，并负责 Facebook 在区块链、加密货币和去中心化技术上的战略。此前，她在 Medium 负责企业发展，领导了对 Embedly 的收购，并在制定 Medium 的订阅战略方面发挥了关键作用。Beller 还曾做过 a16z 合伙人，在 eBay 担任买家体验的产品经理等。 Morgan 于 2020 年加入专注于初创公司的风投机构 NFX，担任合伙人和加密投资基金主管。据 RootData 数据，NFX 投资组合数量为 24 个，投资过的项目中不乏 Celestia、Sui 等明星项目。 Cheryl Liu，Deeper Network 联合创始人 Cheryl Liu 是一名优秀的连续创业者，毕业于美国怀俄明大学，她还拥有数学结构学博士学位。在进入区块链领域之前，她曾在教育领域工作，并创立了线下学校，有着丰富的创业经验。直至后来接触了区块链，于2017年创立了链全科技咨询有限公司，才开始在区块链领域大展手脚。 Cheryl Liu 同时也是 Deeper Network 的市场合伙人和联合创始人。Deeper 作为 Web3 基础设施，为用户提供企业级防火墙、隐私保护和去广告等功能。 Marina Guryeva，Neon Labs 创始人兼 CEO 推特：@mariaveirug Marina Guryeva 自 2015 年以来积极参与区块链领域，曾为投资区块链的初创公司 CyberFund 的董事；后于 2019 年加入基于区块链的社交网络 Commun，担任总监领导由自治社区运营的基于区块链的社交网络。 2021 年，Marina 创立了 Neon Labs，致力于将 Solana 的可扩展性和低交易成本带入以太坊生态系统。在进入区块链行业前，Marina Guryeva 拥有丰富的市场公关和战略规划经验。 Leah Wald ，Valkyrie 联合创始人& CEO 推特：@LeahWald Leah Wald 是一位经济学家，擅长资产管理。她毕业于以色利海法大学，还曾在北京大学留学学习国际经济与汉语，后陆续攻读了美国乔治敦大学、Pitzer 学院的国际政治与经济硕士和 IE 商学院管理学硕士。从 IE 商学院毕业后，Leah Wald 先后从事了非政府组织、世界银行和资产管理工作。2020 年8月，Leah Wald 创办了专注数字资产经济的资产管理公司 Valkyrie，并于 2021 年 10 月成为在加拿大证券交易所上市的加密投资公司 Cypherpunk Holdings 的董事会成员。此外，Leah Wald 还是《福布斯》的特约撰稿人，曾与人合著过《超波理论：金融市场的流氓浪潮》。 Linda Xie，Scalar Capital 的联合创始人兼管理合伙人推特：@ljxie Linda Xie 是 Scalar Capital 的联合创始人兼管理合伙人。此前，她是 Coinbase 的早期员工和产品经理，负责构建内部工具，包括合规、欺诈和财务系统。在加入 Coinbase 之前，她是 AIG 的投资组合风险分析师，她也是 0x 的顾问。Linda 拥有加州大学圣地亚哥分校的经济学学士学位。 Linda Xie 与 Jordan Clifford 在 2017 年创办了专注于加密资产的对冲基金公司 Scalar Capital。据 RootData 消息，Scalar Capital 投资了 YGG、Aztec、dYdX、Aleo 等一系列明星项目。 Galia Benartzi ，Bancor 联合创始人推特：@galiabenartzi Galia Benartzi 是一位连续技术创业者。她拥有达特茅斯学院的比较文学学士学位、SAIS 约翰霍普金斯大学的国际经济学硕士学位。 2005 年从大学毕业后，Galia Benartzi 便参与创办智能手机社交游戏公司 Mytopia；2010 年，又创办 Particle Code 用于移动应用的跨平台开发技术，后被 Appcelerator 收购；2013 年，她从硅谷搬到特拉维夫，作为 Founders Fund 的风险合作伙伴，支持和投资以色列当地技术发展。2017 年 3 月参与创办去中心化的链上自动做市商 (AMM) 网络 Bancor 协议。Galia Benartzi 也是 Powder Mountain 创始成员，对分布式技术、女性赋权、自然健康与植物充满热情。 Rebecca Liao，Saga 联合创始人兼 CEO 推特：@beccaliao Rebecca Liao 曾于斯坦福大学学习经济学，并就读于哈佛法学院，是一个从业多年的律师。曾担任 B2B 行业独角兽 Globality 业务发展总监和亚洲区负责人，曾在美国克林顿外交政策团队任职并专注于技术政策方面。她还曾联合创立 Skuchain（年交易量超过 50 亿美元，被世界贸易组织评为贸易和供应链金融领域三大区块链公司之一）并担任顾问和前 COO。 Rebecca 目前还是 Sommelier Protocol的顾问，她正在为该项目设计 DAO。她还是斯坦福大学法律、科学和技术项目的研究员，制作并主持 global-public-policy 播客。 Rebecca 于 2022 年初创立 Saga，该协议重新构想了开发人员和最终用户与区块链的交互，着眼于可扩展性、主权和易于设置的特性，帮助将启动专用区块链变得像部署智能合约一样简单。 Grace Wang、Helena Gagern，Salsa 联合创始人从左到右分别为Helena Gagern、Grace Wang Salsa 是一个 Web3 消息传递平台，可使用链上数据个性化电子邮件和应用内消息。用户可以个性化他们的公告体验，社区管理员可以使用钱包到钱包消息传递协议发送安全消息。公司背后的两位联合创始人 Grace Wang、Helena Gagern 均为女性。Grace Wang 曾就读于宾夕法尼亚大学，后在 Palantir、Primer AI 从事软件开发和管理工作；Helena Gagern 毕业于伦敦大学学院，连续创业者，也有丰富的软件开发和产品设计等经验。 Imge Su Cetin，Defy 创始人& CEO Imge Su Cetin 是数据科学家，致力于使用在线搜索数据和社交媒体数据为位于柏林的 IOM 全球移民数据分析中心预测全球移民模式。她曾就读于加州大学圣地亚哥分校研究生院，专攻应用数据科学和统计分析，精通统计和分析工具和软件。 Imge Su Cetin 曾于 2019 年加入 Deep Decarbonization Initiative (D2I) （深度脱碳计划）担任研究员，该计划由加州大学圣地亚哥分校的雅各布斯工程学院和全球政策与战略学院合作创立；2020 年加入国际移民组织 IOM - UN Migration 担任数据科学家；2021年4月正式创办投资趋势数据平台 Defy 。 Séraphie de Tracy，Cohort 联合创始人 & CEO Séraphie de Tracy 拥有巴黎 HEC 商学院管理学硕士学位和 CEMS 双学位。她在企业 SaaS 服务方面拥有丰富的经验，曾担任金融科技公司 Stratumn 的首席运营官、增长运营副总裁和销售总监等职务，还曾在全球最大保险公司之一的 AXA Global P&C 担任高级战略经理，全球顶级战略管理咨询的罗兰贝格担任顾问。 2022 年 5月 Séraphie de Tracy 创办基于 NFT 的数字参与平台 Cohort 并担任首席执行官。Cohort是一个总部位于法国的Web3 SaaS解决方案，使用NFT（非可替代令牌）来帮助品牌创造创新体验和产品，而无需任何技术或大量时间承诺。通过Salesforce和Shopify等集成，Cohort通过“无代码、无加密、无钱包”解决方案消除采用障碍，使所有品牌和客户都可以访问web3。来源：金色财经

金色财经2023-03-08

24小时热点