FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Meta发布Llama 3.1 马克·扎克伯格呼吁开源AI

型相媲美，并在某些领域处于领先地位。新模型可以用多种语言交谈，编写更高质量的计算机代码，并解决更复杂的数学问题。它还拥有 4050 亿个参数，这比以前的版本要多得多，但仍落后于 OpenAI 的 GPT-4 等竞争对手，据报道 GPT-4 拥有一万亿个参数。 Llama 3.1 版本。来源：Meta 他说，从明年开始，Meta 预计未来的 Llama 将成为“业内最先进的模型”，但在此之前，它“已经在开放性、可修改性和成本效益方面处于领先地位”。 “Meta 致力于开源 AI，”他说道，并列举了几个优势，包括定制、独立于封闭供应商、数据保护和开发人员的成本效益优势。他说，该公司还将受益于开源，这确保了获得最佳技术的渠道，并避免被竞争对手的生态系统所束缚。他认为，由于透明度和更广泛的审查，开源 AI 可能比封闭的替代方案更安全，并指出这对美国及其盟友来说也具有战略优势。扎克伯格认为，开源人工智能对于人工智能的积极未来至关重要，他总结道： “开源将确保全世界更多的人能够享受到人工智能带来的好处和机遇，权力不会集中在少数公司手中，而且这项技术可以在整个社会更均匀、更安全地部署。” 他总结道，Llama 3.1 的发布将成为“行业的转折点”，大多数开发人员将开始主要使用开源人工智能。来源：金色财经

金色财经2024-07-24

AI 时代两大焦点项目：ChatGPT-5 和 Wiener AI智能币

tGPT-5将比前一代模型有显著提升，新模型将使用户感觉像是在与真人交流，而不是机器。这意味着模型在理解和生成文本方面将更加准确和自然，ChatGPT-5还将扩展其多模态能力，能够处理图像和音频等多种数据类型，这将大大提升其应用范围和实用性。 OpenAI计划使ChatGPT-5能够根据使用者的个人资料和偏好进行定制，例如理解用户的电子邮件、日历详情和预约安排等。这种个性化和定制化能力将使用户体验更加个性化和高效。 Altman强调，ChatGPT-5将在推理能力方面有显著提升，使其在处理复杂任务时更加可靠。ChatGPT-5的训练已经开始，并将在发布前经历多阶段的安全测试。这包括内部和外部测试人员的严格评估，以确保模型的可靠性和安全性。Altman还提到，OpenAI将花时间确保产品的质量和责任感。虽然目前还不清楚ChatGPT-5是否会提供免费版本，但可以预见的是，其高级功能可能需要订阅服务。ChatGPT Plus的订阅费用目前为每月20美元，提供优先访问、加速响应时间和独家功能。随着ChatGPT-5的推出，ChatGPT-4的价格可能会降低，使更多用户能够负担得起。 Wiener AI：新兴的AI表情包加密货币除了ChatGPT-5，Wiener AI也是近期备受关注的AI项目之一。WienerAI的ICO正在进行中，已筹集超过750万美元，还有8天的时间让投资者以每枚0.00073美元的价格购买$WAI代币。这是预售结束前的最后机会。预售结束后，这个价格将不再可用。WienerAI将于8月在Uniswap上线。Wiener AI定位为下一代的AI表情包加密货币，试图在加密货币和AI结合的领域中开辟新天地。参观WienerAI预售 Wiener AI的成功预售反映了市场对新兴加密货币的浓厚兴趣，尤其是那些结合了AI技术的项目。Wiener AI不仅是一种加密货币，更是一个结合了AI和表情包文化的创新项目，试图在娱乐和金融领域产生影响。该项目的团队表示，筹集到的资金将用于进一步开发和推广Wiener AI，使其成为一种广泛接受和使用的加密货币。这一项目的成功也反映出加密货币市场的多样化和创新趋势。随着越来越多的项目试图将AI技术融入加密货币，Wiener AI的出现可能只是一个开始。未来，我们可能会看到更多类似的项目，试图在技术和文化上实现突破。结论：在AI技术迅猛发展的今天，ChatGPT-5和Wiener AI分别代表了自然语言处理和加密货币领域的前沿创新。ChatGPT-5的推出将进一步提升人机交互的自然性和智慧性，而Wiener AI则展示了AI在加密货币和娱乐领域的潜力。这两大项目的成功不仅反映了市场对AI技术的热情追捧，也预示着未来AI技术在各个领域中的广泛应用和深远影响。随着这些项目的不断推进，我们有理由期待AI将继续在改变世界的道路上发挥重要作用。参观WienerAI预售

Business2Community2024-07-22

Bing Ventures：PoS 世界中 MEV 的演变和影响

AVE是由Flashbots提出的一个新模型，旨在解决当前MEV提取中的一些关键问题，如跨链MEV和构建者中心化。SUAVE通过创建一个layer-0区块链，作为多个区块链网络的共同内存池，实现跨链统一。偏好提交: 功能: 用户不再提交具体的交易，而是提交反映目标的“偏好”，这些偏好可以根据特定条件进行设置，复杂度不一。跨链统一内存池: 功能: SUAVE作为layer-0区块链，创建一个统一的内存池，跨越多个区块链网络。通过跨链统一内存池，SUAVE可以有效解决跨链MEV问题，提高跨链交易的公平性和透明性。 MEV的未来：从技术到伦理的融合 MEV提取的透明度既是其优势，也是潜在的风险。未来，区块链技术需要在透明度和防止操纵之间找到新的平衡点。我们可以通过采用更复杂的零知识证明（ZKP）技术，使交易在被验证前保持匿名，同时确保其合法性。这不仅保护了用户隐私，还能防止恶意操纵行为，维护网络的公平性。智能合约与机器学习的融合智能合约的自动化与机器学习的结合是MEV提取的未来方向。智能合约可以实时分析市场数据，利用机器学习算法预测最优交易策略。这种动态调整能力将显著提高MEV提取的准确性。例如，结合实时市场数据，智能合约可以自动调整交易顺序，以最大化利润。跨链MEV的潜力与挑战跨链MEV提取是一个尚未完全开发的领域，具有巨大的潜力。通过开发新的跨链协议，如Cosmos和Solana，可以实现不同区块链网络之间的MEV提取。这种跨链解决方案不仅提高了MEV的灵活性和适用范围，还能促进区块链生态系统的互操作性。然而，这也带来了新的挑战，如跨链交易的安全性和效率问题，需要通过创新的技术手段来解决。动态MEV市场的崛起未来的MEV市场将更加动态和复杂。利用AI和大数据分析技术，可以实时捕捉市场趋势和交易行为，动态调整MEV提取策略。例如，通过机器学习算法分析历史交易数据，可以预测未来的市场波动，制定更有效的MEV提取策略。这种动态市场的崛起将彻底改变现有的MEV生态系统，使其更加智能。优化激励机制为了吸引更多参与者并保持网络的健康发展，我们需要不断优化经济激励机制。通过引入新的奖励模型和分配机制，确保每个参与者都能公平地从MEV中受益。此外，可以探索新的商业模式，如提供MEV保护服务和开发MEV优化工具，增加整个生态系统的价值。这将有助于维持网络的长期稳定。 MEV不仅是一个技术问题，更是一个涉及伦理考量的复杂领域。我们需要在技术创新的同时，深刻考虑其伦理影响。例如，在开发新技术时，需要确保这些技术不会导致市场的不公平现象，维护区块链网络的透明性和公正性。在PoS系统中，验证者有能力通过控制交易顺序来提取MEV，这可能导致网络中心化和不公平现象。为了解决这一问题，我们可以探索新的机制，如动态验证者选择和基于信誉的奖励系统。通过引入更多随机性和多样化的激励措施，可以确保网络的去中心化和公平性。来源：金色财经

金色财经2024-07-17

CriticGPT来袭：OpenAI新模型助训练师提升60%，强化学习再升级

7日发布重磅消息，推出基于GPT-4的新模型CriticGPT，旨在捕获ChatGPT代码输出中的错误，为人工智能训练师提供强有力的支持。这一举措不仅展示了OpenAI在基于人类反馈的强化学习（RLHF）领域的领先地位，也为人工智能的发展开辟了新的可能性。 CriticGPT：AI训练的得力助手随着大型语言模型的不断进步，ChatGPT的输出变得越来越准确，但同时也带来了新的挑战——错误变得更加微妙，难以发现。CriticGPT的出现恰恰解决了这一问题。它能够对ChatGPT的响应结果进行批评评论，帮助人工智能训练师在RLHF过程中更好地发现和纠正错误。研究数据显示，在CriticGPT的协助下，训练师的表现提升了60%，而且他们的指正更加全面。这一惊人的数据充分证明了CriticGPT在AI训练中的重要作用。 CriticGPT不仅仅是一个简单的错误检测工具，它更像是一个AI训练的智能助手。例如，当用户要求ChatGPT用Python编写特定函数时，CriticGPT能够对ChatGPT的输出进行点评，并提出更优的替代方案。这种能力使得CriticGPT成为评估先进人工智能系统输出的有力工具，为提高AI模型的质量提供了新的可能。 RLHF技术的新突破 CriticGPT的推出标志着RLHF技术的一个重要突破。RLHF是当前AI训练的关键技术之一，其核心在于收集人类反馈并据此优化AI模型。CriticGPT的出现，使得这一过程变得更加高效和准确。在OpenAI的实验中，超过60%的随机训练师更倾向于采用与CriticGPT合作后得出的指正，而非单纯依靠人类训练师的批评。这一结果充分说明了CriticGPT在提高RLHF效果方面的巨大潜力。然而，我们也需要认识到CriticGPT并非完美无缺。OpenAI坦言，CriticGPT的建议并不总是正确的。但即便如此，相较于没有AI辅助的情况，CriticGPT仍然能帮助训练师发现更多问题。这种"AI辅助AI"的模式，无疑为未来AI技术的发展指明了一个新的方向。 CriticGPT的推出不仅仅是技术上的进步，更是OpenAI向投资者和业界展示其在RLHF领域领先地位的战略之举。通过不断推出创新性的AI工具和模型，OpenAI正在塑造AI技术的未来。可以预见，随着CriticGPT的进一步应用和优化，我们将看到更多高质量、高性能的AI模型涌现，为各行各业带来前所未有的变革。

金融界2024-06-28

延期至7月！OpenAI推迟发布ChatGPT“语音助手”

首席技术官Mira Murati表示，新模型将免费提供，GPT-4o的付费用户将比免费用户有更大的容量限制，并承诺将在未来几周上线。不过现在该功能计划延迟发布，或代表OpenAI可能遭受挫折。有市场分析认为，即便在下个月可供部分付费用户使用，该功能可能也会比活动中展示的更加有限。在消息发出后，也引发了一众用户们的失望和吐槽。有网友认为，这是“史上最大的拉票活动”，质疑OpenAI为了吸引Plus订阅而夸大其词，这将让OpenAI迅速失去用户的信任。更有人表示，如果速度不加快，将取消订阅。甚至有人怒指OpenAI欺骗性营销，在误导性的时间表上出售订阅，用虚假的紧迫感来促进销售。同时，还提交了投诉至联邦贸易委员会（FTC）。 GPT-5或在一年半后登场眼下，OpenAI正努力在竞争日益激烈的人工智能领域保持领先地位。 6月20日，Anthropic发布了号称是迄今为止最智能的模型—— Claude 3.5 Sonnet。其中，Claude 3.5 在多个关键评估指标上都超越了OpenAI的GPT-4o，由此也成为市场上功能最强大、最智能、成本最低的AI模型之一。而面对赶超的压力，OpenAI正努力加快速度。继今年5月GPT-4o大焕新后，GPT-5或将在一年半后发布。 OpenAI首席技术官米拉·穆拉蒂（Mira Murati）日前透露，GPT-5是“博士生水平”的人工智能。相较之下，GPT-3相当于幼儿智力水平，GPT-4更像高中生。不过她也强调，博士等级的AI仅适用于某些特定任务。 “这些系统在某些特定的任务中已经达到了人类水平，当然在许多其他任务中，它们还达不到。” 至于具体的时间表，GPT-5可能要到2025年底或2026年初才会登场。穆拉提认为，OpenAI的成就离不开深度神经网络、大量数据和大量算力这3个因素的叠加。 AI安全和AI能力是一体两面的。OpenAI对模型的安全性负有很大责任，公司正积极与政府和监管机构合作，共同解决AI安全问题。

格隆汇2024-06-26

解析 AI 与加密结合的潜力与现实挑战

度可以帮助提升性能。同样，未来可能会有新模型架构专门为分布式基础设施设计（Gensyn正在这些领域进行研究）。 4）创新如Neuromesh尝试通过一种称为预测编码网络（PCN）的新方法，以较低成本实现分布式训练。 2、去中心化的AI数据迭代训练的数据信息部分也是一个难题。任何AI训练过程都涉及处理大量数据。通常，模型是在集中且安全的数据存储系统上进行训练，这些系统具有高可扩展性和高性能。这需要传输和处理数TB的数据，而且这不是一次性的循环。数据通常是嘈杂且含有错误的，所以在训练模型之前，必须对数据进行清洗和转换，使其成为可用格式。这个阶段涉及标准化、过滤和处理缺失值的重复任务。在去中心化环境中，这些都构成了严重挑战。训练的数据信息部分也是迭代的，这与Web3不太兼容。OpenAI花费了成千上万次迭代才取得他们的成果。训练过程是迭代的：如果当前模型未达到预期效果，专家会返回到数据收集或模型训练阶段以改进结果。现在，想象在去中心化环境中进行这个过程，而现有的最佳框架和工具在Web3中不易获得。一种有前景的技术是0g.ai（由Hack VC支持），他们提供链上数据存储和数据可用性基础设施。他们拥有更快的架构和在链上存储大量数据的能力。 3、利用过度冗余的AI推理计算达成共识加密与AI结合的一个挑战是验证AI推理的准确性，因为你不能完全信任单一的中心化方来执行推理操作，存在节点行为不端的可能性。在Web2的AI中，这个挑战不存在，因为没有去中心化的共识系统。一种解决方案是冗余计算，即多个节点重复相同的AI推理操作，以便在无信任的环境中操作，并避免单点故障。这种方法的问题在于，我们生活在一个高端AI芯片严重短缺的世界。高端NVIDIA芯片的等待期长达数年，导致价格上涨。如果你还要求AI推理在多个节点上多次重复执行，这将大幅增加这些昂贵的成本。对于许多项目来说，这是行不通的。 4、Web3特定的AI用例（短期内）有人建议，Web3应该有其独特的AI用例，专门针对Web3客户。目前，这仍是一个新兴市场，用例尚在发现中。一些挑战包括： Web3原生用例需要的AI交易量较少，因为市场需求还处于起步阶段。客户较少，因为Web3客户相比Web2客户少了好几个数量级，所以市场不那么分散。客户本身不够稳定，因为他们是资金较少的初创公司，因此这些初创公司可能会随着时间的推移倒闭。针对Web3客户的AI服务提供商可能需要随着时间的推移重新获取部分客户，以替代那些倒闭的客户，使其业务扩展更加困难。从长远来看，我们对Web3原生的AI用例非常看好，特别是随着AI代理的普及。我们设想未来每个Web3用户都会有多个AI代理为他们提供帮助。这个领域的早期领先者是Theoriq.ai，他们正在构建一个可组合AI代理的平台，能够服务于Web2和Web3客户（由Hack VC支持）。 5、消费级GPU去中心化物理基础设施网络（DePIN）有许多去中心化的AI计算网络依赖消费级GPU，而不是数据中心的GPU。消费级GPU适用于低端AI推理任务或延迟、吞吐量和可靠性要求较为灵活的消费用例。但对于严肃的企业用例（即占据主要市场份额的用例），客户希望网络比家庭机器更可靠，且复杂推理任务通常需要更高端的GPU。对于这些更有价值的客户用例，数据中心更为适合。需要注意的是，我们认为消费级GPU适合于演示用途或那些能容忍较低可靠性的个人和初创公司。但这些客户的价值基本较低，因此我们认为，面向Web2企业的去中心化物理基础设施网络（DePIN）从长远来看会更有价值。因此，知名的GPU DePIN项目通常已经从早期主要使用消费级硬件发展到现在具备A100/H100和集群级别的可用性。二、加密 x AI 的实际且可行的用例现在，让我们讨论加密 x AI 能显著提升价值的用例。实际收益1：服务于Web2客户麦肯锡估计，生成式AI每年可为他们分析的63个用例带来2.6万亿至4.4万亿美元的附加价值——相比之下，英国2021年的GDP总量为3.1万亿美元。这将使所有人工智能的影响增加15%到40%。如果我们将生成式AI嵌入目前用于其他任务的软件中，这一估计的价值将大致翻倍。有趣的是：根据上述估算，这意味着全球AI（不仅仅是生成式AI）的总市场价值可能达到数十万亿美元。相比之下，所有加密货币（包括比特币和所有山寨币）加起来的总价值今天仅约为2.7万亿美元。所以，让我们现实一点：短期内需要AI的客户绝大多数将是Web2客户，因为实际需要AI的Web3客户只是这2.7万亿市场中的一小部分（考虑到BTC占据了一半的市场份额，而BTC本身并不需要/使用AI）。 Web3的AI用例才刚刚起步，目前尚不清楚其市场规模会有多大。但有一点直观上可以确定——在可预见的未来，它只会是Web2市场的一部分。我们相信Web3 AI依然有光明的前景，但这意味着目前Web3 AI最普遍的应用还是服务于Web2客户。可以从Web3 AI中受益的Web2客户的示例包括：从头开始构建并以AI为核心的垂直行业软件公司（例如Cedar.ai或Observe.ai）为自身目的微调模型的大型企业（例如Netflix）快速增长的AI提供商（例如Anthropic）在现有产品中加入AI功能的软件公司（例如Canva）这是一个相对稳定的客户群体，因为这些客户通常规模大且价值高。他们不太可能在短期内倒闭，并且代表了AI服务的非常大的潜在客户群。服务于Web2客户的Web3 AI服务将受益于这一稳定的客户基础。但为什么Web2客户会想要使用Web3技术栈？本文的其余部分将解释这个理由。实际收益2：通过GPU去中心化物理基础设施网络（GPU DePIN）降低GPU使用成本 GPU DePINs汇集了未充分利用的GPU计算能力（其中最可靠的来自数据中心），并使这些资源可用于AI推理。可以简单地将其视为“GPU的Airbnb”（即协作消费未充分利用的资产）。我们对GPU DePINs感到兴奋的原因如上所述，主要是因为NVIDIA芯片短缺，目前有许多GPU周期被浪费了，这些资源可以用于AI推理。这些硬件所有者已经承担了沉没成本，当前没有充分利用他们的设备，因此可以以比现状更低的成本提供这些部分GPU周期，因为对硬件所有者来说，这实际上是“意外之财”。具体例子包括： 1）AWS机器：如果你今天从AWS租用一台H100，你需要承诺至少租用一年，因为市场供应紧张。这会导致浪费，因为你不太可能全年365天、每周7天都使用你的GPU。 2）Filecoin挖矿硬件：Filecoin网络有大量的补贴供应，但实际需求并不大。不幸的是，Filecoin从未找到真正的产品市场契合点，因此Filecoin矿工面临破产的危险。这些机器配备了GPU，可以重新用于低端AI推理任务。 3）ETH挖矿硬件：当ETH从工作量证明（PoW）转向权益证明（PoS）时，大量硬件立即变得可用，这些硬件可以重新用于AI推理。 GPU DePIN市场竞争激烈，有多个参与者提供产品。例如Aethir、Exabits和Akash。Hack VC选择支持io.net，后者还通过与其他GPU DePINs的合作来汇集供应，因此他们目前支持市场上最大的GPU供应。需要注意的是，并非所有GPU硬件都适用于AI推理。一个明显的原因是较旧的GPU没有足够的GPU内存来处理大语言模型（LLMs），尽管在这方面已经有一些有趣的创新。例如，Exabits开发了技术，将活跃的神经元加载到GPU内存中，而将不活跃的神经元加载到CPU内存中。他们预测哪些神经元需要活跃/不活跃。这使得即使在GPU内存有限的情况下，也能使用低端GPU处理AI工作负载。这实际上提高了低端GPU在AI推理中的实用性。此外，Web3 AI DePINs需要随着时间的推移强化他们的产品，提供企业级服务，如单点登录（SSO）、SOC 2合规、服务级别协议（SLAs）等。这将与当前Web2客户享受的云服务相媲美。真正的优势 #3：避免OpenAI自我审查的非审查模型关于AI审查的问题已经有很多讨论。例如，土耳其曾一度暂时禁止OpenAI（后来他们在OpenAI改进其合规性后取消了禁令）。我们认为这种国家级别的审查从根本上说并不值得关注，因为各国需要拥抱AI才能保持竞争力。更有趣的是，OpenAI会自我审查。例如，OpenAI不会处理NSFW（不适合在工作场合观看）内容，也不会预测下届总统选举的结果。我们认为在OpenAI因政治原因不愿涉及的AI应用领域，存在一个有趣且巨大的市场。开源是解决这一问题的一个好办法，因为一个Github仓库不受制于股东或董事会。一个例子是Venice.ai，它承诺保护用户隐私并以非审查的方式运作。当然，关键在于其开源性，这使得这一切成为可能。Web3 AI可以有效提升这一点，通过在低成本的GPU集群上运行这些开源软件（OSS）模型以进行推理。正因为如此，我们相信OSS + Web3是铺平非审查AI道路的理想组合。真正的好处 #4：避免向OpenAI发送个人可识别信息许多大型企业对其内部企业数据存在隐私顾虑。对于这些客户来说，很难信任像OpenAI这样的集中式第三方来处理这些数据。对于这些企业来说，使用web3可能会显得更加可怕，因为他们的内部数据突然出现在一个去中心化网络上。然而，对于AI而言，隐私增强技术方面已经有一些创新：诸如Super协议之类的可信执行环境（TEE）诸如Fhenix.io（由Hack VC管理的基金组合公司）或Inco Network（均由Zama.ai提供支持）和Bagel的PPML之类的完全同态加密（FHE）这些技术仍在不断发展，通过即将推出的零知识（ZK）和FHE ASICs，性能也在不断改善。但长期目标是在微调模型时保护企业数据。随着这些协议的出现，web3可能会成为更具吸引力的隐私保护AI计算场所。真正的好处 #5：利用开源模型的最新创新在过去的几十年里，开源软件（OSS）一直在侵蚀专有软件的市场份额。我们将LLM视为一种高级专有软件，正逐渐成为开源软件的颠覆对象。一些值得注意的挑战者包括Llama、RWKV和Mistral.ai。随着时间的推移，这个列表无疑会不断增长（在Openrouter.ai上提供了更全面的列表）。通过利用由开源模型提供支持的web3 AI，人们可以充分利用这些新创新。我们相信，随着时间的推移，一个开源的全球开发工作力量，结合加密激励，可以推动开源模型以及构建在其之上的代理和框架的快速创新。一个AI代理协议的例子是Theoriq。Theoriq利用开源模型创建了一个可组合互联的AI代理网络，可以组装在一起创建更高级的AI解决方案。我们对此深信不疑的原因在于过去的经验：大多数“开发者软件”在经过时间的推移后逐渐被开源软件所超越。微软过去是一家专有软件公司，现在成为了贡献最多的Github公司，这是有原因的。如果你看看Databricks、PostGresSQL、MongoDB等是如何颠覆专有数据库的，就会发现整个行业就是一个被开源软件颠覆的例子，所以先例在这里是相当强大的。然而，这也有一个小陷阱。OSS LLMs存在一个棘手的问题，就是OpenAI已经开始与组织签订付费数据许可协议，比如Reddit和纽约时报。如果这种趋势持续下去，由于获取数据的经济壁垒，OSS LLMs可能会越来越难以竞争。英伟达可能会将保密计算作为安全数据共享的加强工具。时间会告诉我们这将如何发展。真正的好处 #6：通过高成本的随机抽样或零知识证明实现共识在web3 AI推理中，验证是一个挑战。验证者有可能通过欺骗结果来获取费用，因此验证推理是一项重要的措施。需要注意的是，尽管AI推理还处于初级阶段，但除非采取措施来削弱这种行为的动机，否则这种欺骗是不可避免的。标准的web3方法是让多个验证者重复相同的操作并进行结果比较。然而，正如前面提到的，由于当前高端Nvidia芯片短缺，AI推理非常昂贵。考虑到web3可以通过未充分利用的GPU DePINs提供更低成本的推理，冗余计算将严重削弱web3的价值主张。更有希望的解决方案是对离链AI推理计算进行零知识证明。在这种情况下，可以验证简明的零知识证明以确定模型是否经过正确训练，或者推理是否正确运行（称为zkML）。其中的示例包括Modulus Labs和ZKonduit。由于零知识操作需要相当大的计算资源，这些解决方案的性能仍处于初级阶段。然而，随着零知识硬件ASIC在不久的将来推出，这一情况可能会得到改善。更有希望的想法是一种“乐观”抽样为基础的AI推理方法。在这种模型中，您只需验证验证者生成结果的一小部分，但设置足够高的经济成本来惩罚被抓到作弊的验证者，从而产生强大的经济禁止效应。这样一来，您可以节省冗余计算（例如，参见Hyperbolic的"Proof of Sampling"论文）。另一个有希望的想法是使用水印和指纹技术的解决方案，例如Bagel Network提出的解决方案。这类似于亚马逊Alexa为其数百万设备上的AI模型质量保证提供的机制。真正的好处 #7：通过可组合的开源软件堆栈节省费用（OpenAI的利润） web3为AI带来的下一个机会是降低成本的民主化。到目前为止，我们已经讨论了通过像io.net这样的DePINs节省GPU成本的方法。但是，web3还提供了节省中心化web2 AI服务的利润率（例如OpenAI，根据本文撰写时的信息，其年收入超过10亿美元）的机会。这些成本节约来自于使用开源软件（OSS）模型而不是专有模型，从而实现了额外的成本节约，因为模型创建者并不试图盈利。许多开源软件模型将始终完全免费，这为客户提供了最佳的经济效益。但是，也可能有一些开源软件模型尝试这些变现方法。请考虑，Hugging Face上仅有4%的模型由有预算的公司进行训练以帮助补贴这些模型（参见此处）。剩下的96%的模型是由社区进行训练的。这个96%的Hugging Face模型群体面临着实际的成本（包括计算成本和数据成本）。所以这些模型需要以某种方式实现变现。有许多关于实现这种开源软件模型变现的提议。其中最有趣的之一是“初始模型发行”（IMO）的概念，即将模型本身进行Token化，留下一部分Token给团队，并将模型的一些未来收入流向Token持有人，尽管这其中显然存在一些法律和监管障碍。其他开源软件模型将尝试基于使用量进行变现。需要注意的是，如果这种情况变为现实，开源软件模型可能开始越来越像它们的web2利润生成对应物。但是，从现实角度来看，市场将会二分，其中一些模型将完全免费。一旦选择了开源软件模型，您可以在其上进行可组合的层次操作。例如，您可以使用Ritual.net进行AI推理，以及Theoriq.ai作为可组合和自治的链上AI代理的早期领导者（两者都得到了Hack VC的支持）。真正的好处 #8：去中心化的数据采集 AI面临的最大挑战之一是获取适合训练模型的正确数据。我们之前提到过，去中心化AI训练存在一些挑战。但是利用去中心化网络来获取数据（然后可以在其他地方，甚至是传统的web2平台上用于训练）又如何呢？这正是像Grass这样的初创公司正在做的事情（得到了Hack VC的支持）。Grass是一个去中心化的“数据爬取”网络，由个人贡献他们机器的闲置处理能力来获取数据，以供AI模型的训练。理论上，在大规模应用中，这种数据采集可能比任何一家公司的内部努力更优越，因为庞大的激励节点网络具有强大的计算能力。这不仅包括获取更多的数据，还包括更频繁地获取数据，以使数据更具相关性和最新性。由于这些数据爬取节点本质上是分散的，不属于单个IP地址，因此几乎不可能阻止这个去中心化的数据爬取军团。此外，他们还有一支人力网络，可以清理和规范数据，使其在被爬取后变得有用。一旦获取了数据，您还需要一个链上的存储位置，以及使用该数据生成的LLM（大型语言模型）。在这方面，0g.AI是早期的领导者。它是一个针对AI进行优化的高性能web3存储解决方案，比AWS便宜得多（这对于Web3 AI来说是另一个经济上的成功），同时也可以作为第二层、AI等的数据可用性基础设施。需要注意的是，在未来，数据在web3 AI中的作用可能会发生变化。目前，对于LLM来说，现状是使用数据对模型进行预训练，并随着时间的推移使用更多的数据进行改进。然而，由于互联网上的数据实时变化，这些模型始终略微过时，因此LLM推理的响应略有不准确。未来可能发展的一个新范式是“实时”数据。这个概念是当LLM被要求进行推理时，LLM可以通过向其注入实时从互联网上收集的数据来使用数据。这样，LLM将使用最新的数据。Grass也正在研究这一点。三、结论我们希望这篇分析对您在思考web3 AI的承诺与现实时有所帮助。这只是一个讨论的起点，而且这个领域正在迅速变化，所以请随时加入并表达您的观点，因为我们愿意继续共同学习和建设。来源：金色财经

金色财经2024-06-22

隔夜美股全复盘(6.22)| 英伟达续跌逾3%，市值回落至3.1万亿美元，低于微软和苹果

了五笔融资，总额约为73亿美元。在发布新模型的同时，Anthropic还在Claude.ai上引入“Artifacts”，这是一个新功能，可以扩展用户与Claude的交互方式。当用户要求Claude生成代码片段、文本文档或网站设计等内容时，这些Artifacts会出现在他们对话旁边的专用窗口中。这创建了一个动态工作区，用户可以在其中实时查看、编辑和构建Claude的创作，并将AI生成的内容无缝地集成到他们的项目和工作流中。

格隆汇2024-06-22

OpenAI慌了！竞争对手Anthropic宣布推出迄今最强AI模型

美元的市场中落后。 Anthropic新模型的消息是在该公司5月份首次推出企业产品之后发布的。Anthropic联合创始人Daniela Amodei上个月接受采访时表示，这项名为Team的企业计划已在过去几个季度中开始制定，并已与30到50名来自科技、金融服务、法律服务和医疗保健等行业的客户进行了beta测试。Amodei补充说，这项服务的想法部分源于许多客户要求提供专用的企业产品。 “我们从企业那里听到的很多消息是，人们已经在办公室使用Claude了，”Amodei当时表示。上个月，在Anthropic的新产品发布后不久，Instagram联合创始人Mike Krieger加入该公司担任首席产品官。据一份新闻稿称，Krieger曾担任Meta旗下Instagram的首席技术官，在任职期间，该平台的用户数量增长至10亿，工程团队也增至450多人。OpenAI前安全负责人Jan Leike也于5月加入了该公司。

Sissi2024-06-21

微软借OpenAI之力领跑AI赛道，Oppenheimer看好其长期增长潜力

的科技竞争中占得先机。 OpenAI的新模型GPT-40已经在大型语言模型领域展现出了卓越的性能，占据了市场的主导地位。然而，Oppenheimer的分析师们预测，GPT-5有望在年底发布，并将进一步提升OpenAI和微软在生成人工智能领域的领导地位。这一预测无疑为市场注入了更多的期待和兴奋点。在评估微软的发展前景时，Oppenheimer对其给出了积极的评价，并将微软的评级定为“跑赢大盘”。同时，该机构还将微软的股票目标价从450美元上调至500美元，这一调整反映了市场对微软未来发展前景的乐观预期。微软的一体化产品战略和诱人的产品捆绑包也在市场上取得了显著的成功。许多客户渴望创建自己的应用程序，而微软全面的人工智能工具带为他们提供了强大的支持。霍兰和霍尔姆指出：“微软在企业采用人工智能方面处于有利地位，这得益于其庞大而稳定的客户群和完善的基础设施。”此外，微软还利用其丰富的生态系统和广泛的产品组合，向客户提供各种捆绑包，以增加市场份额，而非仅仅提供单一的“点式”软件产品。值得一提的是，微软在全球技术领域的领导地位不仅局限于人工智能。该公司在云计算、商业生产力、个人计算、游戏和通信等多个领域都展现出了卓越的实力。而人工智能技术的融入，无疑为这些领域注入了新的活力，增强了微软产品的整体功能和用户体验。展望未来，Oppenheimer预计微软将在人工智能领域持续加大投入。据预测，到2024年，微软在人工智能方面的资本支出将增至520亿美元，而到2029年，这一数字有望达到惊人的920亿美元。这一巨大的投入不仅彰显了微软对人工智能技术的坚定信念，也预示着该公司在未来科技竞争中的雄心壮志。随着微软在人工智能领域的不断深入，其与英伟达（Nvidia）等关键供应商的合作也将更加紧密。Oppenheimer预测，未来微软将获得英伟达17%的GPU出货量，这将为其人工智能技术的研发和应用提供强大的硬件支持。在人工智能的浪潮中，微软并非孤军奋战。亚马逊（Amazon）、谷歌（Google）和Meta等科技巨头也在积极加大人工智能领域的投入。然而，微软凭借其深厚的技术积累和广泛的合作伙伴关系，有望在这场激烈的竞争中脱颖而出。上周分析师约翰·鲍曼也表达了对微软在人工智能领域前景的看好。他认为，微软的人工智能产品主要集中在云产品上，这些服务旨在吸引那些认为这些工具对他们的业务或工作流程有用的新客户，并有可能吸引亚马逊网络服务和谷歌云平台的客户转换。鲍曼进一步指出：“赢得人工智能战争将使微软在其云计算服务Azure上拥有主导的技术堆栈。”尽管量化分析系统目前对微软的评级为“持有”，但华尔街分析师们仍普遍将其评为“强力买入”。这一差异反映了市场对微软未来发展前景的不同看法，但也从侧面说明了微软在人工智能领域的潜力和影响力。

金融界2024-06-08

推动币安币价格历史新高主要原因　BNB链上预售的PlayDoge已筹240万美元

大可提取价值（MEV）供应链问题。这一新模型通过分离验证者和区块构建者的职能，促进了竞争，提高了透明度，并最大限度地提高了网络用户的盈利能力。这一进展增强了投资者对 BNB 的信任和兴趣，推动其价格达到新高。币安币价格飙升至历史新高 711.56 美元，背后有多种原因。主要因素包括币安 Launchpad 和 Launchpool 平台上的活跃活动、显著增加的交易量、策略性的期权交易、交易量激励计划以及 BNB Chain 推行的先进 MEV 解决方案。随着投资者兴趣和信心的持续增长，加密货币社群推测 BNB 的下一个目标价可能是 1000 美元。 PlayDoge($PLAY)又赚又玩新模式已筹240万美元 PlayDoge模因币是一款革命性的手机游戏，将广受喜爱的Doge迷因转化为虚拟宠物，并整合了区块链技术来创造一个玩赚模式。该游戏提供了一个结合娱乐和财务回报的平台，使玩家能够通过照顾和互动他们的数字Doge来赚取$PLAY代币。 PlayDoge的游戏玩法引入了高风险的元素，例如宠物可能会逃跑或更糟的情况，这增加了玩家的责任感和紧迫感。此外PlayDoge在手机上易于访问，支持在Google和Apple应用商店下载，使其触及广大的用户群。即参观PlayDoge预售游戏还提供了高清的像素图形、触控屏操作和一系列迷你游戏，进一步提升了用户体验。不过，需要注意的是，PlayDoge的游戏将在预售后才会推出，并且质押功能仅限于在Binance智能链上购买的预售代币。预售阶段将已进入1 PLAY = $0.00504，并且价格在不同阶段会升高，不仅为早期投资者提供了独特的进入机会，而且预计将增加代币的流通性和市场价值。PlayDoge市场策略和技术创新为玩家和投资者创造了一个双赢的数字游戏生态系统。结论： BNB 的未来前景看好，随着市场需求的不断增长和币安平台的持续创新，BNB 很可能在未来继续保持其增长势头。投资者应密切关注市场动态和币安的动向，以抓住潜在的投资机会。即参观PlayDoge预售

Business2Community2024-06-06

24小时热点