FX168财经网_全球视野外汇黄金加密货币NFT资讯网

策类人工智能市场占据最大份额，且其自动机器学习算法在全球范围内领先，已在多项国际竞赛中取得优异成绩。截至2023年中报，第四范式营业总收入14.68亿元、净利润-4.56亿元。

金融界2024-01-16

2024年币圈的10个发展趋势

支付。采用ZKML进行敏感数据训练和机器学习模型评估。通过zk来解决AI模型/ 输入的隐私保护问题和推理过程可验证问题，从而确保机器学习推理的正确性。从而基于ZKML来支持智能合约安全地调度AI Model，进而支持更多的应用逻辑和场景探索。现在上车还来得及吗？肯定是来得及的，至于你最终挣了多少也不完全取决于你啥时候上车，表面上看，现在上车远远不如去年，但是也未必不如去年上车的人挣得少，不然大可以问问去年涨的那么多又有多少人挣钱了，甚至跑赢大饼涨幅的有几个，赚多少更多的取决于下车，也就是2024-2025这两个关键的年份，不要管上车的问题，如何下车才是至关重要的。接下来短中线布局： ETH坎昆升级+ BTC4月减半是一个绝佳的机会窗口， BTC减半预期会提前发酵，也基本在今年下半年这个阶段。 ETH+BTC—两大最核心的币—两个最重要的节点—时间还重叠了，即今年下半年关注什么币？可以预见的利好币 ETH坎昆升级概念币就那么几个，大致分为3个分类： 1、L2链币： ARB 、 OP 、 METIS ； L2垂直链： LRC 、 IMX 、 DYDX ； 2、L2应用：Arb系的 GMX 、 MAGIC 、 RDNT，Op系的 SNX、 VELO 3、上轮最为活力的新币，NFT交易—— BLUR； BRC20—— ORDI； MEME —— PEPE，教育—— EDU ：新公链—— SUI APT 4、Blur不再多说，比较生不逢时，近期大量解锁，价格一跌在跌但胜在无敌的基本盘和NFT市场占有率， NFT只要不亡，Blur洗盘结束一定会迎来高光时刻。 5、ORDI、PEPE这类带有MEME属性的，一旦市场流动性再次雄起，这两个是流动性溢出最好的承接代币。 6、 AI 概念：年底gpt5能发布，会是比较好的情绪引爆点，龙头 AGIX， FET是关注重点 7、 SSV —— ETH2 .0升级后，可以看到质押量无视市场波动稳定上升，若市场有回暖迹象可以立即着手布局的板块。重点 SSV RPL ， 8、减产减半—— DASH ZEN ZEC减产：重点关注还是ZEN！小市值，高回报！重点是强庄控盘！新的一年已经开始，创建一个高质量圈子，主要是讲解币圈的各种基本行业知识，热点版块的轮动，还有识别顶底的基础方法，如何更好的把握住这个牛市，等等一系列的知识，感兴趣的可以找我。来源：金色财经

金色财经2024-01-15

AI时代的财富创造：人工智能科技在金融领域的应用

决策工具，在金融领域引起了广泛的关注。机器学习、自然语言处理、数据挖掘等技术的融合，使得金融机构能够更加智能地处理大规模数据，提高决策效率，从而创造更多的财富机会。财富管理的智能化革命在AI时代，财富管理行业迎来了智能化革命。基于机器学习算法的智能投顾平台可以根据个体客户的风险偏好、财务状况和市场条件，为投资组合提供个性化的建议。这种个性化服务不仅提高了财富管理的效益，也为客户创造了更多的财富增值机会。风险控制与预测：AI的数据驱动力人工智能在风险控制方面发挥着日益重要的作用。通过大数据的分析和机器学习的预测，金融机构能够更准确地评估投资风险、信用风险和市场波动。这使得金融从业者能够更好地制定风险管理策略，提高资金运作的安全性和稳定性。客户服务的个性化体验 AI技术使得金融机构能够提供更为个性化的客户服务。通过自然语言处理和智能机器人，客户可以更方便地获取金融信息、进行交易，甚至得到个性化的理财建议。这不仅提升了客户体验，也为客户提供了更多的理财选择，有助于更好地实现财富增值。区块链技术与金融的融合 AI与区块链技术的结合，为金融领域带来了更多的创新机会。智能合约、去中心化金融（DeFi）等概念正逐渐成为金融科技的前沿。区块链的透明性、安全性以及对去中心化的支持，为金融系统提供了更高效、更安全的解决方案。道德与监管的挑战然而，人工智能在金融领域的广泛应用也带来了一系列的道德和监管挑战。随着算法的复杂性增加，如何确保决策的公正性、透明性成为一个亟待解决的问题。监管机构需要与科技公司合作，建立更为完善的监管框架，确保人工智能在金融领域的应用不会带来不当的风险和负面影响。未来展望在AI时代，人工智能科技在金融领域的应用将持续深化。随着技术不断进步，金融机构将更加依赖AI进行智能化决策、风险管理和客户服务。同时，应对道德和监管挑战，推动金融科技的可持续发展将成为未来的关键任务。人工智能时代的到来，为金融领域注入了新的活力和创新力。通过更智能的财富管理、高效的风险控制和个性化的客户服务，AI科技正成为财富创造的重要助力。然而，我们也需要保持警惕，确保其发展在合规、道德的框架下，以实现金融科技的可持续发展和更加健康的财富创造。来源：金色财经

金色财经2024-01-15

中国半导体重磅消息！路透：尽管美国有禁令但中国军方和政府仍买到英伟达芯片

争对手的产品，因为它们可以更有效地处理机器学习任务所需的大量数据。路透社称，对被禁的英伟达芯片的持续需求和获取也突显出，尽管华为(Huawei)等公司的竞争产品刚刚起步，但中国企业缺乏良好的替代品。在禁令之前，英伟达占据中国人工智能芯片市场90%的份额。购买方包括精英大学以及受美国出口限制的两个实体——哈尔滨工业大学(Harbin Institute of Technology)和中国电子科技大学(University of Electronic Science and Technology of China)，这两所大学被指控参与军事事务或隶属于违背美国国家利益的军事机构。针对上述消息，报道中提到的买家都没有回应置评请求。路透社的调查发现，英伟达和该公司批准的零售商都不在被确认的供应商之列。目前尚不清楚这些供应商是如何获得英伟达芯片的。然而，在美国的限制措施之后，此类芯片的地下市场在中国如雨后春笋般涌现。中国供应商此前曾表示，在英伟达向美国大公司大量出货，或通过在印度、台湾和新加坡等地注册的公司进口后，他们会抢购进入市场的过剩库存。路透社向招标文件中列出的10家供应商(包括本文中提到的供应商)寻求置评，但没有一家回应。英伟达表示，该公司遵守所有适用的出口管制法律，并要求其客户也这样做。英伟达一位发言人表示：如果我们得知客户非法转售给第三方，我们将立即采取适当的行动。” 美国商务部拒绝置评。美国当局誓言要堵住出口限制的漏洞，并已采取行动限制中国境外公司的子公司获得这种芯片。塔夫茨大学(Tufts University)教授、《芯片战争：争夺全球最关键技术》一书的作者克里斯•米勒(Chris Miller)表示，鉴于芯片很小，很容易走私，认为美国的出口限制无懈可击是不现实的。克里斯•米勒补充说，其主要目的是“阻碍中国人工智能发展的进程”，使其难以构建能够训练人工智能系统的大型先进芯片集群。

天马行空2024-01-15

2024 年 Depin 和 DeSci 将助力 AI+Web3 赛道狂飙上涨

Fetch.ai 专注于利用 AI 和机器学习实现业务任务的自动化，特别是在数据处理和交易方面。还有一个表现突出的 AI 相关代币是 Render (RNDR)，它是一个帮助艺术家获取计算能力以生成艺术品的平台。RNDR 作为该平台的本地加密货币，过去一年增长了超过 870%。根据 Foresight News 的统计，Web3+AI 的项目已经达到了 139 个，其中已经发币的项目为 84 个。虽然许多分析师认为 AI 和 Web3 的相互融合开启了数字创新的新时代，但与主要的加密领域代币相比，AI 叙事相关代币的总市值仍然较小，具有巨大的增长潜力。三、DePin 和 Desci 叙事让 AI 赛道天花板更高： 1. 从 Depin 来，到 AI 去: 随着 2023 年末 Solana 生态复苏的热度加持，Helium Moble、DIMO 和 HONEY 等一众 DePIN 概念项目的代币迎来疯涨，而 DePin 的出现将为 AI 赛道的发展带来更高的天花板。 DePIN 叙事的明线是设备挖矿，背后的核心逻辑其实是“公有数据的高效搜集”。通过设备挖矿的方式，DePin 能够高效地搜集公有数据，为 AI 模型的训练提供更丰富、分散和多样的数据源。传统模式下，获取大规模、分散、多样的公有数据是困难且低效的，而 DePin 的激励机制使得大量的公有数据可以以去中心化的方式被快速搜集起来。AI 模型的性能和创新程度很大程度上依赖于所用数据的质量和规模。通过 DePin，个人可以拥有产出数据的权利，并为其他数据需求做出贡献，最终获得奖励。这种开放的数据共享模式为 AI 模型的训练提供了更广阔的空间和更高的天花板。大规模的公有数据搜集将提供更多的训练样本和场景，从而促进 AI 模型在各个领域的创新和进步。因此，随着 DePin 赛道的发展，通过提供更多的公有数据资源以及刺激个人参与数据搜集的激励机制，DePin 将为 AI 赛道开辟更广阔的发展空间，使其天花板更高，从而促进 AI 技术的创新和进步。 2.DeSci 为 AI 赛道带来新机遇： DeSci（Decentralized Science）即去中心化科学，旨在通过 Web3 技术构建公共基础设施，以促进科学知识的公开、公正资助、存储和传播。加密机构 Messari 在年终报告最后一段提到去中心化科学（Desci），并表示该概念所覆盖的项目仍然处于早期，其跟踪的 DeSci 项目中有 50%是在过去一年内建立的。这突显了去中心化科学领域在近期蓬勃发展的趋势。同时，加密机构 Spartan 预测去中心化科学（Desci）作为区块链的一个强大用例会在 2024 年获得更多关注。随着 Desci 的发展，DeSci 和 AI 之间的融合也是很有必要的，一方面，人工智能内容生成（AIGC）可以用于提高科研文本的生产力，帮助更好地展示研究成果。另一方面，Desci 提供了安全、透明和可信的环境，使得 AI 算法的应用更可靠和可验证，Desci 的激励机制和代币经济模型也为 AI 研究者带来更多的机会和回报，从而进一步推动 AI 技术的发展。综上所述，DeSci 的发展不仅为科学研究带来了新的机遇和突破，同时也为 AI 赛道的发展增加了想象力和天花板，相信随着 DeSci 的不断发展， AI 赛道将迎来更多的突破和创新。四、2024 年值得关注的 AI 创新加密项目：人工智能和区块链技术的融合为开创性的密码项目铺平了道路。这些举措利用人工智能来增强安全性，优化交易策略，并在区块链生态系统中实现任务的自动化。随着我们深入研究 2024 年，除了以上提到的 SingularityNET（$AGIX）、The Graph（$GRT）和 Fetch.ai ($FET)，还有几个有前途的人工智能加密项目值得关注： 1. Ocean Protocol（$OCEAN): 一个用于数据共享和交换的去中心化协议，利用人工智能自动化数据发现、定价和访问控制。Web2 从您提供给 Facebook、Instagram 甚至 Twitter 等网络的数据中获利，Ocean 打破了常规，通过将 AI 学习注入其模型来创建一个去中心化的数据市场。$OCEAN 的看涨观点：$H2O 的推出是与 $RAI 合作，以$OCEAN 为抵押物的稳定币。这种稳定币将用作数据交易的媒介，从而更容易进行交易，同时推动对$OCEAN 代币的需求。 2. MetaSecond.AI（$MTSD): 是一个以 AI 驱动的多元宇宙平台，旨在实现线上线下的万物互联。他们计划整合 64 个不同行业和领域的专业人工智能工具，提供创新解决方案，解决人工智能输出准确性的问题。他们通过建立一个动态生态系统，奖励积极参与和合作，激励人工智能不断改进，促进加密货币和人工智能生态系统的增长和发展。目前，他们专注于开发 AI Travel & Ticketing Bot，并计划推出代币$MTSD，具备巨大的想象空间。 3. BitSensor ($TAO): 一个以去中心化的机器学习模型网络，$TAO 用于奖励网络贡献者并授予他们访问网络的权限。 $TAO 近期也在二级市场表现优异，其仍然具有巨大的增长潜力。 4.Arweave ($AR): 数据存储市场是一个 2000 亿美元的庞然大物，由几个中心化实体控制。 Arweave 是一个去中心化的存储网络，旨在通过将买家与卖家匹配来提供数据无限期存储的平台。$AR 的看涨观点主要是因为人工智能的进步推动了对像 Arweave 和$AR 代币这样的数据存储提供商的需求，从而增加了合作伙伴。到目前为止，其合作伙伴列表相当令人印象深刻，包括：Solana; Near; Avalanche; Polkadot; Cosmos 等。 5. Akash Network ($AKT): Akash Network 是一个能够帮助用户安全高效地购买和销售计算资源的网络，该网络的目标是去中心化云计算市场，这是一个价值数十亿美元的机会。 $AKT 的看涨观点可以概括为：人工智能的增长将增加对 GPU 的需求、新的 $AKT 代币经济模型以及租赁 GPU 算力等，我们已经看到了由于 GPU 需求过剩而导致的$NVDIA 大涨，这里的潜力是巨大的。这些创新项目只代表了不断发展的人工智能加密领域的一小部分，未来几年预计会有更多具有开创性的应用。随着技术的不断进步，人工智能和区块链的融合将重新定义行业，重塑数字领域，为投资者和爱好者提供前所未有的机遇。结语：近年来，人工智能和加密技术的结合引发了人们对数字领域重新定义潜力的极大兴趣。这种融合带来了许多新的机遇和可能性，吸引着广泛的关注和瞩目。以人工智能为核心的代币在市场上越来越受欢迎，其潜力和前景备受期待。尽管我们目前尚未达到大规模采用人工智能的程度，许多人工智能驱动的加密项目仍处于初级发展阶段。然而，这并没有阻碍以人工智能为主要叙事的相关代币和项目成为各界关注的焦点。人们对于这种结合所带来的无限可能性充满了期待，并且对于 2024 年的发展抱有乐观态度。考虑到这种前景和趋势，投资者应保持敏锐的观察力，紧跟市场的动向，抓住人工智能驱动的代币和项目带来的投资机会，同时也要明智地管理风险，以获得可持续和长期的投资回报。来源：金色财经

金色财经2024-01-13

数字货币发展史上的里程碑 BTC现货ETF通 WEB3与AI深度融合或将成为2024新风口

专家系统，帮助专业领域解决问题。此后，机器学习、自语言处理、计算机视觉、智能机器人的兴起，拓展了 AI 的应用领域，AI 开始更广泛地应用在金融、交通、教育、社交、Web3 等各行各业，较为大家熟知的企业或产品，如：#OpenAI 的 #ChatGPT，#马斯克 #X 正在集成的 #Grok。什么是 Web3？ Web3是互联网的下一代演进，它代表着一种新的分布式计算模型，旨在建立更加开放、去中心化、安全和用户友好的互联网。Web3的概念涉及多个技术和理念，其中最重要的是区块链技术。 Web3 的主要特征和原则如下： 1. 去中心化：Web3致力于减少对中心化服务器和中介的依赖，使用户能够更直接地与彼此交互，而无需经过中心化的控制点。 2. 数字身份：Web3鼓励建立去中心化的数字身份系统，用户可以完全掌控和管理自己的身份信息，提高隐私保护。 3. 智能合约：基于区块链的智能合约是Web3的关键组成部分，它们是自动执行的合同，无需中介，确保合同的透明和不可篡改性。 4. 开放标准和协议：Web3鼓励使用开放标准和协议，以确保系统的互操作性，使不同的应用程序和平台能够协同工作。 5. 去中心化应用（DApps）：Web3推崇去中心化应用，这些应用运行在区块链上，用户可以直接通过区块链网络进行访问，而无需通过中心化的服务器。 6. 数字资产和加密货币：Web3积极支持数字资产和加密货币的使用，这些资产可以通过区块链进行创建、传输和交换。总体而言，Web3代表了一个更加用户主导、开放和去中心化的互联网愿景，旨在解决当前互联网模式中存在的中心化、隐私问题和数据滥用等挑战。 Web3 领域 AI 相关的项目及市场情况 Web3与AI的融合代表了两个领域的交汇，将数字世界的去中心化概念与人工智能的智能化能力相结合。这种融合具有潜在的创新和推动力，对多个行业和应用产生深远的影响，也将是继 BTC 现货 ETF 通过后的又一市场机遇。根据全球顶级的区块链数据平台 CoinMarketCap 数据，目前已有 AI 相关的 Web3 项目问世并赢得一定的市场份额。如 #RNDR、#FET、#AGIX 等等，更多项目和市值数据见下图：融合 AI 与 Web3 领域特点等项目潜质从图中可见一斑，在即将到来的牛市中，AI & Web3 的深度融合将赚足大众眼球，更好地推动 Web3 和 AI 领域的发展，而作为 Web3 领域的一员，便捷安心的加密货币交易所 #Salavi 也在前瞻性地布局 AI 领域，不仅仅会上线 RSS3、HERA、ROOT 等多元化 AI 相关资产，还将集成 AI 预测等个性化功能，率领一众散户在已被重度操控的数字货币市场开创全新机遇。来源：金色财经

金色财经2024-01-12

BitMex联创加入融资2500万美元：开局顺利的Ritual结局难料？

个轻量级库，专门设计来引入链上计算，为机器学习（ML）推理工作负载提供服务。用户可以在Infernet上构建和托管ML模型，将其部署到Infernet节点，并利用链上智能合约的推理输出及可选的简洁执行证明。 Infernet SDK为Web3与AI之间的集成提供了关键桥梁，涵盖数据预处理、训练、模型支持（如scikit-learn、HuggingFace）和验证（包括零知识证明和Optimistic欺诈证明）。通过灵活应用Infernet SDK，开发者可以将AI模型集成到自己的协议、应用程序或智能合约中，实现模型的微调、货币化和推理。实力强劲的专业团队，构成了Ritual的核心成员并且为项目提供持久的智力支持 Ritual的进步和发展得益于其背后一支由经验丰富的专业人士组成的团队，他们在分布式系统、密码学和人工智能等多个领域拥有深入的专业知识。这个团队不仅对加密技术领域抱有长远的视野和承诺，而且他们在帮助构建和投资多个行业内著名企业方面拥有丰富的经验。面对新的挑战和机遇，这支团队正积极投身于这一新兴领域的探索和发展。 Ritual的团队介绍资料除了内部团队的专业知识和经验之外，Ritual还受益于其顾问团队的支持和指导。这个顾问团队包括了一些在区块链和人工智能领域具有显著影响力的专家。其中，Illia Polosukhin作为NEAR Protocol的联合创始人和"注意力就是一切"（Transformers）的共同创造者，对于Ritual在区块链技术方面的发展提供了宝贵的见解；同时，Sreeram Kannan作为EigenLayer的创始人和华盛顿大学计算机科学系的副教授，他的专业知识为Ritual在技术深度和学术方面提供了强有力的支持；此外，Tarun Chitra作为Gauntlet的创始人/CEO和Robot Ventures的合伙人，他的商业洞察和行业经验为Ritual在商业策略和市场定位方面提供了指导。通过结合内部团队的专业技术和顾问团队的行业经验与视野，Ritual得以在探索和实施区块链技术的新方向上稳步前进。这种合作和资源的汇聚，为Ritual在区块链和人工智能领域的未来发展奠定了坚实的基础。随着项目的进展，这支团队和其顾问的努力可能会对整个加密技术领域产生积极和深远的影响。 AI技术+分布式应用的前途难以预料，Ritual的持续创新能力将影响DePin相关赛道 Ritual在AI与加密货币融合这一赛道的竞争优势和潜力显而易见。AI已经成为当今科技界的主导力量，而其与加密货币的结合更是吸引了资本的广泛关注。在这一领域，我们已经见证了如Autonolas（代币Olas）这样的AI预言机项目和Tau（代币AGRS）这样专注于AI公链的项目取得显著的市场表现，分别实现了559.3%和2560.0%的惊人涨幅。这些数字不仅标志着市场的活跃和繁荣，也突显了AI与加密货币交汇点的巨大潜力，预示着这个领域可能成为投资者的新热点。考虑到Ritual的创新技术、专业团队、顶尖顾问支持以及强大的融资背景，该项目在这个竞争激烈的赛道中显然具有不可忽视的优势。Ritual通过将AI集成到智能合约的执行层，不仅提高了合约的效率和灵活性，还为区块链技术带来了更深层次的智能化和自适应性。这种技术的突破为Ritual提供了强大的竞争力，使其在AI与加密货币结合的领域中脱颖而出。随着AI技术的不断进步和加密货币市场的日益成熟，Ritual有潜力成为该赛道的领头羊，或者说"Alpha"。它的成功不仅取决于技术创新和市场表现，还将依赖于其能否继续吸引投资者、开发者和用户的广泛参与，并在这个快速变化的市场中持续创新和适应。如果Ritual能够继续沿着这条道路前进，那么它无疑将在AI与加密货币融合领域扮演重要角色，为投资者和用户带来新的机遇。来源：金色财经

金色财经2024-01-12

IOST AI LABS ｜「 AI 视界」市场冷静期到来 AI 该如何脱虚向实

基础设施支持。 · 数算规改 AI 和机器学习的模型与其所使用的数据质量直接相关，如果数据存在偏见、错误或噪音，模型的输出也可能是不准确或有偏见的。为此，对数据采集、信息存储和算法处理做出相应的规划改革是非常重要的一环，是扩大 AI 应用范围的必要条件。 · 硬件开发随着生成式人工智能（AI）日益发展，硬件创新正成为新的商机，由 AI 驱动的硬件创新也在不断加速。AI 一直在不断改变软件方面的开发形态，新一代硬件也正在积极支持机器学习的发展，以完成更大规模的计算工作。 · 具身智能在人工智能浪潮下，由其所加持的机器人化身具身智能（Embodied Intelligence）吸引了全球的广泛关注，毫无疑问成为了机器人产业的下一个风口。从产业链的角度上看，机器视觉、边缘计算等是具身智能产业的重要基础组成部分，在政策扶持与市场需求双重驱动下，有望带动相关产业的探索和发展，而其中，帮助智能机器人实现任意动作的精确控制更是 AI 行业的重要研究领域。 · 通用 AI 目前对通用 AI 主要有两种理解：通用性的人工智能（General Artificial Intelligence，GAI）指的是能够处理多种任务的人工智能；人工通用智能（Artificial General Intelligence，AGI），也称强人工智能、超级人工智能等，指的是在所有方面都达到和超越人类水平的智能系统。通用 AI 是 AI 发展的终极目标。近年来，大模型通过持续扩大规模，出现了从量变到质变的能力“涌现”现象，在语言理解生成、逻辑推理等方面表现出预料之外的能力，拉开了迈向通用 AI 的序幕，成为新一轮科技革命和产业变革的重要驱动力量。 AI 实现突破发展的关键性瓶颈数据与算法 · 数据隐私和安全问题大规模的数据收集和处理往往会造成对个人隐私和数据安全的侵犯，而一些 AI 应用更是需要大量的个人数据来训练模型，从而引发系列潜在侵犯隐私等问题。 · 算法公正性和透明性源于训练数据中的偏见，以及算法的设计和实现规则，部分 AI 系统可能存在偏见和歧视等问题，这对于用户等利益相关方来说是一个严峻的挑战。伦理与监管 · AI 伦理问题随着 AI 行业的不断发展，一系列关乎社会伦理的问题开始出现，例如：AI 是否会威胁到人类作为主体和尊严的存在？人类是否会被边缘化或取代？这些问题涉及到人类与机器之间的关系，以及人类自身的价值观和意义。 · 标准与监管整体而言，目前全球范围内对于 AI 行业是暂时缺乏统一标准和监管框架的，这直接导致了世界各地 AI 生态发展的差异，并出现较多使用 AI 来谋取不正当利益的行为。人才与落地 · 迫需人才 AI 行业除了极度需要本行业高度专业化的人才之外（包括机器学习专家、数据科学家和工程师），还需要在各个传统领域有着专业知识、商业洞察力和团队合作领导力等具备跨学科技能的人才。随着行业的不断拓展，各领域专业人才的需求亦随之激增，并直接导致了激烈的市场人才竞争。 · 落地困境主要包括商业应用的不确定性和 ROI（投资回报率）两大问题：首先 AI 技术在理论上非常强大，但在实际商业应用中的成功并不总是容易实现；公司可能面临考量投资回报率，以及如何将 AI 技术整合到现有业务流程中的问题。要想排除重难，在市场上推动「AI ➕」产品、服务的应用落地可能还需要若干时间。除以上所重点谈及的三大板块之外，AI 要想实现指数式增长创新，还必须解决成本高昂、交互率低等诸多细微问题。可以说，目前，全球正处于AI 冷静期，经过半年的“稳固”，模式化 AI 不再是能拯救各行各业的“万金油”神药。市场回归冷静，并不一定是坏事，相反，静中思创，「AI+」行业/场景将为我们创造更多新叙事、新未来。脱虚向实 —— 多维深耕、生态共建 AI 本身就具有强大的发展潜力，随着相关技术的不断进步，解决方案的不断成熟，市场可能在不久的未来便会重新活跃起来。对此，正经历全球 AI 市场冷静期的我们，则更应该开拓思维，从市场、生态等多个维度进行深入调研，多维剖析，实时关注领域最新进展。 AI 正逐步从纯粹的理论概念和实验室研究走向了市场实际应用，渗透到现实社会的各个行业与我们的日常生活场景中来。而要想真正的脱虚向实，AI 就必须进一步完成多元化场景拓展与行业共建，在这个过程中，就涉及到技术、生态、政策、人才与落地等多方的协同助力。技术创研 · 模型优化与轻量化要想适应多元化生态场景，就需要不断优化、轻量化 AI 模型，以低门槛、低成本的优势来更好的适应于不同的硬件、环境。 · 自适应学习和迁移学习 AI 系统需要具备自适应学习能力，来保证自身能够在新场景中快速学习并适应，而迁移学习则可以帮助模型在不同任务之间，快速高效地完成信息交互与知识共享。产业协作 · 产学研产业界、学术界和研究机构之间的合作，对于 AI 行业的稳定融创发展颇具意义，通过多方的知识共享和资源交互，可进一步加速 AI 技术在实际场景中的应用落地。 · 联动平台需要多方携手建立开放式创新联动平台，以组织不同领域的公司和机构来共同解决个体多难以面对的诸多问题，从而推动 AI 的跨行业协作应用。政策规范 · 行业规范制定可靠的数据隐私法规和伦理规范，来保障用户的个人隐私及数据安全，从而确保 AI 应用在法律和伦理框架内的稳定、高效运行。 · 激励政策通过制定相应的规划扶持政策、措施，如税收优惠、资金支持等，来刺激 AI 行业的整体正向发展，并鼓励传统企业在多元场景中适度投资并应用 AI 来实现自身的数字化创新升级。人才教育 · 交叉培训推动跨学科指导教育，培养具有不同领域专业知识的人才，为 AI 赋能传统行业贮备综合性人才。 · 终身学习培养全民终身学习理念，支持行业相关者不断完善知识储备和技能熟练度，以适应行业的的迅猛发展和多元场景落地需求。且论 AI 未来发展趋势无需赘述，AI 的未来发展必定将涵盖诸多领域，各类赛道，无论是技术的迭代创新，还是产品、服务的改革开发，亦或是应用领域的持续拓建等等，一一讨论，便是过于杂乱，本文便主要从以下三大方向进行整合预测论述：多元技术融创未来的 AI 可能会更加注重自主学习能力的创新 —— 包括自监督学习和增强监督学习，这将使 AI 系统变得更为灵活与高效，从而更好地适应新的环境，以完成更为大规模的复合式任务。而就未来模型而言，它将面对更加复杂多样化的交互场景，更加注重文本、图像和视频等各种形式的信息融合。对此，未来的 AI 模型可能会变得更大、更复杂，并将涉及更大规模的深度学习模型、更快速的计算硬件以及更高效的模型架构。而多模态模型能够处理视觉信息、文本信息、听觉信息等多元化数据，能够对不同表现形式的信息进行融合理解，便是 AI 全面理解真实世界的重要一步。此外，随着硬件技术的不断发展，将 AI 算法融合到边缘设备上，减少对云计算的依赖，提高响应速度，是未来发展的一个重要方向。垂直行业落地未来 AI 将更广泛且深度地赋能各个垂直行业，包括医疗、金融、制造、零售、能源等。这必将涉及到更多系统性、定制化的解决方案，从而催生特定行业的特殊需求。此外，随着技术的发展，AI 将进一步渗透到新兴领域，如量子计算、生物医学、可再生能源等，并持续推动这些领域的创新和进步。生态建设规范随着 AI 技术的不断发展，社会对于伦理和法律问题的关注度不断增加，未来可能会更加强调AI 的道德使用、隐私保护和公平性，各国可能会制定更完善的法律框架来规范 AI 的开发和应用。包括隐私、安全、受限制等在内的一系列伦理和法规问题开始得到解决，并完成相应的法规、方针的制定，但可能需要时间来形成全球性的共识意见，而公众对于 AI 技术的认知和接受度也将随之大幅度提高。目前可预见的这些趋势只是一些可能的方向，实际发展取决于技术进步、社会需求和政策变化等多个因素的综合影响，人工智能领域作为一个高动态、快节奏的迭代创新过程，随时可因骤然出现的需求变化和市场动荡而催生全新的发展趋势和方向。结尾在奔赴 AI 星辰大海的征途中，【IOST AI LABS】已策略开启“ All in AI ”核心战略升级，积极抢抓政策利好及 AI 生态红利期，充分发挥自身在技术融创多链化、生态构建多云化、算力驱动产业化等领域的先天优势。目前，【IOST AI LABS】正携手 AWS、Tencent Cloud 等全球优质生态合作伙伴，通过对话与合作凝聚共识，构建开放、公正、有效的治理机制，持续加强AI、大数据、物联网、数字孪生等数字技术的创新研究，并已推出「NFT service 」、「Blockchain traceability service 」两大 AI 产品，以积极探索并拓展 AI 多领域创新性应用场景。在新产业、新业态、新商业模式经济建设的大背景下，企业对 AI 的需求逐渐升温， AI 产值的成长速度令人瞩目，而随着 AI 在千行百业的加速落地，相关企业必须深度聚焦且持续深耕“数据＋AI”赛道，抢 AI 技术变革带来的机遇，以科技创新塑造发展新动能，主动探索多场景应用价值，助推行业健康高质量发展。来源：金色财经

金色财经2024-01-11

连接以太坊和 Cosmos 带来无限创新

协助以太坊应用程序，例如密封投标拍卖、机器学习推理、排序机制等。 1）从一开始就去中心化，没有使用Token 在 Cosmos-Ethereum 的组合格局中，去中心化从一开始就被优先考虑。EigenLayer 并没有将这种能力与原生Token联系起来，而是允许从第一天起就利用以太坊网络的庞大验证器集。输出以太坊的去中心化可确保增强的安全性并促进对网络操作的无许可访问，从而促进更具弹性的生态系统。 2）访问以太坊用户群和节点运营商鉴于 Cosmos 生态系统的所有技术创新，它非常渴望对用户群体的涌入。以太坊 wL2 是进行新实验的完美场所。此外，自 2020 年 Beacon 链上线以来，以太坊验证者已经接受了操作价值数百亿美元协议的培训。通过 EigenLayer 继承以太坊 600 亿美元的安全性， L2 可以复制其专业知识来处理节点级操作，确保最终用户获得流畅的体验。 5、以太坊在 Cosmos 中的经济安全利益是相互的。出色的团队正在积极开发解决方案，将以太坊的巨大经济安全带入 Cosmos。以下是直接涉及此的三个项目（按字母顺序列出）。 1）使用 Cosmos SDK 打造您自己的 AVS 目前，在 Cosmos SDK 中，人们可以使用本机质押Token轻松地通过 PoA 或 PoS 配置启动一条链。虽然现在可以通过复制安全性或共享安全性来租用安全性，但部署涉及与其他链的细致入微的治理参与。在不久的将来，开发人员将能够使用以太坊的安全性启动新的 PoS 链或具有目标安全预算的新 PoA 链。链可以定制其安全需求，并将网络启动与Token启动分开。 2）Karthik Raju 贡献的精神链间安全（ICS）允许链从 ATOM Token和 Cosmos Hub 验证器集借用经济安全。此后，Mesh和混合安全等新标准进入市场。 Ethos 是 Cosmos 共享安全叙述的下一步。Ethos 将 EigenLayer 重新质押的 ETH 引入 Cosmos 生态系统的新供应商链中心。Cosmos 链通常支付 10% 以上的通货膨胀率，因为底层信任层是由不稳定的资产驱动的。ETH是最优质的链上资产。重新抵押的 ETH 是 ETH 机会成本最低的版本，要求消费链的通胀/成本降低到个位数。 Ethos 将充当重新质押 ETH 的中心来源，Cosmos 链可以从中借用以低成本（通货膨胀）引导其信任层。通过允许更大的可选性，Ethos 极大地改进了共享安全的原始机制。 3）Lay3r 由 Jake Hartnell 贡献 Lay3r 正在构建一个新的支持 IBC 的堆栈，支持WASM 智能合约和 EVM。虽然借鉴了 Cosmos 堆栈（最重要的是 Comet BFT 和 IBC），但它具有基于 Rust 的模块化 SDK，允许开发人员轻松启动自己的主权高性能 L1 或 EigenLayer 支持的 L2。 Lay3r L2（通过 Eigenlayer 保护）由Mesh Security的两位创建者开发，将允许 ETH 重新质押者通过为 Interchain 提供经济安全来获得额外奖励，并为构建 IBC 支持的协议的开发人员提供谢林点和链条来源：金色财经

金色财经2024-01-11

苹果公司取得机器学习视频处理系统和方法专利，提高视频编码效率

知识产权局公告，苹果公司取得一项名为“机器学习视频处理系统和方法“，授权公告号CN111066326B，申请日期为2018年7月。专利摘要显示，本公开涉及用于改进视频编码和/或视频解码的系统和方法。在实施方案中，视频编码流水线包括主编码流水线，所述主编码流水线通过至少部分地基于编码参数来处理源图像数据，从而压缩对应于图像帧的所述源图像数据以生成经编码图像数据。另外，所述视频编码流水线包括通信地耦接到所述主编码流水线的机器学习块，在所述主编码流水线中，所述机器学习块通过至少部分地基于当所述机器学习块被所述编码参数启用时在所述机器学习块中实现的机器学习参数来处理所述源图像数据，从而分析所述图像帧的内容；并且所述视频编码流水线至少部分地基于期望存在于所述图像帧中的所述内容来自适应地调节所述编码参数，以便于提高编码效率。

金融界2024-01-11

24小时热点