FX168财经网_全球视野外汇黄金加密货币NFT资讯网

拜登召见谷歌、微软！白宫审查ChatGPT国家安全威胁 AI五年内夺1400万工作岗位

时，某些技术职位，包括专注于人工智能和机器学习的职位、可持续发展专家、商业智能分析师、信息安全专家和金融科技工程师，预计就业人数将会增加。总体而言，最大的就业增长可能出现在教育领域，幅度达到10%，导致300万个额外工作岗位、农业30%或300万个额外工作岗位，以及数字商业和贸易400万个额外工作岗位。最新报告是在高盛经济学家预测，美国2/3的职业可能被AI部分自动化之后不久发布的，尽管人们担心AI对社会和人类的潜在风险，但AI的使用在近年来呈爆炸式增长。然而，经济学家还指出，由于生产力和制造业的提高等因素，它在商业和社会中的应用可能导致全球GDP增加近7万亿美元。根据世界经济论坛的报告，近75%的受访公司计划在未来五年内采用人工智能、大数据和云计算，约50%的公司认为这将创造就业增长，25%的公司预计将导致失业。在其他地方，该报告发现，组织估计目前所有与业务相关的任务中大约有34%由机器执行，其余66%由人类执行。 “未来就业报告的最新发现再次呼吁所有劳动力市场利益相关者采取行动，”人力资源咨询公司Randstad首席执行官Sander van Noordende说。“数字化、人工智能和自动化的加速发展为全球劳动力创造了巨大的机会，但雇主、政府和其他组织需要为未来的颠覆做好准备。通过集体提供更多的技能资源，更有效地将人才与工作联系起来，并倡导规范的劳动力市场，我们可以保护工人并为他们准备一个更专业和公平的工作未来。”

小萧2023-05-03

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

非标注数据集是自我监督学习的基础，这是机器学习的未来。没有人工标注的图像/文本是一项功能，而非错误。早在Imagen发布时，也专门针对LAION-400M做出警示：因为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

Figment Capital：深入解读零知识证明加速

于并行处理，使它们特别适合于图形渲染和机器学习等应用。尽管没有 CPU 那么普遍，也没有 FPGA 或 ASIC 那么专业，但 GPU 是一种普遍的、可获得的硬件。它们的流行导致了像 CUDA 和 OpenCL 这样的低级库的发展，帮助开发者利用 GPU 的可并行性，而不需要了解底层硬件。现场可编程门阵列（FPGA）是可定制的芯片，可以以可重复使用的方式为特定的应用进行优化。开发人员可以使用硬件描述语言（HDL）直接对其硬件进行编程，从而实现更高的性能。硬件可以被反复修改，而不需要新的芯片。FPGA 的缺点是其更大的技术复杂性——很少有开发者有编程经验。即使拥有必要的专业知识，定制 FPGA 的研究和开发成本也很高。尽管如此，FPGA 在从国防科技到电信等行业都有应用。特定应用集成电路（ASIC）是为某一特定任务过度优化的定制设计芯片。与允许硬件重新编程的 FPGA 不同，ASIC 的规格是根植于芯片中的，防止它们被重新利用。对于任何特定的任务，ASIC 都是最强大和最节能的芯片。例如，比特币挖矿是由 ASIC 主导的，它计算的哈希值远远多于其他类型的芯片。鉴于这些选择，哪一个是最好的零知识证明成？这取决于应用程序。像 Penumbra 和 Aztec 这样的隐私应用程序允许用户在提交给网络之前，通过创建其交易的 SNARK 来进行私人交易。由于所需的证明相对较小，只需使用他们的 CPU 就可以在他们的本地浏览器中生成。但对于真正需要硬件加速的较大的零知识证明，CPU 是不够的。硬件加速我们可以通过多种方式在硬件上加速零知识证明：并行处理：同时进行独立计算。管线：确保我们的计算机的所有资源在任何时候都被使用，以最大限度地提高我们在一个时钟周期内的计算量。超频：将硬件的时钟速度提高到超过默认速度，以加速计算。如果不小心这样做，可能会损坏硬件。增加内存带宽：使用更高带宽的内存来提高我们读写数据的速度。在零知识中，证明生成的瓶颈往往不是计算，而是数据的传递。在内存中实现对大整数的更好表示： GPU 被设计为在浮点数（即十进制数字）上进行计算。零知识运算是在有限域的大整数上进行的。在内存中实现对这些大整数的更好表示，可以减少内存需求和数据洗牌。使内存访问模式可预测：像 PipeZK 这样的论文探讨了在计算 NTT 的同时使内存访问模式可预测的方法，使其更容易并行化。任何类型的芯片都可以被流水线化和超频。GPU 非常适合并行化，但它们的架构是固定的；开发者被限制在所提供的内核和内存上。GPU 不能为大整数创造更好的表示方法，也不能使内存访问模式更可预测。虽然 CUDA 和 OpenCL 等 GPU 库提供了一定程度的灵活性，但硬件有局限性；更高的性能最终需要更灵活的硬件。尽管如此，GPU 仍然可以加速零知识证明。零知识硬件加速公司 Ingonyama 正在建立 ICICLE，这是一个用 CUDA 为 Nvidia GPU 建立的零知识加速库。该库包含加速常见零知识操作的工具，如 MSM 和 NTT. FPGA 的时钟速度比 GPU 低，但可以通过编程来解决上述所有的加速策略。他们最大的问题只是对其进行编程。对于零知识来说，组织一个既有密码学专业知识又有 FPGA 工程专业知识的团队是非常困难的。早期为零知识加速生产 FPGA 的团队是像 Jump Crypto 和 Jane Street 这样已经拥有 FPGA 和密码学人才的复杂交易公司。FPGA 也仍然有瓶颈——单个 FPGA 往往没有足够的片上存储器来执行 NTT，需要额外的外部存储器。将硬件驱动的零知识速商业化的最严格的尝试，甚至比单片 FPGA 更进一步。为了获得进一步的收益，像 Cysic 和 Ulvetanna 这样的公司正在建立 FPGA 服务器和 FPGA 集群，结合多个 FPGA 提供额外的存储器和可并行计算，以进一步加速证明生成。这些团队的早期结果是有希望的： Cysic 声称他们的 FPGA 服务器在 MSM 比 Jump 的 FPGA 架构快 100 倍，在 NTT 比最知名的 GPU 实现快 13 倍。标准化的基准还没有建立起来，但结果指向了重大改进。 ASIC 能够为零知识证明生成提供绝对最高的性能。今天的 ZK ASIC 的问题是，他们正在为一个移动的目标进行优化——零知识正在迅速发展。由于 ASIC 需要 1 - 2 年和 1000 - 2000 万美元来生产，他们必须等到零知识已经足够稳固，所生产的芯片不会很快被淘汰。另外，零知识证明的市场规模在未来几年才变得足够大，足以证明 ASIC 所需的资本投资是合理的。 FPGA 和 ASIC 之间有一个微妙的梯度。虽然 FPGA 是可编程的，但它们的芯片有不可编程的硬化部分。固化部件的性能比可编程的要高得多。随着零知识市场的发展，像 Xilinx（AMD）和 Altera（Intel）这样的 FPGA 公司可以生产新的 FPGA，嵌入专门为零知识证明中的常见操作设计的硬化组件。同样，ASIC 也可以被设计成包括一些灵活性。例如，Cysic 未来计划生产专门针对 MSM、NTT 和其他一般操作的 ASIC，同时保持灵活性以适应许多证明系统。从长远来看，ASIC 将提供最强大的零知识证明加速功能。在此之前，我们预计 FPGA 将服务于计算最密集的零知识用例，因为其可编程性使其能够比 GPU 更快地执行 NTT、MSM 和其他加密操作。对于某些应用，GPU 将提供性能和可及性之间最具吸引力的平衡。结论区块链行业多年来一直在等待零知识证明为生产做好准备。这项技术已经吸引了我们的想象力，承诺增强去中心化应用的可扩展性、隐私和互操作性。直到最近，该技术还不现实，主要是由于硬件限制和漫长的证明时间。这种情况正在迅速改变：零知识证明方案和硬件的进步正在解决 MSM 和 NTT 等计算瓶颈问题。有了更好的算法和更强大的硬件，我们可以将零知识证明加速到足以释放其潜力，从而彻底改变 Web3。鸣谢：特别感谢 Brian Retford（RiscZero）、Leo Fan（Cysic）、Emanuele Cesena（Jump Crypto）、Mikhail Komarov（=nil; Foundation）、Anthony Rose（zkSync）、Will Wolf 和 Luke Pearson（Polychain），以及 Penumbra Labs 团队的精彩讨论和反馈，为本文做出了贡献。原文标题：Accelerating Zero-Knowledge Proofs 原文作者：Figment Capital 原文编译：Lynn，MarsBit 来源：星球日报来源：金色财经

金色财经2023-05-02

比特币5000美元时入场！全球最幸福国家：主权财富基金“秘密进行加密挖矿”

持续发展的承诺；以及区块链、人工智能和机器学习系统、碳信用平台和元宇宙等新兴技术。#NFT与加密货币#

颜辞2023-05-02

【机构调研记录】申万宏源证券有限公司调研海天瑞声、启明星辰等8只个股（附名单）

级别的安全云计算网络、大型混合人工智能机器学习平台、以及安全智能终端和机器人控制器技术研究；国内最具实力的、拥有完全自主知识产权的网络安全供应商；公司在金融行业深耕多年，紧密跟踪金融产业的数字化场景，参与数字货币安全建设，围绕数字货币场景提供全面的安全保护，其中包含数据安全、网络安全及应用安全的产品及服务；国内最具实力的、拥有完全自主知识产权的网络安全供应商；公司进行场景化创新，结合工业互联网、政企数字化转型、数字交通、数字能源等数字化场景，给出安全应对之策，来应对数字化转型面临的新挑战；公司在杭州成立DT（数据时代）总部，发布面向数据的系统属性、业务属性、经济属性提供全方位的技术及管理体系。 3）新莱应材（证券之星综合指标：2星；市盈率：50.75）个股亮点：公司真空产品的AdvanTorr品牌以及气体产品的NanoPure品牌均可以应用到光刻机的设备中；全资子公司山东碧海包装材料有限公司拥有液态食品企业自建厂至投产的整体解决方案的能力，可以为液态食品企业提供前处理设备、灌装设备、后段包装设备、设计、施工安装以及无菌包装材料等等在内的一体化服务；山东碧海是液态食品领域为数不多的能够同时生产、销售纸铝塑复合液态食品无菌包装纸和无菌纸盒灌装机的企业之一；在泛半导体领域，公司的高纯及超高纯应用材料可以满足洁净气体、特殊气体和计量精度等特殊工艺的要求，覆盖于半导体制程设备和厂务端所需的真空系统和气体管路系统，通过了美国排名前二的半导体应用设备厂商的认证并成为其一级供应商；21年泛半导体收入5.32亿元，营收占比25.9%。 4）华锐精密（证券之星综合指标：2.5星；市盈率：33.88）个股亮点：知名硬质合金切削刀具制造商；主要从事硬质合金数控刀具的研产销，硬质合金数控刀具是数控机床执行金属切削加工的核心部件。 5）圣邦股份（证券之星综合指标：3星；市盈率：69.1）个股亮点：A股首家专注于模拟芯片设计的集成电路企业；A股唯一高性能模拟芯片设计厂商，覆盖信号链和电源管理两大领域，高清产品有高清视频滤波驱动器；国内模拟集成电路设计行业的领先企业；公司专注于高性能、高品质模拟集成电路研究、开发与销售，产品全面覆盖信号链及电源管理两大领域的25大类产品，部分关键技术指标达到国际领先，可实现进口替代；18上半年公司共享单车解决方案中已经使用了包括充电管理芯片、开锁马达驱动芯片、蜂鸣器驱动芯片等多款产品。 6）爱美客（证券之星综合指标：4星；市盈率：83.84）个股亮点：本土医美龙头，玻尿酸当红花旦，已构建嗨体、宝尼达、爱芙莱等玻尿酸明星产品矩阵，其中嗨体产品是目前唯一经国家药监局批准的针对颈部皱纹改善的三类医疗器械产品，填补了颈部皱纹修复领域的空白，19年新增聚对二氧环己酮面部埋植线、在研肉毒素及重组蛋白等；在研有童颜针、肉毒、重组蛋白，另有丰唇、多款去皱产品储备，19年收入5.58亿元，为国产医美针剂领域规模最大，占比超95%；本土医美龙头，注射类透明质酸（玻尿酸）领先企业；国内生物医用软组织修复材料领域的创新型领先企业；主营医疗美容器械，已成功实现基于透明质酸钠的系列皮肤填充剂、基于聚乳酸的皮肤填充剂以及聚对二氧环己酮面部埋植线的产业化；其中聚对二氧环己酮面部埋植线为首款取得国家药监局批准的面部埋植线产品；21年医疗器械行业收入14.37亿元，营收占比99.23%。 7）拓斯达（证券之星综合指标：2.5星；市盈率：44.53）个股亮点：18年3月，公司在工业机器人及核心零部件控制器等方面都具备自主研发能力，公司也有为客户做MES系统，同时与华为云正展开工业互联网方面的合作；公司2016年建立机器人视觉研发团队，已掌握了图像处理、机器人标定、缺陷检测、视觉定位、视觉测量等技术，并成功移植到机器人控制系统，实现了机器人与机器视觉的无缝对接；公司积极布局工业制造产业互联网领域，与控股股东共同设立广东驼驮网络科技有限公司，驼驮科技是定位于工业制造领域的一家产业互联网平台，基于工业设备交易和维保服务，给买卖双方提供设备管理系统服务，通过产业数据的沉淀和应用，对产业资源进行整合和高效匹配；公司致力于打造系统集成+本体制造+软件开发+工业互联网四位一体的工业机器人生态系统和整体自动化解决方案。 8）东芯股份（证券之星综合指标：2星；市盈率：361.26）个股亮点：中国大陆少数可以同时提供NAND、NOR、DRAM等存储芯片完整解决方案的公司；公司聚焦中小容量通用型存储芯片的研发、设计和销售，设计研发的24nm NAND、48nm NOR均为我国领先的闪存芯片工艺制程，已达到可量产水平；大陆少数可以同时提供NAND、NOR、DRAM等主要存储芯片完整解决方案的公司；聚焦中小容量通用型存储芯片的研发、设计和销售，设计研发并量产的24nmNAND、48nmNOR均为大陆目前领先的NAND、NOR工艺制程，在高通、博通、联发科、紫光展锐、北京君正等多家平台厂商获得认证；大陆领先的存储芯片设计公司；公司聚焦中小容量通用型存储芯片的研发、设计和销售，是中国大陆少数可以同时提供NAND、NOR、DRAM等存储芯片完整解决方案的公司，设计研发并量产的24nm NAND、48nm NOR均为大陆目前领先的NAND、NOR工艺制程。以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-05-01

被颠覆、被捅刀、被群嘲：谷歌还能打赢这场AI之战吗？

epMind同样成立于2010年，专攻机器学习技术，2014年被谷歌以5亿美元收购。它更聚焦于精品项目，如阿尔法狗、阿尔法Fold。前者曾击败世界围棋冠军李世石，在全世界登上头条；后者成功预测了蛋白质DNA结构，在国际生物界引起巨大震动。 Bard的首战失利，让皮查伊冷静下来。 4月20日，他宣布将两大AI团队合并，新团队被命名为“Google DeepMind”，由DeepMind创始人戴米斯·哈萨比斯（Demis Hassabis）担任CEO。Google Brain的负责人杰夫·迪恩（Jeff Dean）被任命为首席科学家，基本失去了游戏资格。哈萨比斯是DeepMind联合创始人之一，现年46岁，他将公司总部设在了家乡——英国伦敦国王十字街上。哈萨比斯的父亲来自希腊，母亲是新加坡华人，曾被称为国际象棋神童，15岁就从剑桥大学毕业，他用机器学习做的第一件事是教AI玩游戏。在谷歌内部，没人质疑他的能力。哈萨比斯图源：DeepMind官网为什么DeepMind会胜出？谷歌前员工娜塔莎·贾奎斯曾在两支团队都工作过，她说：“Brain的工作方式是自下而上的，研究更多靠个人兴趣驱动。而DeepMind是自上而下的，老板定方向，员工有标准的OKR考核。” 哈萨比斯快速宣布了架构调整，DeepMind人马全面上位。对Brain团队的员工来说，散养式的科研风格就此消失。 02 失去的十年从2014年收购DeepMind算起，谷歌这10年都没有拿出过真正颠覆性的AI产品。为什么？答案：保守和迟钝。谷歌前产品经理高拉夫·内马德透露：“谷歌顾虑很多，非常害怕公司声誉受损……他们倾向于保守主义。” 谷歌的保守披着一层伦理捍卫者的外衣，它不断向外界传递“AI很危险”的论调。2018年，谷歌发布《人工智能原则》，强调AI研发必须有益于社会、反对歧视等。谷歌内部对AI伦理相当敏感，多次有员工对媒体爆料称，公司AI产品已有了人类意识，呼吁暂停研究。谷歌强调AI伦理，既受“不作恶”的价值观和美国社会崇尚政治正确的舆论环境影响，也是出于公司的利益考虑。早在2017年，谷歌就研发了一款对话式AIGC产品——LaMDA。当时谷歌内部评估了LaMDA的风险，认为它不时犯错，会误导用户，让用户对谷歌产生不信任感。而谷歌的主业之一搜索，致力于帮助用户找到正确答案，AIGC被认为有可能动摇公司的根基。 “谷歌研发这个东西的时间最长，它为什么不敢推一个产品出来？”前百度总裁张亚勤在接受《三联生活周刊》采访时表示，“因为大公司会害怕产品不完善、会犯错，而ChatGPT相当于提供了一个用户的标准。” 在他看来，微软可以大胆将ChatGPT加入到Bing搜索中，因为它的市场份额不大。但如果谷歌在搜索中加入聊天机器人，“就要用很多算力，就会影响利润”。虽然ChatGPT也偶尔会给出不靠谱的答案，但OpenAI是一家非上市企业，因此他们大胆将产品推给了公众。相比于保守，谷歌对技术的迟钝就不可理解了。 “Facebook和Google没有意识到这个领域可以有这么大的突破。”一位国内投资人表示。谷歌和OpenAI都使用了模仿人类神经网络的机器学习技术，但路线上略有区别。谷歌采用监督式学习模型，OpenAI采用预训练模型；谷歌更强调干预，而OpenAI先让ChatGPT自主学习，随后再引入人工标注语料进行训练和引导。这更像一场黑暗中的军备竞赛。直到2018年，马斯克还认为谷歌领先于OpenAI。谷歌的AI对话产品Bard 图源：谷歌官网然而，当谷歌在竞争压力下放弃保守，公开发布AI对话产品，Bard却收获了一边倒的差评。一位美国资深科技记者评价道：“（和GPT相比）这就像一个标准的聊天机器人。” 更丢脸的是，当巴伦周刊记者让Bard描述下自己的长相时，它的回答是：“我应该有六英尺高（1.83米），棕色的短发，蓝色的眼睛。我的皮肤应该是浅色的，着装很休闲，比如T恤和牛仔裤。”（编者注：典型的美国主流群体白人形象。）对一家强调“AI政治正确”的公司，这实在有些讽刺。如今，谷歌开始失去这场军备竞赛中最重要的资产：人才。今年3月，有媒体统计过，已至少有13位人工智能领域明星级人才离开了谷歌，其中包括预训练语言模型的负责人雅克布·德弗林（Jacob Devlin），他加入了OpenAI。 03 谷歌会掉队吗？如果谷歌输掉这场AI之战会怎么样？二级市场已经给出了回答。Bard发布当天的一次回答错误，就让谷歌母公司Alphabet市值减少了1000亿美元。微软还在“捅刀”，它极力将自己塑造为搜索行业颠覆者。微软CEO萨提亚·纳德拉（Satya Nadella）在一场电话会议上表示，融入了ChatGPT后，Bing在搜索市场的份额正在增长：“最大的软件类别——搜索业务，正在发生翻天覆地的变化，我们将继续这一旅程。” 不过，据美国流量检测机构Statcounter的数据，今年3月，谷歌搜索的全球市场份额为93.17%，和去年10月（ChatGPT推出前）相比还有所上升；微软Bing目前份额为2.88%，并没有显著增长。在AI大语言模型赛道，仍有人看好谷歌。长期跟踪美国AI行业的弘芯基金投资总监何祥鑫并不认为谷歌这10年在AI领域一无所获。在他看来，ChatGPT中的T所代表的transformer，其实是谷歌发明的。只不过，谷歌将许多成果用于改进旗下产品体验，比如搜索结果和YouTube的内容推荐，“这些都不是革命性的”。而ChatGPT的惊人效果在于，将无监督学习、有监督学习和强化学习整合到一起。谷歌正在不断改进Bard，密集推出新功能。美国知名科技博主阿莱克斯·坎特洛维茨表示：“谷歌的聊天机器人技术可能具有后发优势。”有业内人士认为，OpenAI的“预训练模型”给行业确立了技术路线，谷歌的优势将很快发挥出来：算力、数据和人才。谷歌合并AI团队的举动也被认为及时且有必要。一位用户在社交新闻平台Reddit评论道：“在大语言模型领域，你是要押注两个各拥有50万GPU（图形处理器）的团队，还是一个拥有100万GPU的团队？” 4月26日，谷歌母公司Alphabet发布了2023年Q1财报，营收和利润双双超市场预期，云业务首次实现盈利。皮查伊在电话会议上首先提到了AI，虽然这项业务并没有单独体现在财务数据上。他一边“安利”Bard，一边极力淡化生成式AI对搜索广告业务的威胁：“用户想自己选择要看的内容，即使我们给他们提供了回答和内容摘要，他们也是如此。” 在谷歌AI一号位哈萨比斯看来，这场迈向通用人工智能的战斗才刚刚开始，谷歌并没有落后太远。他说：“AI最终会拥有人类的意识，但今天它还远远谈不上。” 来源：元宇宙之心来源：金色财经

金色财经2023-04-29

亚马逊2023Q1业绩电话会议记录

有许多公司寻求接触的客户。再加上我们在机器学习方面投入了大量资金，以确保客户在寻找各种商品时看到相关广告，这意味着这些广告对品牌来说表现异常出色，这让他们想在亚马逊上做广告。还值得注意的是，我们仍在早期努力寻找一种方法，以便在我们更广泛的视频、体育直播、音频和杂货资产中精心投放广告。我们在广告方面还有很多优势。在 AWS 中，我们看到的是企业在这个不确定的时期继续对支出持谨慎态度。客户正在寻找省钱的方法，但他们现在可以。他们告诉我们，其中大部分是成本优化与成本削减，这是一个有趣的区别，因为他们说他们正在成本优化以将这些资源重新分配给新的客户体验。云的一大优点是您可以根据需要无缝地向上或向下扩展，而本地基础设施则不是这样。客户需要帮助找到在这个充满挑战的时期减少支出的方法。鉴于从长远来看这对客户来说是最好的，我们一直在积极帮助客户进行这些调整。我们花了相当多的时间来分析我们所看到的，我自己也花了很多时间来查看，我们喜欢我们在 AWS 中看到的基础知识。新的客户渠道看起来很强大。不断将工作负载迁移到 AWS 的过程很强大。产品创新和交付迅速且引人注目。人们有时会忘记全球 90% 以上的 IT 支出仍在本地。如果你相信方程式会翻转，我们就是这样做的，它会转移到云端。并让云基础设施提供最广泛的功能，但我们离完成 AWS 的发明还很远。我们最近发布的关于大型语言模型和生成式 AI 以及与之相关的芯片和托管服务的公告是最近的另一个例子。在我看来，很少有人意识到在未来几年内，由于即将到来的机器学习洪流，将会出现多少新的云业务。在过去的一年里，我们做了相当多的成本精简工作。正如我在最近的股东信中提到的那样，我们深入审视了整个公司，并自问我们是否对每项举措的长期潜力充满信心，以推动足够的收入、营业收入、自由现金流和投资资本回报。在某些情况下，它导致我们关闭了某些业务，例如我们的实体书店、Forestar Stores、Amazon Fabric、Amazon Care 和某些我们看不到有意义回报途径的设备。在其他情况下，我们查看了一些没有产生我们希望的回报的程序，例如所有超过 35 美元的在线杂货订单免费送货并更改它们。我们还做出了裁员约 27,000 个公司职位的艰难决定。与大多数领导团队一样，我们将继续评估我们在业务中看到的情况并采取适应性行动。但是，尽管我们已采取多项措施来精简成本，但我们能够做到这一点，同时仍在追求关键的战略长期投资，我们认为这些投资可以有意义地改善客户的生活并有可能改变亚马逊的面貌。这些投资既包括我们前面提到的更大的业务，也包括我们商店业务的国际扩张、我们仍处于起步阶段的大型零售市场领域，如杂货店和企业对企业，允许消费者使用 Prime off亚马逊在我们的 Buy with Prime 计划、娱乐、设备、很难预测所有这些都会成功，但从长远来看，只有一两个工作会改变我们的业务。我们面前有很多工作要做，但我喜欢我们前进的方向，并且坚信我们最好的日子就在我们面前。有了这个，我会打开它来提问。问答环节道格·安姆斯 Andy，你谈到了持续优化。只是好奇，您能否谈谈 AWS 中优化的程度以及您认为未来可能实现的优化程度，以及您何时开始完成其中的一些努力？然后在资本支出方面，我想你说过 23 年整体资本支出会下降。您能否帮助我们了解零售和 AWS 之间的关系更好一点？那么从生成式 AI 和大型语言模型的角度来看，CapEx 需要什么？谢谢。布赖恩·奥尔萨夫斯基这是布莱恩。我将首先回答该问题的第一部分和第二部分。在资本支出方面，我们去年花费了 5900 万美元——对不起，590 亿美元。而我们——在我们的核心履行和运输领域，我们实际上比去年同期花费更少，而且这些估计正在下降。GAAP 或 AWS 和基础设施的增加，我们正在为大型语言模型和生成人工智能增加更多的资金。因此，我们正在我们的履行和运输编号中创建一些空间，这些空间已重新用于 AWS。我们仍然认为综合资本支出将同比下降。安迪贾西关于你的第一个问题，道格。很难说我们在这个过程中的确切位置。我认为，当我们与客户交谈时，我们继续看到的是，他们对他们在经济中看到的情况持适当的谨慎态度。与大多数公司（包括我们自己的公司）一样，他们正在努力寻找省钱的方法。我们有一个长期的记录，我们将继续追求，我认为这对客户和我们的业务长期来说是有意义的，我们不会尝试优化一个季度或一年。我们将尽一切努力帮助客户在很长一段时间内取得成功，因为我们正在努力在一项对我们所有人来说都持久的业务中建立关系。因此，我们花了很多时间与客户一起尝试帮助他们思考聪明的方法，而不是短期的方法，而是优化成本并能够扩大和缩小规模的明智方法。同样，云的一大优势是，如果您快速增长，就可以无缝扩展。但是当你没有需求时，你可以把它还给我们并停止支付，而你在本地看到的情况并非如此。因此，我们正在努力帮助客户解决这个问题。我认为重要的是要记住，客户非常明确地告诉我们，这不是一项削减成本的工作，我们打算在技术或云上花费更少的钱。这是我们重新确定此时对我们的业务最重要的事情的优先级，并尝试重新分配资源，以便我们可以建立新的客户体验 [并改变可能的事情] (ph)。所以，我想如果你考虑一下——顺便说一句，这些项目需要时间来构建。当你重新分配时，你在重新确定优先级，你在重新定义你要构建的东西，你必须在实施它之前实际去构建它。我们正在与客户就这些计划进行非常仔细和密切的合作。我认为重要的是要记住，在云计算之前仍有如此多的增长，全球 90% 以上的 IT 支出都在本地。因此，如果您认为等式会发生逆转，那么它主要会转移到云端。而且我还认为，随着大型语言模型和生成 AI 的出现，现在有很多人没有意识到将要发生并在云中花费的非消费量。我认为许多以前不存在的客户体验将被重塑和发明。在我看来，这一切都将花在云端。埃里克谢里丹安迪，你在信中谈了很多——在股东信和上次财报电话会议上，关于提高公司效率的水平，也可能回到我们在大流行前和吸收过剩产能时看到的一些保证金结构疫情期间积累的。您能否向我们介绍一下您认为您在这些广泛的努力中所处的最新状态，以使利润率与大流行前的水平相匹配，并在未来几年内在盈利能力和推动增长计划之间取得适当的平衡？非常感谢。布赖恩·奥尔萨夫斯基埃里克，这是布莱恩。让我从这个问题的财务部分开始。因此，我认为我们会形容自己就像在旅途中一样，在恢复我们的成本结构并将其恢复到大流行前水平方面取得了坚实的进展。Andy 谈到了运营方面的努力和我们运营的区域化。显然，我们已经仔细审视了过去 6 到 9 个月我们所从事的所有业务，并在那里进行了调整。但是我们还有很多路要走，尤其是在运营方面，如果你看看我们在北美的运营利润率，例如北美部分，本季度为 1.2%，大流行前这个数字在 4% 到6% 范围广泛。所以，这是多少上涨空间的标志。但是这个数字中有很多移动部件。很明显，有广告，有为未来增长而进行的投资，还有我们的业务正在实现的核心盈利能力和成本结构。因此，取得进步，努力工作，但这比在一两个季度内反弹要长得多。安迪贾西我只想补充一点，我们对我们的每一项业务都非常认真。而且我认为，虽然考虑到它的规模，它可能是最明显的，但我们商店业务的营业利润率和效率的提高是什么，我认为每个企业都在努力寻找提高效率的方法。正如布赖恩所说，我认为我们正在取得非常非常好的进展，我们的运营网络和商店业务的履行成本。但其中一件有趣的事情，坦率地说，对我们所有人来说非常鼓舞人心的是，在过去的 6 到 9 个月里，随着网络发生根本性变化，请记住，当你经历了与我们经历的一样多的增长并且你补充说——你的运营中心占地面积增加了一倍，你还在几年内建立了一个与 UPS 规模相当的最后一英里运输网络，你需要做很多工作才能达到你想要的生产力。在过去的 6 到 9 个月里，我们花了很多时间来解决这个问题。但是你之前操作的一些方法，通过曲线和比例尺中的几个弯头，当它们变得低效时，因为网络从根本上改变了，他们在很大程度上变得效率低下。因此，这是导致我谈到的区域化努力的一部分，但它也让我们真正重新评估过去 6 到 9 个月我们在运营中所做的几乎所有事情。我们发现的机会比我们以前想象的要多得多。因此，我非常乐观地认为，我们不仅有机会在营业利润率方面恢复到大流行前的水平，而且我认为我们已经确定的一些机会还有额外的好处。布莱恩·诺瓦克我有两个，安迪。第一个，您谈到了 AWS 的长期人工智能和大型语言模型潜力。当谈到这些工具时，我认为有很多关于 AWS 竞争定位的讨论。您能否向我们介绍一下您认为 AWS 提供的 2 或 3 个关键差异化点以及 AI 工具与一些竞争对手的区别？然后是关于 Echo 和 Alexa 的第二个。随着一些新的大型语言模型的迅速出现，神经网络现在可能不是技术的前沿。您如何看待 Echo 和 Alexa 未来的关键投资重点？您对该部门的 ROIC 有何看法？谢谢。安迪贾西是的。我会尝试一起回答这些问题，因为它们有些相关。我认为当你想到机器学习时，记住我们在亚马逊 25 多年的机器学习方面进行了大量投资是很有用的。它几乎在我们所做的每一件事中都根深蒂固。它推动了我们的个性化电子商务推荐。它在我们的运营中心推动 Pick Pass。我们的 Go 商店中有它。我们在我们的 Prime Air 无人机中拥有它。它显然在 Alexa 中。然后是 AWS，我们拥有 25 多种机器学习服务，我们拥有最广泛的机器学习功能和相当多的客户群。因此，它在我们的传统中根深蒂固。我想如果你看看过去 9 个月左右发生的事情，这些大型语言模型和生成式 AI 功能已经存在了一段时间，但坦率地说，这些模型在大约 6、9 个月之前并没有那么引人注目前。而且它们变得越来越大，越来越好，越来越快，这确实提供了一个绝佳的机会，可以改变几乎所有现有的客户体验，以及许多以前不容易实现的不存在的客户体验。因此，在这个领域还处于早期阶段，但可能并不奇怪，多年来我们一直在投资构建我们自己的大型语言模型，并且我们在整个公司进行了大量投资。布莱恩，我要打破它的方式是，我会说这个空间中有三个宏观区域。如果你考虑这里的底层，所有的大型语言模型都将在计算上运行。该计算的关键将是该计算中的芯片。到目前为止，我认为那里的很多芯片，尤其是针对此类工作负载进行了优化的 GPU，它们既昂贵又稀缺。很难找到足够的容量。因此，在 AWS 中，我们多年来一直致力于构建定制的机器学习芯片，我们构建了一种专门用于训练的芯片——机器学习训练，我们称之为 Trainium，一种专门用于推理或预测的芯片来自称为 Inferentia 的模型。顺便说一下，现实情况是大多数人将大部分时间和金钱都花在了培训上。但随着这些模型逐渐投入生产，它们在应用程序中的位置，所有的支出都将用于推理。所以，它们都很重要。如果你看看——我们刚刚发布了 Trainium 和 Inferentia 的第二个版本。你可以从这些芯片中获得的价格和性能的组合是非常有区别的，而且非常重要。所以我们认为很多机器学习训练、推理都将在 AWS 上运行。然后，如果你考虑 - 所以你必须训练模型，你必须运行推理，然后你必须 - 但你必须构建模型。如果你看看真正重要的领先大型语言模型，你会发现它们需要很多年的时间和数十亿美元的资金来构建。将会有少数公司愿意投入时间和金钱，亚马逊就是其中之一，但大多数公司不会。因此，大多数公司真正想要的以及他们告诉 AWS 的是，他们希望使用其中一种基础模型，然后能够根据自己的专有数据、自己的需求和客户体验对其进行定制。他们希望以一种不会将其独特的 IP 泄露给更广泛的通用模型的方式来做到这一点。这就是我们大约一周前刚刚宣布的 Bedrock。这是一种托管的基础模型服务，人们可以在其中运行来自亚马逊的基础模型，我们将自己公开，我们称之为 Titan。或者他们可以从 AI21 和 Anthropic and Stability AI 等领先的大型语言模型提供商那里运行它。他们可以运行这些模型，采用基线，根据自己的目的自定义它们，然后能够以相同的安全性和隐私性以及他们在 AWS 中用于其余应用程序的所有功能运行它。这对客户来说非常有吸引力。然后第三层实际上是将要构建在那些大型语言模型之上的应用程序。因此，ChatGPT 是正在构建的应用程序的一个很好的例子。我们将自己构建其中一些应用程序。因此，例如，我们认为将在生成式 AI 中构建的最引人注目的应用程序之一必须与通过编码帮助提高开发人员效率有关。因此，我们构建了一个名为 CodeWhisperer 的东西，我们刚刚宣布了它的普遍可用性，开发人员可以在其中插入一种自然语言，比如——我想建立一个视频托管网站。CodeWhisperer 将提供您需要的代码，开发人员需要使用并将其投入生产，这非常引人注目。如果您考虑开发人员的工作效率会提高多少，以及他们将花时间做什么而不是像 [音频不清晰] 那样重写代码需要时间，我认为这是一件大事。现在，关于你的第二个问题，它与我刚才谈到的这个顶层有关，我们将建立一个非常 - 我们亚马逊内部的每一个业务都建立在大型语言模型之上，以重塑我们的客户经验，你会在我们的每一项业务、商店、广告、设备、娱乐中看到它。设备，这是你的具体问题，就是一个很好的例子。我认为当人们经常问起我们关于 Alexa 的问题时，我们经常分享的是，如果我们只是构建一个智能扬声器，那将是一个小得多的投资。但我们有一个愿景，我们坚信我们要打造世界上最好的个人助理。要做到这一点，这很困难。它跨越了很多领域，而且是一个非常广泛的表面积。然而，如果你考虑大型语言模型和生成式人工智能的出现，它会使底层模型更加有效，我认为它确实加速了构建世界上最好的个人助理的可能性。我认为我们从 Alexa 的一个很好的起点开始，因为我们有几亿个端点被用于娱乐、购物、智能家居和信息，以及第三方生态系统合作伙伴的大量参与。我们在它下面有一个大型语言模型，但我们正在构建一个更大、更通用和更强大的模型。我认为这将真正迅速加速我们成为世界上最好的私人助理的愿景。我认为它背后有一个重要的商业模式。科林塞巴斯蒂安我想，首先，在国际部分，我的意思是，不仅是我们的收入在加速，而且在利润方面也是如此。如果您可以为那里的一些举措和改进添加更多色彩。其次，在实体店上，包括杂货策略，也许任何值得考虑的关于优化跨类别商店策略的任何更新想法。这些企业的足迹计划是否有任何变化？谢谢。安迪贾西谢谢，科林。我将从国际问题开始。所以是的，我们看到在外汇中性基础上的增长加速，从第四季度的 5% 到 9%。我认为那里的经济开始趋于稳定，尤其是在成熟的欧洲国家。我们看到消费者信心增强，通货膨胀正在下降。所以其中一些与北美相似。但这可能是我们在第一季度在国际比赛中没有指望的一些优势，这是一个很好的优势。在保证金方面，保证金 - 负保证金已经下降。收入在这方面有所帮助，但这也是我们在某些投资中进行的一些削减的结果。其中大部分在北美，但您会看到运营效率有所提高，并且在某些全球计划的边缘将降低国际成本。我会再次提醒您，国际是已经盈利且看起来有点像北美的成熟国家的集合，也许处于较早的发展阶段并正在努力实现盈利能力的平衡。我们在许多领先于我们在北美看到的曲线的国家/地区拥有 Prime 福利。在那里很开心。我们有一个庞大的新兴业务。在过去 5 年中，我们新增了 10 多个国家/地区。我们看到的是，如果您很久以前回顾北美，我们花了 9 年时间才在美国实现盈亏平衡。我们在海外很多国家看到了类似的曲线。事实上，我们通常需要应对额外的挑战，比如缺乏支付方式、缺乏既定的基础设施——尤其是交通和互联网基础设施以及其他一切。因此，采用速度可能会更慢，但我们对正在建立的业务感觉良好。它们具有许多与我们在北美相同的特征。价格选择和便利性是其中的核心，我们对 Prime Video 在许多新兴国家/地区的采用率、流量和新客户获取感到非常满意。这么好的季度。我们将继续在成本结构方面再次努力，并逐个国家发展这些业务。在食品杂货方面，我想说的是我们继续在那里取得进展。我们有一个有趣的杂货业务，我们已经从事了一段时间，而且我们实际上拥有相当大的杂货业务。这只是一个不寻常的精选杂货业务，非常像 25 年、30 年前大型采购商进入杂货店的方式，那里的精选——是不受温度控制的物品，所以它是罐头食品、包装食品、纸制品和宠物用品和个人护理、健康和美容以及各种消耗品。有趣的是，在当前的环境下，消费者对自己的消费持谨慎态度，并想方设法在不同的产品变体中进行折价交易，但消费品仍然非常非常强劲。因此，我们仍然对此感到非常高兴——我们的杂货业务的这一部分服务于更广泛的杂货购物旅程，我们试图帮助客户。我们必须有更大的实体存在，因为大多数购物访问仍然是实体店。我们在那里做了两项努力。我们有 Whole Foods，它真正开创了有机食品杂货领域。而且这种情况继续良好增长，我们在过去一年的业务中做出了一些改变，改变了那里的盈利轨迹，并且对此感觉非常好。同时，如果你真的想像我们一样提供尽可能多的杂货，你必须有大量的实物产品。这就是我们多年来一直致力于打造我们称为 Amazon Fresh 的品牌。我们希望我们在这一点上走得更远。我们尝试了很多想法。我们还没有找到关于我们想要更广泛扩展的格式的信念。我们有一系列的实验、想法和概念，我们正在那里的数十家商店中开展工作。我们非常乐观，我们有一些可能非常有效的东西。我们希望明年我们能找到这一点。但我们仍然相信——这对我们今天来说是一项大生意。它正在继续变得更大，但我们相信我们有机会让它为亚马逊变得更大，我们可以在其中更广泛地帮助客户。贾斯汀波斯特我想，AWS，你能在 4 月或 2 季度为补偿调出任何不寻常的项目吗？我知道你去年的第二季度非常好。只考虑本季度的线性度。其次，安迪，非常感谢股东的来信。看来您已将医疗和 Kuiper 列为重要的投资领域。你认为那些 - 我的意思是，为什么是那些领域？公司是否考虑过拆分所有大笔投资，以便我们对零售利润率结构更加清晰？谢谢。布赖恩·奥尔萨夫斯基是的。嗨，贾斯汀。谢谢。在 AWS 上，我认为 Andy 很好地展示了我们所看到的动态——目前在客户中以及他们正在削减工作量和我们在客户达到合同限制并延长合同限制和规划中看到的持续实力为将来。因此，我们对业务前景感到非常强烈，并理解我们为帮助客户省钱所做的短期工作。所以，我想说第二季度与第一季度相比，没有明显的同比差异。这只是再次了解哪些客户在某些领域正在削减并在其他领域有所增长，并帮助他们满怀希望地继续他们正在计划的新计划。安迪贾西是的。就我在年度信函中提到医疗保健和 Kuiper 而言，我认为我在信中试图做的是解释我们如何看待投资——以及我们如何看待我们所做的新的重大投资。我在信中谈到我们正在看一些事情。我们看看是否——如果它成功了，它能不能做大并以正确的 ROIC 为亚马逊带来优势？这种体验今天在其他地方是否得到了很好的服务？我们有某种差异化吗？我们对公司在那方面有信心吗？如果没有，我们能否快速获得它？我们想要这些问题的答案，我们将投资。其中一些投资导致了看似相对简单的投资。我谈到了我们商店业务的品类扩张和国际扩张，以及一些对我们来说很大的新兴零售细分市场，我们认为我们可以拥有大企业和企业对企业，我们的亚马逊业务实体和杂货店以及像 Buy with Prime 这样的东西，它允许我们的消费者使用他们的 Prime Benefit 和亚马逊以外的其他第三方网站，还可以让商家以更高的速度转换，因为 Prime 会员能够快速付款，然后获得他们所获得的快速、可靠的运输来自总理。但我指出，还有其他投资有时不会导致人们最初可能猜到的类别。AWS 就是一个很好的例子，当我们在 2003 年开始追求它时，这对我们来说似乎真的不同。我们是一家非常不同的公司，因为我们这样做了，尽管内部和外部有很多人认为有点疯狂。所以我只在那里选择了其中的两个。我可以选择更多。这封信已经足够长了，所以我只选择了两个，但我选择了两个我们有信心的。在医疗保健方面，当你思考我们在考虑是否应该进行大笔投资时问自己的一系列问题时，医疗保健是一个价值数万亿美元的行业，而且非常分散，尤其是在美国，它真的很崩溃，我想什么时候——我们的客户多年来一直要求我们提供药房。如果你仔细想想，那不是——这是我们在零售业所做工作的自然延伸，我们在 2020 年推出了亚马逊药房，我认为这是一个良好的开端。它在继续增长。我们在那里有很多事情要做。但是很多喜欢这种体验的客户说，“天哪，我希望你们能帮助我们获得更广泛的医疗保健体验。” 而且，如果您考虑尝试有意义地改变这种体验，那么初级保健就是其中的核心。如果你看看过去几十年的情况，我们将很难说服我们的孙子孙女，过去是这样看初级保健的，你必须提前打电话, 提前一个月安排约会，开车 20 分钟去看医生，停车，进入设施，在接待处等 20 分钟。然后你进入检查室，等待 10 分钟让医生进来。医生与你交谈 5 分钟，然后给你开药，你开车 20 分钟去拿药。而这种体验是没有意义的，也不会是这样的。因此，当我们开始尝试使用 Amazon Care 时，我们看到了一些经验，我们无法相信有多少人喜欢这种简化的体验。我们最终决定我们在那里没有正确的商业模式。但我们遇到了一个医疗机构，其中的数字应用程序非常引人注目，你可以通过聊天或视频会议与医生交谈，或者如果你必须去实体机构，他们在全国各地都有诊所，你可以得到预约当天或次日。在所有这些城市中，他们都与健康专家建立了联系，您可以联系到那里。他们获得预订的能力，您可以在一两天内在那里获得预订。然后，当您需要药品时，您可以让亚马逊药房或其他第三方药店自动将其运送给您。这是一个非常，非常不同的体验。我们认为我们有机会成功地帮助改变这种体验。如果我们在初级保健和健康方面取得成功——以及在药房方面取得成功，那么我们还可以在很多其他方面为客户提供帮助。所以，我们认为这是一个很大的机会。然后我会在 Kuiper 上简单说一下，这是一个非常大的数字。如今，数以亿计的家庭、企业和政府实体无法连接到互联网。如果你只是想想如果你没有连接你不能做什么，我们都认为这是理所当然的。但是拥有这种连接意味着您可以参加在线教育课程并接受教育，或者您可以开始或经营一家企业，或者您可以享受娱乐，或者您可以购买您能想象到的任何东西。对于企业和政府而言，要能够拥有这种覆盖范围，以便能够在您必须存在的各种环境中更加无缝地运作，这将彻底改变游戏规则。因此，我们认为它有机会成为一家非常大的企业。我们还没有——我们已经在我们的一些设计中发布了一些关于它的信息。让我们感到非常兴奋的是，所有这些不同细分市场中有多少客户对此感到兴奋。因此，我只是选择这两个作为投资过程中产生的一些发明的典范，您可能不会猜到，但我们认为它们对公司非常重要。戴夫菲尔德斯感谢您今天加入我们的电话会议并提出您的问题。我们的投资者关系网站上将提供至少三个月的重播。我们感谢您对亚马逊的兴趣，并期待下个季度再次与您交谈。

老虎证券2023-04-28

太刺激！亚马逊盘后先涨后跌财报虽超预期但电话会议“发挥失常”

续实现强劲增长，这主要归功于我们持续的机器学习投资，这些投资帮助客户在与我们互动时看到相关信息，这反过来又为品牌带来了异常强劲的结果。” Andy Jassy于2021年7月接替创始人Jeff Bezos掌舵，随着亚马逊努力应对其在线购物和云计算部门的销售放缓，Andy Jassy一直在积极削减成本。亚马逊已经削减了几个未经证实的押注，例如远程医疗计划和一系列健身可穿戴设备。它还减缓了新仓库的扩建，并暂停了其在弗吉尼亚州的第二个总部的建设，该总部被称为HQ2。亚马逊将裁员27,000人，这是其29年历史上规模最大的一次裁员。本周早些时候，随着广告和Twitch直播的削减，AWS和人力资源部的一些员工被解雇。截至第一季度末，亚马逊裁员约76,000人至146万，部分反映了最近的裁员，以及通常在假日购物高峰期之后发生的仓库减员。本季度净收入为32亿美元，即每股收益31美分，而去年同期净亏损为38亿美元，即每股收益38美分。本季度营业收入从去年同期的36.7亿美元增至47.7亿美元。该公司的盈利能力仍依赖AWS，因为该云部门在本季度产生了51亿美元的营业收入。亚马逊的广告部门继续蓬勃发展，收入同比增长23%至95.1亿美元。亚马逊财务主管Brian Olsavsky在与记者的电话会议上表示：“广告业务在本季度实现了23% 的强劲增长，并且在产品基础销售可能放缓的环境中继续保持良好势头。” 在盘后交易之前，亚马逊股价在2022年市值缩水约一半后，全年上涨了31%。

一禾2023-04-28

开源证券：给予同花顺买入评级

领域尤其是 AI 的研发投入，加大对机器学习、自然语言处理、智能语音以及 AI 大模型、 AIGC 等关键技术攻关，一季度新增大数据及 AI 软件著作权登记 6 项、新增发明专利授权 5 项。　　金融是 AIGC 优质落地场景， AI 赋能打造增长新引擎　　（1）金融行业拥有大量 C 端用户群体，积累了海量数据，应用场景丰富，是优质 AIGC 优质落地场景，随着大模型的持续迭代， AI+金融将迎来重大发展机遇。2C 金融服务商通过提供额外 AI 功能，有望推动 ARPU 值的提升。（2）公司拥有 6.1 亿注册用户，有丰富的产品和服务，具备应用场景优势。公司持续研发投入，已将 AI 研发成果运用在产品和服务中，智能投顾、智能客服、智能投研等产品在 AI 技术加持下，用户体验和产品竞争力不断提升。公司 AI 开放平台有40 多项产品和服务，智能语音、虚拟人对话等产品和平台已在多家证券、基金客户落地， AI 赋能有望打造新的增长引擎。　　风险提示：市场活跃度下降；研发投入效果不及预期；行业竞争加剧证券之星数据中心根据近三年发布的研报数据计算，广发证券陈福研究员团队对该股研究较为深入，近三年预测准确度均值高达94.31%，其预测2023年度归属净利润为盈利23.18亿，根据现价换算的预测PE为40.58。最新盈利预测明细如下：该股最近90天内共有23家机构给出评级，买入评级20家，增持评级3家；过去90天内机构目标均价为188.78。根据近五年财报数据，证券之星估值分析工具显示，同花顺（300033）行业内竞争力的护城河优秀，盈利能力良好，营收成长性良好。财务健康。该股好公司指标4星，好价格指标2星，综合指标3星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-04-27

人工智能如何实现有趣的Web 3用例？

这些挑战方面具有独特的优势。 01、为机器学习（ML）训练创建专有数据集 Web 3 可以帮助 AI 的一个领域是通过协作创建专有数据集进行机器学习（ML）训练，即使用 PoPW 网络进行数据集创建。大规模数据集对于准确的 ML 模型至关重要，但在需要使用私有数据（如使用 ML 进行医学诊断）的用例中，其创建可能成为瓶颈。由于患者数据隐私的关注，医疗记录的访问是训练这些模型的必要条件，但患者可能因隐私问题而不愿意分享他们的医疗记录。为了解决这个问题，患者可以通过可验证的方式对其医疗记录进行匿名化，以保护他们的隐私同时仍然可以用于 ML 训练。但是，匿名化的医疗记录的真实性是一个问题，因为虚假数据会严重影响模型的性能。为解决这个问题，可以使用零知识证明（ZKPs）来验证匿名化的医疗记录的真实性。患者可以生成 ZKPs，以证明匿名记录确实是原始记录的副本，即使在删除个人身份信息（PII）后也是如此。这样，患者可以将匿名记录与 ZKPs 一起提供给感兴趣的各方，并甚至获得他们的贡献的奖励，而不会牺牲他们的隐私。 02、运行私有数据推理当前LLM的一个主要弱点是处理私有数据。例如，当用户与chatGPT互动时，OpenAI会收集用户的私人数据，并将其用于模型的训练，这会导致敏感信息的泄露。这是三星公司的情况。零知识（zk）技术可以帮助解决ML模型在私有数据上执行推理时出现的一些问题。在这里，我们考虑两种情况：开源模型和专有模型。对于开源模型，用户可以在其私有数据上本地下载模型并运行。例如，Worldcoin计划升级World ID。在此用例中，Worldcoin需要处理用户的私人生物识别数据，即用户的虹膜扫描，以创建名为IrisCode的每个用户的唯一标识符。在这种情况下，用户可以在其设备上保持其生物识别数据的私密性，下载用于IrisCode生成的ML模型，本地运行推理，并创建证明表明其IrisCode已成功创建。生成的证明保证了推理的真实性，同时保持了数据的隐私。像Modulus Labs开发的ML模型的高效zk证明机制对于这种用例至关重要。另一种情况是当用于推理的ML模型是专有的。这项任务有点困难，因为本地推理不是一种选择。但是，ZKP有两种可能的方式可以帮助。第一种方法是使用ZKP将用户数据进行匿名处理，如前面数据集创建案例中所讨论的，然后将匿名化的数据发送到ML模型。另一种方法是在将预处理输出发送到ML模型之前，在私人数据上使用本地预处理步骤。在这种情况下，预处理步骤隐藏了用户的私人数据，以便无法重构。用户生成一个ZKP，表明预处理步骤的正确执行，然后专有模型的其余部分可以在模型所有者的服务器上远程执行。这里的示例用例可能包括可以分析潜在诊断的患者的医疗记录的AI医生，以及评估客户私人财务信息的金融风险评估算法。 03、内容的真实性和对抗深度伪造技术与专注于生成图片、音频和视频的生成式人工智能模型相比，chatGPT可能已经抢占了风头。然而，这些模型目前已经能够生成逼真的深度伪造作品。最近由AI生成的Drake歌曲就是这些模型所能实现的例子。由于人类被编程成相信所见所闻，这些深度伪造作品代表了一个重大威胁。有许多初创公司正在尝试使用Web 2技术来解决这个问题。然而，Web 3技术，如数字签名，更适合解决这个问题。在Web 3中，用户的交互，即交易，由用户的私钥进行签名以证明其有效性。同样，无论是文本、图片、音频还是视频，内容也可以由创建者的私钥进行签名以证明其真实性。任何人都可以根据创建者的公共地址对签名进行验证，该地址在创建者的网站或社交媒体账户上提供。Web 3网络已经构建了所有需要的基础设施来实现此用例。Fred Wilson讨论了如何将内容与公共加密密钥关联起来，以有效打击错误信息。许多声誉良好的风险投资公司已经将其现有的社交媒体资料，如Twitter，或去中心化的社交媒体平台，如Lens Protocol和Mirror，与一个加密的公共地址相链接，这为数字签名作为内容认证方法的可信度提供了支持。尽管这个概念很简单，但仍然需要大量的工作来改进这个认证过程的用户体验。例如，需要自动化创建内容的数字签名，以提供无缝的流程给创建者使用。另一个挑战是如何生成已签名数据的子集，例如音频或视频片段，而无需重新签名。许多现有的Web 3技术独具优势，可以解决这些问题。 04、专有模型的信任最小化另一个Web 3可以为人工智能提供帮助的领域是，在专有机器学习模型作为服务提供时，最小化对服务提供者的信任。用户可能需要验证他们所支付的服务是否真正得到了提供，或获得机器学习模型公平执行的保证，即所有用户都使用同一模型。零知识证明可用于提供此类保证。在此架构中，机器学习模型的创建者生成一个表示该模型的零知识电路。需要时，该电路用于为用户推断生成零知识证明。零知识证明可以发送给用户进行验证，也可以发布到处理用户验证任务的公共链上。如果机器学习模型是私有的，则独立的第三方可以验证所使用的zk电路是否代表了该模型。机器学习模型的信任最小化方面在模型的执行结果具有高风险时特别有用。例如：医疗诊断的机器学习模型在这种用例中，患者提交其医疗数据以供机器学习模型进行潜在的诊断。患者需要确保目标机器学习模型已正确地应用于其数据。推断过程生成证明机器学习模型正确执行的零知识证明。贷款的信用价值评估零知识证明可以确保银行和金融机构在评估信用价值时考虑申请人提交的所有财务信息。此外，零知识证明可以证明公平性，即证明所有用户都使用同一模型。保险索赔处理目前的保险理赔处理是手动和主观的。机器学习模型可以更公正地评估有关保险单和索赔详细信息的索赔。结合零知识证明，这些索赔处理的机器学习模型可以被证明已考虑所有政策和索赔细节，并且所有同一保险单下的索赔都使用同一模型进行处理。 05、解决模型创建的中心化问题创建和训练LLM是一个耗时且昂贵的过程，需要特定的领域专业知识、专用计算基础设施以及数百万美元的计算成本。这些特征可能会导致强大的中央实体（例如OpenAI），这些实体可以通过限制对其模型的访问来对其用户行使重大影响力。考虑到这些集中化风险，人们正在就Web 3如何促进LLM不同方面的去中心化展开重要的讨论。一些Web 3的支持者提出采用去中心化计算作为与中央化玩家竞争的方法。其基本观点是，去中心化计算可以成为一种更便宜的选择。然而，我们认为这可能不是与中央化玩家竞争的最佳角度。去中心化计算的缺点在于，由于不同异构计算设备之间的通信开销，它在ML训练中可能会慢10-100倍。作为替代方案，Web 3项目可以专注于以PoPW的方式创建独特且有竞争力的ML模型。这些PoPW网络还可以收集数据以构建独特的数据集来训练这些模型。一些正在朝这个方向发展的项目包括Together和Bittensor。 06、AI代理的支付和执行渠道过去几周，利用LLMs来推理完成某个目标所需任务并执行这些任务以实现目标的AI代理正在崛起。AI代理的浪潮始于BabyAGI的想法，并迅速扩散到高级版本，包括AutoGPT。这里的一个重要预测是，AI代理将变得更加专业化，以在某些任务上表现出色。如果存在专门的AI代理市场，那么AI代理可以搜索、雇佣和支付其他AI代理来执行特定任务，从而实现主项目的完成。在此过程中，Web 3网络为AI代理提供了理想的环境。对于支付，AI代理可以配备加密货币钱包，用于接收付款和支付其他AI代理。此外，AI代理可以插入加密网络以无需获得许可地委托资源。例如，如果一个AI代理需要存储数据，那么AI代理可以创建一个Filecoin钱包，并支付IPFS上的分散式存储费用。AI代理还可以从分散式计算网络如Akash委托计算资源来执行某些任务，甚至扩展其自身的执行。 07、保护免受AI侵犯隐私鉴于训练性能良好的ML模型需要大量数据，可以安全地假定任何公共数据都会被用于ML模型，以预测个人行为。此外，银行和金融机构可以建立自己的ML模型，这些模型是根据用户的财务信息进行训练的，并能够预测用户的未来财务行为。这可能是对隐私的重大侵犯。这种威胁的唯一缓解是默认的金融交易隐私。这种隐私可以通过使用zCash或Aztec支付等私人支付区块链和Penumbra和Aleo等私人DeFi协议来实现。 AI赋能的Web3应用案例 01、链上游戏为非程序员玩家生成机器人像Dark Forest这样的链上游戏创造了一种独特的范例，玩家可以通过开发和部署执行所需游戏任务的机器人来获得优势。这种范式转变可能会排除不能编写代码的玩家。然而，LLM可以改变这一点。LLM可以被微调来理解链上游戏逻辑，并允许玩家创建反映玩家策略的机器人，而不需要玩家编写任何代码。像Primodium和AI Arena这样的项目正在致力于为他们的游戏吸引人工智能和人类玩家。机器人战斗、赌博和投注链上游戏的另一个可能性是完全自治的AI玩家。在这种情况下，玩家是一个AI代理，例如AutoGPT，它使用LLM作为后端，并可以访问外部资源，例如互联网访问和潜在的初始加密货币资金。这些AI玩家可以像机器人战争一样进行赌博。这可以开辟一种关于这些赌注结果的投机和赌博市场。为链上游戏创建逼真的NPC环境目前的游戏很少关注非玩家角色（NPC）。NPC的行动有限，对游戏进程的影响很小。鉴于人工智能和Web3的协同作用，可以创建更具吸引力的由AI控制的NPC，这些NPC可以打破可预测性，使游戏更有趣。这里潜在的挑战是如何在最小化与这些活动相关的吞吐量（TPS）的同时引入有意义的NPC动态。过度的NPC活动所需的TPS要求可能会导致网络拥塞，对实际玩家产生不良用户体验。 02、去中心化社交媒体目前去中心化社交（DeSo）平台面临的一个挑战是，它们与现有的中心化平台相比并没有提供独特的用户体验。接受与AI的无缝集成可以提供缺乏Web2替代品的独特体验。例如，AI管理的帐户可以通过共享相关内容、在帖子上发表评论和参与讨论来帮助吸引新用户加入网络。AI帐户还可以用于新闻聚合，总结与用户兴趣相匹配的最新趋势。 03、去中心化协议的安全和经济设计测试基于LLM的AI代理可以定义目标、创建代码并执行代码的趋势为测试去中心化网络的安全性和经济健全性创造了机会。在这种情况下，AI代理被指示利用协议的安全性或经济平衡。AI代理可以首先审查协议文件和智能合约，识别弱点。然后，AI代理可以独立竞争执行机制来攻击协议，以最大化自己的收益。这种方法模拟了协议在启动后所经历的实际环境。根据这些测试结果，协议的设计者可以审查协议设计并修补弱点。迄今为止，只有专业公司（例如Gauntlet）具备为去中心化协议提供此类服务所需的技术技能集。然而，我们预计，经过Solidity、DeFi机制和先前的开发机制训练的LLM可以提供类似的功能。 04、用于数据索引和指标提取的LLM 尽管区块链数据是公开的，但索引该数据并提取有用的见解一直是一个持续的挑战。该领域的某些参与者（如CoinMetrics）专门从事索引数据和构建复杂指标以销售，而其他人（如Dune）专注于索引原始交易的主要组件，并通过社区贡献众包指标提取部分。最近的LLM进展表明，数据索引和指标提取可能会受到破坏。Dune已经认识到了这个威胁，并宣布了一个LLM路线图，其中包括SQL查询解释和基于NLP的查询的潜力。然而，我们预测LLM的影响将比这更深入。这里的一种可能性是基于LLM的索引，其中LLM模型直接与区块链节点交互，为特定的指标索引数据。像Dune Ninja这样的初创公司已经在探索创新的LLM应用于数据索引。 05、引入新生态的开发者不同的区块链竞争吸引开发者来建立该生态系统中的应用程序。Web 3 开发者活动是某个生态系统成功的重要指标。开发者面临的主要难点是在开始学习和构建新生态系统时得到支持。生态系统已经投资数百万美元，以专门的开发者关系团队的形式支持探索生态系统的开发者。在这方面，新兴的LLMs已经展示出惊人的成果，可以解释复杂的代码、捕获错误，甚至创建文档。经过调整的LLMs可以补充人类经验，显著扩大开发人员关系团队的生产力。例如，LLMs可用于创建文档、教程、回答常见问题，甚至支持hackathon的开发人员使用模板代码或创建单元测试。 06、改进DeFi协议通过将人工智能集成到DeFi协议的逻辑中，许多DeFi协议的性能可以显著提高。迄今为止，集成AI到DeFi的主要瓶颈是实现链上AI的成本过高。AI模型可以在链下实现，但以前没有办法验证模型执行。然而，通过Modulus和ChainML等项目，链下执行的验证正在变得可能。这些项目允许在链下执行ML模型，同时限制链上成本。在Modulus的情况下，链上费用被限制为验证模型的ZKP。在ChainML的情况下，链上成本是支付给分散的AI执行网络的Oracle费用。一些可以从AI集成中受益的DeFi用例。 AMM流动性供应，即更新Uniswap V3流动性的范围。使用链上和链下数据保护债务头寸的清算保护。复杂的DeFi结构化产品，其中金库机制由财务AI模型定义，而不是固定策略。这些策略可以包括由AI管理的交易、借贷或期权。考虑不同链上的不同钱包的高级链上信用评分机制。结论我们认为Web3和AI在文化和技术上是兼容的。与Web2倾向于排斥机器人不同，Web3由于其无需权限的可编程性而允许AI蓬勃发展。更广泛地说，如果您将区块链视为一个网络，那么我们预计AI将主导网络的边缘。这适用于各种消费者应用，从社交媒体到游戏。到目前为止，Web 3网络的边缘在很大程度上是人类。人类启动和签署交易或实施具有固定策略的机器人。随着时间的推移，我们将看到越来越多的AI代理在网络边缘处。AI代理将通过智能合约与人类和彼此进行交互。这些交互将使新颖的消费者体验成为可能。来源：金色财经

金色财经2023-04-26

24小时热点