FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

A16z：生成式AI的机遇与挑战分析
 go
。什么是生成式AI？生成式 AI是机器学习的一个类别，计算机可以根据用户的输入/提示，生成原创的新内容。目前这项技术最成熟的应用主要在文本和图像领域，不过几乎所有的创意领域都有类似的进步（生成式 AI 的技术应用），覆盖动画、声音效果、音乐，甚至是对具备完整个性的虚拟人物进行原创。第一部分：观察和预测人工智能应用正在迅速扩大规模，而留存并没有那么容易，并不是所有人都可以建立起来商业规模。生成式 AI 技术的早期阶段已浮现：比如说，数以百计的新兴 AI 创业公司正冲向市场，开始开发基础模型，构建 AI 原生应用程序、基础设施与工具。当然，确实会有很多热门技术趋势，会出现过度炒作的情况。但生成式人工智能的蓬勃发展，已经能看到很多公司产生了实实在在的营收。例如，像 Stable Diffusion 和 ChatGPT 这样的模型创造了用户增长的历史记录，有的应用在推出后不到一年，就达到了 1 亿美元的年营收，并且人工智能模型在部分任务中的表现要比人类的水平高几个数量级。我们发现，技术范式转型正在发生。但是，需要研究的关键问题在于：整个市场中，哪些地方会产生价值？过去一年里，我们和几十位生成式 AI 创业公司的创始人和大公司 AI 领域的专家。我们观察到目前为止，基础设施供应商很可能是这个市场上最大的赢家，因为基础设施可以获得经过整个生成式 AI 堆栈最多的流水和营收。尽管主攻应用开发的公司收入增长非常快，但这部分公司往往在用户留存、产品差异化和毛利率方面存在弱势。而大多数模型供应商目前还没有掌握大规模的商业化能力。再说的准确一点，那些能够创造最大价值的公司，比如说能够训练生成式人工智能模型，并将这种技术应用于新的应用程序，目前还没有完全抓住行业中的的大部分价值。所以，现在想要预测后面的行业趋势并不是那么容易。但是，想办法了解整个行业堆栈的哪些部分能做到真正的差异化，和可防御化很重要，因为这部分可以对整个市场结构（即横向与纵向的公司发展）和长期价值驱动力（如利润率和用户留存率）产生重大影响。但迄今为止，除了现有公司传统意义上的业务护城河，很难在（生成式人工智能的）堆栈上找到结构上可防御性。我们看好生成式人工智能赛道，也坚信这个领域对各个行业产生巨大影响。这篇文章的撰写目的，主要是为了描绘市场的动态，回答一些关于生成性人工智能商业模式更为广泛的问题。技术栈：基础设施、人工智能模型和应用程序想要了解生成式人工智能赛道和市场是如何形成的，首先需要定义目前整个行业的堆栈：整个生成式人工智能的堆栈可分为三层： 1.将生成式 AI 模型，与面向用户的产品应用集成，这种通常是运行自己的模型管道（"端到端应用"），或者依赖第三方 API （阿法兔研究笔记注释：这里我们说的模型管道，指的就是就是一个模型的输出作为下一个模型的输入） 2.为人工智能产品提供动力的模型，以专有 API 或开源检查点的形式提供（这反过来需要一个托管解决方案）（注释：这块说的是，要么把整个模型的构建方式以及预训练的模型（又叫检查点）开放出来，要么需要把整个模型的构建方式以及预训练的模保密，只开放一个接口 API，如果是前者的话，你就要自己去跑训练/微调/推理，所以需要知道它能什么样的环境、什么样的硬件基础上跑，所以需要有人提供一个托管平台处理模型运行环境的事情） 3.为生成性人工智能模型运行训练和推理工作负载的基础设施供应商（即云平台和硬件制造商）需要注意的是，这块我们讲的并不是整个市场的生态图，而是一个分析市场的框架，本文在每个类别中都列出了一些知名厂商的例子，不过没有囊括列出目前所有最厉害的AIGC应用，也没有深入讨论 MLops 或 LLMops 工具，因为这块还没有达到完全成熟的标准化，有机会我们会继续讨论。第一波的生成式人工智能应用开始形成规模化，但在留存和差异化方面却不容易在之前的技术周期中，传统意义上的观点会认为，想要建立大型的、独立的公司，就必须拥有终端客户，这里的终端客户包括个人消费者和 B 2B买家。因为这种传统意义上的观点，大家很容易也认为：生成式人工智能中最大的机会也在于能够做面向终端用户的应用的公司。但是到目前为止，其实情况并不一定会这样。生成式人工智能应用的增长非常惊人，这种增长主要是由非常新颖和应用案例所驱动的，比如说图像生成、文案写作和代码编写，这三个产品类别的年收入已经超过了 1 亿美元。但是，光增长还不足以构建持久的软件公司，关键在于，这种增长必须是有利润，也就是说，用户和客户一旦注册就可以产生利润（高毛利），并且这种利润还需要能够长期可持续（高留存率）。如果公司之间不存在强大的技术差异化，B 2B和 B 2C应用程序只要通过网络效应，和数据优势，再或者构建愈发复杂的工作流程，从而获得成功。但是，在生成式人工智能领域，上述假设未必成立。在我们调研的做生成式人工智能 APP 的创业公司中，毛利率的变化范围很广，少数公司能达到 90% ，多数公司毛利率低至 50-60% ，这块主要由模型成本影响。尽管我们可以看到目前渠道顶端（Top-of-funnel ）的增长，但是，还不清楚目前客户获取策略是否可以持续，因为已经看到了很多付费获取的效率和留存率开始下降。目前市面上的很多应用程序也确实缺乏差异性，因为这些应用主要依赖于相似的底层人工智能模型，并没有发现明显能够具备独家网络效应、其他竞争对手很难复制的的杀手级应用和数据/工作流程。因此，目前我们还不知道能够建立可持续的生成式人工智能商业化业务的最佳实践到底是什么，随着语言模型的竞争和效率的提高，利润率应该会提高。随着那波仅仅因为人工智能的热度才来的用户逐步冷却，离开市场，用户留存率大概率会增加。并且，我们认为垂直整合的应用在制造差异化方面具备优势，但是很多还需要接下来的实践证明。展望未来，生成式 AI 应用会面临什么问题？在垂直整合（"模型+应用"）方面如果人工智能模型作为一种消费型服务，应用开发者可以用小团队模式快速迭代，并随着技术的进步，逐步更换模型供应商。但还有开发者不同意，他们认为，产品就是模型，从头开始训练是创造可防御性的唯一途径，这里指的是不断地对专有产品数据进行再训练（re-training）。但这就需要更高的资本，并且需要稳定的产品团队为代价的。构建功能与应用程序生成式人工智能产品具备很多形式：桌面应用，移动应用，Figma/Photoshop 插件，Chrome 扩展应用...甚至还包括 Discord 机器人。在用户已经在应用、有使用习惯的地方整合人工智能产品比较容易，因为用户界面较为简易。但是，这些公司里有哪些会成为独立的公司？哪些会被微软或谷歌人工智能巨头所吸纳？会和 Gartner 公司发布的炒作周期（hyper cycle) 一致？尚且不清楚当前的用户流失率，是不是都是早期人工智能产品所必须面对的，仅仅是我们当前这批人工智能产品所固有的。再或者，市场对生成式人工智能的兴趣，是否会随着市场炒作的消退而下降。这些问题，对开发 APP 应用程序公司存在重要的影响，包括何时选择融资的时机、设计用户获取策略、对于用户群的考虑有用户的优先度，以选择宣布产品市场匹配（Product Market Fit）时机。来源：金色财经
金色财经2023-01-30
DAOrayaki｜加密中观经济学、第五权利及更有效的DAO
go
应用于自然语言处理 (NLP) 之外的机器学习。例如，Deepmind 探索了将其用于多模态代理。同样的挑战适用于这种情况：可扩展强化学习 (RL) 依赖于查询成本低廉的精确奖励函数。当 RL 可以应用时，它已经取得了巨大的成就，创造了可以匹配人类才能分布极值的 AI（Silver 等人，2016 年；Vinyals 等人，2019 年）。然而，对于人们经常参与的许多开放式行为，这种奖励功能并不为人所知。例如，考虑一种日常互动，要求某人“将杯子放在你附近”。对于能够充分评估这种交互的奖励模型，它需要对以自然语言提出请求的多种方式以及满足（或不满足）请求的多种方式具有鲁棒性，同时对不相关的变化因素（杯子的颜色）和语言固有的歧义（什么是“接近”？）不敏感。因此，为了通过 RL 灌输更广泛的专家级能力，我们需要一种方法来生成精确的、可查询的奖励函数，以尊重人类行为的复杂性、可变性和模糊性。除了对奖励函数进行编程之外，一种选择是使用机器学习来构建它们。我们可以要求人类评估情况并提供监督信息以学习奖励函数，而不是尝试预测和正式定义奖励事件。对于人类可以自然、直观、快速地提供此类判断的情况，使用此类学习奖励模型的 RL 可以有效地改进智能体（Christiano 等人，2017 年；Ibarz 等人，2018 年；Stiennon 等人，2020 年；）导致奇点的许多因素有待进一步发展，我们可以比实施它们所花费的时间框架更有把握地确定它们是什么。Chris Lattner从他的 POV中提到了“稀疏门控的专家组合”：简单地描述一下，也许有一个中介可以策划和组合许多“专家”的输入。这为进一步研究提供了广阔的设计空间。也许中间层应该以不同的方式进行选择。如，利用空间数据。一项特别引人入胜的工作是Nethack Learning Environment。就像Twitch Plays Pokemon是可行的，因为 JRPG 是回合制的，输入相对简单，NLE 也是回合制的，只需要键盘输入。此外，它在游戏的不同阶段的多个环境中具有程序生成，使其成为训练 AI 的极其有用的熔炉。根据我自己玩这个游戏的经验，你必须在回合制的基础上策划和组合许多策略。借助 polypiling 和 bones harvesting 等元博弈策略（作弊），AI 可以通过多种方式在逐场游戏的基础上进一步学习。 *拍击界面*“这个 Unicode 可以容纳这么多对象” 如Tesla和Neuralink最近开发的企业级机器学习。工业规模的生产需要工业规模的反馈增强强化学习。Optimus 可能是一个噱头，但它可能比Atlas在过去 9 年中对机器人的改进更多。Neuralink 植入物可能会杀死受试者，但它们会推动极其精确的手术机械和零件的发展。制造业的反馈很好，但卫生部门的需求最大。现在，我们是零售生物传感器的早期采用者。随着时间的推移，同态密码学将使机器学习能够利用大量健康数据。数万年来，我们已经将药物消费众包，但我们如何与人工智能共存仍有待观察，人工智能可以在任意时间跨度内管理任意物质的剂量。与此同时，同态加密因效率问题仍然没有被使用。 Google Brain 刚刚发布了Robotics Transformer-1。在第一个版本中它可能只是一个执行简单任务的手臂，但显然有可能在常见的构建环境中使用更多的标记化操作进行迭代。由于全球经济以货运为中心，与目前全球约6000艘集装箱船相比，如果最终在这样的设施中建造100多艘“零排放”集装箱船，也属于正常。这也将是住房危机中一个巨大的潮流变化，分区条例允许它完全生效。另外，不得不提阿尔伯塔计划， 12 个合理的 AGI 能力发展步骤。 “路线图”一词暗示绘制一条线性路径，即应按顺序采取和通过的一系列步骤。这并非完全错误，但它没有认识到研究的不确定性和机遇。我们在下面概述的步骤具有多重相互依赖性，而不是从头到尾的步骤。路线图建议一种自然的顺序，但在实践中通常会偏离这种顺序。可以通过进入或附加到任何步骤来进行有用的研究。举个例子，我们中的许多人最近在集成架构方面取得了有趣的进展，尽管这些进展只出现在排序的最后一步。首先，让我们尝试全面了解路线图及其基本原理。共有十二个步骤，标题如下： 1. 表示 I：具有给定特征的持续监督学习。2. 表示 II：监督特征发现。3.预测一：连续广义价值函数（GVF）预测学习。4. 控制 I：持续的演员-评论家控制。5. 预测二：平均奖励 GVF 学习。6. 控制 II：持续控制问题。7. 计划 I：平均奖励的计划。8. 原型-AI I：具有连续函数逼近的基于模型的一步强化学习。9. 规划二：搜索控制与探索。10. 原型-AI II：STOMP 进程。11. 原型-AI III：Oak。12. 原型-IA：智能放大。这些步骤从开发用于核心能力（用于表示、预测、规划和控制）的新型算法，发展到将这些算法组合起来，为持续的、基于模型的 AI 生成完整的原型系统。简而言之，从 ANI 到 AGI 再到 ASI 的方法和技术的转折点将是不言自明的。 ChatGPT 的输出 “指数级进步” 上述阿尔伯塔计划是一种理想情况。人类已经很复杂，作为个体使用稀疏神经网络工具；作为团体，具有自组织的、社会学习和环境工程特性。在密码学和分布式（对抗性）计算的最新发展中，人类的自治程度仅可以维持图灵完备的全局状态（历史）。还有一种被称为机械土耳其人的现象。关键是， AI 产品在任意时间跨度内的下降，都会有一个成熟的开发人员生态系统，可以通过协调执行超越现有的水平，并通过同期的 AI 工具和可验证的工作得到增强。这促成了当前的思想实验：我们甚至需要在 The Singularity™ 之前实现每个预测的拐点吗？对于商业化模型训练中的每一项专有改进，都可能有一种可行的方法在公共领域实现。StableDiffusion 已经引发了围绕这一概念的对话。众包在过去十年中已经充分加速（正如 Twitch Plays Pokemon、社交网络和 DAO 所证明的那样），奇点已经是一个转移注意力的问题。正如以太坊扩展解决方案尝试使用像zk-SNARKs这样的密码学为了减少网络的基础设施需求，我们将尝试实施轻量级解决方案，以减少现有大型企业对 AI 进行暴力破解和货币化的需求。事实上，反驳OpenAI 模型最好方法之一是，金融市场和社交网络上类似的社会资本系统在某种程度上是可预测的行为。Twitter 汇总新闻是因为它的用户可以在全球范围内通过合法人物进行广播和放大。随着 COVID 封锁和央行货币政策等全球趋势，成长型股票可能会大幅上涨和下跌。不需要太多想象力就能在很短的时间内想象出一家初创公司，它可以将类似人工智能的PMF表现为一个自我调节、自我编排的社区。可能有数千亿美元的运营成本可以通过现有技术和进一步的业务发展在许多部门中释放出来。在电视剧《西部世界》中，名为 Rehoboam 的人工智能系统通过分析大型数据集来操纵和预测未来，从而对人类事务施加秩序。自工业革命以来，颠覆性创新一再出现在官僚机构之外；今天，它们正在以越来越快的速度发生。近几十年来，公共领域的深度和范围不断扩大，许多技术无论其商业化程度如何都在被迫开源。来源：金色财经
金色财经2023-01-28
ETHDenver 2023 的 Cartesi BUIDLathon 项目创意
 go
-diffusion）人工智能/机器学习算法你希望将机器学习和人工智能应用程序引进到区块链中吗？可以了解探索更多的想法及可能性。使用新的目标数据集和算法构建一个m2cgen 示例（https://github.com/cartesi/rollups-examples/tree/main/m2cgen#changing-the-application）另见：链上房价预测（https://devfolio.co/projects/ghar-on-chain-a6ce） k-Nearest Neighbor。使用knn 算法构建 DApps ，考虑图像分类（参考：Iris Classifier（https://github.com/cartesi/rollups-examples/tree/main/knn））、推荐系统、签名识别等。 Think of DeSci 构建可验证的计算解决方案基于语音的账户验证以在链上证明身份实用工具开发者工具通过构建以下内容，帮助为生态系统中的开发人员加强工具：闹钟 Cron 作业以安排任务在 Cartesi 机器内运行 IPFS数据分片框架通用市场框架（使用 SQLite）围绕去中心化预言机构建真实世界数据模板（IoTEX 或基于软件的解决方案）探索 Cartesi 的 Github 你还想了解寻找更多的创意？还是想为世界各地的构建者们提供更多的创作灵感？在 Github 上为我们创作做出贡献。 https://github.com/cartesi/hackathon 请准备好在ETH Denver 2023 与 Cartesi 一起构建 BUIDL 你不要等到#BUIDLathon 活动开始。今天就来我们的 Discord 开发社区，让自己有回家一般的感觉。与目前在 Cartesi 上构建的开发人员聊天，或开始使用 Cartesi 技术并获得我们核心开发人员的直接支持： https://discord.gg/7rjkcX9Wmm 或者还需要再进一步了解，可以查看我们的Cartesi 技术入门一站式指南，了解以前的黑客马拉松获奖者以及我们在获奖项目中寻找的内容。 https://medium.com/cartesi/get-buidling-with-cartesi-at-ethdenver-2023-6a24afd8da29 关于Cartesi Blockchain OS 是一个分散的第 2 层基础设施，支持 Linux 和主流编程软件组件。使得开发人员可以第一次在Blockchain OS上使用丰富的传统软件工具、库和他们习惯的服务编写可扩展的智能合约，Cartesi 弥合了主流软件和区块链之间的差距。 Cartesi 正在引领数百万新创业公司及其开发人员加入并使用区块链操作系统，同时将 Linux 应用程序纳入其中。凭借开创性的虚拟机、Rollups和侧链，Cartesi 为所有开发人员铺平了道路，以帮助他们进入区块链的世界并构建下一代区块链应用程序。 Cartesi在此诚挚的邀请所有人，请和我们一起来到区块链操作系统的世界，一起探索未来。来源：金色财经
金色财经2023-01-27
加密货币投资组合管理及评估的策略探讨
 go
基于过去 BTC 回报而训练的只做多的机器学习模型能够以更少的回撤胜过简单的买入并持有策略。这些技术现象通常在传统市场中被套利，但似乎在某种程度上在加密货币中持续存在。与其他主要市场相比，这种持续存在的原因可能是由于该领域的资本追逐机会较少。在 2022 年对冲基金被淘汰后尤其如此，资本配置的机会仍然相当有限。与股票市场相比，主要资产的加密货币流动性仍然非常薄弱。 12 月份在交易所进行的现货交易量为 3570 亿美元；仅纳斯达克一家就在大约两天内完成了这一数量的交易。覆盖常见的技术指标，例如简单移动平均线 (SMA)、相对强度指数 (RSI)、移动平均收敛/发散震荡指标 (MACD)、威廉姆斯百分比范围 (Williams %R)、随机震荡指标和资金流量指数（MFI）迄今为止，已被证明在加密领域是有效的。总结在前沿领域投资会带来一系列挑战和回报。这个新兴市场的投资者必须睁大眼睛，了解动荡的市场带来的挑战，以及它提供的机会。虽然时间会更清楚地说明加密资产在一系列环境中的表现，从而更好地为我们的投资组合分配提供信息，但这种现有的不确定性为分配者创造了机会。随着更多市场周期的展开，继续对投资组合和适当的基准进行压力测试是制定更有效的加密资产配置的关键。原文作者：Messari - Tom Dunleavy 编译：BlockTurbo 来源：金色财经
金色财经2023-01-27
高能预警！“末日博士”：比上世纪30和70年代更危险！一场“超级威胁”的完美风暴汹涌来袭
 go
加频繁、毒性更大、代价更大。人工智能、机器学习、机器人技术和自动化技术的进步正威胁着产生更多的不平等、永久性的技术性失业，以及发动非常规战争所需的更致命的武器。鲁比尼称，所有这些问题都加剧了对民主资本主义的反弹，并增强了来自左右两派的民粹主义、威权主义和军国主义极端分子的力量。鲁比尼称之为“超级威胁”，其他人称之为“多重危机(polycrisis)”——《金融时报》最近将其评为年度流行语。国际货币基金组织(IMF)总裁格奥尔基耶娃(Kristalina Georgieva)则谈到了“灾难的汇合”。她去年警告说，世界经济正面临“可能是第二次世界大战以来最大的考验”。同样，美国前财政部长萨默斯(Lawrence H. Summers)认为，我们正面临自2008年金融危机以来最严峻的经济和金融挑战。在本月精英们齐聚达沃斯讨论“在一个支离破碎的世界中合作”之前，世界经济论坛发布了最新的《全球风险报告》，警告“一个独特的、不确定的、动荡的十年即将到来”。前所未有的不确定性因此，无论人们喜欢用什么术语，人们普遍认为，我们正面临着前所未有、不同寻常和意想不到的不确定性。在短期内，我们可以预期更多的不稳定、更高的风险、更激烈的冲突和更频繁的环境灾害。在他伟大的两次世界大战之间的小说《魔山》中，托马斯·曼(Thomas Mann)描绘了导致第一次世界大战的知识和文化氛围——以及疯狂。尽管曼在战前就开始了他的手稿，但直到1924年他才完成，这一延误对最终的作品产生了重大影响。他的故事在一个疗养院展开，这个疗养院的灵感来自他在达沃斯参观过的一个疗养院，也就是现在举行世界经济论坛相关盛会的同一个山顶地点(Schatzalp酒店)。这种历史联系再合适不过了。与二战后相对和平、进步和繁荣的75年相比，我们当前面临巨大威胁的时代更像1914年至1945年那段悲惨的30年。值得记住的是，第一个全球化时代不足以防止1914年世界大战的爆发。那场悲剧过后，一场大流行(西班牙流感)、1929年股市崩盘、大萧条、贸易和货币战争、通货膨胀、恶性通货膨胀和通货紧缩、金融危机和大规模违约、超过20%的失业率接踵而至。正是这些危机条件支撑了意大利的法西斯主义、德国的纳粹主义以及西班牙和日本的军国主义的崛起，最终导致了二战和大屠杀。今天的威胁更加严重鲁比尼指出，但与那30年一样可怕的是，今天的巨大威胁在某些方面更加不祥。毕竟，两次世界大战之间的一代人不需要应对气候变化、人工智能对就业的威胁，也不需要应对与社会老龄化相关的隐性责任(因为当时社会保障体系仍处于早期阶段，大多数老年人在收到第一张养老金支票之前就去世了)。此外，世界大战在很大程度上是常规冲突，而现在大国之间的冲突可能迅速向更非常规的方向发展，有可能以核灾难告终。因此，我们面临的不仅是上世纪70年代最糟糕的情况(反复出现的负总供给冲击)，还有2007-08年期间最糟糕的情况(危险的高负债率)和上世纪30年代最糟糕的情况。一场新的“地缘政治萧条”正在增加冷战和热战爆发的可能性，这些战争很容易重叠并失控。鲁比尼指出，据他所知，今天在达沃斯开会的人，没有一个人在撰写超级威胁时代的伟大小说。然而，今天的世界越来越多地显示出人们在阅读曼恩时所获得的不祥之感。他最后写道，我们中有太多的人在峰会上沾沾自喜，而忽视了下面现实世界中正在发生的事情。我们像梦游者一样生活，忽视了我们面前的每一个警告。在山开始摇晃之前，我们最好快点醒来。
会员
夏洛特2023-01-20
懂方言、辨情绪、会决策，京东云助力东莞12345“一呼即应”
go
智能应用平台的自然语言处理、知识图谱、机器学习、多模态交互等AI前沿技术，京东云智能政务热线将人工智能技术嵌入到12345热线的“接-派-办-督-考-评”全流程中，加强热线能力建设，促进热线效能提升。　　扎根一座城，服务一座城。至今，京东云已服务百城，京东云智能政务热线广泛落地多座城市，护航东莞、大同、保定、北京通州等多地政务服务热线高效运行，实现人工智能技术与政务服务场景的深度融合，让民生服务更有温度，营商环境更高水平，社会治理更大效能。　　京东集团副总裁、京东人工智能研究院常务副院长何晓冬表示，“未来，我们将携手更多城市，持续推动智能技术的产业化落地，探索政务服务的智能化路径，提升社会治理的现代化水平。” 　　
金融界2023-01-16
金融圈再现神豪！个人捐款1.38亿元，火爆全网！供职国内顶级金融机构，量化私募有多豪？曾传年终奖5000万
 go
资招聘信息显示，公司拟招聘量化研究员、机器学习研究员、量化开发工程师等岗位，上述岗位薪资区间分别为48万-200万、60万-200万元和48万-200万元。　　　　量化私募近几年崛起　　量化私募是近几年，在A股崛起的重要力量。所谓“量化”，就是基于计算机模型完成投资活动。算法是在复杂数学的基础上，通过高级优化形成的，因此量化基金经理往往需要金融知识、数学和计算机能力的强强结合。　　这其中，幻方量化是量化私募中佼佼者，管理规模一度达到千亿级别。据其官网介绍，幻方量化创立于2015年，通过神经网络处理海量数据、建立自然语言理解、分析金融经济行为，自主建设了“萤火”系列AI训练平台。其中“萤火1号”投入近2亿元，“萤火2号”投入10亿元。平台拥有强大的计算性能、存储性能和互联通讯能力。策略研究员可以快速高效验证自己的想法，不受算力、模型大小等因素的制约。　　数据显示，截至2022年12月30日，在上证50指数、中证500指数、中证1000指数当年均下跌约20％的背景下，幻方量化2022年大部分指数增强产品都取得了15％以上的超额收益。　　　　从在全市场角度看中，2022年截至11月末，1635家股票策略私募平均收益为-9.84％，同比10月末提升近6个百分点，幻方量化、思勰投资、九章资产、上海宽德等百亿私募年内取得正收益，收益率甚至超过10％。　　在量化私募领域的比较中，2022年百亿量化私募数量与2021年持平，28家百亿量化私募平均收益-1.33％，11家正收益，赚钱百亿量化私募占比40％，上海宽德、思勰投资、珠海致诚卓远业绩称雄。25家在2021、2022年震荡市中连续两年取得正收益的百亿私募中，量化私募也是其中主力军。　　
金融界2023-01-10
电子制造商TDK将收购美国自动机器学习平台Qeexo
go
公司TDK 4日宣布，将收购致力于开发机器学习自动化系统的美国公司Qeexo。公司将通过其在美国的法人进行收购，年内将完全将Qeexo变为子公司。TDK没有明确收购金额。　　Qeexo是一家由美国卡内基梅隆大学发起的初创公司，成立于2012年。该公司提供构建机器学习系统的云服务。据悉，使用该公司开发的平台，即使没有专业知识，也可以开发Edge AI的机器学习系统，缩短开发设计时间。　　据悉，TDK此次收购意在将自家传感器、蓄电池等产品与Qeexo的开发平台进行组合，向客户提案。　　TDK美国负责人吉姆·特兰说：“（通过收购，）构建适用于广泛用途和产业的系统级解决方案成为可能。”“我们的产品与TDK优秀的传感器系统有着很好的适配性。”
金融界2023-01-06
机器更可靠？中国政府及企业重金投入虚拟人产业，行业每年50%速度快速增长
 go
0美元不等。虚拟人是动画、声音技术和机器学习的结合，创造出可以唱歌甚至在直播中互动的数字化人。虽然这些数字生物只出现在美国互联网的边缘，但它们却越来越多地出现在中国的网络空间里。百度虚拟人和机器人业务负责人Li Shiyan表示，虚拟人的买家包括金融服务公司、地方旅游局和官方媒体。他说，随着技术的进步，虚拟人成本自去年以来已经下降了约80%。一个三维虚拟人一年的费用约为10万元人民币(合14300美元)，一个二维虚拟人一年的费用为2万元。预计到2025年，虚拟人行业整体将以每年50%的速度增长。 (图源：CNBC) 中国正在大力推进虚拟人的发展。今年8月，北京市宣布了一项计划，到2025年，将城市虚拟人产业发展成价值超过500亿元的产业。市政府还呼吁发展一到两家营业收入超过50亿元的“虚拟人龙头企业”。今年秋天，中央政府各部门发布了一项详细的计划，将更多的虚拟现实应用于广播、制造业和其他领域。中国去年公布的最新5年计划包括呼吁经济进一步数字化，包括虚拟现实和增强现实。从商业角度来看，大部分关注的是虚拟人如何生成内容。Kantar首席产品长兼大中华区市场主管Sirius Wang说，在许多名人最近因逃税或个人丑闻而陷入负面新闻之后，中国的品牌正在寻找替代代言人。 Kantar今年秋天发布的一项调查显示，去年至少有36%的消费者看过虚拟网红或网络红人的表演，21%的人曾看过虚拟人主持活动或播报新闻。Kantar的报告显示，展望明年，45%的广告商表示他们可能会赞助虚拟网红的表演，或邀请虚拟人物参加品牌活动。中国的许多大型科技公司已经在开发虚拟人行业的产品。视频和游戏流媒体应用Bilibili是最早将虚拟人概念纳入主流的应用之一。 Bilibili公司收购了虚拟歌手洛天依的团队，洛天依的形象和声音完全由科技创造。据Bilibili称，今年，开发人员专注于使用人工智能算法改善虚拟歌手的声音质感。 Bilibili还拥有许多所谓的虚拟主播，这些主播是使用特殊技术与观众沟通的人物的直接化身。Bilibili公司表示，自2019年以来有23万名虚拟主播在其平台上播出，今年虚拟主播的播出时间比去年激增了约200%。腾讯在最新的财报电话会议上表示，腾讯云AI数字人类为金融服务和旅游等行业提供聊天机器人，以实现自动化客户支持。腾讯公司的Next Studios还开发了一款虚拟歌手和虚拟手语翻译。规模小得多的公司也在进入这个行业。初创公司Well-Link Technologies曾为中国视频游戏开发商miHoYo提供云渲染技术支持，并在游戏行业取得了成功。该公司今年宣布，已与海西传媒合资开发了另一个虚拟人模型。
Sue2023-01-03
致敬投资者：持续迭代、静待花开
 go
，大幅提升实盘数据正确性和稳定性。加大机器学习投入，构建数据异地双中心，引入世界先进算力资源，实现高速存储网络能力行业领先，将超级计算机集群算力和策略回测服务器储存容量均提升100%。　　市场越是艰难，我们越要用心服务、提升价值。过去一年，我们20多位市场人员与30余家合作代销伙伴举办了近5,000场的线上线下路演，自始至终陪伴大家身边；特别是行情最艰难的4月里，我们始终和渠道伙伴、客户并肩作战，第一时间向大家报告市场情况和灵均的应对措施。　　发展的同时，我们不忘初心、回馈社会，聚焦教育科研、医疗卫生、扶贫救灾、投教科普四大领域，努力在科教兴国、人才强国、乡村振兴等方面贡献力量，让公益慈善更有温度。　　君子务本，本立道生。新的一年，我们将继续坚定“迭代成长”的理念，坚守“诚信、专业、危机感、持续奋斗”的工匠精神，坚信量化投资的长期配置价值，坚持在正确的道路上做好自己，守正有为、向阳而生、静待花开、绽放价值。　　祝您阖家幸福！　　祝福国泰民安！　　灵均投资　　2022年12月31日　　（文章来源：灵均投资）
证券之星2022-12-31

上一页
1
•••
209
210
211
212
213
•••
220
下一页

24小时热点

最新话题更多