FX168财经网_全球视野外汇黄金加密货币NFT资讯网

慧辰股份：根据中登公司定期下发的股东名册，截至2024年7月19日，公司股票持有人数为3,114

服务领域的专业客户，与数字技术方面（（机器学习深度学习、人工智能、自然语言处理、模式识别、数据可视化、知识图谱、物联网等）的结合）有很好的结合，随着人工智能技术的发展，模型训练的需要，公司深耕的商业领域的模型算法具备一定智能标注能力。公司将持续关注和寻求与国内外大模型公司在相关领域的合作机会，根据商业场景变化及时对相关业务进行评估，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！投资者：请问去年和中科院战略合作推进如何？和中科院合资公司中科智算业务开展进展怎么样？算力落地了多少？未来规划如何？慧辰股份董秘：尊敬的投资者，您好！公司2023年与中科信控达成战略合作，双方共建“集群算力调度与交易平台”。目前，融合算力服务管理平台软件产品已经开发成型，7月26日将联合对外发布。当前，公司的AI产品研发及日常业务运营将对AI算力产生持续性需求，且公司所服务的客户也将逐渐形成相应需求。2023年12月，公司取得互联网数据中心业务（IDC）资质，为聚焦AI技术产品开发及算力相关业务，加强公司基于AI技术的业务服务能力，公司全资子公司北京慧辰视界数据科技有限公司更名为北京中科智能算力科技有限公司，将提供AI中台软件、行业AI应用相关的系列技术服务等。公司将逐步部署相应的算力基础设施，支撑客户在算法模型、人工智能领域业务的探索。公司长期服务商业及公共服务领域，积累广泛的行业Know-how，围绕场景需求，积极探索“人工智能+”在相关场景中的业务落地，积极与包括中科信控在内的合作伙伴在算力（软件及硬件）、AI算法模型等方面进行布局推进业务开拓。相关业务尚在推进中，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据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2024-07-24

币安上半年度报告：Memecoin、AI、DePin

见的复杂情况下，它们有时会缺乏适应性。机器学习 (ML) 是 AI 领域的一个子集，可通过从海量数据中学习来适应并做出准确预测，从而增强智能合约的适应性。将 ML 模型与智能合约相结合，有望大大提高智能合约的适应性和灵活性。该领域的一项重要进展是 Upshot 联合 Modulus Labs 开发的 ZK Predictor。借助该工具，Upshot 可利用 Modulus ZK 电路对资产估值进行保密验证，不会泄露专有知识产权。该工具有助于开发针对长尾资产定价进行优化的自动做市商 (AMM)、具有加密操作证明的 AI 驱动型链上指数基金，或人群驱动型定价信号的准确度和可信度更高的专业预测市场。 AI 与消费者 DApp 过去一年中，面向消费者的 DApp 采用自然语言界面和链上代理来增强互动性和提高用户参与度的情况明显增多。这种转变正在革新用户与平台之间的交互，通过 AI 强调个性化和积极参与。一个典型的例子就是 NFPrompt 一类的 AI 用户生成内容 (UGC) 平台。AI UGC 是指用户在自主系统的协助下创建的内容。除了内容生成之外，AI 的集成还可能对 Web3 游戏或虚拟世界领域产生深远影响。在这些环境中，游戏内角色的互动性显著提升，对话也更加逼真，从而丰富了用户体验。 AI 与 DePIN 大型语言模型和各种 AI 应用程序在很大程度上依赖图形处理器 (GPU) 来处理计算需求。在过去一年中，人们对 AI 兴趣的与日俱增引发了对 GPU 的大量需求，从而导致了 GPU 的短缺。这使得计算资源的成本变得十分高昂，令人望而却步，尤其是对于从事 AI 研究的研究人员和初创企业而言。为此，作为 DePIN 重要组成部分的去中心化计算网络应运而生，成为传统的中心化云服务和硬件制造商的一种经济高效的替代方案。 Akash、Render、Gensyn 和 io.net 等协议通过提供去中心化解决方案解决了这些成本障碍，成为了实现此种转变的典范。去中心化计算网络为实际问题提供了潜在解决方案，充分利用了 AI 崛起的机遇，其平台上的活跃度和参与度也随之增加。 DePIN 在去年获得广泛关注的领域中，去中心化物理基础设施网络 (DePIN) 从中脱颖而出。作为基础设施项目，DePIN 运用区块链技术和加密货币经济，以激励个人将资金或闲置资源用于创建更加透明且可验证的去中心化基础设施网络。大家都认为该领域蕴含着巨大潜力，因其潜在市场十分广泛，而且能够通过自下而上的增长策略构建去中心化基础设施网络。自我强化式的增长循环有助于 DePIN 项目的可持续发展。其以代币奖励作为激励措施，帮助供应方参与者克服采购过程中的“冷启动”挑战。随着网络规模的扩大，消费者开始使用网络服务，需求也会随之增加。鉴于服务费用通常以网络代币形式支付，采用率的提升将导致代币价格上涨，从而将进一步激励贡献者。随着供需双方的共同增长，这种良性循环可以持续下去，从而维持项目的持续增长。资料来源：币安研究院多年来，与 DePIN 相关的项目一直在稳步建设，形成了该板块目前的多样化格局（如下图 121 所示）。请注意，该图仅展示了一部分 DePIN 项目。根据 IOTeX DePINscan 的数据，目前记录在案的 DePIN 项目约有 249 个。资料来源：IOTeX、币安研究院如上图所示，DePIN是由多个板块组成的广泛领域。每个板块各司其职，实现网络基础设施去中心化并为不同用例赋能。本章节将更详细地介绍各个板块，解析其工作原理，并重点介绍相关的案例研究。请注意，币安并不为以下任何项目提供背书。所有提及的项目仅用于说明其概念性用例。主要发展趋势 DePIN将与传统基础设施网络参与者共存：传统网络拥有大量资本资源和稳固的基础设施，DePIN不可能在短期内将其完全取代。但DePIN能够利用闲置资源推动共享经济发展，在项目不符合传统网络参与者财务效益时提供可行的解决方案，实现最后一英里覆盖，巩固当前格局。因此，未来较可能出现的情况是DePIN网络与传统基础设施网络参与者共存，补充完成最后一英里的覆盖范围，并提供不同的解决方案，让规模较小的实体或个人也可参与基础设施建设。 DePIN为Web2前端赋能：不可否认的是，就技术而言，直接与DePIN交互对普通大众而言可能过于复杂，这也是DePIN普及速度比现有Web2服务更慢的原因之一。除了注重改善用户体验和用户界面外，我们还希望DePIN项目与传统网络参与者或Web2公司合作，扩大其覆盖范围。实际上，用户可与Web2前端交互，却不知道后端的底层架构应用了DePIN和区块链技术。这可减缓陡峭的学习曲线，降低需要面临的加密货币相关风险，令DePIN产品与Web2一样简单易用，同时还附加成本效益和透明度等优势。提高代币效用和可组合性：大多数DePIN代币主要用于支付项目服务费用。这保证了基础效用，但区块链技术的一大迷人之处在于其在整体链上生态系统中的可组合性，尤其在DeFi领域。若获取代币后可赚取额外收益或探索不同用例，就能进一步吸引用户参与DePIN项目。 Filecoin的Filecoin虚拟机和BNB GreenField与BNB Chain的原生集成正是此种潜力的典型例证。二者不仅保证了FIL和BNB用于存储数据的基础效用，更让用户有机会利用自己的代币参与更广泛的生态系统。这些扩展用途还处于早期阶段，但也暗示了未来的潜在趋势，可能促进DePIN项目的发展和普及。来源：金色财经

金色财经2024-07-23

行业研究｜有连云等资深玩家助力AI+金融应用创新

数据保护能力。传统的欺诈检测算法利用机器学习（ML）都是从历史数据中自我训练，难以及时跟上新兴欺诈手段。而生成式AI则可以通过创建合成的“异常”模式，优化检测算法，使其在防范欺诈者方面保持领先。这样不仅减少了监督需求，实现更高的自动化，还能更高效地识别网络攻击企图。（2）个性化金融服务和支持个性化服务和支持是企业提升竞争力的关键因素，据估计可带来高达10%的年收入增长。在金融领域，实现个性化服务面临挑战，因为需要处理大量客户数据，如交易历史、支出偏好和储蓄目标。生成式人工智能（GenAI）在此方面发挥重要作用，能快速利用这些数据生成定制建议和优惠，提升客户满意度，促进交叉销售，增强企业竞争力。此外，GenAI还通过智能虚拟助理和自动化表单提交提供高效自助服务，帮助金融机构降低成本，提高客户参与度，是优化服务效率和客户体验的关键工具。（3）风险评估和信用评分金融机构在贷款审批过程中必须对客户的信用状况和潜在风险进行评估，信用评分是这一流程的核心环节。传统信用评分依赖于历史数据和固定规则，但这种方法可能缺乏灵活性，难以适应信用风险的复杂性和变化性。此外，这些方法需要不断的监控和深入分析，十分耗时。生成式人工智能（GenAI）在此领域提供了一种新的解决方案。它通过创建与真实数据极为相似的合成数据，与实际数据结合，构建出更丰富的训练数据集，从而训练出更精准的预测分析工具。GenAI能够高效处理大量动态数据，减少了对人工操作的依赖，使得信用评分过程更加可靠和高效。（4）合规性和监管挑战监管合规在银行业务中至关重要，与风险评估和人为错误紧密相关。金融机构必须遵守一系列法规，涉及运营、保密、安全等，需要详尽的数据收集、分析和报告，这些过程耗时且易出错。生成式人工智能（GenAI）可以有效处理这些任务。GenAI能生成高质量的合成数据，增强合规控制和质量保证的准确性，确保合规报告快速、一致且零误差。此外，GenAI能够持续监控合规性，自动通知违规行为，及时采取措施。（5）市场与投资分析财务分析涉及处理市场趋势、公司报告、财务估计等大量数据。分析师需要不断监控这些数据，耗费大量时间和精力。生成式人工智能（GenAI）在此发挥重要作用。它能够快速浏览和分析海量历史数据，识别出人类可能忽略的模式和异常情况。GenAI自动化的分析过程不仅能生成深刻洞见，还能创建交易参数，如最佳买卖时机、止损点和头寸规模。这种数据驱动的方法为银行提供显著竞争优势，使其更深入地理解市场状况，制定更加精准有效的战略。GenAI正成为金融分析师在复杂数据中导航的得力助手。（6）文档处理/报告生成金融行业的工作大量涉及信息处理，尤其是在处理来自不同来源的文档和信息时，这些信息通常是异构的。例如，在分析各种财务报告时，决定是否向金融客户发放贷款需要综合考虑法律纠纷、财务报表、股权结构和公司章程等多种因素。因此，目前人工智能最直接有效的应用场景之一就是处理这些多源异构的报告生成任务，如果依赖人工处理这些报告，不仅成本更高，而且质量也较低。金融行业处理这些报告的主要目的是为了识别和评估风险。当报告的质量不佳时，往往意味着风险增加，而高风险又可能导致不良贷款率上升。因此，提高报告处理的质量对于金融行业来说是至关重要的。（7）市场推广降本增效在基金产品推广和风险声誉管理中，金融从业者常面临数据抓取难、资讯数量少、内容生产慢、沟通效能低等问题。有连云公募基金商用AI大模型通过多重训练和强大的数据中台，打通了资讯生产的实时链路，实现7*24小时自动化生成各类型文本和智能改写，并能跨模态生成基金短视频，超越传统作业效率。（8）一键辅助产品销售近年来，境内ETF市场迅速发展，数量和规模持续增长。Wind数据显示，截至目前，国内ETF总份额增加4700亿份，达到1.94万亿份；总规模增加3200亿元，为1.98万亿元；新发行54只新ETF基金，总数量超过800只。麒麟金融场景商用AI大模型为公募基金、券商、银行等领域提供解决方案。它实时获取和解析ETF产品数据，生成产品分析、研报摘要、观点等关键信息，提升信息检索效率和AI批量生成资讯的能力。强大的生态连接渗透到数据、交易、搜索、新闻、视频和财经等端口，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。（9）轻松驾驭声誉风险管理在声誉风险管理中，金融机构需要建立全流程管理体系。麒麟大模型强有力的数据反馈能力协助基金公司及时获取风险信息，迅速形成解决方案，提供从生成、使用到数据决策的闭环支持，释放对人的依赖和流程压力，助推基金公司声誉管理和价值呈现。有连云麒麟金融场景商用AI大模型以AI速度解决基金公司多场景需求，轻松驾驭需求痛点，在销售、市场和声誉管理过程中提供更科学、可靠和专业的链路，助力增益、降本和增效。 2、金融行业应用Gen AI的典型案例（1）AlphaSense推出生成式AI助手-AlphaSense 助手 AlphaSense是金融市场情报和搜索领域的领先平台，此前其推出了AlphaSense助手，这是一款创新的生成式AI聊天工具，旨在改变金融从业者从数百万商业和财务文档中提取行业洞察的方式。此外，AlphaSense还推出了企业智能服务，将其AI驱动的搜索、摘要和聊天功能安全地集成到客户专有的组织知识和AlphaSense广泛的内容库中。 AlphaSense助手由AlphaSense专为市场情报定制的大型语言模型（ASLLM）支持，基于AlphaSense的行业领先内容库，提供一个会话式聊天界面，大大提升了商业和金融专业人士的研究效率。用户可以轻松咨询特定领域的投资机会或竞争对手分析，并立即获得准确答案。这些答案还具备内置的可审计性，方便用户追溯到原始资料，进行上下文和验证的检查。（2）FeatureSpace 推出 TallierLTM™金融垂直大模型作为全球领先的企业级防欺诈技术供应商，FeatureSpace 推出了世界首个大型交易模型（LTM）- TallierLTM™。 TallierLTM™ 采用自我监督的预训练方法，对各司法管辖区和市场细分领域的交易行为进行了深入分析，使其能够真实反映现实世界中的消费者交易行为。与行业标准模型在典型的 5:1 误报率下运行相比，TallierLTM™ 在欺诈检测准确性方面提升高达 71%。通过分析数十亿笔交易，TallierLTM™ 具备揭示隐藏的交易模式并预测消费者行为的能力，可以为数据科学家提供区分合法与犯罪活动的关键洞察。金融机构可以通过嵌入 API 与 TallierLTM™ 交互，将交易历史转换为机器可读的特征向量，创建成独特的 "行为条形码"，全面代表消费者的交易行为，同时还能保护个人隐私。（3）Visa推出基于生成式AI的欺诈解决方案 Visa 基于生成式AI技术，于今年5月份面向美国金融机构推出账户攻击情报（VAAI）评分工具，以识别和防范金融交易中的枚举攻击（enumeration attacks）。该工具能够实时检测可疑活动，并为金融机构提供风险评分，帮助客户精准判断何时需要阻止交易，从而防止潜在的欺诈行为。该AI工具通过学习持卡人的交易习惯，能在四毫秒内自动评估交易风险，区分正常消费与异常行为，快速识别可能的攻击性交易。其经过超过 150 亿笔交易数据的训练，通过比对历史枚举攻击模式生成风险评分，预测交易是否属于枚举攻击。与现有的风险评估模型相比，VAAI 工具在减少误报方面显著进步，误报率降低了 85%。（4）澜码科技尽调报告Agent案例国内某银行推出一项普惠贷款服务，旨在为中小企业提供便捷的贷款服务，以支持实体经济的发展和创新。但在发放普惠贷款的过程中，银行难以全面了解借款企业信息状况和还款能力，尤其是面对缺乏完善财务记录的中小企业和个体工商户时。因此银行客户经理往往要花费大量时间收集和分析各类资料，对申请企业进行尽职调查，并撰写尽调报告，包括客户情况分析、财务数据分析、尽调审核分析等等。但是，银行一线客户经理的业务分析水平参差不齐，导致了尽职调查和尽调报告质量不一，同时，系统中的报告模版也往往比较僵化，无法直接使用，一线客户经理就要花费大量时间在报告撰写上。澜码基于该需求，为客户构建了一款基于大语言模型的尽调报告Agent，可以自动给出分析结论、生成报告，辅助一线银行客户经理的工作，不仅能够节省一线客户经理80%报告撰写的时间，还可以全面审核客户资料，帮助人工发现一些不易发觉的点或遗漏，减少错误率。 3、国内代表性AI金融服务商深擎科技深擎科技成立于2018年，是一家专注于为企业提供人工智能技术赋能的公司，尤其在自然语言处理、个性化推荐和大语言模型等领域具有卓越的研发能力。核心创始团队来自IBM中国AI实验室，曾参与Watson研发，具备优秀的技术和工程实力。公司利用AI与大数据分析技术，为券商和银行提供内容科技与智能营销产品，助力客户获取、活跃和交易转化。深耕金融行业，掌握增长场景的深度KnowHow，并以AI Agent为基座，打造行业刚需的应用产品体系。产品已实现PMF，覆盖了80%的大中型券商和50%的大型银行。企业优势：技术实力强：深擎的核心技术团队源自IBM人工智能实验室，技术底蕴深厚。深擎自主研发的金融行业预训练模型（L1），效果准确率评测，超国内多个千亿模型，接近GPT4。大模型在2B场景落地过程中，最重要是准确率，在客户关心的重要技术指标上深擎处于行业领先地位，譬如：Function call多场景复杂接口的识别准确率达93%以上，多轮语义准确率和召回率分别达到95%和90%以上，AIGC内容合格率超95%。深入业务与场景：深擎在发展过程中，吸引了一批来自甲方客户的业务专家，因此能够把技术、产品与客户业务做有效整合。通过场景设计，深度融入客户核心业务，实现可量化的业务价值。譬如，有多款自研AIGC内容产品规模化上线运行，嵌入客户核心营销流程，实现内容生产效率超100倍提升。数据丰富且高质量：经过多年积累，深擎在证券行业沉淀了大量行业数据与标注数据。并且通过产品在业务场景上的闭环，能够源源不断获得更多行业数据。这些关键数据都是深擎模型训练与产品迭代的重要保障。客户案例多且合作深：深擎已与多家国内前十大券商合作大模型项目落地，案例数量在行业内处于领先地位。客户多，意味着产品的有效迭代就快，而非脱离市场的闭门造车。头部客户代表着行业内最新的发展共识，代表着新质生产力。项目案例多，意味着遇到的实际问题多，踩的坑多，解决问题的办法就多，也更加合理。此外，深擎与多家头部券商在大模型落地过程中有深度合作，通过产品、数据、业务形成闭环迭代，能够让客户真正把产品使用起来，并不断根据用户反馈、数据反馈，迭代AI产品。甜新科技甜新科技成立于2016年，总部位于上海，是一家以AIGC和5G视频通信技术、行业大模型为核心的人工智能创新型高科技企业。由红杉中国、金沙江创业投资、同创伟业等投资。公司的产品包括VCRM系列产品，是基于Al+视频的营销解决方案，助力企业营销转化。致力于在视频营销科技领域，为行业客户提供以深度融合Al+视频为基础的场景化服务解决方案。公司主要服务的方向包括零售电商、新消费品牌、银行、保险、消费金融、游戏等行业。企业优势：多种客户触达方式：平台可提供目前市场上主流客户触达方式，包含：AI交互视频、视频通知，AI语音外呼、视频短信、文本短信等客户触达方式，可根据不同的客户触达目标选择及组合。提高用户参与度：通过互动视频，用户可以与数字人内容互动，相比传统视频内容，这种形式能极大地提升用户的参与度和兴趣，从而增加用户停留时间和参与深度。提升品牌影响力：首先，通过一段3分钟原视频，即可快速生成和金融机构代言人真人一模一样的数字人分身，五官、动作、表情、声音完全模仿本人，通过数字分身与客户进行视频对话，基于自然语言处理及大模型技术，可实现多轮对话和智能互动。互动视频能够以其新颖的形式和丰富的用户体验增强品牌形象，通过用户与视频内容的互动，可以增加品牌的曝光度和记忆度。千人千面的客户服务：利用AI技术，基于用户的行为和偏好提供个性化的视频内容推荐，实现真正意义上的“以用户为中心”。这种个性化的体验可以有效提升用户满意度和忠诚度。效率提升：外呼营销平台能自动分析用户数据和互动结果，沉淀数据、为营销人员提供数据支持，帮助其快速调整营销策略，提高营销转化效果。基于AIGC的内容生产：外呼营销平台能可以根据客户的需求和偏好生成个性化的营销内容，如：使用不同的数字人形象，数字人复刻、声音复刻，同时，为了提高客户参与度和转化率可以快速生成大量营销内容，减少人工编辑时间和成本，满足金融行业的快速变化和更新需求。澜码科技澜码科技是一家基于大语言模型的企业级AI Agent平台公司，核心团队成员来自Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司。澜码科技率先填补了国内大模型中间层的空白，是国内探索大语言模型应用落地和AI Agent的先行者。基于底层大语言模型，澜码科技自主研发了能够连接人和系统的企业级Agent平台“AskXBOT”，助力企业构建基于专家知识的超级自动化，从而提升业务质量和效率。澜码科技已完成来自IDG资本、联新资本、Atom Capital参与的数千万A轮投资，并与多家上市公司和独角兽企业达成战略合作。企业优势： “模型中立”优势：目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果。专家知识是AI Agent 得以在企业落地的关键：专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。在澜码AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。针对办公，特别是金融、财务的办公场景的成熟技能的封装能力。和企业已有组织、权限、基础设施的集成。有连云有连云成立于2015年，是国内领先的金融AI应用服务商。旗下的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。公司专注于金融数字化转型的痛点，推进大模型的垂直应用，结合庞大的金融专业语料库，集成自然语言处理、OCR和多模态技术，实现各类事件指标的准确、实时、智能化获取，满足自定义和配置需求。企业优势强大的技术基础：有连云的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。精准的数据处理：麒麟大模型能够实时获取和解析ETF产品层面的数据，生成产品分析、研报摘要和观点，提升信息检索效率和AI批量生成资讯，解决基金公司在产品营销中的难点。广泛的生态连接：强大的生态连接可渗透到数据、交易、搜索、新闻、视频和财经等投资者聚集地，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。全面的合规保障：在上市公司声誉管理和投资者关系管理领域，麒麟大模型通过智能创作、智能标签和可视化报表服务，保障资讯的真实合规，并实时跟踪推送状态，提供强有力的商业决策支持。行业认可：有连云已获得国家互联网信息办公室的3项深度合成算法备案，入选中国信通院《2023大模型和AIGC产业图谱》，并获得数字化软件产品能力DSSC优秀级认证，成为中国信通院《数字化软件产品及服务能力体系规范》编制单位，参与行业标准制订。金融行业落地Gen AI的关键能力尽管在金融行业落地Gen AI 会面临数据隐私和安全、技术和资源门槛、模型解释性和透明度，以及监管合规等挑战，但落地难度相较于传统AI项目，难度会更低，实施路径也更直接。甜新科技认为金融行业落地Gen AI需要跨越以下7个维度的关键能力： 1. 明确转型目标和战略：金融机构首先需要明确自身的数字化转型目标和战略，确定AI技术在其中的角色和定位。一个有效的Gen AI规模化落地战略，必须包含以下关键因素：高层领导层的愿景、一致性和承诺，以及业务单元级对交付结果的责任、清晰的应用场景和目标、全面的运营计划。 2. 选准应用场景：在明确转型目标后，金融机构需要选准AI技术的应用场景。这些场景应该是业务流程中的痛点或价值创造的潜在领域。例如，AI技术可以用于风险评估、信贷审批、智能投顾、客户服务等方面。 3. 数据和技术的积累：金融机构需要积累大量的数据和相关的技术能力。数据是AI技术的基础，而技术能力则决定了金融机构在AI领域的竞争力。这包括建设数据仓库、数据挖掘、机器学习、深度学习等技术能力。在部署大模型的时候，金融企业获机构需要与自身现有的系统、工作流程、企业应用程序和数据源集成。这是一个关键且复杂的任务。麦肯锡认为，有效的集成和模型维护将依赖于多个架构组件：上下文管理和缓存、策略管理、模型中心、提示库、MLOps平台、风险管理引擎、大型语言模型（LLM）运营等。（深擎科技采访供图）数据质量至关重要，尤其是在通用人工智能领域。面对海量且非结构化的数据集，确保输出答案的质量变得更加具有挑战性。领先的金融机构正借助优质人才和自动化技术，在数据生命周期的关键环节进行精准干预，以保证数据的高标准质量。同时，数据领域的领导者需要深入考虑新技术带来的安全风险，并随时准备根据法规的变化迅速采取行动。 4. 构建高效的组织架构：为了推动AI项目的顺利实施，金融机构需要构建高效的组织架构。这包括设立专门的AI团队、明确职责和分工、以及与业务部门的紧密合作。要优化组织架构之前，金融机构必须思考当前的架构为何难以无缝集成AI创新能力。成功落地AI的金融机构，并不是鼓励落地相关计划，而是通过为现有团队配备所需的资源，并积极拥抱通用人工智能所需的技能、人才和流程来实现相关目标。 5. 注重人才培养和合作：金融机构需要培养一批既懂金融业务又懂AI技术的复合型人才。还需要定期评估自己的人才招聘策略，以适应不断变化的优先事项。清晰的职业发展和晋升机会——以及有意义和价值的工作——对普通的技术从业者来说非常重要。此外，与AI领域的领先企业或研究机构合作，可以加快技术进步和创新。 6. 强化合规和安全风险管理：金融机构在实施人工智能技术时，必须确保其操作的合规性和安全性。这不仅包括遵守相关的法律法规，还涉及到保护客户隐私、预防欺诈和洗钱等风险。在引入大型模型和生成式人工智能之前，金融机构通常需要对其风险管理和模型治理框架进行重新设计，并根据需要开发新的控制机制。模型的可解释性和决策的公正性是关键问题，必须在推广任何生成式AI应用之前得到全面而深入的解决。通过这种方式，金融机构可以在确保技术优势的同时，维护其业务的合规性和安全性。 7. 持续优化和创新： AI技术是不断发展的，金融机构需要在实践中持续优化和创新。这包括收集反馈、改进算法、探索新的应用场景等。金融行业落地Gen AI的挑战尽管大模型和Gen AI能为金融行业带来巨大价值，但囿于要被高度监管的属性，金融行业在落地大模型和生成式AI要面临比其他行业更严峻的诸多挑战。以下是最关键的三大问题： 1、确保数据质量和安全性对于金融企业而言，获取高质量、具有代表性的数据分析来训练人工智能模型是实现技术优势的关键所在。AI模型的性能和准确性在很大程度上取决于训练数据的质量，因此，金融机构必须实施严格的数据治理流程，以确保数据的准确性和可靠性。许多银行拥有一个庞大而复杂的数据架构，这些架构往往跨越了数十年，涉及多种大型机系统。将这些分散的数据整合并准备用于人工智能项目是一项艰巨的任务，需要投入大量的资源和努力。同时，金融企业还必须严格遵守数据保护法规，确保敏感的客户数据得到妥善的匿名化处理和安全保护。这不仅涉及到技术层面的挑战，也考验着企业在数据隐私和合规性方面的责任和担当。 2、符合金融法规金融领域对人工智能系统的应用必须严格遵守一系列法规，且涉及信贷审批、交易监控等多个业务环节。合规性要求金融机构必须对相关信息记录详尽并始终维护模型的透明度，这无疑增加了管理的难度和成本。同时，金融机构还需定期对AI系统进行性能监控，确保没有偏差，并妥善处理可能出现的意外结果。此外，AI技术在金融领域的应用涉及到对海量数据的处理和分析，这不仅要求金融机构拥有强大的存储和计算资源，也带来了对基础设施的挑战。尽管云计算提供了灵活的解决方案，但数据安全和地区法规的限制常常成为其广泛应用的障碍。同时，将先进的AI工具与金融机构现有的IT系统无缝集成，也是一个需要克服的技术难题。 3、道德考量和偏见人工智能在金融领域的整合引发了重要的道德考量，特别是在偏见和公正性方面。人工智能系统可能会无意中延续甚至加剧训练数据中存在的偏见。例如，如果历史贷款数据对某些特定人群存在偏见，那么基于这些数据训练的人工智能模型可能会继续使这些群体处于不利地位。此外，快速变化的监管环境对金融机构提出了更高要求。随着法律和道德对AI的期望不断演变，金融机构需要不断适应新的监管政策，并保持系统的灵活性以应对这些变化。人工智能在金融领域的未来尽管生成式人工智能是目前各行各业的流行词，但如何将该技术付诸实践的最佳方式仍然尚未确定。澜码科技CEO周健指出，目前金融行业面临的主要挑战是大型模型的准确度尚未达到令人满意的标准，以及还未找到将特定场景与相应的技术进行有效匹配的路径。整个行业面临的核心难题在于如何精心选择或开发出适合的大模型和解决方案，然后确保它们在特定应用场景中的表现能够超越人类，这也是最具挑战性的部分。此外，在认知层面，一个普遍的误区是人们常常被所谓的“理想路径”所误导，认为大语言模型能够应对所有任务。然而，在实际操作中，可能由于业务人员对专业知识掌握不够精确导致无法完成相应任务。在这种情况下，我们需要通过更高效的人机交互方式，使业务人员能够明确地表达他们的需求，以便在业务流程中实现端到端的有效支持。另一个常见的误区是，人们期望用户去适应技术，而不是让技术去适应用户。如果整个行业能够在技术适应用户交互方式和需求理解方面做出创新和改进，就可能充分发挥大型模型的潜力。但目前，这一领域的探索还相对较少。金融行业落地大模型和生成式AI不仅需要技术上的升级，还需要进行企业文化的转型，以接纳创新，这将是一个漫长且充满挑战的过程。参考资料： https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model https://www.datacamp.com/blog/ai-in-finance https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.20661.html 作者：qiuping 来源：非凡产研以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-07-23

对话Aise Network CEO Henry：探索GPU与Web3技术的未来

y详细阐述了GPU在人工智能（AI）和机器学习领域的关键作用，以及Aise Network如何利用Web3技术确保其服务的透明和安全。 Henry指出，GPU（图形处理单元）以其强大的并行计算能力，在AI和机器学习任务中发挥着至关重要的作用。与传统的中央处理单元（CPU）相比，GPU能够同时处理大量数据，从而大大加速了大规模数据处理和复杂计算的速度。这使得GPU在训练AI模型和提升算法性能方面变得不可或缺。随着AI技术的不断发展，计算资源的需求也在迅速增长，而高昂的硬件成本和复杂的维护管理却成为了许多企业和个人的障碍。 Aise Network通过其平台，提供高效、灵活且经济的GPU算力租赁服务，旨在解决这一难题。Henry介绍道，无论是初创企业、科研机构还是个人开发者，只需简单几步，就能以最低的成本获取最强大的计算资源。Aise Network的平台采用了尖端的区块链技术，确保每一笔交易的透明与安全。用户可以根据需求灵活选择不同的GPU型号和计算时长，实现资源的最优配置。同时，平台还提供全天候的技术支持，确保用户在使用过程中无后顾之忧。 Henry特别强调了Web3技术在Aise Network中的应用。通过区块链技术，Aise Network确保了所有计算资源的分配和收入分配记录在不可篡改的区块链上。智能合约自动执行和验证这些交易，消除了中介机构的参与，提高了效率和信任度。这种透明和安全的机制，使得用户能够清晰地看到每一笔交易和资源使用情况，大大提升了用户体验。在展望未来时，Henry表示，GPU技术将与AI和Web3生态系统进一步融合，推动更多创新应用的出现。GPU的高效计算能力将继续支撑AI的发展，帮助实现更加复杂和智能的应用。同时，Web3技术将为这些应用提供去中心化和透明的基础设施，确保数据和计算的安全和可信。Henry相信，未来我们将看到更多基于区块链的去中心化AI应用，通过GPU提供强大的计算支持，从而推动技术和应用的创新发展。例如：AI、GPU和Web3的结合将彻底改变不同行业的运作方式和效率。在金融行业，AI可以提供更准确的风险评估和市场预测，GPU加速计算过程，Web3技术确保交易的透明和安全；在医疗领域，AI辅助诊断和治疗方案优化，GPU处理大量医疗数据，区块链确保患者数据的隐私和安全；在娱乐行业，AI生成个性化内容推荐，GPU处理高质量图像和视频渲染，Web3技术推动数字版权和收益分配的透明化。这种多技术的结合将推动各行各业的数字化转型，提高效率和创新能力。 Henry还介绍了Aise Network的四个核心功能，这些功能确保了用户的算力和收益。首先是Aise Roulette 24算力集群系统，通过24层不同算力权重比公平分配用户的质押算力。其次是Aise MProtocol，将20%的算力租赁质押奖励分配给$sAise和$rsAise持有者。第三是算力凝聚系统，每年减少50%的区块奖励，用户可以通过质押GPU NFT卡获取$sAise代币。最后是Restaking Proof系统，通过$sAise、$Aise和$rAise的相互转换加速算力。目前，Aise Network计划在八月份正式推出产品，并为用户提供更多有趣的功能，例如任务系统和合成系统，以提升用户的计算体验和参与感。Henry期待在八月三日的胡志明市会议上与更多合作伙伴和用户深入交流，共同探讨更多创新想法和合作机会。 Aise Network致力于打造一个共享计算资源的生态系统，让更多的人都能以最低的成本，实现最高效的算力应用。Henry坚信，通过技术的不断创新和用户体验的优化，Aise Network将在未来创造一个全新的GPU算力模式，更好地服务算力提供者和需求者，共同推动科技进步，创造美好未来。来源：金色财经

金色财经2024-07-23

开盘：三大股指小幅低开，数字水印及教育信息化概念股下跌

药有望成为下一个黄金赛道。AI技术通过机器学习和深度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要作用。AI+制药受到国家政策支持，产业链上下游投资机会多元，应用端百花齐放。AI制药行业得到国家层面的政策支持，如《“十四五”医药工业发展规划》和《“十四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新药研发中的应用。CRO公司加速布局AI+制药应用技术。CRO药物研发外包公司的AI技术应用正逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到药物设计等。随着AI技术的不断进步和CRO公司专业能力的增强，预计未来药物研发领域将迎来更多创新突破。光大证券：Robotaxi或带动出行市场新增量主机厂或为最终受益方光大证券认为，Robotaxi或带动出行市场新增量，主机厂或为最终受益方。智能网联汽车涉及车路云多方协同，贴合大力发展新质生产力的政策导向。光大证券认为：1）各地因地制宜；2）技术（安全保障）与体验升级、价格（补贴/优惠）为Robotaxi大规模推广的关键；3）Robotaxi可满足各时段的用车需求+解决偏远地区出租车（网约车）数量或相对有限等问题，有望带动出行市场的新增量；4）预计联合体模式有望成为国内主流，主机厂（结合旗下出行平台公司，以及地方资源/数据优势）或为最终受益方。东海证券：关注创新药链、特色原料药等板块的投资机会东海证券研报指出，当前医药生物行业估值处于历史低位，行业继续回调空间有限；下半年业绩有望持续向好，医疗反腐等影响因素持续弱化，中长期投资价值显著，建议关注：创新药链、器械设备、医疗服务、血制品、二类疫苗、特色原料药等细分板块的投资机会。个股可关注：千红制药、博雅生物、华厦眼科等。

金融界2024-07-23

成都先导：7月16日接受机构调研，工银瑞信参与

公司将多年积累的DEL筛选海量数据用于机器学习（ML）、I大模型的训练和迭代，可以更加有效地在非DEL空间预测化合物活性、成药性等，进一步扩大可探索的化合物空间以及加快化合物的优化过程。DEL技术产生的高质量的真实实验数据，为I训练提供了可靠且独特的数据资源，再加上高通量的DMT平台快速高效的运转，干湿实验室的结合，可以让I的结果快速验证以及产生新的数据促进I的升级。因而能形成从靶点开始，到苗头化合物产生，再到先导化合物优化至临床前候选物这一链条的完整的数据流，以期能够为众多难成药靶点提供创新、快速、高效且可靠的临床前候选物解决方案。成都先导（688222）主营业务：聚焦小分子及核酸新药的发现与优化,依托DEL技术(包括DEL库的设计、合成和筛选及拓展应用)、基于分子片段和三维结构信息的药物设计(FBDD/SBDD)技术、寡聚核酸新药研发平台相关技术(STO)、靶向蛋白降解平台相关技术(TPD)四大核心技术平台及公司其他关键新药研发能力(药物化学、计算科学/AI、体外体内生物学评价、药物代谢学,分析化学,药学研究等),打造新药发现与优化的国际领先的研发体系。成都先导2024年一季报显示，公司主营收入1.07亿元，同比上升54.35%；归母净利润1394.0万元，同比上升248.4%；扣非净利润819.42万元，同比上升179.4%；负债率19.57%，投资收益352.07万元，财务费用4.89万元，毛利率54.8%。该股最近90天内共有4家机构给出评级，买入评级3家，增持评级1家；过去90天内机构目标均价为16.0。以下是详细的盈利预测信息：融资融券数据显示该股近3个月融资净流出2911.09万，融资余额减少；融券净流出12.64万，融券余额减少。以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据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2024-07-22

加密世界的基石：创新与实用性的双重奏

据与直觉，在波动市场中显局限。AI运用机器学习构建预测模型，结合实时数据动态修正，提升预测精度与时效，提供精准市场预判。智能风险管理通过多维分析，评估加密货币风险，定制个人化策略，平衡收益与风险管控。AI优化投资组合配置，跨资产类别分析，打造均衡组合，实现多元化投资，降低风险同时提升回报。 CCOIN利用AI技术整合web3多方信息资源，为平台用户服务，智能推荐优质项目，辅助投资决策，帮用户获取更大的投资价值。平台内置的多指标评估系统进一步强化了项目筛选的准确性。这一系统能够提供详尽的项目分析报告，覆盖技术分析、基本面分析、市场情绪分析等多个方面，确保用户在做出投资决策前能够获得全面的信息技术与创新的双轮驱动 CCOIN平台采用了最新一代的区块链技术，不仅保证了交易的安全与透明，还显著提升了交易速度和网络吞吐量，有效解决了传统加密货币面临的扩展性问题。这种技术上的突破，为用户提供了更加流畅、高效的使用体验。CCOIN平台深度融合智能合约功能，为用户提供自动化执行的合约服务，极大降低了交易成本，提高了资金流转效率，同时也为开发者构建去中心化应用提供了强大支持。全球社区与无障碍交流 CCOIN平台打破了地理界限，支持多种语言即时翻译，促进了全球用户间的无障碍沟通。平台上的用户可以轻松找到持有相同代币的伙伴，或是加入到特定的讨论群组中，如巨鲸用户交流群，进行深入的技术探讨或市场趋势分析。这种全球化的社区氛围不仅加强了用户间的联系，也为加密货币领域的知识共享和经验交流搭建了一个开放的平台。零知识证明技术与信用评估平台引入了零知识证明（ZKP）技术，这是一种先进的加密学方法，能够在不泄露任何敏感信息的情况下验证数据的真实性。这一技术的应用使得平台能够评估用户的个人信用值，而不必担心隐私泄露的问题。信用值的评估结果可用于平台上的各种交互活动，如参与高级项目、领取空投等，为用户提供了更多的参与机会和奖励。 CCOIN平台代币的价值赋能 CCOIN平台的原生代币不仅仅是一种交易媒介，它还承载着一系列价值赋能。首先，代币作为平台内的交互手续费，是用户使用平台服务的基础。其次，用户可以将持有的代币用于质押挖矿，通过贡献算力来获得挖矿奖励，这为持币者提供了额外的收入来源。此外，平台还实施了定期销毁机制，通过减少流通中的代币数量来维护持币用户手中代币的价值，确保代币经济的长期稳定性。 CCOIN平台凭借其创新的商业模式和先进技术，为加密货币用户开辟了全新的体验。无论是追求高收益的投资者，还是渴望在安全开放环境中交流的用户，CCOIN均以其独特优势吸引了广泛注意。平台的不断发展使其有望成为加密金融领域中的佼佼者，引领行业前行。在未来，CCOIN将继续探索数字货币与实体经济融合的新路径，努力构建一个开放、包容、共享的数字经济生态，为全球用户带来更多的价值和机遇。平台凭借其技术创新、广泛的实用价值和巨大的发展潜力，正逐步塑造其在加密货币领域的独特地位。对于投资者和用户而言，CCOIN不仅是当前市场的一匹黑马，更是未来数字经济发展的重要推手。随着技术的不断迭代和市场的持续扩张，CCOIN有望成为连接现实与数字世界的桥梁，引领加密货币行业迈向更加辉煌的未来。来源：金色财经

金色财经2024-07-22

「3EX AI交易」本周高胜率策略盘点

闻、论坛等渠道获取市场情绪数据，并通过机器学习算法进行分析，以预测市场走势。优势分析高平仓胜率：87.09%的平仓胜率表明该策略在大多数情况下能够准确预测市场走势，确保投资者获得稳定收益。高盈亏比：17.65的平仓盈亏比显示了每次交易的潜在收益远高于亏损，有效控制了风险。市场情绪分析：利用市场情绪数据，及时捕捉市场动向，增强交易决策的准确性。关于加强策略ID: 10008595交易对: ETH/USDT杠杆倍数: 5X收益率: +22.73%平仓胜率: 81.25%平仓盈亏比: 4.29 策略简介关于加强策略主要通过技术指标的组合来寻找市场中的买卖机会，特别关注ETH/USDT交易对。该策略通过均线、MACD、RSI等指标的配合，判断市场的趋势变化。优势分析技术指标多样化：利用多种技术指标组合，确保了交易信号的可靠性。适中杠杆：5X的杠杆倍数在保证收益的同时，有效控制了风险。高平仓胜率：81.25%的平仓胜率体现了策略的稳定性和可靠性。灵活资本驱动策略ID: 10000138交易对: BTC/USDT杠杆倍数: 10X收益率: +20.91%平仓胜率: 77.78%平仓盈亏比: 10.87 策略简介灵活资本驱动策略专注于BTC/USDT交易对，通过动态调整仓位和风险管理策略，实现高收益和低风险的平衡。该策略利用市场波动性和技术指标，灵活调整交易计划。优势分析灵活调整：根据市场波动动态调整仓位，最大化收益的同时，控制风险。高盈亏比：10.87的平仓盈亏比表明了策略的高效性和稳定性。专注BTC：专注于BTC交易，利用其高流动性和市场关注度，捕捉更多交易机会。 Cross Currency Pair Strategy 策略ID: 10003057交易对: ETH/USDT杠杆倍数: 10X收益率: +19.86%平仓胜率: 73.89%平仓盈亏比: 10.33 策略简介 Cross Currency Pair Strategy策略通过跨币种对冲和套利，寻找市场中存在的价格差异和套利机会。该策略特别关注ETH/USDT交易对，通过跨币种对冲降低风险，增加收益。优势分析跨币种对冲：利用不同币种间的价格差异进行对冲交易，有效降低风险。高盈亏比：10.33的平仓盈亏比显示了策略的高收益潜力。稳定收益：73.89%的平仓胜率确保了策略的稳定性。 Reinforcement Learning Trading System 策略ID: 10003054交易对: ETH/USDT杠杆倍数: 10X收益率: +19.86%平仓胜率: 73.89%平仓盈亏比: 10.33 策略简介 Reinforcement Learning Trading System策略利用强化学习算法，根据市场环境动态调整交易策略。通过不断学习和优化，寻找最佳交易机会。优势分析强化学习：利用AI强化学习算法，自我优化，适应不同市场环境。动态调整：根据市场变化动态调整策略，捕捉更多交易机会。高盈亏比：10.33的平仓盈亏比确保了策略的高收益性。金融极客导航策略ID: 10000135交易对: MATIC/USDT杠杆倍数: 10X收益率: +37.28%平仓胜率: 71.43%平仓盈亏比: 3.85 策略简介金融极客导航策略专注于MATIC/USDT交易对，通过全面的市场分析和技术指标，寻找最佳交易机会。该策略结合了基本面分析和技术面分析，确保交易决策的准确性。优势分析综合分析：结合基本面和技术面分析，提高交易信号的准确性。高收益：37.28%的收益率显示了策略的高效性。稳健性：71.43%的平仓胜率确保了策略的稳定表现。结语以上是本周3EX AI交易平台上的高胜率策略盘点。这些策略在收益率、平仓胜率和盈亏比等方面表现出色，适合不同风险偏好的投资者参考和使用。通过3EX的AI交易平台，投资者可以轻松创建、测试和优化交易策略，实现智能化的交易体验。希望这些策略能为您的交易决策提供有价值的参考，助您在加密货币市场中获得更多收益。我们将持续关注和更新更多高胜率的交易策略，帮助您在复杂的市场环境中找到最合适的投资机会。感谢您对3EX AI交易平台的支持与信任！ 3EX相关链接： Twitter(CN): https://twitter.com/3EX_ZH 来源：金色财经

金色财经2024-07-22

一文了解以太坊上的去信任人工智能ORA

品和前沿研究。 a) zkML：零知识机器学习 zkML是一种链上机器学习的加密方法。 ORA目前处于该领域头部位置，还发明了世界上第一个zkML库： Keras2Circom。以太坊基金会支持的基准研究表明，Keras2Circom比其他同类产品表现更好，而且在多种生态系统进行了实战检验，也已做好生产准备。了解更多信息，请移步GitHub查看Keras2Circom资源库。 b) opML：Optimistic机器学习 opML是一个经济高效的机器学习框架，现在就可以实现链上机器学习。从学术研究和开源的角度去看，ORA都称得上为“opML的发明创造者”。 zkML能为ML计算生成非常简洁的加密证明，可以在链上进行验证。但是，对于大型AI模型而言，其计算能力还不足以高效经济地生成证明。与zkML相反，opML有效地将Grok的3140亿参数模型等大型模型带到链上，从而将管理成本降低了100万倍以上。了解更多信息，请移步：https://arxiv.org/abs/2401.17555 c) opp/ai：Optimistic隐私保护人工智能 opp/ai, Optimistic隐私保护人工智能，把保护隐私安全的zkML和更有效率的opML结合。 opp/ai是为链上人工智能量身定制的混合模型。 ORA就是opp/ai的开发者。与纯zkML相比，opp/ai整体表现好得多，同时还能保持zkML的隐私特性。了解更多信息，请移步：https://arxiv.org/abs/2402.15006。 2.ORA链上人工智能预言机（OAO） a) 简介 Onchain AI Oracle（OAO）是 ORA的可验证去中心化AI预言机。 OAO让每个人都能在任意区块链上使用链上AI推理。 OAO用opML为 ML计算创建可验证证明，这些证明可在区块链上进行验证。这为区块链中的AI开辟了新的可能性。 b)以太坊上的OAO和Optimism主义 OAO基于opML在以太坊和Optimism上运行，生成可验证的人工智能推理。 6月份，ORA的OAO在以太坊主网上部署。最近，OAO又与Optimism达成主网部署合作。 c) 用OAO Build 开发者们可以通过以下资源搭建AI驱动的链上应用程序： OAO 回购：OAO。 OAO文档: AI Oracle。 OAO搭建视频教程：如何与OAO交互及搭建。 OAO搭建灵感：So You Wanna Build with Onchain AI。 ORA生态系统项目参考：awesome-ora。 3. ORA初始模型发行（IMO）在这个人工智能时代，ORA 引入了一个新的机制——IMO（Initial Model Offering）。 a) 简介简单来说就是：IMO 在链上将 AI 模型代币化。对于AI模型而言，IMO为开源AI模型提供源源不断的资金。对于生态系统而言，IMO协助分配和和持续贡献的价值观和激励措施。对于代币持有者而言，IMO允许任何人从包括链上收入和推理资产（如 ERC-7007）在内的来源中，获取链上 AI 模型的价值。许多开源AI模型都面临贡献货币化的挑战，这会导致贡献者和组织缺乏动力。因此，人工智能行业目前的头部公司都是闭源营利性的。开源AI模型的制胜之道在于需要筹集更多资金且进行公开建设。有了 IMO，我们就能赢得开源人工智能之战。IMO通过促进长期利益、鼓励开源AI社区参与、提供资金，达到开源AI模型生态系统的可持续发展。当有比专有模型更好的开源模型时，就会赢得胜利。 IMO将开源AI模型的所有权代币化，并将收益分给代币持有者。 b) IMO 的核心组成部分 IMO是无需许可的，因此任何人和任何社区都可以为其AI模型进行 IMO。 IMO有两个核心部分： - 可验证的链上人工智能模型 - 用链收益共享对于Onchain AI，ORA需要将代币与正确的AI模型和推理关联在一起。ORA正在通过前面提到的OAO实现这一点，OAO是世界上第一个适用于任何人工智能模型的AI Oracle。为了分享用链收益，ORA推出ERC-7641：Intrinsic RevShare 代币。实现公平收益共享，是IMO的基础。IMO代币不是 AI meme币，而是AI模型的份额。持有者可从OAO和推论资产（如 ERC-7007）中获得AI模型的收入：可验证的AI生成的内容代币。 c) IMO 概述 IMO是无需许可的，因此任何人和任何社区都可以对其 AI 模型进行 IMO。 IMO 将特定的AI模型代币化，从而提供：社区能有效为开源筹集资金。激励贡献者继续优化全球可访问的模型。代币持有者在链上使用模型的收入机会。一个有价值的IMO需要Onchain AI和IMO代币的收入分享机制： OAO能实现链上人工智能。收益来自OAO中的模型使用和推理资产，如ORA共同撰写的 ERC-7007。收益共享机制可通过ORA编写的ERC-7641执行。了解更多信息，请点击这里。观看ORA在ETHDenver上对IMO的官宣。观看60秒解释IMO是什么？ 4. OpenLM IMO：全球首个IMO 主网上的 $OLM：0xe5018913F2fdf33971864804dDB5fcA25C539032LP 主网上的地址：0xB57CFe32dbF5227d9c9A03eF3D2E9E53cb4524B0 a) OpenLM 简介 OpenLM是一个执行性语言建模（LM）资源库，旨在促进中型LM的研究。 OpenLM作为去中心化AI，开放，效果好，不是那种封闭、中心化、由大科技寡头资助和监督授权的LLM。 OpenLM是一个由去中心化团队创建的开源模型，受麻省理工学院许可。他们的贡献将通过此次付出得到认可，这也将有助于激励和推动每个人都能使用的开源LM的研发。 b) OpenLM IMO 4 月 10 日，ORA宣布了世界上第一个IMO：OpenLM IMO。 OpenLM IMO将OpenLM的开源模式标志化。就像普罗米修斯为文明盗取火种一样，ORA通过OpenLM 的第一个 IMO展示了IMO为开源 AI 社区带来的好处。 $OLM不是ORA的代币。它是以太坊上OpenLM模型的代币化，所有权由OpenLM贡献者和社区共享。不过，ORA的链上AI预言机可实现AI模型代币化。 IMO将成为OpenLM发展历程的基石，提供资金和激励措施，孕育可持续的生态系统，实现获取途径民主化，并推动持续发展。 OpenLM IMO将借助开源软件和社区的力量彻底革新LLM格局。 c) OpenLM IMO 活动 OpenLM IMO全球首次IMO就取得了巨大成功。 5分钟内，总计5亿代币均以150 ETH（约 50 万美元）的价格售出，证明了在低供应量的情况下，市场需求很大。$OLM会继续在 Uniswap去中心化交易所中交易。不过，由于需求远远超过了有限供应量，绝大多数开售时想购买 $OLM的用户交易都失败了。这是第一次IMO，以后还会有更多。未来的IMO将有不同的参数，让更多有价值的人和钱包参与进来。 d) OpenLM IMO 路线图 IMO的目标是促进开源社区和生态系统的发展。OpenLM IMO为 OpenLM的开源社区提供了更多资源。此次是IMO作为一项技术的超凡路演。更是迈向可持续、有竞争力和开源人工智能未来的开端。以下是 OpenLM IMO成功的路线图。 1.OAO 整合为实现 $OLM收益共享，ORA把OpenLM AI模型集成到 Onchain AI Oracle中。这样每次用户与 OpenLM 模型交互时都可以产生链上收入，并由OAO跟踪。 2.OpenLM 生态系统扩张 IMO不断为开源AI模型提供资金。在OpenLM IMO的努力下，各种项目都可以使用OpenLM为$OLM的收益池做贡献。 3.向 OpenLM 社区捐款 $OLM IMO代币的10%将捐献给现有和未来的OpenLM贡献者。 ORA正在敲定支持开放和去中心化人工智能社区的所有细节。 4.收益分享活动 OpenLM RevShare代币（$OLM）具备以下功能：收益共享：OAO或其他来源的部分收益将分配给$OLM代币的收益共享池。代币持有者可在快照后每隔90天领取一次收益。销毁：OAO或其他来源的部分收益将分配到$OLM代币的销毁池中。持有者以销毁代币作为回购机制。这个机制支持 OpenLM 代币的 "底价"。 ORA ORA 是以太坊的去信任的人工智能，可在区块链上实现人工智能和任意规模的计算。通过提供 AI、更丰富的数据源和任意计算来打破智能合约的局限性，以便开发人员可以自由创新。目前，ORA已得到Compound、以太坊基金会、Uniswap、Optimism等机构的资助。来源：金色财经

金色财经2024-07-22

「3EX CryptoGPT」重磅币圈新闻速递开启

金色财经2024-07-22

24小时热点