FX168财经网_全球视野外汇黄金加密货币NFT资讯网

旗舰VR新品全面开售将加入眼动追踪和面部追踪技术

或摄像头获得的数据终需通过计算机视觉、深度学习等算法被设备理解，甚至Meta已经实现了完全基于AI的下半身追踪和裸手识别。近期ChatGPT、StableDiffusion等AIGC多模态大模型的出现，则极大的降低了3D内容的制作门槛，提高制作效率，AI的发展将推动VR/MR设备进入成熟快车道。另外，苹果首款MR设备有望于WWDC23发布，可能成为目前全球最贵、性能最强的MR一体机。　　五矿证券指出，随着用户对元宇宙接受度提高，同时技术升级、成本下降将促进VR/AR出货量进一步提升，带动行业驶入快车道，相关主流技术方案厂商有望迈入高速成长期。建议关注：三利谱、京东方A、歌尔股份。

金融界2023-04-20

AI Economy：引领数字未来的元宇宙之旅

域体现出强大的自动化和智能化能力。通过深度学习、机器视觉、自然语言处理等技术，实现了生产线的自动化管理、无人驾驶的实现、智能物流调度等，提高了生产效率、降低了生产成本，推动了产业升级和经济发展。其次，在消费者服务、金融科技、医疗健康等领域展现了强大的个性化服务能力。通过大数据分析、人工智能算法等技术，能够实现智能客服、智能推荐、智能医疗诊断等，为消费者提供个性化的产品和服务体验，提高了用户满意度和忠诚度。最后，在科技创新、创业创新、产业融合等方面发挥了积极的作用。通过人工智能技术的不断发展和应用，促进了跨界融合、创新合作、创业创新等形式的创新，为新兴产业和新经济的崛起提供了支持，推动了经济增长和社会进步。 AI Economy还将在元宇宙领域产生深远的影响。这个新一代元宇宙应用商城项目将为用户创造更多的虚拟世界、数字资产和互动体验。用户可以在AI Economy上创建自己的虚拟身份，参与各种社交、娱乐、教育、医疗等活动。同时，它还将为开发者提供更多的工具和环境，使他们能够更轻松地在元宇宙中创建丰富的内容和应用，推动元宇宙的进一步发展。全球化布局项目积极吸引全球优秀的开发者、创作者和用户参与项目，建立全球化的社群和用户基础。通过多语言支持、跨链互操作和跨界合作，AI Economy将促进不同国家和地区之间的数字经济合作和共享，推动元宇宙和Web3.0的全球化发展。 AI Economy还将积极探索与其他领域的合作机会，如与其他区块链项目、虚拟现实、人工智能、大数据等技术的融合，以实现技术创新和跨界合作，从而推动整个数字经济生态系统的发展。除了技术创新和全球化布局外，还注重社会责任和可持续发展。未来会持续关注数字资产的合规性和用户权益保护，加强用户数据的隐私保护和安全管理，确保用户在数字经济中的合法权益。同时，还将推动数字经济与实体经济的深度融合，促进数字技术在教育、医疗、环保等领域的应用，推动社会的可持续发展。 AI Economy的愿景是建立一个基于人工智能、元宇宙和Web3.0的数字经济生态系统，构建一个基于人工智能技术的智能经济生态系统，以人工智能为核心引擎，通过深度学习、大数据分析、自然语言处理、机器视觉等技术，实现产业链上的智能化、自动化和个性化，从而推动经济的高效增长和社会的可持续发展。未来将通过技术创新、全球化布局和社会责任，推动数字经济和元宇宙的发展，引领未来数字世界的新潮流。来源：金色财经

金色财经2023-04-18

快克智能：公司机器视觉制程设备将AI深度学习技术、机器学习技术融合到传统视觉算法中

智能回应：“公司机器视觉制程设备将AI深度学习技术、机器学习技术融合到传统视觉算法中，成功解决了传统视觉算法无法解决的复杂场景下的缺陷检测、缺陷分类、模糊字符识别等问题，已广泛应用于消费电子、新能源、汽车电子等精密电子组装和半导体封装领域的AOI检测设备上。” 风险提示：有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-04-18

上海钢联：目前具备初步AIGC的能力

数据”终端产品中利用知识图谱、NLP和深度学习等AI技术，提供强大的搜索和推荐功能，让用户更为高效地工作。此外，公司目前基于“小模型”开发应用产品，也尝试基于开源的大语言模型和第三方服务，目前具备初步AIGC的能力，实现资讯内容的自动生成或辅助生成，低成本提高公司的内容生产力，并提高编辑人员的工作效率。未来，公司会与相关方加强合作，购买相应技术产品，做私有化部署，并嫁接到运用上，增加用户体验。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-17

中国移动市值超茅台成A股一哥，是场乌龙？数字经济、人工智能、“中特估”等加持，中国移动等迎来高光时刻

力方面发挥巨大作用；二是已经有NLP、深度学习、机器视觉等各方面的能力，去年已经有了30多亿元的变现；三是数据方面的优势；四是在运维和客服方面已经实现了AI的广泛运用。” 　　另外，中国移动曾在互动平台表示，公司在人工智能、算力网络、数据要素相关领域已有布局，一是已构筑了算力网络，会在AI算力方面发挥巨大作用；二是公司的能力中台中包括技术中台，已沉淀超300项AI能力；三是公司的能力中台中包括数据中台，汇聚全公司数据，通过脱敏、清洗目前每天沉淀5PB数据；四是公司在AI应用方面已做出尝试，内部已在运维和客服两个领域广泛应用AI功能。　　有了数字经济、人工智能、“中特估”等BUFF的加持，中国移动等电信运营商无疑是已经站在了风口上。　　贵州茅台业绩超预期却难掩白酒颓势　　值得注意的是，贵州茅台在一季报超预期的情况之下保住了自己市值第一的宝座，但是却难掩白酒颓势。　　4月16日，贵州茅台发布公布称， 2023年第一季度公司实现营业总收入391.6亿元左右，同比增长18％左右；实现归属于上市公司股东的净利润205.2亿元左右，同比增长19％左右。　　对于贵州茅台在一季报，一位券商食品饮料行业首席分析师表示业绩超预期。虽然作为贵州茅台业绩还在持续，但是也只是白酒板块的遮羞布而已。　　在刚刚结束的不久的第108届全国糖酒商品交易会，一阵阵寒意从白酒中传来。　　4月9日，在糖酒会的相关论坛上，在酒水行业颇为知名的盛初咨询董事长王朝成放出“重磅观点”：酒业整体将长期进入销量负增长、收入低增长或0增长、利润低增长的内卷时代，并且很可能刚刚开始。　　第一，2023年是行业的分水岭，从场景-量价-集中度看趋势，真正的高端消费在疫情场景中并没有太受影响，次高端库存仍未消化，区域酒借助消费恢复较快。　　高端的恢复没有看到更强的动力，仍然在低位徘徊，一二季度上市公司业绩会出现增速放缓和进一步分化。　　第二，从白酒供需-库存周期看趋势，现在存在三个矛盾：　　一是产区和供需的矛盾，大产区都在扩产能，但销量在下降；　　二是名酒企业都在向下扩展产品线，和地方酒厂会产生矛盾；　　三是名酒企业渠道重心下移，和地方酒企的渠道有矛盾。　　其具体表现是：2022年白酒行业销量为671万吨，而2016年是1305万吨，行业600万吨消失的主要是100块钱以下的价位带，其原因在于城市化，大部分劳动人口从农村转移到城市后，消费习惯变了，导致未来升级空间基数变小；超高端从5万吨上涨到10万吨，次高端（售价在300-800元）的量至少涨了两倍。　　他给出了一组各价格带白酒节前和节后的终端进货量数据。其中：　　2000元以上相关产品下降19%，节后上涨12%；　　800~2000元相关产品下降15%，节后下降7%；　　500~800元高线次高端相关产品节前下降41%，节后下降20%；　　300~600元次高端价格节前下降23%，节后上涨9%；　　100~300元中高端节前下降4%，节后上涨12%；　　100以下中低端节前增长7%，节后增长69%。　　这一组数据信息很大：目前2000元以上的超高端影响不大，但是次高端库存大、压力大、动销不力，区域酒借助消费恢复较快。500~2000元价格带出现下滑，这正是A股众多一二线名酒企业核心产品的主力区间。　　从贵州茅台的业绩中，也从侧面验证了这组数据。以茅台为首的超高端白酒产品影响不大，但是一二线名酒企业核心产品聚集的次高端就不太明朗。　　大佬董承非：未来十年是科技的时代　　值得注意的是，在今年刚开年不久，前公募基金大佬，现睿郡资产管理合伙人、首席研究官董承非就曾给出过预言。　　董承非在2月12日的开年路演中曾旗帜鲜明地说“2011年以前是周期的时代，2021年以前是消费的时代，未来十年是科技的时代，科技会是最牛的资产。” 　　他讲到，消费躺赢市场十几年，上游资产本来有长达十年的牛市，但是2011年是分界点，取而代之的是消费，白酒行业开玩笑说就像二战以后的产油国一样，躺赢全世界。茅台成为资本市场的神话，但未来这种情况还会继续吗？　　董承非说消费品能涨价与之相关的是支付能力，这些年我们支付能力的代表房地产牛了很多年，但是如今房地产以及遇到重大挑战。

金融界2023-04-17

宣亚国际：持续升级巨浪技术平台的AIGC相关技术能力

表示，公司自主研发的“巨浪技术平台”在深度学习与计算机视觉等技术持续积累，在视频内容生产领域已具备智能视频剪辑、智能视频封面抽取、智能视频合成、视频结构化等能力。公司将持续升级巨浪技术平台的AIGC相关技术能力，为客户提供智能化、个性化的产品服务。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-17

AI信息聚合交互式社交资讯流媒体Techub.NEWS将于4月16日正式在香港上线

向分发渠道和单项输入这一传统模式，依托深度学习和自然语言处理等科技实现AI推荐、一键式分发，并构建用户行为标签管理系统，实现个性化的精准营销，具有高度创造性和可靠性。作为Web3媒体服务的一站式解决方案，本次发布将为广大Web3社区用户提供了更加便捷和高效的服务体验，促进相关行业聚集发展，助力香港Web3产业蓬勃发展。作者：金色新闻汇来源：金色财经

金色财经2023-04-15

AI信息聚合交互式社交资讯流媒体Techub.NEWS将于4月16日正式在香港上线

向分发渠道和单项输入这一传统模式，依托深度学习和自然语言处理等科技实现AI推荐、一键式分发，并构建用户行为标签管理系统，实现个性化的精准营销，具有高度创造性和可靠性。作为Web3媒体服务的一站式解决方案，本次发布将为广大Web3社区用户提供了更加便捷和高效的服务体验，促进相关行业聚集发展，助力香港Web3产业蓬勃发展。来源：金色财经

金色财经2023-04-15

上海钢联：公司目前基于“小模型”开发应用产品，具备初步AIGC的能力

数据”终端产品中利用知识图谱、NLP和深度学习等AI技术，提供强大的搜索和推荐功能，让用户更为高效地工作。此外，公司目前基于“小模型”开发应用产品，也尝试基于开源的大语言模型和第三方服务，目前具备初步AIGC的能力，实现资讯内容的自动生成或辅助生成，低成本提高公司的内容生产力，并提高编辑人员的工作效率。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-04-15

从各国GPT语言模型的发展历史看透未来的发展趋势

术研究所的郑华东等人开发了具有革命性的深度学习框架PaddlePaddle，成为了中国领先的人工智能开源平台。 2018年，华为发布了自研的AI芯片“昇腾”，用于支持深度学习和自然语言处理等人工智能技术。 2019年，百度发布了GPT-2的中文版本“ERINE”，成为中国自然语言处理领域的一大突破。 2022年3月16日，百度正式发布文心一言，包括五大能力——“文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成”。日本日本自20世纪60年代开始研究自然语言处理技术，并在此领域中发挥了重要作用。 1960年代，日本开始研究机器翻译技术，并在该领域取得了重要进展。 1984年，日本筑波大学成立了自然语言处理研究室，推动了日本语言处理技术的发展。 1990年代，日本在信息技术方面取得了重大突破，推动了自然语言处理技术的发展。 2004年，日本电气通信大学教授岩泽毅等人开发了CRF（条件随机场）算法，成为日本语言模型领域的重要突破。 2015年，LINE公司推出了基于深度学习的语音助手“Clova”，加速了自然语言处理技术在日本的商业化应用。 2018年，日本东京大学的团队发表了一篇论文，提出了一种基于Transformer的语言模型，即BERT（Bidirectional Encoder Representations from Transformers），开创了预训练模型的新时代。 2021年8月，Rinna发布了一个名为GPT2-medium的模型，然后又在次年推出了日本版的GPT-2，参数达到13亿。目前已经是日本参数规模最大，最具代表性的大模型了。韩国韩国在语言模型领域的发展相对较晚，但随着信息技术的发展和韩国政府对人工智能的重视，该领域正在快速发展。 1994年，韩国信息通信部成立了自然语言处理研究室，开展了语言处理技术的研究。 2006年，KAIST（韩国科学技术院）成立了人工智能研究中心，致力于推动人工智能技术在韩国的发展。 2012年，Naver公司推出了智能语音助手“Clova”，并开展了自然语言处理技术的研究。 2016年，韩国政府推出了“AI大师计划”，旨在培养具备人工智能领域专业知识和技能的人才，推动人工智能产业的发展。 2018年，KAIST研究团队开发了韩国首个基于深度学习的自然语言处理平台“KoNLPy”，为韩国语言处理技术的发展提供了支持。 2019年，Naver发布了韩国首个AI语音助手“Wave”，成为韩国语音技术领域的一大突破。 2022年12月，LG集团的人工智能智库LG AI Research 推出了Exaone。这是一个拥有3000亿参数，使用图像和文本数据的多模态模型，也是目前韩国参数规模最大的模型。总结从以上各国的发展可以看出，美国是语言模型发展最早、最快的国家，早期在语言模型领域的重要人物包括香农、麦卡洛克等，后来发展出了许多具有代表性的语言模型，如LSTM、GPT等。中国在语言模型领域的发展相对较晚，但近年来随着信息技术的快速发展和政府的大力支持，该领域取得了快速进展，如Baidu的“ERINE”、PaddlePaddle平台等。日本在语言模型领域中也具有重要地位，早期主要在机器翻译技术方面有所突破，后来也逐渐转向深度学习技术的研究，如BERT模型。韩国在语言模型领域的发展相对较晚，但近年来随着政府和企业的支持，该领域也在逐渐迎头赶上，在研发主力上更多偏向于财阀巨头。从各国的人工智能语言模型的发展历程可以看出目前大数据语言模型的发展特点：数据方面，从少量标注数据、大量标注数据、海量非标注数据+少量标注数据到海量非标注数据，越来越多数据被利用起来，人的介入越来越少，未来会有更多文本数据、更多其它形态的数据被用起来，更远的未来是任何我们能见到的电子数据，都应该让机器自己从中学到知识或能力。算法方面，表达能力越来越强，规模越来越大，自主学习能力越来越强，从专用向通用，沿着这个趋势往后，未来Transformer预计够用，同时也需要替代Transformer的新型模型，逐步迈向通用人工智能。人机关系方面，人的角色逐渐从教导者转向监督者，未来可能会从人机协作、机器向人学习，发展成人向机器学习，最后由机器拓展人类。目前大数据语言模型的发展已经取得重大成就，随着技术的不断发展和，将必然朝着智能化、个性化、多样化、可靠性安全性和共享开放和发展。来源：金色财经

金色财经2023-04-14

24小时热点