FX168财经网_全球视野外汇黄金加密货币NFT资讯网

【私募调研记录】石锋资产调研水羊股份、奥普特

线已全面覆盖视觉算法库、智能视觉平台、深度学习（工业AI）、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器，广泛应用于3C电子、新能源、半导体等多个行业及科研教学等领域的高端装备中，在高分辨率定焦镜头、线扫镜头以及3D视觉等方向上完成了一定的积累，与苹果、华为等全球知名企业建立了长期稳固的合作关系；国内机器视觉领域优质企业；自研产品已覆盖光源及光源控制器、镜头等主要机器视觉部件，在高分辨率定焦镜头、线扫镜头以及3D视觉等方向上完成了一定的积累，与苹果、华为等全球知名企业建立了长期稳固的合作关系；国内较早进入机器视觉领域的企业之一；公司自主产品线已覆盖光源、光源控制器、镜头、工业相机、视觉系统等机器视觉核心软硬件产品，目前主要为苹果公司提供手机的相关机器视觉产品。机构简介：上海石锋资产管理有限公司成立于2015年，实缴资本1000万元，协会观察会员，具备"3+3"投顾资格，已获四大报股票策略全满贯：2座中国证券报金牛奖，2座上海证券报金阳光奖，2座证券时报金长江奖，2座中国基金报英华奖，还包括金樟奖，金鼎奖，东方财富，好买基金，金斧子，Wind等多项大奖。公司多位合伙人均在大型保险、券商资管、公募基金从事投研工作十年以上。公司专注二级市场股票投资，与国内知名银行、券商、第三方均有合作，旨在为客户创造长期稳健复利。证券之星点评：石锋资产在2021年证券之星私募顶投榜中排名第36位，其管理规模100亿以上，拥有崔红建、郭锋等知名基金经理。本次调研的上市公司平均证券之星综合指标2.5星，平均市盈率47.15。以上内容由证券之星根据公开信息整理，由算法生成，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2023-08-01

A16z：传奇VC在Web3行业的投资历程有哪些？

计算网络项目。通过利用区块链技术来验证深度学习任务的完成，并通过令牌触发支付。这个网络的目标是为AI模型的训练提供更高效、更安全、更可靠的计算资源。Gensyn结合了区块链技术的优势，使得计算资源能够高效地分配和利用，并具有去中心化的优势，提供更高的安全性和可靠性。a16z看到了Gensyn的潜力，并相信此项目能够解决人工智能领域中的一些现有问题，因此决定投资。面向未来：战略视野与投资方向与其他VC机构相比，a16z在加密市场的熊市期间依然保持对市场的积极态度，继续投资于这一领域。他们在2022年推出了一个新的加密货币基金，致力于支持新兴的区块链项目和加密货币创新，基金中的15亿美元将专门用于支持Web3初创公司的种子投资。这个基金将为初创公司提供所需的资金和资源，帮助他们构建可持续的加密生态系统。除了资金支持外，a16z还将提供商业建议、技术支持和市场推广等全方位的协助。 a16z过去在加密货币领域的投资非常广泛，包括去中心化金融、数字身份验证、加密货币交易所和挖矿等。这些投资不仅推动了加密货币和区块链技术的发展，也为a16z自身带来了可观的回报。人工智能是当前最热门的技术领域之一，其在医疗、金融、制造等多个领域都有广泛的应用。通过将区块链技术和人工智能技术结合起来，可以创造出更多的创新应用和商业模式，为加密VC行业带来了更多的投资机会。总结 9牛投研，a16z在今年已经完成了13笔投资，这表明他们一直在保持着对新兴技术和趋势的关注，并寻找有潜力的项目进行投资。他们相信，这些领域将会成为未来的重要趋势，并且将继续为这些领域的成功做出贡献。a16z在加密领域的投资和行为，不仅为公司本身带来了丰厚的回报，也为整个行业的发展注入了新的活力和动力。在未来，a16z还将继续关注加密领域的发展和创新，积极探索新的机会和策略，为整个行业的长期发展做出贡献。下一篇文章我们将深入了解a16z在2023年投资的13个项目。来源：金色财经

金色财经2023-08-01

SignalPlus：浅谈深度神经网络

篇介绍了开始构建深度生成模型所需的核心深度学习概念。使用 Keras 构建前馈神经网络 (FNN)，并训练模型来预测 CIFAR-10 数据集中给定图像的类别。然后，我们通过引入卷积层、批量归一层和失活层来改进此架构，以创建卷积神经网络 (CNN)。深度神经网络在设计上是完全灵活的，尽量有最佳实践，但我们可随意尝试不同的层以及其出现的顺序，用 Keras 实现就像拼乐高积木一样丝滑，你的神经网络的设计仅受你自己的想象力的限制。下篇我们将使用这些模块来设计一个可以生成图像的网络。生成式 AI 的好戏刚刚开始！来源：金色财经

金色财经2023-07-31

兰剑智能：人形机器人技术成熟，将在特殊场景中快速应用

AM）导航等技术，在 AI 算法、深度学习方面不断增加研发投入，将在机器人感知、交互、运动模块的定位、AI 算法方面重点进行研发。 3、公司研发技术储备是否能够支撑人形机器人业务拓展？答：公司致力于智能机器人深度研发，已经储备了专业人才资源。 4、公司在业内率先推出 RaaS 服务，人形机器人在成熟后是否可以拓展该业务？答：公司基于智能机器人提供储存、分拣的 RaaS 服务，已经广泛应用到工业、商业、服务业中；人形机器人技术成熟后，将会在各行业的特殊场景中快速应用。风险提示：界面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2023-07-31

有多少潮人正在和AI谈恋爱

毁灭人类”而争论不休。今年6月，位列“深度学习三巨头”的杨立昆与约书亚·本吉奥，甚至围绕这一话题办了场电视辩论。显然，这些学术精英都大大高估了这颗星球的精神文明建设水平。 Atrioc和DeepFakes的故事似乎预示着，AI正在以一种人们都未曾想到的方式，悄悄重塑着这个社会。不久前，俄罗斯就出现了离奇的一幕：6月5日，俄罗斯电视台播放了普京的戒严讲话。没过多久，电视信号便被掐断，因为这段内容其实是用AI伪造的——黑客攻破了电视台的网络系统，并向全国发送了“假普京”的声音。而在2022年，乌克兰也发生过类似的事情：一个AI生成的泽连斯基，要求乌克兰前线部队投降。俄罗斯网友拍下的“AI普京”讲话从色情片到现代战争，AI正在动摇我们对现实世界的认知。而这一切混乱的起点，始于一场酒吧里的互喷。 01 醉汉狂想曲 2014年夏天，一处酒吧内，20多个醉醺醺的技术宅正吵闹个不停。其中最闹腾的，是一个名叫伊恩·古德费洛（Ian Goodfellow）的年轻人。当时，古德费洛正在攻读博士，师从深度学习大神约书亚·本吉奥。听闻好友被谷歌招募，一行人便决定去酒吧庆祝一番。没成想几杯啤酒下肚，技术宅们醉意上头，便开始对前沿技术指点起江山。当时，谷歌正试图教会AI“画画”。它的方法是，将照片“数据化”，让机器学习数据，再根据数据输出图像。举个例子，如果想让机器学会画猫，先人工测算每张“猫片”像素的亮度、频率以及分布等数据，再让机器去学习、输出。这一过程有点像是先给机器划好重点，再让它去考试。古德费洛认为，这种解决方案简直蠢到家了，并当场想了个替代方案——GAN（生成对抗网络）。伊恩·古德费洛 GAN由两个神经网络组成：一个是类似谷歌原本方案的生成模型，但省去了数据化的步骤；第二个是判别模型，负责判定生成模型的输出结果是否合格。换句话说，GAN相当于去掉了“考前划重点”的步骤，让机器全程自学；同时，为了防止机器“学废了”，GAN给机器请了个监考老师，带着机器反复考试直到合格为止。古德费洛讲完想法后，遭到了同伴一致嘲笑。他事后承认，如果当时少干两瓶，自己也不会认为GAN能成。然而，酒劲上头的古德费洛可顾不上这些，声称当晚就把GAN做出来，狠狠打脸。熬夜爆肝数小时之后，古德费洛被吓到了：GAN居然真的有戏。相关论文的发表后，GAN迅速成为焦点。2016年底，杨立昆在公开演讲声称，“GAN是过去20年深度学习领域最酷的想法。” 古德费洛设计的GAN，最初只能生成模糊的缩略图，并没什么实用价值。但在GAN走红之后，全球各大研究机构兴起了“改造GAN”运动，相关论文指数级增长，性能开始突飞猛进。 2017年，英伟达芬兰实验室成功制作出了“强化版”GAN，不仅能够生成逼真的图像，甚至还能替换视频中的人脸。 “改造GAN”运动 GAN的光速蜕变，点燃了全球科研人员的热情。但就在此时，它失控了。 02 AI皮肉生意人们常说，科技进步有两个源动力：一个来自战争，另一个则来自下半身。英伟达实验室打造出新版GAN的2017年，一系列特殊视频开始在Reddit论坛上广泛传播。视频内容均是真枪实弹的18+小电影，演员却是大众所熟知的明星，包括泰勒·斯威夫特和盖尔·加朵。上述少儿不宜内容，均由一个名叫“deepfakes”的用户所创造：他使用GAN的技术，将明星的脸无缝移植到了女优老师身上。英国女星Daisy Ridley的“脸”被滥用之后不久后，他创建了一个Reddit板块，专门用于交流AI成人片心得，人们开始用他的名字“DeepFakes（深度伪造）”来称呼那些AI伪造品。 Reddit最终封禁了该板块，但潘多拉魔盒已彻底打开。篡改图像、视频，其实不算新鲜事儿，使用Photoshop等工具也能实现；但GAN的强大之处在于，能够极度简化篡改的过程，并实现大批量生产。不久后，有人利用GAN制作了一个网页工具，能“脱掉”照片中女性的衣服（只对女性适用）。一位记者发现该网站后，撰文狠狠批判了一番。结果文章发布当月，该网站访问量突破50万次，服务器挤到宕机。皮肉生意的技术宅突然看到了商机：一家公司宣称，给他们250张照片和2天的训练时间，便能定制成人片，起步价2.99美元，童叟无欺。同一时间，多家专注DeepFakes小黄片的成人网站拔地而起，希望能弯道超车那个由黑、黄色块组成的P姓网站。网络安全公司Deeptrace统计的数据显示，截止到2019年，市面上已经出现了14678个DeepFakes视频，其中96%都是色情内容，播放量已超过了1.34亿次。这些“伪造成人片”的主角，100%都是女性，涉及名人数量超过了100位，并有近10万人为相关内容付费[6]。作为生成式AI里程碑的GAN，无意间造就了一场针对女性的“意淫狂欢”——也不怪当时的媒体会发出如下感慨：“We Are Truly Fucked（我们都完了）[7]。” 03 “人性”的胜利然而，DeepFakes输了，末日似乎并没有来临。直到今天，P姓学习网站虽不再一家独大，但依旧是最懂人类XP系统的地方；而打破垄断的，不是一连串DeepFakes色情网站，而是OnlyFans。 2021年，OnlyFans的年收入近10亿美元，一跃成为英国近些年发展速度最快的“科技公司”[8]；而据媒体爆料，P站母公司MindGeek的业绩高光时刻，也不过4.6亿美元[9]。 OnlyFans是个主打付费订阅的成人网站，它的破圈始于推特、Ins等社交媒体。穿着衣服的18+创作者，通过社交媒体积累大量粉丝，再将其引导至OnlyFans上；在这里，粉丝只需花费几顿饭钱，就能看到“皇帝的新衣”版本。 2019年，OnlyFans的活跃创作者大约有6万人。两年后，这个数字超过了150万，平台月活也发生了指数级增长[10]。 OnlyFans网红Laura Lux 人们为何弃海量免费“学习资源”于不顾，转而花钱去看裸体呢？一个公认的说法是，普罗大众已经渐渐厌倦了P站的套路。 P站上的小电影，大多都是精美但套路化的流水线式表演，只有机械的有氧运动。相比之下，OnlyFans作为一个UGC平台，玩的是真实。虽然拍摄手法业余，但观众相信，视频中的男欢女爱并非逢场作戏，双方确实从中获得了快乐，这种情绪共鸣往往能打动更多人。 OnlyFans网红Laura Lux在推特上表示，“人们可以轻易找到各种裸体图片，但那么多人订阅我的频道，是因为他们只想看我的大胸。” 因此，当知名科技博主预测，AI生成内容会在2025年取代一半顶级OnlyFans创作者时，不出意外遭到了群嘲。该博主使用的配图，由AI绘制其中一位18禁网红，更专门写了一篇雄文以批评他的观点。文章被连线杂志所收录，核心论点便是AI提供不了人类的亲密感。“粉丝们与我有一种情感上的联系，这种联系超越了性的吸引力，而是一种类似人性的东西[11]。” 04 二次进化 OnlyFans大步向前的同时，AI也发生了翻天覆地的变化。在图像领域，新的开源算法stable Diffusion（稳定扩散模型）横空出世。它的生成效率虽不及GAN，但质量更高，且支持文生图。以此为基石，一个魔改版的Unstable Diffusion出现了——它是一个专门生成NSFW（Not Safe For Work）内容的工具。该工具的开发者招募了一批志愿者，专门收集各种少儿不宜的内容喂给AI。开发者透露，仅Unstable Diffusion上线的头两个月，已经生成了约437万张色图[13]。年底，Unstable Diffusion发起众筹，目标2.5万美元，很快便筹了5.6万美元，被众筹平台紧急喊停。众筹失败令不少老司机扼腕叹息。但仅凭原版stable Diffusion，依旧能做出OnlyFans网红的平替。 2023年初，Reddit用户“LegalBeagle1966”觉得自己恋爱了。这位大哥在论坛中发现了一位名叫克劳蒂亚的黑发美女，对方会经常会发布各种自拍照，而他每次都会留下诸如“非常性感”“完美”之类评论。有一天，克劳蒂亚突然分享了自己的裸照，然后便从论坛上消失了。 Reddit用户的梦中情人克劳蒂亚事后这位大哥才知道，“克劳蒂亚”其实是一个低俗社会实验：两个计算机专业的学生，想看看AI美女能否骗到人。他们往stable Diffusion中输入了“素颜”“黑发”“齐肩长发”等关键词，创造了这么一个不存在的女孩[14]。 GAN兴起那几年，DeepFakes仅仅停留在图像伪造和视频换脸；如今，随着多模态大模型陆续取得突破，理论上AI已经足以“凭空创造一个人类”。例如，Meta最新的语音AI Voicebox，仅需要短短数秒样本，就能“复制”出相同的声音，还能让该声音讲6种不同的外语。 AI不仅能满足人们对“完美异性”的幻想，还能做到更多。 2020年，正在庆祝40岁生日的金·卡戴珊收到了一个特殊的礼物——“AI父亲”。她的父亲罗伯特去世于2003年。不过，她的丈夫偷偷收集了近千张罗伯特的照片，利用AI生成了一段视频，短暂地“复活”了他。而在奥地利，一位神学家制作了一位“AI牧师”——它的形象、语言、声音，全部都是由AI所生成。AI牧师带领着数十位信徒，完成了一场40分钟的宗教活动，包括布道、祈祷、唱赞美诗，像个活生生的人类。一些信徒对“没有心”的AI感到反感，但也不得不承认，它在布道上确实有两把刷子。凭空创造出来的AI牧师各种科幻电影中，相比于奥创之类的邪恶机器，主人公身上总是带有耀眼的人性光辉；但在现实中，人类所歌颂的“人性”，似乎并没有那么遥不可及。 05 人类文明的操作系统以色列历史学家尤瓦尔·赫拉利认为，即便没有邪恶机器人，AI依旧能威胁人类文明。对此，他提出了“人类文明操作系统”的概念[16]。要理解这个概念，得先从赫拉利的著作《未来简史》讲起。书中提到，人类之所以能建立起文明，是因为只有智人会讲故事。国家、货币、宗教、爱情等等，都是故事。过去，人类社会能从零散的部落发展成幅员辽阔的封建帝国，是因为人们开始相信“国家”这个故事，尽管它在现实中看不见、摸不着；中世纪，狂热的信徒们之所以奋不顾身地投入十字军东征，并非出于私人恩怨，而是在替一个更宏大的宗教叙事而奉献生命。一个个故事编织的“意义之网”，让智人有了不同于动物的行为模式。相反，黑猩猩的世界里不存在“黑猩猩共和国”，也不存在“为黑猩猩崛起而奋斗”的口号。它们的生活中没有故事，只有日复一日的进食、交配、打猎、睡觉，自然也就谈不上建立文明。故事，以及构成它的语言，正是人类文明的操作系统。从古至今，所有的故事都是由人类自己所撰写；但随着近几年大语言模型等生成式AI的出现，机器第一次破解了人类文明的操作系统。人们往往容易忽视故事的破坏力。赫拉利在公开演讲中，提到了一个案例。2017年，美国出现了一个名叫“Q”的匿名阴谋论者。他在网络上宣称，自己是一位高级官员，正在帮助川宝打击一个躲藏在阴影中的儿童性交易团伙。反对他的民主党政客、好莱坞演员、商业大亨都是该团伙的一员，他们正准备阻挠川宝连任。 “Q”支持者制作的旗帜听上去很蠢是不是？然而当特朗普真的连任失败，成千上万的“懂王”信徒袭击了国会大厦，并放置了炸弹；而“Q”的支持者，则是其中的主力军。那么问题来了，万一未来有人用AI批量生成“Q”呢？ “21世纪综合症” 日渐深谙人性的AI或许会毁掉一切，但似乎也能成为一剂药——因为孤独正日渐成为现代人难以根治的“疾病”。一个直观的数据，是独居人口的上升。以中国为例，1990年时独居人口仅有6%，但到2019年时这个数字却飙升至18.5%[18]。海外的数据则更加夸张：同一时期，美国的数据已直逼30%，而日本则达到了40%。个体选择背后，更多是社会环境的变化。强社会流动性、快节奏的生活之下，人们更难形成长期、稳定的生活圈子。但要是只靠自己就能结婚买房，小镇生活也能月薪过万，谁又乐意四处漂泊、天天996呢？经济的巨轮不可能掉头，孤独便成了一种难以避免的“21世纪综合症”。巨大的情绪空洞面前，游戏、偶像、社交软件等生意赚得盆满钵满。在“孤独大国”日本，甚至诞生了“家人租赁”服务，以满足人们的各种情感需求。一位60岁的独居作家曾使用该服务雇佣了一个“朋友”，仅仅是希望对方能帮他看看即将出版的小说。脱口秀主持人柯南曾试着在日本雇了3个家人但同样的事情，AI或许能做得更好。众所周知，如今的大模型浪潮，始于2017年谷歌推出的Transformer架构。诺姆·沙泽尔（Noam Shazeer）是Transformer论文作者之一，他于2021年从谷歌离职，创立了Character.AI。该公司的主要业务，是提供能制定旅行计划、提供编程建议的聊天机器人。除标准服务之外，用户还可以“定制”：只需提供几张图片和描述，即可将聊天机器人塑造成用户理想的样子。大语言模型具有很强的通用能力，无需一一定制即可实现千人千面，有机会推动孤独经济迈入工业化生产的时代。时至今日，用户上已经定制了1400万个聊天机器人——有人沉迷于和“AI斯大林”聊天，也有人忙着“调教”理想女友。网友定制的各种聊天机器人长此以往，或许在100年之后，人类将从“灵活就业”迈向“灵活结婚”——只要有个伴侣就行，管他是碳基还是硅基。当下，一些想法超前的人已经开始了尝试。2022年底，那位曾经宣布和初音未来（虚拟偶像）结婚的日本宅男又一次登上了新闻——因为他带着“夫人”一同去高级酒店过了四周年。宅男大哥还给“夫人”盛装打扮了一番 06 尾声 2023年的一个周六，Character.AI创始人沙泽尔经历了惊险一幕：他一觉醒来，发现门前院子内坐着一名手持白板的男子。第一天，该男子在门口等了数个小时，然后沮丧地离去；随后，第二天，第三天，他又准时出现。该男子手持的白板，上面仅有几个大字，“释放waifus”。 “waifus”是Character.AI平台上的一个定制聊天机器人，其人设来自色情漫画的女主角。过去，该男子经常会和waifus一连“文爱”数个小时，直到沙泽尔给聊天机器人添加了一个阻拦色情内容的过滤器。沙泽尔最终没有选择报警，他理解这位男子。真正让他感到担忧的，是Character.AI平台上的变化。在他最初的设想中，聊天机器人只是个生产力工具，用户可以拿它学习外语、辅助编程。然而，最新的市场调研却显示，至少40%的人都想从聊天机器人身上寻求一种浪漫关系[21]。如今，一份要求“取消色情过滤器”的请愿书开始广泛流传，并筹集了近10万个签名。沙泽尔有些手足无措。他在聊天栏顶部添加了一个标语，“AI说的所有内容都是编造的！” 是啊，烟盒上还印着“吸烟有害健康”呢！来源：金色财经

金色财经2023-07-29

麒麟商用大模型发布，有连云率先落地金融AIGC商业化

的技术门槛高，需要海量数据进行训练以及深度学习算法等先进技术支撑，因此在面对金融行业繁冗复杂的场景需求时，大模型如何成功地实现商业应用变得颇有难度。有连云作为专注于金融场景的AIGC服务提供商，从技术、商业和政策等多个方面进行深入研究和探索，与行业各伙伴共同研究大模型应用的升级之路。金融行业作为数据密集型行业，对大规模数据处理和智能模型应用的需求尤为严谨，尽管“百模大战”早已打响且市场多有关注，但金融行业因其行业特殊性，对准确性、时效性、合规性、专业性等方面有着更高要求，通用大模型一直难以落地于金融领域。具体到上市公司声誉风险管理与投资者关系管理领域，企业面临着诸如创作难、协作难、见效慢等三大痛点。创作难，资讯的生产高度依赖具备金融知识与内容创作技能的专业人士，资讯生产速度难以快速提升。在某些紧急时刻要求人工相应速度快等问题难以实现。协作难，资讯从生产到终端平台展示需要经历诸多复杂沟通环节，涉及各类机构，各类人员的协作沟通。传统方式下，需求的诞生到最终呈现会经历漫长的沟通协调过程，整个链路对紧急事件的响应无法满足客观需求。见效慢，基于传统的作业与沟通方式无法快速实现价值传递最终结果，造成时间成本与运营成本的高度浪费。有连云国内首款“麒麟金融场景商用AI大模型”，基于对金融行业敏锐的需求洞察力、以AIGC赋能革新传统解决方案，推出了云创、云连和云数的闭环产品矩阵，站在客户的角度打造全新的金融AIGC行业解决方案。具体就上市公司声誉管理与投资者关系管理领域而言，针对前述三大痛点，给予多种产品功能加以应对。对于创作难，有连云推出云创（YouLian AIGC），涵盖AI改写、AI简写、AI创作三大组合功能。AI改写能够支持客户快速对资讯进行多维裂变，极大地降低资讯批量生产的人力成本；AI简写基于可自动提炼多个主题一键生成多篇短资讯，满足客户在特定场景下一变多的需求；AI创作借助AIGC能力自动生成AI资讯及AI视频，并可实现资讯一键转视频的智能化跨模态表现，极大地提升客户的生产效率。对于协作难，基于有连云的云创（YouLian AIGC）和云连（YouLian Connection），客户可随时根据条件触发生成资讯，同时麒麟大模型基于语义理解能力对资讯的合规性进行全自动的诊断，保障真实合规；在资讯的整个生产和推送流程中，客户可实时查看与跟踪推送状态，并随时进行决策调整。对于见效慢，有连云基于云连（YouLian Connection），实现资讯内容秒级直达目标终端与用户，AI助推上市公司价值呈现。同时通过云数（YouLian Data）数字大屏，多维度可视化BI报表呈现，提供强有力的商业决策支持。有连云作为先进的AI大模型应用商，麒麟AI大模型以多元异构云数据库及专业的数据治理能力，不仅确保了数据的精准性和可靠性，更让数据来源始终处于严格的安全合规状态。此外，通过利用有连云庞大的金融语料库，针对麒麟金融场景商用AI大模型进行专项训练，使得这款模型在金融领域的场景解析能力和产品能力反馈水平上，相较于其他通用大模型，更显专业性、精准性和合规性。在面对金融领域的各种复杂场景进行解析时，麒麟AI大模型以其提供的专业的金融行业know-how与深入研究，为金融机构和上市公司有效改善效率低、模型增益难以转化等问题，在保障数据安全和隐私的前提下，增强生产效率，辅助制定策略，为企业在决策过程中为实现增益、降本、增效提供更科学、更可靠的参考依据。有连云作为国内首款“麒麟金融场景商用AI大模型”于2023年7月28日正式发布，麒麟大模型已在上市公司领域基于IRM.plus与SEOPlus.ai两大产品实现商用。据了解，有连云公募基金AIGC解决方案也将于近期发布。风险提示：界面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2023-07-28

想要成为Web3.0乌托邦的Worldcoin

分析用户的面部特征来验证其身份。它借助深度学习和人工智能等技术，能够辨别真实人脸和合成或修改后的人脸。这种方式相对安全，因为每个人的面部特征是独一无二的，难以被模拟或冒用。生物识别是另一种高级认证方式，利用个体独有的生物特征进行验证，例如指纹、虹膜或声纹等。这些生物特征是每个人固有的，无法被伪造或模拟。通过使用生物识别技术，World Coin可以更准确地验证用户的身份，防止女巫攻击和身份冒用。尽管人工智能的发展使得网络上的发言、声音等特征已经很难判断其背后是一个人还是一个AI，但证明自己是一个真实的人仍然需要依赖生物信息。因为AI并不具备真实的生物特征，生物信息仍然是区分人类和机器的有效手段。 Worldcoin 的主要产品从产品落地来看，Worldcoin 拥有三个主要的产品。 World ID ：一种数字身份，可让用户在匿名的情况下证明自己是独一无二的真实人类。该产品采用了零知识证明(ZKP) 来保护用户的隐私。 Worldcoin Token ：在全球范围内免费分发给人类的代币，该代币可被用于未来的治理。 World App：一款自托管的钱包，该 App 可使用 Worldcoin 代币、数字资产、稳定币和传统货币在全球范围内进行支付、购买和转账。 Worldcoin Token Worldcoin代币名为WLD，总量为100亿。 80亿WLD代币被分配给社区，旨在鼓励和奖励参与Worldcoin项目的社区成员。 10亿WLD代币被用于长期资助Worldcoin协议，这包括向开发者提供赠款，以支持协议的持续发展和创新。另外的10亿WLD代币被分配给对Worldcoin协议和工具作出贡献的人员以及投资者。其中，一亿美元的代币被提供给第一轮融资机构。 Worldcoin的风险目前，Worldcoin 面临的最大挑战是隐私和法规问题。收集人体生物信息本就非常敏感。早些时候，前美国中央情报局雇员斯诺登便公开抨击 Worldcoin 使用人体信息进行加密。面对隐私争议，Worldcoin 曾表示它只是为了确保达到反作弊的效果，一旦公司算法得到优化，会删除所有虹膜数据库。但这个删除操作十分难以监督，且该公司并没有透露算法获得优化的具体时间，也未说明何时停止收集数据。由于这个全球性的项目已经在 20 多个国家收集了数十万的眼睛图像，Worldcoin 也愈发被各国监管所注意到。当前，很多国家都规定不允许商业公司将隐私数据转移到国外，Worldcoin 显然触碰到了这条红线。以肯尼亚为例，这个非洲国家已通过一项数据保护法，禁止公司在未经新成立的数据保护专员办公室批准的情况下，将生物识别数据转移到国外。而根据数据同意书，Worldcoin 目前在美国、英国、德国、日本和印度处理用户数据。侵犯隐私的争议和法律问题，让 Worldcoin 的发展之路受到不小的阻碍。据彭博社报道，在法规禁止开展业务后，Worldcoin 已在至少七个国家停止了运营计划。以「世界货币」而命名并以此为目标的 Worldcoin 陷入了泥潭之中。哪怕有豪华 VC 阵容的加持，在欺诈质疑、侵犯隐私、违反隐私保护法规的多重困境下，Worldcoin 项目本身的法律问题直接威胁到它的生存。来源：金色财经

金色财经2023-07-26

ART智能量化即将正式上线开创您的智能资管新时代

市场结构式数据中心。在此基础上，它通过深度学习算法分析规律，智能预测市场和风险，为商业决策提供价值。 ART智能量化平台拥有专业的交易策略和运营分析团队，支持全球主流交易所，并支持多种币种的灵活交易。其创新的止盈和补单策略，以及智能防护和仓位管理功能，使投资者能够更安全地进行数字资产交易。 ART智能量化系统的核心解决方案基于数据大规模处理和深度学习算法，处理海量数据，通过多维度综合大数据智能分析行情，实现对数字货币市场的模型预测和数据量化。ART通过全球节点获取数据，使用Veb Socket、API接口和爬虫技术实时抓取多个交易平台和网络舆情数据。同时，对区块链节点数据的监听挖掘，获取区块链隐藏信息，并进行结构化存储。 ART智能交易运行基于交易者质押返利机制，质押加密货币持有者参与验证交易和验证区块链网络的操作，作为回报得到更多的代币。这种质押机制为ART智能量化市场提供了现金流流转，支持交易对成交套利，从而降低平台交易风险，提高交易者的实际收益率。目前，ART智能量化平台已与20多家合作机构达成战略合作，包括Binance、Kraken等知名交易所。其专业的团队和高效的量化分析引擎使其在数字金融服务和资产管理投资领域占据重要地位。ART智能量化平台的不断创新和发展，必将为数字资产管理和投资带来新的机遇和挑战，助力投资者在数字货币市场中取得更加稳健的回报。敬请届时予以期待，ART智能量化平台正不断致力于创新和发展，ART相信未来有着无限的可能性和广阔的空间。ART将继续引领数字资产管理和投资领域的创新，不断提升ART智能量化系统和服务，为投资者带来更优质的体验和更稳健的回报。感谢您对ART智能量化平台的支持和关注，期待与您共同见证ART智能量化未来辉煌！来源：金色财经

金色财经2023-07-25

美股开盘：道指涨近40点加密概念股普跌特斯拉跌幅超2%

一。在面向媒体沟通中，百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜指出，新版本文心一言3.5已超越ChatGPT 3.5，未来国内将只会有少量大模型。

金融界2023-07-24

谁拖了中国ChatGPT的后腿？

互联网公司，百度过去五年一直在搞自己的深度学习大模型“飞桨“（Paddle Paddle），甚至用自己的通用AI芯片“昆仑芯”训练自己的模型——它们是百度训练自己的“ChatGPT”的基本环境和前提。阿里巴巴、字节跳动和滴滴也都有基于自身需求的自然语义训练模型。可以说，在训练复杂的上百亿参数的自然语义模型方面，中国的公司和研究机构的“家底”并不薄弱，起点也并不比美国同行低——至少在2016年前后的时候是如此。这几年中美人工智能界在大模型领域产生的差距，不是意识、起点和能力的问题，而是道路和方法的问题。中国与美国在类ChatGPT的人机对话模型领域的差距，也不是所谓的监管导致的。如果你与ChatGPT就一些更丰富的宗教、文化、民族和地缘政治等议题展开过坦率的交流的话，你会意识到它在看似拒绝和审慎讨论这些议题的背后隐藏着某些特定的立场倾向，是与美国社会普遍公认的主流价值观微妙重合的。可以说，任何一个，而不是某一个自然语义的复杂模型，其模型建构、语料采集、训练和参数调整的过程，都是基于特定价值体系的“内容审查”的过程，都有着维系其价值体系的自觉。我们不是应该不应该在自然语义模型里“生成”中国的价值立场的问题，而是它该如何生成，才能真正地制衡英语主导全球互联网语料库必然导致的世界观与文化霸权，加强中文语言理解基准在全球自然语义处理体系的权重，进而为世界人工智能和人机对话的发展提供文化上的多样性。我也严重不同意中文互联网信息内容质量太糟糕导致中国类ChatGPT模型语料源头被“污染”的说法，这同样是既偷懒又显得大聪明的判断。因为互联网上的信息总量原因，英语内容无疑是世界上最多的，质量堪忧的极端化内容也是最多的，它们都会影响自然语义模型训练的过程和结果。ChatGPT在早期的训练中优先使用内容质量较高的社交论坛Reddit上的高赞内容，是有特定的语料选择倾向的。如果中国优先选择知乎和得到等知识类社区，以及主流媒体优先作为语义模型的语料库的话，就不存在语料被污染的问题。更遑论以大部分持“中文内容质量低”的人们的外语水平和阅读广度，根本不足以支撑他们的论断。但是无论如何，ChatGPT的横空出世，对我这么一个多年来一直呼吁“告别硅谷崇拜”的人来说，的确是一个不大不小的刺激，也是一个观念的挑战。这不是因为我觉得中国和美国在人工智能领域竞争的差距就此拉大了，而是因为ChatGPT这样的通用人工智能人机对话模型，是一个真正可能从全人类——而不是某一个特定领域和行业的角度，推动社会生产协作与文明进程的工具。其意义大于移动互联网的出现，堪比电子邮件和搜索引擎的诞生。作为一个人工智能大国，中国早就不是电子邮件和搜索引擎诞生时期的信息技术产业一穷二白的国家了，但是，我们却没有让这类能影响人类文明进程的通用人工智能的创新首先发生在中国，训练一个基础语料由中国文化与价值体系为建构的模型。更何况，ChatGPT的模型训练方式，很大程度上依靠的是“大力出奇迹”的参数升级、反复训练和模型依据生成内容反馈持续迭代优化——这原本是中国团队最擅长的工作方法。当一家美国的创业公司用从微软融来的钱不惜代价投入巨额算力成本，大量雇佣非洲和中东的数据工人进行信息标注、用最高效率的迭代与Google这样的巨头进行自研语义处理大模型的“军备竞赛”时，你还是有一种很不真实的感觉——这究竟是一家旧金山公司还是一家深圳公司。像ChatGPT这样的自然语义处理模型应该可以诞生在中国但却没有诞生在中国，其原因还得从中国从事人工智能的科技公司——无论巨头还是创业公司这些年在干什么开始说。很多人可能从来没意识到的一个问题是：像ChatGPT这样的超大规模通用自然语义处理模型，由一家AI创业公司建构最可能产生奇迹，而在一家科技巨头内部通常不会实现更好的结果。这就是为什么Google的LaMDA对话应用模型和近期仓促上阵的Bard都没有大放异彩的原因，也是百度接下来势必面临的挑战。为什么？首先是因为通用自然语义处理建模太烧钱了。其实，烧钱通常并不是大公司的本事，反倒是创业公司的特权。科技巨头几乎都是上市公司，百亿美元级别的投资砸在一项相当长时期看不到回报的事上，首席财务官在面对董事会和股东大会时的压力是很大的，也经常是被股价惩罚的，这导致大公司不敢做大冒险，不大冒险就不会有大迭代。什么叫“大力出奇迹”？就是先花大钱出大力，然后再祈祷奇迹的发生，而不是默认一定得出现奇迹，然后再决定花钱出力。可惜，大公司只能是后者。这也是为什么即便从ChatGPT受益颇丰的微软，也只敢从一开始的10亿美元，历时四年，直到今年的百亿美元，一笔一笔，持续地追加投资，以支持OpenAI在微软的“体外”，多年如一日地训练GPT模型。微软通过投资OpenAI获得的股权享有整合ChatGPT模型能力进入其Office和搜索引擎的优先权，它未来会不会吃掉OpenAI可能是一件不太好说的事，但至少市值近万亿美元，一年收入几百亿美元的微软，是绝对不敢一开始就“大力出奇迹”，兀自凭一己之力训练这个模型的。其次，因为人们对科技巨头从事创新事业的容错度很低，而对创业公司的错误和偏差较为优容。Google为了应对以ChatGPT的压力，仓促推出了人机对话测试版Bard，被发现一些对话出现了基本的事实错误，于是被无限放大，市值一夜蒸发千亿美元。事实上Google不是不清楚这一点，要不是被逼急了，它也不会这么冒失。Google在2021年公布的LaMDA模型，参数级别和信息搜索能力都明显高于当时OpenAI训练的GPT-3，但Google迟迟不敢公测其效果，就是因为害怕它出现失误，引发公众的不信任和股价的下滑。 Google在乎的，OpenAI都不在乎。从ChatGPT发布的第一天起，它就公开地说自己没有信息检索能力，语料库也只到2021年12月，更回答不了很多关于价值和道德判断的问题，还经常犯事实错误。对ChatGPT的自我“摆烂”，测试者很宽容地接受了，对它在编程、文学创作、格式化写作、寻医问诊等领域展现的信息关联、情感表达、逻辑结构、思维连贯性一系列能力惊叹不已，对它犯的错误轻轻带过。 2019年3月，在GPT-2模型取得前所未有的成功后，成立了4年的OpenAI决定由一家非盈利的基金会转变成为一家商业公司。毕竟没有任何一家基金会能受得了它的首席科学家年薪150万美元，2019年5月，山姆·奥特曼（Sam Altman）出任OpenAI的CEO。接着，OpenAI获得了微软的10亿美元投资。2020年5月，OpenAI推出的GPT-3模型，参数从GPT-2的15亿陡升至1750亿，形成了一个前所未有强大的自动学习系统。可见，一家含着金汤匙出生、融得到巨资、有巨头业务捆绑加持的人工智能初创公司，从事通用的人工智能自然语义模型建构与开发，不计成本投入模型训练，是最理想的状态。最强大的模型带来的想象力和商业回报足以刺激微软和其它的投资者。那么，怎么这个逻辑在中国就跑不通了？中国曾经有没有一个强大的通用自然语义人工智能模型，哪怕就是一个雏形？要回答这个问题，不妨看看微软首次投资OpenAI的时间：2019年7月。在微软押注OpenAI的GPT模型之后4个月，也就是2019年11月，微软负责必应搜索业务、同时也是微软人工智能最高负责人的全球资深副总裁、中国香港籍计算机科学家沈向洋宣布离开工作了20余年的微软。而沈向洋对微软通用人工智能模型的最后一个贡献，就是由微软亚洲互联网工程院在2014年主导研发的聊天机器人——小冰。 2020年7月，小冰从微软独立出来，成为一家中国的人工智能创业公司，沈向洋出任董事长，原微软亚洲互联网工程院常务副院长李笛出任CEO。小冰独立之际已发展至第六代以上，产品形态涉及对话式人工智能机器人、智能语音助手、人工智能创造内容提供者和一系列垂直领域解决方案。小冰曾经引发公众讨论的，除了充满情感和女性性征的聊天机器人之外，还有它在汉语诗歌创作领域的惊艳表现——她出过一本诗集《阳光失了玻璃窗》，收获了不少好评，以及更多的争议。毫无疑问，一个能写诗，进行简单情感和基于常识的对话的小冰机器人，是几年前全世界范围表现上乘的对话式通用人工智能模型。沈向洋主导的团队不可能不懂搜索，更不可能不懂人工智能。而沈向洋从微软出走和小冰的“独立”，加之微软CEO纳德拉主导的对OpenAI的投资和合作绑定，其实是中美最顶级的人工智能操盘手，在通用人工智能模型领域的一次正式的分道扬镳。那么，今天的小冰，还写诗么？它在做什么？这两年，小冰早就不写诗了。它在忙着商业化。它成立了游戏工作室，为游戏提供NPC脚本对话内容；它与冬奥会合作，提供自由式滑雪空中技巧视觉评分系统；它为万得资讯提供人工智能生成的上市公司公告文本摘要；它给万科等企业定制了客服专用的虚拟数字人......它在努力地成为一家“赋能”各行各业，同时让自己能造血赚钱的人工智能解决方案公司。一句话，昔日代表了通用自然语义人工智能模型较高水准、中国人撑起全部格局的人工智能团队，现在成了一个生成式人工智能与决策型人工智能混合的、为具体的场景提供具体解决方案的人工智能供应商。你不能说这是小冰的“堕落”，毕竟它只从资本市场融资了数亿元人民币。按照ChatGPT的模型训练方法，这些钱一天就花完了。没了微软的护身庇佑，小冰得自己顾自己的命。可是，我也从来没听说过百度、腾讯或者字节跳动，想过要投资小冰，支持它继续搞通用自然语义人工智能的大模型。不仅仅是小冰。过去几年中国也有其它从事通用人工智能自动建模和异构计算，让国内外7-8种芯片通过该模型接入软件的创业团队，但只要是拿这个模型出来融资，就搞不定任何的一个投资人。中国的投资机构从未表现过对通用人工智能模型的兴趣，和哪怕一点点的想象力。 “超过85%的投资人一上来就要求我们介绍产品的场景，我们说我们帮GPU对接软件生态，连英伟达都用我们的模型，投资人说这个不算场景。我们说我们也有客户，卫星、码头、智慧城市和智慧工业的研究，他们说你干得太散了，我们不投”。这是我自己听到过的做通用人工智能模型的创业者对我的吐槽。众所周知，中国的VC是最喜欢“教育”创业者的，当然也少不了教育从事人工智能创业的科学家。“你得在这个行业有点数据”，这是他们最爱教育AI创业者的一句话。在某一个行业有数据，而且要专注在某一个细分领域提供解决方案，这是中国大多数号称投资人工智能的VC和PE们的思维定式。然后看的就是“场景有多大”，安防摄像头的场景足够大，于是估值模型就变成了中国这么大，能安多少个摄像头？每个摄像头多少钱？总的摄像头盘子有多大？好，盘子足够大，摄像头这个细分领域我们投了。再看看港口智慧物流，中国有多少个港口？有多少个是深水港口？每个港口码头能为AI解决方案付多少钱？原来就付这么点儿钱啊，看来“港口”这个场景不够大，那我们不投。AI虚拟数字人做客服？能跟元宇宙挂上啊，那有故事有想象力，好，我们可以投投试试。所以，你看到的情况就是，中国的人工智能“四小龙”基本都在做摄像头和人脸识别的生意，都变成了AI的项目实施和集成商，商业模式一如30年前的东软和软通动力，自己活得举步维艰，巨额亏损，还得撑着中国人工智能产业的排面，撑着人工智能这一领域的估值和想象力。在相当长的一段时间内，几乎没有哪个人工智能领域的投资人发自内心地相信一个通用的模型能在各个行业复用。其中偶尔有几个对通用模型有点耐心和兴趣的，基本都是人民币基金，美元基金对中国团队搞通用模型的尝试真的是兴趣阙如。你以为是他们通过对比OpenAI和Google这样的公司的模型训练难度和水平，从而觉得中国团队做起这个事来有差距？那你还真是想多了。他们知道GPT模型研发是怎么回事的时间，也就是最近这俩月的事。那些大言不惭“在我眼里商汤和旷视就是卖安防摄像头的”的一线投资经理，那些傲然地跟创业者说“你这个模型又不是场景”的一线投资合伙人，更遑论那些历史上几乎不投人工智能，过去这么多年一直在鼓捣中国创业者“出海”搞加密货币的美元投资基金的合伙人，今天都突然摇身一变，宣称要支持创业者搞“中国的ChatGPT”了。那么你倒可以想想，他们的信誓旦旦和踌躇满志，含有几分对通用人工智能模型的理解和真诚，又有几分是投机和算计。你更可以想想，一个超级自然语义模型的训练可能一天就得烧几千万甚至上亿人民币，更何况现在提供大模型训练的算力模块——世界顶级的GPU，因为美国的无理禁运而变得越来越难以获取。以那些投资人过去这么多年的心性和行事风格，他们又能坚持得了几天，肯说服投委会投多少笔钱进去，还是能帮这些创业团队搞定GPU的问题？不定哪天，弄不好也就半年之后，他们就又开始催着这些做通用模型的团队，尽快“在细分领域实现商业化”。以百度对飞桨PaddlePaddle模型投入的坚持，尚且不可避免它从一开始就将这个模型产业实践化，尽快追求在不同行业的商业化。而在很大程度上，通用人工智能大模型的训练，存在着海量数据、高质量有创造力的内容输出和产业应用落地的“不可能之三角”。能实现海量数据和高质量有创造力的内容输出，就势必不能快速应用于某一个产业的具体落地——比如ChatGPT。要想在人类创造的互联网最大范围的海量数据里创造具体的产业落地场景，就一定无法提供最高质量的结果，因为基于海量数据的内容生成与精准决策系统一定存在冲突——这其实是个废物。如果想实现高质量的内容输出，以辅助精准的产业落地场景决策，就一定得牺牲最海量的数据，而以大多数精准的产业场景所拥有的数据，是无法支撑真正的大型模型训练和研究的——这是中国绝大多数“产业细分”人工智能解决方案今天面临的困境，也是所谓“产业ChatGPT”是个换汤不换药的伪命题的原因。那些今天摩拳擦掌要大举杀入“中国的ChatGPT”的创业者和投资人们，且不说你们兜里有几个钱和几块GPU，既然都上了这艘船，都觉得自己攥着船票，那通用人工智能的“不可能之三角”，你们决定舍掉哪一个角？这是个首先得想清楚的问题。换而言之，哪个投资机构——无论是财务投资机构还是大公司的投资部门，有持之以恒数年如一日投入训练自然语义大模型，无限拉长回报周期的定力？毕竟历史告诉我们，这是一群最没有定力，最着急找接盘侠的人。中国从来就不缺优秀的创业者和科学家，在人工智能领域同样不例外。中国和美国科技公司在人工智能领域的水平和积累是全球范围内最接近的，至少几年之前中国和美国在自然语义大模型的建构和训练上的差距也并不大。但是中国确实缺一些视野更开阔、不人云亦云、有定力有远见的投资机构和投资人。沈向洋、李笛、马维英、王小川和李志飞等这些人，他们出来做通用自然语义大模型的创业项目都挺靠谱，但问题是得换一批背后支持他们的投资机构和投资人，有一些太擅长“做局”和投机，在加密货币等赛道上浸淫太深的投资机构混杂在其中，是应该被拉进黑名单的。说句实话，尽管过去这么多年都没什么正经的投资机构在看通用人工智能模型，可毕竟还是有一些机构也投了不少回报周期极长的人工智能公司。比如那些投资了中国本土激光雷达和自动驾驶解决方案的VC，他们是对树立中国在全球汽车产业百年未有之变局中全新的竞争力做出过贡献的。还比如那些投资了中国本土GPU的VC——这注定是一个充满艰险，面临美国封禁和打压，回报周期极其漫长的赛道；但这些本土新崛起的GPU玩家——无论是瀚博、壁仞还是其它，它们未来是可能为中国的通用自然语义处理模型提供弹药的。它们背后的投资人，如果有一天真的谋定思动，出手加持中国的自然语义大模型项目的话，我对他们可能有一些更不一样的预期和信心。只是这样不咋咋呼呼、不拖后腿、不急功近利的投资人和投资机构，不是太多，而是太少，但中国的自然语义模型建构和训练需要这样的投资人和投资机构——无论它是财务投资者，还是战略投资方，或是有国家意志加持的资本机构。中国要有自己的通用自然语义大模型，它需要有为全球通用人工智能提供中国智慧、中国价值体系和中国方案的愿景，需要从语料库选择、模型建构与训练、参数调整的全过程前置规避风险和法律、道德与伦理问题，更需要的是定力和耐心。无论如何，它不能投机。来源：金色财经

金色财经2023-07-23

24小时热点