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

金色沙龙·北京站 | Crypto新周期叙事新动向
 go
学习，随着英伟达的算力出来以后，变成了深度学习，整个网络和模型越来越大、越来越深。AIGC的意思是说，它改变了生产力的方式。传统的AI用来做推荐和搜索，改变的是分发方式，但源头还是由人来创造的。而AIGC改变的是生产源头，现在这些素材是由AI生成的，所以AI在未来发展的潜力会越来越多。到2025年生成式AI产生的数据，将占所有数据的10%，而现在不到1%。未来是由AI生成的，这个占比会快速提升10倍。现在很多行业都落地了AIGC的应用。它会覆盖在各个行业，除了生图外，还有生成视频、生成语音，帮我们去写作，在生活里的各方面，都会有AI创作的素材出现。神话起源CEO谈毅：以太坊GAS和速度以及智能合约是未来突破的方向神话起源CEO谈毅在主题《哪些Web3叙事将引领下轮牛市》的圆桌会议中表示，以太坊有三个大家可以关注的点，以及存在的核心价值。一个是GAS，一个是速度，一个是智能合约，这是以太坊做这么大的核心。换句话说，未来的突破也在这三个方向上。以GAS和速度为例，一个是2.0的升级，今年下半年能不能如期推出，推出以后的效果，能不能像人们预期的那样。这有可能是一下子给加密资产带来一个新的台阶。做L2的团队，也在L2层面上解决这个问题，一个是速度，一个是GAS。第三个是智能合约，以太坊就是行业标准。它从NFT开始，ERC-721以后，还有EIP-1159，今年好像也有新的智能合约的协议会提交出来做审核。所以如果从这三个点上突破的话，以太坊的价值和生态能进一步的扩大和提升。尤其是智能合约。今年可以看到有很多创新想法，随着NFT往下发展，在用新的智能合约做，这都是以太坊可以关注的点。巨鲸研究院Founder柯南：GameFi可能是下一个爆发点巨鲸研究院Founder柯南在《哪些Web3叙事将引领下轮牛市》的圆桌会议中表示，GameFI可能是下一个爆发点。像三七互娱、完美世界，已经在布局GameFI。既然传统游戏都开始布局，像传统的资产，比如房地产也会有机会。大家用上链的方式，通过虚拟资产和现实资产结合，产生更多的效益。吁投资者保持理性，根据发展趋势、政策环境和比特币周期来审时度势，适时布局以渡过熊市，迎接下一个牛市。他对公链未来前景持乐观态度，认为公链将持续发展并创造更大价值。公链作为Web3生态的关键组成部分，将继续发挥重要作用，团队将根据市场需求不断创新，为用户和项目创造更多价值。新火科技市场总监Peter：公司将集聚核心资源投入MPC托管平台发展新火科技市场总监Peter带来主题分享《持牌合规发展，新火的思考与实践》。Peter表示，作为港股上市公司，新火科技持续加强合规业务发展，未来将集聚核心资源投入MPC托管平台Sinohope业务发展。据了解，新火科技MPC托管平台Sinohope通过采用 MPC-CMP技术支持用户分布式管理私钥分片与协同签名，解决私钥单点风险，有效增加透明性和易用性。目前已支持Ethereum、Bitcoin、Avalanche、Cosmos、BNB Chain、Polygon、Arbitrum、Optimism、Near、Tron、Filecoin等主流公链。 8月7日，Sinohope宣布其Web3 Access功能已正式上线，首创 MPC APP 钱包领域 DApp 交易支持“自定义多人审批”功能。比特大陆市场总监林晗：性能好的区块链服务器能在减半周期里拥有更多优势比特大陆市场总监林晗带来主题分享《PoW生态建设，蓄力下一个牛市》。林晗表示，关于PoW和PoS这两种机制的争执持续了很久。有些是坚定的PoW主义者，V神就是坚定的PoS主义者。比特币减半事件对做区块链服务器的影响更加深远，因为会导致减半，一些低端的服务器没有办法运行会带量大量的低端服务器关机，对矿业来说是一个洗牌的重要时机。如果你有非常高性能的区块链服务器，就会有一个低电量消耗，减半是个一瞬间的事情，区块奖励一瞬间降下来，但是全网算力会自动调整。所以调整以后，收益是增是减，是个动态调节的过程。如果在减半之前，拥有的是性能最好的区块链服务器，就能让你保持在减半周期里，拥有无与伦比的优势。 CESS Senior Ambassador Andy：DeFi、游戏和内容创作者平台是带来Web3用户的主要方向 CESS Senior Ambassador Andy在《下一个十亿级Web3用户来自哪里》圆桌会议中表示，能带来用户的主要有三个方向。首先是DeFi。DeFi有两方面，一个是支付，一个是DEX，这都是硬需求。昨天Paypal发的稳定币，特别是跨境支付、跨国支付，会很方便。以后用DEX做交易，这是趋势。第二个看好的赛道是之前很多嘉宾提到过的游戏，因为游戏可以跟金融结合得比较好。而且游戏在全世界范围内，也有很多用户。第三个是内容创作者平台。我们反观一下Web2.0能留住客户的APP，有微信，都是靠内容留住客户的。所以把用户吸引到Web3.0，要靠内容。 PermaDao Builder Panda：流量入口的最终目的就是让进入Web3.0的门槛越来越低 PermaDao Builder Panda在《下一个十亿级Web3用户来自哪里》圆桌会议中表示，流量入口的最终目的只有一个就是让Web3.0进入的门槛越来越低。很多开发者会出现私钥保管不当，发地址的时候错发成私钥。我从去年一直在关注MPC和AA钱包赛道，有了MPC钱包，就是让用户拿不到私钥，这样被盗的概率就会大大降低。AA钱包还有一个好处，很多新人理解不了为什么要用GAS，因为在Web2.0是免费转账。在以太坊和BTC网络存数据非常昂贵。这样我们可以把比特币网络的数据和代码放到永存网络上，把计算逻辑和VM放到链下。大家可以尝试更廉价的存储，比如FIileCOIN等公链，这也是一个新的思路。现在看起来ZKL2是一个值得发展和探索的路子，但能不能行通不好说，也要看技术落地。因为现在交易链非常慢，所以要看V神的代理下，ZK这些项目哪个到底更好用，这也是值得期待的。随后，其他与会成员陆续发言，共同探讨Web3行业发展前景。来源：金色财经
金色财经2023-08-08
IOSG Ventures：LLM赋能区块链开启链上体验新纪元
 go
可用于在不同语言之间进行翻译。它们利用深度学习算法和神经网络来理解词汇之间的上下文和关系。预测和生成文本：LLM 可以基于上下文背景预测并生成文本，与人类生成的内容类似，包括歌曲、诗歌、故事、营销材料等。在各个领域的应用：大型语言模型在自然语言处理任务中具有广泛的适用性。它们被用于对话式人工智能、聊天机器人、医疗保健、软件开发、搜索引擎、辅导、写作工具等众多领域。 LLM 的优势包括其对大量数据的理解能力、执行多种语言相关任务的能力，以及根据用户需求定制化结果的潜力。常见的大型语言模型应用由于其出众得自然语言理解能力，LLM 具有相当大的潜力，而开发者主要关注以下两个方面：基于大量的上下文数据和内容，为用户提供准确的并且最新的答案通过使用不同的代理和工具完成用户下达的特定任务正是这两个方面让与 XX 聊天的 LLM 应用如雨后春笋般爆发。例如，与 PDF 聊天、与文档聊天以及与学术论文聊天。随后，人们尝试将 LLM 与各种数据源融合。开发者已成功将平台，如 Github、Notion 和一些笔记软件与 LLM 整合。为了克服 LLM 固有的限制，不同的工具被纳入了系统中。第一个这样的工具是搜索引擎，为 LLM 提供了访问最新知识的能力。进一步的进展将把 WolframAlpha、Google Suites 和 Etherscan 等工具与大型语言模型整合。 LLM Apps 的架构下图概述了 LLM 应用在回应用户查询时的流程：首先，相关的数据源被转换为嵌入向量并存储在向量数据库中。LLM 适配器使用用户查询和相似性搜索从向量数据库中找到相关的上下文。相关的上下文被放入 Prompt 中并发送给 LLM 。LLM 将执行这些 Prompt，并使用工具生成回答。有时，LLM 会在特定数据集上进行调优，以提高准确性并降低成本。 LLM 应用的工作流程可以大致分为三个主要阶段：数据准备和嵌入：该阶段涉及将机密信息（例如项目备忘录）保留以供将来访问。通常，文件会被分割，并通过嵌入模型进行处理，保存在一种特殊类型的数据库中，称为向量数据库。 Prompt 的构建（Formulation）和提取（Extraction）：当用户提交搜索请求（在本例中，搜索项目信息）时，软件会创建一系列 Prompt，输入到语言模型中。最终的 Prompt 通常包含由软件开发人员硬编码的提示模板，作为 few-shot 示例的有效输出示例，以及从外部 API 获取的任何所需数以及向量数据库中提取的相关文件。 Prompt 的执行和推理：完成 Prompt 后，将它们提供给预先存在的语言模型进行推理，这可能包括专有模型 API、开源或经过个别微调的模型。在此阶段，一些开发人员可能还会将操作系统（如日志记录、缓存和验证）整合到系统中。将 LLM 引入加密领域尽管加密领域（Web3）与 Web2 有一些类似的应用，但在加密领域中开发出优秀的 LLM 应用需要尤其谨慎。加密生态系统独特，具有其特有的文化、数据和融合性。在这些加密限定的数据集上微调的 LLM 可以以相对较低的成本提供优越的结果。虽然数据丰富可得，但在类似 HuggingFace 等平台上明显缺乏开放数据集的。目前，只有一个与智能合约相关的数据集，其中包含 11.3 万个智能合约。开发者还面临将不同工具整合到 LLM 中的挑战。这些工具与 Web2 中使用的工具不同，它们赋予 LLM 访问与交易相关的数据、与去中心化应用（Dapp）互动以及执行交易的能力。到目前为止，我们还没有在 Langchain 中找到任何 Dapp 的集成。尽管开发高质量的加密 LLM 应用可能需要额外的投入，但 LLM 天然适合加密领域。这个领域提供了丰富的、干净的、结构化的数据。再加上 Solidity 代码通常简洁明了，这使得 LLM 更容易生成功能性的代码。在《下部》中，我们将讨论 LLM 可以帮助区块链领域的 8 个潜在方向，如：将内置的人工智能 /LLM 功能集成到区块链中使用 LLM 分析交易记录使用 LLM 识别潜在的机器人使用 LLM 编写代码使用 LLM 阅读代码使用 LLM 帮助社区使用 LLM 跟踪市场使用 LLM 分析项目敬请期待！来源：金色财经
金色财经2023-08-08
可怕的羊群效应！美证交会主席警告：人工智能将成为下一次金融危机的中心
 go
重申了他在2020年与人合著的一篇关于深度学习和经济稳定的论文中探讨的立场，指出技术的快速进步可能会增加金融系统的统一性和相互关联性，并使这些系统更难监管。 “这项技术将成为未来危机、未来金融危机的中心，”詹斯勒在接受Dealbook采访时表示。“这与围绕规模和网络的强大经济体系有关。”#ChatGPT火爆全网# 他解释说，少数几家人工智能公司将提供商业和金融依赖的大部分工具。更广泛的系统越集中，每个人就越依赖相同的信息——这就更有可能导致崩溃。他在7月份的一次演讲中也发表了类似的评论，称尽管人工智能是“我们这个时代最具变革性的技术”，但它可能会促进投资者的羊群行为，鼓励单一文化。随着人工智能增强金融互联性，单个行业的高风险可能会广泛蔓延。詹斯勒在2020年的研究中写道，这种情况“可能会使深度学习成为2027年或2037年危机后行动报告的核心角色”。詹斯勒还告诉Dealbook，人工智能模型可能会将公司的优先事项置于投资者的优先事项之前。他质疑公司在自己采取行动之前是否会公布他们的发现。美国证交会在7月份提出了一项规则，以解决这一问题，最终目的是避免这种利益冲突。 “你不应该把顾问放在投资者之前，你不应该把经纪人放在投资者之前，”詹斯勒告诉Dealbook。他补充说，公司应该负责保护消费者免受自己技术的侵害。他说:“根据法律规定，投资顾问有信托义务、注意义务和对客户忠诚的义务。”“无论你是否使用算法，你都有同样的注意义务。”
市场焦点2023-08-08
汉王科技：紫东太初大模型是公司第三大股东中国科学院自动化研究所的研究成果
 go
户数字化转型的需求逐渐释放，公司将基于深度学习的新一代文字识别、自然语言处理、智能抽取、知识图谱构建、数据可视化等多项人工智能技术应用到行业数字化、智能化项目中，结合已形成的较为成熟的各业务解决方案，为国家图书馆、故宫博物馆、中国第一历史档案馆、中国第二历史档案馆及多个省市级图书馆；以及北京、天津等法院、检察院提供系统化、智能化技术与应用服务。2、在C端智能产品方面，公司研发的基于多个自有核心技术的手写电纸本、基于笔触控交互技术的数字绘画产品、基于声音识别的柯氏音血压计、基于飞控算法的仿生扑翼飞行机器鸟、基于图像识别的电子枪、基于图像识别的汉王扫描王APP产品等，组成了强大的AI智能产品体系。其中，融合多种自身技术（手写输入、手写体识别、手写输入法、OCR识别等），满足纯粹读写体验的N10系列智能超级手写电纸本，发挥快速研发响应及优秀的硬件产品设计能力，在京东商城上的10.3英寸大屏电纸书销售排名领先。另外，结合公司无线无源电磁手写技术优势，旗下数字绘画产品形成了面向入门级、爱好者、专业人群的定位不同的系列绘画板、绘画屏产品矩阵，全球线上及线下营销网络使公司产品销往全球百余个国家。未来公司将继续以“技术平台+行业赛道”及TO C智能产品的业务模式，推动公司AI技术与行业产品、与智能终端产品结合，发挥不断创新的优势，在数字化、智能化的浪潮中发展壮大。谢谢您的关注。投资者：紫东太初大模型后续研发需更多研发费用，公司是否可借助与自化所的紧密关系，请自化所把大模型项目，包括团队注入公司平台汉王科技董秘：紫东太初大模型是公司第三大股东中国科学院自动化研究所的研究成果。公司正在深度分析如何更好的转化中国科学院自动化研究所的“紫东太初”多模态大模型的应用成果，尤其是在“医疗影像”等专业领域的应用落地。感谢您的关注。投资者：到处都在上大模型项目，公司的大模型有哪些竞争力？为什么不主攻主业，拓展各项识别市场？汉王科技董秘：汉王科技是人工智能领域的先行者，一直聚焦在人工智能领域的感知、认知与人机交互技术的研发及技术应用。公司掌握手写识别、OCR 识别、生物特征识别、嗅觉识别、NLP 自然语言处理、笔输入技术、大数据处理等多项核心技术，在多模态识别方面技术根底深厚、具有优势。现阶段公司正在研发的行业专用大模型也是公司基于其所熟悉、有认知的行业基础上深入展开的，研发成功后会应用在TO B行业数字化、智能化应用落地项目，以及TO C的智能产品上；这将有利于公司拓宽现有的识别业务市场，增强公司的竞争力，同时也让公司TO C方向的智能产品再上一个新台阶。您所关注的公司模式识别业务方向，公司一直都在积极开拓，除行业端的图像识别市场外，公司今年上半年推出的“汉王扫描王”APP在各大应用商店均可下载安装，这是一款针对大众人群推出的免费识别产品，欢迎大家积极使用，提出宝贵意见。感谢您的关注。投资者：你好，请问公司从2021年到今年一季度，公司研发总共投资什么资金研发?主要研发针对人工智能研发投入多少汉王科技董秘：2021年和2022年公司的研发投入分别为2.22亿和2.45亿，占营收比例分别为13.77%和17.48%，上述研发投入主要是围绕人工智能的感知、认知技术；人机交互技术；以及以上述技术为基础，开发的行业产品、智能终端产品等的研发而发生。谢谢您的关注。投资者：鸿博过去的印刷业务，也不是没有留下什么，鸿博有保密印刷G家M密载体印制甲级资质，印刷过的东西不能泄M，也不能出售，但是可以训练模型啊！于是联想到汉王，帮助国家图书馆、档案馆、博物院、检察院、法院、医院等行业客户做数字化，从数据提取、结构化处理、加以学习和训练，输出有价值的数据给客户。请问汉王科技是否会考虑或已在运行鸿博股份的运营模式？汉王科技董秘：汉王科技在人工智能的模式识别领域内耕耘二十余年，在多模态识别上具有深厚的技术积累，凭借领先的技术水平、产品化能力及扎实的综合服务能力，积累了一大批具有粘性的优质客户。现阶段业界发布的通用大模型和行业大模型都离不开数据训练，公司对司法、人文、档案、教育等行业的客户数据特点、业务需求，行业背景知识、知识图谱等特征比较了解，也正在积极训练输出结果更为专业精准的行业数据模型，以期在将来更好更快速的满足客户的信息数字化、数据智能化的服务需求，为数字社会、数字中国添砖加瓦。感谢您的关注。投资者：未来公司将自研基础大模型是否可以用于自己研发的机器人中？是否已经落地？汉王科技董秘：人工智能技术由早期的计算智能、感知智能向认知智能不断前行，公司通过多年积累，掌握了先进的文本图像识别、自然语言处理、生物特征识别、智能视频分析、智能人机交互等多种感知与认知技术。公司正在着力开发自己的行业专用模型，预计在金秋10月，会有汉王天地大模型（暂定名）及B端、C端的更多重磅新品发布。机器人将是人工智能未来发展的终极智能形态之一，公司研发的数字员工等虚拟AI机器人已有落地项目，对双足和四足机器人实体机器人的多关节控制、机器人正逆运动、机器人软硬件结构等也在积极研究探索。公司的自研模型与智能产品的融合应用，是公司期望看到，也是公司一直在积极实践的社会价值。感谢您的关注投资者：贵公司未来有计划，把专业模型加入自家机器人产品中，更好的服务客户吗？汉王科技董秘：详见前条回复，谢谢您的关注。投资者：2022年，中国科学院院士在人工智能、计算机、软件领域取得了非凡的成就，他们分别是姚期智、谭铁牛、张钹、戴汝为、乔红、陆汝钤、梅宏、钱德沛、徐宗本、王怀民、吴朝晖、怀进鹏、李衍达、陈国良、张景中、郑建华、郑志明、周巢尘。请问贵司当前正与上述哪几位院士在合作？汉王科技董秘：公司脱胎于中科院体系，中国科学院自动化所是公司第三大股东，公司与中科院旗下多个院所在技术研发和产业化落地方面一直保持良好技术交流。感谢您的关注。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2023-08-07
成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？
go
人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经
金色财经2023-08-06
成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？
go
人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经
金色财经2023-08-04
成都：推进算力产业自主可控大力发展芯片、服务器整机、液冷设备等高端硬件
 go
研机构研制与改进引擎框架工具体系，提升深度学习框架在大模型训练和多端多平台推理部署等方面的核心能力。研发多类型模型开发、训练、压缩、推理全流程工具，深化已有人工智能框架与平台应用，强化人工智能框架软件和芯片及硬件相互适配、性能优化和应用推广。 6. 布局重点创新平台。依托在蓉高校和龙头企业，聚焦语音识别、计算机视觉、智能网联、机器人、智能终端等优势领域，力争布局建设一批省级以上重点实验室、工程技术研究中心和企业技术中心，积极推进国家级人工智能创新平台落地。培育公共技术服务平台，充分发挥高校、科研机构的溢出效应，构建一批各具特色的算法检测、验证、对接交易等公共技术服务平台。三、提升产业发展能级 7. 打造大模型技术产业生态。支持头部企业在蓉组建全栈大模型训练与研发创新生态圈，联合中小企业搭建基于国产软硬件的人工智能训练和服务基础设施，提升数据管理经验、算力基础设施工程化运营能力、底层系统优化能力、算法设计能力、业务场景落地能力，打造自主可控的人工智能技术体系和产业生态。鼓励研发全栈国产化人工智能软硬件产品，遴选符合条件产品纳入软件首版次、重大技术装备首台（套）目录，逐步形成自主可控的人工智能技术体系和产业生态。 8. 建设人工智能产业集聚区。规划建设产业地标，发挥各区（市）县特色优势和资源禀赋，选择条件成熟的区域打造人工智能产业集聚区，认定一批人工智能产业领域的市级产业地标。完善园区配套服务体系，鼓励人工智能产业集聚区建立综合服务平台，提供研发设计、数据训练、算力共享、概念验证、中试应用、科技金融等综合创新服务。 9. 推动企业主体发展壮大。推进链主企业项目引育，积极争取其硬件制造、软件研发、开源大模型、生态创新中心、场景应用等在蓉落地。推动本土企业发展壮大，完善企业梯度培育和专精特新“小巨人”企业培育政策措施，帮助企业积累业务场景落地经验和海量多源数据，重点提升本土企业大模型商业化落地能力。鼓励市内大模型厂商主动拥抱开源体系，建设大模型算法及工具开源开放平台。四、构建全域场景体系 10. 人工智能+医疗。充分激活全市各类医疗数据平台资源，深化全生命周期健康档案管理、全病种医学知识库等服务与应用。优先支持三级医疗机构联合人工智能企业围绕智能导医分诊、医学影像辅助诊断、患者生命体征智能监测等场景，充分挖掘医疗数据资源，打造基于医疗领域通用数据与专业数据的模型应用，实现全流程智能化。 11. 人工智能+金融。支持金融机构加快建设金融信用信息平台和金融风险智能监控预警平台，提供体系化智能金融服务。鼓励金融机构联合人工智能企业围绕身份认证、智能风控、智能投顾、智能客服等场景，打造企业专属大模型平台，探索面向金融文本深度理解和分析的业务应用，创造数智新金融。 12. 人工智能+交通。加强城市动态和静态数据采集，构建车路协同数据库，支撑企业开展基于真实场景的自动驾驶模型训练迭代。支持企业基于车路协同数据和车辆行驶多传感器融合数据，研发多模态车载自动驾驶模型，提高自动驾驶模型多维感知和预测性能。依托川藏铁路技术创新中心研发基地，开发面向基建领域的多模态行业大模型，赋能铁路建造、灾害预警和防控等多阶段场景。 13. 人工智能+文娱。鼓励网络视听、动漫、游戏、演艺机构等运用人工智能技术提升内容生产效率，面向建模、驱动、渲染等环节优化生产工具，推动市场主体开展AIGC工具平台研发。发展创作者经济，加快探索内容与形式、艺术与技术结合的内容创作模式，生成立体化、沉浸式、可交互的新一代数字内容产品。 14. 人工智能+制造。加强制造业数据的采集、利用、开发，加快制造业数据集成共享，储备高质量数据集。鼓励人工智能企业围绕电子信息、装备制造、新材料等优势领域需求，开发产品研发、安全生产、智能检测等行业大模型应用产品，增强研发、生产、运营等自动化、智能化水平。 15. 人工智能+科研。鼓励国家超算成都中心、成都智算中心积极承接国家重大科技专项及重要科研任务，聚焦气象预报、生物育种等领域孵化基础模型。鼓励人工智能企业积极参与“人工智能驱动的科学研究”专项，联合重点实验室围绕药物研发、基因研究、新材料研发等重点领域研发需求，开发科学计算模型，缩短研发创新周期。 16. 人工智能+城市治理。支持人工智能企业积极参与“智慧蓉城”建设，探索在“智慧蓉城”城市运行管理平台中引入大模型技术，推进自主可控城市大脑大模型示范应用，实现信息采集、智能巡防、事件处置、执行调度、目标管理等业务的统一感知、关联分析和态势预测，为城市治理提供更加综合全面的辅助决策能力。围绕电子证照、普惠金融、综合纳税、用工就业、教育养老等服务场景应用，加快推动大模型技术赋能，提高政务咨询系统智能问答水平，增强交互能力。 17. 人工智能+商务服务。深化大模型技术在电子商务、商务办公等优势领域的研发应用，提高电商客服系统智能问答水平、提升企业数智化转型服务能力。引导本土优势企业持续研发和迭代商务服务大模型，助力企业“降本增效”，推动大模型与现有的应用软件、智能硬件打通、互嵌，积极抢占市场。五、加强生态要素聚集 18. 推进数据开放利用。支持成都数据集团优化公共数据运营服务平台功能，探索开展企业、个人数据采购，推动相关数据产品和模型的社会化开发利用。依托人工智能应用发展公共服务平台，推进建设系列人工智能训练数据资源库、标准测试数据集，推动相关数据的社会化开发利用。组织遴选市场领先的数据集建设单位，开展数据价值挖掘，探索基于数据共享、模型应用的商业化场景合作。 19. 推进高端人才引育。支持高校、企业、科研机构围绕大模型开发应用、类脑智能、具身智能等领域开展人才培养。加大人工智能高端人才引进力度，通过实施软件产业“蓉贝”计划，加大国际顶尖科学家和高水平创新团队引进力度，探索通过关键核心技术攻关“揭榜挂帅”、重大场景应用技术咨询等方式，提供具有国际竞争力的事业发展机会。 20. 加强金融支撑保障。发挥政府投资引导基金作用，用好新经济天使投资基金和产业投资基金，加大市级平台基金对人工智能产业项目投资力度，着力构建政府引导、社会参与、多元支撑、多段接力的新型投融资环境。鼓励人工智能企业在境内外多层次资本市场开展股权融资，支持风投、创投机构加强对人工智能初创企业的投资并购。
金融界2023-08-04
AI将引爆“金融崩盘”！美证监会主席：开发者有权操纵市场 10万个ChatGPT安全凭证外泄
 go
，他对此印象深刻。在2020年题为“深度学习和金融稳定”的联合研究论文中，根斯勒强调了不受控制的AI开发危险，特别是深度学习算法，开发人员可以自由地策划看似“客观”的AI功能，但这些功能可能会损害市场道德。咨询公司麦肯锡最近发布报告预测，AI对就业市场存在变革潜力，这使得人们对AI的影响更加关注。报告指出，AI可能会彻底改变员工的工作时间，到2045年，AI可能占工作时间的60-70%。这一预测较之前的估计显着增加，突显了AI技术的快速进步及其对各行业的潜在影响。在其他领域，美国军方正在积极探索AI在军事任务中的能力，并取得了成果。OpenAI公司旗下的ChatGPT，以及谷歌的Bard等大语言模型(LLM)在处理敏感信息方面表现出了高效和成功，增强了人们对AI潜力的信心。然而，AI的安全漏洞已成为一个重大问题。随着企业越来越依赖ChatGPT等AI机器人来简化运营，敏感公司数据的无意泄露已成为一个日益严重的问题。网络安全公司Group-IB最近的报告显示，有100000个被盗的ChatGPT凭证可在暗网上出售，这表明需要采取强有力的安全措施来保护AI驱动环境中的敏感信息。 #ChatGPT火爆全网# 根斯勒对AI可能破坏金融市场稳定的警告，凸显了对AI领域进行良好监管的紧迫性。当市场深入研究AI的变革可能性时，在利用其能力和实施防止潜在滥用和安全漏洞的保护措施之间取得平衡至关重要。根斯勒强调：“负责任的AI开发，以及保护敏感数据的积极措施，对于释放AI真正潜力同时降低潜在风险，且为繁荣和安全的未来铺平道路至关重要。”
小萧 1评论2023-08-04
美SEC主席：当前的监管制度不具备应对AI危险的能力
 go
中，于 2020 年与人合写了一篇关于深度学习给金融体系带来风险的论文。今年 7 月，詹斯勒提出了第一个人工智能监管框架，要求交易公司和基金经理评估他们对人工智能或预测数据的使用是否会导致利益冲突，特别是客户的最佳利益与公司利润之间的冲突。詹斯勒将重点转向人工智能并不意味着 SEC 放松对加密货币的控制。涉及 Ripple、Binance 和 Coinbase 等主要加密货币公司的几起诉讼正在悬而未决，这表明在詹斯勒的领导下，美国证券交易委员会仍然致力于对加密货币公司执行当前的行动。来源：金色财经
金色财经2023-08-04
【私募调研记录】宁波幻方量化调研天奈科技
 go
行情、交易、研究、回测和风控系统，使用深度学习等人工智能前沿科学优化传统量化策略研究方法。幻方量化团队由各领域顶尖人才组成，团队成员包括国内最早的量化交易者、金牛奖获得者、智能机器人科研领域、互联网搜索引擎、大数据与模式识别、深度学习领域的专家。他们具有丰富的科学研究、软件架构、软硬件工程和投资经验，对量化交易技术及策略造诣颇深。非凡的团队创造惊人的奇迹，幻方量化立志成为世界顶级的量化投资公司，推进中国量化对冲基金的健康发展。证券之星点评：宁波幻方量化其管理规模100亿以上，拥有郑达韡,陈哲等知名基金经理。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27.74。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2023-08-03

上一页
1
•••
84
85
86
87
88
•••
131
下一页

24小时热点

最新话题更多