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

FOMO Asia高峰会议于3月20日至23日在香港举行
 go
超过3,000参与活动人次及500万次社交媒体互动。 FOMO Asia筹委会主席Rubio Chan表示：「香港政府最近宣布了关于虚拟资产发展的政策声明，充分显示香港已准备好迎接互联网及数字资产拥有权的新时代；加上疫情后香港对外重新开放，令人鼓舞。我们认为，现在是最合适的时机在香港举办 Web3 大型实体会议。」FOMO Asia亦获得香港政府辖下投资推广署及旅游发展局正式支持。为期四天的活动，由FOMO Asia主办，CrossSpace及HKGDAO合办，将于香港核心地区的不同场地举办，涵盖主题演讲、小组讨论、项目展示及商业交流机会。当中精心策划的主题如Web3训练营，旨在为公众提供基础区块链知识；另外，大会预期会有不少 Web3 项目方共同筹办周边活动。有别于其他会议，FOMO Asia 认为关于 Web3 的讨论不该局限于会议举办期间。由上周开始， FOMO Asia 团队已经展开一连串的线上活动，提早连结Web3 社群。团队访问多位在全球甚具影响力的Web3领袖，例如 Animoca Brands的联合创办人兼执行主席萧逸（逸Siu），及Memeland的首席执行官陈瑞（Ray Chan) 等，邀请他们分享害怕错过什么 (Fear of Missing Out)而仍在Web3领域发展。团队希望集结这些声音，末来向公众宣布Web3 的团结力量，建立大众对区块链技术的信任。错失亚洲高峰会议门票正式发售，同时开放合作机会，详情请浏览https://www.fomoasia.co/ 媒体查询，请联系： Blockbusters Lab Erin Wong 电邮：erin@blockbusterslab.xyz 来源：金色财经
金色财经2023-02-22
空投来袭,错过了BLUR,不要错过ETHC
go
给NFT社区和Blur用户。根据社区和社交媒体反馈来看，领取到数十万枚Blur代币空投的不在少数，即使未以Blur空投为目的非重度使用Blur产品的用户也获得数千到数万美元不等，又是一次空前绝后的空投财富效应。现在为牛市初期，也许借助Blur市场会速热起来。错过了Blur空投财富，就不要再错过以太坊分叉币ETHC！什么是ETHC？ ETHC跟ETHW一样，是ETH生态分叉子币，是一个社区推动的meme+项目。ETHC将游戏收益、装备挖矿和质押相融合，打造了全新的DAPP游戏体验，构建一个集游戏、质押开发等应用为一体的无限开放、真正实现自行无限进化的NFT金融元宇宙生态！ETHC的总发行量与ETHW相等，但预估市值为ETHW千分之一，升值前景无限！项目官方：https://ethc.one 来源：金色财经
金色财经2023-02-22
Web3社交平台呼啸而来
 go
件仅推出一天就冲上了App Store社交媒体类下载排行榜的前十。全球各地的“弄潮儿”忙着分享一长串英文字母打头的“神秘字符”——那是他们在Damus上找到彼此的唯一凭证。在官网上，Damus对自己的定位是The social network you control（由你掌控的社交网络）——用户可以自己掌控账户、数据以及一切潜在的价值，呼应了Web3所强调的“精神内核”。体验完之后，呈现两种截然相反的风评。反对审查、崇尚免许可的加密信徒喊出了“推特已死”；对Web3不甚了解的人，发现连发图、群聊、删文功能都没有，很快扫兴而归。虽然目前Damus的功能仍十分“简陋”，但它的出现无异于在原本平静的社交应用生态里扔下了一枚“重磅炸弹”，让越来越多人看到Web3社交平台正呼啸而来。 Damus是什么？它让谁着迷？ 2月初，一向热衷于推广去中心化社交媒体的推特创始人杰克·多西发文宣布，基于去中心化社交应用的Damus在App Store上架。“（这是）开放协议的一个里程碑！”他激动地表示。作为Web3领域鲜有的移动端成型产品，Damus凭借着名人效应，上线仅两天就迅速俘获了数以万计的用户，登上了美区App Store免费社交App榜单前十，超过了Signal、微信、Line等社交应用，推特、脸书甚至微信朋友圈里，都不乏分享使用链接和长串“神秘字符”的用户。记者在使用中发现，Damus的主界面设置了“首页、私信、搜索/广场、消息提醒”四个板块，在产品特征上类似Web2的推特和微博。Damus与Web2社交应用最大的区别是，用户注册时不必提供手机号或电子邮箱等任何个人信息，只需要填写用户名、显示名称即可“无门槛”创建账户。创建账户后，Damus会为用户随机生成两长串英文字母打头的“神秘字符”，对应的是Web3世界中直接展示给他人的身份“公钥”（相当于用户名）和验证用户身份的“私钥”（相当于密码），而公钥是在Damus上找到朋友的唯一凭证。 “由你掌控的社交网络”是Damus给自己的定位。如何能做到这一点？该应用原生于去中心化社交协议“Nostr”（即用中继器来转发笔记和其它东西）。简单来说，在Damus中，任何人都可以运行一个中继器，就像运行区块链网络中的节点一样。创建中继器无需中心化的实体批准，因此用户在这个社交网络中永远不会被屏蔽，具有发帖自由且无需经过内容审核，甚至任何人包括发帖人自己都没有删帖的权利。而在推特中，如果推特选择屏蔽用户的某条消息，用户就无法向其他人发送这条消息。随着社交媒体监管日趋严格，很多人都在尝试“撕开一道口子”，让互联网广场的任何节点都可以成为一个连接各方的言论自由平台。Web3倡导了一种“开放、平等和创新”的互联网全新图景，人们对此抱有巨大的想象。也正因为如此，反对审查、崇尚免许可的加密信徒喊出“推特已死”，而对Web3不甚了解的人很快意兴阑珊。 Damus创始人、去中心化社交协议Nostr的核心开发者威廉·卡萨林坦言，Damus现在的使用体验的确非常糟糕，这是目前Damus面临的最大的挑战。他希望用户在Damus上的体验至少达到推特上用户熟悉的水平，不过他相信有更多人正在帮助Damus越变越好。古典互联网投资人庄明浩指出，Damus相当于只是搭了个骨架，然后做了一个非常弱的“皮囊”（客户端），让用户知道Damus能做什么，“Damus不重要，这只是个示范”。国内Web3生态企业Conflux联合创始人张元杰把Damus形容成一款极具“极客范”的应用。“去中心化社交平台还在非常早期的阶段，这一阶段吸引的更多是‘去中心化应用狂热爱好者’‘社交言论自由开放倡导者’以及‘加密货币玩家’，若非此，普通用户短时间内很难感受到这一应用的魅力所在。”他告诉《中国电子报》记者。应用只是“壳”，协议才是内核？ “用户体验不是Damus引爆的核心，也不是其被各方重点关注的核心价值。其背后使用的一种开放、抗审查并且免许可的高度去中心化协议Nostr，能为用户提存储与转发内容的中继器，才是这场潜在的社交网络革命的关键议题。”张元杰说。 Nostr是Web3主流的社交协议之一。Nostr与Damus的关系，就好比互联网底层协议与互联网应用之间的关系，Damus是建立在Nostr之上、根据Nostr协议规则开发出的第三方应用。值得一提的是，Nostr不依赖于任何互联网厂商建立的中央服务器，而是由客户端和中继节点两部分组成。客户端主要用于签名、验证身份信息，中继节点用于抓取、存储任何与它连接的客户端的信息，只有连接在相同中继节点的用户才能看到彼此发布的内容。 Nostr之上的应用之所以被认为是一片“自由之地”，是因为任何人都可以运行中继节点，客户端可以与任意数量的中继节点相连。这就意味着用户在客户端发布的信息，可以自主选择储存至多个中继节点，即便有中继节点对用户的内容进行屏蔽，该用户依然能通过其他中继节点把信息传递给其他用户；即便所有中继节点都屏蔽了用户的内容，用户还可以通过运行属于自己的中继节点发布信息。在张元杰看来，Nostr等去中心化协议之所以被认为具有前途，是因为协议层允许用户“交互”和“继承”，这与Web2的社交应用有着根本性的不同。在Web2中，各大互联网厂商建立起自己的一座座“堡垒”，用户及其粉丝的数据，是以“大厂系”各自的App作为区隔。张元杰举了个例子：“你很难看到微信去调用支付宝里的东西，但是Damus允许调用其他DApps（去中心化App）中的内容，如德州扑克游戏、去中心化钱包等。这就是Web3协议体现出的交互性。” 在Nostr中，用户只需要一对公钥和私钥就能登陆到任何一个接入Nostr的第三方应用，并不需要用户每进入一个应用都重新注册；每个用户及其粉丝的账户、数据从一开始就建立在底层协议中，所以即便用户换了一个应用程序，该用户的粉丝仍旧可以同步迁移，类似“城邦”的概念。想象一下，当用户准备从快手迁移到抖音时，可能很难立刻让快手中的所有粉丝和关注者继承到抖音中。而Nostr将社交图谱建立在协议层，与应用层进行了区隔，这一点极大地维护了社交的所有可能，同时也能降低对某个第三方应用的过度依赖。除了这次出圈的Damus外，Nostr正广泛构筑着自身的生态“城邦”，比如Anigma，一种类似Telegram的聊天应用；Nostros，一个移动客户端；Jester，一个国际象棋应用程序。 “Nostr协议的开放性促使它不断创新，因为一旦Damus的客户端不再能提供最好的体验，人们就可以转向更好的客户端，而这个转移几乎不需要什么成本，这就是开放协议的力量，竞争将让我们所有人变得越来越好，而不会像推特那样停滞不前。”卡萨林表示。 PK推特？为时过早主张“自由”社交愿景的Web3看起来很“美好”，但更多的人发现，Damus上线几天后，交互广场“一地鸡毛”。由于没有管理者，同时还是匿名平台，Damus平台很快就被垃圾信息充斥。Damus官方也试图给出自己的解决方案——如果贴文内容有问题，用户可以长按贴文，向连接的中继器报告该帖涉及不良内容，同时拉黑贴文的作者。也许是因为很多人对于Damus的功能尚不熟悉，目前看来并未奏效。 “并非每一个参与其中的人都能谨慎发言，或是进行理性且有价值的讨论。肯定有人是怀抱着去中心化社交的需求走进的Damus，但同样也会有人抱着‘破坏’整个空间的念头注册Damus。”以太坊创始人维塔利克·布特林表示。事实上，Web3社交平台面临着共同的困境，比如2022年大火的Mastodon（长毛象）官方也曾承认，开源便意味着放弃了“选择哪些人不能使用它”的权力，任何人都可以访问和复制它所运行的软件，而这恰好给一些“地下组织”提供了便利。自Damus上线开始，业界关于“Damus能否颠覆推特”的讨论便不绝于耳。许多观察者在“尝鲜”几天后就选择删除软件回到Web2的世界中。数据显示，Damus在2023年2月2日达到日活用户高点8.47万后，一周内热度下降了约60%；高质量日活账户较高点更是减少了85%。中信证券认为，Damus出现的意义并非在于应用本身，而在于对Web3发展的积极探索，Damus为Web3的社交领域发展提供了新思路以及应用雏形。 “推特由一家中心化公司全权主导，从前端到后端，从服务器、客户端到用户数据，都是由一家公司开发和利用；而Damus，其协议、中继器和应用开发者的运营主体完全不同，每个人都可以成为Nostr协议之上的应用开发者、底层协议贡献者、内容发布和经营者，在Web3的世界中，用户的参与方式变得非常丰富。”张元杰介绍。 Damus有望开启Web3创作者经济的新模式。在Damus中，用户可以选择连接到公用中继器获得更多的信息，同时也可以通过“切换”中继器获取想要的信息。此外，用户还可以充当“策展人”，汲取优质用户的内容，为感兴趣的用户定向提供内容，提供内容的形式也不局限于Demus平台中，而是可以在Nostr协议之上开发丰富的应用形态，比如门户网站、H5或者其他App，而这些或许都是推特做不到的。不过，现在就谈Damus能否颠覆推特，显然为时过早。“目前来看，Damus上的用户还很少，或许要等到15年后，去中心化社交协议以及上面的生态都极大地丰富和繁荣，用户体量开始和中心化互联网产品逼近时，再去比较他们的产品形态和用户体验才有意义。”张元杰表示。来源：金色财经
金色财经2023-02-22
爆料！腾讯与Meta就Meta Quest系列虚拟头盔进行谈判，有望达成合作
 go
腾讯最出名的是软件，包括一系列游戏和社交媒体应用程序。该腾讯公司通过与四年前建立的日本游戏公司合作，在中国销售任天堂Switch游戏机。
白兔捣药秋复春2023-02-21
“AI+Web3” 概念最新融资项目盘点
 go
3营销公司，帮助 Web3 营销人员从社交媒体账户和钱包中收集数据，并根据相似性匹配信息，以构建更准确的目标受众画像。鉴于当前区块链上行为的匿名性，Addressable 将匿名区块链受众与对应的社交媒体联系起来，解决当今 Web3 增长的难题，它提供了一个 SaaS 平台，使得 Web3 营销人员提可以向他们的受众传达信息。目前，Addressable仅跟踪 Ethereum 上的用户数据，Web2平台也主要是Twitter，产品还处于Demo阶段。 Plai Labs 投资机构：a16z 融资金额：3200万美元种子轮 Plai Labs 的定位是 Web3 和 AI 社交平台。两位创始人 Chris DeWolfe 与 Aber Whitcomb 曾是社交媒体平台 MySpace 和游戏工作室 Jam City 的创始人，都是连续创业者，他们计划通过 AI 和 web3 来构建下一代社交平台，供用户一起玩耍、交流、战斗、交易和冒险。而 Champions Ascension 是由 Plai Labs 推出首款多人在线角色扮演游戏，游戏以马西纳的传说为蓝本，让玩家带着他们的宠物在元宇宙漫游参与活动，此外 Plai Labs 还在构建一个AI协议平台，该平台将帮助处理从用户生成内容（UGC）到匹配到2D到3D资产渲染的所有内容。 Trusta labs 投资机构：SevenX Ventures、Vision Plus、HashKey等融资金额：300万美元+ Trusta labs 是一家链上数据分析公司，其核心产品为 TrustScan，弥合链上原始数据与洞察DID声誉特征的需求之间的差距，通过 AI 技术为引擎，为 DI D主体在Web3世界的声誉提供深度分析和评估，涵盖女巫攻击、欺诈风险、信用评分等。根据其官网披露，目前 TrustScan 已经检测出了超过100万的女巫地址。 Creatora 投资机构：a16z 融资金额：1000万 A轮 Creatora 是一个面向创作者的元宇宙项目，拥有一个用户生成内容 (UGC) 的元宇宙引擎，创作者能够创建、分发和将游戏元宇宙化。任何创作都可以货币化，它模糊创作者和消费者之间的界限，创造一个一切皆可 MetaFi 的元宇宙空间。据其官方透露，Createra 在亚洲积累了近1500万的Z世代用户、50 万创作者，其发展重心也主要以 Z 世代为主，而在项目中，Genesis land 是主要的核心资产，它将决定后续奖励/资产的分配以及在Createra的曝光机会。 Sortium 投资机构：Arca 融资金额：775 万美元/种子轮 Sortium 是一家结合了 AI 和 Web3 的娱乐科技公司。Sortium 专注于技术框架的构建，以帮助客户了解生成式AI系统、区块链和动态经济系统等，并在实现应用场景的使用，Sortium 推出了名为 CosmoGene 的P2E游戏，CosmoGene 游戏中，通过AI支持的虚拟DNA，玩家可以根据基因创造独特的体验。通过上文描述来看，AI+Web3 的初创项目大多是弱 AI 项目，应用结合的深度并不高，此外，应用场景也主要集中在游戏、NFT以及链上数据分析等几个核心领域，我们以期待 Web3 能与 AI 有更加深度的结合，诸如出现智能协议、智能 DApp 甚至于智能区块链等。来源：金色财经
金色财经2023-02-21
效仿马斯克，扎克伯格宣布Meta将推出月费11.99美元认证服务
 go
订阅服务在社交网络公司中变得很受欢迎。社交媒体公司的收入严重依赖广告，希望通过订阅服务实现收入的多元化。去年11月，埃隆·马斯克（Elon Musk）在收购推特后就为该公司推出了“蓝V”认证订阅服务，每月收费7.99美元，如果通过iOS应用程序购买则为11美元。　　Meta几乎所有的收入都来自广告，但广告业务可能不稳定，并受到整体经济的严重影响。例如，Meta的业务在疫情开始时受到了严重打击，去年在欧洲战争和通货膨胀上升期间再次受到打击。订阅提供了更稳定的收入来源。　　与推特不通过订阅验证用户身份不同，Meta将要求用户用政府ID确认自己的身份，以获得认证徽章。　　Meta将在本周晚些时候首先在澳大利亚和新西兰推出这一服务，然后逐步扩大到其他国家。
金融界2023-02-21
加密市场新一轮牛市起源东方？
go
中国项目 FOMO 情绪骤增，一些海外社交媒体大 V 更是开创了「Chinese Coin」作为一个全新板块。 2 月 18 日，在社交媒体拥有 29.3 万粉丝的加密 KOL「Miles Deutscher」发文晒出了自己总结的「Chinese Coin」概念列表，囊括 CFX、FIL 等 12 个代币。另外一位 KOL「Bera」继续拓展了该列表，将币种数量增加至 17 个——“有些是「中概币」，有些是我的中国朋友很喜欢的非中概币。” 还有一些海外加密 KOL，为了赶上这波中国热，主动在推文中使用中文，引来不少华语圈加密投资者进行互动。有趣的是，一些加密投资者甚至将会说中文的项目纳入中概币范畴，以太坊就因为创始人 V 神曾多次使用中文跻深「中概币」一员。中概币的热度持续居高不下，也让一众华语区 web3 从业者与有荣焉。波场创始人孙宇晨引用了周杰伦曾经的经典语录：“华流才是顶流。” 针对近期的中概币热潮，美国合规交易所 Gemini 联合创始人 Cameron Winklevoss 评论称，下一轮牛市将从亚洲开始。他认为，加密货币是一种全球资产类别，而西方（实际上是美国）要么接受它，要么被抛在后面；但现实情况是美国如今正在打压加密货币，而东方对加密货币展现出了包容开放的态度。加密分析师 GCR 飙升，“中国（以及整个亚洲）将推动下一波上涨。西方对这个领域的愤世嫉俗需要相当长的时间才能消解，但东方正在崛起并渴望征服。”加密衍生品巨头 BitMEX 前首席执行官 Arthur Hayes 去年 10 月预测，下一轮牛市将在中国重返市场时开始，并进一步表示香港在这一过程中将发挥重要作用。今天下午，香港证监会就适用于虚拟资产交易平台营运者的建议规定展开咨询，明确宣布将于 2023 年 6 月 1 日实现新发牌制度。此外，文件中表示，将允许个人投资者在证监会许可的交易所交易大市值代币，前提是知识测试、风险承受能力评估和合理的风险敞口限制等保障措施到位。文件意见征求期将于 3 月 31 日结束，目标是在 6 月 1 日的加密货币交易所新许可制度下允许零售交易。证监会发言人在简报中表示，比特币和以太坊这两种市值最大的数字资产可能会在香港的交易平台上线。港府的入局，能否催化下一轮牛市的开启，还需要时间的检验。但毫无疑问，这算是近期为数不多可以提振加密投资者信心的一件大事。另外，需要提醒广大投资者，目前投机情绪高涨，警惕风险，DYOR。在加密行业你想抓住下一波牛市机会你得有一个优质圈子，大家就能抱团取暖，保持洞察力。如果只是你一个人，四顾茫然，发现一个人都没有，想在这个行业里面坚持下来其实是很难的。想抱团取暖，或者有疑惑的，欢迎加入我们—— 来源：金色财经
金色财经2023-02-21
下一轮牛市将从东方开始
 go
Cameron Winklevoss在社交媒体发文称，下一轮牛市将从东方开始，这将是一个令人谦卑的提醒，加密货币是一种全球资产类别，而西方，实际上是美国，只有两个选择，要么接受、要么被抛在后面。任何不提供明确规则和真诚指导的政府都将被淘汰，否则将错过自商业互联网兴起以来最伟大的增长时期，也将错过塑造和成为这个世界(及以后)未来金融基础设施的基础部分的机会。 BTC：比特币当下的走势就非常简单了，我们先确定中期的走势是看涨的，因此你的中线现货坚定持有。短线主要是受阻于25200一线的压力位，这个位置之前我们也预测了，一次性过不去，需要在这个位置震荡调整一段时间，然后才能突破。短线就很好操作了，要么回调低多，或者突破追涨。有时候交易就是这样的简单，不要把交易想的太复杂。 eth: 以太坊明显的三角震荡，出现在上涨过程中，大概率是上涨中继形态，后面一旦向上突破，就是再次爆发的时刻。建议继续低吸持有。 link： link突破压力并回踩，这里回踩调整结束就要去冲9.5的压力位了，9.5如果被突破的话，那将会打开link的上涨空间。 ltc：莱特近期一直再调整，四小时局部走势震荡向下，后面一旦突破这个下降走势，就是再次上涨的标志！平台币： Bgb中长线就坚定持有，短线看走势来说，有可能会再拉一波，可能会反弹到0.45-0.50附近。财富密码： MATIC：月底利好，1.3可能不太好到了，那就在1.4附近可以补仓。中线看2美金以上。 AR：3月6号硬分叉，回调可以布局。 DASH：调整不破70就是强势调整，如果破了70可能回踩67-68附近然后在继续涨。由于香港板块的暴热，还有香港的开放，近期国产公链板块开始爆发，可以选择一些没怎么涨的国产公链埋伏！以上分析仅做参考，不构成投资建议！来源：金色财经
金色财经2023-02-21
币圈牛市正在路上
 go
同框出境，孙割也不甘落后，也在自己的社交媒体上发布了照片。同时CZ也表明了自己的立场：去中心化并不代表我们会分裂。时隔多年这些币圈巨佬们又到了聚在了一起。那些年出走的交易所在6月1日过后大概率将会陆续回归。如果回归不了，那么香港交易所将不会受到任何关注也不会有存在的意义，下场就是上线即走向倒闭。时隔俩年多，老狗又感受到了牛市初期的气息。不管是从市场情绪还是从盘面都非常的相似。2020年3 12是比特币近三年来的底部，那轮的暴跌是因为美股的三次熔断，再加上疫情导致全球金融市场在那段时间几乎全部崩盘崩盘，比特币价格创造了年度大底。这一轮的底部从最开始的LUNA的崩盘，引发了市场的流动性和信任危机。造成市场暴跌。去年接近年底FTX交易所崩盘，导致市场继续下跌，同时也导致一大批小交易所倒闭或者跑路。也把那些空气项目几乎全部清除。上一轮牛市初期，灰度信托开始长久的持仓BTC ETH等主流币种，后来就是美国大放水，华尔街的资本们疯狂涌入市场，再加上马斯克大肆宣传等等造就了上一轮牛市。但是这一轮牛市的初期信号已经非常明显，经过这么多黑天鹅事件后，市场的雷已经几乎被排空。再加上香港交易所将在今年中旬上线。很多分析师和大佬都认为这轮的牛市会是华流来开启。当然现在市场上也有不同的声音，毕竟现在美联储加息没有停止。未来市场的不确定因素很多，如果哪天加息力度加大，那么对币圈将会是又一轮的打击。老狗一直坚定自己的判断，上一轮的牛市基本是靠着美联储去主导，但是这一轮就不一样了。首先美股永恒牛市，老外的就业率激增，再加上国内的大放水。正是经济复苏的景象。经济复苏到飞速发展是需要一个过程的，刚好现在的时间点我们处于初期阶段。这一轮是时候让老外见识一下我们的力量了。市场其实就是牛短熊长，上涨基本上就是一瞬间的事情。很多时间行情不是在下跌就是在横盘。你只要在合适的时间买入，和时间做朋友耐得住寂寞，那你肯定是赚钱的。无非就是赚多赚少的问题，但是很多人都是在来来回回折腾中亏钱了。感谢大家的支持~ 如果觉得老狗文章写的不错，可以推荐给你身边炒币的朋友，老狗在这里表示感谢！来源：金色财经
金色财经2023-02-21
人工智能时代的算力挑战
 go
学家杨立昆（Yann LeCun）就在社交媒体上发帖说：从底层技术看，ChatGPT并没有什么创新。与其说它是一次巨大的技术革新，倒不如说它是一个工程上的杰作。杨立昆的这番言论一出，就遭遇到了网友的一片嘲讽，很多人甚至毫不客气地说，作为Meta的AI掌门人，这完全就是一种“吃不到葡萄说葡萄酸”的狡辩。由于Meta先前在同类产品上的失败经历，所以面对如此汹汹的舆论，杨立昆也是百口莫辩，只能就此噤声，不再对ChatGPT进一步发表评论。不过，如果我们认真回味一下杨立昆的话，就会发现他的话其实是非常有道理的：虽然从表现上看，现在的ChatGPT确实非常惊艳，但从根本上讲，它依然是深度学习技术的一个小拓展。事实上，与之类似的产品在几年前已经出现过，所不同的是，ChatGPT在参数数量上要远远多于之前的产品，其使用的训练样本也要大得多。而它卓越的性能，其实在很大程度上只是这些数量优势积累到了一定程度之后产生的质变。有意思的是，如果我们回顾一下深度学习的历史，就会发现这种利用神经网络进行机器学习的思路其实在上世纪50年代就有了，可以称得上是人工智能领域最古老的理论之一。早在1958年，罗森布拉特就曾经用这个原理制造了一台机器来识别字符。然而，在很长的一段时间内，这个理论却一直无人问津，即使现在被尊为“深度学习之父”的杰弗里·辛顿（Geoffrey Hinton）也长期遭受孤立和排挤。究其原因，固然有来自当时在人工智能领域占主导地位的“符号主义”的打压，但更为重要的是，当时的深度学习模型确实表现不佳。直到本世纪初，这一切才发生了改变。长期蛰伏的深度学习理论终于翻身成为了人工智能的主流，一个个基于这一理论开发的模型如雨后春笋一般出现。从打败围棋高手的AlphaGo到识别出几亿种蛋白质结构的AlphaFold，从可以瞬间生成大师画作的Dall-E、Stable Diffusion到当今如日中天的ChatGPT，所有的这些在短短的几年之间涌现了。那么，到底是什么原因让深度学习在过去的几年中扭转了长期的颓势，让它得以完成了从异端到主流的转换？我想，最为关键的一点就是算力的突破。算力及其经济效应所谓算力，就是设备处理数据、输出结果的能力，或者简而言之，就是计算的能力。它的基本单位是用“每秒完成的标准操作数量”（standardized operations per second，简称SOPS）来进行衡量。不过，由于现在的设备性能都非常高，因而在实践中用SOPS来衡量算力已经变得不那么方便。相比之下，“每秒完成的百万次操作数”（million operations per second，简称MOPS）、“每秒完成的十亿次操作数”（giga operations per second，简称GOPS），以及“每秒完成的万亿次操作数”（tera operations per second，简称TOPS）等单位变得更为常用。当然，在一些文献中，也会使用某些特定性能的设备在某一时间段内完成的计算量来作为算力的单位——其逻辑有点类似于物理学中用到的“马力”。比如，一个比较常用的单位叫做“算力当量”，它就被定义为一台每秒运算千万亿次的计算机完整运行一天所实现的算力总量。那么，算力的意义究竟何在呢？关于这个问题，阿格拉沃尔（Ajay Agrawal）、甘斯（Joshua Gans）和戈德法布（Avi Goldfarb）在他们合著的《预测机器》（Prediction Machines，中文译名为《AI极简经济学》）中，曾经提出过一个有启发的观点：算力的成本将关系到AI模型的“价格”。经济学的原理告诉我们，在给定其他条件的前提下，人们对一种商品的需求量取决于该商品的价格。而对于两种性能相近，具有替代关系的商品来说，具有更低价格的那种商品会在市场上具有更高的竞争力。将这一点应用到人工智能领域，我们就可以找到深度学习理论为什么在几十年中都不被待见，却在最近几年中实现爆发的原因。虽然深度学习的理论并不算困难，但是为了实现它，要投入的运算量是十分巨大的。在算力低下的时代，算力的单位成本非常高。在罗森布拉特提出深度学习思想雏形的那个年代，一台计算机的体积几乎和一间房子那么大，但即便如此，让它运算一个大一点的矩阵都还需要很长时间。虽然理论上我们也可以用深度学习来训练大模型并达到比较好的效果，但这样的成本显然是没有人能够承受的。而相比之下，符号学派的模型对于计算量的要求要小得多，因此这些模型的相对价格也要比深度学习模型来得低。在这种情况下，深度学习理论当然不会在市场上有竞争力。但是，当算力成本大幅度降低之后，深度学习模型的相对价格就降了下来，它的竞争力也就提升了。从这个角度看，深度学习在现阶段的胜利其实并不是一个纯粹的技术事件，在很大程度上，它还是一个经济事件。改进算力的方法那么，决定算力的因素有哪些呢？为了直观起见，我们不妨以计算数学题来对此进行说明：如果我们要提高在单位时间内计算数学题的效率，有哪些方法可以达到这一目的呢？我想，可能有以下几种方法是可行的：一是找更多人一起来计算。如果一个人一分钟可以算一个题，那么十个人一分钟就可以算十个题。这样，即使每个人的效率没有提升，随着人数的增加，单位时间内可以计算的数学题数量也可以成倍增加。二是改进设备。比如，最早时，我们完全是依靠手算的，效率就很低。如果改用计算器，效率会高一点。如果使用了Excel，效率就可能更高。三是将问题转化，用更好的方法来计算。比如，计算从1加到100，如果按照顺序一个个把数字加上去，那么可能要算很久。但是，如果我们像高斯那样用等差数列求和公式来解这个问题，那么很快就可以计算出结果。将以上三个方案对应到提升算力问题，我们也可以找到类似的三种方法：一是借助高性能计算和分布式计算；二是实现计算模式上的突破；三是改进算法——尽管严格地说这并不能让算力本身得到提升，但是它却能让同样的算力完成更多的计算，从某个角度看，这就好像让算力增加了一样。 1、高性能计算和分布式计算从根本上讲，高性能计算和分布式计算都是通过同时动用更多的计算资源去完成计算任务，就好像我们前面讲的，用更多的人手去算数学题一样。所不同的是，前者聚集的计算资源一般是聚集在本地的，而后者动用的计算资源则可能是分散在网上的。（1）高性能计算先看高性能计算。高性能计算中，最为重要的核心技术是并行计算（Parallel Computing）。所谓并行计算，是相对于串行计算而言的。在串行计算当中，计算任务不会被拆分，一个任务的执行会固定占有一块计算资源。而在并行计算中，任务则会被分解并交给多个计算资源进行处理。打个比方，串行计算过程就像是让一个人独立按照顺序完成一张试卷，而并行计算则像是把试卷上的题分配给很多人同时作答。显然，这种任务的分解和分配可以是多样的：既可以是把计算任务分给多个设备，让它们协同求解，也可以是把被求解的问题分解成若干个部分，各部分均由一个独立的设备来并行计算。并行计算系统既可以是含有多个处理器的超级计算机，也可以是以某种方式互连的若干台独立计算机构成的集群。从架构上看，并行计算可以分为同构并行计算（homogeneous parallel computing）和异构并行计算（heterogeneous parallel computing）。顾名思义，同构并行计算是把计算任务分配给一系列相同的计算单元；异构并行计算则是把计算任务分配给不同制程架构、不同指令集、不同功能的计算单元。比如，多核CPU的并行运算就属于同构并行，而CPU+GPU的架构就属于异构并行。对比于同构并行，异构并行具有很多的优势。用通俗的语言解释，这种优势来自于各种计算单元之间的“术业专攻”，在异构架构之下，不同计算单元之间的优势可以得到更好的互补。正是由于这个原因，异构并行计算正得到越来越多的重视。比如，现在越来越多的设备当中，都采用了将GPU和CPU混搭的架构。为什么要这么做呢？为了说明白这一点，我们需要略微介绍一下CPU和GPU的结构：从总体上看，无论是CPU还是GPU，都包括运算器（Arithmetic and Logic Unit，简称ALU）、控制单元（Control Unit，简称CL）、高速缓存器（Cache）和动态随机存取存储器（DRAM）。但是，这些成分在两者中的构成比例却是不同的。在CPU当中，控制单元和存储单元占的比例很大，而作为计算单位的ALU比例则很小，数量也不多；而在GPU当中则正好相反，它的ALU比例很大，而控制单元和存储单元则只占很小的一个比例。这种结构上的差异就决定了CPU和GPU功能上的区别。CPU在控制和存储的能力上比较强，就能进行比较复杂的计算，不过它可以同时执行的线程很少。而GPU则相反，大量的计算单位让它可以同时执行多线程的任务，但每一个任务都比较简单。打个比喻，CPU是一个精通数学的博士，微积分、线性代数样样都会，但尽管如此，让他做一万道四则运算也很难；而GPU呢，则是一群只会四则运算的小学生，虽然他们不会微积分和线性代数，但人多力量大，如果一起开干，一万道四则运算分分钟就能搞定。由于GPU的以上性质，它最初的用途是作为显卡，因为显卡负责图形和色彩的变换，需要的计算量很大，但每一个计算的复杂性都不高。当深度学习兴起之后，人工智能专家们发现GPU其实也很适合用来训练神经网络模型。因为在深度学习模型中，最主要的运算就是矩阵运算和卷积，而这些运算从根本上都可以分解为简单的加法和乘法。这样一来，GPU就找到了新的“就业”空间，开始被广泛地应用于人工智能。但是，GPU并不能单独执行任务，所以它必须搭配上一个CPU，这样的组合就可以完成很多复杂的任务。这就好像让一个能把握方向的导师带着很多肯卖力的学生，可以干出很多科研成果一样。正是在这种情况下，异构并行开始成为了高性能计算的流行架构模式。不过，异构架构也是有代价的。相对于同构架构，它对于应用者的编程要求更高。换言之，只有当使用者可以更好地把握好不同计算单元之间的属性，并进行有针对性的编程，才可能更好地利用好它们。除此之外，我们还必须认识到，哪怕是借助异构架构，通过并行运算来提升运算效率的可能也是有限的。根据阿姆达尔定律（Amdahl’s Law），对于给定的运算量，当并行计算的线程趋向于无穷时，系统的加速比会趋向于一个上限，这个上限将是串行运算在总运算中所占比例的倒数。举例来说，如果在一个运算中，串行运算的比例是20%，那么无论我们在并行运算部分投入多少处理器，引入多少线程，其加速比也不会突破5。这就好像，如果我要写一本关于生成式AI的书，可以将一些资料查找的工作交给研究助手。显然，如果我有更多的研究助手，写书的进度也会加快。但这种加快不是无限的，因为最终这本书什么时候写完，还要看我自己“码字”的速度。（2）分布式计算采用聚集资源的方式来增强算力的另一种思路就是分布式计算。和高性能计算主要聚集本地计算单位不同，分布式计算则是将分散在不同物理区域的计算单位聚集起来，去共同完成某一计算任务。比如，刘慈欣在他的小说《球状闪电》中就提到过一个叫做SETI@home的科研计划（注：这个项目是真实存在的），这个计划试图将互联网上闲置的个人计算机算力集中起来处理天文数据，这就是一个典型的分布式计算用例。分布式计算的一个典型代表就是我们现在经常听说的云计算。关于云计算的定义，目前的说法并不统一。一个比较有代表性的观点来自于美国国家标准和技术研究所（NIST），根据这种观点，“云计算是一种按使用量付费的模式。这种模式对可配置的IT资源（包括网络、服务器、存储、应用软件、服务）共享池提供了可用的、便捷的、按需供应的网络访问。在这些IT资源被提供的过程中，只需要投入很少的管理和交流工作”。这个定义很抽象、很学院派，我们可以用一个通俗的比喻来对其进行理解。在传统上，用户主要是通过调用自有的单一IT资源，这就好比每家每户自己发电供自己用；而云计算则好像是（用大量算力设备）建了一个大型的“发电站”，然后将“电力”（IT资源）输出给所有用户来用。根据云服务提供者所提供的IT资源的不同，可以产生不同的“云交付模式”（Cloud Delivery Model）。由于IT资源的种类很多，因此对应的“云交付模式”也就很多。在各类新闻报道中，最常见的“云交付模式”有三种：第一种是IaaS，它的全称是“基础设施作为服务”（Infrastructure-as-a-Service）。在这种交付模式下，云服务的提供者供给的主要是存储、硬件、服务器和网络等基础设施。第二种是PaaS，它的全称是“平台作为服务”（Platform-as-a-Service）。在这种交付模式下，云服务的提供者需要供应的资源更多，以便为使用者提供一个“就绪可用”（ready-to-use）的计算平台，以满足他们设计、开发、测试和部署应用程序的需要。第三种是SaaS，也就是“软件作为服务”（Software-as-a-Service）。在这种交付模式下，云服务提供者将成品的软件作为产品来提供给用户，供其使用。有了以上不同的云交付模式，用户就可以根据自己的需要来选择相应的IT资源。比如，如果元宇宙的用户需要更多的算力或存储，而本地的机器无法满足，那么就可以通过从云端来获取“外援”。一个云端GPU不够，那就再来几个，按需取用，丰俭由人，既方便，又不至于产生浪费。需要指出的是，尽管从理论上看云计算可以很好地承担巨大运算和存储需求，但其缺陷也是很明显的。比较重要的一点是，在执行云计算时，有大量的数据要在本地和云端之间进行交换，这可能会造成明显的延迟。尤其是数据吞吐量过大时，这种延迟就更加严重。对于用户来说，这可能会对其使用体验产生非常负面的效果。那么怎么才能克服这个问题呢？一个直观的思路就是，在靠近用户或设备一侧安放一个能够进行计算、存储和传输的平台。这个平台一方面可以在终端和云端之间承担起一个中介的作用，另一方面则可以对终端的各种要求作出实时的回应。这个思想，就是所谓的边缘计算。由于边缘平台靠近用户，因而其与用户的数据交换会更加及时，延迟问题就可以得到比较好的破解。 2、超越经典计算——以量子计算为例无论是高性能计算还是分布式计算，其本质都是在运算资源的分配上下功夫。但正如我们前面看到的，通过这种思路来提升算力是有很多障碍的。因此，现在很多人希望从计算方式本身来进行突破，从而实现更高的计算效率。其中，量子计算就是最有代表性的例子。我们知道，经典计算的基本单位是比特，比特的状态要么是0，要么是1，因此经典计算机中的所有问题都可以分解为对0和1的操作。一个比特的存储单元只能存储一个0或者一个1。而量子计算的基本单位则是量子比特，它的状态则可以是一个多维的向量，向量的每一个维度都可以表示一个状态。这样一来，量子存储器就比经典的存储器有很大的优势。考虑一个有 N物理比特的存储器，如果它是经典存储器，那么它只能存储2的N次方个可能数据当中的任一个；而如果它是量子存储器，那么它就可以同时存储2的N次方个数据。随着 N的增加，量子存储器相对于经典存储器的存储能力就会出现指数级增长。例如，一个250量子比特的存储器可能存储的数就可以达到2的250次方个,比现有已知的宇宙中全部原子数目还要多。在进行量子计算时，数学操作可以同时对存储器中全部的数据进行。这样一来，量子计算机在实施一次的运算中可以同时对2的N次方个输入数进行数学运算。其效果相当于经典计算机要重复实施2的N次方次操作，或者采用2的N次方个不同处理器实行并行操作。依靠这样的设定，就可以大幅度节省计算次数。为了帮助大家理解，我们可以打一个并不是太恰当的比方：玩过动作游戏的朋友大多知道，在游戏中，我们扮演的英雄经常可以使用很多招数，有些招数只能是针对单一对象输出的；而另一些招数则可以针对全体敌人输出。这里，前一类的单体输出招数就相当于经典计算，而后一类的群体输出招数就相当于量子计算。我们知道，在面对大量小怪围攻的时候，一次群体输出产生的效果可以顶得上很多次单体输出的招数。同样的道理，在一些特定情况下，量子计算可以比经典计算实现非常大的效率提升。举例来说，大数因式分解在破解公开密钥加密的过程中有十分重要的价值。如果用计算机，采用现在常用的Shor算法来对数N进行因式分解，其运算的时间将会随着N对应的二进制数的长度呈现指数级增长。1994年时，曾有人组织全球的1600个工作站对一个二进制长度为129的数字进行了因式分解。这项工作足足用了8个月才完成。然而，如果同样的问题换成用量子计算来解决，那么整个问题就可以在1秒之内解决。量子计算的威力由此可见一斑。但是，在看到量子计算威力的同时，我们也必须认识到，至少到目前为止，量子计算的威力还只能体现对少数几种特殊问题的处理上，其通用性还比较弱。事实上，现在见诸报道的各种量子计算机也都只能执行专门算法，而不能执行通用计算。比如，谷歌和NASA联合开发的D-Wave就只能执行量子退火（Quantum Annealing）算法，而我国研发的光量子计算机“九章”则是专门被用来研究“高斯玻色取样”问题的。尽管它们在各自的专业领域表现十分优异，但都还不能用来解决通用问题。这就好像游戏中的群体攻击大招，虽然攻击范围广，但是对每个个体的杀伤力都比较弱。因此，如果遇上大群的小怪，群体攻击固然厉害，但如果遇上防御高、血条厚的Boss，这种攻击就派不上用处了。从这个角度看，如果我们希望让量子计算大发神威，就必须先找出适合量子计算应用的问题和场景，然后再找到相应的算法。与此同时，我们也必须认识到，虽然量子计算的研发和探索十分重要，但是它和对其他技术路径的探索之间更应该是互补，而不是替代的关系。 3、通过改进算法节约算力如果说，通过高性能计算、分布式计算，以及量子计算等手段来提升算力是“开源”，那么通过改进算法来节约算力就是“节流”。从提升计算效率、减少因计算而产生的经济、环境成本而言，开源和节流在某种程度上具有同等重要的价值。在ChatGPT爆火之后，大模型开始越来越受到人们的青睐。由于在同等条件下，模型的参数越多、训练的数据越大，它的表现就越好，因此为了追求模型的更好表现，现在的模型正在变得越来越大。我们知道，现在的ChatGPT主要是在GPT-3.5的基础上训练的。在它出现之前，GPT共经历了三代。GPT-1的参数大约为1.17亿个，预训练数据为5GB，从现在看来并不算多；到了GPT-2，参数量就增加到了15亿个，预训练数据也达到了40GB；而到了GPT-3，参数量则已经迅速膨胀到了骇人的1750亿个，预训练数据也达到了45TB。为了训练GPT-3，单次成本就需要140万美元。尽管OpenAI并没有公布GPT-3.5的具体情况，但可以想象，它的参数量和预训练数据上都会比GPT-3更高。为了训练这个模型，微软专门组建了一个由1万个V100GPU组成的高性能网络集群，总算力消耗达到了3640“算力当量”——也就是说，如果用一台每秒计算一千万亿次的计算机来训练这个模型，那么大约需要近十年才能完成这个任务。如果任由这种“一代更比一代大”的趋势持续下去，那么在未来几年，对算力的需求将会出现爆炸性的增长。一项最新的研究估计，在5年之后，AI模型需要的算力可能会是现在的100万倍。很显然，由此产生的经济和环境成本将会是十分惊人的。令人欣慰的是，目前已经有不少研究者希望改进算法、优化模型来减少对算力的需求，并且已经取得了一定的成就。比如，就在今年1月3日，来自奥地利科学技术研究所 (ISTA)的研究人员埃利亚斯·弗朗塔（Elias Frantar）和丹·阿里斯特尔（Dan Alistarh）合作进行了一项研究，首次针对 100至 1000亿参数的模型规模，提出了精确的单次剪枝方法SparseGPT。SparseGPT可以将GPT系列模型单次剪枝到 50%的稀疏性，而无需任何重新训练。以目前最大的公开可用的GPT-175B模型为例，只需要使用单个GPU在几个小时内就能实现这种剪枝。不仅如此，SparseGPT还很准确，能将精度损失降到最小。在进行了类似的修剪之后，这些大模型在训练时所需要的计算量就会大幅减少，其对算力的需求也就会相应下降。关于提升算力、支持人工智能发展的政策思考随着ChatGPT引领了新一轮的人工智能热潮，市场上对算力的需求也会出现爆炸性的增长。在这种情况下，为了有力支撑人工智能的发展，就必须要通过政策的手段引导算力供给的大幅度增加。而要实现这一点，以下几方面的工作可能是最为值得重视的。第一，应当加快对算力基础设施的建设和布局，提升对全社会算力需求的支持。如前所述，从目前看，分布式计算，尤其是其中的云计算是提升算力的一个有效之举。而要让云计算的效应充分发挥，就需要大力建设各类算力基础设施。唯有如此，才可以让人们随时随地都可以直接通过网络获得所需的算力资源。这里需要指出的是，在布局算力基础设施的时候，应当慎重考虑它们的地域和空间分布，尽可能降低算力的成本。我们知道，不同的地区的土地、水、电力等要素的价格是不同的，这决定了在不同地区生产相同的算力所需要的成本也不尽相同。因此，在建设算力基础设施时，必须统筹全局，尽可能优化成本。需要指出的是，我国正在推进的“东数西算”工程就是这个思路的一个体现。由于我国东部各种资源的使用成本都要高于西部，因此在西部地区建立算力设施，就会大幅降低算力的供给成本，从而在全国范围内达到更优的配置效率。第二，应当加强与算力相关的硬件技术及其应用的研发，为增加算力供应提供支持。与算力相关的硬件技术既包括基于经典计算的各种硬件，如芯片、高性能计算机等，也包括超越经典计算理论，根据新计算理论开发的硬件，如量子计算机等。从供给的角度看，这些硬件是根本，它们的性能直接关系到算力提供的可能性界限。因此，必须用政策积极促进这些硬件的攻关和研发。尤其是对于一些“卡脖子”的项目，应当首先加以突破。这里需要指出的是，在进行技术研发的同时，也应该积极探索技术的应用。例如，我们现在已经在量子计算领域取得了一些成果，但是由于用例的缺乏，这些成果并没有能够转化为现实的应用。从这个意义上讲，我们也需要加强对技术应用的研究。如果可以把一些计算问题转化成量子计算问题，就可以充分发挥量子计算机的优势，实现计算效率的大幅提升。第三，应当对算法、架构等软件层面的要素进行优化，在保证AI产品性能的同时，尽可能减少对算力的依赖。从降低AI计算成本的角度看，降低模型的算力需求和提升算力具有同等重要的意义。因此，在用政策的手段促进算力供给的同时，也应当以同样的力度对算法、架构和模型的优化予以同等的激励。考虑到类似的成果具有十分巨大的社会正外部性，因此用专利来保护它们并不是最合适的。因此，可以积极鼓励对取得类似成功的人员和单位给予直接的奖励，并同时鼓励他们将这些成果向全社会开源；也可以考虑由政府出面，对类似的模型产品进行招标采购。如果有个人和单位可以按照要求提供相应的成果，政府就支付相应的费用，并对成果进行开源。通过这些举措，就可以很好地激励人们积极投身到改进模型、节约算力的事业中，也可以在有成果产出时，让全社会及时享受到这些成果。总而言之，在人工智能突飞猛进的时代，算力可能是决定人工智能发展上限的一个关键因素。唯有在算力问题上实现突破，人工智能的发展才可能有根本保障。来源：金色财经
金色财经2023-02-21

上一页
1
•••
954
955
956
957
958
•••
1000
下一页

24小时热点

最新话题更多