FX168财经网_全球视野外汇黄金加密货币NFT资讯网

贝莱德Q2手握2000亿美元苹果股票

持方面，贝莱德卖出在Q1增持的英伟达和谷歌，数量分别为159万股和约1000万股（C+A股合计）；继续小幅减持伯克希尔哈撒韦、摩根大通等金融股。截至Q2末，贝莱德持仓总市值增至3.62万亿美元，较上次报告增加近2400亿美元。

金融界2023-08-14

程发出来了！一工具：需要必备工具（谷歌邮箱号，discord，推特账号，把这三个注册登录好）最好全程用法力，以确保流程流畅，手机版没有discord的朋友可以联系小编，二链接：需要在钱包打开（币安智能链） https://tabi.lol?code=224636696257541 三：在右上角链接钱包（币安智能链）四；总共三个任务主要是完成任务一，其余两个比较简单，完成领取奖励就可以（需要一小点的gas fee）点击进入任务一五：进去第一个小选项已显示完成（就是链接钱包）六：加入discord（前面注册好的直接点击进入就好）授权discord（授权成功后会显示出你的账号）七：点击加入Tabi官方群接受邀请（这一步需要耐心，人数比较多小编也是花了很长时间才得以进入）进入Tabi官方社区后（点击认证）认证以后需要还回钱包点击Verify 八：和推特关联进行关注谷歌账号登录此图因为异地登录，有类似的可以直接在邮箱找@号就可以（没有可忽略此图）进入推特返回钱包点击关注推特再次返回认证九：在推特上发布信息发布好信息返回认证即可当全部步骤完成以后在首页领取福利（需要花一小点gas fee）十：在钱包首页点击第三个选项链接钱包链接好后点击选项2（进去有claim点击领取福利）以上是Tabi零撸空投的流程，过程中还有哪些不懂的地方可以联系小编，如对你有帮助，动动你的小手指帮忙点赞和关注，来源：金色财经

金色财经2023-08-13

详解Web3原生数据管道的意义、挑战以及对行业的影响

平台可以自动/触发智能合约的执行，就像谷歌云等中心化平台触发/执行特定的业务逻辑一样。使用这个平台，用户可以以 Web3 原生方式实现业务逻辑，而不仅仅通过处理链上数据来获取洞察。仪表板服务 Dune Analytics、Flipside Crypto、Footprint、Transpose 等。最终用户的洞察与分析 Chainalaysis、Glassnode、Messari、Nansen、The Tie、Token Terminal 等。 Web3 Functions Chainlink 的 Functions、Gelato Network 等。 5.总结思考正如 Kant 所说的那样，我们只能目睹事物的现象，而无法触及其本质。尽管如此，我们还是利用了被称为“数据”的观察记录来处理信息和知识，我们看到信息技术的创新如何推动文明的发展。因此，在 Web3 市场中构建一个数据管道，除了具有去中心化的特点外，还可以作为实际捕捉这些机遇的起点发挥关键作用。我想用几点思考来总结本文。 5.1 存储解决方案的作用将变得更加重要拥有数据管道的最重要前提是建立数据和 API 治理。在日益多样化的生态系统中，每个协议创建的规范将继续重新创建，并且通过多链生态系统的碎片化交易记录将使个人更难以得出综合的洞察。然后，“存储解决方案”是能够通过收集碎片化信息并更新每个协议的规范，以统一格式提供集成数据的实体。我们观察到，现有市场上的存储解决方案（如 Snowflake 和 Databricks）正在迅速发展，拥有庞大的客户群体，通过在管道中运营各个层次进行垂直整合，并引领行业发展。 5.2 数据源市场中的机遇当数据变得更易获取且处理过程改进时，成功的用例开始出现。这会产生一个正循环效应，即数据源和收集工具会爆发性地出现——自 2010 年以来，由于构建数据管道的技术取得了巨大进展，每年收集的数字数据的类型和数量呈指数增长。将这一背景应用于 Web3 市场，未来可以在链上递归生成许多数据源。这也意味着区块链将扩展到各种业务领域。在这一点上，我们可以预期通过 Ocean Protocol 等数据市场或 Helium 和 XNET 等 DeWi（去中心化无线）解决方案以及存储解决方案来推进数据采集。 5.3 重要的是有意义的数据和分析然而，最重要的是不断询问应准备哪些数据以提取真正需要的见解。没有什么比为了构建数据管道而没有明确的假设来验证而构建数据管道更浪费的了。现有市场通过构建数据管道实现了众多创新，但也通过反复的无意义失败付出了无数的代价。对于技术堆栈的发展进行建设性讨论也是很好的，但行业需要时间来思考和讨论更基本的问题，例如应该将哪些数据存储在区块空间中，或者数据应该用于何种目的。“目标”应该是通过可操作的情报和用例实现 Web3 的价值，而在这个过程中，开发多个基本组件并完成管道是实现这一目标的“手段”。来源：金色财经

金色财经2023-08-13

RootData：哪些机构最爱领投？哪些机构今年出手最多？

金色财经2023-08-13

大模型的混沌年代：矛盾、分化与未来

议。「AI四巨头」Anthropic、谷歌、微软和OpenAI就联合成立了前沿模型论坛，就负责任与安全的人工智能问题与美国、欧洲与G7进行沟通。而由Hugging Face、GitHub、EleutherAI等开源社区组成的联盟也正呼吁欧盟政策制定者在制定《欧盟AI法案》时保护开源创新。对眼下的大模型行业创业者而言，在创业理想、商业化路径之外，对商业模式合规性的考量也将被纳入已有的计划之中。明确的监管趋势外，更多前沿的探索也正在发生，当下业界围绕多模态、AI智能体、向量数据库以及具身智能等一系列话题的讨论，实则都在大模型的热潮之外，寻找更多的可能性。以具身智能领域的AI机器人为例，包括谷歌在内的科技巨头增产是将大语言模型接入机器人，让机器人变得更聪明。而同样火热的AI智能体浪潮，甚至被称为“原始AGI”，已接替大模型，成为大公司们关注的下一个领域。浪潮已至，未来已来。可以肯定的是，大模型的混沌时代或许不会持续太久，但在未来的一段时间内，竞合还将继续。谁能率先利用“不确定性”补齐短板，谁能将大模型能力真正落地于细分与垂直场景，谁能更快地搭建起高质量的数据飞轮，这考验各自的决心与耐力，也将决定着它们在下一轮竞争中各自的生态位。来源：金色财经

金色财经2023-08-12

2023年 AI芯片公司正被夺命三连问

，参数量低于百万的小模型由此诞生。例如谷歌旗下的AI公司DeepMind，让AlphaGO对上百万种人类专业选手的下棋步骤进行专项“学习”。而小模型多了之后，硬件例如芯片的适配问题迫在眉睫。故，当英伟达推出统一生态CUDA之后，GPU+CUDA迅速博得计算机科学界认可，成为人工智能开发的标准配置。现如今纷纷涌现的大模型具备多模态能力，能够处理文本、图片、编程等问题，也能够覆盖办公、教育、医疗等多个垂直领域。这也就意味着，适应主流生态并非唯一的选择：在大模型对芯片需求量暴涨之时，芯片厂商或许可以只适配1-2个大模型，便能完成以往多个小模型的订单。也就是说，ChatGPT的出现，为初创芯片厂商们提供了弯道超车的机会。这就意味着，AI芯片市场格局将发生巨变：不再是个别厂商的独角戏，而是多个创新者的群戏。当算力成为稀缺货，同时适应主流生态不再成为必选项时，存算一体难掩光芒。此时，要不要投入，要投入多少，成为摆在AI芯片厂商面前的第二道难题。对此，“过来人”芯片巨头NVIDIA摸爬滚打多年给出的答案是，勇于创新，重金投入：每一个新兴技术的研发厂商，在前期无疑要面临技术探索碰壁，下游厂商不认同等各个层面的问题。而在早期，谁先预判到未来的发展趋势，并勇于迈出探索的脚步，铺下合理的资源去尝试，就会抢到先机。当数据中心浪潮还未铺天盖地袭来、人工智能训练还是小众领域之时，英伟达已经投入重金，研发通用计算GPU和统一编程软件CUDA，为英伟达谋一个好差事——计算平台。而在当时，让GPU可编程，是“无用且亏本”的：不知道其性能是否能够翻倍，但产品研发会翻倍。为此，没有客户愿意为此买单。但预判到单一功能图形处理器不是长远之计的英伟达毅然决定，在所有产品线上都应用CUDA。在芯东西与英伟达中国区工程和解决方案高级总监赖俊杰博士的采访中，赖俊杰表示：“为了计算平台这一愿景，早期黄仁勋快速调动了英伟达上上下下非常多的资源。” 远见+重金投入，在2012年，英伟达拿到了创新者的奖励：2012年，深度学习算法的计算表现轰动学术圈，作为高算力且更为通用、易用的生产力工具，GPU+CUDA迅速风靡计算机科学界，成为人工智能开发的“标配”。在AI大算力芯片的征途上，存算一体芯片迎来了自己的“黄金期”，超前投入，是为正解。 PART-02 非技术、资金雄厚者，勿进窥见到存算一体的种种好处，现阶段，存算一体芯片玩家阵营日益庞大。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）据偲睿洞察不完全统计，自2019年起，新增的AI芯片厂商，多数在布局存算一体：在2019-2021年新增的AI芯片厂商有20家，在这之中，有10家选择存算一体路线。这无一不说明着，存算一体将成为继GPGPU、ASIC等架构后的，一颗冉冉升起的新星。而这颗新星，并不是谁都可以摘。在学界、产界、资本一致看好存算一体的境况下，强劲的技术实力、扎实的人才储备以及对迁移成本接受度的精准把控，是初创公司在业内保持竞争力的关键，也是挡在新玩家面前的三大门槛。强劲的技术实力，永远是芯片领域的最高山。首先是存算一体“涉猎广泛”，涉及到芯片制造的全环节：从最底层的器件，到电路设计，架构设计，工具链，再到软件层的研发；其次是其“牵一发而动全身”：在每一层做相应改变的同时，还要考虑各层级之间的适配度。我们一层一层来看，一颗存算一体芯片被造出来，有怎样的技术难题。首先，在器件选择上，厂商就“如履薄冰”：存储器设计决定芯片的良率，一旦方向错误将可能导致芯片无法量产。其次是电路设计层面。电路层面有了器件之后，需要用其做存储阵列的电路设计。而目前在电路设计上，存内计算没有EDA工具指导，需要靠手动完成，无疑又大大增加了操作难度。紧接着，架构层面有电路之后，需要做架构层的设计。每一个电路是一个基本的计算模块，整个架构由不同模块组成，存算一体模块的设计决定了芯片的能效比。模拟电路会受到噪声干扰，芯片受到噪声影响后运转起来会遇到很多问题。这种情况下，需要芯片架构师足够了解模拟存内计算的工艺特点，同时针对这些特点去设计架构，在此基础上，还要考虑到架构与软件开发的适配度。软件层面架构设计完成后，还需要开发相应的工具链。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）而由于存算一体的原始模型与传统架构下的模型不同，编译器要适配完全不同的存算一体架构，确保所有计算单元能够映射到硬件上，并且顺利运行。一条完整的技术链条下来，考验着器件、电路设计、架构设计、工具链、软件层开发各个环节的能力，与协调各个环节的适配能力，是耗时耗力耗钱的持久战。同时，根据以上环节操作流程可以看到，存算一体芯片亟需经验丰富的电路设计师、芯片架构师。鉴于存算一体的特殊性，能够做成存算一体的公司在人员储备上需要有以下两点特征： 1、带头人需有足够魄力。在器件选择（RRAM、SRAM等）、计算模式（传统冯诺依曼、存算一体等）的选择上要有清晰的思路。这是因为，存算一体作为一项颠覆、创新技术，无人引领，试错成本极高。能够实现商业化的企业，创始人往往具备丰富的产业界、大厂经验和学术背景，能够带领团队快速完成产品迭代。 2、在核心团队中，需要在技术的各个层级中配备经验丰富的人才。例如架构师，其是团队的核心。架构师需要对底层硬件，软件工具有深厚的理解和认知，能够把构想中的存算架构通过技术实现出来，最终达成产品落地； 3、此外，据量子位报告显示，国内缺乏电路设计的高端人才，尤其在混合电路领域。存内计算涉及大量的模拟电路设计，与强调团队协作的数字电路设计相比，模拟电路设计需要对于工艺、设计、版图、模型pdk以及封装都极度熟悉的个人设计师。而这一系列的人才与技术，都要以落地效果为终极目标——落地才是第一生产力。在交付时，客户考量的并不仅仅是存算一体技术，而是相较于以往产品而言，存算一体整体SoC的能效比、面效比和易用性等性能指标是否有足够的提升，更重要的是，迁移成本是否在承受范围内。如果选择新的芯片提升算法表现力需要重新学习一套编程体系，在模型迁移上所花的人工成本高出购买一个新GPU的成本，那么客户大概率不会选择使用新的芯片。因此，存算一体在落地过程中是否能将迁移成本降到最低，是客户在选择产品时的关键因素。在大模型背景下，存算一体芯片凭借着低功耗但高能效比的特性，正成为芯片赛道，冉冉升起的一颗新星。现如今，存算一体市场风云未定，仍处于“小荷才露尖尖角”阶段。但我们不可否认的是，存算一体玩家已然构筑了三大高墙，非技术实力雄厚，人才储备扎实者，勿进。来源：金色财经

金色财经2023-08-12

索罗斯二季度清仓赛富时和奈飞等增持并重仓亚马逊和谷歌

京东等37只股票或ETF；增持亚马逊、谷歌A、Rivian等20只股票；减持SPDR标普地区银行ETF、高通等20只股票或ETF；重仓资产包括谷歌A和亚马逊。

金融界2023-08-12

景顺二季度增持微软、苹果等股票减持高通、美国银行等股票

F。增持微软、苹果、英伟达、亚马逊、谷歌A、奈飞、甲骨文等1524只股票。减持艾伯维、高通、UPS、美国银行等1959只股票。

金融界2023-08-12

日本政府将制定AI指导方针：仅供“参考” 不具法律约束力

从开发者到用户的法律责任。在美国，包括谷歌、OpenAI在内的七家顶级人工智能公司做出承诺，将负责任地开发人工智能技术，且白宫正在积极制定一项“管理人工智能使用”的行政命令。而日本政府仅仅打算提供指导方针，供企业在开发和使用人工智能时参考。为了鼓励采用这些指导方针，日本政府将建立一种认证，证明这些企业正在遵循规范行事。政策制定者还设想要求企业在竞标政府合同时遵守这些指导方针。总之，在对待人工智能的态度上，日本与欧美之间存在着较为明显的差别。据分析称，日本积极拥抱人工智能与少子老龄化问题有着紧密的关系，日本政府期待通过人工智能技术解决日本面对的劳动力不足、医疗保健挑战等问题。此前，日本政府重申，不会对人工智能训练中使用的数据实施版权保护，可见日本的立场很明确。该政策允许人工智能使用任何数据，“无论是出于非营利或商业目的，是否是复制以外的行为，也无论是从非法网站或其他方式获得的内容。” 接下来，日本经济产业省等部门将与约100名专家合作，制定具体的指导方针，供各部门和企业参考。据悉，指导方针草案分为两部分，第一部分包括所有企业通用的人工智能规则。这个章节包括指导操作人员意识到生成式人工智能程序的错误信息或偏见风险的基本原则。企业将开发遵守法律并考虑人权的服务，并敦促管理人员建立内部风险管理结构。草案的第二部分概述了针对五类企业的具体规则。五类企业分别是：为生成式人工智能开发基础模型的企业、使用数据训练人工智能的企业、系统开发商、服务提供商和使用人工智能服务的企业。负责人工智能开发和机器学习的运营商应保持一定程度的透明度，披露其人工智能项目所涉及的功能、目的和风险。另外，企业还应该披露用于训练生成式人工智能程序的数据类型。生成式人工智能模型的训练需要大量的数据和计算资源，训练这些模型的初始数据要避免包括有危害或有偏见的内容是至关重要的。了解初始数据的性质也将有助于人工智能服务提供商更好地决定是否采用某个程序。这些披露还将有助于调查与人工智能程序有关的任何问题。日本政府将探索使用外部审计，以确保企业保持透明度。

金融界2023-08-12

凯西?伍德的ARK基金又抛售了1900万美元的特斯拉股票

了8,153股Alphabet的股票。谷歌(GOOGL)和方舟太空探索与创新ETF (ARK Space Exploration & Innovation ETF)卖出2,286股。按照Alphabet C类股票周四收盘价130.21美元计算，这笔交易的价值为140万美元。

金融界2023-08-12

24小时热点