FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美股开盘：道指跌近70点科技股及中概股多走高阿里巴巴绩后跌超3%

为标普500指数表现最佳的股票。　　谷歌的新AI模型植入来了！广告业务、YouTube创作者都将迎来变革　　5月17日周三，有媒体报道称，谷歌正在将新的人工智能技术快速添加到其核心产品中，包括其收入的主要来源广告业务和对YouTube创作者进行支持。根据内部文件，谷歌已批准使用由大型语言模型推动的生成式AI来实现广告业务的自动化，并引入AI为用户服务。　　特斯拉股价有望再涨逾20％！韦德布什：做广告是一项重大利好　　投行Wedbush的分析师Dan Ives表示，做广告对$特斯拉（TSLA.US）$来说是一个重大利好，因为此举可以扩大该公司在更广泛市场上的知名度。该报告称，特斯拉产品组合的许多部分都被华尔街低估了，除了该公司不断扩大的汽车和能源产品组合，全自动驾驶是一个主要的潜在增值因素，广告可以帮助公众了解特斯拉的产品。韦德布什维持其对该股的增持评级，目标价为215美元，较当前水平高出逾20％。　　美国地区银行可能即将上演“断臂求生”，空头一路加码埋伏　　根据技术和数据分析公司S3 Partners编制的数据，区域银行指数ETF-SPDR KBW的空头头寸占已发行股票的比例从一周前的74％上升至92％。考虑到每次卖空产生的合成多头押注，以上比例意味着，该ETF近48％的头寸都在押注地区银行股价会下跌，高于上周三的42％。与此同时，规模为286亿美元的$SPDR金融行业ETF的空头比例占可交易流通股的百分比自3月份一系列银行倒闭以来增加了50％以上。　　日本高端芯片产业关键一步，美光或在日制造下一代DRAM 　　知情人士称，美国美光科技准备在日本广岛的工厂安装荷兰ASML公司的先进芯片制造设备EUV（极紫外光刻机），以制造下一代存储芯片（DRAM）。而其也将获得日本政府提供的约2000亿日元（15亿美元）的补贴。　　沃尔玛Q1业绩超预期，上调全财年利润指引　　沃尔玛第一季度营收1523.0亿美元，同比增长7.6％，预估1,487.2亿美元；调整后每股收益1.47美元，上年同期1.30美元，预估1.31美元。沃尔玛预计2023年全年调整后每股收益6.10美元至6.20美元，此前预计5.90美元至6.05美元，预估6.14美元。　　阿里第四财季经调整净利润同比增38％　　阿里巴巴第四财季（截至3月底止季度）营收2082亿元人民币，同比增长2％；经调整净利润273.75亿元，同比增长38％。　　此外，阿里巴巴董事会批准了云智能部门的分拆，云智能集团将成为独立上市公司；批准探索菜鸟智能物流集团的IPO进程，并执行盒马鲜生的IPO，目标在未来12至18个月内完成菜鸟智能物流的首次公开募股。预计盒马鲜生的首次公开发行计划将在未来6至12个月内完成。　　贝壳一季度营收203亿元，同比增加61.6％　　贝壳一季度营收203亿元，同比增加61.6％。2023年一季度NON-GAAP净利润35.6亿元，2022年同期为人民币2800万元；第一季度经调整经营利润为人民币38.3亿元，而2022年同期为经调整经营亏损4.5亿元。2023年第一季度总交易额由2022年同期的5860亿元增长65.8％至9715亿元。截至发稿，贝壳盘前涨5％。

金融界2023-05-18

AI将改变应用格局?看谷歌和微软两大巨头如何布局

在生成式AI竞赛浪潮开始之前，谷歌就已经是开发先进人工智能和机器学习模型领域的佼佼者了。然而，与OpenAI的ChatGPT和Microsoft的New Bing占据主导地位、分庭抗礼相比，谷歌在生成式人工智能方面的成就似乎略微逊色，甚至谷歌在对竞争对手的反击中，也没有像预期中的那样掀起重大的水花，给人留下不可磨灭的印象。为了缩小与竞争对手的差距和力图在AI竞赛中扳回一城，谷歌在上周开展的一年一度Google I/O开发者大会上拿出了众多AI新品，宣布其在人工智能领域最热门、最新的发展，同时汇集来自世界各地的专业人士来了解该公司最新的软件和硬件的开发与创新，用来证明自己并没有落后，甚至在应用层面的落地速度会更快。谷歌AI蓝图在本次Google I/O开发者大会中，谷歌算是使出浑身解数来展示自己的最新研究成果，无不体现出谷歌进军AIGC领域所拥有的超强塑造能力，以及它在拥抱人工智能领域方面所迈出的重要一步。 ◉ 最新的PaLM 2模型大会上谷歌发布了PaLM 2技术报告，OpenAI的GPT-4已经被全世界公认为最强大的语言模型，显然，PaLM 2的发布被寄予了厚望。谷歌高级研究总监斯拉夫·彼得罗夫介绍，PaLM 2在推理、编码和翻译上都表现更好，与2022年4月发布的第一代PaLM相比，PaLM 2有了明显的改进。据说，PaLM 2在超过100多种语言的多语言文本上进行了训练。根据基准测试，PaLM 2的部分结果超越了GPT-4，在逻辑和推理方面也更加强大。例如：PaLM 2能够理解不同国家的语言，中英日德法等多国语言信手拈来，甚至是一些生僻的俗语。PaLM 2还包含4个不同参数的模型，包括壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn），并在特定领域的数据上进行了微调，为企业客户执行某些任务提高了效率和质量。另外，PaLM 2有一个基于健康数据训练的版本Med-PaLM 2，可以轻松通过美国医学执照考试，达到「专家」水平。除了这些优势之外，PaLM 2已经应用在25种功能和产品中，包括办公全家桶、聊天机器人Bard、搜索等。显然，这次谷歌在大语言模型的进化上，取得了非常重大的进步。 ◉ 最新的Google Bard 在看到ChatGPT的快速迭代更新后，谷歌有了强烈的压力和紧迫感，也采取了对应的策略。在匆忙发布了自己的聊天机器人Google Bard后，虽然水花够大，但是收到的反馈却不尽人意，它还并没有准备好为客户提供真正有意义的价值。谷歌首席执行官桑达尔·皮查伊在接受采访时表示，谷歌很快将把 Bard 升级为更强大的PaLM模型，以提高其推理、编码和数学能力，并且支持API、第三方Plugin，以及图片输入，甚至对于回答还能给出第三方引用，不用花费大量的时间和资源来创建，直接可以部署。除了这些，新的Bard还可以和Google产品无缝衔接，这样近水楼台的优势不言而喻。 ◉ 最新的AI搜索引擎为了跟上Bing聊天的步伐，作为谷歌的立身之本——搜索业务，此次也迎来了重大的AI更新。谷歌正致力于将人工智能功能整合到自己的搜索引擎中。跟Bing类似，在用户搜索问题之后，搜索栏的下方会首先出现由AI提供的答案，以及与这个问题相关的图片、链接、视频等，并且可以进一步进行交互查询更多的信息，直到得到最需要的答案为止。不仅如此，它还可以利用用户的浏览习惯来生成个性化的推荐，包括以对话的方式提供购买链接和基本信息。当我们打算通过谷歌搜索并购买一款产品时，AI不仅能够返回需要的产品链接还能够为我们提供摘要，包括提醒所购买产品的特点、需要注意的事项、最新的评论等。《华盛顿邮报》认为，谷歌正在从根本上改变我们的搜索方式，可能会颠覆我们所熟悉的互联网。这标志着谷歌的重大转变，它现在将利用网络资源创建自己的内容，而不是像过去20年那样链接、引用和总结其他网站的内容。两大AI巨头竞争一览如果说Google I/O开发者大会的主旋律是对微软和OpenAI的反击，那么OpenAI对此迅速做出了反应，就在谷歌开发者大会的两天后，也就是5月13日，ChatGPT官方宣布将支持联网和70多种第三方插件。和Bard取消候补名单、全面开放使用权限一样，ChatGPT的联网和插件新功能也无需排队。当然了，是针对所有Plus用户而言。背靠微软的Open AI和谷歌之间的竞争可谓已经进入白热化阶段，我们在这里简单盘点一下两大巨头之间核心AI产品的几次“交锋”。 ◉ 聊天机器人：ChatGPT VS Bard ChatGPT从发布初代版本到现在已进行了多轮更新。目前，基于GPT-4的新版ChatGPT除了能像人类一样来聊天交流，还增加了对话记录的可访问性、加强了对话的连续性和一致性等，即支持联网和引入众多插件的它将会变得更加“所向披靡”。比如一个叫Portfolio Pilot的插件，支持投资者将自己的投资组合复制粘贴到该工具中进行分析，获得投资建议，搜索市场信息，并向它提问。 Bard作为谷歌推出的聊天机器人，也许在单纯的“人机交流”方面还不如ChatGPT，但是背靠谷歌这个强大的搜索引擎，它的最大优势是其拥有巨大的信息资源，它可以依托谷歌的搜索工具获取最新信息，并根据自己的梳理给出答案。升级后的Bard还会新增视觉图像搜索、图片生成能力、暗黑模式等功能。 ◉ 搜索引擎：New Bing VS Google New Bing与老版相比有着更好的搜索体验。New Bing给出的AI生成建议或者答案多数是带有信息来源的链接，它也会抓取来自整个Web的结果，汇总我们要查找的答案。尽管在3月份Bing的流量增长超过了谷歌，但根据最新的数据显示，Bing的搜索市场份额在上个月不增反降，这背后或许与用户习惯以及目前GPT的技术限制有关。而Google本来就是靠着“搜索引擎之王”这个名号“发家致富”的，在它的主战场自然是不会败下阵来。在PaLM 2的驱动下，Google搜索的AI革新让人期待。除了和Bing类似的功能，即在网页内将由AI提供更直接的答案之外，SGE（搜索生成体验）将会提供用户更加客制化的搜寻体验。例如购物时，它会提供一份选购指南，然后列出适合我们的商品。 ◉ 办公AI套件：Copilot VS Duet AI Copilot是微软在自家办公系列软件Office中研发的AI助手，它被嵌入常用的办公软件后，能够根据不同软件的功能与需要，处理不同类型的任务。例如，在Word中会根据用户输入或上传的文本提示撰写稿件，将GPT的语言能力与微软自研的Word排版技术相结合。对标微软的Copilot，谷歌给出的方案是推出Duet AI。如果说Copilot是将GPT融入微软办公全家桶，那么Duet AI则是更倾向于为用户提供更加智能和便捷的搜索、建议和协作。 Duet AI还可嵌入到谷歌云接口中，为IT人提供开发者工具、代码辅助、聊天帮助等。在开发者大会上，谷歌官方还预告了一个名为“Sidekick”的功能，它可以帮助用户阅读、总结和回答不同谷歌应用程序中的文档问题。从聊天机器人到搜索引擎再到其他应用，微软与谷歌之战的硝烟已经弥漫开来。“谁更胜一筹”这个问题我们不做论断，因为竞争还在继续，技术还在革新，新兴竞争对手也在加入，我们期待所有参与者都能不断释放潜能，为我们带来更多令人惊喜的AI成果。而在核心产品对标中，我们注意到AI加持下的浏览器以及引入插件系统的聊天机器人，说不上“无所不能”，但离“上天入地”似乎也不远了，当然这不是现在，而是对未来的一种预期。这种样态让我们看到了完全区别于当前应用生态的的另一种可能性。浏览器会成为App Store吗？ “我们正处于一个激动人心的转折点，”谷歌首席执行官桑达尔·皮查伊说，“我们正在重新构想包括搜索在内的所有核心产品。” 毫无疑问，微软与OpenAI的合作是为了超越以搜索引擎起家的谷歌，其用AI改造Edge浏览器的决定势必加剧与谷歌旗下Chrome浏览器的竞争。过去，谷歌因为对人工智能畏首畏尾而饱受市场的诟病，现在谷歌宣布计划包括Chrome在内的产品中注入更多AI技术，以提升工作与生活效率，并强调将对AI大胆而负责，似乎是对过往慎重行动的回应。除了在搜索引擎的应用，两家公司更是在为其核心AI产品不断加码升级，而支持自由选择添加插件就是其中重要的一环。Chrome无需多言，将AI引入插件系统将会极大程度增浏览器的生产力，而OpenAI宣布将为所有ChatGPT Plus用户开放联网与70多款插件。我们需要思考，在市场已有五花八门的AI应用的情况下，他们选择将AI集合到插件系统的原因是什么？有这样一种观点，浏览器的插件系统将会是应用市场的替代品。不久前，苹果在英国的反垄断案件再次遭到法院驳回。CMA（英国竞争和市场管理局）认为苹果虽然允许开发者在App Store上提供浏览器，但却只允许使用其自有引擎的浏览器，导致浏览器应用性能受到限制，且高额的“苹果税”——30%抽成规则本身也让中小开发者望而却步。这样的壁垒不止在App Store存在，安卓应用商店同样存在诸多限制与弊端。用户们同样期待在未来可以免去下载的烦恼，直接通过网页进入应用。这便是微软与谷歌你追我赶，以AI之名，抢占浏览器市场的背后深意。桑达尔在发布会指出，谷歌旗下15款产品的日活均超过5亿，其中Chrome等五款产品的日活甚至突破了20亿。可想而知，每个浏览器都享有着庞大的流量红利。浏览器的插件系统好比微信小程序，使用便捷，开发成本较低。诚然，不是每个用户都会在浏览器上安装插件，但微信小程序早已攻占了微信用户的衣食住行。随着AI插件数量与功能的拓展，AI正往着成为普通用户的日常工具这个方向转变。再宽泛一点，ChatGPT等聊天机器人引入插件也符合这一基础逻辑，过去我们是人寻找应用、使用应用的路径，但是现在，已经变成由AI使用应用。或者从软件开发的角度而言，谁最先抛开过去APP设计开发的思维包袱，找到“为AI打下手的方式”，而不是要“与AI争夺Best Practice”，谁或许就能抢占先机。过去，我们已然熟悉苹果的封闭生态系统，即只能从APP Store上下载应用，但AI正改变着这个时代，开放、平等与透明才是我们所需要的新网络生态圈。插件应运而起，为移动互联网时代下逐渐式微的浏览器应用点亮一盏明灯。当然，开放与封闭都是相对的概念，重要的是AI正在塑造着全新的应用生态。以浏览器为入口的应用生态是否会助AI从科技圈的神坛走下，共同融入普通大众的生活与工作中？我们尚未可知，但谷歌与微软将AI引入浏览器的插件市场，或能构建出属于自己的生态圈，亦能焕发新的市场活力。腾笼换鸟，除旧布新，改变应用生态格局也许还只是第一步。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-05-18

链游的AI革命（三）电子游戏科技发展的隐藏发动机

尔和 AMD，成为了仅次于苹果、微软、谷歌的神奇科技大牛股。当前为 AI 大模型提供算力的主流 GPU 就是英伟达生产的两个型号：A 100 和 H 100 。一些分析师甚至把 AI 公司所拥有的 A 100 和 H 100 数量作为企业重要指标之一，就是「含英量」，含英量高就像是吃了伟哥，很快就能发达... 这是我诠释的「英伟达」定义，哈哈哈，乱哈拉的啦。最近连马斯克也宣布了 Twitter 已经采购了大约 1 万张英伟达 GPU。就在所有人都在羡慕英伟达的好运时，我们不能忽略的一个事实就是，早在 2016 年，英伟达创始人黄仁勋就向 OpenAI 捐赠了一台 AI 超算机 DGX-1 ，以展示英伟达的 GPU 在 AI 算力上的独特优势，这台特制机器的算力已经可以把 OpenAI 一年的训练时间压缩到了一个月。因此可以看出英伟达也早就在布局 AI 赛道了， 6800 亿美元市值的公司不会是天上掉馅饼得来的，幕后的战略决策和商业谈判应该很精彩，不是简单的上帝金手指就能诠释的。那么英伟达到底是怎么来的？为啥它可以从横跨电子游戏，工业视频，加密挖矿和 AI 算力几个行业？我们继续八卦下去：其实和互联网一样，集成芯片这个东西一开始也是因为军用需求而诞生的，在 1950 年代，美国国防部希望给导弹等武器加个控制单元，能更精准打到目标，于是就找了几个大学实验室悬赏做研究，其中麻省理工的大牛科学家肖克利（肖克利被称为晶体管之父，获得过诺贝尔物理学奖）带着一群青年才俊就搞出了芯片这个概念。肖克利早就功成名就了，搞出了点成绩后最大的爱好就是天天出去 AMA，享受着鲜花和掌声，对外说「项目方在做事」，其实一直花的是投资人美国国防部的钱。但是他手下的青年才俊们是真的想做事实现暴富梦啊，他们一直要求要加大研发，降低成本，规模化生产，这样才能突破到大大的民用领域挖啊挖啊挖，赚大大的钱，但是肖克利就是压着不让干。后来肖克利实验室就出来了八个青年人裸辞，新成立了一个公司叫仙童（Fairchild），号称「仙童八叛将」，其中最有名的就是定义了摩尔定律的摩尔。八个人的盟约也特别梦幻，拿了一张美元签署了大家的名字，意思再明显不过了：老肖你不要再给我们画大饼了！老子们要的是绿油油的钞票！其实在科技发展史上，这种团伙作战经常能带来颠覆性的革命，从早期的仙童八叛将带动了芯片革命，到 2000 年初的 Paypal 黑帮（成员创立了特斯拉，领英，Youtube 等公司）发起了互联网革命，再到上一篇我们提到的 2015 年 OpenAI 的创立团伙。说回仙童，这个公司是有划时代意义的：第一，在科技上它定义半导体行业，整个研发思路转向了以以硅为材料，可以批量生产集成电路；第二，它定义了「风险投资+孵化公司」的商业模式。仙童八叛将是先找了华尔街的风险投资业之父亚瑟·洛克（Arthur Rock）做 FA，介绍了金主爸爸谢尔曼·费尔柴尔德 (Sherman Fairchild)，仙童公司的名字就来自于金主爸爸的名字。这样跪舔是有效果的，这位谢尔曼·费尔柴尔德大有来头，是 IBM 最大的个人股东，仙童成立后的第一笔订单就是来自 IBM 公司。从此这类风险投资的商业模式大行其道，一直流行到今天，即投资人不是光给钱，而要介入到公司管理和运营当中，利用自己的资源帮助创业者成功，简而言之，需要更深度的绑定（这也是 W Labs 正在做的事儿啊，哈哈哈）。第三，推动了硅谷的出现。仙童慢慢成了半导体行业的黄埔军校，仙童八叛将和金主费尔柴尔德合作几年后，后面条件没谈好，也纷纷出来单干了，还带动了其他一批同事出来。大家都新成立了公司，在仙童办公室周围分散办公，这个区域就成了现在的硅谷，这些新公司中就有英特尔和 AMD。从仙童出走的年轻人共创立了 100 多家半导体公司，仙童真的成为了神仙孵化器。说回到英伟达，仙童出来的人创立了 AMD，而英伟达的老大黄仁勋就是 AMD 的工程师，后来出来创业做了英伟达。这些公司和人都有千丝万缕的联系，据说黄仁勋和 AMD 现在的话事人苏姿丰还有拐弯抹角的亲戚关系。英伟达创立的思路就是：你们 Intel 和 AMD 去 PK CPU 吧，我专门做 GPU。反正电脑游戏越做越精良，传统 CPU 的计算能力越来越吃力，我就专门把图形处理这一块分离出来做一个新的芯片，定义成 GPU，装在显卡上，这在当时还是蓝海。早期游戏行业贡献了英伟达 100% 的收入，黄仁勋赚到钱后疯狂加大研发力度，把 GPU 拓展到工业等领域，这几年又搞了 AI，始终保持了公司的产品竞争力，这点打法和华为很像：研发先行，市场紧跟。图形处理这个细分行业现在越来越吃香，除了 AI，连战场上的无人机都用了 GPU 做图形识别处理。所以拿英伟达为案例，游戏作为最吃资源的软件，反向倒逼了硬件性能的进步，同时游戏是最好的链接 B 端和 C 端的产业，用户们是愿意为了玩游戏时的爽点去买单的。至此，再次成功点题，游戏就是这半个世纪以来科技进步的幕后推手啊。未完待续。本系列由 W Labs「AI 链游研究小组」集体创作，感谢小组成员瓜哥、嘉然、包包、Brian、小飞、华哥的努力付出！本篇主笔为瓜哥。欢迎转载，原创不易，泪求注明”瓜田实验室 W Labs”出品瓜田实验室 Website：http://www.wlabsdao.com/瓜田实验室 Discord：https://discord.gg/wggdao瓜田实验室推特：https://twitter.com/GuaTianGuaTian瓜田实验室深度研究长文 Mirror：https://mirror.xyz/iamwgg.eth瓜田实验室 Medium：https://guatianwgg.medium.com/ 来源：金色财经

金色财经2023-05-18

麻省理工科技评论：背靠大科技的开源 AI 能繁荣多久？是否该继续得到支持？

由无界 AI工具生成近日一份据称是由谷歌高级工程师 Luke Sernau 撰写的泄密备忘录，大声说出了硅谷许多人几周来的心声：一场开源的自由竞争正在威胁着科技巨头对人工智能的控制。新的开源大型语言模型 -- 谷歌的 Bard 或 OpenAI 的 ChatGPT 的替代品，允许研究人员和应用开发人员研究、建立和修改。这些模型是大公司创造的同类 AI 模型的更小、更便宜的版本，性能上（几乎）与它们相当，且是免费共享的。像谷歌这样的公司 -- 它在上周的年度产品展示会上透露，它正在将生成式人工智能应用于它所拥有的一切，从 Gmail 到照片到地图 -- 都忙着自己的产品，没有看到真正的竞争到来，Sernau 写道：“当我们在一直争吵的时候，第三方一直在悄悄吃掉我们的午餐。” 在许多方面，这是件好事。更多接触这些模型的机会有助于推动创新，也可以帮助抓住缺陷。如果只有几家巨头公司为这项技术把关或决定它的使用方式，人工智能就不会茁壮成长。但这种开源的繁荣是不稳定的。大多数开源版本仍然站在拥有雄厚财力的大公司所推出的巨型模型的肩膀上。如果 OpenAI 和 Meta 决定关闭商店，繁荣的小镇可能会变成落后之地。例如，这些模型中有许多是建立在 LLaMA 之上的，LLaMA 是 Meta AI 发布的一个开源大型语言模型。其他模型则使用了一个名为 Pile 的大规模公共数据集，该数据集由开源非营利组织 EleutherAI 组建。EleutherAI 之所以存在，只是因为 OpenAI 的开放性意味着一群编码员能够逆向设计 GPT-3 的制作方法，然后在空闲时间创建他们自己的。 “Meta AI 在培训和向研究界发布模型方面做得非常好，”Stella Biderman 说，她是 EleutherAI 的执行董事和研究主管，也在咨询公司 Booz Allen Hamilton 工作。Sernau 在其谷歌备忘录中强调了 Meta AI 的关键作用。（谷歌向《麻省理工科技评论》证实，该备忘录是由其一名员工撰写的，但指出它不是一份官方战略文件）。这一切都可能改变。由于担心竞争，OpenAI 已经在扭转其之前的开放政策。而 Meta 可能开始想遏制后起之秀用其开源代码做不良的事情。“说实话，我觉得现在这样做（向外界开放代码）是对的，”Meta AI 的总经理 Joelle Pineau 说，“但这也是我们未来五年要采取的策略吗？我不知道，因为人工智能的发展非常之快。” 如果关闭权限的趋势继续下去，那么不仅开源社区会被孤立，下一代人工智能的突破也将完全回到世界上最大、最富有的人工智能实验室手中。如何制造和使用人工智能的未来正处在一个十字路口。开源模型“富矿” 开源软件已经存在了几十年。它是互联网运行的基础。但建立强大模型的成本意味着开源人工智能直到大约一年前才开始腾飞。现在的它已迅速成为一种财富。看看过去几周的情况就知道了。3 月 25 日，倡导免费开放人工智能的初创公司 Hugging Face 发布了 ChatGPT 的第一个开源替代品。 Hugging Face 的聊天机器人 HuggingChat 建立在开源的大型语言模型之上，该模型是在大约 13000 名志愿者的帮助下训练的，并在一个月前发布。而 Open Assistant 本身是建立在 Meta 的 LLaMA 之上的。然后是 StableLM，由 Stability AI 于 3 月 19 日发布，该公司是热门文本到图像模型 Stable Diffusion 的背后公司。3 月 28 日，Stability AI 发布了 StableVicuna，这是 StableLM 的一个版本，与 Open Assistant 或 HuggingChat 一样，为对话而优化。（可以把 StableLM 看作是 Stability 对 GPT-4 的回应，StableVicuna 则是对 ChatGPT 的回应）。这些新的开源模型加入了过去几个月发布的一系列其他模型，包括 Alpaca（来自斯坦福大学的一个团队）、Dolly（来自软件公司 Databricks）和 Cerebras-GPT（来自 AI 公司 Cerebras）。这些模型中的大多数都是建立在 LLaMA 或 EleutherAI 的数据集和模型上；Cerebras-GPT 遵循 DeepMind 设定的模板。而未来，相信会有更多的模型出现。对于一些人来说，开源是一个原则问题。“这是一个全球社区的努力，将对话式人工智能的力量带给每个人……让它脱离少数大公司的掌控，”人工智能研究员和 YouTuber Yannic Kilcher 在介绍开放助理的视频中表示。 “我们永远不会放弃为开源人工智能而战，”Hugging Face 的联合创始人 Julien Chaumond 上个月在推特上如是说。对其他人而言，这也是个利益问题。Stability AI 希望在聊天机器人方面重复它在图像方面的方法：为使用其产品的开发者的创新爆发提供动力，然后从中获益。该公司计划从这些创新中汲取精华，并将其带回为广泛的客户定制的产品中。“我们激发创新，然后进行挑选，”Stability AI 的首席执行官 Emad Mostaque 说。“这是世界上最好的商业模式。” 不管怎样，大量免费和开放的大型语言模型将这项技术推向了世界各地数百万人的手中，激励了许多人创造新的工具并探索它们的工作原理。Biderman 说：“使用这项技术的途径比以往任何时候都要多。” “坦率地说，人们使用这项技术的方式之多令人难以置信，令人兴奋，”Fried Frank 律师事务所的律师 Amir Ghavi 表示。他代表了包括 Stability AI 在内的多家生成式人工智能公司。“我认为这证明了人类的创造力，而这正是开源的全部意义所在。” 融化 GPU 但是，从头开始训练大型语言模型 -- 而不是建立或修改它们 -- 是困难的。Mostaque 说：“这仍然超出了绝大多数公司的能力范围。”“我们在构建 StableLM 时熔掉了一堆 GPU。” Stability AI 的第一个版本，即文本到图像模型 Stable Diffusion，与谷歌的 Imagen 和 OpenAI 的 DALL-E 等封闭式同类产品一样好，甚至更好。它不仅可以免费使用，而且还可以在一台好的家用电脑上运行。Stable Diffusion 比其他任何模式都更能激发去年围绕图像制作人工智能的开源开发的爆发。不过，这一次，Mostaque 希望管理好预期：StableLM 与 GPT-4 相差甚远。“还有很多工作要做，”他说。“它不像 Stable Diffusion 那样，可以立即获得超级好用的东西。语言模型更难训练。” 另一个问题是，模型越大就越难训练。这不仅仅是由于计算能力的成本问题。训练过程中，更大的模型也更经常出现故障，需要重新启动，这使得这些模型的建立更加昂贵。 Biderman 说，在实践中，大多数团体能够负担得起的训练参数数量是有上限的。这是因为大型模型必须在多个不同的 GPU 上进行训练，而将所有这些硬件连在一起是很复杂的。她说：“在这种规模下成功地训练模型是高性能计算研究的一个非常新的领域。” 确切的数字随着技术的进步而变化，但现在 Biderman 认为这个上限大致在 60 亿到 100 亿个参数之间。（相比之下，GPT-3 有 1750 亿个参数；LLaMA 有 650 亿个。) 这不是一个确切的关联，但一般来说，更大的模型往往表现得更好。 Biderman 预计，围绕开源大型语言模型的大量活动将继续下去。但它将集中于扩展或调整一些现有的预训练模型，而不是推动基本技术的发展。她说：“只有少数几个组织对这些模型进行了预训练，我预计在不久的将来会保持这种状态。” 这就是为什么许多开源模型是建立在 LLaMA 之上的原因，LLaMA 是由 Meta AI 从头开始训练的，并由 EleutherAI 发布的，EleutherAI 是一个非营利组织，它对开源技术的贡献是独一无二的。Biderman 说，她知道只有一个类似的组织，而且是在中国。 EleutherAI 的起步得益于 OpenAI。倒退到 2020 年，这家位于旧金山的公司刚刚推出一个热门的新模型。“对于很多人来说，GPT-3 改变了他们对大规模人工智能的看法，”Biderman 说。“就人们对这些模型的期望而言，它常常被认为是一种智力范式的转变。” 由于对这项新技术的潜力感到兴奋，Biderman 和其他一些研究人员想玩玩这个模型，以更好地了解它的工作原理。他们决定对其进行复制。那时 OpenAI 还没有发布 GPT-3，但它确实分享了足够多的关于它是如何构建的信息，让 Biderman 和她的同事们弄清楚它是怎么构建的。在 OpenAI 之外，从来没有人训练过这样的模型，但当时正值疫情，团队没有什么其他事情可做。Biderman 说：“当我参与其中时，我正在做我的工作并与我的妻子玩桌游。”“因此，每周拿出 10 或 20 个小时来做这件事是比较容易的。” 该团队的第一步是把一个巨大的新数据集放在一起，其中包含数十亿的文本段落，与 OpenAI 用来训练 GPT-3 的数据相媲美。EleutherAI 将其数据集称为 Pile，并在 2020 年底免费发布。然后，EleutherAI 使用这个数据集来训练其第一个开源模型。EleutherAI 训练的最大模型花了三个半月，由一家云计算公司赞助。“如果我们自掏腰包，将花费我们大约 40 万美元，”她说。”这对一个大学研究小组来说要求太高了。” 援助之手由于成本高昂，在现有模型的基础上进行构建要容易得多。Meta AI 的 LLaMA 已经迅速成为许多新的开源项目的首选起点。自从 Yann LeCun 在十年前成立以来，Meta AI 一直倾向于开源开发。这种心态是文化的一部分，Pineau 说：“这在很大程度上是一种自由市场，‘快速行动，建造东西’的方法。” Pineau 清楚地知道其好处。她说：“这确实让有能力为开发这项技术做出贡献的人多样化。这意味着研究人员，企业家或民间组织等也可以看到这些模型。” 像更广泛的开源社区一样，Pineau 和她的同事们认为，透明度应该是一种规范。她说：“我敦促我的研究人员做的一件事是，在开始一个项目时，就考虑到你想要开源。因为当你这样做时，它在数据使用和如何建立模型方面设定了更高的标准。” 大型语言模型会散播错误信息、偏见和仇恨言论。它们可以用来大规模生产宣传或为恶意软件工厂提供动力。“你必须在透明度和安全性之间做出权衡，”Pineau 说。对于 Meta AI 来说，这种权衡可能意味着一些模型根本不会被发布。例如，如果 Pineau 的团队在 Facebook 用户数据上训练了一个模型，那么它将留在内部，因为私人信息泄露的风险太大。或者，该团队可能会以点击许可的方式发布该模型，规定它只能用于研究目的。这就是它为 LLaMA 采取的方法。但在其发布后的几天内，有人在互联网论坛 4 chan 上发布了完整的模型和运行说明。“我仍然认为对于这个特定的模型来说，这是正确的权衡，”Pineau 说。“但我对人们会这样做感到失望，因为这使得做这些发布更难。” “我们一直得到来自公司领导层一直到马克 [扎克伯格] 对这种做法的大力支持，但这并不容易，”她说。 Meta AI 的风险很高。她说：“当你是一个非常小的创业公司时，做一些疯狂的事情的潜在责任要比你是一个非常大的公司时低得多。”“现在我们向成千上万的人发布这些模型，但如果它变得更有问题，或者我们觉得安全风险更大，我们将关闭这个圈子，我们将只向已知的学术伙伴发布，他们有非常强大的证书 -- 根据保密协议或 NDA，防止他们用这个模型建立任何东西，甚至为了研究目的。” 如果发生这种情况，那么开源生态系统的许多宠儿可能会发现，他们在 Meta AI 接下来推出的任何产品上构建的许可都将被取消。如果没有 LLaMA，Alpaca、Open Assistant 或 Hugging Chat 等开源模型就不会那么好。下一代的开源创新者也不会像现在的这批人那样得到发展。平衡其他团队也在权衡开源自由竞争的风险和回报。在 Meta AI 发布 LLaMA 的同时，Hugging Face 推出了一个门禁机制，人们在下载该公司平台上的许多模型之前，必须申请访问并得到批准……这个想法是为了只允许那些有正当理由的人接触这个模型——由 Hugging Face 决定。 “我不是一个开源的布道者，”Hugging Face 首席伦理科学家 Margaret Mitchell 说。“我确实明白为什么封闭很有意义。” Mitchell 指出，未授权的色情制品是使强大的模型被广泛使用的一个弊端例子。她说，这是图像制作 AI 的主要用途之一。 Mitchell 曾在谷歌工作，并共同创建了其道德人工智能团队，她理解其中的紧张关系。她赞成她所说的“负责任的民主化”-- 一种类似于 Meta AI 的方法，即根据模型造成伤害或被滥用的潜在风险，以有控制的方式发布。她说：“我真的很欣赏开源的理想，但我认为建立某种问责机制是有用的。” 此外，OpenAI 也在关闭水龙头。上个月，当它宣布 GPT-4-- 该公司为 ChatGPT 提供动力的大型语言模型的新版本时，技术报告中有一个引人注目的句子：“鉴于像 GPT-4 这样的大规模模型的竞争格局和安全影响，本报告没有包含关于架构（包括模型大小）、硬件、训练计算、数据集构建、训练方法或类似的进一步细节。” 这些新限制的部分原因是，OpenAI 现在是一家以盈利为目的的公司，与谷歌等公司竞争。但它们也反映了一种心态的变化。联合创始人兼首席科学家 Ilya Sutskever 在接受 The Verge 采访时表示，该公司过去的开放性是一个错误。 OpenAI 的政策研究员 Sandhini Agarwal 说：“以前，如果某样东西是开源的，也许只有一小群程序员会关心。现在，整个环境已经改变。开源真的可以加速发展，并导致竞争。” 但它并不总是这样。如果 OpenAI 在三年前公布 GPT-3 的细节时有这种感觉，就不会有 EleutherAI。今天，EleutherAI 在开源生态系统中发挥着举足轻重的作用。此后，它建立了几个大型语言模型，Pile 被用来训练许多开源项目，包括 Stability AI 的 StableLM（Mostaque 是 EleutherAI 的董事会成员）。如果 OpenAI 分享的信息较少，这一切都不可能发生。像 Meta AI 一样，EleutherAI 实现了大量的开源创新。但随着 GPT-4 甚至 5、6 的封锁，开源社区可能会再次被留在几家大公司的后面进行修补。他们可能会发布狂野的新版本 -- 甚至可能威胁到谷歌的一些产品。但是，他们将被困在上一代的模式中。真正的进步，接下来的飞跃，将在闭门造车中发生。这重要吗？人们如何看待大型科技公司关闭权限的影响，以及这将对开源产生的影响，在很大程度上取决于你对人工智能应该如何制造以及应该由谁制造的看法。 “人工智能很可能成为未来几十年社会组织方式的驱动力，”Ghavi 说。“我认为，建立一个更广泛的监督和透明体系，比把权力集中在少数人手中要好。” Biderman 对此表示赞同：“我绝对不认为每个人都做开源有某种道德上的必要性，”“但说到底，让人们开发和研究这项技术是非常重要的，而不是为其商业成功进行经济投资。” 然而，她很清楚其中的利害关系。她说：“实际上，我对 OpenAI 的批评比很多人认为的要少得多，”她说。“公开发布这项技术有真正的风险，真正的潜在危险。” OpenAI 声称它只是在谨慎行事。OpenAI 信任与安全团队负责人 Dave Willner 表示：“我们并不是认为透明度不好。”“更重要的是，我们正在努力弄清楚如何协调透明度和安全性。随着这些技术变得越来越强大，在实践中，这些东西之间存在一定程度的紧张关系。” “人工智能的很多规范和思维都是由学术研究团体形成的，它们重视合作和透明度，这样人们就可以在彼此的工作基础上发展，”Willner 说。“也许随着这项技术的发展，这种情况需要有所改变。” 来源：金色财经

金色财经2023-05-18

行业数据+场景：AI风口下，率先利好的是这样的公司

增加，受限于训练成本，未来只有像微软和谷歌这类既有技术又有应用场景、还具备超级财力的互联网高科技公司才有可能在通用大模型训练进行持续的投入。当前国内研发LLM的团队至少30家，如百度、MiniMax和智谱AI等，均为资金，人才，资源、经验密集的大公司及知名创业者领衔。属于大多数创业者的机会并不在通用大模型领域。相比LLM，行业模型的创业并不需要自己训练通用大模型，可以直接基于最先进的开源模型或API进行二次训练，模型训练成本大幅降低。不需要一开始就对标GPT3.5做千亿级参数的大模型，减少模型参数量反而使得训练的算力成本下降、复杂度降低，在小样本学习下进行多次有效的训练，从而迅速获得know-how和产品反馈。减少模型参数之后，训练一次的成本甚至能够从几百万美元减小到几十万美元。那么就得以在特定领域对模型进行多次训练，此时与通用大模型就形成了差异化优势。并且相对低的成本会带来客户可承受的定价，尤其是在结合客户数据的二次训练阶段和使用阶段的成本要低很多。秘塔科技COO王益为提出创业公司难以兼顾的三个难点，即“不可能三角”：投入的成本、模型的多样性和模型的可信度。除非有无穷无尽的资金、资源可以投入，大多数模型只能做到其中一点或者兼顾两点，即使 OpenAI 也达不到三者兼顾的程度。周明博士提出，澜舟科技目前并没有做千亿级的大模型，除了成本考量，一个重要原因就是客户目前没有那么强的需求，必须做一个千亿级大模型。在很多场景，客户需要低成本且适用的模型。必优科技周泽安认为，通用大模型的基础底座很重要，给各行各业整体带来了在泛化生成能力上的提升，但在如何利用通用模型打造出满足业务场景的下游模型更为关键，虽然大模型目前已经显现出在特定场景的具象处理能力，但其在实际应用的可控生成能力（可控输入/输出、可信可塑内容）却要弱于场景模型。针对在特定场景和特定用途的数据集上训练更精细的模型，所以必优科技依托于自研 RFKL智能算法范式迅速尝试了90多个场景模型（伯乐、商贾、图芴三大系列），并基于精准的高价值用户反馈数据，可实现模型自我优化。睿企科技于伟博士提出，睿企科技的产品即是从模型的专业性和实战价值出发，不盲目追求模型参数规模，而是专注与针对行业中需要的专业能力，训练能满足要求的性价比最高的模型，解决逻辑应用过程中遇到的算力不足的问题。 • 行业模型的壁垒在于场景和数据 • GPT为代表的通用大模型涌现出惊人的理解和生成能力以及强大的知识储备。但是通用大模型可以全方位碾压行业模型吗？周明博士指出，“通用大模型是万能的，这只是一个幻觉。” 在处理海量数据、重复性流程和追求个性化的C端场景，通用大模型会更有优势；而在非常专业的To B场景，例如金融、法律和医疗等一些对输出内容的精准度以及质量要求比较高的行业，需要在通用模型的基础上加入私密且专业的高价值数据集进行模型训练和工作流程优化，才能满足专业场景的需求。如果能够掌握充足且独特的数据量，不单纯依赖第三方API，选择垂直化方式（自训练模型应用于面向用户的应用），垂直整合场景中复杂度足够深的任务，快速迭代，寻找真实的闭环场景和用户反馈，从而建立竞争壁垒。此外，由于通用模型和行业模型的用户群体差异较大，因此反馈数据有较大差异，使得由垂直行业模型生成的内容更能符合特定垂直场景的需求，生成质量和深度也会更高。用于RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）的高质量用户反馈也起到非常关键的作用，有助于不断推动模型产出的内容质量进一步提升。这也说明了行业模型，数据为先，场景为王。睿企科技于伟博士以公检法行业为例，提到执法办案工作人员的工作量大、涉及的各种文书种类很多、流程繁琐、对合规要求相当高，而文书材料也是执法办案过程中的关键部分，不能有一点瑕疵。公检法行业有极大的刚性需求、每年也有大量的预算投入，并且拥有很多高质量数据。睿企科技结合公检法部门的业务需求，基于通用大模型，把专属数据和业务知识放在定制化的多模态垂直大模型里面，帮助公检法部门训练专属AI大脑，推出一系列基于大模型的简单易用的AI产品，包括执法办案智能合规审核机器人、智能接处警机器人等，解决工作痛点提升效率。秘塔科技COO王益为表示，法律咨询场景的核心问题在于不能直接使用通用模型，因为LLM的目前存在Hallucination（机器幻觉，指事实性错误），阻碍了B端的法律场景深度应用。通过一个字去预测下一句，这种技术方式在法律咨询的领域里行不通。所以对于创业公司来说，首先资源是非常有限的，那么一定要选择具有特色的一些场景，比如行业付费意愿强，并且对于可信度要求极高的领域。必优科技基于Transformer架构，引入了自研WCCG（Wernicke Control Content Generate）模型，并在中间加了一层融合，通过可控的方式去生成模型，并且拥有独创的 RFKL 智能算法范式。通用模型本身有很强的知识性，但是精确度方面，通用模型只能解决的是 6 、7成的问题。必优科技则通过场景倒推模型的机制，基于精准的高价值用户反馈数据，通过数据飞轮强化对场景模型的内容生成方向进行引导，实现模型自我优化，在特定场景中需要专门优化模型来提升生成质量，重塑以数据为驱动的内容创作新模式。必优科技在用模型尝试了近百种行业场景后，依据反馈聚焦在了人力招聘、办公office场景。 “自训练特定的场景模型不仅是单纯的在技术层面实现，还要配合对数据的理解，实打实的去扎根到了解这个行业的本质，或者内容到底输出是给谁用？这样才能反向定义数据去训练。” 澜舟科技创始人周明博士认为两年后没有人再会谈论大模型，因为它已经成为基础设施了，行业竞争格局将会稳定，通用大模型领域不再会出现新的创业机会。那就意味着将会就有很多公司倒闭或者转型，这些团队的从业人员在市场上面将会形成很强的技术外溢效应，或者将在非大模型行业内渗透。同时意味着即使是通用大模型做的很好的企业也不能仅仅依赖模型业务，也应该更多去发展各自的生态或者在这基础上做一些新的运营。 • 行业模型可以与通用模型LLM并存 • 目前行业内共识是中国一定要有自己的大模型，大厂一定会专注在全力迅速地建立通用大模型能力。这给创业公司留出了生存空间。在C端，由于大厂的流量、规模效应和千亿大模型的通用性，创业公司的机会将被大量挤兑，需要在夹缝中寻找机会，做大厂没有形成共识的方向；在B端，大型客户大概率不会使用大厂的产品，而倾向于选择可定制的私有化部署解决方案。行业模型创业公司需要具备特定领域的独有关键数据，在具体场景上又快又好的解决问题，兼具私有化部署能力，就可以与通用模型LLM并存，在行业中找到生态位。秘塔科技COO王益为提出只要选取自己真正懂的场景，即使巨头都已经布局，秘塔科技仍然在细分领域里面有机会和提升的空间。而在法律行业，对于生成文本的多样性要求并不是特别高，但是对于法律服务的严谨度和可信度要求特别高。秘塔科技在选择技术路线和产品路线上有一些思考，秘塔科技的模型本身就是为了文生文的任务去做的单一任务训练，相应去精心准备数据库，在专项文本上进行强化和训练，形成正式文件的文风，这就是秘塔科技竞争的优势。在直接向C端提供文本AIGC服务的产品中，秘塔科技拥有最多的用户（近千万）；在法律行业中，秘塔科技的现有用户覆盖数千家律师事务所和公司法务部。睿企科技于伟博士指出，尽管行业模型创业不需要从头训练通用大模型，但是挑战同样存在。行业模型创业需要业务、数据、模型的有机融合，因为用户只会采购能满足他们需求的性价比最高的服务和产品。如何找到一个巨大的市场并把产品和服务做到极致，成为行业头羊，是每个垂直行业模型创业公司必须面对的挑战。 • 行业模型很有可能是中国产业数智化的最后一公里 • 这一波AI被称为第四次工业革命，将彻底改变每一个行业。阿里董事会主席张勇提出“所有行业都值得用大模型重做一遍”。即便中国在通用模型技术上是跟随者，但并不代表着中国市场会参照美国市场而发展。美国的AI赛道创业环境，以OpenAI为例，活跃开放的资本市场、充足的算力资源和人才更适合“大力出奇迹”路线；中国的创业环境更加看重技术应用的深度，中国创业者擅长在产业应用里创新。陆奇博士在奇绩创坛的演讲中表示，中国的重要优势在于政府在AI领域的投入、支持和重视程度高于其他国家。睿企科技于伟博士提到，十三五期间中国政府在公检法领域投入数万亿，催生了一大批人工智能企业的高速发展和上市，加速了人工智能技术的发展。十四五期间，中国政府在大模型上的持续投入也会缩小和美国的差距，并在很多领域超过美国。美国从上世纪90年代就开始了数字化浪潮，相比于美国而言，中国企业尚处于数字化转型初期，中国有大量亟待数字化转型升级的传统产业，有太多需要依赖人工智能实现效率提高的业务场景。在中国30年的产业数智化浪潮之中，一直延续着的信息化-数字化-智能化的演进路线，随着通用模型及行业模型加入到产业数智化浪潮之中，很有可能在部分关键场景率先利用AI模型达到智能化，从而倒逼产业其他工作流及场景快速形成数据沉淀，这将大大加快中国整个产业数智化的进程。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-05-18

特斯拉大涨超4%，谷歌再涨超1%连创去年8月新高，全球科技巨头汇聚的纳指100ETF（159660）涨超1%强势3连阳！

受益于全球AI大潮席卷，美股AI巨头谷歌涨超1%再创2022年8月来新高。谷歌近期召开了2023年I/O开发者大会，公布了最新大语言模型PaLM 2。PaLM 2是驱动AI机器人Bard的升级版模型，它能生成各种文本以回应用户，并分为四个不同大小的模型版本，分别是Gecko、Otter、Bison和Unicorn。国信证券指出，美国个别CPI、就业数据高于市场的判断并不会直接导致6月加息。但是，如果出现诸如CPI连续高于市场判断的情况，那么6月加息的概率将显著提高。美股可以在确认突破压力位以后再行看多！国际投行高盛表示，AI会在未来10年内推动全球经济增长约7万亿美元，并估计AIGC软件的市场总规模将达到1500亿美元。所有科技股中，微软、谷歌、亚马逊和Meta最可能从中受益，这些科技巨头均为纳斯达克100指数的前十大权重股。据高盛计算，美股大型科技股过去的总净利润率平均为20.2%，而标普500指数所有成分公司的利润率为10.9%，两者相差9.3个百分点。高利润率意味着更强劲的现金流，有助于公司进一步投资实现长期增长，同时也向股东返还现金。纳指100ETF（159660）跟踪纳斯达克100指数，在人工智能的时代浪潮之下，目前全世界AI领域布局和积淀最领先、最深厚的科技巨头仍然集中在纳斯达克，比如微软、谷歌、英伟达、Meta等等，这些AI巨头无一例外都是纳斯达克100指数的前十大权重股。纳指100ETF（159660）管理费0.5%/年，托管费0.15%/年，明显低于市场主流的费率结构，费率优势明显，省到就是赚到。（风险提示：以上指数成份股仅作展示，不代表任何形式的个股推荐！）【始于纳斯达克，更胜于纳斯达克！】根据公开资料，纳斯达克指数包含100家在纳斯达克上市的非金融公司，纳斯达克市场自诞生以来成功孵化出了一大批科技巨头，被广泛认为是培育创新型、科技型、成长型公司最成功的投资市场之一。作为纳斯达克市场的旗舰指数，纳斯达克100指数长期涨幅明显跑赢纳斯达克指数。自1991年起，纳斯达克100指数30多年来年化收益13.80%，明显高于纳斯达克的11.36%。（数据来源：Wind，截至2023.5.17）数据来源：Wind，统计区间1991.1.1-2023.5.17 风险提示：基金有风险，投资需谨慎。本资料仅为宣传材料，不作为任何法律文件。基金的过往业绩不预示未来表现，基金管理人管理的其他基金业绩并不构成基金业绩表现的保证。基金管理人依照恪尽职守、诚实信用、谨慎勤勉的原则管理和运用基金财产，但不保证投资于本基金一定盈利，也不保证最低收益。投资人应当仔细阅读《基金合同》、《招募说明书》及《产品资料概要》等法律文件以详细了解产品信息。纳指100ETF属于中等风险等级（R3）产品，适合经客户风险等级测评后结果为平衡型（C3）及以上的投资者。标的指数并不能完全代表整个股票市场。标的指数成份股的平均回报率与整个股票市场的平均回报率可能存在偏离。请投资者关注指数化投资的风险以及集中投资于纳斯达克100指数成分股的持有风险，请关注部分指数成分股权重较大、集中度较高的风险，请关注指数化投资的风险、ETF运作风险、投资特定品种的特有风险、参与转融通证券出借业务的风险等。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-05-18

港股开盘：恒生指数涨0.73％，恒生科技指数涨1.08％

。苹果涨0.36％，微软涨0.95％，谷歌涨1.11％，亚马逊涨1.85％，英伟达涨3.3％，Meta涨1.53％。中概股涨跌不一，KWEB跌0.14％。台积电涨5.82％，阿里涨2.16％，拼多多涨0.67％，京东跌1.53％，百度跌1.63％，理想跌3.7％，蔚来涨1.52％，小鹏涨0.74％。新东方跌4％，富途涨 0.44％，名创优品涨4.35％。腾讯ADR涨1.75％。　　全球资产表现上，人民币失守7元关口。国际油价盘中涨超3％。

金融界2023-05-18

美国第一例！蒙大拿州全面禁止TikTok 明年起限制访问免受中国共享数据威胁

免受中国共享个人数据威胁。禁令生效后，谷歌和苹果应用商店面临最大的合规问题。《彭博社》报道称，由于政府对中国政府获取美国用户个人数据的广泛担忧，蒙大拿州的新法律将对社交媒体平台使用施加迄今为止最广泛，且是最严格的限制。然而，它似乎肯定会引起法律挑战。 (来源:Bloomberg) 一旦该法律于2024年1月1日生效，TikTok将因其平台在蒙大拿州的设备上每天运行而被罚款10000美元，在该州提供下载的移动应用商店也将被罚款。用户则无需为访问该应用程序承担任何责任，法律的当前文本没有解释从已安装它的设备上删除它的执行过程。法律将使TikTok的某些用途不受限制，包括用于执法或安全研究目的。如果TikTok被一家“未在任何其他被指定为外国对手的国家注册成立”的公司收购，该禁令将失效。格雷格在推文中写道：“蒙大拿州禁止TikTok以保护州内民众的个人和隐私数据，免受中国的侵害。” TikTok称该禁令是非法的，并强调其“侵犯蒙大拿州人民的第一修正案权利”。 TikTok发言人在声明中说：“我们想向蒙大拿人保证，他们可以继续使用TikTok来表达自己、谋生和寻找社区，因为我们将继续努力捍卫蒙大拿内外用户的权利。” 该发言人还质疑，新禁令将如何实施。在该法案的早期草案中，Verizon Communications Inc.和AT&T Inc.等互联网服务提供商被禁止允许TikTok在蒙大拿州运营。该禁令不仅适用于新用户或在手机上滚动的人，也适用于任何试图在桌面上访问TikTok的人。但该条款从最终版本中删除，这使得该州对广泛的TikTok禁令首次测试难以执行。尽管如此，康奈尔大学技术政策研究所所长莎拉·克雷普斯(Sarah Kreps)表示，对该应用程序的任何限制都可能给用户带来摩擦，从而降低体验的乐趣。她解释：“我认为没有针对TikTok禁令的100%合规解决方案，如果我们考虑人们喜欢TikTok的什么，那就是它有趣且易于使用。因此，如果你对此设置障碍，TikTok的整个用例就会失去吸引力。” 虽然蒙大拿州是第一个禁止公众访问短视频应用程序的州，但2022年底针对政府设备和网络的针对性禁令在全国范围内层出不穷。它们在12月达到顶峰，同月抖音母公司字节跳动(ByteDance)的4名员工在访问美国记者的账户信息后，失去了工作。美国政府和38个州已经发布此类禁令，总统拜登政府正在与该公司进行谈判，以解决国家安全问题。欧盟、英国、加拿大和其他一些国家最近也实施了类似的禁令。美国联邦立法者也对平台上的国家安全和数据安全表示担忧，但尚未提供中国不当访问的证据。由蒙大拿州总检察长奥斯汀·克努森(Austin Knudsen)起草的法案文本指出，中国政府可以命令TikTok披露包括实时位置在内的用户数据。该公司还没有充分保护未成年人免受平台内容的影响，并指出它提倡危险的活动。成员包括TikTok、Meta公司和亚马逊的科技贸易集团NetChoice在一份声明中呼吁，这项法案实际上已违宪。 “该法律开创一个危险的先例，即政府可以在没有明确证据证明存在不法行为的情况下禁止任何它不喜欢的企业。宪法明确禁止立法者通过惩罚特定个人或企业的法律，并禁止美国人获得受宪法保护的言论，”NetChoice副总裁兼总法律顾问Carl Szabo写道。 NetChoice最近成立一个诉讼中心，并将法律体系称为“创新和技术未来的战场”，但拒绝就其是否计划挑战该法律发表评论。

颜辞2023-05-18

捂好你的钱袋子！加价120%购买金银 700多名投资者被骗3000多万美元

户评论”中，没有任何迹象表明这一点。在谷歌，Red Rock Secured在136个潜在客户中获得了4.8星(满分5星)的平均评分。在Trustpilot网站上，167名潜在客户给它的平均评分为4.8星(满分5星)。Trustpilot表示，该公司的评级“非常好”。在商业改善局的96条评论中，其平均评分为4.75星(满分5星)。在《消费金融》杂志上，它的平均评分为4.9星(满分5星)。 MarketWatch联系到的美国商业改善局表示，该局已在其网站上增加了一条有关SEC对Red Rock展开调查的警告。但是，它补充说，“BBB评级并不能保证企业的可靠性或业绩。BBB建议消费者除了考虑有关该企业的所有其他可用信息外，还要考虑该企业的BBB评级。” 该组织通过评级系统提供有关企业的信息，并处理消费者投诉。该组织表示，其标准政策是通过联系被评论的公司来检查所有评论是否来自合法客户。BBB没有法律或警务权力。商业评论平台Trustpilot还告诉MarketWatch，它已经在Red Rock Secured安全评论页面上添加了一条警告。该公司在一份声明中表示:“Trustpilot是一个开放、独立的评论平台，这意味着任何与一家企业有过合作经历的人都可以在该企业的Trustpilot主页上留下评论——无论是正面的还是负面的。我们目前正在调查Red Rock Secured，以确保他们按照我们的商业准则使用我们的平台，如果我们发现任何证据表明他们不这样做，我们将采取必要的措施来阻止它。”

夏洛特2023-05-18

华尔街知名大鳄Steve Cohen：由于人工智能，对市场“非常看好”

计上涨约30％。近日，在英伟达、微软、谷歌母公司Alphabet等AI概念科技股的提振下，纳指100不断创下数个月新高。　　不过华尔街分析师们大多没有Cohen这样乐观，他们在研报中泼冷水，认为美股熊市还没完，现在是“暴风雨前的宁静”，美股未来几个月可能出现风险情绪逆转，市场将重新下探去年低点。

金融界2023-05-18

24小时热点