FX168财经网_全球视野外汇黄金加密货币NFT资讯网

异动快报：出版传媒（601999）12月6日10点0分触及涨停板

传媒概念上涨0.14%。 12月5日的资金流向数据方面，主力资金净流入74.46万元，占总成交额0.67%，游资资金净流入1251.72万元，占总成交额11.22%，散户资金净流出1326.17万元，占总成交额11.89%。近5日资金流向一览见下表：出版传媒主要指标及行业内排名如下：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2023-12-06

Footprint Analytics x Future3 Campus联合发布AI与Web3研究报告

上数据还可以展现整个生态系统的全貌，如资金流向、各方关系等。这些宏观的洞察有助于更深入地理解状况。而新闻和社交媒体信息通常更零散且短期。链上数据是开放的。任何人都可以验证分析结果，避免信息的不对称。而新闻和社交媒体未必都如实披露。文本信息和链上数据可以相互验证。综合两者可以形成更立体和准确的判断。链上数据分析仍是不可或缺的。LLM 从文本中获取信息具有辅助作用，但不能取代直接分析链上数据。充分利用两者优势才能取得最佳效果。 4.3 利用 LangChain、LlamaIndex 或其他 AI 工具，在 LLM 的基础上构建区块链数据解决方案非常容易？ LangChain 和 LlamaIndex 等工具为构建自定义的简单 LLM 应用提供了便利，使快速搭建成为可能。然而，将这些工具成功应用于实际生产环境中涉及到更多的挑战。构建一个高效运行、保持高质量的 LLM 应用是一项复杂的任务，需要深入理解区块链技术和 AI 工具的工作原理，并有效地将它们整合在一起。这对于区块链数据行业来说，是一项重要但具有挑战性的工作。在这个过程中，必须认识到区块链数据的特性，它要求极高的精准性和可重复校验性。一旦数据通过 LLM 进行处理和分析，用户对其准确性和可信度有很高的期望。这与 LLM 的模糊容错性之间存在着潜在的矛盾。因此，在构建区块链数据解决方案时，必须仔细权衡这两方面的需求，以满足用户的期望。当前市场上，虽然已经有了一些基础工具，但这个领域仍在快速演进和不断迭代。类比于 Web2 世界的发展历程，从最初的 PHP 编程语言到更成熟、可扩展的方案如 Java、Ruby、Python，以及 JavaScript 和 Node.js 等，再到 Go 和 Rust 等新兴技术，都经历了不断的演变。AI 工具也在不断变化，新兴的 GPT 框架如 AutoGPT，Microsft AutoGen，及最近OpenAI 自己推出的 ChatGPT 4.0 Turbo 的 GPTs 和 Agents 等只是展示了未来可能性的一部分。这表明，区块链数据行业和 AI 技术都还有许多发展空间，需要不断努力和创新。当前在应用 LLM 时，有两个陷阱需要特别注意：期望值过高：很多人认为 LLM 可以解决一切问题，但实际上 LLM 有明显的局限性。它需要大量的计算资源，训练成本高昂，而且训练过程可能不稳定。对 LLM 的能力要有现实的期望，明白它在某些场景下表现出色，如自然语言处理和文本生成，但在其他领域可能无法胜任。忽视业务需求：另一个陷阱是强行应用 LLM 技术，而不充分考虑业务需求。在应用 LLM 之前，务必明确具体的业务需求。需要评估 LLM 是否是最佳技术选择，并做好风险评估和控制。强调 LLM 的有效应用需要根据实际情况慎重考虑，避免误用。尽管 LLM 在许多领域都具备巨大潜力，但开发者和研究者在应用 LLM 时需要保持谨慎，采取开放的探索态度，以找到更适合的应用场景并最大程度地发挥其优势。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于Future3 Campus Future3 Campus是由万向区块链实验室和HashKey Capital共同发起的Web3.0创新孵化平台，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经

金色财经2023-12-06

【ETF动向】12月5日博时央企创新驱动ETF基金跌2.19%，份额增加2.33亿份

78亿份。当日资金净流入2.09亿元（资金流向是当日计算的资产净值和上一交易日计算的资产净值相减得出的），最新资产净值计算值为45.89亿元。博时央企创新驱动ETF基金跟踪标的为中证央企创新驱动指数，成立（2019-09-20）以来超额回报为7.47%，近一个月超额回报为0.02%，管理人为博时基金公司，基金经理为赵云阳杨振建。

证券之星2023-12-06

Footprint Analytics x Future3 Campus联合发布AI与Web3研报（下篇）

用户量的作为反馈数据。 Crypto 资金流向数据。Footprint 把跟投资紧密相关的资金流向数据进行了抽象，它包含了每笔交易的时间、主体（含流向）、代币类型、金额（关联时点代币价格）、业务类型，以及代币、主体的标签，可作为 LLM 的知识库以及数据源，用于做代币的主力资金分析、定位筹码分布、监测资金流向、识别链上异动、追踪聪明资金等。私有数据的注入。Footprint 把模型分为 3 大层，一个是具备 World knowledge 的底座大模型（OpenAI 以及其他开源模式）、细分领域垂直模型、个性化专家知识模型。让用户能把自己不同源的知识库统一在 Footprint 上去进行管理，并且利用私有数据去训练私有 LLM，适用于更个性化的应用场景。在 Footprint 结合 LLM 模型探索中，也遇到了一系列的挑战和问题，其中最典型的就是token 不足、耗时的 prompt 提示以及回答不稳定等问题。而 Footprint 所处的链上数据这一垂直领域，面临的更大挑战是链上数据实体类型多、数量庞大，变化快，以何种形式投喂给 LLM，需要整个行业更多研究和探索。目前的工具链也还相对初期，还需要更多的工具去解决一些具体问题。未来 Footprint 在技术和产品上与 AI 的结合包括以下内容：（1）技术方面，Footprint 将结合 LLM 模型在三个方面进行探索和优化支持 LLM 在结构化数据上进行推理，让已沉淀的大量加密领域的结构化数据以及知识，能够被应用在 LLM 的数据消费以及生产上。帮助用户建立个性化知识库（包括知识、数据以及经验），以及使用私有数据去提升已经优化过的 crypto LLM 的能力，让每个人都能建自己的模型。让 AI 辅助分析以及内容生产，用户可以通过对话的方式，结合资金流数据以及私有知识库，去创建自己的 GPT，去生产以及分享 crypto 投资内容。（2）在产品方面，Footprint 将重点探索 AI 产品应用以及商业模式上的创新。根据 Footprint 近期对产品的推广计划，将推出为用户提供 AI crypto 内容生成与分享平台。此外，对于未来合作伙伴的拓展，Footprint 将在以下两个方面进行探索：第一，强化与跟 KOL 合作，助力有价值内容的生产以及社区的运营、知识的变现。第二，拓展更多合作项目方以及数据提供方，打造一个开放、共赢的用户激励和数据合作，建立一个互利共赢的一站式数据服务平台。 1.3 GoPlus SecurityGoplus GoPlus Security是目前 Web3 行业领先的用户安全基础设施，提供各类面向用户的安全安全服务。目前已经被市面上主流的数字钱包、行情网站、Dex 以及其他各种 Web3 应用所集成。用户可以直接使用资产安全检测、转账授权和防钓鱼等各种安全保护功能。GoPlus所提供的用户安全解决方案可以全方位覆盖整个用户安全的生命周期，以保护用户资产免受各种类型的攻击者的威胁。 GoPlus 与 AI 的发展与规划如下： GoPlus 在 AI 技术方面主要探索体现在其 AI 自动化检测和 AI 安全助手两款产品中：（1）AI 自动化检测 GoPlus 从 2022 年开始自研基于AI技术的自动化检测引擎，来全面提升安全检测的效率以及准确率。GoPlus的安全引擎采用多层次、漏斗式的分析方法，采用了静态代码检测、动态检测以及特征或行为检测等多个环节。这一复合式检测流程使得引擎能够有效地识别并分析潜在风险样本的特征，从而对攻击类型和行为有效建模。这些模型是引擎识别和预防安全威胁的关键，它们帮助引擎判断风险样本是否具有某些特定的攻击特征。此外，GoPlus安全引擎经过长时间的迭代和优化，积累了非常丰厚的安全数据以及经验，其架构能够快速有效应对新出现的安全威胁，确保能够及时发现并阻止各种复杂和新型的攻击，全方位保护用户安全。目前该引擎在风险合约检测、钓鱼网站检测、恶意地址检测以及风险交易检测等多个安全场景均使用了AI相关的算法和技术。采用AI技术能更快速地缩短减小风险敞口，提高检测效率，降低检测成本；另一方面减少了人工参与的复杂性和时间成本，提高对风险样本判断的准确率，尤其是对于那些原本人工难以界定或引擎难以识别的新场景，通过AI可以更好地归集特征并形成更有效的分析方法。 2023 年，随着大模型的发展，GoPlus 迅速适应并采用了 LLM。与传统 AI算法相比，LLM 在数据识别、处理和分析方面的效率和效果有了显著提升。LLM 的出现帮助 GoPlus 加快了在 AI 自动化检测方面的技术探索，在动态模糊测试的方向上，GoPlus采用了LLM技术能够有效的生成交易序列，探索更深的状态来发现合约风险。（2）AI 安全助手 GoPlus 同时正利用基于 LLM 的自然语言处理能力，开发 AI 安全助手，以提供即时的安全咨询和改善用户体验。AI 助手基于 GPT 大模型，通过前端业务数据的输入，开发了一套自研的用户安全Agent，能够根据问题自动化的去分析、生成解决方案、拆解任务、执行，为用户提供需要的安全服务。AI 助手能简化用户与安全问题之间的交流，降低用户理解的门槛。在产品功能上，由于 AI 在安全领域的重要性，未来 AI 有潜力彻底改变现有的安全引擎或病毒杀毒引擎的结构，出现以 AI 为核心的全新引擎架构。GoPlus 将持续对 AI 模型进行训练和优化，以期将AI从辅助工具转变为其安全检测引擎的核心功能。在商业模式上，虽然目前 GoPlus 的服务主要面向开发者和项目方，但公司正在探索更多直接面向 C 端用户的产品和服务，以及与AI相关的新收入模式。提供高效、准确、低成本的 C 端服务将是 GoPlus 未来的核心竞争力。这需要公司持续研究，在与用户交互的 AI 大模型上进行更多的训练和输出。同时，GoPlus公司也将与其他团队合作，共享其安全数据，并通过合作推动安全领域内的 AI 应用，为未来可能带来的行业变革做好准备。 1.4 Trusta Labs Trusta Labs成立于2022年，是一家由人工智能驱动的Web3领域数据创业公司。Trusta Labs专注于利用先进的人工智能技术对区块链数据进行高效处理和精准分析，以构建区块链的链上声誉和安全基础设施。目前，Trusta Labs 的业务主要包括两款产品：TrustScan 和 TrustGo。（1）TrustScan，TrustScan是一款专为B端客户设计的产品，主要用于帮助Web3项目在用户获取、用户活跃和用户留存方面进行链上用户行为分析和精细化分层，以识别高价值且真实的用户。（2）TrustGo，一款面向 C 端客户的产品，其提供的 MEDIA 分析工具，可以从五个维度（资金金额、活跃度、多样性、身份权益、忠诚度）对链上地址进行分析和评估，该产品强调对链上数据的深入分析，以提升交易决策的质量和安全性。 Trusta Labs 与 AI 的发展与规划如下：目前 Trusta Labs 的两款产品均是利用AI模型对链上地址的交互数据进行处理和分析。区块链上地址交互的行为数据，均属于序列数据，这类型的数据非常适合用于 AI 模型的训练。在对链上数据进行清洗、整理和标记的过程中，Trusta Labs 将大量的工作交给 AI 来完成，极大地提高了数据处理的质量和效率，同时也减少了大量的人力成本。Trusta Labs 利用 AI 技术对链上地址交互数据进行深入分析和挖掘，对于 B 端客户而言，可以有效地识别出较大可能性的女巫地址。在已使用 Tursta Labs 产品的多个项目中，Tursta Labs 均较好地防范了潜在女巫攻击的发生；而对于 C 端客户，通过 TrustGo 产品，利用现有的 AI 模型，有效帮助用户深入了解了自己的链上行为数据。 Trusta Labs一直在紧密关注LLM模型的技术进展和应用实践。随着模型训练和推理成本不断降低，以及Web3领域大量语料和用户行为数据的积累，Trusta Labs将寻找合适的时机，引入LLM技术，利用 AI 的生产力为产品和用户提供更深入的数据挖掘和分析功能。在目前 Trusta Labs 已经提供丰富的数据的基础上，希望可以利用 AI 的智能分析模型，为数据结果提供更多合理、客观的数据解读功能，如针对 B 端用户提供定性和定量解读已抓取到女巫账户的分析，让用户更理解数据背后的原因分析，同时可以为 B 端用户向其客户投诉解释时提供更翔实的材料佐证。另一方面，Trusta Labs 也计划利用已开源或者较为成熟的 LLM 模型，并结合以意图为中心的设计理念来构建 AI Agent，从而来帮助用户更快捷、更效率地解决链上交互的问题。就具体应用场景而言，未来通过 Trusta Labs 提供的基于 LLM 训练的 AI Agent 智能助理，用户可以直接通过自然语言与智能助理进行交流，智能助理即可“聪明”地反馈链上数据相关的信息，并针对已提供的信息进行后续操作的建议和规划，真正实现以用户意图为中心的一站式智能操作，极大降低用户使用数据的门槛，简化链上操作的执行。此外，Trusta 认为，未来随着越来越多基于 AI 的数据产品的出现，每个产品的核心竞争要素可能不在于使用何种 LLM 模型，竞争的关键因素是对已掌握数据更深层次的理解和解读。基于对已掌握数据的解析，再结合 LLM 模型，才能训练出更“聪明”的 AI 模型。 1.5 0xScope 0xScope，成立于 2022 年，是一个以数据为核心的创新平台，其专注于区块链技术和人工智能的结合。0xScope 旨在改变人们处理、使用和看待数据的方式。0xScope 目前针对 B 端和 C 端客户分别推出了：0xScope SaaS products 和 0xScopescan。（1）0xScope SaaS products，一个面向企业的 SaaS 解决方案，赋能企业客户进行投后管理、做出更好的投资决策、了解用户行为，并密切监控竞争动态。（2）0xScopescan，一个 B2C 产品，其允许加密货币交易者调查选定区块链的资金流动和活动情况。 0xScope 的业务重点是利用链上数据抽象出通用数据模型，简化链上数据分析工作，将链上数据转化为可被理解的链上操作数据，从而帮助用户对链上数据进行深入分析。利用 0xScope 提供的数据工具平台，不仅可以提升链上数据质量，挖掘数据暗藏的信息，从而揭示更多的信息给用户，该平台也极大降低了数据挖掘的门槛。 0xScope 与 AI 的发展与规划如下： 0xScope 的产品正在结合大模型进行升级，这包含两个方向：第一，通过自然语言交互的模式进一步地降低用户的使用门槛；第二，利用 AI 模型提高在数据清洗、解析、建模和分析等环节的处理效率。同时，0xScope 的产品中即将上线具有 Chat 功能的 AI 互动模块，该功能将极大地降低用户进行数据查询和分析的门槛，仅通过自然语言即可与底层的数据进行交互和查询。但在训练和使用AI的过程中，0xScope 发现其中仍面临这以下挑战：第一，AI 训练成本和时间成本较高。在提出一个问题后，AI 需要花费较长时间才能进行回复。因此，这个困难会迫使团队需要精简和聚焦业务流程，专注于垂直领域的问答，而不是让其成为一个全方位的超级AI助理。第二，LLM 模型的输出是不可控的。数据类的产品希望给出的结果是精准的，但目前LLM模型给出的结果很可能与实际的情况有一定出入，这对数据类产品的体验是非常致命的。此外，大模型的输出有可能会涉及到用户的隐私数据。因此，在产品中使用 LLM 模式时，团队需要对其有较大程度的限制，以使得 AI 模型输出的结果可控且精准。未来，0xScope 计划利用 AI 专注于特定的垂直赛道并进行深耕。目前基于已大量积累大量链上数据，0xScope 可以对链上用户的身份进行定义，后续将继续利用 AI 工具抽象链上用户行为，进而打造出一套独特的数据建模的体系，通过这套数据挖掘和分析体系揭示出链上数据暗含的信息。在合作方面，0xScope 将聚焦在两类群体：第一类，产品可以直接服务的对象，比如开发者、项目方、VC、交易所等，该群体需要目前产品所提供的数据；第二类，对 AI Chat 有需求的合作伙伴，如 Debank、Chainbase 等，他们只需要有相关的知识和数据，便可以直接调用 AI Chat。 VC insight——AI+Web3 数据公司的商业化和未来发展之路本节内容通过采访了 4 位资深的 VC 投资人，将从投资和市场的视角来看 AI+Web3 数据行业的现状和发展，Web3 数据公司的核心竞争力以及未来的商业化道路。 2.1 AI+Web3 数据行业的现状和发展目前，AI 与 Web3 数据的结合正处于一个积极探索的阶段，从各个头部 Web3 数据公司的发展方向来看，AI 技术以及 LLM 的结合都是必不可少的趋势。但同时 LLM 有其自身技术局限性，尚不能解决当前数据行业的很多问题。因此，我们需要认识到并非盲目地与 AI 结合就能够增强项目的优势，或者是使用 AI 概念进行炒作，而是需要探索真正具有实用性和前景的应用领域。从 VC 的视角，目前 AI 与 Web3数据的结合已经有以下方面的探索：（1）通过 AI 技术来提高Web3 数据产品的能力，包括 AI 技术帮助企业提高内部数据处理分析的效率，以及相应提高对用户的数据产品的自动化分析、检索等能力。例如 SevenX Ventures 的Yuxing 提到 Web3 数据使用 AI 技术最主要的帮助是效率方面，比如 Dune 使用 LLM 模型做代码异常检测和将自然语言转化生成 SQL 去信息索引；还有用 AI 做安全预警的项目，AI 算法做异常检测效果比从纯数学统计更好，所以可以更有效地去做安全方面的监测；此外，经纬创投的子熹提到企业可以通过训练 AI 模型进行数据的预标注，能节约很多人力成本。尽管如此，VC 们都认为，在提高 Web3 数据产品的能力和效率方面，AI 起到的是辅助作用，例如数据的预标注，最终可能仍需要人工审核来确保准确性。（2）利用 LLM 在适应性和交互上的优势，打造 AI Agent/Bot。例如使用大语言模型来检索整个 Web3 的数据，包括链上数据和链下新闻数据，进行信息聚合和舆情分析。Hashkey Capital 的 Harper 认为这类的 AI Agent更加偏向于信息的整合、生成，以及和用户之间的交互，在信息准确性和效率上会相对弱一些。上述两方面的应用尽管已经有不少案例，但是技术和产品仍然在探索的早期，因此未来也需要不断地进行技术优化和产品改进。（3）利用 AI 进行定价及交易策略分析：目前市场中有项目利用 AI 技术给 NFT 进行价格估算，如启明创投投资的 NFTGo，以及有些专业交易团队使用 AI 进行数据分析和交易执行。此外 Ocean Protocol 近期也发布了一个价格预测的AI产品。这类的产品似乎很有想象力，但在产品中、用户接受程度方面，尤其是准确性方面仍需要进行验证。另一方面，有不少 VC，尤其是在 Web2 有投资的 VC会更关注提到 Web3 和区块链技术能够为 AI 技术带来的优势和应用场景。区块链具有公开可验证、去中心化的特点，以及密码学技术提供隐私保护能力，加上 Web3 对生产关系重塑，可能能够给 AI 带来一些新的机会：（1）AI 数据确权与验证。AI 的出现使数据内容生成变得泛滥和廉价。启明创投的唐弈提到对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权需要一个全新的体系，区块链可能可以提供帮助。经纬创投的子熹提到有数据交易所将数据放在NFT中进行交易，可以解决数据确权的问题。另外，SevenX Ventures 的 Yuxing 提到Web3 数据能够改善 AI 造假和黑盒问题，当前 AI 在模型算法本身和数据方面都存在黑盒问题，会导致输出结果的偏差。而Web3的数据具有透明性，数据是公开可验证的，AI模型的训练源和结果都会更加明晰，使得AI更加公正，减少偏见和错误。但当前 Web3 的数据量还不够多，不足以给 AI 本身的训练赋能，因此短期不会实现。但是我们可以利用这一特性，将 Web2 数据上链，来防止 AI 的深度伪造。（2）AI 数据标注众包及 UGC 社区：目前传统 AI 标注面临效率和质量较低的问题，尤其是在涉及到专业知识领域，可能还需要交叉学科知识，传统的通用数据标注公司是不可能覆盖的，往往需要专业团队内部来做。而通过区块链和 Web3 的概念引入数据标注的众包，则能很好地改善这个问题，例如经纬创投投资的Questlab，他们使用区块链技术提供数据标注的众包服务。此外，在一些开源模型社区中，也可以使用区块链概念来解决模型创作者经济的问题。（3）数据隐私部署：区块链技术结合密码学相关技术可以保证数据的隐私和去中心化。经纬创投的子熹提到他们投资的一个合成数据公司，通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。公司在处理数据的时候涉及到很多隐私部署的问题，使用了 Oasis区块链，可以有效避免了隐私和监管问题。 2.2 AI+Web3 数据公司如何打造核心竞争力对于 Web3 技术公司来说，AI 的引入能够一定程度上增加项目的吸引力或关注度，但是目前大部分 Web3 技术公司相关结合 AI 的产品并不足以成为公司的核心竞争力，更多是在提供了更友好的体验，以及效率的提升。譬如 AI Agent 的门槛并不高，先做的公司可能在市场有先发优势，但并不产生壁垒。而真正在 Web3 数据行业中产生核心竞争力和壁垒的应该是团队的数据能力以及如何应用 AI 技术解决具体分析场景的问题。首先，团队的数据能力包括了数据源及团队进行数据分析和模型调整的能力，这是进行后续工作的基础。在采访中，SevenX Ventures、经纬创投和 Hashkey Capital 都一致提到了 AI+Web3 数据公司的核心竞争力取决于数据源的质量。在这个基础上，还需要工程师能够基于数据源熟练地进行模型微调、数据处理和解析。另一方面，团队 AI 技术具体结合的场景也非常重要，场景应该是有价值的。Harper 认为，尽管目前 Web3 数据公司与 AI 的结合基本都是从 AI Agent 开始，但他们的定位也不同，例如 Hashkey Capital 投资的 Space and Time，和 chainML 合作推出了创建 AI agent 的基础设施，其中创建的 DeFi agent 被用于 Space and Time。 2.3 Web3 数据公司未来的商业化道路另一个对于 Web3 数据公司很重要的话题是商业化。长期以来，数据分析公司的盈利模式都比较单一，大都 ToC 免费，主要 ToB 盈利，这很依赖于 B 端客户的付费意愿。在 Web3 领域，本身企业的付费意愿就不高，加上行业初创公司为主，项目方难以支撑长期的付费。因此目前 Web3 数据公司在商业化的处境上比较艰难。在这个问题上，VC 们普遍认为当前 AI 技术的结合，仅应用在内部解决生产流程的问题，并没有改变本质上的变现难问题。一些新的产品形式如 AI Bot 等门槛不够高，可能一定程度上在 toC 领域增强用户的付费意愿，但仍然不是很强。AI 可能短期内不是解决数据产品商业化问题的解决方案，商业化需要更多的产品化努力，例如寻找更加合适的场景，和创新的商业模式。在未来 Web3 与 AI 结合的路径上，利用 Web3 的经济模型结合 AI 数据可能会产生一些新的商业模式，主要在 ToC 领域。经纬创投的子熹提到 AI 产品可以结合一些 token 的玩法，提高整个社群的粘性、日活和情感，这是可行的，也更容易变现。启明创投的唐弈提到，从意识形态的角度，Web3 的价值体系可以结合到AI上的，很适合作为 bot 的账号体系或者说价值转化体系。例如一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。但这个概念属于未来的畅想，实际应用可能还有很长的路要走。而在原来的商业模式，即用户直接付费上，需要有足够强的产品力，让用户有更强的付费意愿。例如更高质量的数据源、数据带来的效益超过支付的成本等，这不仅仅在于 AI 技术的应用，也在数据团队本身的能力之上。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于Future3 Campus Future3 Campus是由万向区块链实验室和HashKey Capital共同发起的Web3.0创新孵化平台，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经

金色财经2023-12-05

12月5日新华保险创60日新低，方正富邦中证保险A基金重仓该股

、蚂蚁集团概念股概念热股。12月5日的资金流向数据方面，主力资金净流出3753.7万元，占总成交额14.87%，游资资金净流出512.37万元，占总成交额2.03%，散户资金净流入4266.07万元，占总成交额16.9%。融资融券方面近5日融资净流出1131.48万，融资余额减少；融券净流出2.62万，融券余额减少。重仓新华保险的前十大公募基金请见下表：该股最近90天内共有14家机构给出评级，买入评级10家，增持评级4家；过去90天内机构目标均价为50.76。根据2023基金Q3季报公募基金重仓股数据，重仓该股的公募基金共39家，其中持有数量最多的公募基金为方正富邦中证保险A。方正富邦中证保险A目前规模为35.45亿元，最新净值0.717（12月4日），较上一交易日下跌1.24%，近一年下跌1.51%。该公募基金现任基金经理为吴昊。吴昊在任的基金产品包括:方正富邦深证100ETF，管理时间为2018年11月2日至今，期间收益率为46.26%；方正富邦红利精选混合A，管理时间为2019年5月24日至今，期间收益率为52.25%；方正富邦天睿混合A，管理时间为2019年9月17日至今，期间收益率为45.42%。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2023-12-05

12月5日继峰股份创60日新低，鹏华汇智优选混合A基金重仓该股

、蔚来汽车概念股概念热股。12月5日的资金流向数据方面，主力资金净流出113.83万元，占总成交额1.39%，游资资金净流入1242.76万元，占总成交额15.18%，散户资金净流出1128.92万元，占总成交额13.79%。融资融券方面近5日融资净流出159.21万，融资余额减少；融券净流出8.23万，融券余额减少。重仓继峰股份的前十大公募基金请见下表：该股最近90天内共有14家机构给出评级，买入评级13家，增持评级1家；过去90天内机构目标均价为16.86。根据2023基金Q3季报公募基金重仓股数据，重仓该股的公募基金共63家，其中持有数量最多的公募基金为鹏华汇智优选混合A。鹏华汇智优选混合A目前规模为44.98亿元，最新净值0.6263（12月4日），较上一交易日下跌0.6%，近一年下跌15.99%。该公募基金现任基金经理为梁浩朱睿。梁浩在任的基金产品包括:鹏华新兴产业混合，管理时间为2011年7月14日至今，期间收益率为217.62%；鹏华新兴成长混合A，管理时间为2020年7月17日至今，期间收益率为-41.85%；鹏华成长智选混合A，管理时间为2020年10月19日至今，期间收益率为-26.36%；朱睿在任的基金产品包括:鹏华精选成长混合A，管理时间为2021年12月11日至今，期间收益率为-23.52%；鹏华睿进一年持有期混合A，管理时间为2023年2月1日至今，期间收益率为-6.87%；鹏华睿见混合A，管理时间为2023年7月11日至今，期间收益率为nan%。鹏华汇智优选混合A的前十大重仓股如下：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2023-12-05

12月5日信雅达涨停分析：小程序，移动支付，跨境支付概念热股

占其流通市值8.21%。 12月5日的资金流向数据方面，主力资金净流入4065.49万元，占总成交额39.26%，游资资金净流出2453.08万元，占总成交额23.69%，散户资金净流出1612.4万元，占总成交额15.57%。近5日资金流向一览见下表：该股为小程序，移动支付，跨境支付概念热股。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2023-12-05

异动快报：日盈电子（603286）12月5日14点40分触及涨停板

视镜，智能制造概念热股。 12月4日的资金流向数据方面，主力资金净流出4093.64万元，占总成交额5.7%，游资资金净流入1440.38万元，占总成交额2.01%，散户资金净流入2653.25万元，占总成交额3.7%。近5日资金流向一览见下表：日盈电子主要指标及行业内排名如下：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2023-12-05

异动快报：圣龙股份（603178）12月5日14点23分触及涨停板

新能源车零部件概念热股。 12月4日的资金流向数据方面，主力资金净流出1.26亿元，占总成交额6.32%，游资资金净流入2858.61万元，占总成交额1.43%，散户资金净流入9781.37万元，占总成交额4.89%。近5日资金流向一览见下表：圣龙股份主要指标及行业内排名如下：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2023-12-05

异动快报：伟时电子（605218）12月5日14点20分触及涨停板

晶面板/LCD概念热股。 12月4日的资金流向数据方面，主力资金净流入3975.13万元，占总成交额4.83%，游资资金净流出2396.37万元，占总成交额2.91%，散户资金净流出1578.76万元，占总成交额1.92%。近5日资金流向一览见下表：伟时电子主要指标及行业内排名如下：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2023-12-05

24小时热点