全球数字财富领导者
财富汇
|
美股投研
|
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
SFFE2030
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
数字化转型"老兵"软通动力如何书写工业互联网"新传"
go
lg
...
。 怎么协同?在李向前看来,主要是围绕
阿里
云
、腾讯云等战略客户的产品,采用"产品+服务"的合作模式,构建软通动力的服务能力。展开来说,就是由战略客户提供产品或平台,软通动力提供专业服务,这其中既包含总集成,也包含定制化开发、运维、运营等,优势互补。 相比其他工业互联网服务商,软通动力的优势体现在有大量的TO B的经验。公司既服务央国企、世界500强、中国500强等大量行业龙头企业,也服务于众多互联网头部企业,积累了大量的实践经验。 "软通动力不会跟合作伙伴‘抢地盘',我们会紧抓服务这条主线,帮助战略客户打通最后一公里的难题,‘产品+服务'互补型的合作模式是一个互补共生的合作体系。"李向前如是说。 在3月10日举办的软通动力工业互联网创新发展高峰论坛上,软通动力与包括研华科技、索为技术、华制智能、云速铸、模德宝、中新软件、青岛国真、重庆信息通信研究院等产业链协同伙伴举行战略签约。后期,软通动力将与这些生态合作伙伴以产业链服务模式的深入千行百业,共同使能行业的数字化转型。 发力工业元宇宙,助力数实融合 掌握一项关键技术,能为企业带来新的竞争优势。在李向前看来,工业互联网赛道够宽够厚,成熟技术可以大面积推广复制,但仍有很多技术需要不断丰富、完善。因此,我们也可以看到,关键技术攻关也成为不少企业的着力点。 例如,工业AI基于视觉的缺陷检测,已经大量应用于3C企业。但仍有一些技术处于探索过程中,比如,软通动力正在探索的数字工品,核心是围绕装备制造建立数字孪生,包括设计、装配、制造以及到下游的培训、维保等全产业链,都可以借助数字工品来构建。 在重庆旗能电铝项目,软通动力以数字孪生能力,服务实现整个生产过程、工艺、园区的数字化、可视化、模型化。据李向前介绍,该项目采用了软通动力最新的工业元宇宙产品——iSSMeta平台,借助该产品不仅实现了生产过程数据、装备数据、工艺数据、全流程数据的集中,同时借助3D数字孪生实现数据与模型之间的映射,并以各种移动端、 Web端、大屏的方式进行展现,最终呈现出一个完整的数字孪生工厂。 据介绍, iSSMeta平台主要聚焦工业生产领域,如设备孪生、产线孪生、园区级孪生,其已逐步具备渲染、建模、数据融合、组建设计等九大核心能力,但仍在不断完善过程中,当行业释放出足够大的需求,产品的完整度也相应会越来越高。 在李向前看来,工业元宇宙应用于工业生产实践是必然趋势,软通动力也将在该方向持续发力。但眼下,他们有更重要的事,构建好"朋友圈",扮演好行业综合服务商的角色。
lg
...
美通社
2023-03-15
全球云观察:面对数万亿产业规模,如何掘金工业互联网?
go
lg
...
美的旗下美云智数的美擎工业互联网平台、
阿里
云
的supET工业互联网平台等,无论是传统制造企业,还是互联网企业,都对跨界进入工业互联网,打造数实融合新业态表现出了极大的热情。他们力求将先进信息技术、前沿数字技术与工业融会贯通,进而打造一个新的产业形态和端链生态,在满足工业企业多层次数字化转型需求的同时,彰显自身的行业使能价值。 谈及工业互联网时,大家往往容易想到火热的智能制造,这两者有一定的关联,也有明显的区别。智能制造虽然可以充分利用工业大数据实现数据驱动的制造,但更聚焦工业自动化、设备控制等制造过程,工业互联网基于数据联通、算法模型和业务逻辑的工业应用优化,聚焦提高效能,强化管理、强化运营领域。 在软通动力最新发布的《工业互联网能力建设白皮书》(下面称"白皮书")中,对工业互联网的内涵和外延都有相对明晰的定义。其中,提到"以机器、原材料、控制系统、信息系统、产品以及人之间的网络互联为基础,通过对工业数据的全面深度感知、 实时传输交换、快速计算处理和高级建模分析,实现智能控制、运营优化和生产组织变革"。 由此不难看出,工业互联网的本质不是机器、设备的连接,基于背后数据的模拟、仿真、计算、优化、预测才是挖潜的重点。在此基础上,基于自身实践和行业理解,软通动力提出了工业互联网能力的四大关键词:使能企业、数据驱动、平台赋能和软件定义。 "工业互联网涵盖了工业领域、数字技术、产业端链、运营模式等层面的变革与融合,是一种新型的工业模式。数据是基础,软件是核心,平台是关键,最终的价值呈现还是要能使能企业,带动一个有效良性的商业闭环和生态。"软通动力创新研究院创新合作中心部长闫欣解释道,在她看来,工业企业面向行业竞争与下一步发展,在成本控制、效率提升、产品创新、服务优化、市场感知等每个环节都有大量需求,需要注入数字化进行赋能。 首先,对工业企业而言,数据已经成为重要资产,数据驱动源自工业企业本身制造流程效率提升,在加强内外部数据融合与价值挖掘过程中,工业互联网平台大数据处理能力、工业数据分析能力、工业微服务能力都得以增强,通过工业互联网平台的价值挖掘,基于内外部数据的分析与洞察,实现数字化转型的跃升。 其次,实现平台赋能,其中针对工业企业的咨询十分重要,深入分析行业关键需求,将工业互联网平台的构建与实际需求、研发、生产、运营、服务等全价值链相结合, 从全局出发优化企业经营实现平台赋能。 再次,针对软件定义的价值,需要明确软件定义场景其实就是App应用支撑场景化的能力与链条,在工业互联网领域,软件定义设备"让设备适应更多场景",从而实现更为广泛的应用。 最终,通过数据驱动、平台赋能和软件定义来真正使能企业,实现成本节约、效率提升、产品强化、服务优化与业务创新。 深度数字化,建设工业互联网的机遇与挑战 如果说智能制造通过工业互联网的价值手段,可以实现制造行业前所未有的进步与发展。那么,当前工业互联网发展机遇已经凸显,要真正实现工业互联网的发展目标,深度数字化是必由之路。在数字化这条发展道路上,该如何理解建设工业互联网的机遇与挑战? 全球云观察分析指出,从当前中国工业互联网发展的现状来看,蕴藏的发展机遇还是十分突出。据中国信通院的研究数据表明,中国产业数字化规模在2022年已经达到37.18万亿元,成为数字经济的贡献主体,其中工业互联网应用越来越广泛,为经济发展注入了新动能。与此同时,随着数字"新基建"建设的深入,顺带加速了工业企业实现传统基础设施的数字化转型。工业互联网已经逐渐深入推进到了飞机、船舶、汽车、电子、能源、采矿等重要产业,丰富的应用场景倒逼工业互联网在实践中不断创新,并驱动制造业的数字化升级,成为产业数字化的重要力量。 这些机遇虽然凸显出来,但中国工业互联网面临的挑战也同样突出。任何行业的创新发展,都离不开专业人才的贡献。工业互联网的发展本身在于制造业与新兴信息技术相互融合的基础,也就是基于制造行业的企业数字化、产业数字化的深入。 然而,摆在工业互联网发展面前尤为突出的挑战就是缺乏适应工业互联网发展的多维度、多层次的复合型人才,就如软通动力工业互联网事业本部架构师洛克所言,建设工业互联网首先必然需要懂工业,懂制造行业,同时也要懂IT、CT技术与方案。现在,这样的人才凤毛麟角。懂行业的往往身在行业之中却对IT与CT技术不在行;懂IT、CT技术与方案的人往往对行业具体运营不了解。因此,加速工业互联网在国内的发展,必然亟需既懂工业运营,又懂CT技术、有较强创新能力和操作能力,既有专业领域知识,又懂大数据、人工智能新算法的复合型人才。 人才结构性短缺是制约行业发展一大因素。另一方面,工业互联网标准化基础薄弱,工业互联网关键技术与核心部件仍然受制于人,存在的工业软件"卡脖子"问题也很突出。在闫欣看来,行业亟需加快制定一批总体性标准、基础共性标准、应用标准和安全标准等行业规范,产业链上端链共享,智能协同的能力也亟待加强。 面对建设工业互联网的机遇与挑战,深度数字化是必由之路。在工业领域,对任何企业来说,OT与CT、IT的有效融合与发展将有助于企业实现更多的发展可能。首先是IT信息技术与OT运营技术的融合,让数字化深入工业企业。其次通过CT连接技术的融合,让工业互联网实现数据和实体的全面连接,助推数据驱动、平台赋能和软件定义,最终来真正使能企业。 OT是向着无人化发展,IT是向着云化发展,CT是向着云网融合发展。可见,工业企业实现OT与CT、IT的融合,才是工业互联网落地的王道。 在产业层面,表现出来的落地路径就是通过产业云来提供各种服务,产业云的发展模式与互联网相似,工业互联网其实就是工业属性的互联网,由链主作为产业链核心,政府和银行作为参与方,为整个产业中的中小企业提供技术服务和金融服务,从而盘活产业云,使其可持续、良性发展。 对此,白皮书也有相关展示,其中对工业互联网的总体架构呈现即是对这一路径的描摹。总体来看,工业互联网平台体系以外部需求和内部数据来双链驱动,构建产品端到端的集成链路,全栈划分为工厂级、企业级和产业级三个层级,每个层级对应不同的平台。如工厂级边缘计算平台以边缘云覆盖、企业级工业互联网平台以公有云 & 私有云 & 混合云覆盖、产业级工业互联网平台以产业云覆盖。 这也是当前产业界一般习惯采用的三层构架 -- 边缘计算+云平台+工业APP。 在工业互联网发展之路上,应将工厂层、企业层与产业层分层而治,让供给侧与需求侧都能发挥不同的价值与能力,各得其所。 助推工业互联网的未来成功,能落地的才是真能力 抓住机遇,助推工业互联网建设的未来成功,工业企业必须要确立自身的数字化战略,从管理、营销、研发、产品与服务方面出发,互为促进,形成融合统一的数字化推动力。 但这还不够,需要基于企业数字化战略需求,围绕工业互联网建设的目的,工业企业要实现最低成本做出最好的产品,提供最优质的服务,达成最科学的管理决策,就必须加快塑造工业企业高质量发展的新动能新优势。为此,供应链网络协同一体化能力、智能化生产能力、平台化设计能力、产品个性化定制能力、运维服务一体化能力、数字化管理能力这六大服务能力必不可少。 首先,整合上游资源,让供应链网络实现高效协同,这是企业必须要做的事情;其次,通过构建全新的智能制造生产能力,基于满足消费者需求变化的目标,实现平台化的创新研发设计,借助机器人与人工智能技术的融入,推动个性化生产方式的快速落地;再通过工业互联网的人、机、物、系統的广泛互联,将不同信息在工业互联网平台上转换为行业知识,不断夯实数字化能力,实现真正意义上的数字化管理;进而通过大数据技术,实现智能设备实时数据分析,构建全流程各个环节的一体化运维服务能力,让数据驱动的价值得以发挥。 从而,使工业企业能实现快速感知、敏捷响应,可以更好地应对市场的竞争与行业的不确定性,这是工业互联网落地的价值彰显。 全球云观察分析指出,工业互联网因企业规模不同、所处业务领域不同存在着落地的复杂性,因此,能让工业互联网落地的能力,才是真能力。当前,软通动力依托数字化全栈全链条的产品、平台与解决方案,帮助用户交付实施,为降本增效解决实际问题,与此同时在软通动力内部实现服务支持拉通,长期强化的内部服务意识,也让软通动力获得了全面数字化集成能力与全面的技术服务能力,从而打造软通动力的工业互联网能力。为此,软通动力已面向数据智能、数字孪生、数字营销、数字供应链等典型应用场景,聚焦用户需求,提供贴身的集成服务。在创新实践中,实现工业互联网在不同层次工业企业中的落地,赋能未来发展。 尤为重要的是,在白皮书中,软通动力通过广泛实践的经验总结,率先提出了工业互联网建设的方法论。第一步是针对企业的当前现状,做好现状调查与分析。第二步是针对企业的数字化现状/工业互联网现状进行充分的评估。第三步是开展工业互联网的蓝图设计。第四步是针对蓝图设计不同阶段项目实施落地的分解。第五步是项目的验收、维护、升级迭代。 "五步走"方法论为工业互联网落地找到了正确的路径,从此,工业企业在推进工业互联网发展之路上,不再害怕黑夜中爬行。 面向未来,工业互联网的发展已经越来越清晰。无论是工业元宇宙,还是云工厂,亦或是数据智能、制造服务化、产业链协同。可以断言,工业互联网的未来,就是信息化、数字化、网络化、智能化的未来。面对数万亿产业规模,还有哪些企业像软通动力一样已经摩拳擦掌?我们拭目以待。 原文链接:https://mp.weixin.qq.com/s/JsV80fbpfgivQ9fR5b_j0g
lg
...
美通社
2023-03-14
【机构调研记录】海通证券调研新日股份、四方光电等7只个股(附名单)
go
lg
...
19.97) 个股亮点:19年,公司与
阿里
云
计算有限公司签署了《合作框架协议》,双方共同构建企业级和行业级工业互联网平台,致力于推动横店东磁乃至整个磁性材料产业的数字化、智能化水平提升;第一期,打造企业级工业互联网标杆;第二期,打造磁性行业级工业互联网;第三期,围绕磁性行业工业互联网,进行供应链金融等行业升级;21年2月披露,公司无线充电用磁性材料已向部分全球五百强企业或行业内领先的企业大批量供货,生产规模处于行业前列,公司软磁可应用于磁浮列车车厢的相关电源系统;国内规模最大的铁氧体磁性材料生产企业;公司与苹果有直接或间接的业务往来,向苹果公司提供无线充电磁片。 6)新产业(证券之星综合指标:3星;市盈率:36.81) 个股亮点:国内全自动化学发光免疫分析仪器及配套试剂领域领先者;公司主营体外诊断,化学发光免疫试剂涵盖肿瘤标志物、甲状腺、性腺、传染病、炎症检测、肝纤维化、骨代谢、糖代谢等多个品类;公司在国内市场化学发光仪器保有量为国产第一;21年体外诊断收入25.39亿元,营收占比99.76%;公司猴痘病毒核酸检测试剂盒(荧光PCR法)、猴痘病毒核酸检测试剂盒(荧光PCR法)(冻干)、腺病毒核酸检测试剂盒(荧光PCR法)和腺病毒核酸检测试剂盒(荧光PCR法)(冻干)获得CE准入资格;公司于2020年2月3日研发出全自动化学发光新型冠状病毒2019-nCoV IgM、IgG抗体检测试剂盒,并于2月19日获得欧盟CE认证;21年下半年公司在较短时间完成胶体金平台的建设,新冠抗原检测试剂(胶体金法)于21年9月取得了CE准入许可。 7)拓邦股份(证券之星综合指标:3星;市盈率:27.29) 个股亮点:子公司深圳拓邦电子科技股份有限公司是数字电路技术的领导企业,公司产品有800TVL标清摄像机、1280*720P高清制式摄像机等可用于远程监控等安防领域;公司智能控制器有应用于智能音箱;公司与主流的智能音响语音控制合作,例如天猫精灵,京东(叮咚),亚马逊(Echo)等,可提供相应控制技术和解决方案;公司提供无线耳机的电池控制、保护部件,能够批量供货。 以上内容由证券之星根据公开信息整理,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。
lg
...
证券之星
2023-03-13
元宇宙周刊 | 江苏昆山成立10亿元工业元宇宙产业基金 两会代表提出要加快元宇宙发展
go
lg
...
SW音乐节。 Mysten Labs与
阿里
云
签署合作协议。 Avalanche宣布与电子竞技巨头TSM达成合作。 Citadel旗下众多公司正在寻求使用ChatGPT工具的企业许可证。 意法半导体发布最新骨传导传感器。 苹果新专利发布,通过对象检测算法为用户提供定制虚拟化身服务。 家居建材用品零售巨头家得宝入驻Roblox元宇宙。 隐私搜索引擎DuckDuckGo推出AI搜索查询功能测试版DuckAssist。 谷歌公布2023全球开发者大会信息,将于5月10日开幕。 Decrypt推出人工策划与AI生成相结合的实验性产品News Explorer。 腾讯幻核APP将于6月30日下线,提醒用户在此日期前申请退款。 中国电影资料馆将设立艺术电影数字藏品交易平台。 Cavrnus与Ruby Groupe合作为奢侈品牌部署元宇宙体验。 Animoca Brands和Planet Hollywood将推出会员制俱乐部CLUB 3。 投融资新闻 Web3平台Few and Far完成1050万美元融资。 Web3内容创作平台REPUBLIK获得370万美元种子轮融资。 WGFdesocial完成2000万美元种子轮融资,Dao venture capital领投。 Infodriver Capital正推出1000万美元新基金,以支持DeFi、GameFi等领域初创公司。 游戏巨头Wemade对智能出行平台HwikGo进行战略投资。 Token Pocket宣布对NFT流动性协议Litra Finance进行战略投资。 3D资产可视化管理平台Hexa完成2050万美元A轮融资。 AR新锐企业雷鸟创新完成首轮过亿元融资,由复星创富、容亿投资领投。 Web3游戏商务平台Fungies.io开启pre-seed轮融资。 元宇宙板块再度拉升,周涨幅达3.52%。 NFT交易市场Coresky完成600万美元融资,PAYSON LEE PRIVATE FOUNDATION领投。 Web3游戏工作室Redemption Games完成700万美元融资。 Solana链上NFT交易平台Tensor完成300万美元种子轮融资。 区块链时尚透明度平台tex.tracer完成150万欧元种子轮融资。 TrueBridge拟为新推出的区块链基金募资1.25亿美元。 女性内容品牌Rebel Girls完成800万美元融资,将探索元宇宙市场。 Web3应用程序Kresus完成2500万美元A轮融资。 Alberta Enterprise向Alpaca VC第三只基金投资750 万美元。 Web3初创公司nealthy完成130万美元pre-seed轮融资。 比特币矿企Riot前高管创立的游戏公司Believer完成5500万美元融资。 元宇宙工作空间平台Tangle完成400万美元融资,Qualcomm Ventures参投。 Web3足球游戏公司Matchday完成2100万美元种子轮融资。 区块链公司Alpha Transform Holdings将推出两只资管规模总额1亿美元的基金。 Web3电子邮件解决方案EtherMail获得400万美元的融资。 zkSync开发公司Matter Labs完成4.58亿美元融资。 Web3游戏开发商NFT Gaming Company收购保加利亚的人工智能公司Voxpow。 云基础设施初创公司Vantage宣布完成2100万美元的A轮融资。 Redeem宣布完成250万美元种子前融资。 德国电信合资企业tooz被蔡司收购作为其AR/VR部门。 Web3艺术平台Wild完成700万美元种子轮融资。 观点 《雪崩》作者表示,用户生成的内容可以稳定数字经济。 阿迪达斯Web3负责人表示涉足Web3是受到特斯拉启发。 前「半衰期」编剧认为VR内容开发为时过早。 HTC董事长王雪红表示苹果入局AR/VR市场对HTC业务有利。 德联邦金融监管局指出在监管意义上,NFT尚未被归类为证券。 来源:金色财经
lg
...
金色财经
2023-03-10
DMC币的价值潜力和上线交易所的价格预估
go
lg
...
据是阿里最值钱的财富。” 云数据存储,
阿里
云
世界排名第三,第一名居然是做电商平台的亚马逊。 随着web3和元宇宙的发展趋势日益显著,各种终端设备数量及算力呈几何倍数增长,会给数据带来井喷式增长,作为web3底层核心支撑的数据存储形式尤为重要。 坐在风口上,猪也能飞起来。币安公布了其基于区块链的Web3基础设施白皮书,将发布去中心化存储系统BNB Greenfield,主打分布式存储。这说明web3时代,分布式存储确实是大趋势,是风口,Datamall Chain(DMC)也是主打分布式存储,未来必将在数字货币市场中引发更多的关注和焦点。 4、什么是DMC公链(Datamall Chain)? Datamall Chain(DMC)是一个面向全球用户的开源区块链底层平台,旨在推动下一代互联网基础设施建设,推动区块链技术发展。Datamall Chain未来生态主要包括去中心化存储挖矿、DeFi、NFT、跨链桥、云存储等系列产品,致力于打造去中心化的分布式存储公链。 目前,DMC的测试网已经上线,主网即将上线,大量的钱包、跨链桥、GameFI、Defi等丰富的应用同步推出测试。DMC是目前行业唯一的真实分布式存储技术,受到各方的密切关注。据悉DMC预计在2023年Q1-Q2季度正式登录交易所。 5、DMC的技术亮点:真实、安全、隐私、实惠 真实:DMC存储网络是在CYFS(Cyber File System)协议之上创建的一个去中心化撮合交易市场。CYFS是一个致力于构建完全去中心化和自由互联网的Web3开源协议,其支持用户创建完全去中心化的应用程序。DMC为市面少有的真实Web3.0应用之一。 安全:DMC所有存储数据在各个节点被分成几个不同的部分。跟传统存储方式比较,DMC可以有效避免网络安全风险和物理风险,提供更高级别的容灾恢复能力。 隐私:DMC数据在上传前,进行切割加密。即使用户直接访问存储设备也无法得到未加密的原数据,用户的数据得到了真正的保护。DMC让数据属于用户自己。 实惠:DMC从根本上通过区块链技术,极大程度降低了整个存储系统的成本。通过去中心化网络有效的利用空闲存储资源,并提供给数据存储需求方。极大程度的提高了存储利用率。 前面我们讲了分布式存储的趋势风口、DMC的技术亮点,下面我们来简单讲解一下DMC的代币经济模型,这个对上线交易所后的价格影响也很关键。 DMC币的代币经济模型 DMC代币总量为10亿枚,大部分由矿工挖矿方式产生,不同阶段基金会与矿工所占比例不同。最终DMC分布为:矿工60%,生态合作20%,市场运营15%,DMC团队5%;DMC每6个月减产1次,1年减产50%以上。 DMC官方通过高额的市场激励政策促进整个DMC存储市场的繁荣。本分配比例优于竞品。DMC更多的是发展分布式存储的生态,让更多的开发者在DMC上建立生态,真正解决数据存储痛点,真正服务WEB3.0。 目前DMC官方团队只有5%作为团队奖励,且锁仓5年,充分标明对项目的信心。 DMC币上线交易所的预估价格 在预估DMC币上线交易所后的价格,先看看存储板块曾经风光无限的FIL币的分配模式:Filecoin总共发行20亿枚,分配方案总共有四个部分组成:70%奖励给矿工,15%给协议实验室,10%给投资者,剩余5%为基金会:1亿枚(6年线性释放); Filecoin分发的半衰减期是6年,即每6年才减半一次,DMC每6个月减产1次,1年减产50%以上,明显比Filecoin的减产周期要快很多; Filecoin的痛点1: ZK封装/解封装太慢,只适用冷数据备份场景,价值低,未来空间不大; DMC的优点1: 适用于实时数据存储的激励层协议,存储更有价值的热数据,,符合当下WEB3和元宇宙的实时数据存储需求,潜力发展空间更大; Filecoin的痛点2: 买卖双方线下成交,数据拥有者不容易找到存储供应商,存储矿工大部分只能用垃圾数据,无法获得10倍收益; DMC的优点2: 买卖双方通过在DMC撮合市场成交,且买卖双方都得到成交的矿工奖励,无需线下盲找,并且实现帮助Filecoin真实数据备份,获得10倍收益,且能双挖。 Filecoin的痛点3: 矿工重复的时空证明占用了大量链上资源,造成链上合约执行效率低下。 DMC的优点3: DMC使用线下挑战机制来完成存储证明,可以减少链上资源占用,提高效率; Filecoin的痛点4 矿机要求极高,严重制约了普通散户进场,同时矿池搭建也要很高的技术要求,并不能普惠所有的小矿工。 DMC的优点4: DMC对存储矿机的要求,相对于FIL来说低很多。无需增加额外成本,也无需高标准IDC机房,真正实现家庭挖矿,这样可以培养更多的大众用户和提高全球共识度。 Filecoin的痛点5: Filecoin经济生态宣称有四个支柱,分别是:存储(已经实现)、智能合约(开发中)、检索服务(开发中)、计算(开发中)。实际落地的应用就是数据存储,可见生态发展很滞后,落地应用很少。 DMC的优点5: 目前DMC项目在web3领域开展了多项应用的落地,其中较为成熟的应用如下: 1)Foggie:是以一只小狗NFT为代表的首款web3多合一终端。Foggie初始配套了 钱包地址、CYFS浏览器和文件存储功能,不仅可以在CYFS上存储数据还可以 pin住IPFS上的数据。 2)D.tools:一键式,NFT辅助铸造工具。配合foggie,能够解决NFT存储确权痛 点。 综上所述,DMC比Filecoin更有价值,更有潜力,更能培养大众型的矿工用户,也更能扩大全球共识度,因此,DMC的市值理应会比Filecoin市值更高。 下面我们从私募价、市值、挖矿难度等多方面来对比分析DMC和Filecoin,从而预估DMC币上线交易所的价格。 Filecoin代币总量为20亿枚,早期募资分为私募与公募两个阶段,总计募资$2.058 亿,出售1.5 亿FIL,平均成本$1.36。 1)私募阶段出售9122.8 万FIL,参与人数143,人均持有量63.8 万FIL,平均成本为$0.57; 2)公募阶段出售5963.4 万FIL,参与人数2318,人均持有量2.57 万FIL,平均成本为$2.58。 DMC代币总量为10亿枚,DMC真正的流通量不到5亿。目前场外的交易价格在$1左右 。 Fil币上线币安交易所时的开票价格为10美金,开盘价对应的市值为:200亿美金, 次日最高冲到430美金,次日回落到50美金附近,然后逐日下跌至20美金附近并持续多个星期的横盘震荡。 DMC按照10亿枚全流通来计算,如果DMC上线OKX交易所时的开盘价为$5,市值为$50亿; 若开盘价为$10,市值则为$100亿,明显低于Filecoin的开盘价对应的$200亿市值。在当下熊市末期的环境下,DMC币开盘价$10,市值$100亿,也有可能。 FIL币目前的价格为$6.8,全流通的总市值是$136亿。按照FIL当下的$136亿市值来计算DMC币,对应的价格则不会低。 但是,DMC比FIL拥有更多的优点,更能符合当下的WEB3和元宇宙的数据存储需求,而且生态应用落地更好,减仓周期更短,挖矿家庭化,矿工更大众化,目前的质押率,1P的算力需要质押大几十万的DMC。产出大几十万的DMC,需要1万台Foggie,Foggie的产出根本就不够整个市场的质押,需求量极大。 因此,DMC理应比FIL拥有更高的总市值,假如DMC的全流通的市值是$200亿, 对应的币价则为$20,也是很理性和合理的估值范围。 但是,DMC真正的流通量不到5亿,所以按照5亿流通的市值来计算,市值$100亿对应的币价为$20,市值$200亿对应的币价为$40,这是很有可能的估价。 以上仅为预估的价格和市值,与上线交易所后实际的价格走势和市值很有可能有较大差别,仅供参考。 来源:金色财经
lg
...
金色财经
2023-03-10
Datamall Chain(DMC)-第三期技术硬核技术AMA
go
lg
...
:你认为DMC可以取代IBM,亚马逊,
阿里
云
这些传统存储吗?嘉宾:我认为这将在不久的将来会发生。数据的重要性决定了存储的价值。 如果我们能让矿工而不是大公司从高额的存储服务费中获利,那么我相信去中心化的矿工最终会建立一个存储容量远超大公司的超级存储网络。最终以更低的价格和更强的存储能力取代Web2中的垄断存储。主持人:哇,很期待那天的到来。现在DMC钱包支持手机下载吗? 嘉宾:现在DMC钱包手机版已经完成,我们正在和App Store & Google Play的工作人员合作,进行一些小的修改。 主持人:这样我们不久之后就可以使用更便捷的手机客户端了。最后一个问题,那么现在DMC的质押有什么用途呢?嘉宾:质押是给存储提供者矿工用的。在提供存储服务时,需要质押一定数量的DMC。 主持人:非常感谢ben,又给大家带来一场硬核头脑风暴。也让大家更了解了未来DMC未来的生态。最后由衷祝愿DMC越来越好。 关注我们,期待下一期的硬核AMA。 来源:金色财经
lg
...
金色财经
2023-03-10
新华都:公司深耕产品和用户,面向市场变化及客户需求持续拓展营销阵地
go
lg
...
科技有限公司后,主要做哪些产品项目?与
阿里
云
是否有密切合作? 新 华 都董秘:您好,公司业绩情况及合作请关注公司披露的定期报告与相关公告;公司主营业务为互联网营销业务,以数据研究为基础,依托自有数据研究系统,深度洞察行业数据,为合作客户提供基于互联网的整合营销、视觉营销、品效协同全域投放、私域会员管理及售前售后服务等。感谢您的关注。 新华都2022三季报显示,公司主营收入22.55亿元,同比下降39.78%;归母净利润2.56亿元,同比上升419.6%;扣非净利润1.19亿元,同比上升138.99%;其中2022年第三季度,公司单季度主营收入4.61亿元,同比下降57.08%;单季度归母净利润3677.2万元,同比上升251.96%;单季度扣非净利润3669.25万元,同比上升266.02%;负债率40.58%,投资收益1.44亿元,财务费用1501.3万元,毛利率26.07%。 该股最近90天内无机构评级。根据近五年财报数据,证券之星估值分析工具显示,新华都(002264)行业内竞争力的护城河较差,盈利能力较差,营收成长性较差。财务可能有隐忧,须重点关注的财务指标包括:应收账款/利润率。该股好公司指标0.5星,好价格指标1星,综合指标0.5星。(指标仅供参考,指标范围:0 ~ 5星,最高5星) 新 华 都(002264)主营业务:互联网营销业务 以上内容由证券之星根据公开信息整理,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。
lg
...
证券之星
2023-03-09
阿里巴巴区块链交易暗示将推动加密货币发展
go
lg
...
新铺平道路,可能会产生重大影响。
阿里
云中
东、土耳其和非洲地区总经理Daniel Jiang在一份声明中表示:“我们很高兴能与Mysten实验室合作,将我们的安全技术和经过验证的解决方案带到这个新兴领域,实现更用户友好、身临其境的Web3体验。” “我们在促进Web3生态系统的发展方面处于有利地位,以更好地为客户提供可扩展、高效和安全的基础设施。”
lg
...
金融界
2023-03-09
ChatGPT思考:探索智能的极限
go
lg
...
OpenAI 打下手,这个换到国内,
阿里
云
有可能给一个创业公司打下手吗? 组织架构很重要,只有尖端的人才和先进的组织架构才能推动智能的不断迭代与进化;但它同样需要跟所在的土壤做适配,寻找可以 flourish 的方法。 探索智能的极限 第三种答案是,要探索智能的极限。这是我听到的最好的答案。它远超刻舟求剑式的经典互联网产品思维,也看到了组织架构和尖端人才密度的重要性,并且更重要地是它看到了未来,看到了模型演化与产品迭代,思考着如何把最深刻,最困难的问题用最创新的方法来解决。 这就涉及到了思考大模型的极限思维。 02. 极限思维 观察现在的 ChatGPT / GPT-3.5 ,它明显是一个中间状态,它还有很多显著可以加强,并且马上就能加强的点,包括: • 更长的输入框:开始的时候,GPT 3.5 的上下文最长到八千个 token;现在的 ChatGPT 上下文建模的长度似乎已经过万。并且这个长度明显可以接着增长,在融入 efficient attention 和 recursive encoding 的方法之后,context length 应该可以接着 scale 到十万,甚至百万的长度; • 更大的模型,更大的数据:模型的大小还没有到极限,MoE 可以接着把模型 scale 到 T 的量级;数据的大小还没有到极限,人类反馈的数据每天都在增长; • 多模态:在增加了多模态数据(音频,图片),特别是视频数据之后,总体与训练数据的大小可以再增大两个量级,这个可以让已知的能力接着按 scaling law 线性增加,同时还有可能继续出现新的涌现能力。比如可能模型在看过各种几何形状的图片,以及看过代数题之后,或许会自动学会做解析几何; • 专业化:现有的模型在文科上大概相当于研究生水平,但在理科上相当于高中或大一大二的学生水平;已有的工作已经证明我们可以把模型的技能点从一个方向挪到另一个方向,这就意味着即使不做任何 scaling,我们依然可以在通过牺牲其他方面能力的情况下,把模型朝着目标方向推进。比如牺牲掉模型的理科能力,把它的文科能力从研究生推到专家教授的水准。 以上四点只是现阶段可以看到的,马上就可以加强但暂时还没有加强的点,随着时间的推移和模型的演化,会有更多可以被 scale 的维度进一步体现出来。这意味着我们需要有极限的思维,思考当我们把能够拉满的维度全部拉满的时候,模型会是什么样子。 能够拉满全部拉满 模型的输入框可以接着加长,模型的大小可以继续增大,模型的数据可以继续增多,多模态的数据可以融合,模型的专业化程度可以继续增高,所有这些维度可以继续往上拉,模型还没有到极限。极限是一个过程,在这个过程中模型的能力会怎样发展呢? • Log-linear 曲线:一部分能力的增长会遵循 log-linear 的曲线,比如说某项任务的 finetuning。随着 finetune 数据的指数增长,模型所对应的 finetune 的任务的能力会线性增长。这部分能力会可预测地变得更强; • Phase change 曲线:一部分能力会随着 scaling 继续涌现,比如说上文中的模型做解析几何的例子。随着可以被拉满的维度被不断拉满,新的,难以预测的涌现能力会接着出现; • 多项式曲线?当模型强到一定程度,与人类 align 到一定程度之后,或许一些能力的线性增长,所需要的数据,会突破指数增长的封锁,而降低到多项式的量级。也就是说,当模型强到一定程度之后,它或许不需要指数级的数据,而是只需要多项式级的数据,就可以完成泛化。这可以从人类的专业学习中观察到:当一个人还不是领域专家的时候,ta 需要指数级的数据来学习领域的知识;当一个人已经是领域专家的时候了,ta 只需要很少量级的数据就自己迸发出新的灵感和知识。 所以,在极限思维下,把所有能拉满的维度全部拉满,模型注定会越来越强,出现越来越多的涌现能力。 反推中间过程 在思考清楚极限的过程之后,就可以从极限状态往后反推中间过程。比如说,如果我们希望增长输入框的大小: •如果希望把模型的输入框从千的量级增长到万的量级,可能只需要增加显卡数量,进行显存优化就能实现; •如果希望接着把输入框从万的量级增长到十万的量级,可能需要linear attention的方法,因为此时加显存应该也架不住 attention 运算量随输入框长度的二次增长; •如果希望接着把输入框从十万的量级增长到百万的量级,可能需要recursive encoding的方法和增加long-term memory的方法,因为此时 linear attention 可能也架不住显存的增长。 以这种方式,我们可以反推不同阶段的 scaling 需要怎样的技术。以上分析不止适用于输入框的长度,也适用于其他因素的 scaling 的过程。 这样的话,我们可以得到清晰的从现阶段的技术到 scaling 的极限的每个中间阶段的技术路线图。 按模型演化进程产品化 模型在不断演化,但产品化不需要等到最终那个模型完成 — 每当模型迭代出来一个大的版本,都可以产品化。以 OpenAI 的产品化过程为例: •2020 年,初代 GPT 3 训练完成,开放 OpenAI API; •2021 年,初代 Codex 训练完成,开放 Github Copilot; •2022 年,GPT-3.5 训练完成,以 dialog 数据 finetune 成 ChatGPT 然后发布。 可以看到,在中间阶段的每一个重要版本,模型的能力都会增强,都存在产品化的机会。 更加重要的是,按照模型演化进程产品化,可以在产品化的阶段适配市场。学习 OpenAI 的组织架构来推进模型演化本身,但产品化可以按照本土市场的特征来。这种方式或许可以既学到 OpenAI 的先进经验,又避免水土不服的问题。 03. 人工智能显著超过人类的点 到目前为止,我们讨论了要用模型演化的视角来分析模型,要用极限的思维讨论模型的演化历程。现阶段马上可以加强的点包括了输入框的长度,更大的模型和数据,多模态数据,和模型的专业化程度。现在让我们再把视野放得更长期些,思考在更大的时间和空间中,模型如何进一步地往极限推。我们讨论: • 并行感知:一个人类研究员一次顺序地读四五篇论文已经是极限,但模型输入框变长之后,可以在极短的时间内并行阅读一百篇论文。这意味着,模型对外部信息的感知能力远超人类一个数量级; • 记忆遗传:人类的演化过程中,子代只继承父代的基因,但不继承父代的记忆,这意味着每一次生殖都需要重启一次;在模型的演化过程中,子代可以继承父代的记忆,并且这个继承的程度可控:我们可以设置子代继承 100%,50%,20% 的记忆,或清空记忆,这意味着父代的经验和技能可以不断累积; • 加速时间:人类相互交流的速率是受到人类说话的物理速度限制的,而模型相互交流的速率可以远快于人类,这意味着模型可以通过相互交流来解决人类数据随时间线性增长的问题;人类演化的过程受到物理时间的限制,模型的演化可以比人类的物理时间快上几个数量级,这意味着模型的进步速度可以远快于人类; • 无限生命:一个人的生命有限,百年之后终归尘土,但模型的权重只要不丢失,就可以不断地演化。 从这些角度来说,人工智能超过人类并不是一件难以想象的事情。这就引发了下一个问题: 如何驾驭远超人类的强人工智能? 这个问题,是 Alignment 这项技术真正想要解决的问题。 04. Alignment 对齐 当前阶段,模型的能力,除了 AlphaGo 在围棋上超过了最强人类之外,其他方面的 AI 并没有超过最强的人类(但 ChatGPT 在文科上或许已经超过了 95% 的人类,且它还在继续增长)。在模型还没超过人类的时候,Alignment 的任务是让模型符合人类的价值观和期望;但当模型继续演化到超过人类之后,Alignment 的任务就变成了寻找驾驭远超人类的智能体的方法。 Alignment 作为驾驭远超人类的智能体的方法 一个显然的问题是,当 AI 超过人类之后,还可以通过人类反馈让 ta 更强 / 更受约束吗?是不是这个时候就已经管不了了? 不一定,即使模型远超人类,我们依然又可能驾驭 ta,这里的一个例子是运动员和教练之间的关系:金牌运动员在 ta 的方向上已经是最强的人类了,但这并不意味着教练就不能训练 ta。相反,即使教练不如运动员,ta 依然可以通过各种反馈机制让运动员变得更强且更有纪律。 类似地,人类和强人工智能的关系,在 AI 发展的中后期,可能会变成运动员和教练之间的关系。这个时候,人类需要的能力并不是完成一个目标,而是设定一个好的目标,然后衡量机器是否足够好地完成了这个目标,并给出改进意见。 这个方向的研究还非常初步,这个新学科的名字,叫 Scalable Oversight。 Alignment 与组织架构 在通往强人工智能的路上,不只是需要人类与 AI 对齐,人类与人类,也需要高度的对齐。从组织架构的角度,alignment 涉及到: • Pretraining 团队与 instruction tuning - alignment 团队之间的对齐: 这两者应该是一个相互迭代的过程,pretraining 团队不断地 scale 基础模型,alignment 团队为基础模型做 instruction tuning,同时用得到的结果反向指导 pretraning 团队的方向。 • Pretraining / Alignment 团队与 Scaling / Data 团队的对齐: scaling 负责为 pretraining / alignment 做好基础设施,data 做好高质量数据与人类反馈数据。 • 创业公司与 VC 的对齐: AGI 是一个困难的事情,需要长期的投入,这需要各个方面的人都有足够的耐心和足够高的视野。烧一趟热钱后催产品化然后占满市场的逻辑在大模型时代应该已经不复存在了。大模型的游戏要求 ta 的玩家们有足够高的视野与格局,模型的演化会让有足够耐心的,踏实做事人们在长期得到丰厚的回报,也会让只看短期刻舟求剑的人们一次又一次被降维打击。 05. 结语 在 2017 年,我刚刚入行 NLP 的时候,花了很大的力气做可控生成这件事情。那个时候所谓的 text style transfer 最多就是把句子情感分类改一改,把 good 改成 bad 就算是完成了 transfer。 2018 年我花了大量的时间研究如何让模型从句子结构的角度修改句子的风格,一度误认为风格转换是几乎不可能完成的事情。而今 ChatGPT 做风格转换简直信手拈来。那些曾经看似不可能完成的任务,曾经极其困难的事情,今天大语言模型非常轻松地就能完成。 在 2022 年一整年,我追踪了从 GPT-3 到 GPT-3.5 的全部版本迭代,亲眼看到它一步步地从弱到强不断演化。这个演化速度并没有变慢,反而正在加快。那些原先看来科幻的事情,现在已经成为现实。谁会知道未来会怎样呢? 彼黍离离,彼稷之苗。 行迈靡靡,中心摇摇。 彼黍离离,彼稷之穗。 行迈靡靡,中心如醉。 ——— 《诗经 · 黍离》 Reference 1. Ilya Sutskever https://scholar.google.com/citationsuser=x04W_mMAAAAJ&hl=en 2. GPT 3.5 系列在 2022 年更新了三个大版本 https://platform.openai.com/docs/model-index-for-researchers 3. ChatGPT 发布两个月一共更新了四个小版本https://help.openai.com/en/articles/6825453-chatgpt-release-notes 4. 微软 Azure 辅助 OpenAI https://blogs.microsoft.com/blog/2023/01/23/microsoftandopenaiextendpartnership/ 5. efficient attention https://arxiv.org/abs/2302.04542 6. recursive encoding https://openai.com/research/summarizing-books 7. MoE 可以接着把模型 scale 到 T 的量级 https://arxiv.org/abs/2101.03961 8. log-linear 的曲线 https://arxiv.org/abs/2001.08361 https://arxiv.org/abs/2203.15556 9. Phase change 曲线 https://arxiv.org/abs/2206.07682 10. linear attention https://arxiv.org/abs/2103.02143 https://arxiv.org/abs/2302.04542 11. recursive encoding https://openai.com/research/summarizing-books 12. long-term memory https://arxiv.org/abs/2112.04426 13. OpenAI API https://platform.openai.com/docs/introduction/overview 14. Github Copilot https://github.com/features/copilot 15. Scalable Oversight https://arxiv.org/abs/2211.03540 16. 从 GPT-3 到 GPT-3.5 的全部版本迭代 https://yaofu.notion.site/How-does-GPT-Obtain-its-Ability-Tracing-Emergent-Abilities-of-Language-Models-to-their-Sources-b9a57ac0fcf74f30a1ab9e3e36fa1dc 来源:元宇宙之心 来源:金色财经
lg
...
金色财经
2023-03-05
人工智能:中国式ChatGPT的“大跃进”
go
lg
...
巴达摩院负责,阿里巴巴集团资深副总裁,
阿里
云
智能CTO、达摩院副院长周靖人主导,他是IEEE Fellow,多次担任VLDB,SIGMOD,ICDE等国际顶级会议程序委员会主编、主席,在顶尖国际期刊和会议上发表论文超百篇,并拥有几十项技术专利。 华为也未对“类ChatGPT产品”公开表态,但在大模型方面华为亦有“盘古”大模型正在研究。该项目由华为云人工智能领域首席科学家田奇博士领导,他是计算机视觉、多媒体信息检索专家,IEEE Fellow,国际欧亚科学院院士,教育部长江讲座教授,国家自然科学基金海外杰青,中国科学院海外评审专家,在国内多所高校任讲席教授及客座教授。 在自己组建团队投入研发的同时,百度、阿里、腾讯、华为等IT大厂,也与中科院计算所自然语言处理研究组、哈尔滨工业大学自然语言处理研究所、中国人民大学高瓴人工智能学院等高校研究有很多的技术合作。 “集中力量办大事”的科研机构 数据闭环是大模型研发的关键,用户越多,积累时间越长,就意味着可以用于迭代升级的数据和反馈也就越多。 在这方面OpenAI已经利用前两代的开源GPT模型和GPT-3积累了大量数据。ChatGPT虽然才推出了3个月,但用户量和访问量增长速度飞快,这些都为OpenAI在大模型研发方面积累了巨大的先发优势。 “AI大模型如果落后了,就会面临卡脖子的风险。”很多AI专家对此都有担心,由此国内也诞生了一些应对此种局面的非营利性AI科研机构。这些机构多数有高校研究实验室背景加持,以及地方政策支持,人才聚拢能力非常强劲。 北京智源人工智能研究院(以下简称“智源研究院”)是科技部和北京市政府共同支持,联合北京人工智能领域优势单位共建的非营利性创新性研发机构。智源研究院理事长张宏江,是美国国家工程院外籍院士,ACM Fellow和IEEE Fellow,同时也是微软亚洲研究院的创始人之一。 2021年,智源研究院发布了1.7万亿参数的超大模型“悟道”的1.0和2.0版本,这项工作由100余位科学家共同打造。其中包括清华大学计算机系自然语言处理与社会人文计算实验室(THUNLP)的孙茂松教授,清华大学知识工程研究室(KEG)的唐杰教授,清华大学交互式人工智能课题组(CoAI)的黄民烈教授。 目前“悟道”大模型已经与OPPO、好未来、淘宝、搜狗、美团等开展了落地合作。在与美团的合作中,大模型给搜索广告带来了2.7%的收入增长。 在南方的科技重镇也有一家相似的研究机构,粤港澳大湾区数字经济研究院(以下简称IDEA研究院),IDEA研究院是由深圳市政府大力支持的AI研究机构。与智源研究院有一个颇有趣的相似之处,IDEA研究院的创始人沈向洋博士同样出身微软亚洲研究院。沈向洋博士是美国国家工程院外籍院士和英国皇家工程院外籍院士,他参与创建了微软亚洲研究院,担任院长兼首席科学家,并曾担任微软公司全球执行副总裁,主管微软全球研究院和人工智能产品线,并负责推动公司中长期总体技术战略及前瞻性研究与开发工作。 IDEA研究院NLP研究中心负责人张家兴博士也来自微软亚洲研究院,他的团队推出的开源模型“太乙”,据称在中文文生图领域可以达到接近Stable Diffusion(一款开源文生图AI模型)的水平。 目前IDEA研究院正在持续迭代开发的预训练模型体系“封神榜”,已经开源了6个系列共10个模型,包含4种模型结构,模型参数最大为35亿。其中包括:以Encoder结构为主的双向语言系列模型的二郎神系列;面向医疗领域,拥有35亿参数的余元系列;与追一科技联合开发的新结构大模型周文王系列;以Decoder结构为主的单向语言模型闻仲系列;以Transformer结构为主的编解码语言模型,主要解决通用任务的大模型燃灯系列;以及主要面向各种纠错任务的比干系列。 2月20日晚,复旦大学自然语言处理实验室对媒体宣传邱锡鹏教授团队发布了“国内第一个对话式大型语言模型MOSS”,并在公开平台(https://moss.fastnlp.top/),邀请公众参与内测。然而就在外界都等着看MOSS表现如何惊艳之时。MOSS的内测网站却挂出了一则道歉公告。 目前MOSS的测试网站已经挂出了停止服务的公告。一位AI大模型专家对虎嗅表示,“邱锡鹏的实验室学术研究的氛围很浓。虽然这次的MOSS很少有人得到体验机会,但是从后边的公告来看,有可能是在工程优化,并发处理等方面的准备还没有那么充分。” 在近期举行的2023年世界人工智能开发者先锋大会上,邱锡鹏教授公开表示,如果优化顺利,MOSS计划在2023年3月底开源。 虽然,没能成功抢发“国产ChatGPT”,但AI业内人士对邱锡鹏教授团队仍然给出了肯定的评价,“邱锡鹏教授的团队比较偏重学术,这和早期的OpenAI在科研心态上是有共性的,非营利性的AI研究机构,没有那么多功利的考虑。” 创业公司都有“大佬”背书 AI技术属于计算机科学,虽然计算机技术已发展多年,但AI仍属于前沿科技,对LLM以及其他通用大模型的研究更是兴起不久,仍然需要依靠应用数据,持续迭代升级,不管MOSS是不是因为工程经验绊了跟头,要在AI、大模型这些领域实现突破,能推广到市场中,接地气的技术和产品才是王道。事实上,目前国内AI行业活跃的实验室大多已开始尝试商业化,在市场的磨砺中探索大模型未来的出路。 深言科技 深言科技源自清华大学计算机系自然语言处理与社会人文计算实验室(THUNLP)。THUNLP由清华大学人工智能研究院常务副院长孙茂松,以及刘洋、刘知远,三位教授带头。实验室在2017年推出的中文诗歌自动生成系统「九歌」则是最有影响的诗歌生成系统之一,「九歌」已经为用户创作了超过3000万首诗词。 孙茂松教授领衔研发的CPM模型是智源研究院的大模型「悟道·文源」的前身,也是国内最成熟的中文生成式大模型之一。深言科技的团队也是由CPM模型的部分研发团队成员所组成的,目前该公司产品包括可以根据意思搜索词语的“WantWords反向词典”,以及根据意思查询句子的“WantQuotes据意查句”。 智谱AI 智谱AI的前身是清华大学知识工程研究室(KEG),KEG专注研究网络环境下的知识工程,在知识图谱、图神经网络和认知智能领域已发表一系列国际领先的研究成果。2006年,智谱AI就启动了科技信息分析引擎ArnetMiner(以下简称AMiner)的相关研究,先后获得了国际顶级会议SIGKDD的十年最佳论文(Test-of-Time Award)、国家科学进步奖二等奖、北京市发明专利奖一等奖。 2022年8月,由KEG与智谱AI共同研发的千亿级模型参数的大规模中英文预训练语言模型GLM-130B正式发布,其在多个公开评测榜单上超过GPT-3 v1。此外,智谱AI还打造了认知大模型平台(BigModel.ai),形成AIGC产品矩阵,提供智能API服务。 聆心智能 2月17日,聆心智能宣布完成由无限基金SEE Fund领投的Pre-A轮融资。聆心智能的底层技术是超拟人大规模语言模型,基于大模型可控、可配置、可信的核心技术优势,聆心智能推出“AI乌托邦”,该系统允许用户快速定制 AI 角色。 聆心智能由清华大学交互式人工智能课题组(CoAI)黄民烈教授支持。CoAI是清华大学朱小燕教授及黄民烈教授领导的实验室。2020年,就已经开源了1200万对话数据和中文对话预训练模型CDial-GPT。黄民烈教授也曾参与了智源研究院的“悟道”大模型研发。 西湖心辰 西湖心辰背靠西湖大学深度学习实验室,创始人是西湖大学助理教授、博士生导师蓝振忠,主要研究大规模预训练模型的训练与应用。蓝振忠曾在谷歌担任研究科学家,也是轻量化大模型ALBERT的第一作者。 西湖大学在人工智能领域的研发实力很强,除了蓝振忠博士的深度学习实验室,西湖大学NLP实验室,在该领域的研究也非常领先。学术带头人张岳博士在Marek Rei教授的顶会、期刊发文量统计中,于2012-2021年期间排名全球第四。 “目前国内LLM领域的创业公司相对IT大厂来说主要有两个优势,技术和数据。”西湖心辰COO俞佳对虎嗅表示,国内大模型创业公司在技术方面普遍已有多年研究经验,构筑了一定的技术壁垒,这是很难短期超越的。同时,由于已经推出了相关产品,“数据飞轮”已经转起来了,这些数据的质量相比互联网数据质量要高很多,能够对产品迭代起到很大支撑作用。 对于国内大模型创业公司未来的发展趋势,俞佳认为可能性很多,“有些公司可能会走出自己的道路,也有的公司可能会像OpenAI一样与IT大厂开展深度合作,甚至像DeepMind直接并入其中。” 出品|虎嗅科技组 作者|齐健 编辑|陈伊凡 来源:DeFi之道 来源:金色财经
lg
...
金色财经
2023-03-05
上一页
1
•••
104
105
106
107
108
•••
113
下一页
24小时热点
【直击亚市】中国限制英伟达恐反噬自身!美联储终于扣动扳机,美元走强或是短暂喘息
lg
...
鲍威尔让黄金“大变脸”!FXStreet分析师金价技术分析 空头瞄准这些水平
lg
...
市场误解了鲍威尔!美联储可能在10月再次降息,还有三大要点
lg
...
中国不买美国大豆了,特朗普想出一招救农民
lg
...
“美联储保护伞”又回来了:全球市场大反攻!美元反弹恐昙花一现?
lg
...
最新话题
更多
#Web3项目情报站#
lg
...
6讨论
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
36讨论
#链界盛会#
lg
...
120讨论
#VIP会员尊享#
lg
...
1989讨论
#CES 2025国际消费电子展#
lg
...
21讨论