FX168财经网_全球视野外汇黄金加密货币NFT资讯网

6.16 大饼日线光头阳线报收价格是否迎来转势？

变盘大涨！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！ 2023.6.16 收录于合集 #区块链超话 17个上一篇6.15 联储数据加快探底步伐，大饼波段策略亮剑博弈来源：金色财经

金色财经2023-06-16

EXGPT和英伟达耗资17亿美金投资金融云算力中心

不断对自身进行学习和适应，从而更好地预测市场走向。精准交易执行:可以实时监控市场行情，自主决策和执行交易，提供更加精准和高效的交易执行。⻛险控制能力:可以通过自动化⻛险控制措施，即时响应市场变化并采取相应的⻛险控制策略，有效避免潜在的⻛险。而与英伟达公司的合作将进一步提高EXGPT在AI交易领域的优势，主要表现在以下几个方面: 技术优势:英伟达公司是全球领先的可视化计算技术和人工智能计算技术提供商，通过与英伟达公司的合作，EXGPT将获得更先进的技术支持。数据优势:英伟达公司在大规模数据处理和分析领域有着丰富的经验和技术，在处理金融市场数据时，EXGPT可以更加高效地利用英伟达公司的数据处理技术，提升决策质量。交易优势:英伟达公司在高性能计算和图形渲染方面有着强大的技术实力，在进行高速交易时，EXGPT可以借助英伟达公司的技术优势，快速响应市场变化，同时精准执行交易。安全优势:英伟达公司在网络安全方面有着深厚的技术积累和经验，可以为EXGPT提供更加可靠和安全的系统保障，保护投资者的利益和资产安全。 EXGPT系统的设计和实现充分考虑各种因素，从数据获取到实时交易再到⻛险控制等各个方面进行综合考虑和设计。此次与英伟达公司的合作将进一步提高EXGPT在AI领域的技术水平和市场竞争力，为未来金融市场的发展注入新的活力。来源：金色财经

金色财经2023-06-16

6.15 联储数据加快探底步伐大饼波段策略亮剑博弈

变盘大涨！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！ 2023.6.15 来源：金色财经

金色财经2023-06-15

张晶霖：6.14黄金走势分析及操作建议

果即可，毕竟美联储官员的态度张晶霖无法预测，市场预计鲍威尔的言论偏鹰... 　　　　文/张晶霖编撰　　　　本文属作者原创，转载请注明出处来源：金色财经

金色财经2023-06-14

6.14 大饼以太报收十字星日内价格会起飞？

家实时提示。所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！盘中有变会给大家实时提示。所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！盘中有变会给大家实时提示。所有分析和判断皆为概率性的预测，市场有风险，投机需谨慎！ 2023.6.14 来源：金色财经

金色财经2023-06-14

大摩警告：美股牛市并未开始美联储暂停加息将唤醒熊市

势美元和高借贷成本继续拖累企业利润。他预测，市场流动性下降可能会“破坏”企业盈利，从而开启始于2020年的繁荣-萧条盈利周期的下半场。　　这一转折点可能出现，因为美联储预计将在周三的政策会议上暂停加息，尽管一些评论人士认为这将利好股市。　　威尔逊认为，尽管美联储暂停加息可能推动股市走高，但这一上涨将是暂时的，他称美联储可能的暂停是熊市反弹的“完美终结”。　　他写道：“随着标普500指数上涨超过20％的门槛，越来越多的人宣布熊市正式结束。但由于我们对2023年的盈利预测，我们表示不同意。具有讽刺意味的是，美联储暂停加息可能会在流动性逆风加剧之际，从战术上唤醒熊市。” 　　摩根士丹利的策略师在上周的一份报告中预测，今年美企利润将下降16％，预计标普500指数将再下跌约9％。

金融界2023-06-13

智能合约智能性的下一步：深入剖析ZKML赛道

链上发布证明来无需信任地解决现实世界的预测市场、保险协议合约等问题。基于ML参数的DeFi应用。DeFi的许多方面可以更加自动化。例如，借贷协议可以使用ML模型实时更新参数。目前，借贷协议主要依赖由组织运行的链下模型来确定抵押因子、贷款价值比、清算阈值等，但更好的选择可能是社区训练的开源模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是MP向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML提供了一个解决方案，MP可以在部署到特定头寸时提供金融模型推理的证明。这对于DeFi管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用ML模型来检测可能的恶意行为并暂停合约。 3、传统ML 分散的、无信任的Kaggle实现。可以创建一个协议或市场，允许MC或其他感兴趣的方验证模型的准确性，而无需MP披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式AI的去中心化提示市场。生成式AI的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML在这里可以有两种用法：1）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是zkML的一种可能解决方案。公平的空投和贡献者奖励。可以使用ML模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源ML模型，并在选择过滤帖子时发布模型推理的证明。案例：关于Twitter算法的zkML分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用ML模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗AI游戏和其他创新的链上游戏，其中无信任的AI模型充当一个不可玩的角色。NPC采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在Modulus Labs的Leela vs. the World中，验证者希望确保所述的1900 ELO AI选择棋步，而不是Magnus Carlson。另一个例子是AI Arena，一个类似于Super Smash Brothers的AI格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如Pytorch、ONNX等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML特定的证明系统：专门构建用于验证ML模型计算轨迹的证明系统。应用程序：致力于独特zkML用例的项目。 01模型验证编译器（Model-to-Proof Compilers）在zkML生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用Pytorch、Tensorflow等高级ML模型转换为zk电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中进行深度学习模型的推理。使用EZKL，您可以在Pytorch或TensorFlow中定义一个计算图，并将其导出为带有JSON文件中一些示例输入的ONNX文件，然后将EZKL指向这些文件以生成zkSNARK电路。通过最新一轮的性能改进，EZKL现在可以在约6秒和1.1GB的RAM内证明一个MNIST大小的模型。迄今为止，EZKL已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So的circomlib-ml库包含了用于Circom的各种ML电路模板。电路包括一些最常见的ML函数。由Cathie开发的Keras2circom是一个Python工具，使用底层的circomlib-ml库将Keras模型转换为Circom电路。 LinearA开发了两个用于zkML的框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma是一个工具，将TVM的中间表示转换为不支持浮点运算的编程语言。LinearA计划支持使用域算术的Circom和使用有符号和无符号整数算术的Solidity。 Daniel Kang的zkml是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的ML模型执行证明的框架。在撰写本文时，它能够在约5GB的内存和约16秒的运行时间内证明一个MNIST电路。在更广义的模型到证明编译器方面，有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero构建了一个通用的zkVM，针对开源的RISC-V指令集，因此支持现有成熟的语言，如C++和Rust，以及LLVM工具链。这允许在主机和客户zkVM代码之间实现无缝集成，类似于Nvidia的CUDA C++工具链，但是使用ZKP引擎代替GPU。与Nil类似，使用Risc Zero可以验证ML模型的计算轨迹。 02广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo2 和 Plonky2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于R1CS的证明系统包括Groth16，因其小型证明尺寸而闻名，以及Gemini，因其处理极大电路和线性时间验证器而闻名。基于STARK的系统，例如Winterfell证明器/验证器库，尤其在通过Giza的工具将Cairo程序的追踪作为输入，并使用Winterfell生成STARK证明来验证输出的正确性时，非常有用。 03zkML特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于GKR证明系统的zkCNN和基于组合技术的Zator等系统往往比通用证明系统更具性能，这一点在Modulus Labs的基准测试报告中有所体现。 zkCNN是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用sumcheck协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU激活函数和最大池化。根据Modulus Labs的基准测试报告，zkCNN特别有趣的地方在于它在证明生成速度和RAM消耗方面优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARK来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator提出使用递归SNARK逐层进行验证，可以逐步验证N步重复计算。他们使用Nova将N个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator能够对具有512层的网络进行SNARK，这与大多数当前的生产AI模型一样深。Zator的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于zkML处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs通过RockyBot（一个链上交易机器人）和Leela vs. the World（一个人类与经过验证的链上Leela国际象棋引擎对战的棋盘游戏）展示了zkML的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin正在尝试应用zkML来创建一个保护隐私的人类身份证明协议。Worldcoin使用定制硬件处理高分辨率虹膜扫描，并将其插入到Semaphore实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza是一种协议，采用完全无信任的方法在链上部署AI模型。它使用包括ONNX格式表示机器学习模型、Giza Transpiler用于将这些模型转换为Cairo程序格式、ONNX Cairo Runtime用于以可验证和确定性的方式执行模型，以及Giza Model智能合约用于在链上部署和执行模型的技术堆栈。尽管Giza也可以归类为模型到证明编译器的类别，但他们作为一个ML模型市场的定位是目前最有趣的应用之一。 Gensyn是一个分布式硬件供应网络，用于训练ML模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式GPU网络能够为全尺度模型提供训练服务。尽管他们在这里的zkML应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将zk和ML相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML面临的挑战尽管在提高和优化方面取得了飞速的进展，但zkML领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理zk电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9上的一项黑客马拉松项目Zero Gravity显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于zk的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算术电路的基于GKR的系统）或组合技术（例如将Plonky2与Groth16相结合，Plonky2在证明时间方面效率高但对于大型模型的高效证明大小较差，而Groth16在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在zkML项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或DAO选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的zkML可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在zk的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML从0xPARC在2021年展示了如何在可验证电路中执行小规模MNIST图像分类模型的演示，到Daniel Kang在不到一年后为ImageNet规模的模型做同样的工作的论文。在2022年4月，这个ImageNet规模的模型的准确性从79%提高到92%，并且像GPT-2这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为zkML是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管zkML仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的zkML用例。来源：金色财经

金色财经2023-06-13

大空头突发声！大摩：美股反弹并非新一轮牛市，美联储本周暂停加息恐唤醒熊市

美元和高借贷成本继续拖累企业利润。他预测，市场流动性下降可能会“破坏”企业盈利，从而开启始于2020年的繁荣-萧条盈利周期的下半场。这一转折点可能出现，因美联储预计将在周三的政策会议上暂停加息，评论人士称这将利好股市。 Wilson认为，尽管美联储暂停加息可能推动股市走高，但上行将是暂时的，他称可能暂停加息是熊市反弹的“完美终结”。 “随着标准普尔500指数上涨超过20%的门槛，越来越多的人宣布熊市正式结束。由于我们对2023年的盈利预测，我们对此不赞同。具有讽刺意味的是，美联储暂停加息可能会在流动性逆风加剧之际从战术上唤醒熊市，”Wilson说。摩根士丹利策略师预测，今年企业利润将下降16%，到2024年将大幅反弹23%。 2022年，高利率严重影响了企业利润，导致标准普尔500指数去年下跌了20%。央行行长们已将利率提高1700%以上以抑制通胀，并警告称，由于价格压力在经济中挥之不去，利率可能会一直保持在高位，直到2023年底。

云涌2023-06-13

AI如何影响Web3？|veDAO研究院

险。资产组合优化：通过ChatGPT预测市场趋势和风险，为用户提供资产组合优化建议，实现风险分散和收益最大化。自动化交易执行：基于ChatGPT的交易决策模型，自动化执行买卖交易，实现资产的实时调整和优化，同时降低人为干预的风险。基于AI的模拟交易工具（AI Demo Account）基于AI的模拟加密货币交易工具是一种虚拟的交易平台，基于AI算法、模拟真实的加密货币市场环境，并提供虚拟资金让用户进行模拟交易。用户可以通过在平台学习加密货币交易，制定交易策略并进行模拟交易，无需承担真实交易中的风险，让更多用户在体验AI功能的同时，也能实现自我投资水平的进阶。 DEX+AI可行的方向：辅助决策:交易数据的分析和挖掘，提供更准确全面的市场分析和预测，帮助交易者做出更明智的投资决策。优化资产组合管理：AI技术可以通过对用户的投资偏好、风险承受能力、历史交易数据等信息的分析，为用户提供更加个性化、高效的资产组合管理服务。改善用户体验：AI技术可以通过智能客服、智能推荐、智能问答等方式，为用户提供更加智能、快捷、贴心的交易服务体验，提高用户满意度和忠诚度。投资信息搜集：Al可以帮助提供舆情，情绪，风险信息。价格预测：AI可以使用大数据和机器学习等技术来分析市场数据，以预测加密货币价格的走势，帮助用户做出更明智的投资决策。交易决策:人工智能可以使用自动化交易系统来执行交易决策，例如基于预设的规则和策略进行交易，从而减少人为因素对交易的影响。 AI安全：欺诈分析：AI技术可以通过人工智能监测和分析网络流量、识别和预防网络攻击和欺诈行为，提高Dex的安全性和可信度。合约审计：AI技术可以帮助优化智能合约的编写和部署，提高其代码的质量和可靠性;还可以帮助监测和预防恶意行为，减少Dex的风险和漏洞。信用分析:利用大数据和机器学习等技术，人工智能可以对客户的信用历史、财务状况、社交网络、行为数据等多维度信息进行分析，以评估客户的信用风险水平。人工智能可以使用大数据和机器学习算法来分析客户的信用历史、财务状况和其他相关数据，以评估客户的风险水平。以预测客户的违约风险。诈骗检测：人工智能可以使用自然语言处理和图像识别技术来分析客户的交易记录和其他行为数据，以检测潜在的诈骗行为。交易监控:人工智能可以使用实时数据分析技术来监控交易活动，以识别潜在的异常交易行为。风险管理：基于ChatGPT的风险管理系统是一种利用自然语言处理技术来分析恶化评估金融市场风险的系统。可以通过对金融数据和实时市场新闻的分析，生成对市场风险的预测和警示，帮助投资者更好的管理风险。提高交易速度和效率：通过AI技术对交易流程进行优化(比如最佳路由选择)，可以减少交易拥堵、降低交易成本，并加速交易完成时间。解决当前DEX几大问题：流动性不足：DEX相对于CEX的交易量较小，导致流动性不足，成交价格容易受到市场波动的影响。使用AI技术可以提高交易机器人的智能化程度，从而提高交易效率和盈利能力，增加交易量和流动性。安全性问题：DEX由于去中心化特性，交易过程中存在安全风险，例如资产被盗、合约漏洞等。使用AI技术可以提高风险控制能力，实现智能风控和安全监测，预防风险事件发生。用户体验差：DEX的用户界面相对于CEX较为简陋，用户体验不佳。使用AI技术可以提高用户个性化服务能力，实现智能化客户关系和推荐系统，提升用户体验。交易成本高：相较于CEX的低成本手续费，DEX目前由于矿工费等缘故，交易成本相对较高。使用AI技术可以优化交易机器人的交易策略，降低交易成本和风险，提高盈利能力。总结：总体而言，AI的出现，绝不仅仅只是一个单纯的新技术，而是一个新概念、新领域，它对于整个社会的底层运行逻辑会带来一系列的迭代甚至颠覆。对于Web3世界也是如此。而AI与Web3的关系也不会仅仅局限于概念的融合，或者是，某一项目对于AI工具的简单添加。而是直接深入到Web3的底层逻辑当中去，让Web3里的所有行为，都被赋予AI存在的意义，让Web3变得更高效和更智能。就和生产工具和生产关系的哲学关联一样。二者不能独立看待。有什么样的生产工具，就具备什么样的生产力，而有什么样的生产力，有为相应生产关系的产生和普及提供了必要条件。如果说以区块链为底层的Web3代表着更新的生产关系，那么AI毫无疑问就是这个时代最先进的生产工具。因此，我们有理由相信，作为生产工具的AI技术的出现、普及以及融合，势必会为接下来，Web3概念的普及和推广，带来决定性作用。关注我们 veDAO是一个由DAO主导的去中心化投融资平台，将致力于发掘行业最有价值的信息，热衷于挖掘数字加密领域的底层逻辑和前沿赛道，让组织内每一个角色各尽其责并获得回报。 Website： http://www.vedao.com/Twitter： https://twitter.com/vedao_officialFacebook：bit.ly/3jmSJwNTelegram：t.me/veDAO_zhDiscord：https://discord.gg/NEmEyrWfjV ?投资有风险，项目仅供参考，风险请自担哦? 来源：金色财经

金色财经2023-06-13

AI热潮催生美股牛市，反弹全面扩散？一悬念尚待揭晓，上周已有“意外”！大摩浇冷水：FED刹车恐唤醒熊市

势美元和高借贷成本继续拖累企业利润。他预测，市场流动性下降可能会“破坏”企业盈利，从而开启始于2020年的繁荣-萧条盈利周期的下半场。他指出，这一转折点可能即将出现，因美联储预计将在周三的政策会议上暂停加息，评论人士称这将利好股市。然而，Wilson认为，尽管美联储暂停加息可能推动股市走高，但这种上行将是暂时的。他指出，“暂停加息”可能是当前熊市反弹的一个“完美终结”。　　知名经济学家警告：美股牛市长不了衰退概率几乎100％　　知名经济学家、前美林北美首席分析师、罗森伯格研究公司总裁大卫·罗森伯格（David Rosenberg）在标普500进入技术性牛市后警告称，近期股市的强劲反弹是没有根据的，美国经济几乎肯定会陷入衰退。　　罗森伯格在上周五一份报告中说，这个股市里程碑和疲软的劳动力市场之间的脱节。他质疑，鉴于经济背景日益黯淡，目前的股票估值是否合理。　　几个月来，罗森伯格一直在拉响警报。今年4月下旬，他预测到9月将出现经济衰退，标普500指数将暴跌20％，由于对银行业的担忧扼杀了贷款，还会出现信贷紧缩。今年2月他还表示，美国房价可能会下跌15％-20％。

金融界2023-06-13

24小时热点