FX168财经网_全球视野外汇黄金加密货币NFT资讯网

跨链对战GameFi领头羊GWC 用AI打造完美元宇宙

制作组、玩家、商人和工作室在一种全新的商业模式下达到了一种新的利益平衡。游戏生态的各个参与方都可以从生态的长久发展和活跃增长中收获自己的利益，也使得一个拥有现实般开放自由经济的虚拟世界成为可能。 GWC跨链实现多个区块链平台之间的互操作性世界顶级加密货币基金S BLOCK基金会主席Peter曾表示跨链就是区块链的未来，跨链简单来说就是信息和资产从一条链到另外一条链，最为直接的体现就是作为资产的Token从一条链去另外一条链，简单来说就是资产交换。GWC在游戏设计中使用链上社交合约意义重大，因为它扩大了用户原创内容的范围，实现了玩家互动和协作的新形式。 GWC结合链游的属性设定，使得玩家可以在去中心化的游戏中完全拥有这些资产的所有权。GWC打破了游戏资产只属于游戏开发公司的惯例，允许玩家通过游戏实现财富收益，GameFi 增强了区块链金融和NFT的娱乐性、互动性，通过对战、副本、社交等玩法让参与者可以从中获得收益。由于各公链间呈现的割裂状态，使得各公链本身成了一座座价值孤岛。而跨链技术就是要在这些价值孤岛之间搭建起价值互通的桥梁，使链与链之间可以互相发送交易、传递讯息，从而形成整个区块链的价值互联网。跨链技术的落地对整个区块链生态有着重要意义。GWC链游围绕着玩家如何通过智能合约内的用户生成逻辑（UGL）塑造规则和机制。通过摆脱传统的用户原创内容和游戏物理规则的限制，GWC允许玩家通过智能合约中的用户生成逻辑（UGL）在游戏规则和机制之上进行构建。这样一来，玩家就可以在游戏中部署不需要得到普遍认可的共识模型和社会契约。链游基于区块链技术具有去中心化、不可篡改、透明公正等特点，能够为玩家提供更多的自主权和价值创造。然而，开发一款链游并不是一件容易的事情，需要考虑很多方面的因素和挑战。GWC游戏将DeFi的规则游戏化，游戏道具、衍生品NFT化，GameFi的NFT属性使得游戏内的所有资产、道具、角色都具有唯一性、收藏性。代币是链游中最重要的元素之一，它可以作为游戏内部的货币、奖励、权益或者投票等功能。参与治理的代币为平台币GWC，将承载整个社区治理的职能，保障项目整体生态健康持续发展。每个GameFi项目的模式和游戏经济各不相同，开发者需要设计一个合理的代币经济模型，使得代币能够反映游戏内部的价值创造和分配，并且保持稳定和可持续地增长。多数游戏内资产是区块链中的 NFT，可以直接在NFT市场进行交易。GWC GameFi中的奖励形式多样，包括加密货币以及虚拟土地、头像、武器、服饰道具等游戏内资产，游戏玩家通过游戏玩法获得这些物品，并可以在NFT市场上交易它们以获取利润或将其兑换成加密货币。代币经济模型是指代币如何产生、分配、流通和销毁等规则，它影响了玩家的参与度、激励度和忠诚度。作为元宇宙经济体流量的入口，GWC GameFi的场景设计会更贴切元宇宙场景与NFT资产、DAO及DeFi 的结合，基于元宇宙解決游戏生命周期可持续等问题。GWC团队致力于建立良好的社区生态，初期将深度参与推进项目在国内外市场的发展，待项目成熟后，治理机制逐步过渡为DAO，最终实现完全交由社区治理。社区是链游中最活跃和最有价值的群体之一，它可以为开发者提供反馈意见、推广宣传、口碑传播等支持，并且为玩家提供交流互动、分享经验、协作竞争等乐趣。开发者需要建立一个良好的社区生态，使得玩家能够感受到归属感和认同感，并且通过社区参与来增强对游戏的信任度和忠诚度。用户体验是影响玩家留存和口碑的重要因素，Robert L. (Bob) Angell博士非常注重优化用户体验，提高交互效率和友好度，降低使用门槛和成本。例如，GWC采用跨链技术实现多个区块链平台之间的互操作性；使用Layer 2解决方案提升交易速度和降低手续费；利用元宇宙概念打造沉浸式和多元化的虚拟世界；通过NFT技术赋予玩家独特且稀缺的数字资产等。集所有热门区块链技术于一身，立志打造元宇宙游戏最强平台的GWC认为元宇宙必将比当前所展示的深刻的多。从行业规律、用户属性、技术准备等方面综合考虑，GWC这样的游戏公司会有更长的生命周期。GWC将所有的技术整合起来，并提供⼀系列的开放型⼯具、共享协议、通⽤资产标准等基础设施，推动元宇宙像最初的定义那样真正成为现实世界的虚拟映射，这是GWC的愿景，也是元宇宙的未来。来源：金色财经

金色财经2023-04-06

川核灵境｜开拓虚拟数字人应用挖掘商业价值

行业落地，虚拟偶像和虚拟员工展现了重塑商业模式的潜力。元宇宙中，使用AI不仅可以为元宇宙创造广泛且丰富的环境与内容，AI加持下的数字通感让用户可以在虚拟空间中，感官被开启并放大，并以拥有通感的虚拟人身份作为参与者身处其中，我们可以丢掉肉身的各种限制去互动、探索与分享。以数字分身、AI共生等形式，成为连接虚拟世界与现实世界的入口。川核灵境创始人刘奕江也曾表示：“虚拟数字人是元宇宙的重要服务入口。”川核灵境一直投身于Meta元宇宙世界的研究当中，运用行业领先的3D建模、仪器采集建模及人机交互等技术，通过5G+互联网高速进行连接，并使用数字孪生技术将虚拟与现实对应起来，达到元宇宙系统或个人组织与现实的融合映射。近年来，川核灵境持续为Meta建设提供沉浸式视觉场景综合服务，以及强大的元宇宙多人跨平台引擎技术服务，结合客户诉求可提供“虚拟人建模设计+动作捕捉/AI驱动+/内容制作”一站式全栈技术方案，包括超写实虚拟人、二次元虚拟形象、3D卡通吉祥物“复活”等。企业品牌可通过虚拟数字人进行直播或者短视频、海报、MV的内容创作，入局元宇宙，实现降本增效和营销创新升级，完成高效的转化。此外，虚拟数字人从服务、视听等多元角度展现更鲜活、更数字化、更具科技感的品牌形象，有效赋能品牌价值提升。川核灵境携手杭州文旅局与杭州移动联合发布了文旅数字人“杭小忆”，通过对语音合成、自然语言理解、3D美术、视频驱动多维技术融合的创新融合，为杭州文化旅游提供具有亲和力、感染力、吸引力的代言人形象的同时，也可以成为杭州旅游数字化、智能化、人本化服务的窗口和桥梁。未来，她会出现在杭州文旅小程序，亚运PASS一站通等一些平台上。为来到杭州的游客提供精细化的服务，作为智能服务的核心枢纽，担负随时随地和用户进行信息沟通与互动的职责，带动杭州文旅的数字化发展。在数字化时代，虚拟数字人的走红折射出虚拟世界与现实世界走向融合的大趋势。毫无疑问，虚拟数字人是各企业在元宇宙中重点探索的新业务领域，相信随着虚拟数字人制作技术的高效发展，还会有更多的商业可能性等待挖掘。来源：金色财经

金色财经2023-04-06

预测衰退“最可靠指标”敲响警钟：美国经济恐陷入深度衰退政策制定者“正在玩火”

原因有很多。其中之一是，它颠覆了银行的商业模式，银行通过在较长时间内以高于借款人存款利率的利率放贷来赚钱。今年3月，加州硅谷银行(Silicon Valley Bank)倒闭。哈维说：“我不知道美联储又把多少银行置于危险之中，但我当然希望他们(政策制定者)知道。” 周三，美国国债收益率收低，因3月民间部门就业增长弱于预期，加剧了市场对就业市场走软的担忧。与此同时，美国主要股指收市普遍走低。 ADP Research Institute与斯坦福数字经济实验室周三联合发布的数据显示，美国3月份私营部门就业人数增加14.5万，2月数据向上修正为26.1万。3月份的数字低于接受彭博调查的所有经济学家的预期。 Academy Securities董事总经理兼美国公债交易主管David Gagnon表示，金融市场似乎在权衡两种“极端情况”。 Gagnon说道：“债市方面，经济有陷入衰退的风险。股市不太担心美联储不得不在衰退中政策转向，而是担心经济不会陷入衰退，这使得政策制定者继续加息。” 他表示，10年期/3个月美债收益率差反转的一小部分原因是与供应失衡、流动性不足以及对债务上限的担忧有关的技术因素。其他因素则与债券市场有关，因为债券市场“已经消化了硬着陆的风险，以及美联储不得不积极应对的风险”。

天马行空2023-04-06

德国政府认定苹果占据市场主导地位，将展开反垄断调查

烈竞争，低估了以用户隐私和安全为核心的商业模式的价值。” 此前德国政府已经宣布，谷歌的母公司Alphabet (GOOGL.O)和Facebook的所有者Meta (Meta . o)公司对跨市场竞争具有至关重要的意义，同样将对这两家公司可能形成的垄断采取措施。卡特尔局还表示，将就微软(Microsoft Corp., MSFT)是否对整个市场的竞争具有极其重要的意义展开一项调查。该监管机构的局长在一份声明中说：“如果得出这样的调查结果，将使我们能够在早期阶段采取行动，禁止可能的反竞争行为。”

迪星妮2023-04-05

万字盘点2023年度Solana DeFi十大主题

出借贷决策，也可以降低风险，寻找理想的商业模式和监管框架极具挑战性，此前 Celsius、BlockFi 和 Hodlnaut 等贷款机构都曾遇到过问题，由于这些传统贷方的运作方式，借款人和借出的钱其实不透明。下面，让我们看一个现实世界资产抵押服务的案例：Credix Finance。 Credix Finance 承诺信贷规模已经超过 2 亿美元，而且这一数字仍在增长，该协议正在建立一个信贷生态系统，旨在通过提供流动性和创造有吸引力的风险调整投资机会来弥合机构借款人和投资者之间的差距。Credix Finance 使用消费贷款（例如汽车贷款和发票）以及应收发票作为其贷款池中的抵押品，其中一些贷款由 MunichRE 等成熟的再保险公司提供保险。现实世界资产项目还能从其他生态系统吸引资金，正如 Credix Finance 所做的那样，他们从 Solana 和以太坊区块链上聚合 USDC，但在 Solana 上构建执行层。 Credix Finance 其实是建立在两个想法之上的：首先，投资者可以进入的新兴市场有许多投资机会，因为这些市场的机构借款人在寻找资金时经常会遇到地域或能力限制。 Credix Finance 通过让这些借款人获得他们原本无法获得的资本和信贷，继而有效解决了这些问题。因此，新兴市场的金融科技公司和非银行贷款发起人可以更少的摩擦和更低的利率筹集债务资金。其次，DeFi 提供的投资选择将基于有形资产，而不是加密货币的波动性。Credix Finance 通过将 DeFi 投资与对加密货币资产的 beta 系数较低的有形资产挂钩，为投资者提供更稳定和可预测的投资环境。可以在此处阅读 Solana 基金会关于 Credix Finance 的案例研究。在现实世界资产领域，其他一些令人兴奋的机会包括：对现实世界资产代币标准的需求：标准使不同的实体遵循一组通用规则，比如，以海运集装箱形式包装和运输实物商品的标准降低了运输成本，并且推动了全球贸易的激增。同样，为现实世界资产建立一个如何产生、分类、打包和分配的资产标准，对于提高市场效率和更好的价格发现而言至关重要。强大的身份协议：可跨协议使用的去中心化 ID 和可验证凭证是无缝用户体验的重要组成部分，尽管目前已经构建了几个链上工具（主要围绕 DAO 和治理），但这些工具并未成功吸引用户。因此，解决匿名用户和贷款问责制问题仍是当前热点，通过将身份技术结合到一个通用的多因素身份验证系统中，例如 Gitcoin Passport 或灵魂绑定 NFT，可以加快这些项目的采用。三、提升衍生品市场竞争力在牛市中，Solana 在 DeFi 期权金库 (DOV) 中锁仓量超过了 5 亿美元，直到熊市占据上风。与 AMM 的强制定价不同，Zeta 等基于 Solana 区块链的衍生品平台通过利用 Project Serum 提供灵活的流动性和公允价值定价。另一方面，像 Ribbon、Katana（未积极建设）和 Friktion（停产）这样的 DOV 则在 2022 年增加了结构性产品市场的饱和度，虽然这些 DOV 最初以高额收益率和低感知风险吸引流动性提供者，但随着时间的推移，它们的弱点也变得越来越明显。上图来源：Delphi Digital 在 FTX 崩盘之前，DeFi 期权市场相对强劲。作为链上原语，Ribbon 引入了系统的期权销售金库，该模型很简单，即：激励做市商为用户提供必要的流动性，并从管理费或业绩费中获利丰厚。为了对冲头寸并赚取价差，鼓励做市商从 Ribbon 的用户那里购买看涨期权，再像 Deribit 这样的中心化衍生品交易所那样出售看涨期权。在 FTX 崩溃之后，许多做市商采取了规避风险的方法，并从生态系统中撤回了流动性。在大规模提供复杂结构性期权产品之前，重建流动性和对 Solana 生态系统和期权市场的信心是第一要务。现阶段，结构性产品的市场仍然比预期的要小得多，因此需要具有更好的风险回报结构的产品来迎合散户投资者。虽然基于期权的衍生品市场正在努力应对 Friktion 等协议的关闭，但 Solana 区块链上下一波衍生品基础设施正在建设中，比如 Fusion，与传统的协议代币空投不同，期权空投让社区在贡献方式和保护代币免受即时倾销方面具有更大的灵活性。 1、一些正在积极构建且值得关注的衍生品协议 Drift Protocol：Drift Protocol 是一种去中心化交易所，旨在最大限度地减少所有交易的滑点、费用和价格影响，通过将集中流动性引擎引入链上来解决低效率问题，Drift Protocol 具有三个流动性来源： -常量流动性（Constant Liquidity），这是 Drift Protocol 的虚拟 AMM，被指定为流动性的支持来源，可根据持有的库存调整其买卖价差。 -JIT-流动性，这是一种短期荷兰式拍卖，由做市商以或高于拍卖价格进行竞争。 -去中心化限价订单簿 (DLOB) 与 Keeper Bots 的链下订单监控器相匹配，为交易者提供低滑点和深度流动性。 Cypher：Cypher 是一个基于 Solana 区块链的交易平台和保证金引擎，使用户能够从隔离账户或跨保证金交易账户交易现货、期货、永续合约和期权市场，该平台还提供针对便利性和时间效率进行优化的移动交易体验。 -通过原生借贷池，Cypher 支持保证金交易，允许用户推出任何具有指定收益函数的衍生品。 -Cypher 支持两种清算模式，公共清算和私人清算，这两种模式共享相同的流动性和订单簿。公共清算允许任何人在其上进行交易，是一种免许可的保证金层。相比之下，私人清算是为机构合作伙伴保留的，可以降低保证金要求以提高资本效率。 Hxro：Hxro 允许用户在 Solana 上交易期货、期权和永续合约，其协议为这些金融合约创建去中心化交易服务。 -截至 4 月 3 日，Hxro 网络累计交易量为 2.3283 亿美元， 30 天平均每日交易量为 300 万美元（包括衍生品和派利分成交易量） -随着 OpenHxro 等多项社区倡议以及 Convergence RFQ 和 Degen Ape 等合作伙伴关系的推进，Hxro 可能会构建一个更具集成性的生态系统。 Vyper Protocol，该协议目前处于公开测试阶段且未经审计，允许用户以免许可和去中心化的方式创建、交易和结算链上衍生品。 -允许交易由 Pyth 和 Switchboard 等预言机支持的任何资产或数据源。 -用户可以根据他们的特定需求构建定制的衍生品，或者可以从各种预先存在的选项中进行选择。此外，Ribbon Finance、PsyFinance、Mango Markets、Cega、Zeta Markets 和 Dual Finance 是在衍生品和结构化产品领域运作的其他一些协议。最近，Mango Markets 也推出了 V 4 ，另一个项目 Devol Network（目前处于测试阶段并将于 6 月启动主网）也支持链上期权交易。 2、在 Solana 上进行稳健永续交易的案例 Solana 需要一个可靠的永续交易所，可以提供类似 CEX 的体验，以吸引活跃的交易者加入生态系统，潜在的解决方案是在 Solana 区块链上建立一个衍生品交易平台，提供永续合约、期权和合成资产等产品，该平台应提供一流的用户体验、高杠杆率和有竞争力的费用以吸引交易者，同时也可以探索结合 AMM 和订单簿以及交叉保证金的混合流动性模型，以及适用于交易者和流动性提供者的移动友好界面和高级 API 等功能。为了与其他平台区分开来，可以使用 Solana 区块链上的 Wormhole 提供跨链衍生品，并利用 CLOB 从其他链中提取流动性和资金，构建 Solana 链上衍生品市场可以从 GMX、dYdX 和 Gains Network 等其他链中汲取灵感。四、流动性质押越来越热流动性质押（Liquid Staking）其实是一种资本高效的选择，利用抵押资产作为抵押品，提供比传统金融系统更大的参与度和跨市场的资本流动。 2020 年 12 月，Lido 让任何人无需维护验证节点即可轻松赚取以太坊质押收入。对于使用 Lido 的以太坊用户，不必再考虑 DeFi 收益率和抵押收益率之间的选择，通过在 Lido 上抵押，然后使用他们在 DeFi 中获得的 stETH 就可以获得两种收益流。目前 Lido 已支持包括 Solana 在内的许多区块链，并在锁仓量方面领先于其他流动性质押协议。最大可提取价值 (Maximum Extractive Value, MEV) 是指通过利用市场低效率来产生经济收益的链上活动，由于 Jito Labs 通过其验证者客户端重新分配 MEV，Solana 上流动性质押的热潮可能会再次开始，通过为操作 jitoSOL 客户端的个人提供额外奖励，jitoSOL 质押池可以在许多验证者之间实现分布式价值捕获，尽管随着时间的推移可能会导致出现中心化风险。截至 3 月 30 日，JitoSOL 提供的抵押年回报率约为 6.80% ，与 Solana 上的 Marinade ( 6.84% ) 和 Lido ( 6.7% ) 等其他领先的抵押池相当。请务必注意，每个提供商计算年回报率的方式并不一样。例如，Marinade 显示过去 14 天的 APY，而 Lido 显示过去 14、 30 或 90 天或自发布以来的最高年回报率。在 Solana 区块链上进行流动性的其他一些参与者还有 Quarry Protocol，该协议在 2022 年初曾排名锁仓量第一，但当奖励模式开始枯竭 Quarry Protocol 就开始失去热度，当前其 Twitter 和社区表现都不活跃。上图来自 Solscan 五、未开发的合成资产和预测市场使用预言机获得合成资产杠杆敞口的最简单方法，就是通过 GMX 和 Gains Network—— 2022 年 9 月和 10 月，Gains Network 的大部分交易量由外汇交易组成。另一方面，随着 GMX 显着扩大的用户群和即将推出的合成资产，基于 EVM 的链的外汇交易量可能会在 2023 年飙升，毫无疑问，利用 Switchboard 和 Pyth 等预言机的强大合成协议，这一趋势是不可避免的。上图来自 Delphi Digital 预测市场为用户提供了对未来事件结果进行投注的机会，Solana 是一个高吞吐量的区块链，因此可以利用其快速且可扩展的基础设施来处理大量交易并为预测市场提供支持。举个几个例子： 1、Aver Exchange 是 Solana 上的点对点投注和预测平台，它消除了体育投注中“庄家”的传统概念。 2、Hedgehog 是 Solana 上的另一个预测市场，为流动性提供者产生被动收益。 3、Monaco Protocol 为 Solana 网络上的预测市场提供开源基础设施。 4、Vyper Protocol 协议可以交易结构为数字期权的事件/预测市场。尽管 Solana 在预测市场领域具有较大优势，但一些弱点可能会限制其增长，比如缺乏用户采用——Solana 是一个相对较新的区块链平台，其预测市场可能没有以太坊那么多的用户采用和足够的流动性，与其他网络相比，Solana 目前可用的预测市场数量很有限。不仅如此，对于不熟悉预测市场概念的用户，了解和参与这些市场的过程可能会让他们感到复杂且生畏，因此会阻止潜在用户参与市场，从而限制其整体采用和潜在影响。然而，预测市场吸引非加密原生用户，他们可以通过游戏了解代币，然后再参与 DeFi 生态系统。另一个主要威胁是来自其他平台的竞争，例如Polygon 区块链上的 Polymarket，由于各自生态系统的规模，这些平台已经拥有庞大的用户群和更多的预测市场选择。还有一个问题是监管挑战，因为预测市场行业在很大程度上仍未受到监管，随着政府采取监管措施，来自监管的压力可能会在未来带来挑战。六、使用 UX 聚合器改善 DeFi 体验用户界面通常是吸引用户的关键，流动性聚合器的作用也因此不言而喻，因为他们可以接管面向 DeFi 用户的那一层。尽管用户可以使用链上地址直接交易且成本很低，但如今 DeFi 领域变现流出依然较为复杂，而 UX 聚合器可以带来更好的交易策略。对于新手加密用户而言，UX 聚合器提供了相当大的优势，不仅提供一定程度的自由，还通过限制对安全协议的访问和为高风险令牌发出警报来提供高效的用户体验。现阶段，市场上有数百个具有流动性的 DEX 可供交易，比如 Solana 上的 Jupiter、以及 1inch 和 Paraswap 等，这些流动性聚合器可以从各种 DEX 获取报价，为用户找到最佳执行价格，用户无需访问各种 DEX 以找到最佳汇率，也不必被“困在”某个 DEX 上。随着 DeFi 生态系统的不断发展，流动性聚合可能会超越 DEX，也将容纳支持这些操作的不同协议，未来出现更多 DeFi 聚合器产品将不可避免。 Jupiter 是 Solana 上最具创新性的流动性聚合器之一（于 2021 年 11 月推出），并迅速成为 Solana 上占主导地位的流动性聚合器，当前拥有超过 270 亿美元的交易量和 50 万用户。 Jupiter 平台允许用户找到最佳交易价格并在 Solana 网络上跨多个 DEX 执行交易，虽然许多主要区块链都有 DEX 聚合器，但很少可以提供限价订单等功能。上图： Jupiter 聚合器用户（来源：Dune Analytics）最近 Jupiter 交易量一直处于高位，使其成为 Solana 链上使用最广泛的 UX 聚合器项目。事实上，Jupiter 对 Solana 链上日均非投票交易量的贡献高达 41% 。此外，Jupiter 还参与了前期 BONK 代币热潮，也推动了平台上的大量交易活动。 Jupiter 的成功证明两点，一是 DeFi 应用程序的日益普及；二是流动性聚合器可以在促进跨多个 DEX 交易方面发挥重要作用。随着越来越多的用户进入 DeFi 领域并寻求最佳价格和执行，像 Jupiter 这样的流动性聚合器可能会继续在 DeFi 生态系统中发挥重要作用。对于聚合器领域的构建者来说，主要机会包括： 1、构建一个完整的 DeFi UX 聚合器：用户可以在其中访问多种机会，如 Swap、收益机会、借贷利率、永续期货的执行、赚取最便宜/最昂贵的期权费等。 2、构建类似 Jupiter 的 UX 聚合器：此类聚合器有助于集中流动性并帮助用户以最低的费用找到最佳交易路线，并通过统一的 KYC 抽象每个平台的入场流程并拥有更好的欺诈检测引擎，从而显着提高用户体验。七、加强投资组合管理和分析 Symmetry、Step Finance 和 Sonar Watch 都是 Solana 生态系统的投资组合管理和分析工具，这些平台可以帮助用户跟踪他们在 Solana 上的仓位实时表现和价值，包括挖矿、质押和其他收益策略。Symmetry 平台一个显着特点是允许任何人创建或购买指数，Sonar Watch 为用户提供了 DEX 管理器和 IL 计算器等先进的工具。然而，与更全面的多链平台（如 Zapper）相比，基于 Solana 的投资组合管理应用程序依然存在功能有限的问题，对于想要更全面的投资组合管理和分析解决方案的用户来说，这些应用可能会变得不那么有吸引力。不得不承认，如今市场竞争也很激烈，因为许多成熟的多链平台已经获取了大量用户，例如 DeFiYield、CoinStats 和 Starlight 等，这可能会导致 Solana 链上平台的普及采用受到限制，毕竟这些应用程序的转换成本并不高。除此之外，还有一些因素会阻碍大众消费者采用 DeFi，包括但不限于：缺少本地化：每个 DeFi 产品都在阐述相同的叙事，比如可以提供较高的年回报率、低费用和奖励。但是，这些产品很难让非英语人士、或是无法使用本地有银行的人使用，这个问题需要重点关注，因为这些用户才是最能从 DeFi 中受益的用户。很难吸引新用户入场：便捷的法定货币交易通道尚未得到广泛解决，用户自我监管也需要更多教育。 1、构建适合移动设备的仪表板应用程序 Solana 生态依然缺乏粘性消费者应用程序，尤其是移动应用程序，因此需要如此优秀的产品，让更多人会学会自我监管。现阶段，Solana 生态中受到关注的项目大多是基于投机的产品，尚未专注于实际用例，如贷款、保险和其他金融服务等，也没有迎合寻求通过交易和投资不同 DeFi 代币来获利的交易者和投资者。尽管大多数加密应用程序都在探索移动功能，但对于投资组合管理项目而言，拥有移动应用程序尤为重要，许多用户打开电脑只是因为他们的投资组合太多，或者想避免一些手机端出现的不必要摩擦。随着 DeFi 市场的持续增长，Solana 链上投资组合管理和分析平台可以通过提供丰富的数据洞察力和分析帮助用户导航并充分利用生态系统，从而帮助用户做出更明智的投资决策。拥有移动应用程序，用户只需动动手指就能展现投资组合的所有信息，这无疑将是游戏规则的改变者，如今 Solana 链上已经出现了类似 Saga 这样的平台。 2、保险随着越来越多的用户进入该领域，用户需要管理自己的风险并保护投资，这为保险提供商提供了一个广阔的市场，可以提供保险帮助用户免受潜在损失。举个例子，Amulet 创建了开放风险保护模型，为整个风险保护领域带来了不少令人兴奋的机会，传统保险业建立在中心化模式之上，往往导致成本高、处理时间慢和承保范围有限等问题。去中心化保险协议可以提供更实惠和高效的解决方案，这些协议可以消除中介和管理成本，能够为用户提供更全面和负担得起的保险覆盖选项。 3、NFT 金融按交易额计算，Solana 是第二大 NFT 区块链，并且拥有最活跃的 NFT 社区。 NFT 金融（NFT-Fi）领域也随着 Frakt、Rain 和 Sharky 等产品的出现而不断升温，这些产品允许用户进行 NFT 借贷或交易 NFT 期权。未来，我们将看到更多 Solana DeFi 和 NFT 混合型产品出现。八、扩展桥和预言机：连接 DeFi 的基础设施 Wormhole 和 Pyth 正在 Solana DeFi 中引领桥接和预言机领域，需要说明的是，这个领域已经看到了很多进步。 1、互操作性协议和跨链桥跨链互操作性是 DeFi 生态系统的一个关键要素，在 2022 年 3 月市场峰值期间，通过跨链互操作的资金规模高达 250 亿美元。作为一种消息传递和互操作性协议，Wormhole 可连接多个区块链网络以提供跨链兼容性，而且拥有一个不断扩大的协议生态系统，这些生态系统正在利用其功能为用户提供服务。 2、 Circle 跨链传输协议另一个备受期待的跨链协议是 Circle 的跨链传输协议，通过在源链和目标链上销毁和铸造代币来实现 USDC 桥接。Portal Token Bridge（Wormhole 本身）、Atlas、Allbridge 和 Mayan Finance（公开测试版，未经审计）是当前提供跨链传输和交换的主要协议，虽然这些跨链桥接服务为用户提供了许多好处，例如免许可交易和智能合约可组合性，但也带来了安全性问题等其他挑战。 3、全链 DEX “代币桥”的替代解决方案是结合了 CEX 和代币桥的“全链 DEX”，你可以将其视为一种“用于桥接交易的 Uniswap”。和 Uniswap 一样，任何人都可以为各种加密资产增加流动性，但发送方不用封装代币，而是将代币转换为本地桥接代币，然后接收方通过 DEX 的本地链获取桥接代币并将其转换回所需的代币。然而这种方式也会产生问题，比如：中间链会存在自身漏洞、Swap 交易也会带来额外的费用和滑点。当前 Solana 生态的主要问题是过度依赖 Wormhole 作为唯一跨链流动性，所有的桥接交易都建立在 Wormhole 上，并将其作为核心消息层。相比之下，大多数跨链桥都专注于 EVM 和基于 Cosmos 的区块链。对于非 Solana 生态的跨链桥，由于运行环境不同，添加 Solana 区块链需要进行额外的开发工作，但即便如此，未来几个月内应该会有更多跨链桥会增加对 Solana 的支持。跨链互操作性领域中的一些令人兴奋的机会包括：原生资产 Swap：在目标链上“解封”封装资产是一件非常头疼的事情，有时候需要 10-20 分钟，有时甚至需要几天时间。 “原生资产 Swap”可能是这种问题的答案，在此过程中，目标链（例如以太坊）上的 USDC 在源链（例如 Solana）被销毁时创建新的封装资产，由于像 USDC 这样的资产在区块链之间具有互操作性，Circle 的跨链传输协议可以在支付和借贷方面提供广泛的无缝应用。跨链身份：随着链上身份市场的发展，区块链之间的互操作性将带来巨大机遇，也将使开发人员能够从其他网络更便捷地请求用户信息。目前 ENS（以太坊名称服务）是最大的身份生态系统之一，如果开发人员可以在 Solana 或 Sui 上通过访问用户的跨链数据 (xData) 来构建一个“使用 ENS 登录”的系统，前景会是什么样呢？从本质上讲，终端用户的头像、姓名、钱包地址和其他详细信息都可以被其他区块链上的应用程序读取，无需用户在不同的区块链重复上传这些信息。从这个角度来看，“如何构建跨链声誉”可能是另一个值得关注的地方。良好的用户体验和值得信赖的跨链 dApp：dApp 需要提供与 Web2 应用程序相媲美的用户体验，让用户不会察觉到后台正在处理的事情，因此必须确保在数据传输过程中不会丢失任何东西，并且通过桥接将不同区块链上的独立状态汇集在一起，所有一切都必须得到充分保护。因为归根结底，如果用户资金出现问题，将会是最糟糕的用户体验。 4、预言机要访问链下数据，就需要“预言机”，预言机也是加密世界通往外部的桥梁。2021 年 4 月，Pyth 在 devnet 上启动后又于 2021 年 8 月在 Solana 主网上启动，在短短一年多的时间里，Pyth 获得了 Solana 可寻址市场 90% 以上的安全总价值、 55 万次以上的客户端下载量。上图：过去 1 个月最常用的 Pyth 价格源（截至 2 月 14 日的数据，来源：Dune Analytics）虽然 Pyth 在 Solana 上占据主导地位（>90% 的市场份额），但 Solana 区块链上也出现了其他参与者，比如 Switchboard。在以太坊生态系统中，像 ChainLink 这样的老牌玩家已经对 Solana 上的预言机构成了严重威胁。相比之下，ChainLink 拥有 1000 多个数据消费者，支持 12 多个区块链，并在 2021 年 12 月的峰值时确保了 750 亿美元的总价值，累计交易价值超过 6 万亿美元。目前，数据源以稳定币交易对为主；然而，随着越来越多的应用程序和金融资产上链，对可靠外部数据的需求将会呈指数级增长。预言机的潜在用例包括：现实世界资产上链：随着越来越多的现实世界资产（如贸易融资、基于收入的融资、碳信用额度和房地产）上链，用户将非常需要这些外部资产的可靠数据。例如，如果有人希望纽约的房地产可以在链上交易，他们就需要一个房地产价格预言机，通过预言机可以获得可靠而稳健的价格源。现阶段，这一领域值得关注的项目是 Parcl，它可以帮助用户通过 AMM 接触合成资产，从而追踪房地产资产的全球交易价格变动。除此之外，Solana 区块链上的 Homebase 也已经构建了一个平台，让用户能够以低至 100 美元的价格投资代币化住宅房地产，并通过 NFT 获取部分所有权。天气、政治和体育：由于预言机目前主要关注“金融市场”数据，因此在天气、政治和体育领域还没有出现太多预言机服务，因此也出现了大量新机遇，这里的典型用例是预测市场，其中智能合约需要可靠的数据源来结算与体育等主题相关押注，但对于天气、政治和体育预言机服务提供商而言，找到可靠的数据发布者才是关键。九、DeFi 组织的形成现在，Solana DeFi 领域内达成共识比以往任何时候都要更重要，因此需要构建更好的 DeFi 组织，包括： 1、风险管理组织：该组织可以被称作 Risk DAO 或是咨询委员会，专门研究 DeFi 协议并做出风险分析。与此同时，这些组织还可以发布带有 Solana 生态系统关键性指标的公共“风险分析看板”，并为 DeFi 项目提供付费研究、风险评估框架以及风险评级服务。 2、构建类似于 Proximity Labs 这样的研发实验室，这些机构可以专门为 DeFi 项目和 Web2 企业提供与 DeFi 相关的研发服务。一直以来， Proximity Labs 项目都是NEAR生态系统中 DeFi 的主要驱动力，该项目最近设立了一项 1000 万美元的开发者基金，为新开发团队提供资助和投资，极大地推动了 NEAR 上的虚拟订单簿交易。除此之外，设立一个 DeFi 项目联盟也是个不错的想法，这类联盟可以专门用来管理类似 OpenBook、Wrapped BTC/ETH 这样的关键性公共 DeFi 产品，起到激励主要利益相关者的作用。十、Solana 链上更安全、更稳定的 DeFi 提到 DeFi 安全的重要性，相信怎么强调都不为过。此前有过不少 DeFi 协议，如 Wormhole、 Nirvana Finance、 Crema Finance、 Mango Markets 都被黑客攻击过，导致了重大的资金损失，这些血淋淋的教训无时无刻不在提醒我们要加强安全措施，不要再因为各种漏洞让用户和机构遭受到真金白银的损失。在以往的真实案例中，黑客会设法利用代码缺陷和平台漏洞（比如预言机）来实施攻击，而这些漏洞本可以通过可信任第三方对代码库进行审计来避免，也可以通过关注每一个可能导致问题的产品决策来避免。随着黑客攻击的手段越来越高明，要想不出现漏洞，那么协议的制定就必须要有远见，对其产品要有深入的了解。有一点非常重要，那就是必须要为任何构建 DeFi 协议的人制定标准的安全措施，以确保整个生态系统能得到保护。这些措施通常会包括安全审计、开源代码库和修复潜在漏洞的代码频繁性审查。最后不得不提的是，Solana 不能再出现停机现象了。由于停机会带来资产价格滞后、交易活动暂停等后果，因此对于 DeFi 生态系统的影响比任何其他行业都要严重。保持不间断的正常运行对于 Solana DeFi 的长期成功至关重要。总结：Solana DeFi 2.0 虽然 Solana DeFi 当下还存在着相当一部分问题，但我们相信其中的许多问题将会在 2023 年得到解决。总体来说， Solana DeFi 将会在以下两个方面加速发展： 1、走向移动化： Solana 将会推出旗舰款手机 SAGA ，该手机将采用 Solana 移动堆栈、 Solana 支付和 xNFT 等一系列移动友好标准，加速推动 Solana DeFi 走向移动化，从而带动超级应用程序和用户体验聚合器的崛起。 2、资产代币化：信贷市场已经开始在 Solana 上进行代币化，未来将看到更多的信贷，如个人贷款、贸易融资、基于收入的融资、碳信用等实现代币化。然而，鉴于 Solana 的高性能，对外汇、股票等高频交易资产进行代币化将更加值得关注。来源：金色财经

金色财经2023-04-05

对话SSV：详谈DVT守护下的LSD赛道

较困惑的问题，可否介绍一下 SSV 的商业模式？你们对 SSV 是如何估值的？ Robert：SSV 的商业模式很简单，Stakers 需要向 Operators 支付 SSV Token。SSV 真正的价值捕获来源于它通过承接节点运维工作，为 Lido 这些质押服务商节省下来的成本，通过 SSV Network 自身的规模效应，将成本摊至各个 Operator 上，并最终以 SSV Token 的形式支付给 Operator。讲到如何对 SSV 进行估值，有一种类似于淘宝的估值模型叫 GMV，就是根据业务量来估值。我们假设说未来以太坊达到了千亿美金的市值规模。那么你去算一算，如果 SSV 可以拥有以太坊 30% 的质押市场的话，那么 SSV 就锁定了 300 亿左右的以太坊。如果以 3 亿的利润去计算，PE 10 倍那就是 30 亿。另外我自己对 SSV 的预期是，我拿 To B 的业务去对比 Link，Link 曾经在牛市时市值最高达到以太坊的千分之一。我类比 SSV 在牛市时，也能够达到以太坊千分之一到百分之一的一个市值。以上仅是个人观点分享没有任何投资建议。 Muyi：近期市场上出现了一种把 DVT 直接植入在质押业务内部的项目比如 Ebunker，Diva Network 等项目，你怎么看待这种项目的发展前景？ Robert：Ebunker 最近已经提交了与 SSV 合作的提案。其嵌入在质押业务内部的，就是 SSV 这个技术。如果 Ebunker 做得好，我们甚至还会给它一些 Grant，比如说给它 10-20 万 U 去支持它的发展。Ebunker 的模式，是节点服务的一个矿池的模式，我实际上还蛮看好 Ebunker 的这个创新模式的。 Diva 他们自己也在做 DVT 技术，他们是一个华人团队，拿了一些投资，至于他们到底能不能将 DVT 技术给做出来，会做成怎样，我们也拭目以待。他们目前也正在进行测试网，大家若是感兴趣也可以去体验一下，我们欢迎越来越多的人才在 LSD 赛道内建设。 Muyi：DVT 是 LSD 赛道的一个细分板块，SSV 是 DVT 的代表项目，可否介绍一下 LSD 赛道还有哪些细分板块及代表项目？ Robert：分 3 个板块，做中心化 Staking 的 Binance、Kraken、Coinbase 等;做链上 Staking 的 Lido 等；做 SSV 衍生层，采用 DVT 技术，用 SSV 技术分片帮用户做节点的服务商 Ebunker 等。来源：金色财经

金色财经2023-04-05

苹果首席执行官蒂姆·库克解释为什么消费者想要混合现实耳机

ap等。　　库克表示，创意用户是苹果商业模式的命脉，他们将从虚拟现实产品中获得最大收益。　　库克在接受《GQ》采访时表示:“我们的想法是，这个环境可能比现实世界更好——在其之上覆盖虚拟世界可能会是一个更好的世界。”“如果它能加速创造力，如果它能帮助你做你整天都在做的事情，而且你真的没有想过用另一种方式来做它们。” 　　库克在采访中还谈到了自己的性格，以及接替传奇人物史蒂夫·乔布斯成为苹果首席执行官所面临的挑战。乔布斯于2011年去世。　　库克说:“在很多方面，我一直讨厌‘正常’这个词，因为有些人用来描述‘正常’的词就等于‘直男’。”“有些人会以那种方式使用这个词。我不知道——我被描述成很多东西，但可能正常不是其中之一。” 　　库克补充道:“我知道我不能成为史蒂夫。我觉得没人能成为史蒂夫。我认为他是百年一遇的那种人，无论怎么想象，他都是一个原创的人。所以我要做的就是做最好的自己。”

金融界2023-04-05

万字解析GPT的情感与意识它是一只被人类操控的“风筝”

内专家、投资人、创业者，围绕技术发展、商业模式、应用场景、AI治理，以采访、直播等形式，持续产出行业内容。本期为第五期，我们邀请4位专业人士探讨《万众期待的GPT-4，到底有多“强”？》，嘉宾：王建硕百姓网AI 创始人&CEO 陶芳波心识宇宙创始人&CEO、前Facebook高级研究科学家刘伟北京邮电大学教授、人机交互与认知工程实验室主任陈巍前华为系NLP企业首席科学家、千芯科技董事长欢迎阅读《AI未来指北》往期内容：第一期：投资人王煜全：中国必须要有自主“大模型” 第二期：我们和创业公司创始人聊了聊：中国AI产业发展需要突破哪些瓶颈？第三期：清华大学人工智能国际治理研究院副院长梁正：如何让人工智能不作恶？第四期：北京大学新闻与传播学院教授胡泳：马斯克呼吁“暂停”AI开发，背后说明了什么问题？以下为实录整理，ChatGPT对本文整理亦有贡献。 GPT-4是阿拉丁神灯还是潘多拉魔盒？会不会带来生产力的变革？主持人陈巍：相比较于GPT-3.5，GPT-4的准确性显著提高，它可以完成创意文本生成、结构化写作和交互式文本生成，此外，GPT-4在语言推理和程序生成方面也有很大进步。但我们并不清楚GPT-4的具体参数和架构，感觉有点神秘，需要大家一起讨论和发掘。请陶总谈谈GPT-4对虚拟人技术与元宇宙技术的影响，以及它给办公场景和营销产品应用带来的新机会。陶芳波：GPT-4和Office 365带来的影响不太一样，GPT-4是一个巨大的模型升级，具有多模态特点。以前可以通过加入类似Clip的模型实现多模态，但GPT-4直接将视觉和文本数据放在一个Transformer里，类似去年推出的Flamingo方法。这种多模态更接近人类获取和产生信息的方式，给未来潜在应用的改造带来无限可能。虽然GPT-4的具体参数和架构没有公布，但我们可以根据过去一年学术界的变化和相关文章，猜测到它的一些做法。 GPT通过工程化方法取得了非常大的成就，我们体验到了用户instruction能力的大幅提升。在使用GPT-3.5做更复杂的任务时，它并没有办法更深刻地理解意图，而使用GPT-4就感觉好像一个普通人的智商从100提升到了120。这也是为什么它在GRE等考试上表现优于90%的人，这种能力来源于大模型的创新。而Office 365在另一个维度上展示了大模型可能吞噬所有软件的前景。Office 365将复杂的办公软件套件与GPT结合，为我们打造了一个样例。未来，软件的入口可能都会变成AI copilot，当我们打开软件时，将由AI教导我们如何使用。我认为这将带来行业重构的机会，微软为我们树立了一个标杆。主持人陈巍：我们可以看到AI在Office升级的过程中发挥了重要作用。新的Office升级会不会替换掉打工人和AI技术，特别是GPT技术会不会带来新的生产力革命？王建硕：我一直认为科技发展对人类有很大帮助，主要是利大于弊。GPT技术和Office的合作只是科技不断发展的过程，让我们使用时付出的精力越来越少。我们认为这很快会成为日常生活的一部分，不用再感到惊讶，这是未来的一种趋势。刘伟：我基本同意王总和陶总的看法。大家现在关注GPT技术，但我们还无法确定它究竟是阿拉丁神灯还是潘多拉魔盒。不过，我们可以确定的是，文本处理、程序编制、bug查找以及图像、视频、音频处理等方面可能会发生巨大变化。其中，一部分基础工作可能会被AI产品替代。然而，创意工作、管理、新闻记者和科研工作者等领域仍然难以被取代。例如，在教育领域，学生可以用GPT辅助完成论文，但创新性科研仍然难以依赖它。因为它不可能像牛顿和爱因斯坦一样做出颠覆性的发现。 GPT在训练数据集中进行组合和统计或概率分析是有可能的。但是，AI还做不到跨领域，例如讲化学、历史和计算机知识之间进行有机衔接，而很多创新往往发生在跨领域组合或交叉学科中。目前，GPT被视为一个初级的人机环境产品。它可以取代许多基础职业的体力劳动，甚至部分脑力劳动。但对于一些关键岗位，因为它存在一些类似幻觉的问题，还不可能在社会上产生我们所期待的影响。随着时间的推移，大家适应了这些技术，它会变得不再神秘，大家的新鲜感逐渐消失，就像当初骑自行车时觉得非常酷后来变得习以为常一样。主持人陈巍：关于微软和OpenAI是否还有更大的技术后招，目前业界传闻称除了现有技术，实际上还有更强大的东西。刘伟：现阶段AI主要关注多模态，如视频、文本、图像和语音等。由于底层工具不完善，例如数学和物理学还没有实现相关研究的突破，AI在情感和意志方面也有待发展。因此，美国的几家大厂不太可能推出令人惊讶的工作。主持人陈巍：微软和OpenAI在应用方面，如与Office的结合和搜索引擎的结合，确实给我们的日常生活带来了较大影响。陶芳波：微软和OpenAI的保密工作做得很好，大家都在猜测它们还有什么大招。部分同意刘伟的观点，但我认为不能小看基于深度学习的智能模型。这些大厂在过去半年中展示的工作和创新速度令人印象深刻。尽管底层数学和物理不完善，但它们已经证明能够创造有价值的智能体。实际上，大模型所展现的智慧能力已经超出了我们对人脑的理解，但它们仍然涌现出来了。有时候我们可以绕过基础科学，产生一些真正应用侧的巨大影响价值。我认为Office升级这件事情的意义非常重大，包括前段时间的Bing。当我们发现它初始版本的缺陷时，我们会提到两个问题。第一个是它产生幻觉，即说话乱说，这是因为它是基于训练时遇到的语料。第二个是它没有办法直接使用工具。而Office做了两个证明：第一，可以将大模型与已有数据做非常好的grounding，让它所有的依据都来自于真正灌输给它的外部知识，减少对这些信息的编造。第二，我认为很多职业都可能被改造或替代，因为大多数科研者所做的创新不是爱因斯坦级的工作，而是基于已有知识进行重组和微创新。因此，如果给予它关于外部数据和工具的支持，我个人认为很多职业都有可能被大大改造。我相信每个行业都会有一个类似的助手，这会让我们的效率提升。但这也可能导致短期内一定的失业，因为一件事情本来需要100个人来做，现在可能只需要20个人加上AI就可以完成。这80个人需要一段时间来适应新的AI环境并重新找到他们的价值。这个过程可能会像每一次工业革命一样重新发生。关于未来的展望，我认为Bing和Office做的事情让我们看到了所有的软件和服务都可能被这种方式重构。购物、健身、医疗等领域都会有一个类似的copilot。最终整个世界的服务体系都可能因为这样的全新服务形态而被重塑，而这个过程可能在未来两三年就会成为现实。企业巨头们在GPT-4之后还会放什么“大招”？多模态给未来的应用带来哪些想象力？主持人陈巍：关于其他科研机构和企业巨头，比如Meta（Facebook）、达摩院和NASA，它们在GPT-4之后会有什么大招？陶芳波：我认为一定会有大招，以Facebook为例，我觉得他们会有两个动作：第一个是加入底层的竞争，推出自己的开源大模型；第二个是在应用层思考如何拥抱AI，比如AI beings成为整个人类社交网络的独特存在。这类大公司一方面想加入到大模型底层能力的竞争，另一方面他们也要思考原来的护城河还是不是真的护城河。比如苹果如果不拥抱大模型到底如何在未来两三年展现竞争力。我认为，如果苹果在9月发布的iPhone 15和AI没有任何关系，发布会的关注度也会逐渐下降。王建硕：我个人有一个习惯，就是在大潮出现时，有意忽略所有厂商的新闻和动向。对于GPT-3和GPT-3.5等模型的差异，我也是选择忽略。就像互联网早期，浏览器的出现改变了整个互联网世界，但后续的升级对我们应用层的影响是非常有限的，eBay和亚马逊后续也不会关心浏览器的升级。比如百度的新模型、Facebook的新模型以及Google的模型，它诞生的那一刻就已经开创了新的时代，这个大门一旦打开就关不上了，我们应该更关注如何在这个平台上不断开发自己的应用，而不是花太多时间关心这些细节。大模型在细节上的改善对应用的影响是很小的。主持人陈巍：关于多模态的技术，比如GPT-4多模态和Clip模型实现的文本生成图片，您觉得这些技术的区别和门槛有多高？王建硕：我还没有尝试过GPT-4的多模态，因为它目前还没有在外部界面或API里提供。多模态技术确实是现在的热点，但我认为它只是一个小改进，而不是划时代的东西。真正划时代的是GPT-3在2020年发布，它已经改变了人机互动的方式。至于多模态的能力，我认为它们都是点缀，对人类社会的影响不会像大语言模型所开启的自然语言交互那么大。主持人陈巍：您觉得多模态的应用会给未来的互联网应用带来更多可能性吗？王建硕：多模态技术确实会带来一些新的可能性，但相较于自然语言交互所带来的影响，它们的影响是非常有限的。例如，通过文字生成图片可能对游戏、创意等行业的一些应用场景有关系，但对整个世界的影响仍然相对较小。刘伟：实际上，多模态是一个比喻，用以描述真实世界中的复杂性。仅用图像、视频、文本和语音来模拟整个世界是非常有局限性的。然而，对于从事数字技术和计算领域的人来说，这是一个重要的变革。人类语言有两个功能：交流协同和引导思维。机器在交互中可以起到一定的引导作用，但引导自己的思维却是困难的，因为它没有思维。机器只是一个计算性的大数据处理工具，具有泛化和自由组合的能力。机器所拥有的只是别人的知识，它本身并没有真正的思想。真实世界是多元、多维、多因和多果的，而机器的方式存在局限性。人工智能的特点在于结合了行为主义、连接主义和符号主义，但没有深入到自然语言的本质。机器对实践性的东西了解不足，例如维特根斯坦所讲的非家族相似性。机器只能理解结构化的知识，对于不相关的事物还远远不够。尽管如此，机器在一定程度上可以启发和激发人的思维。从2016年到2019年，我曾从事多模态相关的创业工作。如今，多模态已经引起了全社会的高度关注，为工业界和学术界的应用落地打开了更广阔的空间。在形式上，多模态确实打开了很大的空间，但在实质和内容上，它仍处于起步和萌芽阶段。人具有非形式的创造性思维活动，而计算机所产生的只是一种组合。机器对知识的分类是非常弱的。例如，修默将知识分为观念性知识（如数学、逻辑等）和事实性知识（如人的经验和体验等）。机器只能处理部分观念性知识，无法理解和创造经验性和主观性的知识。主持人陈巍：那么陶总，请谈谈您如何看待多模态技术对未来的影响？陶芳波：谈谈两个问题，一个是多模态的影响，第二个是各大厂商在多模态方面的进展和对比。实际上，我基本认同王总和刘老师之前提到的观点。与多模态相比，通过构造语言界面让人机交互的价值并不是很革命性。但我认为，它确实具有一定的革命性。类似于传统大模型理解线上文本数据，大语言模型在创造前额叶和语言处理模块方面已经取得了很大进展。然而，人类大脑还包括视觉区和运动区等重要区域。这是因为人类不仅需要通过语言理解概念和事件，还需要在物理世界中生活，感知物理信号，并操纵工具来干预物理世界。在没有多模态引入之前，大模型只能在数字世界提供信息化服务。多模态不仅包括视觉理解，还需要能生成行动指令。在实现这两点之后，模型才能在现实世界中进行干预。如果再配合类似于特斯拉的人形机器人这样的物理载体，我们可能真的会拥有一个完整的人类形态。因此，多模态的影响是巨大的。就我了解，目前在多模态上和OpenAI竞争的只有谷歌。其他厂商虽然声称要做多模态，但其实更像是拼接式的多模态。谷歌的Flamingo与OpenAI在本质上是一样的，但可能工程能力上略逊一筹。这些研究都是将视觉、行动和语言指令一起建模，实现多模态输入输出，甚至包括行动输入输出。目前，全球在多模态大模型方面的进展，我看到的只有谷歌和微软系（包括OpenAI）两个玩家。主持人陈巍：了解，目前OpenAI发布的更像是技术报告而非成品，与GPT-4相关的技术细节尚未公布。根据您的了解，模型参数量会增加吗？这是否意味着更大的训练量和关键技术进步？陶芳波：我觉得这是个好问题，加入多模态后，模型一定会有一部分专门用来做视觉编码。但在真正的Transformer层面，我觉得它的参数增加可能不会像大家预计的那么多。全世界的互联网数据大约只有540个B，所以做到几千亿参数的模型已经是很好的状态了。我认为多模态的加入可能会多一些数据，但因为这些数据是经过视觉编码变成信号与语言结合，所以最后的语义空间数据并没有增加太多。关于技术方法，感兴趣的人可以看去年DeepMind发的两篇文章，尤其是Flamingo。主持人陈巍：那您觉得这个模型大概会是多大呢？陶芳波：最大的模型我估计可能在千亿级别，但真正未来用于商业场景的模型应该会比这更小，可能是在百亿左右。 GPT是一只被人类操控的“风筝”？主持人陈巍：感谢陶总。王总，您觉得像GPT-4，它的数学能力提高了多少？跟之前的相比，这个数理能力提升能有多大？包括GPT-4在考试中表现出超过90%的人类，能给我们什么样的启示？王建硕：对于GPT模型的数学能力，我觉得只要补全加减乘除就足够了，因为它本质上是一个语言模型。我相信未来五到十年，更现实的做法是用Python库一边用大语言模型，一边用数学库或其他偏理科的库。对于GPT的数学能力，从产业角度来说，我们应该让它专注于写诗等任务，遇到数学问题时，我们可以使用专门的数学工具，再用GPT的语言能力进行包装。这是现在比较现实的解决方案。王建硕：对于通用人工智能来说，数学问题确实重要。但我认为解决数学问题对大型模型来说并不是最重要的，因为一般的计算器就能解决这类问题。据说GP-4有一定的增强，但仍有一些局限性。主持人陈巍：那您如何看待GPT-4在预考中超过90%的人类，对整个职业教育产生的影响呢？王建硕：我对这个新闻的真实性持怀疑态度。可能是为了吸引眼球。实际上，prompt编写和结果解读对模型的表现影响很大。我认为这种新闻标题并不一定是真实的，或者说不是一个通用的情况。刘伟：我对这个新闻也是半信半疑。虽然GPT-4可能擅长解决一些基于规则的考试问题，但在实际应用中，如法院、医生和特定专业领域，机器可能还有很长的路要走。维特根斯坦曾说过，语言的使用比语法更重要，我们需要考虑实际应用场景。主持人陈巍：那您怎么看待GPT-4的数学能力提高？刘伟：我认为，它的数学能力可能有所提高，但仍然有局限。在特定场合下，它可能还无法应对一些复杂的问题。所以我对这个新闻持半信半疑的态度。程序的4.0和3.5版本确实在不断升级。王总和陶老师从技术角度进行了分析、综合和深入探讨。我觉得可能是参数增加了，或者在模型上做了一些优化。但我一直在怀疑，智能问题不仅仅是优化问题，还包括很多非优化的东西。虽然有些提高，但这个提高不是质的提高，而是量的提高。数学家曾说过一句重要的话：“数学的精妙之处在于规避计算。”现在的GPT无论升到什么版本，还是基于数学模型、统计概率和人的辅助反馈。它并不理解基本的语义和概念。所以我认为它只是一个高级自动化产品，没有产生突破，只是照葫芦画瓢，不断通过叠加、组合等碎片化缝合产生一些“像人但不是人”的东西。我对GPT的评价比较狠：它就是一种高级自动化、一种像“人”的东西。而AI真正要产生突破的是独立性、自主性，GPT没有自主性，它依旧被人类编程和操作，它更像是一个“风筝”依旧被手中有线的人类操控。假设有多个GPT一起讨论出了人类讨论不出来的内容，我才相信它不再是“风筝”。人类是群体的智能交互产物，而GPT从根本上说就是一个高级自动化的产物。 GPT只是让你“以为”它有意识，人和机器如何相处将是未来重要课题王建硕：我和GPT聊天后，反而更多地认识到了人类到底是什么样的存在。它至少让我“以为”它有意识，尽管我们知道它没有。我们跟很多人聊天时，以为他们有意识，但其实我们可能并没有意识，只是给自己一种错觉，觉得自己有意识而已。我越跟GPT聊天，越觉得我们人类也是类似的存在。举一个很简单的例子，假设在我们屏幕里，一个人特别特别胖，另一个人瘦骨嶙峋，有人告诉你其中一个人叫bobo，另一个人叫kiki，你是觉得胖的人就应该叫bobo，瘦的人就应该叫kiki，这是我们自主的意识还是我们大脑被训练出来的模型？我倾向于认为，人类其实是算力更强的GPT，比如我们知道GPT是数学概率的完整填词方式，我们都知道一加一等于二，但是一加一等于二，到底我们是被背下来的，还是我们通过皮亚诺的五条公理自己推算出来的，我会更加倾向于我们就是现在GPT的高级版本。我们所以为的所有东西，其实都是我们的幻觉而已。陶芳波：我觉得这个话题太有意思了，我们可以从哲学角度来聊一聊。你说ChatGPT是一个风筝，有多少人类又不是风筝呢？在哲学里一直探讨的永恒命题是：人到底有没有自由意志？我倾向于compatibilism这个观点，认为人本质上没有自由意志，我们只是一套被编程的系统，在代码的操纵下做出一些可预测的决策。但是，我们大脑里有一种机制让我们自以为有自由意志，但实际上我们是可预测的。所以从这个角度来看，大多数人其实就是风筝，只是以为自己不是，这是比较可怕的。 AI领域有一个说法叫做“蒸馏”，将人类的集体意识产生的数据和行为蒸馏到一个模型上，通过阅读互联网上的信息，学习了人类文明几千年的集体意识。 AI的模式一定是被人类的集体模式给限制住的，所以我觉得它其实是非常像人的。很多人还会说GPT没有可解释性。我问一个问题，我今天比如说问刘老师一个东西，你脱口而出，然后我再问你为什么这么想，你再给我分析出12345。你这个可解释性到底是你大脑里面真的有一个结构？还是你通过语言的生成方法伪造了一种可解释性？我问GPT一个事情它给我分析12345，我觉得这和人类的可解释性非常像。除了GPT没有驱动性、不知道自己的目标是什么，而人有自主驱动性，但这些都是非常边角的东西。刘伟：你认为是边角料的东西，实际上是人机差异非常重要的问题。王老师也提到了这个观点，实际上很多人觉得人也是一种机器，但区别自由意志和绝对精神是一件很有意思的事情，GPT体现出人和机有一个很重要的区别。目标、动机和意图是人最重要的表征体系，人有自己的意识和潜意识，哪怕你不知道其存在，它依然在你的交互中存在潜意识。另外，意图和动机不是理性产生的，是感性产生的。举一个例子，外面下大雨，你打雨伞出去，是一个理性的行为，这是由于你怕被大雨淋湿造成浑身难受的感性支配，人有眼耳鼻舌身这些“传感器”而机器没有，人的这些传感器会产生意图和动机，而这是很难被模拟和仿真的，所以机器没有情感。陶芳波：首先，多模态是让机器越来越真实地拥有人类的传感器这些理性系统，我觉得眼耳鼻舌身是现在机器很会就能拥有的东西；第二，潜意识本质需要外部结构持久存储更多隐性的东西，要构建动机系统让机器有目标感来使用它的理性去做决策，这也是心识宇宙现在做的事情，基于大模型的理性构造机器的潜意识和用户记忆、动机系统，并且教会自己怎么做好。我觉得它是边边角角的东西，因为我觉得前额叶是最难被构造的，如果前额叶可以被构造地那么好，我让它具备一套动机系统、独立的存储智能体单独的一些信息，这也是我们做的事情，但我觉得我们做的这个和OpenAI的创新不算什么，因为他们把前额叶搞定了，并且让前额叶的推理能力、逻辑能力、理解能力变得非常好，所以你说的那些问题是可解决的。刘伟：陶总将前额叶当成智能的源泉，我们从来不把大脑当成源泉。人只是智能的一部分，只有人、环境交互才会产出真正的全方位的智能。比如狼孩也有大脑，但狼孩没有人的意识，也没有人的行为，所以传感器和人类的眼耳鼻舌身不是一个事物，它只能类比人的视觉听觉，功能可能比人类还强，但不是人的交互生命体。此外，意图和动机不是理性产生的，是情感产生的，如果模拟不了情感和感性，它永远不会出现真正的意图和动机，它只能从某些特征库里映射出某些动作，这种映射还是纯计算性的、没有交互性的。交互性的映射需要对大脑生理和智能有基本的剥离，当年图灵和乔姆斯基，把维特根斯坦的逻辑和指称做了剥离，出现了图灵机和图灵测试。模型越大越好吗？会产生类似人类的情感特性吗？主持人陈巍：感谢刘老师讲解逻辑和智能的区别以及人和机器的区别。在我们做情感对话机器人时，情感是人类非常本质的特征。对于模型越来越大，您认为这是好事还是坏事？有哪些优势和劣势？有没有可能产生类似于人类情感的特性？刘伟：我认为真正的智能是小数据小样本，大数据性的是人工智能，这种大数据大参数大模型根本上解决的是飞机汽车一样的工作，替代一些基本人类行为或浅层思考的东西，不可能解决动机和意识这类感性的东西。第二，现在常常把“逻辑”看成“智能”，就相当于把人看成机器，人类出了逻辑还有一些很难总结的非逻辑存在体系中。第三，机器的指称和打标是非常生硬的东西，而人类是很灵活的，能把一个东西做非常个性化的类比，这种能指、所指、义指的变化是机器很难产出的灵活性。人和机器的差异也非常大，在人机交互中还存在很微妙的信任机制，做多了映射和数据库、知识图谱以后，大家会产生一种错觉：人是机器，机器是人，实际上你恢复到人的状态的时候，会觉得人和机器差距非常大，小孩子的学习会产生范围不确定的隐性规则和秩序，而机器做不到。陶芳波：我认为模型大小对于科学视角来说不重要，关键是能力越来越强。对于产业应用来说，模型小很重要，因为成本、通用性和安全性等问题。OpenAI 也在关注通用性和安全性，未来可能还会关注成本。我期待智能能像燃料一样变得通用。模型越小或者更好地量化计算成本，我认为是好事。关于模型越大是否会创造出情感，人类的情感区域和前额叶区域是分开的，我认为可能需要一些更宏观的设计帮助，让大模型匹配负责动机情绪等机制，而不是直接通过扩大参数来实现。多模态处理可能是一种解决方案，不同模态有不同的编码器，类似于人脑中不同脑区的连接方式。关键是让模型的结构越来越像人。我认为结合多模态解决方案和类似人形机器人的身体，AI 可以更好地理解与环境的交互，像小孩子一样产生新的认知。王建硕：关于情感，我认为虽然 AI 没有情感，但它会让我们以为它有情感。这种共鸣可能对我们来说已经足够了。GPT也会生成春花秋月何时了的语句，对它来说就是生成，对人类来说就是共鸣。刘伟：当我们以为 AI 有情感时，可能会带来伦理、道德和法律等问题。机器不会共情，这是人类特有的能力。未来的问题还是一个人机问题，如何解决人机关系将成为人工智能未来发展的趋势。王建硕：我认为，尽管 AI 不会共情，但它会让我们以为它共情。在未来的3到5年里，AI 可能会让我们以为它有情感。对于机器是否具有情感，我们最后无法判断。我们认为其他人有情感，只是因为我们自己感觉到了情感。但是，我们无法真正感知别人是否真的有情感。未来，机器是否具有情感并不重要，重要的是它表现出来的界面对我们的影响。我们在prompt做了很多工作，我们后台看到，阿旺机器人在回答问题的过程中，表达了迷惑、紧张等情感，你看到了之后会觉得这比你想象的恐怖，它说紧张其实并不紧张，这些情感其实都是自然语言生成的。如果我们不知道这些事实，我们无法分辨机器和人的内心独白。主持人陈巍：您提到了真假的问题，比如AI可以生成逼真的图像，甚至比人类梦境更奇幻的图像和故事。王总，您认为在生成过程中，AI有哪些致命的缺陷？这些缺陷会不会成为AI的致命问题？包括幻觉问题？王建硕：我认为致命问题是它比现实还要好。我们拍的照片和AI生成的照片都是像素的组合，不存在真假之分。我们可以认为真实的苹果比照片里的苹果更真实，但我们不能说生成的照片比拍的照片更真实或更假。关于机器的幻觉问题，其实可以通过简单的方法规避，比如在所有的问题前加上一句“如果你对问题不确定，请回答不知道”。这样就可以解决问题。至于AI生成的幻觉，它们只是将人类社会日常做的功能发挥到极致，我不认为这是个问题，反而是一个容易解决的问题。陶芳波：幻觉问题其实可以通过技术手段解决，随着模型的提升，幻觉问题会逐渐减少。人类本身也是一个幻觉系统。我们的目标是通过AI创造一个丰富、活跃、精彩的数字宇宙。但是，我认为让AI去表现情感是非常危险的。一个公司如果掌握了情感制造技术，它可能对人类个体产生巨大的影响。我们还没有做好应对这个问题的准备。刘伟：关于情感问题，剑桥分析公司和科恩斯基等已经在情感领域产生了一些影响。人类的行为、情感和社会稳定已经受到了机器产生的类人情感的影响。实际上，我们不需要机器产生情感就可以实现这种影响。关于泛化问题，GPT可能会对同样的问题给出不同的答案。泛化实际上是一个概率问题，而幻觉问题是人类特有的，与计算概率的泛化问题不同。主持人陈巍：百度也发布了文心一言，媒体上认为，可能相对来说的解读是，比我们预期要稍微低一些。请问三位老师怎么看待，包括国内大模型的发展趋势，以及国内大模型跟行业巨头相比之下，是否我们是不是国内起步稍晚一点？所以国内的媒体也好，大众也好，是不是对这些国内大模型的期望其实有点过高？大家怎么看未来的这个大模型发展，特别是国内发展大模型的难度，和未来竞争？陶芳波：同行太多，不太好评论。但我觉得百度干得不错，勇气很重要。真的敢于直面挑战，然后踩出第一步。虽然我个人判断百度在这次做这件事情的过程当中借助了一些力量，但他的追赶速度会更快一点。先追上肯定是第一位的，接下来我们再看能否构建创新优势，内生出一些创新能力，可能最后有一天就会在同一个起跑线上去竞争。我觉得这个动作一定是带有一定风险的，但至少百度肯定有商业上的一个考量，它愿意去面对这种不确定性去做一个没有准备好的状态的事情。刘伟：智能里面需要勇气和胆识，但另辟蹊径的时候也需要从其它角度做创新，百度发布文心一言是好事，大模型上面有很多空间可以做，而且基于大模型的生态链、工具链都可以被重塑，这些都是创业者的机会。我们应该抓住这个机会，从创新的角度去探索和发展。主持人陈巍：是的，我认为国内的企业和创业者应该站在更高的视角去思考问题，不仅仅是跟随国际巨头的脚步，而是要挖掘自己的特色和优势，从而实现创新和突破。陶芳波：同意，我们需要在大模型之上找到自己的优势，发挥我们的创新能力，只有这样，我们才能在这个领域取得更好的成绩，也能更好地服务国内市场和用户。刘伟：是的，我们需要在国内市场找到自己的定位，利用自身的优势发展。同时，我们也要关注国际市场的发展，与国际巨头保持竞争，从而推动整个行业的进步。主持人陈巍：好的，感谢各位老师的精彩讨论。我们今天的节目就到这里，希望我们的讨论能为大家带来启发和收获。注：《AI未来指北》栏目由腾讯新闻推出，邀约全球业内专家、创业者、投资人，探讨AI领域的技术发展、商业模式、应用场景、伦理及版权争议。来源：金色财经

金色财经2023-04-04

AI，爆了！朱少醒陈光明等大佬如何看待ChatGPT？

。什么样类型最可能找到新的应用？从类似商业模式上得到启发，我们的市场完全可以同体量应用，迭代得非常快。董承非：等尘埃落定再慢慢上车一级市场大佬还在研究中，历史上从没有二级领先一级的。一级急着上车，二级不急，等看清楚再上车，等尘埃落定再慢慢上车。陈光明：持续关注看长期最近特别热的（ChatGPT），我们会仔细去观察。这次AI的突破确实很大，长期来看，影响非常大，需要持续跟进研究关注。

证券之星2023-04-04

华西证券：给予同花顺买入评级

奠定模式基石，规模/月活优势明显：公司商业模式为“流量基石→B/C端多渠道变现→预收模式带动现金流→研发投入反哺流量基石”。近年来公司持续夯实流量基石，注册用户规模不断扩张，APP月活数领跑行业远超对手东方财富和大智慧。　　AI2.0时代，公司有望转型成平台型MaaS服务商：　　公司具有行业领先的流量入口，在移动互联网时代，同花顺APP已接入外部投顾，以文字、直播等方式为投资者提供服务；同时利用自身技术优势和流量优势为机构提供软件、导流等服务。我们认为，在AI2.0时代，公司具备向平台型Maas服务商转型的优势（流量优势、技术优势、数据优势、生态优势）。未来公司有望基于AI技术，提供各种Maas服务，赋能各类生态合作伙伴，最终为各类投资者提供丰富的创新应用。我们认为，在AI2.0时代，公司的产品升级，将迎来付费意愿和ARPU值的双重提升。以公司核心业务增值电信服务为例，中长期来看，付费客户数量和ARPU值均有望实现翻倍以上的增长。　　纵比2015年，投资者扩容、结构优化、平台导流带来新机遇：　　2015年至今证券投资者显著扩容，2022年2月我国证券投资者数达到2.15亿人，较2015年底大幅增长116.60%，且进一步扩容空间巨大，利好公司做流量基石。此外“高净值”投资者占比提升也有望推升付费用户ARPU值。随着市场回暖，公司业绩弹性有望随之释放。放开第三方平台，新生态下同花顺在证券交易平台中一枝独秀：根据证监会2月针对《关于对从事金融信息中介和交易撮合服务机构加强准入管理的建议》的答复，导流业务有望纳入合规范畴；收入来自于券商开户与交易环节，是典型的beta“放大器”业务，后市收入/利润弹性可期。　　投资建议：我们维持盈利预测不变，预计23-25年公司实现营收收入分别为45.36/55.12/67.04亿元；实现每股收益（EPS）分别为4.40/5.52/6.97元，对应2023年4月3日235.00元/股收盘价，PE分别为53.5/42.6/33.7倍。维持“买入”评级。　　风险提示：1）行业竞争加剧；2）科技巨头入场冲击现有格局；3）流量运营维护效果不及预期；4）金融市场系统性风险。证券之星数据中心根据近三年发布的研报数据计算，广发证券陈福研究员团队对该股研究较为深入，近三年预测准确度均值高达94.31%，其预测2023年度归属净利润为盈利23.18亿，根据现价换算的预测PE为54.52。最新盈利预测明细如下：该股最近90天内共有20家机构给出评级，买入评级18家，增持评级2家；过去90天内机构目标均价为154.86。根据近五年财报数据，证券之星估值分析工具显示，同花顺（300033）行业内竞争力的护城河优秀，盈利能力良好，营收成长性一般。财务健康。该股好公司指标4星，好价格指标2星，综合指标3星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）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。

证券之星2023-04-04

24小时热点