FX168财经网_全球视野外汇黄金加密货币NFT资讯网

回顾2023孙宇晨重要观点带你打开加密新思路

2023年，波场TRON先后获华为云、谷歌云支持，主流机构加持为波场TRON社区注入鲜活动力。全球化进程方面，TRX登陆日本交易所Zaif，并于8月成为Binance Japan推出的34种加密货币之一。与此同时，2023年波场TRON还成功举办了两届波场黑客松大赛及TRON Builder Tour全球拓展，与社区与开发者建立了直接且密切的沟通。正如孙宇晨2023年12月在社交媒体所言：“波场TRON的未来取决于四个基本支柱：去中心化、合规性、交流和机构参与。”回看2023年波场TRON重大发展历程，其一直在展示其革新数字世界的潜力，也为四大支柱作出了充分的注解。心怀星辰大海，直面挫折考验作为行业坚定建设者，秉持长期主义，孙宇晨持续推进区块链触达全球80亿人口。在Wiki Finance EXPO Sydney 2023大会上，孙宇晨表示：“加密货币作为一项重要的金融创新，已将我们带向去中心化的未来。”在创新发展的路上，有鲜花掌声，也伴有挫折考验。对此，孙宇晨在2024年新年寄语中写道，星辰大海不仅仅是一种浪漫，更有风高浪急的考验。我们要做的，就是通过这场考验，让区块链行业，最终“通过那扇窄门”，最终进入千家万户。 2024年开年，加密领域就收获重大利好——比特币现货ETF获批，波场版USDT发行量也历史首度突破500亿枚。新的一年，新的赛道与机会，引用孙宇晨于2024年1月24日的一段话，送给坚守在加密一线的HODLers。 “在加密领域，只要持续肯学习，肯折腾，肯迭代，就一定会大成。因为Web3是一个新事物层出不穷，创新玩法反复迭代的地方，永远保持7*24实时在线，一个月两次机会，一年二十四次机会，总能抓住一次。永远不要害怕失败，因为你成功一次就够了”。来源：金色财经

金色财经2024-02-16

王炸！OpenAI新里程，输入文字即可一键生成视频

AI领域与微软、Alphabet旗下的谷歌和亚马逊竞争。 Sora仍在开发中，公司补充说，该模型可能会混淆提示的空间细节，并且在遵循特定的摄像机轨迹上有困难。 OpenAI表示，它还在开发工具，可以识别出一个视频是否由Sora生成。

Sissi2024-02-16

一年飙升900%！现在购买这只股票是否为时已晚？

时已晚？（超微股价1年走势图，来源：谷歌）美国银行证券分析师 Ruplu Bhattacharya表示并非如此，他最初对这家服务器制造商的股票给予买入评级和1040美元的目标价。他表示，投资者可能没有充分认识到超微(SMCI)的潜力。 Bhattacharya在周四(2月15日)的报告中写道:“我们认为，人工智能服务器的市场规模远远大于街头模型的考虑范围。”在他看来，过去17年，服务器市场的年平均增长率为5.5%，而在未来三年，服务器市场的年平均复合增长率将达到50%。他还说，与此同时，超微的收入增长速度可能会超过50%，因为该公司的市场份额可能会增加。 Bhattacharya指出，超微“已经成为英伟达、AMD和英特尔等公司在CPU和GPU加速器方面的早期合作伙伴”，在他看来，超微“与多种新设计和新技术合作的能力，将在未来几年为无数与人工智能相关的处理器提供良好的服务。” 观点：为什么超微在竞争中遥遥领先？在人工智能时代，超微的液冷技术至关重要。因为如果处理器过热，就会自动降低速度以防损坏，这是Bhattacharya所强调的。他还指出，该公司帮助客户降低了对传统冷却设备的依赖，进而减少了运营成本。这意味着，通过采用超微的先进冷却解决方案，企业不仅能保持系统的高效运行，还能显著节约能源费用。 Bhattacharya还称赞了该公司在“从头开始”构建服务器技术方面的专长，他说，这一战略是一个竞争优势，因为超微可以快速适应新产品，并定制产品以满足客户需求。他写道：“超微的竞争优势在于，它可以采用几乎任何芯片架构，并将其放入节能、优化的服务器平台中，并将其扩展到机架中，并在其上放置必要的软件。假设组件可用，超微可以在短短几周内制造、组装、测试、验证和运输机架，使其为客户即插即用。” 超微股价周四涨超14%，收报1004美元。他的目标价为1040美元，这意味着该股后续还有一定上涨空间。（超微股价1天走势图，来源：谷歌）

Sissi2024-02-16

【美股收市】标普500第11次创新高美国1月份零售额跌幅超预期

，ChatGPT的所有者正在开发一款与谷歌搜索竞争的搜索引擎。大型科技公司都面临压力，苹果、亚马逊、微软和英伟达均下跌超过 1%。 #美股收盘#

阿泰尔2024-02-16

谷歌：已准备好推出下一代AI模型Gemini1.5

谷歌CEO皮查伊：我们已经准备好推出下一代AI模型Gemini1.5。它在许多方面都有显著的改进，1.5 Pro达到了与1.0 Ultra相当的质量，同时使用了更少的计算。新一代模型在长语境理解方面也取得了突破。

金融界2024-02-16

美国摩门教基金第四季度减持“七巨头”股票

65股，持仓总额28.7亿美元。 3、谷歌母公司Alphabet：减持1489773股A类股（GOOGL），增持668720股C类股（GOOG），持仓总额17.5亿美元。 4、亚马逊：减持320730股，持仓总额14亿美元。 5、英伟达：减持154150股，持仓总额13.1亿美元。 6、Meta：减持142543股，持仓总额11.4亿美元。 7、联合健康集团：减持343936股，持仓总额8.88亿美元。 8、万事达卡集团：减持112,349股，持仓总额7.908亿美元。 9、摩根大通：减持117017股，持仓总额6.948亿美元。 10、特斯拉：减持48,707股，持仓总额6.556亿美元。

金融界2024-02-16

谷歌-C下跌3.03%，报142.68美元/股

2月16日，谷歌-C(GOOG)盘中下跌3.03%，截至00:13，报142.68美元/股，成交15.25亿美元。财务数据显示，截至2023年12月31日，谷歌-C收入总额3073.94亿美元，同比增长8.68%；归母净利润737.95亿美元，同比增长23.05%。

金融界2024-02-16

谷歌-A下跌3.09%，报141.43美元/股

2月15日，谷歌-A(GOOGL)盘中下跌3.09%，截至23:28，报141.43美元/股，成交19.78亿美元。财务数据显示，截至2023年12月31日，谷歌-A收入总额3073.94亿美元，同比增长8.68%；归母净利润737.95亿美元，同比增长23.05%。

金融界2024-02-15

Crypto x AI 生态最全大盘点

游戏环境的可能性探索。来自斯坦福大学和谷歌的研究人员通过将 LLM 应用于沙盒游戏环境中的代理展示了这种潜力。由 LLM 驱动的代理表现出令人印象深刻的行为包括传播派对邀请，建立友谊，约会，以及协调大家按时参加聚会等等，所有这些都基于单一的用户指定建议。该方法利用了一种架构，该架构扩展了 LLM 以存储和合成更高级别的反馈，从而让代理能够实现更为动态的行为规划。这项研究是迄今为止 web3 中探索最多 (但仍处实验阶段) 的游戏的基础。核心思想是我们如何在模拟环境中使用具有高度自治性或特性的 AI 代理，并围绕它们打造有趣而富有趣味性的游戏。 Parallel TCG 团队的 Parallel Colony 通过让 AI 代理在游戏中为玩家收集资源和代币来探索这一概念。使用 ERC-6551 标准，AI 代理是可以代表用户在游戏中进行交易的 NFT 钱包。AI 代理可以创建、铸造和存储新的游戏道具，并且还具备由团队创建的微调 LLM 所定义的个性，使他们具有非标准化的行为和特质，这些行为和特质可以影响他们在游戏中的行动。不过从概念上讲，最引人入胜的基于 AI 代理的游戏是 Upstreet。Upstreet 是一个虚拟世界项目，具有一些疯狂的创意，例如 AI 代理 SDK、程序任务、浏览器 + VR、拖放互操作性以及一个名为 “The Street” 的环境中的社交功能，玩家可以构建自己的体验并在其中互动。除了玩家之外，还有人工智能代理，开发人员 (及玩家) 可以部署影响游戏环境的个性和目标。最有趣的是他们对 AI Director 的研究和开发，这是一个 AI 代理，它决定一个目标，例如 “从最高的建筑物跳伞” 或 “开始一个新的宗教”，用户和代理作为挑战者参与其中。Director 会在每一个回合结束时确定获胜者，用奖品、代币和 NFT 奖励玩家和代理。这可能会导致非常有趣且复杂的代理与玩家的交互，我们非常高兴看到其发展，特别是，它可以直接导致高价值的 3D 环境研究和数据，为将来的更先进的模型提供更多的数据，OpenAI 似乎也对收购开源 Minecraft 风格的游戏颇感兴趣。用于创建虚拟世界的生成工具是增强游戏的另一个领域。例如，Today 让玩家设计自己的虚拟岛屿并照顾 AI NPC 同伴。尤为独特的是他们使用生成创意工具来促进游戏内 UGC 的开发。由于游戏主要基于这些用户创建的岛屿，因此，为没有 3D 游戏开发或艺术技能的玩家提供丝滑的资产开发机会非常重要。可以说，围绕元宇宙风格的游戏玩法之所以低迷，很大程度上是因为缺乏内容，而从短期来看，恰恰可以通过使用生成工具来补救这一点。 AI 代理需要训练，而训练本身可以成为一个有趣的游戏供玩家探索。AI Arena 提供了一种新颖的 AI 代理训练方式，让玩家玩 Super Smash Bros 风格的游戏，通过模仿训练慢慢教 AI 代理参加比赛。由于 AI 代理不需要休息，因此它可以全天候地与始终活跃的竞争对手池进行竞争性锦标赛以获得奖品，同时玩家可以异步微调其游戏风格。这将培训变成了一种游戏，并通过代币经济学放大它的效用。人类与强大的人工智能玩家进行大规模的合作游戏在过去是可以做到的，但随着代币经济学的融入，它被提升到了一个新的高度。来自 Modulus Labs 的 Leela vs. the World 是此类游戏形式的实验。在这个实验中，Modulus 采用了 Leela 国际象棋引擎，并通过 zk 电路验证它的输出。玩家可以投入资金押注人类与人工智能的对弈，从而形成一个有趣的预测市场。虽然考虑到目前 zk 的状态，该模型的验证时间会很长，但它无疑开辟了基于大规模协作的电子竞技预测市场和可验证且复杂的 AI 玩家治理机制的可能性挑战。最后，纯链游或自主世界也将通过人工智能得到增强。关于该主题最引人注目的是大型知识模型 (Large Lore Models)，它着眼于使用 LLM 协议层来创建持续的知识，这些知识可以在可修改和相互关联的游戏环境中进行互操作，玩家的行为在自主世界中同时影响多个游戏环境，因此应该携带更高维度的知识来促进故事情节。这非常适合构建在多链游戏环境中的抽象 LLM 层。基础设施 AI x Crypto 基础设施本身就值得用一篇单独的文章介绍，但在这里我将简要介绍我们看到的一些正在形成想法。分布式计算要理解加密经济系统对计算的需求，首先要理解核心问题。迄今为止，GPU 容量存在极大的瓶颈，最好的硬件，如 H100，等待时间长达一年。与此同时，初创公司正在筹集巨额资金来购买硬件，政府正在争先恐后地为国防目的而采购，即使是像 OpenAI 这样资金最充裕的团队也因为计算能力有限而不得不暂停功能发布。很多专注于去中心化计算和 DePIN 的团队在这里看到了机会：引导无许可的集群来满足需求，同时提供加密激励和最低利润，使网络在定价上与 web2 同行具有高度竞争力，同时为硬件供应商提供更好的回报。机器学习大致可分为四个主要的计算工作量：数据预处理：准备原始数据并将其转换为可用的格式。训练：让 ML 模型在大型数据集上进行训练，以学习数据中的模式和关系。微调：可以使用较小的数据集进一步优化 ML 模型，以提高特定任务的性能。推理：运行经过训练和微调的模型以进行预测。我们已经看到了像 Render 和 Akash 这样更通用的计算网络转向服务于更专业的计算，如 AI/ML。例如，Render 已经利用建立在他们网络之上的提供商如 io.net 来更直接地服务 AI 客户，而像 Akash 这样的供应商已经开始引入拥有需求的硬件供应商，并通过直接训练他们自己的模型来展示网络的力量，第一个案例是一个仅在无版权材料上训练的 Stable Diffusion fork。Livepeer 也正在专注于 AI 视频计算，因为他们已经有一个庞大的服务于视频转码用例的网络。此外，一种专门针对 AI 计算的网络正在形成，这让我们认识到围绕协同和验证的核心挑战可以通过围绕 AI 构建链或模型来更直接地解决。Gensyn 是其中比较值得注意的例子，它构建了一个基于基板的 L1，专为并行化和验证而设计。该协议使用并行化将较大的计算工作负载拆分为任务，并将它们异步推送到网络。为了解决验证问题，Gensyn 使用了概率学习证明 (probabilistic proof-of-learning)、基于图的 pinpoint 协议以及基于 staking 和 slashing 的激励系统。尽管 Gensyn 网络尚未上线，但该团队预测，其网络上等效 V100 GPU 的每小时成本约为 0.40 美元。储存之外，替代训练模型也在兴起，例如联合学习 (federated learning)，在意识到区块链可以更适当地激励这些模型后，它在 web3 中复兴。简而言之，联合学习是一种多方独立训练模型的方法，并定期批处理更新并将其发送到全局模型。有很多实践案例，比如谷歌的键盘文本预测算法。在 web3 中，FedML 和 FLock 正在尝试将联合学习方法与代币激励相结合。同样值得注意的是，像 Filecoin 和 Arweave 这样的去中心化数据存储，以及像 Space and Time 这样的数据库，可以在数据预处理方面发挥重要作用。基于共识的 ML 使用区块链的另一种新颖的基础设施形式则是基于共识的机器学习 (ML) 概念。Bittensor 是这一概念的最突出例子：这是一种基于 Substrate 的 L1 区块链，旨在通过使用特定于应用的子网来提高机器学习的效率和协作。每个子网都有自己的激励系统，用于服务各种用例，从 LLM 到预测模型到生成性创新。Bittensor 独特之处在于它如何使用矿工协调优质输出：矿工通过提供他们的 ML 模型的智能输出（由验证者评级）来获得 TAO (其原生代币)。由于矿工因为最佳输出而获得激励，他们会不断改进自己的模型以保持竞争力，从而帮助 Bittensor 完成了在代币经济学的协调下实现更快的学习过程。 TAO 生态系统中最近令人兴奋的发展是动态 TAO 提案，将 Bittensor 过渡到围绕代币排放的更自动化、市场驱动的机制设计，以及推出的 Nous 子网以提供激励模型微调，以便与 OpenAI 等公司竞争。我们可能会看到更多有关此类系统的尝试，例如让 mining 或共识以有利于质量的方式调节模型输出。意图就是您所需要的一切在DeFi中，MEV 领域的最新论点是关于用户意图以及使用经济同性 (economically-aligned) 的解调器来执行这些意图。关于意图的讨论通常百家齐放，但有一点已经变得越来越清晰了：用户的意图需要更高阶的语义上下文才能被解析成可执行代码。LLMs 可能会提供这个语义层。 Propellerheads 提出了迄今为止在意图空间中使用 LLM 的最清晰的愿景：https://www.propellerheads.xyz/blog/blockchain-and-llms。简而言之，LLMs 可以通过语义理解，将接近匹配的意图转化为完全匹配的意图，从而帮助我们找到巧遇需求 (coincidences of wants, CoWs) 的机会。这可以通过向内意图重判 (例如 “购买 LUSD 代替 USDC 可以吗？我找到了一个匹配的限价订单，你将通过这个 CoW 节省 0.3％的交易费用。”) 和向外意图重判 (例如 “我想购买你拥有的这个 BAYC，您愿意以 X ETH 的价格出售吗？”) 来实现。当然还可以有其他结构，这在钱包和多重签名的后账户抽象背景下变得特别有趣。DAIN 和 Autonolas 等项目已经尝试使用代理作为钱包的签名者，例如，出于安全和基于意图的目的，与你的钱包交谈并让它代表你执行交易即将成为现实。同样值得关注的是规模庞大 DeFi 用例，例如基于代理的预测市场、由 AI 管理的经济模型、以及 ML 参数化的 DeFi 应用程序，我的 zkML 文章提供了更为详细的介绍。代理经济迄今为止，我最喜欢的基础设施领域之一是人工智能代理经济。它源自我对世界的愿景，在这个世界中，每个人都有自己的代理，我们雇用那些高质量和训练有素的代理为我们服务，或者让自治代理在复杂的经济行为中实现我们的目标。为了做到这一点，代理必须有一种方式来支付和接收他们的服务费用。传统的支付模式绝对有可能为这些代理开放，但更有可能的是，鉴于其易用性、结算速度和无需许可的性质，代理将以加密货币进行交易。 Autonolas 和 DAIN 是该领域的典型案例。在 Autonolas 中，代理实际上是网络中的节点，致力于实现特定目标，这些节点由服务运营商维护，类似于 Keeper 网络。这些代理可用于各种服务，例如预言机、预测市场、消息传递等。DAIN 采用了类似的方法，使代理能够 “发现、交互、交易和与网络中的其他代理协作”。其他创意除上述内容外，我们还看到：用于微调模型（如 BagelDB）的去中心化向量数据库。用于 API 密钥的钱包和用于 AI 应用程序的 SIWE，例如 Window.ai 数据预配服务索引和搜索工具，如 Kaito 区块浏览器和仪表板，例如 Modulus Labs 的 AI 验证仪表板，它现在正在验证 Upshot 模型的一系列推理。开发助手，如 Dune 的链上 SQL 查询模型模拟代理测试环境用于数据抓取的带宽，如 Grass Network 合成数据和人类 RLHF 平台 DeSci 应用程序，例如 LabDAO 用于蛋白质折叠的分布式 bioML 工具 web3 中涌现出了无数的想法，用于服务于 AI 的各个领域，因此此处仅提供重点内容，但我强烈建议探索上述项目以深入了解其全貌。这一切的交汇 AI 和 Crypto 是协同作用的。两者都倾向于开源、抗审查，并正在创造历史上最大的财富转移。他们需要彼此，并解决彼此的核心挑战。对于 Crypto 来说，AI 解决了用户体验中的问题，促进了更具创造性的链上用例，增强了去中心化组织和智能合约的能力，并在应用和基础设施层解锁了真正的创新。对于 AI 来说，Crypto 解决了真实性和出处问题，加强了围绕开源模型和数据集的协调，有助于引导计算和数据，并使创作者和代理能够更直接地参与到后人工智能经济中去。现在的挑战是加密黑客、团队和项目了解并接受这种转变。创造力是无限的，我们正站在这一切的交汇处。如果你有兴趣了解更多关于这些交汇点的信息，请参加我们在 ETHDenver 举行的 Convergence 会议。来源：金色财经

金色财经2024-02-15

同态加密市场格局分析：数字隐私的下一个前沿

低验证器的运营成本。值得注意的提及。谷歌、英特尔、OpenFHE 都为 FHE 的整体进步做出了重大贡献，只是在加密领域的具体程度不那么具体。用例关键优势是实现共享私有状态和个人私有状态。这是什么意思？私有智能合约：传统的区块链架构将用户数据暴露在 web3 应用程序中。每个用户的资产和交易对其他每个用户都是可见的。这对于信任和可审计性很有用，但也是企业采用的主要障碍。许多企业不愿意或干脆拒绝公开这些信息。FHE 改变了这一点。除了端到端加密交易之外，FHE 还支持加密内存池、加密区块和机密状态转换。这解锁了各种新颖的用例： DeFi：暗池，通过加密内存池、无法追踪的钱包和机密支付（例如链上组织的员工工资）消除恶意 MEV。游戏：加密状态多人策略游戏，支持各种新的游戏机制，如秘密联盟、资源隐藏、破坏、间谍、虚张声势等。 DAO：私人投票。 DID：在链上加密信用评分和其他标识符。数据：合规的链上数据管理。那么 FHE 加密架构的未来会是什么样子呢？我们应该详细阐述三个核心组件：第 1 层：该层是开发人员 (a) 在网络上本地启动应用程序或 (b) 与现有以太坊生态系统（输入输出模型）接口的基础，包括以太坊主网及其 L2s/侧链。 L1 的灵活性在这里是关键，因为它迎合了寻求具有 FHE 功能的本机平台的新项目，同时也适应了更愿意保留在当前链上的现有应用程序。汇总/应用程序链：应用程序可以在这些启用 FHE 的 L1 之上启动自己的汇总或应用程序链。为此，Zama致力于fhEVM L1 的乐观堆栈和 ZK FHE 汇总堆栈，以扩展注重隐私的解决方案。以太坊上的 FHE Rollup：在以太坊上启动 FHE Rollup 本身可以显着增强以太坊上的本地隐私，但面临一些技术挑战：数据存储成本：即使明文条目很小，FHE 密文数据也相当大（每个 8 kb 以上）。出于数据可用性（DA）目的在以太坊上存储如此大量的数据在汽油费方面将非常昂贵。定序器集中化：集中式定序器排序交易并控制全局 FHE 密钥是一个主要的隐私和安全问题，它首先违背了 fhEVM 的目的。虽然 MPC 是分散控制全局 FHE 密钥的潜在解决方案，但维护多方网络来执行计算会增加运营成本并导致潜在的低效率。生成有效的 ZKP：为 FHE 操作生成 ZKP 是一项仍在开发中的复杂任务。虽然像Sunscreen这样的公司正在取得进展，但这种技术可能还需要几年的时间才能广泛用于商业用途。 EVM 集成： FHE 操作需要作为预编译合并到 EVM 中，因此需要对涉及计算开销和安全问题的多个问题的网络范围升级进行共识投票。验证器硬件要求：以太坊验证器需要升级硬件才能运行FHE 库，这引发了对中心化和成本的担忧。我们预计 FHE 最初将在流动性较低的环境和隐私至关重要的特定领域找到自己的定位。最终，随着吞吐量的增加，FHE L1 上可能会出现更深的流动性。从长远来看，一旦上述问题得到解决，我们可能会在以太坊上看到 FHE rollup，它可以更顺畅地利用主网的流动性和用户。现在的挑战在于找到 FHE 的杀手级用例、保持合规性并将可立即投入生产的技术推向市场。与此同时，任何想要亲自动手或通过赏金狩猎赚钱的开发者都可以尝试Fherma的 FHE 挑战，并获得几项 4 位数的赏金。致谢：非常感谢 Gurgen Arakelov（Yasha Labs/Fherma 创始人）、Rand Hindi（Zama 创始人）、Remi Gai（Inco Network 创始人）和Hiroki Kotabe（Inception Capital 研究负责人）对此做出的贡献文章。来源：金色财经

金色财经2024-02-15

24小时热点