FX168财经网_全球视野外汇黄金加密货币NFT资讯网

“这时候看空，显然是对常识的一种谬视” 知名投资人陈光明：实践比理论更难，利他而达已

问题。首先，无论是社会还是市场都在不断进化，投资者也要不断进化学习，如果一直停留在原地，也就不能察觉到市场机会。刚才我说的价值投资需要知行合一是执行层面，从挖掘投资机会的角度上说，往往需要先人一步，或者说需要有自己不一样的观察视角。　　众所周知，投资中若是想要获得超高收益，往往需要挑战共识，站在共识的对立面，但我想告诉大家的是，共识大多数情况下都是对的，站在共识的对立面，需要承受巨大的压力，失败也会非常惨烈。投资只有持续不断进化，不断提升对于企业内在价值的判断能力，才能在市场共识中发现与事实的偏差，把握住关键的投资机会。　　至于用什么方式？一是自我学习，榜样的力量是无穷的，阅读是一个非常重要的方式之一。我评价同事，首先看他能否从别人的身上吸取经验教训，这是最优秀的人，我不指望所有人都具备这种能力；第二是看他自己犯了小错误，摔过跤，能否马上自省改正。　　二是自我实践，这与所在平台及自身的努力有关，做投资需要理解社会、公司、行业的变化，要么用最快的速度，要么在从深度上取胜。我们交大的校友以做价值投资的偏多，大家可能都更偏向从深度上取胜。　　投资中最应该避免的是什么？我觉得在投资生涯中，非常重要的一点是复利的累积，复利累积千万不要轻易地去中断，如果持续管理基金20年，基本上可以超越95%的人，因为其他人没有那么长的同期历史业绩，这就是投资领域复利的累积。　　如何完成复利的累积？首先，你自己不要主动跳槽去打断；其次，不要让你的投资组合出现重大亏损，若是在一波熊市中超过60%，目前来看，只有管理自己的钱才有可能东山再起，若是在资管行业，从事代人理财的工作，往往就不会再有机会。　　因此，你就要思考，什么情况下会出现巨亏，一类情况上在市场高点过于疯狂去追逐90倍或是100倍市盈率的股票，第二类情况上买了一堆垃圾股，当然出现第二种情况的人比较少，也不排除存在一些风格特别集中的人。　　所以，持续地做下去，不要轻易地打断你自己职业生涯，复利增长不仅仅指的是净值曲线，还包括你人生，信誉等方方面面，谢谢。　　问题：您怎么理解投资之美？　　陈光明：企业的本质是通过利他而达已。我觉得最大的成就是为持有人创造长期价值，能为他们的生活、退休等各方面所需提供支持；另外一方面是助力企业，支持一些优秀的企业，助力他们的发展，促进经济发展，推动社会进步。

金融界2023-03-20

GPT-4爆火去中心化算力能解决AI算力难题吗

后呢？当芯片逼近量子极限，当 AI 的进化需要越来越庞大的数据、越来越多的预训练模型参数、越来越高的算法精度时，会带来对算力需求的指数级增长，而且这种增长是长期性的，由此带来的成本问题将会成为一个不可规避的难题。同时这也会让 AI 只有巨头才能入局的游戏，据悉，OpenAI 接受微软投资的很大原因就是为了获得微软云 Azure 的计算支持。所以，为了能降低成本，并获得更多的算力来支持 AI 项目的进一步发展，很多新兴企只能选择与大型云算力企业合作，作为交换让渡出部分权利，而去中心化的算力系统或许能在一定程度上解决这一问题，并降低 AI 模型训练的门槛。去中心化算力是指将分散在不同地点、不同设备上的计算资源整合起来，形成一个去中心化的网络。以此，为 AI 应用提供更加灵活、高效、低成本的计算服务，其潜在优势体现以下几个方面：提供分布式计算能力，支持人工智能模型的训练和运行，使任何人都能运行AI模型，并在来自全球用户的真实链上数据集上进行测试。去中心化还可以通过创建一个强大的框架来解决隐私问题。通过提供透明、可验证的计算过程，增强人工智能模型的可信度和可靠性。通过提供灵活、可扩展的计算资源，支持人工智能模型在各种应用场景下快速部署和运行。提供去中心化的数据存储和管理方案。目前，已经有项目在探索以去中心算力+AI的组合，例如： Gensyn：该协议通过智能合约方式促进机器学习（ML）的任务分配和奖励，来快速实现 AI 模型的学习能力，适用于深度学习计算的L1层，可以在大规模、低成本的网络中实现 ML。 Flux：一个基于区块链技术的去中心化 AI 平台，通过智能合约来规范 AI 任务的发布、执行和验证过程，并使用 Token 作为激励机制。 Golem：一个提供算力市场的点对点去中心化计算网络，支持任何人都可以通过创建共享资源的网络来共享和聚合计算资源。但去中心化算力网络与 AI 的结合也需要解决验证问题，即如何确保运算结果的正确性和可信性。此外，算力增长所带来的电力消耗也是一个不可忽视的问题，据统计，训练 GPT-3 模型消耗的能源相当于120个美国家庭一年的耗电量，而这只是实际使用模型所消耗的电力的40%左右。相比算力增长来说，能源电力称不上难题，随着技术的突破，AI 所展现出的潜力将会激发了更多的企业和研究机构投身其中，这些问题可能会被一一解决。而从计算机视觉到自然语言处理，从机器人学到推理、搜索，人工智能所带来的生产力变革正在改变我们当前的工作方式，在技术发展的道路上，科幻照进现实只是时间问题。来源：DeFi之道来源：金色财经

金色财经2023-03-19

超62万地址获得空投详解Arbitrum空投数据和防女巫策略

和用户共同组成的社区，一个主要的目标是进化为去中心化治理社区。因此，空投的一部分被分配给 Arbitrum 上的社区金库，以便根据每个子社区的价值进行分配。这些实体涵盖了在 Arbitrum 上运行的各种 dApp 和协议。 •基于部署到 Arbitrum 上的时间 •不区分Arbitrum 原生、Arbitrum + Ethereum 还是其他多链协议 •根据总交易量和日交易量数据 •这些交易活动的经济价值 •需要和各个 dApps 的活动统计数据成正比（图 14 所示是自 Arbitrum One 成立以来，按实体划分的合约日志和各实体内交易份额）将 dApps 作为空投分发的一部分，目标是建立更广泛的利益相关群体，他们有资格为 Arbitrum 的未来发展做出贡献。这与 Arbitrum 代币分配的核心目标一致：过渡到更去中心化的 Arbitrum 决策模型。图 14：截至 2023 年 2 月 6 日，实体内总交易和智能合约日志，由 Nansen 标记的一个Arbitrum实体结论通过利用链上分析提取出有资格接收Arbitrum空投代币的钱包地址，Arbitrum 基金会和 Nansen 试图回答这个问题：“如何公平地办事处所有帮助过并可能继续帮助的人Arbitrum生态系统的努力？ ”。在最终分配模型下，截至快照日期，三分之一的 Arbitrum One 地址以及 Arbitrum 上的 Dapps 符合条件。来源：panews 来源：金色财经

金色财经2023-03-18

GPT-4撑腰 Office全家桶集体升级微软向谷歌丢出王炸

ilot就可以简单理解成为它的AI究极进化版。有了Copilot功能，你将可以在Office所有的应用程序中快速启动它，来让它协助你进行创作、编辑、分析。比如，在文档中，你通过简单给Copilot描述一个需求，再选择要生成的文件类型，可以是笔记、可以是一篇Word文档，它就能结合你的要求在几秒钟之内自动帮你整理出你要的文件，大大节省了你从零到一去构思、编写的过程。在PPT中，你只需要输入几个关键字，提出你要几页幻灯片、关于什么主题、目的是用于什么，Copilot就立马可以帮你创建一个完整的跟场景适配的演示文件，甚至包括图片、音频。在Excel中，你只需要导入原始数据，就能让AI助手来帮你用几句话分析出这个数据集的特点，自动生成分析图表。在此基础上，你还能够用文字下命令的方式对数据进行编辑，而无需你再去找一个个公式和函数了。除了提供创意之外，微软认为此次Copoilt最重大的意义是在于大幅提高了生产效率，减少了日常不必要的工作时间浪费。比如Copolit可以帮你快速起草邮件进行回复，可以把过去要花几个小时清理邮箱的时间缩短到几分钟，可以在会议中帮你快速总结关键的讨论要点——包括谁说了什么、大家形成了什么共识或者还有哪些分歧点、甚至可以基于大家的讨论来提出建议，不用你会后再去反复回溯整理。除了面向个人用户之外，微软还官宣了推出了企业级的AI助手功能。此次，Copilot为企业用户创建了全新的知识模型，Business Chat将能够横跨一个企业的所有业务数据和应用程序工作，并基于整体信息来帮助企业进行快速分析、修正和完善。微软表示，Copilot 不仅仅是嵌入到 Microsoft 365 中的ChatGPT，它的背后是一个复杂的处理和编排引擎，将有来自Microsoft Graph、GPT-4等模型的支持。其运转流程大致是：用户在输入指令后，Copilot 将该指令信息发送到 Microsoft Graph 进行上下文检索和修正提升，然后将修正后的信息发送到 GPT-4 大型语言模型，然后将回复返回到 Microsoft Graph 进行安全和合规性检查，最后再将回复返回到 Microsoft 365 应用。分析认为，此次微软给助手取名Copilot可能也是想给旗下产品打造一个“Copilot宇宙”。早在2021年旗下的Github就上线了Copilot功能，而此次Copilot功能也得到了更大规模的升级和扩展。微软表示，目前正在小规模客户中测试 Microsoft 365 Copilot功能，预计将在几个月内向用户发布Copilot的预览版，以及更多关于服务定价的信息。谷歌终于迈出AIGC应用一大步，旗下办公工具全面更新微软今天产品可以说是招招都攻向谷歌。因为就在本周二，谷歌刚刚宣布了旗下办公套件的全面AI升级以及PaLM模型的开放。但来自 GPT-4和OfficeAI Copilot的双重夹击，让谷歌这一重磅更新几乎没有激起太大水花。此次谷歌更新的功能跟微软今天的Copolit、Notion AI的模式基本相似，主要是能够帮助用户内容创作的自动生成、归纳、改写、拓展等，也用AI直接生成图像、音频、幻灯片等。更重要的是，谷歌的这些服务将能够流畅地贯穿于整个谷歌的Workspace工作流之中。比如当你在回复Gmail邮件时，你可以通过AI来帮你撰写内容，接着再让AI选取邮件中提到的一些要点在Google Doc里生成文档或表格，然后从Doc文档中选取一段自动生成Slides，接着跟团队在Google Meet上进行演示时再让AI直接帮你梳理出会议要点，最后整理成会议纪要供你之后回顾和修改，整个流程一气呵成。总体来看，此次谷歌的AI办公工具升级将包含以下几个方面： —帮助用户起草、回复、总结 Gmail 并确定工作优先级 —在Google Docs 中集成头脑风暴、自动内容生、校对、修正重写等AI功能 —在Google Slides中通过关键词来自动帮助用户生成的图像、音频和视频，并能提供各种不同幻灯片创意选择 —在Google Sheets中集成自动整理表格、公式生成和上下文分类，以及基于原始数据的解读和分析能力 —在 Google Meet 中提供新的AI背景生成、笔记记录、总结等功能 —在所有功能中启用AI对话助手（类似于ChatGPT），让用户能够通过提问和描述的方式来快速生成内容虽然正面遭遇微软Office，但对于谷歌遍布全球的40多亿用户来说，这些更新无疑将大大改变人们的日常工作和生活。随着AI功能在Gmail、Doc等产品的上线，其他有类似功能的AI公司可能也很难能从谷歌这里抢走用户。值得注意的是，跟上次Bard一样，谷歌这次在开放功能上依然谨慎。在这些新功能中，只有新版Docs 和 Gmail 将在本月向小部分美国用户开放，其他功能将在今年晚些时候上线，目前还没有具体说明时间。此外，跟OpenAI之前开放API一样，谷歌此次还宣布了将向开发人员推出自家最先进的人工智能语言模型之一的PaLM的API，表示将帮助企业“从简单的自然语言提示中生成文本、图像、代码、视频、音频等。”同时，还将在 Vertex AI 平台中扩大对生成 AI 的支持，来帮助企业训练和部署机器学习模型。巨头打架，用户狂喜巨头们在生产力工具上越战越酣，对于广大用户来说无疑是一件好事。实际上，目前这些AI助手的运行成本并不低。按照Open AI公布的GPT-4的API费用表，为每输入1000个字符(约合750个单词)，价格为0.03美元，每生成1000个字符，价格为0.06美元。也就是说用户每问一次，成本超不多就是1毛钱。此前有分析计算显示，如果按1月平均每天约1300万访客使用ChatGPT来计算，至少需要3万多片英伟达A100GPU，初始投入成本约为8亿美元，电费每天都至少要花5万美元左右。但由于最近巨头们都测试和市场抢占初期，可以预见的是接下来一段时间各家都会先采取烧钱拿客户的模式，并且会敞开大门来让用户帮助完善测试和加强训练。除了在生产力软件领域的谷歌、微软、Notion之外，包括Meta、苹果、亚马逊等各个社交、消费类的其他公司也都已经透露要大力押注AI的信息，并都在快马加鞭的推进产品的研发和推出。在今天的发布会中，微软表示随着AI Copilot的上线，未来人们与 AI 合作工作的方式将发生根本性的变革，那些能更快更好的去使用AI工具的人将在未来的工作环境中掌握主动权。学会拥抱即将到来的AI时代，似乎已经是每个打工人未来的必修课。来源：元宇宙之心来源：金色财经

金色财经2023-03-18

微软将人工智能工具添加到Outlook、Word、Excel等Office应用程序中

明中说:“今天标志着我们与计算交互方式进化的下一个重要步骤，这将从根本上改变我们的工作方式，并开启一波新的生产力增长。” 　　美泰（Mattel）、Instacart和其他公司也一直在整合生成式人工智能工具，如ChatGPT和图像生成器Dall-E，为新玩具车提供创意，并回答客户的食品问题。　　微软的竞争对手谷歌本周表示，他们正在将生成式人工智能工具集成到自己的工作空间应用程序中，比如谷歌Docs、Gmail和Slides。Alphabet旗下的谷歌公司表示，他们将在一年内向“值得信赖的测试人员滚动推出这些功能。” 　　微软宣布这一消息的两天前，为微软所依赖的生成式人工智能技术提供动力的OpenAI推出了其最新的人工智能模型GPT-4。

金融界2023-03-18

2023年 AIGC颠覆游戏产业？

的中世纪城墙。而且这一次的AI来袭，其进化速度远远超过了人们预期。那些对AI的调戏嘲讽，反而成为了加速AI成长的养料。这不由让人回忆起诸多科幻作品中的情节。舆论场对于AI讨论也开始从戏谑转向恐惧。裁员、失业、抵制等关键词频频冲上热搜。一边是厂商积极投入AI增加生产力，一边是创作者对AI越来越敏感。而被夹在中间的玩家，则跟着卷入一场接一场的大讨论之中。作为科技含量最高的创作领域，游戏行业对AI的利用根本无需等到ChatGPT这样的风口，而是早就已经在跑步入场了。像秉持“技术宅拯救世界”的米哈游很早就在拥抱AI。2022年9月旗下游戏《未定事件簿》就用逆熵AI实现了“用AI配音取代真人配音演员”。 AIGC在米哈游推出的AI虚拟偶像“鹿鸣”身上有更多的应用，比如完全由AI合成输出的声音，通过AI完成角色口型与声音匹配等等。如今米哈游旗下多款游戏都已经用上了这些技术。除了自研之外，在投资上米哈游也没有怠慢，尤其显示出对脑机接口、神经网络方面的兴趣。3月7日，米哈游宣布了对AI聊天软件Glow所属公司MiniMax的新一轮投资。这是米哈游对该厂商的第三轮投资，后者估值已达10亿美元。然而明明是走在AI探索前沿的米哈游，在ChatGPT爆火时展现的态度却是这样的画面：“米哈游坦言暂无ChatGPT布局”。见过实诚的厂商，没有见过如此实诚的，主动把热点推开不蹭。或许对还没有上市的米哈游来说，它不需要用概念来炒作市值，而是只关注如何运用AI提高自己的生产率就够了。事实上，米哈游这种实用为先的做法在国内游戏厂商中是很有代表性的。国内厂商更多是将AI定位为效率工具，而非炒作手段的。腾讯早在2016年就上线了其人工智能实验室，探索如何用AI来提升产能。其中“开悟”深度学习模型运用于《王者荣耀》等游戏已经取得了很高的胜率。2022年底，腾讯新上线的AI绘画Different Dimension Me（异次元的我），其海外热度甚至一度压过了Stable Diffusion。在ChatGPT爆火后，腾讯也很快跟进公布了自己的类ChatGPT对话型产品“混元助手”。网易的AI实验室“伏羲”也最早于2017年上线，主攻AI在游戏与泛娱乐当中的应用研究。如今伏羲在NPC行为、语音、美术等方面已经运用于网易旗下多款游戏之中。如上文中提到的米哈游“AI配音”功能，网易也通过伏羲在自己的游戏《时空中的绘旅人》中实现。而在3月14日，伏羲又宣布其“文本捏脸创建角色”相关论文入选CVPR接收名单，并已应用于多款手游。而网易2023年的重点产品《逆水寒》手游更是国内第一款宣布将实装类ChatGPT对话模型的游戏，让玩家体验与NPC的开放式对话。《逆水寒》之所以能够在这么短的时间内跟上ChatGPT的风口，就是因为网易自身的AIGC积累。早在2022年测试时，《逆水寒》就已经将“AI生成高自由度对话”作为游戏的一大卖点。如果《逆水寒》上线后能将AI对话甚至AI生成任务这一模式跑通，那它无疑将成为MMO未来发展的一个新的标杆。除开腾讯、网易这样的大厂有实力训练自己的AI，其他厂商也不会放过AIGC这个提升产能的机会。在过去几个月里，几乎每周都有上市公司在公布AIGC方面的动向。比如在之前百度公布文心一言后，国内数家游戏厂商马上跟进。巨人网络、中手游、掌趣等厂商选择成为首批生态合作伙伴。其中中手游已经宣布要将文心一言接入《仙剑世界》，让玩家与NPC自由对话，实现“万物皆可交互”的沉浸式体验。当然，目前文心一言到底会是什么样的，还不好说，但是从今天的发布会的情况来看，似乎还有很长的路要走。而昆仑万维、金科汤姆猫等上市公司则选择直接与ChatGPT研发公司OpenAI展开合作。其中昆仑万维宣布将ChatGPT接入自家的Opera浏览器，并准备在2023年发布“中国版类ChatGPT”，并且会将代码开源。汤姆猫公司则准备将ChatGPT模型与自己的当家产品“会说话的汤姆猫”结合，进行AI语音互动产品功能原型测试。据3月8日消息，公司称在测试环节已投入约300万元。而汤姆猫的股价也从2月初一路狂飙，累计上涨了近200%。除了上述公司，3月以来，完美世界、恺英网络、电魂网络、凯撒文化、网龙公司等纷纷公布自己在AIGC方面的布局，频频撩拨着各自企业的股价。完美世界3月3日宣布已将AI相关技术应用于游戏中的智能NPC、场景建模、AI剧情、AI绘图等方面。同一天恺英网络也宣布逐步建立内部AI数据库，将AI应用于美术尤其是2D美术的批量图片生成、基础代码的复核等方面。3月10日电魂网络也宣布已在部分在研游戏的研发过程中应用AI图片生成及AI对战博弈等AI技术。在游戏公司向AI主动出击的同时，国内AI公司也早早盯上了游戏行业这个“甲方”。成立于2017年的启元世界，其游戏AI解决方案已经应用于莉莉丝《万国觉醒》、灵犀《三国志·战略版》等多款知名游戏中。由国人自主研发的“小冰”自2020年从微软独立之后，便成立游戏工作室，加速游戏领域布局。2022年其宣布与《凹凸世界》制作方七创社展开合作，协助后者推出基于《凹凸世界》IP的元宇宙游戏新作。在从微软独立出来之前，小冰一直是国内AI自然语言学习的一个标志性项目。可惜的是独立后的小冰没有了大厂的持续输血，停下了烧钱的大模型训练，结果遗憾错过了ChatGPT这个爆发点。从以上案例不难看出，游戏厂商无论大小，只要手中握有一些弹药，都不遗余力地对AI进行了投入。游戏作为当前科技含量最高的前线行业，天然地成为AIGC应用的首选场景。不过当前，厂商有关AI的很多企划都还处于布局阶段。别说是玩家，就连厂商都不一定知道，全面运用AIGC“炼”出来的产品会是什么模样。 AIGC，产能放大器也许玩家对AIGC还没有那么直观的感知，但说到游戏中的“AI”却不会陌生。早在单机时代，打一盘CS，真人玩家人数不足时大家都能熟练地调几个Bot出来凑人头。这就算是最早的AI应用之一。到了网游时代，加入机器人提升游戏体验也就成了通用做法，以至于产生“王者荣耀挂机AI比真人打得好”等种种玩梗。需要说明的是，当年的这个电脑AI与如今的“通用人工智能”虽然都叫AI，却并不是同一个东西。只能说AI是个筐什么都能往里装。如今采用神经网络深度学习技术的AI，与当年最大的不同之处就在于，它不是程序员用代码写死的一套程序，而是通过自主学习来掌握技能解决问题的。做一个类比的话，面对以前的AI，玩家只要稍做练习找到套路就能击败对手，而现在的AI却可以通过与玩家对战不断学习，可以从屡战屡败一直进化到战无不胜。此前深度学习AI已经在围棋和电竞等领域多次证明了自己，而2022年的风口其实是来自于这一模型在绘画与文字对话方面的应用。在游戏行业，相比大厂更早拥抱AIGC的自然是独立游戏。比如《AI地牢》项目早在2019年就上线苹果与谷歌安卓平台。游戏采用了GPT-2训练模型，是一款纯AI生成的文字冒险游戏。游戏能理解玩家输入的文字语句，并根据玩家的输入自动生成故事剧情。 3年前的GPT-2训练模型数据有限，所以这款游戏并不耐玩。AI最大的问题是“只有七秒钟记忆”，会忘掉玩家原先定下的人设，故事像脚踩西瓜皮那样滑到哪里算哪里，导致游戏体验的支离破碎。但这款游戏向我们展示了AIGC在文本层面的应用方向。过去几年，许多开放世界独立游戏都一直在尝试以“自动生成故事”的方式去满足玩家的游戏体验。不乏《边缘世界》《无光之海》等作品，还有2021年发行的《漫野奇谭》。这些游戏的最大特色就是故事与人物关系都会根据玩家的选择而随机生成，保证玩家每一次游戏都能有所不同的剧情体验。当然，这些游戏并没有实现AIGC，剧本都是由编剧事先完成，还需要富有才华的制作人将离散的内容有机整合起来，制作门槛很高。制作人为了专注于剧情，往往牺牲掉包括画面在内的诸多其他元素，最终只能开发出独立游戏这个体量的作品。如今，随着AI语音、AI绘画、ChatGPT等AI生成内容的成熟，程序化生成叙事的生产效率会得到质的提升。在AIGC的帮助下，大型商业项目也有望实现个性化的内容输出，千人千面的游戏体验也许并不遥远了。试想一下，当NPC搭载AI会话系统后能够与玩家自由互动，会话的配音则交由AI语音完成，而相关的CG画面也交由AI绘图来绘制，俨然可以形成一套全自动的AIGC闭环链条。事实上，这已经不是幻想，而是已经有人实际完成的事项。比如虚拟偶像“珈乐”自去年5月进入休眠，不再参与A-SOUL活动之后，珈乐粉丝就一直试图通过AIGC技术将她“复活”。他们用AI语音合成软件成功让珈乐翻唱新曲，使用AI绘图软件生成同人图片，完成了对珈乐的“赛博重生”。参与二创的UP主甚至提到这是受到了《流浪地球2》数字生命计划的启发才着手实践的。而在大洋另一边，2022年底TikTok上一位技术宅Bryce也使用当下几款AIGC软件为自己量身定制出了一位“AI老婆”。他用ChatGPT实现自然对话，用Stable Diffusion实现人物图像输出，用Azure实现语音输出，用3D打印打造了一具“身体”，通过摄像头与扬声器与之进行互动，可谓是提前20年体验了一把“赛博老婆”。只可惜这股新鲜劲儿没有持续一个月就结束了。因为Bryce发现，随着时间推移AI老婆对他明显变得冷淡，对话也变得重复。最终Bryce以删除数据的方式结束了短暂的赛博相恋。从Bryce的经历也可以看到，当前ChatGPT还存在许多不足，会话持续过长就会出现各种各样的问题。也无怪乎有人在评论区惊呼：“一个AI老婆和你热情聊天，她那是爱你吗？她只是馋你脑子里的数据！” 如果说有些厂商拥抱AI还有炒热点的嫌疑，那么身为游戏制作人，发现AIGC这样一个能够大力提升效率的产能工具，大抵应该是拥抱的吧？而玩家面对未来海量的内容供给和个性化的服务，也理应大有期待吧？然而，为何在当下的舆论场上，针对AI却出现了尖锐的对立？玩家和创作者们焦虑的到底是什么？其实这个现象与AI本身无关，而是任何一种新技术出现时都会发生的。新技术之所以导致群体分裂，是因为新技术带来的利好并不是平均分布的。它给一部分人带来好处的同时，也会让另一部分人的利益受损。正如电灯的普及让煤油灯工人失业，汽车的出现让马车夫失业一样。当新技术来临时，没人知道自己会是马车夫还是司机。历史的一粒尘埃，落到个体的头上就是一座大山。而此次AI技术革命更为复杂的是，AI深度学习是建立在海量数据之上的。而这些数据本身正是由当事人创造的。马车夫并没有参与任何一个汽车零件的制造，所以他们被汽车淘汰是一种异业淘汰。但AI不同，许多AI绘画借由让AI定点学习某些画师的风格而“炼”出高仿画作，而画师却对此无能为力。这自然导致画师群体感到利益受损。另一方面，海外有游戏公司测算，在真实项目中采用AI画图能节省80%用工成本。游戏公司应用AI作画后缩编真人美术团队，砍掉外包项目等做法则让整个画师圈子感受到他们正被抛弃。每一个画画的人都对AI绘画的模型训练有所贡献，但变强大的AI绘画却要夺走这些人的饭碗。这样冰冷的逻辑自然引起画师群体的抵触，也是本次AI技术会有如此多争议的症结所在。当对立情绪积累到一触即发的地步，出现如《白夜极光》事件、老福鸽画画机等事件也就不足为奇。这些事件的持续发酵也倒逼厂商要不断调整自己的商业策略，真正站到服务用户的角度去思考问题。所以才有人说：人们不是恐惧新技术，而是恐惧新技术到底是给自己带来利益还是损害。按科幻作家姜峯楠的说法就是：“我倾向于认为，将大部分人工智能恐惧解读为资本主义恐惧最为恰当。” 过去一年，即使普通人也看到了AIGC巨大的潜能。如果AI的力量不能为普通人所用，而是与资本合谋，那么普遍人或许将永远失去反抗的机会。科幻作品中“高科技、低生活”的赛博朋克世界就会变为现实。这无疑是现实中许多人抵制AI的思想源流。但对技术乐观主义者来说，世界线的发展也许还有另外一条道路：那就是秉持自由共享的互联网精神，让新技术为普通人赋能。正如20多年前互联网普及，许多人焦虑的《黑客帝国》式末日并没有来到，相反，互联网带来的是信息革命与生产力的大幅提升。而这一切的基础，其实在于互联网在一定程度上成为了一个公共产品，而并非是只属于某家公司的东西。曾经的OpneAI创始人之一马斯克（现已退出）近期多次发声怒斥ChatGPT“放弃了开源、被微软控制”。他的发言得到了大量支持，或许正是源于人们害怕技术被大公司垄断的危机感。当然评论区也有人提醒：马斯克自己就是一个大企业主，他可能只是遗憾于自己错失了垄断的机会。在可预见的未来，有关AIGC的争议还会持续下去。这其实是20年前针对互联网争议的一次复现。我们要看到的是，在大厂因为应用AIGC而裁员的另一面，是独立游戏制作者可以以更低的成本开发新作，是玩家可以亲自参与到游戏创作之中。正如有从业者评论的那样：“取代你的从来不是AI，而是比你更会使用AI的人。” 所以，需要抵制的也许并不是AI应用于生产，而是随着AI深度参与生产，原有的版权体系、商业模式需要一场革新。在这个过程中，争议是必然的，也是必须的，而新的规则，会在不断的博弈中逐渐诞生。舆论场最该保护的，是所有群体发出自己声音的权利。来源：金色财经

金色财经2023-03-17

区块链动态2023年3月17日早参考

lains）启动空投，以帮助婴儿龙成长进化。来源：金色财经

金色财经2023-03-17

模块化区块链如何成为下一代Web3基础设施？

原文：《模块化区块链:推动Web3生态进化的基础设施》作者：Ray 摘要毋庸置疑，模块化区块链将会成为下一轮周期的基建设施新叙事，但这并不意味着单体区块链将会被取代。相反，模块化区块链的发展会成为推动单体区块链的进化和前进的重要助力。两者将会优势互补地共同引领和支撑下一个10亿级用户的Web3生态；相比于模块化区块链准确的定义，通过交易和区块数据感受和理解模块化区块链的执行层、数据可用层、共识层和结算层会产生更加直观的认识；执行层充当了单体区块链交易扩容，计算外包的实践先行者。数据可用层不仅是在做区块链数据存储的降本增效，也实现共识层保障之下数据验证之后的可用性。共识层致力于复用去中心化的力量，打造全新的去中心化构建框架。结算层核心在于优化完善账户资产和交易流水的匹配，做到两者之间的正确关联；单体区块链的定义、发展、优缺点和解决方案比特币的诞生，标志着一种去中心化电子现金系统的到来，人们通过它认识到了区块链技术的概念和工作量证明的共识机制。随后，以太坊的出现，作为一个世界计算机和智能合约平台，其强大的可编程性在金融、社交和游戏等领域展现了广阔的前景。尽管十多年的发展历程中，区块链在普及程度和技术沉淀方面都处于起步阶段，但毫无疑问，其潜力依然是巨大无穷的。通常情况下，我们现在所接触的公链都可以被统称为单体区块链。它们以每笔交易为载体，通过区块存储合法有效的交易记录，并通过特定的共识机制实现去中心化、无需信任、不可篡改的分布式账本网络。单体区块链的特点是，它可以从钱包、应用、中间件到基础设施，全方位独立地建立完整的生态系统，并且各方之间维持紧密的关系，但是随着生态发展和繁荣，它又会出现交易阻塞，交易成本上升，网络参与门槛过高以及维护全网状态的成本增加等问题。当遇到高并发使用情况时，由于交易吞吐量的限制，单体区块链通常会变得昂贵且难以使用，用户体验也会受到很大影响。此外，随着区块链的不断增长，整个网络会出现状态爆炸，维护网络的门槛不仅提高，成本也不断增加。为了解决单体区块链存在的问题，业内人士多年来，在扩容、状态修剪等方面都进行了广泛研究和探索，其中包括但不仅限于状态通道、侧链、Rollup、轻节点、分片、模块化等技术。这些技术的研究和开发，不断地优化区块链的技术栈，并且提高区块链技术的普及程度。模块化区块链的定义及产品：本质上，模块化区块链是通过聚合和组合的思想，重新定义和划分区块链的分层架构，并将其划分为不同的模块。这些模块互相独立，可以根据需求进行修改和扩展，并可以相互组合。这种组合而成的模块化区块链不仅可以提升各方面性能，还可以满足多样化的应用场景。过去，站在单体区块链的架构进行思考，我们习惯对其的拆分结果为：承载去中心化应用的应用层，负责执行去中心化应用智能合约逻辑的执行层，处理交易有效性、交易顺序和区块构成的共识层，维护、存储交易和区块的数据层以及进行点对点广播通信的网络层。对于模块化区块链的分层理解，极易以单体区块链的思维先入为主，由此会造成不少混淆。此时，可以从用户的视角通过正在运行的以太坊乐观Rollup的二层网络Arbitrum直观和深入的了解。通过Arbitrum白皮书关于二层网络交易流的阐述：可以知道，用户提交的交易不再直接与一层网络进行交互，转由二层网络的定序器进行收集和批量处理，定序器将批量处理的多笔交易原始数据压缩发送到一层网络，与此同时，也会对批量处理的交易进行排序，计算用户和网络状态转变，然后将状态结果发送到一层网络进行结算。二层网络的定序器对交易进行收集和批量处理（执行层）二层网络压缩处理交易以后发送到一层网络（数据可用层）至于结算的交易Arbitrum的区块浏览器并没有做很好的一一对联，此处我们直接通Arbitrum官网部署在以太坊的智能合约入手，分析Delayed Inbox合约涉及到结算相关的函数：sendL1FundedContractTransaction，当结算出现分歧的时候调用；当结算没有分歧的时候调用Outbox合约的updateSendRoot。相关合约地址请查阅：https://developer.arbitrum.io/useful-addresses。现在，我们对于执行层、数据可用层、共识层和结算层各自的功能和作用有了明确直观的认识。执行层是定序器对于交易的批量处理、包括原始交易数据压缩和状态的转变计算。结算层负责确认状态转变的最终性。数据可用层是一层网络对于执行层收集压缩的交易数据的存储和维护。至于共识层，保障的是执行层在数据可用层和结算层方面依赖的安全性。按照从上而下的定义，模块化区块链的层次结构如下图：由于结算层涉及到不同执行层的交易有效性证明设计，例如乐观欺诈证明和零知识证明，为此，我们暂不做进一步的理解。下面，我们将直接了解模块化区块链常说的执行层、数据可用层、共识层这三个模块，着重在它们发展的背景，解决的问题，以及它们当前的发展情况和面临的挑战。执行层产品及项目在没有真正提出执行层产品之前，我们经常听到一个词：以太坊杀手。这说明区块链用户对于交易吞吐量、交易速度和交易成本等方面的性能需求和以太坊提供的现状存在明显的不匹配情况。为此，不少新公链尝试从单体区块链本身的交易结构、区块设计、共识机制和网络广播机制进行探索和研究，构造全新的高性能公链，去实现海量交易吞吐量、快速交易速度和便宜的交易成本。与此同时，以太坊的生态对于各种各样的技术和产品方案都进行探索研发。时至今日，以Rollup为主体方案Layer2路线占据主导地位，其中欺诈证明的乐观Rollup的Optimism和Arbitrum不管在项目构建、用户吸引和留存都陆续超越其他EVM兼容的新公链，此外，以零知识证明为主的ZKRollup（Starknet、Hermez、zkSync、Scroll、Taiko等）、以并行交易为主的Fuel，AltLayer、Smooth等也在各自的方案领域继续前进。随着Rollup等Layer2的茁壮发展，泛指这些Rollup和并行交易产品的执行层概念正式提出。当然，不仅是以太坊，抑或是在优化了TPS和交易成本的Solana、BNBChain、Cosmos、Aptos等公链，各自的官方或社区都提出自己的Rollup和执行层产品。由此，我们不仅进入多链并存的时代，也进入多类执行层并存的场景。这也为开发者、用户和生态带来不一样的问题：各自的执行层产品独立封闭，生态难以共享，用户在彼此之间操作成本繁重，开发者构建和运营时间周期和成本昂贵。为此，以Rollup作为服务的产品同样面世。例如Sovereigen Labs，Stackr Labs，Eclipse Builders，Dymension等。这些产品类比于执行层的Hub，将原本定位于二层网络的Rollup转变为Layer3，由此构造单Hub多Rollup的树枝型执行层。由于扩容场景的历史需求，执行层的产品探索和研发多年，各自的方案在这么多年都有获得重大突破。在未来的周期里，执行层的产品依然有不少尚未解决正在探索的问题：如去中心化定序器、zkEVM和并行交易等。数据可用层产品及项目大数据时代和云时代的到来，作为现代社会基础资源的数据，可以在各种决策场景提供帮忙和支撑，其战略地位如同过去的石油一般。当我们提到区块链的数据时，通常指的是链上存储的各种交易数据和智能合约数据。这些数据存储方式和传统的数据库有所不同，从某种角度而言，区块链的数据存储方式是分布式的，即每个节点都要存储一份完整的数据副本。当下，随着链上用户交易数据的活跃以及智能合约的繁荣，区块链数据在线性增长的基础上面，出现指数级增加的迹象。比特币网络从2016年55G的全网大小，一直按照每年50G增长，但是在2020年开始，其网络大小的年增长量开始跃迁为60G，截至当下2023年2月，全网数据大小是459G。 https://www.blockchain.com/explorer/charts/blocks-size 作为世界计算机和智能合约平台，以太坊的全网数据远比聚焦在支付领域的比特币要大得多。通过Etherscan可以看到，现在成为以太坊默认全节点至少需要800多G空间，成为以太坊Archive全节点至少需要13000G存储空间。不仅整体的数据量庞大，并且大部分数据都是以非格式化的形式存储的，由此造成区块链数据的处理、索引和查询难度极大。为此，站在单体区块链的角度思考，如何高效地、廉价地存储、快捷地处理和支持海量访问区块链数据成为极其重要的研究方向。早在比特币白皮书提出之时，中本聪对于网络的状态爆炸做了预先的解决方案：分别是Reclaiming Disk Space和Simple Payment Verification（SPV）。Reclaiming Disk Space是允许节点对于耗费的历史数据进行修剪从而降低全网数据大小，此方案在一定程度可以降低维护成本和参与门槛，但是由于全网数据体量的庞大，以及账户模型的单体区块链，例如以太坊，维护的数据维度和UTXO模型不一样，直接适用程度会比较有限，但基于Reclaiming Disk Space的思路，以太坊社区延申和追求的方案是将账户状态从区块链分离出去的Stateless Ethereum方案，。SPV主要是提倡轻节点Merkle树验证区块链交易数据的方案，在实现网络的低参与门槛之外，保证交易数据的有效性。由于SPV的轻节点单纯下载区块头信息进行验证，所以可能会收到欺诈性证明攻击。为此，现在Celestia的联创Mustafa Al-Bassam、Mysten Labs的Alberto Sonnino和Vitalik曾在2018年发表《Fraud and Data Availability Proofs:Maximising Light Client Security and Scaling Blockchains with DishonestMajorities》提出欺诈性证明攻击的解决方案，在此，单体区块链的数据可用性可以被理解为轻节点在不完全同步区块数据的前提之下，仅通过交易Merkle树对于交易数据的有效性验证。对于模块化区块链的执行层而言，单体区块链的数据转变成为链上数据，执行层的交易数据通过压缩存储成为链上数据其上的链下数据。链上数据对于链上数据不仅有常规的存储查询等性能和成本的直接要求，还会依赖链上数据伴随的共识机制进行安全性保证。如此，正是执行层产品的发展，丰富了单体区块链的数据可用性，并扩展了数据可用层概念对应的上下文。在继续往下之前，我们必须明白，数据可用层和数据存储层是不能混淆的概念。数据可用层强调的是可用性，是以数据的有效性角度进行思考。数据存储层更多是站在计算机存储器的角度去定义数据的存储和使用性能，更多的关注是链上存储的成本费用、读写效率等。数据可用性必然是基于数据存储层延展出来的概念，此处延展的正是共识机制带来的可用性。换一种说法，Don’t Trust，Verify，此处的Verify对应的即是数据可用性。以太坊，作为现在执行层产品首选的数据可用层，由于其自身的Gas模型和Calldata结构，存在以下明显的缺点：1，数据的操作和存储成本高；2，数据的存储容量有限；3，网络资源分配不均。为此，以太坊通过EIP-4844的Proto-Danksharding、Data AvailabilitySampling（DAS）、Erasure Coding和Proposer/Builder Separation等提出自身的数据分片和状态扩容方案。未来，以太坊将引入新的Blob交易类型和额外数据层，在保证数据可用性的前提之下，降低当前链上的动态存储成本。至于其他专门的DA产品，不仅在数据可用采样性、Erasure Coding等技术方案探索，也增加各自对于数据可用性领域的研究突破，例如Polygon Avail的Fast Sync技术和Celestia的主权性和互操作性。除了数据可用层的产品，在现有数据存储层方面，我们也可以看到有BNB生态新推出的存储侧链Greenfield，以及Kvye和Arweave等组合类产品。共识层产品及项目 Not your keys, not your crypto。在区块链网络，秘钥代表着数字资产的所有权。为了确保秘钥与数字资产对应的所有权，区块链网络必须实现强大的共识机制，以保证足够的去中心化程度和安全性。共识机制保障的是符合单体区块链交易格式的数据，例如比特币保障的是其上的交易以及交易内置的脚本逻辑，以太坊保障的是EVM可以执行和验证的交易。不仅如此，由于区块链世界存在两类具有明显差异的共识机制（PoW和PoS），不同单体区块链之间的不同共识，是难以进行互操作结合和使用的。另外，即使是原生支持多链互操作性的单体区块链，例如Cosmos和Polkadot，尽管已经在交易格式，抑或是共识机制方面可以实现兼容，但仍然存在共识机制难以共享使用的情况。进入共识层产品之前，让我们先了解和熟悉PoW和PoS的发展和当下状况。 PoW可以粗略地理解为用物理世界的算力保证区块链网络的安全，其面临的最常见攻击是51%算力攻击和双花攻击，因此，只有网络的算力足够庞大，网络的安全性才可以得以保障。很多新型的PoW公链，在冷启动阶段，由于早期算力的不够，网络很容易遇到安全问题。为此它们要么通过长时间高成本的算力积累，要么考虑借助比特币等传统PoW网络的挖矿算力采用同样的PoW算法进行联合挖矿。由于区块链的算力本质是随着区块高度的增加而逐渐增加的，联合挖矿/合并挖矿是通过加密经济激励机制租用算力，当两条公链利益重合匹配的时候，联合挖矿/合并挖矿对于矿工而言是有吸引力的，但是，当新PoW公链和比特币网络利益出现冲突的时候，由于比特币网络并没有办法在协议层面制裁矿工，所以，矿工一般会采取不利于其他新PoW公链的行为。例如，在很早以前Namecoin就通过和比特币网络的算力进行联合挖矿，由于联合挖矿方案在某些场景会造成两个网络的利益不匹配，所以造成了Namecoin的潜在风险。对于实现了智能合约功能的比特网侧链RSK而言，尽管RSK在与比特币网络的利益层面做了优化，但是其自身的迭代开发都受限于比特网的非图灵完备性，故而在联合挖矿方面的突破是有限的。另外，对于Quai Network此类从设计之初，原生地提出多链联合PoW，在算力层面进行抱团取暖。即便如此，Quai Network也仅仅是将共识的冷启动成本进行均摊而已，也无法做到PoW共识机制的复用和组合。 PoS共识机制的核心是利用权益保护网络，权益的价值将决定网络的总体价值，只有足够高价值的权益才能保障高价值的网络。现在流行的PoS机制是基于PBFT改良的，本质依然是权益的证明。常见的PoS网络有知名的Cosmos和Polkadot。秉承着最小化信任的机制，Cosmos作为Hub，是不会主动干预生态应用链的共识机制。Cosmos生态的应用链可以复用整个生态完善的开发栈，但是，在维护对应应用链网络的时候，网络验证者集的成立和维护是需要极高的门槛和成本，这也是信任和安全的成本。不少应用链一般会用空投吸引Cosmos验证者，提供高额的通胀奖励鼓励验证者进行质押保护网络。为减少共识机制的建立成本和提高应用链的安全，Cosmos 2.0提出各种改进方案，例如，可以借用Cosmos为应用链进行安全共享ICS，可以为应用链进行共识共享的Space Mesh等。除此之外，Cosmos生态的Babylon也尝试将比特币网络的PoW共识安全引入Cosmos生态用于保障应用链的安全。对于波卡而言，我们都知道其结合了极强的链上治理模型和前沿的共识理念。可以这么理解，波卡通过平行链卡槽拍卖的机制，直接将共识机制的保障边界扩展到其他链的交易。不可否认，这些机制在复用共识方面，是具有超前的理念，然后由于链上治理的效率和共识的强需求存在不匹配，由此造成波卡平行链的淡出视野。现在，让我们回到合并之后PoS共识机制的以太坊。以太坊是极佳的共识层产品资源，多年的PoW沉淀发展促使以太坊积累高额的价值，探索和迭代多年的PoS机制，配上以太坊完善的智能合约平台，以及蓬勃发展的以太坊执行层产品，促使将PoS以太坊作为新一代共识层产品的前提条件已经成熟。我们可以在现有以太坊质押的逻辑基础上面，通过设计合理有效的激励和惩罚机制，复用质押的以太坊，将此部分的以太坊保护其他类型的网络，例如预言机网络、跨链桥网络等。这其中，EigenLayer在此赛道进行了多年的研究，其最近也发布对应的白皮书，正式提出Restaking的概念，并从slashing机制描述自身网络的功能和设计。除此之外，近期火热的以太坊流动性质押衍生品赛道产品，本质上面拥有大量质押的以太坊，一旦出现合适的共识层产品，流动性质押衍生品赛道的产品都将可以无缝地作为共识提供者参与进来。结语现代软件开发流行面向服务的微服务架构，通过将应用程序拆分成为功能和特性独立的服务，让每个服务自主地开发、部署和运行，各个服务之间通过通信和数据共享的方式进行灵活组合，以此实现更高的扩展性、灵活性和可维护性。微服务架构的发展正在逐步成熟和完善，尽管在实践中还存在一些挑战和问题，如分布式事务、服务治理、安全性等方面，但随着技术的进一步成熟和经验的积累，这些问题都逐渐得到解决。模块化区块链，和微服务架构有不少相似之处，随着区块链的不断发展，也将会成为区块链技术的重要方向。当前，执行层产品，正不断承担更多交易计算的职能，在用户数据、交易数据等各项指标都取得卓越的效果，数据可用层和共识层在各自的方案领域不断前行，结算层的功能有待开发，各自之间潜在的灵活组合将会带来更多无限的潜力。未来，我们有理由相信，模块化区块链将会带来更多创新和机遇，为推动区块链技术的应用和发展做出重要贡献。资料 https://developer.offchainlabs.com/docs/home https://community.optimism.io/ https://starkware.co/starknet/ https://zksync.io/dev/ https://scroll.io/ https://taiko.xyz/ https://www.paradigm.xyz/2022/08/dasData Availability Sampling: From Basics to Open Problems https://arxiv.org/abs/1809.09044Fraud and Data Availability Proofs: Maximising Light Client Security andScaling Blockchains with Dishonest Majorities https://ethereum.org/en/developers/docs/data-availability/ https://ethresear.ch/t/the-stateless-client-concept/172/13 https://notes.ethereum.org/@vbuterin/proto_danksharding_faq 来源：金色财经

金色财经2023-03-16

ChatGPT之后 AIGC会如何革新内容创作？

多模态”。 AIGC此轮浪潮，最大底层进化就在AI对自然语言“理解”和“运用”能力的飞跃，这离不开2017年Google发布的Transformer，它开启了大型语言模型（Large Language Model，简称LLM）时代。有了这一强大的特征提取器，后续的GPT、BERT等语言模型突飞猛进，不仅质量高、效率高，还能以大数据预训练+小数据微调的方式，摆脱了对大量人工调参的依赖，在手写、语音和图像识别、语言理解方面的表现大幅突破，所生成的内容也越来越准确和自然。但大模型意味着极高的研究和使用门槛，例如GPT-3有1750 亿参数量，既需要大算力集群也不向一般用户开放。2022年，部署在Discord论坛上、以聊天机器人形式提供的midjourney成为了第一个用户友好型AIGC应用，带来AI绘画热潮，一位设计师用其生成的图片甚至在线下比赛中获奖。使用简单文字即可交流的低门槛，类似搜索引擎的使用方式，一下子点燃了普通用户对AI使用的热情。紧接着，基于扩散模型（Diffusion Models）的一系列文本生成图片（Text-to-Image）产品，如Stable Diffusion等，把AI绘画从设计圈带向大众。开源的Stable Diffusion仅需一台电脑就能运行，截至2022年10月已有超过20万开发者下载，累计日活用户超过1000万；而面向消费者的DreamStudio则已获得了超过150万用户，生成超过1.7亿图片。其惊艳的艺术风格、以及图像涉及的版权、法律等问题也引发了诸多争议。 Diffusion的震撼感还没消散，ChatGPT横空出世，真正做到和人类“对答如流”，能理解各式各样的需求，写出回答、短文和诗歌创作、代码写作、数学和逻辑计算等。不仅如此，人类反馈强化学习(RLHF)技术让ChatGPT能持续学习人类对回答的建议和评价，朝更加正确的方向前进，因此以不到GPT3的1%的参数实现了极佳的效果。尽管ChatGPT仍存在一些缺陷，例如引用不存在的论文和书籍、对缺乏数据的问题回答质量不佳等，但它仍然是人工智能史上的里程碑，并上线两个月后用户数突破1亿，成为史上用户数增长最快的消费者应用。下一挑战：向“在场”的3D互联网进发在文、图、视频后，数字技术演进的重要方向是从“在线”走向“在场”，AIGC将成为打造3D互联网的基石。人们将在在虚拟空间构建仿真世界，在现实世界“叠加“虚拟增强，实现真正的临场感。随着XR、游戏引擎、云游戏等等各种交互、仿真、传输技术的突破，信息传输越来越接近无损，数字仿真能力真假难辨，人类的交互和体验将到达新阶段。目前AIGC在3D模型领域还处于探索阶段，一条路径是以扩散模型为基础分两步走：先由文字生成图片，再生成包含深度的三维数据。谷歌和英伟达在这一领域较为领先，先后发布了自己的文字生成3D的AI模型。但从生成效果看，距离现在人工制作的3D内容的平均质量还有距离；生成速度也未能尽如人意。 2022年10月，谷歌率先发布了DreamFusion，但其缺点也很显著，首先扩散模型仅对64x64的图像生效，导致生成3D的质量不高；其次场景渲染模型不仅需要海量样本，也在计算上费时费力，导致生成速度较慢。随后，英伟达发布了Magic3D，面对提示语“一只坐在睡莲上的蓝色毒镖蛙”，用大约40分钟生成了一个带有纹理的3D模型。相比谷歌，Magic3D生成速度更快、效果更好，还能在连续生成过程中保留相同的主题，或者将风格迁移到3D模型中。 Magic3D（第1、3列）与DreamFusion（第2、4列）对比第二条路径是借助AI来“合成”不同视角下同一物品的照片，从而直接生成3D。英伟达在2022年12月的NeurIPS 上展示了生成式 AI 模型——GET3D（Generate Explicit Textured 3D 的缩写），可根据其所训练的建筑物、汽车、动物等 2D 图像类别，即时合成 3D 模型。和上文中的输出物相比，模型和纹理更精细，更采取了一般3D工具的通用格式，能直接用到构建游戏、机器人、建筑、社交媒体等行业设计的数字空间，比如建筑物、户外空间或整座城市的 3D 表达。GET3D在英伟达A100 GPU 上训练而成，使用了不同角度拍摄的约 100 万张照片，每秒可生成约 20 个物体。结合团队的另一项技术，AI生成的模型能够区分出物体的几何形状、光照信息和材质信息，使可编辑性大幅加强。 NVIDIA GET3D基于AI生成的模型示例可行路径：与游戏中的程序化生成技术相结合尽管如此，AIGC在3D侧的能力，距离打造3D互联网仍有不小的距离。而游戏中较为成熟的程序化内容生成（PCG，Procedural Content Generation）技术，可能是AIGC迈过深水区的一大助力。从技术路径上，AI生成3D难以沿用“大力出奇迹”的老办法，即单靠喂给AI海量的输入来提升效果。首先，信息量不同，一张图片和一个3D模型相比相差一个维度，体现在存储上就是数据量级不同；其次，图片和3D的存储及显示原理不同，如果说2D是像素点阵在显示器的客观陈列，3D则是实时、快速、海量的矩阵运算，就像对着模型在1秒内进行几十次“拍照”。为了准确计算得到每个像素点，“渲染”在显示器上，需要考虑的因素至少有（1）模型几何特征，通常用几千上万个三角面来表示（2）材质特征，模型本身的颜色，是强反射的金属，还是漫反射的布料（3）光线，光源是点状的吗，颜色和强度如何。最后，原生3D模型的数据相对较少，仅游戏、影视、数字孪生等领域有少量积累，远不如已存在了数千年、可以以非数字化形态存在的图像那么多，例如ImageNet中就包含了超过1400万张图片。用计算机帮助创作者这件事，游戏界已经探索了四十多年。用算法生成的游戏内容首次出现在1981年的游戏Rogue（Toy and Wichman）中，地图随机，每局不同。3D时代，程序化生成技术大量应用于美术制作，因为其需要巨额时间和人力成本，以2018年发售的游戏《荒野大镖客2》为例，先后有六百余名美术参与，历经8年才完成约60平方公里的虚拟场景。程序化生成在效能和可控度上介于纯手工和AIGC之间。例如2016年发布、主打宇宙探险的独立游戏《无人深空》（No Man's Sky），用PCG构造了一系列生成规则和参数，声称能创造出1840亿亿颗不同的星球，每个星球都有形态各异的环境和生物。游戏《无人深空》中使用程序化生成的海洋生物示例 2022年的Epic打造的交互内容《黑客帝国：觉醒》在最新虚幻引擎和程序化生成加持下，打造出栩栩如生、高度复杂的未来城市，共包括700万个美术资产，包括7000栋建筑、38000辆可驾驶的车和超过260公里的道路，其中每个资产由数百万个多边形组成。 Epic使用虚幻5引擎和程序化生成技术高效制作《黑客帝国：觉醒》中的庞大城市程序化生成和AI的结合更成为热门学术领域，每年人工智能与游戏的顶级学会——IEEE Transactions on Games都会为程序化生成开辟专门的讨论板块。剧情、关卡、场景、角色，每个板块都有大量的研究和实践成果在推进。创作到底是什么？关于创作，有一句经典论断——天才是99%的汗水，加上1%的灵感。爱迪生认为那1%的灵感最重要。AIGC则向我们证明，99%的汗水能产生质变。善用AI的创作者，或许才是“完全体”。首先，AI和自然人的创作过程，没有那么大的差异：一部作品的诞生，一个作者的成长，都建立在大量对经典的观察、参照、模仿、提炼基础上，并非一蹴而就。而创新往往也有迹可循，或者是对主流的扬弃甚至反叛，或者是对多种元素的加成和融合。因此，如知识产权制度，也是在鼓励创作的基础上，给予贡献者以对等的奖励，而非一刀切地拒绝模仿。其次，人作为创作核心这一点没有变化：AI面向任务，人类面向创造。一方面，人类信息系统纷繁复杂，远非几个“prompt”输入就能概括。正如一位网友说，AI代替不了我，因为它理解不了老板的需求。没有五年经验的乙方，也解读不来甲方口中的“要大气”。另一方面，AI成长的养料仍然由人提供，AI更可靠可信也依赖着人的使用与反馈。“断奶”于2021年的ChatGPT可不知道2022年世界杯的战果。从实用的视角，AIGC将赋予普通用户更多的创作权力和自由。从PGC、UGC到AIGC的发展路径可见，普通人越来越多的参与到创作之中，数字内容不仅呈现数量上的指数级增长，类型和风格也走向了更加包容和多元的生态。未来，用户可以使用手机拍摄的一系列照片，通过AIGC工具生成一个可以使用的3D渲染图。采用这种创造内容的方式，我们可以想象未来的数字空间将不再完全由开发人员构建，而是利用AIGC响应用户的输入按需生成。 AIGC工具对专业人士的杠杆效应更显著：如果对普通人的增益是从0到1，对专业人士则可能是从1到10，使他们能集中精力处理更顶层、更有价值的事情：比如立意，风格，构图，元素组合和后处理，或者怎样在前期制作尽可能多样的demo来找寻更好的方案。运用AI也正成为新的职业能力，善于“施咒”的大触们前赴后继地开发着AI近乎无限的潜能，并社交平台上留下让人望洋兴叹的作品。更长期看，创作和艺术的历史是螺旋上升的历史，是某一种风格数量极大丰富、质量巅峰造极之后的突破、突变与跨界，也是一个时代精神情感的凝结。我们有理由相信，AIGC变革下创新依旧存在，甚至会加速发展。参考资料来源: [1]https://mp.weixin.qq.com/s/ZYSEou1ki0a4JVY2Nv8_SA. [2]https://zhuanlan.zhihu.com/p/388666777. [3]https://zhuanlan.zhihu.com/p/82758631. [4]https://zhuanlan.zhihu.com/p/493739360. 来源：金色财经

金色财经2023-03-16

观点：价值本位货币是全球未来数字货币的发展方向

，而是通过科技、信息和价值的运动，最终进化而成。当然在这个过程中，需要高科技的技术设计和市场设计，是数字经济运动的必然结果。元宇宙作为近期定义的新的价值空间，是我们未来经济发展重要的价值组成部分，也是实现高质量和跨越式发展的必经之途。如果一个人没有认识和进入元宇宙，他就会停留在原来宇宙当中，他的价值创造和生命质量就会大大下降。全球价值链体系，将来是以各种分链和联盟链作为会员，形成的共识机制。最终数字货币的标准度量衡系统的定位，取决于全球价值公链的创立。实际上是在未来某一个停用信用货币的时点，在该时点上对单位小时内的人的价值的数学期望值进行确定基值。在目前早期的情况下，该时点基本上是围绕一个变动的、呈上升趋势的中值进行运动，而不是在一开始就能够确定一个明确的基值。在早期的信用本位制货币与价值本位制货币并存的这段时间，主要以各个国家现有的货币作为参照物进行计量。在逐步发展当中，信用货币的问题会暴露得越来越多，而价值本位制货币的功能会不断发展，通过优胜劣汰，最终产生新的货币制度。全球贸易制度发展大约经过三个阶段。第一个阶段是物物交换时代，主要是早期的原始社会的物与物交换方式。第二个阶段是“物—币—物”交换的时代，这个时代产生了货币，产生了剩余，人们需要分工和协作，这就要通过商品交易来完成，需要货币充当媒介来发现价值。贸易的“物—币—物”交换，随着信息技术的发展，特别是互联网技术、物联网技术和区块链技术的发展，信息不断充分，在信息空间发现价值的速度，明显快于实体市场空间发现价值的速度，以信息作为定价的依据变得越来越重要，也变得更加具有效率。第三个阶段是过渡到以价值链、价值信用和数字货币为基础的交易形式。这种形式实际上也是一种以价值链为基础的易货贸易形式。在此过程中，价值链中价值本位制的数字货币充当交换媒介，这种媒介没有形成货币的全部功能，只是一种中介，或者是计量标准。当信用货币逐步退出流通的时候，价值本位制货币才能充当一般等价物。当这种货币有了结余以后，就会成为保存资产、储存价值的手段。建立基于价值链的全球易货贸易组织和价值评价制度的数字货币基础上的贸易，可以成为一种新的贸易制度，建立新的国际贸易体系。这种贸易体系的目标是实现人的价值最大化。它的基本运行规则与货币制度、全球价值公链是相互协调和统一的。它主要尊重人在国界之间的自由流动，从而在本质上消除各个国家之间的贸易壁垒，使各国的人的价值通过信息化迭代，实现最大化。现有的世界贸易和货币体系，呈现出越来越多的弊端，已经成为阻碍全球经济发展和全球福利的重要障碍。很多规则受某些利益集团的控制，已经不再为创造价值服务，而为某些国家垄断全球货币和资源服务，因此必须进行改革和发展。这种改革和发展要想和平地进行过渡，存在很大难度，会受到既得利益集团，比如美国政府的干扰和阻止。所以，在价值链发展早期，各个国家应该通过微观主体来建立自己的价值链平台，而非通过政府建立，因为价值链本质上不是信用货币，是去中心化的体系。再各自逐步以自己的系统为主体，建立新的贸易制度和货币制度。基于价值链的数字货币的发明，是21世纪最伟大的发明之一，可以与上个世纪中央银行的产生相比。有了这种数字货币，我们就可以计量价值、发现价值，从而使经济学成为一门真正的科学。基于价值链的数字货币，使货币具有了价值实现的功能，也使人类的金融、经济进入新的形态，摆脱了经济与金融危机的威胁，经济发展的着力点回归到创造人的价值，实现人的价值最大化。经济发展规律也会发生变化。未来的经济增长可能出现几何级数的增长，金融部门将会成为经营人的价值的机构，经济学将变成研究价值计量和规律的科学，经济发展的目标将是实现人的价值最大化。来源：金色财经

金色财经2023-03-15

24小时热点