FX168财经网_全球视野外汇黄金加密货币NFT资讯网

下一轮财富的引爆点：Web3市场的新技巧

戏。而WEB3文本IP产品可以进一步进化： 1.它定位为平台，不给自己“屠龙变龙”的机会。阅文集团是拥有作品评选和推广权的公司，是一个集权的组织。 WEB3如何引入DAO，作品的好坏，如何推广，都是由DAO社区的成员决定的，拥有最多的粉丝。 Daily Workers 正在为 DAO 社区工作。一句话概括就是：WEB3的文字IP产品应该只是一个平台，连接创作者和粉丝，没有像阅文这样的中间商赚取差价。平台的收益应该只有两个来源：与创作者协商的收益分成，以及作品本身价值增加后的投资收益。 2.对于创作者来说，每一个上传到WEB3平台的作品都可以看作是一只上市的股票，平台发行的对应作品的NFT和token就是凭证，版权注入到NFT和token中。最简单的模式是：原计划发行10万本实体书，现在发行10万本NFT，只有持有NFT的粉丝才能阅读；后续更新必须支付代币才能看到新章节；卖掉，让新粉丝进来。创作者的所有收入（销售额和版税）都写入并锁定在区块链的代码中，合约自动执行，不用担心数据被篡改。 3.对于粉丝来说，除了是读者，还有一层身份：投资人。以前我们看实体书或者网络文章的时候，唯一的身份就是读者，需要花钱消费的人，即使你看了一本书，觉得特别好，你也无法为自己获得财富前瞻性的愿景。但是在WEB3中就不一样了。如果你觉得某个IP平台的作品不错，你可以购买NFT或者对应的token。如果想看的人多了，价格肯定会上涨。这样，十多年前看过《三体1》被震撼后，你不只是推荐给同学或同事，你还买它的NFT！一起成长一起赚钱不好吗？五、总结新的叙事板块一直是每一次牛市的突破点。本文看好如何将WEB2用户分流到WEB3版块。基础设施可能会出现在twitter这样的大佬身上，导流的源头可以使用IP导流的方式与金腰带的导流方式相辅相成。 WEB3项目的IP导流包括艺术IP、音乐IP和文字IP。艺术家和创作者愿意从利润分享的角度进行推广。艺术IP在上一轮牛市中已经启动，而音乐和文字还处于早期阶段。文字和IP的WEB3模式最大的特点是先将部分粉丝和读者变成投资者，作品变成类似于股票的证券化产品，可以帮助创作者提前变现。案例中，Read2N其实是一个去中心化的优秀文字作品孵化器。交易文字作品NFT的Opensea，并不是简单的看书赚金的链游。来源：金色财经

金色财经2023-03-13

继 FTX 暴雷银门关闭解决银行挤兑难题的"INNODEX"革新交易所华丽登场

案。更是给予其为“加密货币交易所的全新进化形式”的高度评价，并期待这种尝试能够在停滞不前的加密货币市场上引起新的共鸣。“INNODEX”已经进行了4期的全球用户测试，并计划在第一季度推出公测服务。 NvirWorld 是一家旨在扩大区块链技术大众化、基于多样化的专利技术，进行平台开发提供服务的区块链专门企业。值得一提的是岸币世界已经与 Solana 和 ConsenSys 建立了官方合作伙伴关系，专业性得到了业界的一致认可。同时也是最近被海内外媒体评价为具有与以太坊相媲美的潜力，而受到瞩目紧缩型货币“NVIR”的发行社。来源：金色财经

金色财经2023-03-13

友邦人寿2022年业绩点评：营销员数量在2022年内实现6%的逆势增长，MDRT注册会员人数登顶全球榜单

地开始，友邦的营销员策略已从1.0版本进化到今天的“卓越营销员3.0策略”，回顾友邦营销员渠道2022年逆势成长的表现，我们不难发现其背后有多重驱动要素的助力。面对内外部环境的变化， 2022年，友邦人寿围绕“卓越营销员3.0策略”进行全面升级，通过围绕新人发展、产能提升和主管发展三大核心维度的系列举措，为营销员提供全方位的发展支持，在此基础上，关注营销员新人的成长和发展，并通过优化系统建设为渠道高质量发展注入“活水”。在“优质招募”的同时持续关注营销员新人的成长和发展，构建起持续、稳定和富有活力的良性循环，从而进一步保持并优化渠道的竞争力。面对“新人的留存和发展”这一困扰渠道的难点，作为内地营销员渠道的引领者与革新者，友邦再次先人一步，给出了自己的解题思路。在科技赋能渠道层面，友邦将数字化、智能化技术作为重要抓手，发展出一套属于自己的数字化升级路径——TDA（Technology，Digital，Analytics）战略。2022年10月，友邦成功推出营销员一站式经营工作平台“友邦领航”，为营销员提供系统化的客户关系管理支持。通过数字化工具持续赋能渠道，“友邦领航”为营销员洞察销售线索，提供具有实操性的建议，进而更好地为客户提供定制化的产品以及专业化、有温度的服务。“友邦领航”的推出，通过数据化平台的构建与优化，助力营销员渠道产能提升以及客户服务水平的提高，为高质量渠道人才的留存提供了基础，在推出仅两个多月后，“友邦领航”营销员使用率99%，营销员通过发送线上内容与客户互动已超60万次。此外，友邦高度重视在营销员渠道上的投入，并致力于通过整合多方资源，为卓越营销员搭建多元发展平台。友邦与复旦大学以及知名商学院开展合作，共同打造专属于友邦营销员的培训课程和认证体系，为营销员搭建专业化、智能化、品牌化的发展平台，引导和支持卓越营销员的全面成长，帮助营销员成长为专业、可信赖、具有前瞻性和战略眼光的“保险企业家”。面对新金融、大健康、大养老赛道的新机遇，在不确定性日益增强的当下响应客户更多元更丰富的保障需求是营销员展业的价值源泉，友邦依托健康、养老、财富管理、传承四大价值主张，以极富差异化和竞争优势的保险产品和生态圈服务帮助营销员构建展业的“硬实力”。例如，为探索“第三支柱养老”创新模式，友邦推出“全旅程、全方位、广覆盖”的养老综合解决方案，打造“康养生态圈”并结合市场需求与趋势培育“养老规划师”队伍。此外，友邦于2022年推出革新性的“如意悠享”系列重大疾病保险，为次标人群定制终身重疾保障。这些产品和服务创新不仅打开了新的市场，更是回应客户诉求的重大创新，亦给了营销员触达客户、服务客户的抓手，帮助营销员成为陪伴客户一生的“健康及财富管理伙伴”。通过紧密贴合客户需求、极富客户洞察的产品和服务，友邦人寿的卓越营销员将全旅程陪伴客户一起成长，成为客户的专业顾问（planner），甚至是伙伴（partner）。寿险业新一轮的竞争优势将聚焦于高质量的个险渠道。从很大程度上来说，营销员的高质量与否很大程度决定了中国寿险业转型成败，其症结不在于队伍一时的数量多少，而在于其角色定位的明确共识与坚决执行。只有高质量的卓越营销员才能更好地想客户之所想，给出个性化、专业化、系统化的风险规划方案，而这也将使寿险营销员成为一个令人尊重的、高门槛的职业。友邦人寿首席执行官张晓宇曾表示：“近年来客户端发生的极大变化对营销员的定位、能力和行为模式都提出新的要求。改革后的理想渠道模式，就是深度去耕耘客户的模式。营销员不再是简单的销售（sales），而是要成为专业顾问（planner），甚至是成为客户的伙伴（partner）。真正好的营销员需要有好的客户经营体系，我们要帮助营销员学习怎样系统性地获取、陪伴客户，到能够做到和客户一起成长，帮助客户做人生规划。这是一种根本性的进阶，需要体系化的支持，这也是我们做客户驱动改革的重要方向。” 这种进阶虽然有赖于每个营销员自身的学习领悟，但更多是由各人身险公司的经营理念所决定的，什么样的寿险经营理念塑造什么样的营销员队伍。从友邦人寿的年度业绩表现中，我们可以一览其卓越营销员体系的价值，以此为借鉴来直面当下营销员群体面临的新的时代命题。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-03-13

奥飞娱乐：公司目前没有涉及与百度“文心一言”系统相关的合作事项

、喜洋洋等，先变成会聊天的IP，然后再进化成实体，符合广大粉丝、群众、更重要的是投资者的期待！谢谢！奥飞娱乐董秘：您好，公司持续关注新趋势、新技术的发展情况，如有合适机会将择机推进与相关主营业务的融合。我们会向公司管理层转达您的建议，感谢关注！投资者：请问贵公司有研发6G吗奥飞娱乐董秘：您好，公司没有涉及6G研发业务，感谢您的关注！投资者：据悉由中国智慧家庭生态联盟归口，中国电子技术标准化研究院牵头，华为终端有限公司、杭州萤石软件有限公司、科大讯飞股份有限公司、北京光年无限科技有限公司等单位联合编制的《儿童陪伴机器人白皮书》研究报告，经过起草组研究完善，已完成研究报告编制工作，将于2023年3月7日在线上举办《儿童陪伴机器人白皮书》发布会。贵公司持有北京光年无限5%股权，并有乐迪儿童智能陪伴机器人在售，是否对未来发展产生积极影响？奥飞娱乐董秘：您好，公司现阶段专注于动画内容、玩具、婴童产品等主营业务，并以IP授权方式与不同领域平台开展业务合作。公司将持续关注新趋势、新技术的发展情况，如有合适机会将择机推进与相关主营业务的融合。感谢您的关注！投资者：2020-2022这三年疫情期间，奥飞欢乐世界游乐场和动画电影都是极其好的项目，但都运营成了极其失败的局面，动画电影只有同类题材票房的十分之一。游乐场更是管理混乱营收近无。说明家族企业已经是一个拒绝和外部世界交互的封闭增墒系统，充斥着系统性的贪腐和低效管理。领导层可以做出哪些强有力的改革措施呢？玩具行业也是需要创意和进取的企业家精神的。奥飞娱乐董秘：您好！公司将围绕中长期发展战略以及年度经营计划，积极践行“卓越运营”“持续创新”等核心企业价值观。公司通过持续优化供应链管理水平，提升生产效率，从低成本采购、精益生产、高效运营等维度提升公司精细化管理能力，从而提高经营效益。创新能力是内容开发企业必须具备的核心能力，公司要用创新精神创造精品，敢于创新与变革，紧跟市场趋势和用户消费需求，从文化、人才、流程、激励着手，打造能够满足用户需求的精品创造能力与体系。感谢您的关注和宝贵意见！投资者：尊敬的董秘你好，2022三季报显示，奥飞娱乐商誉为14.81亿元，占净资产比例为43.35%，商誉占净资产的比重合理范围应该是控制在30%以内。请问公司有无对此进行减值测算，在预计到来的全年财报中有无减值风险？请予以披露，谢谢！奥飞娱乐董秘：您好，公司将按照《会计监管风险提示第8号一商誉减值》的规定对相关资产进行减值测试，并根据法律法规要求履行信息披露义务。目前相关资产所属公司经营情况稳定，感谢您的关注！投资者：公司持续三年亏损，有无强制退市或ST警示风险？奥飞娱乐董秘：您好，公司不存在被实施退市风险警示的相关情形。根据《深圳证券交易所股票上市规则（2022年修订）》有关规定，与利润相关的被实施风险警示情形主要包括：1、最近一个会计年度经审计的净利润为负值且营业收入低于1亿元，或追溯重述后最近一个会计年度净利润为负值且营业收入低于1亿元的，深交所可以实施财务类退市风险警示（即*ST）；2、公司最近三个会计年度扣除非经常性损益前后净利润孰低者均为负值，且最近一年审计报告显示公司持续经营能力存在不确定性，深交所可以实施其他风险警示（即ST）；公司当前不存在上述情形。感谢您的关注！投资者：公司与汕头市签订合作项目有落地了吗奥飞娱乐董秘：您好，公司正稳步有序推进相关合作事项，感谢您的关注！奥飞娱乐2022三季报显示，公司主营收入20.17亿元，同比上升0.61%；归母净利润-1218.45万元，同比上升86.94%；扣非净利润-2883.86万元，同比上升76.51%；其中2022年第三季度，公司单季度主营收入6.86亿元，同比下降0.14%；单季度归母净利润1459.84万元，同比上升114.83%；单季度扣非净利润760.15万元，同比上升107.33%；负债率37.21%，投资收益-447.21万元，财务费用175.23万元，毛利率32.02%。该股最近90天内共有1家机构给出评级，增持评级1家。近3个月融资净流入1615.65万，融资余额增加；融券净流出63.55万，融券余额减少。根据近五年财报数据，证券之星估值分析工具显示，奥飞娱乐（002292）行业内竞争力的护城河一般，盈利能力较差，营收成长性较差。可能有财务风险，存在隐忧的财务指标包括：有息资产负债率、应收账款/利润率、应收账款/利润率近3年增幅、经营现金流/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）奥飞娱乐（002292）主营业务：主要从事动漫IP及其内容的创作、传播和运营,以及玩具衍生品、婴童产品的研发、生产和销售。公司核心主营业务主要包括影视类、玩具销售、婴童产品等类别。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2023-03-12

朔商集团获邀参加2023年武汉国际广告节

地虚实结合训练和学习,实现持续自我智能进化,加速向人类智能靠近。此次广告节不仅为交流和学习提供了机会,也为朔商集团提供了向公众展示其实力和产品卓越性的平台。朔商集团将继续推动数字化和智能化应用,探索新的商业模式,为行业发展和社会进步做出积极贡献。关于溯元文化科技有限公司溯元文化科技有限公司是朔商集团旗下的核心企业,专注于元宇宙城市轻文旅业务。公司长期致力于元宇宙科技文化空间及文创产品的研究与开发。其独特的"文化主题街区+文化主题乐园+文创商品+虚拟文化空间+数字藏品"五位一体的复合型业务模式,结合了中华传统文化、元宇宙前沿科技和互动式娱乐体验场景,构建城市消费新蓝海,文化传播新阵地和科技文娱新体验。通过元宇宙前沿科技,公司积极弘扬中华文化,增强人民文化自信,讴歌新时代伟大成就。关于朔商集团朔商集团以"价值共生,成就共享,未来共赢"的核心价值观和"厚德、诚信、善行"的经营理念为基石,致力于打造国际领先、值得信赖的专业化、多元化和国际化企业集团,以创造价值、回报社会为宗旨,携手投资人、客户、合作伙伴和员工砥砺前行。来源：金色财经

金色财经2023-03-12

从市场与产品的逻辑出发复盘过去两年 DeFi 衍生品赛道

全可以满足投资者的需求了，所以飞速迭代进化的 DeFi，一定会继续生长，去触碰衍生品这个「金融皇冠上的明珠」。链茶馆沿着这个逻辑，认为衍生品比较复杂，它的 DeFi 解决方案一定是由更懂金融的团队提供的，然后我们接触了 Deri Protocol 团队，从此经常就 DeFi 衍生品展开对话并持续至今。可在之后的两年里，市场并没有按照我们当初推导的逻辑来发展，那么问题出在了哪里？现在回过头来看，基本逻辑没问题，问题是我们忽视了命题成立所需要的复杂条件，或者我们反过来看也许更清晰——2021 年 2 月份链上衍生品交易为什么没有立即爆发？首先是交易用户的基数不够。虽然 Yield Farming 给链上带来了前所未有的新用户，但他们主要是冲着 APY 而来的理财用户，真实的交易用户其实不多（即使是 Uniswap 的月活也仅 35 万），更不用说在链上交易复杂的衍生品了。其次是对流动性提供者而言吸引力不大。当时以释放平台币为核心的 Yield Farming 模式已经开始失效，但链上衍生品交易所才开始陆续上线，流动性提供者已经开始免疫，具有旁氏因子但 APY 超高的算法稳定币此时显然更有吸引力。我们现在即使带着后见之明，去重新回到当时受到以上两方面夹击的情境当中，也依然找不到链上衍生品交易所的突破点。事实上后来链上衍生品交易所起飞，很大程度上是外部因素导致的。中心化交易所的陆续暴雷，许多原本只在链上理财的用户也开始把交易行为转到链上。而以释放真实收益为核心的 Real Yield 模式这时候也逐渐跑出来，对流动性提供者而言非常有吸引力。于是较早采用这一模式的 GMX 起飞也就在情理之中。可以说 GMX 的成功很大程度上不是 DeFi 衍生品的成功，就像德云社火了不意味着相声火了。而链上衍生品交易所在外部因素满足之前，唯一需要做的就是「活下去」——产品上不断迭代以尝试新的方向，社区里不断互动以维护好既有的用户规模及活跃度，然后就是等待风口的到来。至于在此期间产品迭代的逻辑，Deri Protocol 团队当初的思考也非常有参考价值。以产品逻辑为出发点 2021 年 DeFi 衍生品赛道的头部还是 dYdX、Perpetual 等，但它们只能说是链上的期货交易所，而不是像 Uniswap 那样核心交易逻辑全部在智能合约里进行。在当时的 Deri Protocol 团队看来，DeFi 衍生品交易所首先应该是 DeFi，其次才是关于衍生品，而 DeFi 是金融在交易范式和资产转化效率上的进化，Uniswap 就是最典型的案例。基于 AMM 的交易范式在古典金融的交易所里，流动性提供者是指定做市商，他们相比普通交易者拥有费用优势（手续费返佣，最终导致平均交易成本为负）、信息优势（能看到更深度的订单簿）以及技术优势（拥有更快的接入速度）。而 Uniswap 则直接抛弃了基于订单簿的交易范式，采用基于流动性池的 AMM 交易范式，做市商变成了 LP，没有任何门槛。而且 AMM 模式还聚集了碎片化的流动性，极大提升了资本效率。以 token 实现资产转换在 DeFi 诞生之前，不同资产之间转换几乎全部以现金类资产（M1）作为中介。比如把房产转换成股票，就需要先将房产出售换成现金，再用现金买股票，这个过程中的转换摩擦非常大，然后为了提高资本效率去加杠杆，又很容易招致流动性金融危机。但是进入了 DeFi 时代，链上的资产之间（即使是 FT 与 NFT）可以直接在 swap 转换，无需中介的存在。所以 Deri Protocol 的产品逻辑可以说是 Uniswap 风格的 BitMEX。后来他们的版本迭代要么是沿着 DeFi 的基本逻辑推出共享流动性池、外部流动性池等机制，要么是沿着衍生品的逻辑推出永续合约、永续期权、Power、Gamma 等不同的永续衍生品类型，尤其是永续期权及之后的衍生品类型都是第一个在金融世界里实现的。然而现实是在过去 DeFi 衍生品赛道狂飙突进的半年里，沿着 DeFi 和衍生品逻辑不断迭代的 Deri Protocol 并没有占据多少市场份额或者市值排名靠前…… 很大程度上是因为现有的链上衍生品市场的功能还比较单一，主要是赌涨跌的投机需求，还没有催生出多少对冲的需求。而基于衍生品去服务更多场景则需要提供一系列专业工具，否则只有非常专业的用户才能直接通过衍生品交易来做对冲，所以未来的衍生品交易所应该会推出一系列衍生品工具包（例如做了衍生品对冲之后的各种理财产品）。总结经过两年的发展，链上衍生品交易已经培育了不少交易者，并且由于衍生品交易的手续费高于现货，对流动性提供者而言也非常有吸引力，相信链上衍生品交易 2023 年会继续发展（也包括非 DeFi 的链上衍生品交易）。至于DeFi 衍生品，会从单一的交易需求进化到更加多元的对冲、理财等需求，就像传统金融的衍生品市场是由庞大的实体行业的对冲需求支撑起来的那样。所以在两年后的今天，我们依旧看好 DeFi 衍生品赛道，尤其是基于基本的衍生品交易建构相对复杂的理财需求的衍生品交易所。撰文：北辰来源：DeFi之道来源：金色财经

金色财经2023-03-11

AIGC 行业专题报告：从 AI 技术演进看 AIGC

代陷入低潮。行为主义行为主义又称为进化主义，近年来随着 AlphaGo 取得的突破而受到广泛关注。该学派认为人工智能源于控制论，智能行为的基础是“感知—行动”的反应机制，所以智能无需知识表示，无需推断。智能只是在与环境交互作用中表现出来，需要具有不同的行为模块与环境交互，以此来产生复杂的行为。在人工智能的发展过程中，符号主义、连接主义和行为主义等流派不仅先后在各自领域取得了成果，各学派也逐渐走向了相互借鉴和融合发展的道路。特别是在行为主义思想中引入连接主义的技术，从而诞生了深度强化学习技术，成为AlphaGo 战胜李世石背后最重要的技术手段。技术现状：深度学习技术带动本轮人工智能发展人工智能算法经历了“既定规则系统”、“浅层学习算法”和“深度学习算法”三个阶段，其中，深度学习算法彻底将人类从复杂的算法抽象中解放了出来，用深度神经网络+海量数据打破了计算准确度的瓶颈，带动了本轮人工智能的爆发。人工智能算法所经历的三大阶段及实现过程如下： 1）既定规则系统及其实现过程既定规则系统尚不属于“机器学习”的范围，其背后的关系为人力搭建算法的逻辑关系。面对待处理的问题，由人提取出问题特征、再由人设定好算法规则，交由机器进行运行。例如，判断某幅图片是否为猴子，既定规则系统执行过程如下：1）人为提取猴子各部分像素特征；2）人为设定猴子判定规则，如眼睛、鼻子、嘴巴等部位的像素应分别位于哪一区间内；3）机器根据读取到的像素及判定规则，计算当前图片是否为猴子，输出结果“是”或“否”。 2）传统机器学习算法及实现过程传统机器学习算法彻底将人类从复杂的算法抽象中解放了出来，但对复杂数据的处理受到明显制约。简单来说，机器学习是一种实现人工智能的方法，深度学习算法是实现机器学习的技术。传统机器学习算法又称浅层算法，这类算法如反向传播算法（BP 算法）、支持向量机（SVM）、Boosting 等，局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限，对复杂数据的处理受到制约。例如，在图像识别领域，浅层学习的识别准确率较低，主要原因为该算法的处理逻辑偏向浅层，不能穷举复杂的情景，在准确率达到一定程度后，即使再投入更多数据，准确率依然无法提升。如判断某幅图片是否为猴子，传统机器学习算法执行过程如下：1）人为提取猴子各部分像素特征；2）机器自动归纳猴子的判定规则，如眼睛、鼻子、嘴巴等部位的像素应分别位于哪一区间内；3）机器根据读取到的像素及判定规则，计算当前图片是否为猴子，输出结果“是”或“否”。 3）深度学习算法及实现过程深度学习与传统的机器学习最主要的区别在于：随着数据规模的增加，其判断准确度也在不断增长。判断准确度的提升，使人工智能技术可大规模应用于语音识别、图像识别等多个领域。2006 年，Hinton 提出深度学习算法，该算法与传统的机器学习算法最大的区别在于随着数据规模的增加，算法计算准确率也不断增长。当数据很少时，深度学习算法的性能并不突出，随着数据量的增加，其优越性得以体现。传统机器学习算法，在拟合度达到某一特定值后，再增加数据量，其拟合度不再提升；深度学习算法拟合准确度随着数据量及神经网络层数的增加而提升。例如，在引入深度学习之前，语音识别的准确率连续三年稳定在 76.4%，引入该算法后，其准确率逐年递增，2017 年已达94.5%。如判断某幅图片是否为猴子，深度学习算法的执行过程如下：人为将海量带有标签的图像数据到计算机中，无需进行任何特征提取或规则设定，算法自动根据输入图像的特征归纳出判定规则，并泛化至后续判断过程中。实现要素：海量数据及高效算力是深度学习实现基础海量数据及高效算力是深度学习实现基础。深度学习全称深度神经网络，本质上是多层次的人工神经网络算法，即从结构上模拟人脑的运行机制，从最基本的单元上模拟了人类大脑的运行机制。算法的实现过程分为训练和推断两个阶段。训练阶段需要海量数据输入，训练出一个复杂的深度神经网络模型。推断指利用训练好的模型，使用待判断的数据去“推断”得出各种结论。大数据时代的到来，图形处理器（Graphics Processing Unit，GPU）等各种更加强大的计算设备的发展，使得深度学习可以充分利用海量数据（标注数据、弱标注数据或无标注数据），自动地学习到抽象的知识表达，即把原始数据浓缩成某种知识。简单来说，在深度学习算法的基础上，海量数据解决了计算精准度的问题，算力的提升解决了计算速度的问题。所处时代：基于统计规律的弱人工智能时代，但商业化价值已经展现人工智能的分类标准及定义李开复及王咏刚在《人工智能》一书中，将人工智能按照智能程度的强弱，划分为：弱人工智能（Artificial Narrow Intelligence，简称ANI）、强人工智能（Artificial General Intelligence，简称 AGI）和超人工智能（ArtificialSuperintelligence，简称 ASI）三个层次。弱人工智能（ANI）也称为限制领域人工智能或应用型人工智能，本质上是某个特定领域内基于统计规律的大数据处理者。通俗来讲，弱人工智能只专注于完成某个特定的任务，例如语音识别、图像识别和翻译，是擅长单个方面的人工智能，类似高级仿生学。该阶段的 AI 技术是为了解决特定具体类的任务问题而存在，底层原理是从海量数据中从中归纳出模型，再泛化至新的数据中进行正向运算。例如，谷歌的 AlphaGo 和 AlphaGo Zero 就是典型“弱人工智能”，尽管它们能够战胜象棋领域的世界级冠军，但也仅限于擅长于单个游戏领域的人工智能。强人工智能（AGI）是人类级别的人工智能，拥有独立思想和意识，在各方面均能与人类媲美。拥有 AGI 的机器不仅是一种工具，其本身可拥有“思维”，能够进行独立的思考、计划、解决问题、抽象思维、理解复杂理念、快速学习等，可实现“全面仿人性”，在智力水平和行动能力方面与人类基本没有差别，目前只存在于电影及人类想象中。超人工智能：假设计算机程序通过不断发展，智力水平可以超越人类，则由此产生的人工智能系统就可以被称为超人工智能。在人工智能的三个层级中，超人工智能的定义最为模糊，目前还没有精准预测能够说明超越人类最高水平的智慧到底会表现为何种能力。对于超人工智能，目前只能从哲学或科幻的角度加以想象。当前人工智能现状：基于统计规律的弱 AI 时代当前人工智能尚属于“弱人工智能”阶段。按照人工智能的执行深度，我们将人工智能的判定层次分为计算智能、感知智能和认知智能三个层次：1）计算智能：神经网络和遗传算法的出现，使机器能够高效、快速地处理海量数据，目前该技术的应用已相当成熟；2）感知智能：技术已相对成熟，典型应用语音识别及人脸识别，准确率分别超过 98%和 99%；3）认知智能：还有较大提升空间，典型应用包括机器翻译和计算机视觉认知，这两项技术与人力还有较大差距。通过以上对三个层级的分析，我们判断：人工智能技术尚不具备完全“认知”能力，处于垂直领域的应用投入商用、自主认知尚待攻克的“弱人工智能”阶段。 “弱人工智能”所带来的收效依然十分可观弱人工智能在特定领域的表现均超过人类，多种劳动密集型工作均具有较强自动化潜力。2017 年 10 月，AlphaGo 的升级版本实现了不通过向人类学习，只通过概率计算和自学自练就达成自我超越、战胜李世石的初代AlphaGo。由IBM开发人工智能 Waston，使用机器学习来分析和解读海量医疗数据和文献，检查患者数据做出治疗决定，印度班加罗尔研究表明，Waston 与医生在提供肺癌、结肠癌和直肠癌治疗建议方面一致性比例分别高达 96%、81%和93%。微软公司的人工智能虚拟机器人小冰，学习了 20 世纪 20 年代以来 519 位诗人的现代诗，自2017年2月起，“小冰”在天涯、豆瓣、贴吧、简书四个平台上使用了27 个化名发表的诗歌作品，几乎没有被发现是机器所作。不仅如此，人工智能在交通、教育、金融领域也展示出了巨大的应用前景。与人类相比，人工智能在数据存储、调用、分析处理方面的强大能力，以及在特定危险情境下的生存能力，都有望为人类生活带来巨大颠覆。麦肯锡报告表明，多种人力劳动密集、机械类工作都具有较强的自动化潜力，住宿和餐饮服务、制造、交通和仓储等职业自动化潜力巨大。 2020 年，弱人工智能为全球 GDP 带来 14%的提升。人工智能将提升社区劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面，将为人类的生产和生活带来革命性的转变。据 Sage 预测，2020 年，人工智能的出现将为全球 GDP 带来 14%的提升，相当于 15.7 万亿美元的增长。根据世界银行及产新智库的分析，人工智能作为当下最先进生产力，如果能为制造业提高1%的效率，全球制造业便会节约 3000 亿美元。再细分到各个产业，为航空提高1%的效率相当于 300 亿美元，为电力提高 1%的效率相当于660 亿美元，为医疗系统效率提高 1%相当于 630 亿美元，为铁路系统效率提高1%相当于270 亿美元，为石油天然气资本支出降低 1%相当于 900 亿美元。综上，截至2025 年，人工智能可能影响 32 万亿美元的全球制造业领域，相当于将影响全球50%的经济。万事俱备，人工智能场景应用有望全面爆发相比于前两轮的 AI 浪潮，我们认为本轮人工智能应用将全面爆发的原因如下：1）深度学习算法的革命性颠覆，使“数据量”成为决定拟合结果的核心要素：在本轮深度学习算法出现前，AI 的主要算法是 BP、SVM 等浅层算法，由于其处理逻辑停留在浅层，即使在拥有海量数据的情况下，拟合结果的准确率在提升至某一瓶颈后便无法提升，人工智能难以处理复杂的问题。深度学习算法得益于多层神经网络，可直接用海量数据“暴力破解”出计算算法，数据量越高，拟合精准度越高。这说明只要具备充足的数据和算力，便能快速训练出精准的算法，这使得决定人工智能准确度的核心由“算法”转变为“数据和算力”；2）海量多维数据及GPU 算力已准备就绪，为算法运行提供充足“燃料”和“引擎”：互联网使海量数据积累成为可能，而 GPU 的出现，满足了机器学习大规模并行计算要求。至此，人工智能的三驾马车“算法、算力、数据”皆已准备就绪；3）开源框架大幅降低了 AI 的使用门槛；4）政策及资本的助力：AI 被广泛认为人类历史上第四次工业革命，美国、中国等科技大国均将其提升至顶层战略高度，加之资本注入及催化，“弱人工智能”的商用已广泛落地。资源层：数据及算力的大幅提升将 AI 推向浪潮之巅互联网及数字经济的快速发展，为 AI 算法训练提供充裕的数据来源。人工智能领域顶级专家吴恩达曾提到：发展人工智能就像用火箭发射卫星，需要强大的引擎和足够的燃料，算法模型就是其引擎，高性能的算力是打造引擎的工具，海量的数据就是引擎的燃料。基于深度学习的算法特点，其计算准确度与数据量基本成正比。例如，在输入 30 万张人类对弈棋谱并经过3000 万次自我对弈后，人工智能 AlphaGo 具备了媲美顶尖棋手的棋力。当前，机器学习所能应用的数据已经不局限于文本、数字等结构化数据，还包括视频、音频、图片等非结构化数据。而根据 IDC 的统计数据，2021 年全球数据量已经达到82 ZB，预计到2026年将达到 214 ZB。 GPU 的发展解决了深度学习的训练速度和相应的成本问题。1）英伟达于2016年推出 P100，2017 年推出 V100，2020 年推出 A100，4 年间从P100 至A100英伟达GPU 芯片高性能计算能力提升 11 倍。2022 年英伟达持续迭代推出H100，其最新的 H100 芯片在 A100 的基础上将训练表现提升 9 倍；2）算力芯片的快速迭代使得提升 AI 模型训练速度和下游用户体验，同时基于摩尔定律的算力提升也使得单位算力开销持续下降，从技术成熟度和商业化成本两端加速AI 技术走向普及。技术环境：开源框架大幅降低开发门槛各巨头在 2016 年纷纷创立 AI 开源的开发框架，人工智能的开发框架是底层硬件与上层软件之间的纽带，可以视作人工智能进行开发和应用的“操作系统”。以往的专家系统是基于本地化专业知识进行运算，以知识库和推理机为中心进行展开，推理机设计内容由不同的专家系统应用环境决定，不具备通用性。同时，知识库是开发者收集录入的专家分析模型与案例的资源集合，只能在单机系统环境下使用且无法连接网络，升级更新不便。企业的软件框架实现有闭源和开源两种形式，少数企业选择闭源方式开发软件框架，目的是打造技术壁垒；目前，业内主流软件框架基本都是基于开源化运营，如谷歌的TensorFlow、脸书的Torchnet、微软的 DMTK、IBM 的 SystemML、三星的 VELES 等，均具有分布式深度学习数据库和商业级即插即用功能。外部环境：政策助力，人工智能迎来发展良机中国密集出台人工智能相关政策，并将 AI 上升至国家战略，力求在下一轮工业革命中抢占先机。自 2015 年以来，国内不断出台推动人工智能发展的鼓励政策，包括:1）建立人工智能促进机制；2）为人工智能提供近支持，包括税收优惠、财政扶持及制定金融政策等；3）推动创新，包括促进产业集群，布局创新基地，鼓励人才培养；4）政府制定规制与保障措施等。《新一代人工智能发展规划》提出了“三步走”战略目标，加速AI 再各行业渗透落地。第一步，到 2020 年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，核心产业规模超过1500 亿元，带动相关产业规模超过 1 万亿元；第二步，到 2025 年，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，核心产业规模超过 4000 亿元，相关产业规模超过 5 万亿元；第三步，到2030 年，人工智能理论、技术与应用总体达到世界领先水平，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿元，带动相关产业规模超过 10 万亿元。从算法推荐到内容生成：AI 有望引发新一轮内容与平台投资周期基于对 AI 产业链及成长历程的分析，我们认为，AI 底层算法和理论体系的突破相对缓慢，AI 对于各个行业的渗透和改造进度各不相同。但是当前基于神经网络的深度学习算法已经在感知层（图像、声音等）及部分认知处理环节逐步步入技术成熟期，在特定技术环节和应用场景中已经具备良好的商用价值。我们认为，短期内 AI 能够创造价值的行业必须具备以下三点要素：1）适合的场景应用：一方面行业内存在需求，AI 的应用能够解决实际问题，真正为行业带来降本提效；另一方面，深度学习的特点决定了 AI 的算法体系必须拥有特定领域的样本数据持续训练；2）充足的数据来源：在技术应用背后拥有足够的数据来驱动AI 能力的提升；3）所需技术具备商业可行性（技术成熟度以及成本、效率等）。结合以上三方面要素，从落地的角度来看，AI 在自动驾驶、安防、语音识别等领域已经得到大规模应用；从传媒互联网领域落地来看，基于AI 的算法推荐已经在信息分发领域获得充分应用，并诞生出以字节跳动（今日头条、抖音等典型APP）、小红书为代表的移动互联网时代信息分发平台新范式；从信息分发到内容生成（AIGC），AI 有望重塑内容及互联网产业生态。 AI 赋能，字节跳动充分展现内容分发时代AI 商业化价值互联网时代信息爆炸，信息过载加速 AI 在内容分发领域落地。在互联网、特别是移动互联网的快速渗透推动之下，内容创作从传统的PGC 向UGC、PUGC模式转变，与之相应的是信息产生的数量呈现指数级上升；传统的用户主动获取信息的模式不堪重负、信息过载成为制约互联网产业发展的重要障碍；基于AI的“千人千面”算法推荐模式在此背景下快速导入，推动了互联网从“人找信息”到“信息找人”的内容分发模式转变。技术解读：“千人千面”的推荐系统本质上是一个由AI 技术驱动的拟合函数，输入变量包括用户特征、环境特征和内容特征，输出变量为推荐结果。参与运算的参数包括：1）用户特征：包括兴趣、职业、年龄、性别、机型、用户反馈行为等；2）环境特征：地理位置、时间、网络、天气、当前场景（工作、地铁等）；3）内容特征：主题词、兴趣标签、热度、质量等。结合三方面的信息，模型会运算出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。然后对小批量相同标签的用户进行实时推荐。如果用户反馈（转化率、热度）达到设定标准，则将此内容进行大规模的推荐；如果用户反馈低于设定标准，则停止推荐。依靠该推荐系统，使平台长尾内容实现了有效的分发和触达。从技术理念到产品落地，算法推荐引领内容分发进入新时代。从产品来看，以抖音、今日头条、小红书等 C 端娱乐内容为代表的内容平台，基于海量用户数据，并通过视频识别技术，挖掘出各视频内容的特点及标签，通过推荐系统，将合适的内容、在合适的地点、推送给合适的人，改变内容分发行业聚焦于头部内容的生态特征，挖掘出长尾内容的使用价值；而从当前移动互联网产品来看，从内容分发到电商平台产品推送，基于 AI 的信息分发已成标配。从产品到商业化，字节跳动的异军突起验证 AI 强大的生产力价值和商业化潜力。作为作为 AI 技术驱动型公司，字节跳动于 2012 年8 月推出首款新闻资讯分发产品“今日头条”，产品基于机器学习技术，实现“千人千面”的新闻信息推送。在上线不到两年的时间内，用户数已超过 1.2 亿，MAU 超过4000 万。后续，公司基于今日头条所打磨出的智能推荐系统，低成本、大规模生产“流产品”，推出了“抖音”等现象级产品，并将国内成熟产品通过“技术出海+本土化运营”顺利推广到全球。Questmoblie 数据显示，截至 2022 年底，字节跳动旗下产品合计用户时长占比达到 24.5%（2017 年底为 10.1%），成为仅次于腾讯系的互联网巨头。生成式 AI（AIGC）：从信息分发到内容生成，更为宏大的时代机遇利用人工智能方式生成内容的想法发源甚早。艾伦·图灵(Alan Turing)1950在论文《计算机器与智能( Computing Machinery and Intelligence )》中提出了判定机器是否具有“智能”的试验方法，即“图灵测试”，判断标准为，机器是否能模仿人类的思维方式并生成内容进一步与人交互。半个世纪的科技发展中，随着数据量快速积累、算力性能不断提升、算法效力增强，当前的AI 在与人交互的过程中还可产出写作、编曲、绘画、视频制作等内容。2018 年，世界上首个出售的 AIGC 画作在佳士得拍卖行以 43.25 万美元成交，引发各界关注。随着AI的内容生成能力不断增强，场景落地开花，AIGC 产业浪潮兴起。结合人工智能的演进历程,AIGC 的发展大致可以分为4 个阶段，即: 早期萌芽阶段(20 世纪 50 年代至 90 年代中期)、沉淀积累阶段(20 世纪90 年代中期至21 世纪 10 年代中期) ，快速发展阶段(21 世纪10 年代中期至今)以及当前的破圈爆发阶段（2022 年至今）。早期萌芽阶段 (1950s-1990s) ：技术所限，AIGC 局限于小范围实验。1957年，莱杰伦·希勒 (Leiaren Hiller ) 和伦纳德·艾萨克森( LeonardIsaacson)通过将计算机程序中的控制变量换成音符得到了历史上第一支由计算机创作的音乐作品——弦乐四重奏《依利亚克组曲 ( Illiac Suite )》。1966 年，世界第一款可人机对话的机器人“伊莉莎 ( Eliza)”问世，其可在关键字扫描和重组的基础上进行人机交互。80 年代中期，IBM 基于隐形马尔科夫链模型( HiddenMarkovModel,HMM) 创造了语音控制打字机“坦戈拉( Tangora )”,能够处理约20000个单词。然而在 20 世纪末期，高昂的研发与系统成本与难以落地商业变现模式，各国政府减少了对人工智能领域的投入，AIGC 发展暂时停滞。沉淀积累阶段 (1990s-2010s)：AIGC 实用性增强，开启商业化探索。2006年，深度学习算法取得重大突破，且同期图形处理器( Graphics Processing Unit,GPU)、张量处理器( Tensor Processing UnitTPU) 等算力设备性能不断提升。数据层面互联网的发展引发数据规模快速膨胀，成为 AIGC 发展的算法训练基础，AIGC发展取得显著进步。但算法仍然面临瓶颈，创作任务的完成质量限制了AIGC的应用，内容产出效果仍待提升。2007 年，纽约大学人工智能研究员罗斯·古德温装配的人工智能系统通过对公路旅行中见闻的记录和感知，撰写出世界第一部完全由人工智能创作的小说《1 The Road》。但其仍整体可读性不强的劣势，存在拼写错误、辞藻空洞、缺乏逻辑等问题。微软 2012 年公开展示的全自动同声传译系统，基于深层神经网络 (Deep Neural Network,DNN)可自动将英文演讲者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。快速发展阶段(2010s-2021)：深度学习算法的不断迭代促进内容生态百花齐放。2014 年以来，以生成式对抗网络 (Generative Adversarial Network,GAN)为代表的深度学习算法被提出和迭代更新，AIGC 进入生成内容多样化的时代，且产出的内容效果逼真到难以分辨。2017 年，世界首部全部由AI 创作的诗集《阳光失了玻璃窗》由微软的人工智能少女“小冰”创造。2018 年，英伟达了可以自动生成图片的 StyleGAN 模型，截止 2022 年末，其已升级到第四代StyleGAN-XL,可生成人眼难以分辨真假的高分辨率图片。2019 年，DeepMind 发布了可生成连续视频的 DVD-GAN 模型。2021 年，OpenAI 推出了 DALL-E，并于2022 年将其升级为DALL-E-2。该产品主要生成文本与图像的交互内容，可根据用户输入的简短描述性文字，得到极高质量的卡通、写实、抽象等风格的图像绘画作品。爆发与破圈阶段（2022-至今）：2022 年以来，AIGC 产品密集发布，ChatGPT爆火出圈。Google 于 2022 年五月推出了文本图像生成模型lmagen，同年8月，开源 AI 绘画工具 StableDiffusion 发布；2022 年 9 月，Meta 推出可利用文字生成视频的产品 Make-A-Video 以推动其视频生态的发展。2022 年11 月30 日，OpenAl推出 AI 聊天机器人 ChatGPT，AIGC 的内容产出能力迅速吸引大批用户，至2022年 12 月 5 日，根据 OpenAI 创始人表示，ChatGPT 用户数已突破100 万。2023年2 月，微软宣布推出由 ChatGPT 支持的新版本 Bing 搜索引擎和Edge 浏览器，AIGC与传统工具进入深度融合历程。算力与数据皆备、大模型加速 AIGC 技术导入，应用创新、场景落地渐行渐近深度模型的进步与创新奠定 AIGC 走向成熟的基础。就底层技术而言，不断创新的生成算法、预训练模型、多模态等技术是 AIGC 行业发展的前提，以此为基础AIGC在自动化内容生成上具备了通用性、基础性多模态、参数多、训练数据量大、生成内容高质稳定等特征优势。预训练模型进一步打开了 AIGC 的技术和商业化可能。以往的生成模型存在使用门槛高、训练成本高、内容生成简单和质量偏低等劣势，而真实内容消费场景具备灵活多变、高精度、高质量等痛点要求。预训练模型的出现通过提高AIGC技术能力解决了上述问题。AI 预训练模型。即大模型、基础模型(FoundationModel)，其基于大量数据与巨量参数的模型，可适应下游广泛任务并显著提高各种下游任务的性能。AIGC 进入预训练模型时代以 2018 年谷歌发布基于Transformer机器学习方法的自然语言处理预训练模型 BERT 为标志。当前按照基本类型分类，预训练模型包括:(1)自然语言处理(NLP) 预训练模型，如谷歌的LaMDA 和PaLM、OpenAl 的 GPT 系列;(2)计算机视觉(CV)预训练模型，如微软的Florence:(3)多模态预训练模型，即融合文字、图片、音视频等多种内容形式。以 GPT 为代表的大模型表现优异，AIGC 加速从实验室设想向产业化落地。1）根据 IDC 的定义，AI 大模型是基于海量多源数据打造的预训练模型，是对原有算法模型的技术升级和产品迭代，用户可通过开源或开放API/工具等形式进行模型零样本/小样本数据学习，以实现更优的识别、理解、决策、生成效果和更低成本的开发部署方案。大模型的核心作用是突破数据标注的困境，通过学习海量无标注的数据来做预训练，拓展整体模型前期学习的广度和深度，以此提升大模型的知识水平，从而低成本、高适应性地赋能大模型在后续下游任务中的应用；2）以GPT 系列自然语言处理模型为例，从 2018 年 6 月的GPT-1 模型，经过数代的模型迭代，GPT3.5 已经从早期的 1.17 亿参数量提升至当前的千亿级以上，而基于GPT3.5 的 ChatGPT 在人机对话中表现优异并火爆出圈，印证了大模型在文本、图像乃至视频等领域内容生成的可能性和商业化潜力。从 PGC 到 AIGC，AI 有望重构内容与媒介生态 AIGC 多样化的内容生成能力使其覆盖各类内容形式，各类应用场景正随技术进步逐渐落地。AIGC 不仅可覆盖文本、音频、图像、视频等基本内容模态，还可综合图像、视频、文本进行跨模态生成，并应用于各类细分行业成为具体的生产力要素，例如游戏行业中的 AI NPC、虚拟人的视频制作与生成等。从 PGC 到 AIGC，内容与平台从生态到商业模式有望重塑，新投资周期即将来临。1）从 PGC 到 UGC、PUGC，传媒互联网从 web 1.0 的门户时代进入到移动互联网的web 2.0 时代，结合算法推荐的信息分发模式诞生了以字节跳动（抖音、今日头条）、美团、快手、小红书等为代表移动互联网新贵；2）算法推荐重塑了信息分发模式，而 AIGC 则实现了信息、内容的 AI 创作，内容生产将从PGC、UGC、PUGC迈入 AIGC 时代，内容生产的效率有望实现跨越式提高，内容将迎来大爆发时刻，与之相应的，从内容到媒介平台都将会迎来生态和商业模式的重塑，内容与平台的新投资周期即将来临。投资分析 AI 是新一轮生产力革命，算法创新及算力进步、数据爆发，催化本轮人工智能奇点将至。1）人工智能（AI）基于机器学习和数据分析的方法，赋予机器人类的能力，从而实现解放人力、降本提效的目的，已经成为推动新一轮生产力革命的核心技术方向；2）经历符号主义、连接主义和行为主义的持续演进，最终诞生了引导本轮 AI 落地的深度学习技术；深度学习技术的出现，改变了传统AI 的技术路线，解决了传统机器学习算法无法处理大量数据、准确率遭遇瓶颈的问题，使得AI 从理论上具备了工程化落地的可能；基于摩尔定理的算力提升，互联网及数字经济的快速发展带来的数据量井喷，使得 AI 最终从设想走向场景落地，在语音识别、图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用。从算法推荐到内容生成，AIGC 有望带动新一轮内容与平台革命。1）从传媒互联网的实践来看，基于 AI 算法推送的信息分发模型已经为web 2.0 时代主流的信息组织模式，并诞生出以字节跳动、快手、小红书等为代表典型产品和商业案例；2）从算法推动到内容生成（AIGC），新时代的大门正在打开：海量的数据资源、快速提升的算力水平和不断降低的单位算力成本开销、基于深度学习的预训练大模型构建的通用大模型显著降低应用开发门槛，数字化的高渗透率赋予充裕场景应用可能；从 PGC 到 AIGC，内容生产的大爆炸将重塑内容与平台生态、商业模式，新一轮产业机遇渐行渐近。来源：金色财经

金色财经2023-03-10

ChatGPT爆火之后 AIGC往何处去？

com 04 未来，ChatGPT能否进化出自我意识？和AI相比，自我意识和自由意志可以算作是人类最后的堡垒。但是有一种观点认为，人类其实没有所谓的自由意志。人类有两个自我，一种是体验自我，另一种是陈述自我。体验自我，负责相对“机械”地解读信息、作出决策；陈述自我，则负责对体验自我的决策进行解释和表述，有时甚至会虚构故事来“欺骗”我们自己。所谓的自由意志，不过是陈述型自我给自己编的一个故事而已。一些科学家和学者认为，理论上，我们可以构造出一个自我模拟的自指机器（Self-referential Machine），让它也具备两套体系，一个负责执行算法，另一个则专门负责对自我进行模拟（描述，或者可称为在内嵌虚拟世界中模拟自我）。这种机器会表现得就“像”一个具有自我意识的系统，以至于我们可以用这样的系统来定义所谓的“自我意识”。在古代欧洲，有一种传说中的衔尾蛇，能够自己吃自己，实现持续进化。后来，有人提出哥德尔机（ Gödel Machine）的设想，认为只要程序能够模拟自身、改造自身，那么我们就可以将其称为具有自我意识的。此外，还有Quine程序结构、克莱因Kleene第二递归定理等也提出和支持了与之相似的假设。图片来源：维基百科我们很难预料，未来机器是否能进化出自我意识。 05 生成式AI领域的其他进展需要指出，当前讨论的生成式AI，跟之前的分析式AI是有较大不同的。分析式AI的主要能力是分析，例如：数据分析、趋势预测、商品推荐、图像识别等，而生成式AI主要的能力是创造，例如：写诗、绘画、设计产品、编写代码等。当前除语言模型外，生成式AI领域的其他进展还包括图像生成模型等等。未来，多模态（文本、图、视频等）对齐、融合、理解和生成等方向的进展，意义也非常重大。关于图像生成模型，不得不提的是扩散模型（Diffusion Model）。它主要解决通过文本生成图像及其他媒体格式的难题，业内知名的扩散模型包括：DALIE2、Stable Diffusion等。图片来源：Denoising Diffusion Probabilistic Models 06 生成式AI相关的6点创业思考与建议 2022年，大语言模型爆发。据统计，2022年，平均每4天就有一个新的大语言模型问世。生成式AI技术也在持续引发人们对一些知名的模型层平台和应用的访问，数据增长很快，投资火热。2019 年至2021年期间，流向生成式AI业务的资本增加了约130%，其中文本和写作增长630%、图像增长400%、数据增长 370% 、音频/视频增长350% 。图片来源：A16Z 上图是投资公司A16Z总结的生成式AI的行业堆栈。底层深蓝色的部分是基础硬件和云平台，中间蓝色的部分是模型层，再往上浅蓝色的部分是应用层。在应用层，有的创业公司自身只做应用，模型能力则是调用外部的；还有一类叫端到端的应用模式，它会自己做模型，但一般不做大模型，或者在其他大模型基础上微调出自己的模型。在模型层，有开源模型和闭源模型。深蓝色部分的Model hubs是用于模型存储和训练的第三方平台。当前应用层的增长比较快，主要是由AI赋能的新型应用案例所驱动，主要集中在图像生成、文案写作和代码编写，三个类别各自的年收入已超1亿美元。关于生成式AI的创业，我有6点思考和建议：第一，目前，与AI相关的科研、工程、产品和商业化，都在同时快速迭代，变数很大。这个过程中，会出现不同的技术分支和业务路径，如果选错了技术分支和业务路径，再掉头就很麻烦。这就需要创业团队既懂技术又懂业务，在创业初期努力做出正确选择。第二，对创业公司而言，从应用层或者端到端的应用层切入，可能是相对能降低风险的做法。模型层有少量机会，但不一定适合大部分的创业者。第三，应用层在做商业模型设计的时候，要警惕模型层的边界。以Jasper公司为例。2020年在GPT-3模型基础上，Jasper衍生出付费商业文本写作的商业模式。到了2022年底，ChatGPT向用户免费开放，给Jasper带来较大的压力。尽管OpenAI未必会以商业文本生成作为自己的主要商业模式，但它平等赋能了入场的其他竞争者。Jasper需要展现出有竞争力的技术积累与业务纵深，才能稳住脚跟。第四，把AI技术应用到产业场景，可分为新模式和旧模式改造两类方式。新模式是指创造之前没有的全新的应用场景，旧模式改造则指在现有产业场景里用AI技术来改造部分环节，或者团队带着深度行业认知和新的AI技术在成熟的产业场景中创业。新模式和旧模式改造，都存在巨大的机会。在峰瑞已投企业中，有好几家企业在垂直产业的场景中做业务创新。比如线上心理咨询平台阁楼、短视频及直播SAAS服务企业特看科技、线上健身私教平台BodyPark，都在积极使用生成式AI来赋能自己的业务。本周六（3月11日），我们将邀请这3家公司的创始人来分享他们的探索和发现，欢迎参与。第五，AI还面临科研知识快速溢出的问题，因此找到自己的壁垒很重要。创业公司一定要想清楚自己未来的壁垒在哪里，比如到底是数据壁垒、工程壁垒（例如模型微调）、场景壁垒，还是规模壁垒等等。在应用层创业，仅依靠外部模型层提供的能力，是无法形成壁垒的。第六，应用层的创业，应该是“技术为先、场景为重”。 “技术为先”，是指虽然通用AI技术未必是你的核心壁垒，但团队一定要懂技术，才有能力思考如何更早更好地把技术应用到合适的应用场景里，做出好用的产品。 “场景为重”，意味着最后的产品和业务需要找到合适的落地场景，建立自己的商业模式，并在场景里形成自己的核心竞争力。 07 生成式AI行业的未来格局展望和猜想最后来聊聊对AI行业格局的未来展望和猜想。这个部分我参考了奇绩创坛陆奇博士之前的一个思考框架。 ▍以AI和大模型为中心的新IT 新的硅基硬件产业：硅基产业架构和集合可能迎来新的发展机遇（例如：新的计算芯片及周边技术和产业等）。新的软件和云服务体系：算力、模型和数据的云服务、基础软件、ML&Dev Ops、人机互助编程工具等。 ▍新的基础智能终端设备：智能传感器、新型手机等未来的智能终端会越来越智能，最近苹果公司官宣支持Stable Diffusion图像生成模型在iPad等终端上运行，也有工程师把经过裁剪的Stable Diffusion应用在iPhone上运行起来，可以预见以后我们的手机美颜和照片生成可以达到何等出神入化的境界。此外，当前的翻译软件技术，在语义理解方面还是比较浅，翻译质量差强人意。如果可以把类似ChatGPT这样的语言模型能力嵌入到智能终端中去，随着文本和语音的实时翻译成为可能，跨语言交流将变得很方便，这对于提升人类之间的交流效率意义重大。 ▍围绕内容创作展开的产业文、图、视频、3D等各种媒体格式的AI内容创作工具，是当前可以看到创业机会较多的新产业。以ChatGPT为代表的语言模型的文本生成技术，和以扩散模型为代表的图像视频多模态生成技术，可能会对内容产业产生深远的影响。从PGC到UGC，再到如今的AIGC，内容领域会有更多新变化与新玩法。从媒体行业发展情况来看，当前头部的内容媒体平台比如抖音快手B站是所谓的Web2.0平台，普遍采用UGC方式为主来生产内容，但是随着AI生产内容（AIGC）的出现，AI可以生成大量优秀内容，成本较低、效果精良，而且甚至不乏创意，这个情况下内容媒体平台和行业就有可能出现较大的变化。 ▍围绕语言模型展开的产业在这个领域，新的机会可能包括：语言学习范式改变，重塑跨语言沟通方式，更友好的人机界面等。其中特别值得一提的，是语言学习范式的改变。如前文所述，如果我们可以打开语言模型，从中寻找到语言学习的规律，说不定可以帮助我们更有效率地学习语言。事实上，OpenAI投资了一家韩国的英语学习APP叫Speak。从有限的公开信息来看，这家公司未来的产品是一个语言学习助手，或者叫做虚拟语言老师——借助语言模型的能力和发现的语言规律，去帮助人们更好地学习外语，而且成本极低。跨语言沟通的技术目前还不成熟。如前面所说，如果我们能够把语言模型加载到智能终端，可能会极大改进跨语言沟通的能力。因为语言模型足够强大，未来我们的人机界面，会采用更友好的自然语言人机界面，无论是跟APP对话还是跟智能硬件对话。 ▍围绕思维模型展开的产业不妨畅想一下，更聪明的软件（或机器人）、科研服务、 “知识工程”、“世界大脑”等。当前的软件产业，即便有AI的加持，通用性和智能程度还是不尽如人意的，大多数情况下只能做一些特定的任务，只能成为人类的效率助手；随着更加通用的AI能力出现，软件也可以像人类一样思考和做事，可以想象软件就可以帮助人类承接较为完整的任务了。如果AI可以发展出接近人类的思维能力，它也许可以成为人类科学家的科研助手，因为AI可以不知疲倦，且可广泛使用。当前，我们很难想象AI可以达到人类顶尖科学家的水平。打个比方，你让它去证明下哥德巴赫猜想，应该还是很不现实的。当然也有其他可能，如前文所述，如果AI程序可以实现自我优化，具备迭代自己的算法和技术的能力，相信它的智能会很快赶上来。如果我们展开想象，就可以有更多的可能性。例如“知识工程”，如果把人类的知识建模，然后让人类以某种方式可以调用或者学习，那么就不用经过“痛苦”的学习过程。“世界大脑”，是指规模极大的思维模型，它可以帮助我们执行各种重要的计算和思考。不过，如果真的发展到这个地步，可能离电影《黑客帝国》里边的Matrix就不远了。 ▍赋能人类，深入改变各行各业（特别是知识工作者）语言是人类最主要的沟通方式，是知识和思维的主要载体；而深度思维是人类的高阶能力，也是人类不同于其他物种的最重要的能力。如果AI掌握了这两种能力，就基本具备了在某种程度上赋能或替代一部分人类知识工作者的可能。类似于自动化生产制造设备赋能传统工业，各类AI模型和应用软件也将有机会更好地赋能各行各业。但是不同于制造行业，大批量使用的软件，其边际使用成本是非常低的，而且它很聪明、善学习、会思考、会交流，应该会有大量的应用场景有待开发。这里边有非常多的创业机会，也会给各行各业带来新的发展动力。 08 写在最后，为什么AIGC不会是短期风口？首先，ChatGPT是语言模型领域的重大进展，鉴于语言对人类沟通和思维的重大意义，语言模型本身具备很强的通用性，以及人类可以通过研究语言模型获取语言及知识的学习规律并得到效率提升，这些都会持续带来长期的创新机会。第二，AI在思维机器这个方向上还有更远的路可以走。例如，如果AI能够实现良好的多模态信息输入，增加对物理世界的理解，可能可以“涌现”出更多的智能。这个方向的任何进步都意义重大。第三，与AIGC相关的底层技术原理和算法都还处在发展早期，未来还有很长的迭代和优化机会。一切，才刚刚开始。来源：金色财经

金色财经2023-03-10

解构 Silvergate 危机：拥有千名顶级客户的加密银行为何破产？

着什么。 Silvergate 的十年进化史 Silvergate 是一家加利福尼亚银行，成立于 1988 年。在最初的 30 年里，Silvergate 是一家只有几亿美元存款的小银行。由于其高管的远见卓识，Silvergate 并没有受到 2008 年金融危机的影响。同年，Alan Lane 成为 Silvergate 的首席执行官。Alan 在银行领域拥有超过 40 年的工作经验，担任过各种职务。故事就是这样开始的，Alan 在 2013 年以个人身份投资比特币后，也将 Silvergates 的业务转向了加密货币。在 2019 年的一次采访中，Alan 说他在一次会议上认识了一家名为 SecondMarket 的公司，该公司的业务是为流动性差的股票提供流动性，他们也正在探索为 Silvergate 等小型银行提供流动性。 SecondMarket 的创始人兼首席执行官是 Barry Silbert，Barry 恰好又是加密行业最大的公司 Digital Currency Group（DCG）的创始人兼首席执行官。SecondMarket 在 2013 年联系了 Silvergate，试图让它为 DCG 提供银行服务。众所周知，加密公司历来很难获得银行服务。其实，当 SecondMarket 第一次接触 Silvergate 时，Alan 是持怀疑态度的。但几个月后，他开始对比特币着迷，并很快意识到加密行业是一个尚未开发的“蓝海”市场。随即开始为加密公司提供银行服务。到 2017 年，已经有 250 多家加密公司成为 Silvergate 的客户，其存款已增至 20 亿美元。同年，Silvergate 提出了开发自己的交易网络的想法，这将使法定货币和加密货币的 24/7 交易成为可能。这是必需的，因为加密市场的交易是 24/7，但银行只在周一至周五朝九晚五工作。 Silvergate 的交易网络 Silvergate Exchange Network（SEN）于 2018 年初推出。它吸引了另外 250 家加密公司成为该银行的客户。这使他们能够随时转换法定货币和加密货币，确保强劲的市场流动性。更重要的是，Silvergate 为最大的加密公司提供银行服务和 SEN 网络访问。其中包括 Coinbase、Kraken 和 Gemini 等加密货币交易平台，以及稳定币发行商，如 Circle、Paxos 和 TUSD。 2019 年，Silvergate 举行了首次公开募股（IPO），这意味着该银行的股票开始在美国证券交易所交易。尽管当时加密市场处于熊市，但 Silvergate 仍然呈指数级增长。到 2020 年，Silvergate 的客户群发展到了近千名，并且还有数百名客户正在等待加入。2020 年初，Coindesk 提供了 Silvergates 的客户群，“该银行现在拥有 850 名加密货币客户，包括 61 家交易平台、541 名机构投资者和其他 48 位客户。” 值得一提的是，这些机构投资者客户的资金占加密货币市值和交易量的大部分。 2021 年，Silvergate 的股价与再入牛市的加密市场一起出现抛物线走势，触及略高于 217 美元的高位，较其 IPO 价格上涨近 16 倍。Silvergate 的存款也呈抛物线形的增长，达到超过 140 亿美元的峰值。SEN 网络在当时的总转账额已接近 1 万亿美元。 Silvergate 陨落 Silvergate 在 2022 年初的表现似乎还不错。该公司宣布以 2 亿美元收购 Facebook 失败的数字货币项目 Diem。背后的想法似乎很明显，Silvergate 想创建自己的稳定币，在其 SEN 网络上流通并用于支付。记住这一点，在后面很重要。当加密市场在 2022 年初开始进入“寒冬”时，Alan 开始收到来自客户的“关于银行偿付能力”的问题。这是因为 Silvergate 提供了由 BTC 支持的美元贷款，并且以 BTC 作为抵押品向 MicroStrategy 提供了超过 2 亿美元的贷款。显然，这是相当冒险的。 Alan 对所有怀疑者给出了一个简单的答案，那就是当加密市场开始崩溃时，SEN 有能力立即出售任何用作抵押品的 BTC。不仅如此，与普通银行相比，Silvergate 还很稳健，它只持有现金，以及客户的加密货币和现金。只有一个问题：FTX 和 Alameda Research。 Alameda Research 于 2018 年在 Silvergate 开设了一个账户，显然已经通过了该银行的调查。FTX 使用 Alameda 在 Silvergate 的账户转移客户资金，而且 Silvergate 似乎在 FTX 和 Alameda 破产前不久就已经意识到一些不好的事情即将发生。在 FTX 和 Alameda 破产之前不久，Silvergate 发表了一份声明，向客户保证其 SEN 网络仍在正常工作，在这份声明中，Alan 明确指出，如果出现任何流动性问题，该银行有能力从美国联邦住房贷款银行借款。在 FTX 和 Alameda 倒闭的同一天，Silvergate 发布了另一份声明，证实了 FTX 本身在该银行有账户，但 FTX 存款仅占所有存款的比例不到 10%。尽管 Silvergate 股票因缺乏 FTX 敞口而上涨，但复苏是短暂的。去年 12 月，美国政界人士开始呼吁就 Silvergate 与 FTX 和 Alameda 的关系展开调查。今年 1 月，Silvergate 透露在 FTX 危机后，它经历了高达 81 亿美元的银行挤兑，这抹去了它自 2013 年以来赚取的所有利润。Silvergate 还不得不裁员 40% 以维持生计，后来又透露它已经从美国联邦住房贷款银行贷款了。奇怪的是，全球最大的资产管理公司 BlackRock 利用这个机会逢低买入，持有了 Silvergate 7.2% 的股份，另一家名为 Stake Street 的资产管理公司也在同一时间持有了 9.2% 的股份。 2 月，美国司法部宣布正在就 FTX、Alameda 事件调查 Silvergate。Silvergate 随后成为市场上被卖空最多的股票。本月早些时候，Silvergate 宣布将推迟发布其年度报告，承认它可能面临更多调查，并承认它可能无法生存。上周，Silvergate 关闭了 SEN 网络，因为其知名度最高的顶级加密公司客户都放弃了它，转移到了其他加密银行。最新消息是，Silvergate 正在缩减业务并清算资产。Silvergates 的资产可能会被摩根大通这样的大型银行收购，进而让华尔街控制加密行业最有价值的金融基础设施。那么，既然 Silvergate 倒闭了，接下来会发生什么？ “弃 Silvergate 转 Signature”并不是最优解正如我在几句话前提到的，大多数 Silvergate 顶级客户都退出并前往其他加密银行。理论上来说，对于客户，这听起来像是一个不错的解决方案，但在实践中，它又产生了两个问题。要知道，Silvergate 是唯一一家拥有 24/7 全天候法定货币和加密货币交易网络的加密银行，这是人们迫切需要的。而且，美国只有 Signature Bank 和 Metropolitan Bank 这两家其他的大型加密银行。直到今年 1 月，由于来自 Operation Chokepoint 2.0 的监管压力，Metropolitan Bank 宣布将退出加密行业。（最初的“Operation Chokepoint”行动是对美国监管机构认为的高风险公司的联合打击。通过向银行业施压，要求其停止与特定行业的公司开展业务，让公司彻底边缘化。2.0 是加密社区起的术语，指代在过去几个月内，美国的所有金融监管机构都在攻击加密业务，似乎并没有兴趣监督加密货币，而是为了关闭它。）这使得 Signature 成为大多数加密公司唯一可行的选择。这就是为什么大多数 Silvergate 顶级客户最近都转向了 Signature。问题在于，Signature 早在去年 12 月就宣布，它希望将其在加密行业的风险敞口减半。可怕的是，Signature 从那以后开始将银行服务限制在一些最大的加密公司。一些人可能还记得，Signature 在 1 月份将美元交易限制在 Binance US。好吧，他们最近对 Kraken 做了同样的事情，考虑到它的声誉，这确实是前所未有的。如果这还不够糟糕的话，据报道，Signature 在去年第四季度从联邦住房贷款银行获得了 100 亿美元。这几乎是联邦银行借给 Silvergate 的金额的三倍。这是非常糟糕的，也可能导致监管机构对 Signature 的审查。虽然 Signature 的客户似乎没有有问题的加密公司，但如果 Silvergate 正式崩溃，监管机构和政客将有“加密威胁银行业”的借口来打击 Signature 和任何其他剩余的加密银行。即使剩下的少数加密银行以某种方式被允许在没有审查的情况下运营，它仍然不会改变 SEN 网络关闭的事实。我要重申，像 SEN 这样的网络对于加密市场的正常运行是必要的。没有它，机构很难进出加密行业。更重要的是，没有它，资金流向银行受限于营业时间，这对于 24/7 全天候交易的加密市场来说，将会是一场“灾难”。因此，加密行业迫切需要新的、像 SEN 一样的交易网络。但到目前为止，似乎只有一家加密公司勇敢地站出来。几天前，总部位于英国的加密货币支付提供商 BCB Group 的首席执行官宣布，该公司正在研究 SEN 的替代品。BCB 集团希望在今年第二季度（可能是几个月后）启动并运行 SEN 替代方案。在这个新网络发布之前，加密市场延续奇怪的价格走势不足为奇。运气好的话，谁收购了 Silvergate 的资产，谁就能更快重启 SEN 网络。最近重点审查 Silvergate，也许归因为 SEN 最后，我想谈谈 Silvergate 事件中似乎被忽视的一个方面。没有人问为什么最近监管机构和政客专门针对 Silvergate。毕竟，FTX 和 Alameda 在美国的多家加密银行都有账户。 FTX 和 Alameda 在一家名为 Farmington 的小型乡村银行设有账户，两家公司都投资了该银行。 Farmington 在 1 月份悄悄退出了加密行业，并且完全没有受到任何审查。不管怎样，对 Silvergate 的过度审查从表面上看毫无意义。回到贝莱德和 Stake Street 上。Silvergate 正在与这两家华尔街最大的机构合作开发加密货币交易平台。这大概也就是贝莱德和 Stake Street 试图帮助拯救 Silvergate 的原因。所以我要问你的问题是：Silvergate 与其他所有加密银行真正不同的地方是什么？答案呼之欲出：Silvergate 的 SEN 网络。一个能够 365 天全天候都可以转移法定货币和加密货币的能力。让我们回到 Silvergate 稳定币的话题。请记住，Silvergate 准备推出自己的稳定币，该稳定币将在 SEN 上运行。在 2022 年的采访中，Alan 解释说，Silvergate 稳定币的雄心来自观察了稳定币发行商多年的运作，并有能力促进其稳定币的发行和赎回。 Alan 注意到稳定币的主要用例是加密货币交易。他还意识到，监管机构不愿意看到在智能合约区块链上发行的稳定币被用于其他任何用途。 Alan 最终意识到 SEN 是发行可用于支付的稳定币的理想私人网络，因为它能够提供 24/7 全天候即时结算。Silvergate 稳定币本应于 2022 年年底推出，但由于 FTX 的破产而并未如愿。有趣的是，FTX 正计划大约在同一时间推出自己的稳定币。Sam 和 Alan 都曾表示，他们正在与加密行业的公司合作推出各自的稳定币。他们有可能共同努力实现这些稳定币的雄心壮志。花点时间考虑一下，Alameda 曾经是加密行业最大的做市商之一。由于他们的地位，他们与业内所有最大的公司都有密切的联系。这包括最大的交易平台、稳定币发行商，当然还有几乎所有的加密银行。至于 Sam，他曾与监管机构和政客有着密切的联系。他与 Gary Gensler（美 SEC 主席）会面的次数比任何其他加密公司都多。得益于 Alameda 和 FTX，Sam 掌握了很多关于加密行业的敏感信息。这种特殊的事态就是为什么我怀疑 Alameda 的真正目的是帮助监管机构收集有关加密行业的敏感信息，以策划当前对于加密行业的种种打击行动。在这种情况下，我怀疑 Sam 可能与美国当局共享了有关 Silvergate 稳定币的信息。我怀疑当他们看到 Silvergate 稳定币是为支付而构建并提供 24/7 结算时，他们意识到这看起来与美联储即将推出的快速支付系统 FED Now 相同。所以他们需要尽快摆脱 Silvergate 和 SEN。简单地说，即将推出的 Silvergates 稳定币可能被视为美联储即将推出的支付系统的竞争对手。与商业银行的私人稳定币和常规稳定币不同，Silvergate 稳定币将在 SEN 及其华尔街机构的支持下迅速被采用。也许美联储看到了这一点，摇头说 No。也许他们不希望华尔街参与发行“数字美元”，他们当然也不希望加密行业抢先推出类似的产品。美国政府希望保持对其货币的完全控制，也许这就是它现在与加密行业作斗争的根本原因。风险提示：根据央行等部门发布的《关于进一步防范和处置虚拟货币交易炒作风险的通知》，本文内容仅用于信息分享，不对任何经营与投资行为进行推广与背书，请读者严格遵守所在地区法律法规，不参与任何非法金融行为。来源：金色财经

金色财经2023-03-10

中国流感支持恢复封城！一场新病毒潮：拜登大规模疫苗接种、日本鸡蛋短缺、阿根廷暂停家禽出口

之间的感染数量不断增加，以及病毒可能会进化为更容易在人与人之间传播。为数百万只农场鸟类接种疫苗可能是一项复杂的工作，虽然疫苗计划可能能够减缓或防止禽流感的传播，但它也可能引发贸易禁令。“如果我们开始为任何鸟类接种疫苗，我们无法保证我们的任何贸易伙伴会接受我们的产品， ”美国农业部兽医服务部负责家禽健康的助理主任Julie Gauthie在2022年10月份告诉Lancaster Farming。日本缺蛋潮、阿根廷暂停家禽出口在英国和美国之后，现在日本正面临鸡蛋危机。据多家媒体报道，包括麦当劳、7-11和丘比在内的至少18家不同的公司不再提供与鸡蛋相关的商品。据Japan Today报道，日本原本的鸡蛋供应只需200日元。但如今，一盒中等大小的鸡蛋售价高达335日元。据《日本时报》指出，截至周日，在日本100家上市餐饮公司中，至少有18家暂停了与鸡蛋相关的项目。报道援引金融研究公司Teikoku Databank的话说，2月份每公斤批发鸡蛋的价格比去年翻了一番，达到327日元。据日本疾病预防控制中心称，禽流感对鸡的致死率接近 100%。这种由H5N1毒株引起的当前毒株最初在亚洲的家禽养殖场出现，然后传播到全球。报道称，该国于2022年10月出现首例病例，目前该病已在该国一半的县蔓延，大约有1500万只鸟被扑杀。与此同时，英国受到成本增加和有史以来最严重的禽流感爆发的双重打击。据Inews报道，自2021年10月以来，英国家禽养殖场已经记录330多起禽流感疫情。据英国《卫报》报道，英格兰、威尔士和苏格兰的所有鸟类现在都被关在室内，这只会增加鸡蛋生产商的取暖和照明成本。与此同时，英国鸡蛋产量处于近十年来的最低水平。与2019年相比，2022年包装的鸡蛋数量减少了近10亿个。经过两周的严格监测，阿根廷卫生当局在一个工业化农场发现第一例禽流感病例。国家农业食品卫生和质量服务局(Senasa)已确认在巴塔哥尼亚北部的里奥内格罗省的一个肉鸡养殖场发生感染。该公告自动取消该国的家禽产品出口，证实了经济部最大的担忧，因为每年的出口额超过3.5亿美元。在发现8起野生鸟类病例后，改过政府启动了健康警报。经济部随后宣布为生产者提供财政支持，因为他们担心农村部门因干旱而遇到的困难会导致疑似病例的漏报。截至周二，Senasa 已经分析177例病例，并确认25例感染，其中21例是后院鸟类。当局表示，由于这种疾病不会通过吃肉或蛋类传播，因此改过国内消费“将继续正常进行”。“我们的家禽产品对阿根廷人来说仍然是安全的，暂停出口是对国际法规要求的回应，”农业部长胡安·何塞·巴希洛(Juan José Bahillo)在推特上说。阿根廷政府加强了边境口岸的卫生控制，并加强了对野生鸟类聚集的自然区域的搜索，但最大的担忧是这种疾病最终会在工业化农场爆发。根据农业部最新的年度报告，阿根廷的家禽产量位居世界第八。根据政府数据，其生产的97%用于国内消费，其余3%出口到超过56个国家。家禽生产涉及100多家中小型公司，在阿根廷全国雇用近70000名员工。各方面的情况都很复杂：生产粮食的部门正在经历几十年来最严重的干旱，政府需要从出口中获得美元来抑制接近100%的同比通胀。禽流感正在南美洲蔓延，在玻利维亚，其与阿根廷北部的边界非常活跃，该病毒于2月初被发现，工业化农场已经屠宰140000多只鸟。乌拉圭、巴拉圭和巴西也处于戒备状态。秘鲁和智利记录了海狮死亡的记录，这些海狮显然是通过食用受感染的鸟类尸体而感染了该病毒。研究人员担心，大规模死亡意味着病毒可能开始在哺乳动物之间传播。这种疾病是否会发生变异，并在人与人之间传播是科学界关注的问题，因为人类对这种病毒没有任何防御能力。自2003年以来，已报告约870起人类感染病例，其中一半以上已死亡。

秉哥说市2023-03-10

24小时热点