FX168财经网_全球视野外汇黄金加密货币NFT资讯网

广东客家银行2022年净利亏损806万元，高管密集变动！因员工疏忽，人事任免公告错漏频现...

监事长职务，导致监事长的职位空缺，因此选举邓竞辉为该行第五届监事会监事长。而邓竞辉因工作调整申请辞去该行副总经理、董事会秘书职务。　　客家银行表示，该行已对邓竞辉分管的工作作出妥善安排，同时，该行将按照《公司法》和公司章程等有关规定，及时聘任董事会秘书，在此期间董事会秘书职责暂时由董事长蔡勇代行。　　5月初，客家银行还发布了更正后的董事、高管人员任命公告，提名刘峰为该行董事，并聘任其为行长，另外聘任章素玲、黄建为副行长。不过，此次任免尚需提交监管部门审核，自监管部门核准通过后正式履职。　　值得注意的是，客家银行在5月份连续多次发布更正公告和补发公告，其中，一则补发公告直言，该行于2023年4月26收到监事、监事长潘志峰先生的辞职报告，但由于工作人员疏忽，发生了漏发现象，直至5月19日才补发了相关公告。　　公开资料显示，客家银行是由商业银行发起设立的村镇银行，成立于2010年11月，2016年12月23日在新三板公开挂牌上市。该行股权较为分散，无控股股东、实际控制人，库尔勒银行为该行的第一大股东，持股比例为20％。　　根据2022年度业绩报告，截至2022年末，客家银行资产总额达50.74亿元，对比年初减少4.68％；各项存款余额47.88亿元，对比年初减少4.81％；各项贷款余额27.52亿元，较期初降低15.07％。　　营收及净利的表现更是不容乐观，2022年度该行实现营业收入1.03亿元，同比大幅下滑32.06％，归属于挂牌公司股东的净利润为-806.89万元，较上年同期亏损减少。客家银行表示，营收下滑的主要原因是利息净收入减少3294.89万元，其他非利息收益减少1569.93万元，而利息净收入减少主要因为是贷款规模下降，导致贷款利息收入减少3164.10万元。　　尽管业绩亏损，但2022年末客家银行的应付职工薪酬较上年末增加了44.25％，该行对此解释，客家银行激励考核机制不断完善，提升员工的福利待遇，工资、奖金、津贴和补贴增加256.64万元。

金融界2023-05-26

AdvanTrade：为什么土耳其在四月和三月卖出了近百吨黄金

总统塔伊普·埃尔多安在5月14日的总统选举中领先对手凯末尔·基利达罗格鲁，但未能达到完全获胜所需的50％之后，现在所有的目光都集中在周日的决选投票上。

金融界2023-05-26

Canalys：一季度东南亚地区智能手机市场下跌21%，OPPO以400万部出货量位居第二

准备利用印尼和马来西亚的斋月节以及泰国选举期间的消费升温，以推动销量增长。尽管与去年相比吸引力有所下降，但苹果和三星拓展了渠道活动，从而增加零售渠道流量并提高品牌知名度。其他中国厂商希望效仿OPPO的成功战略，逐步提高价格区间，以提升其品牌形象。” 　　　　Chiew Le Xuan补充道：“由于该地区二线城市的消费者较为谨慎，抑制了高价位产品的购买需求，导致智能手机的渗透率在宏观经济下行的情况下受挫。印尼和菲律宾等对价格敏感，且市场规模较大的发展中国家正面临这种情况，它们的市场规模分别同比萎缩了21％和 17％。尽管泰国的出货量下降了 13％，但最近运营商之间的并购浪潮推动促销活动和5G捆绑销售活动的增加，使苹果和三星从中受益。与此同时，越南的出货量同比下跌40％。由于全球经济状况导致当地电子制造业增长放缓，消费者支出下降，使得旧款手机的库存水位有显著降低。” 　　　　Canalys分析师Sheng Win Chow表示：“Canalys对2023 年东南亚市场的发展前景持保守态度，由于商业环境不太理想，预计该地区在短期内将面临需求方面的挑战。此外，换机周期延长和智能手机采用率增长缓慢，均将进一步导致渠道库存膨胀并面临财务挑战。Canalys预计， 2024 年的情况会有所不同，与 2023 年相比，该地区的出货量将增长 7％。不过，东南亚在全球经济复苏中仍然处于有利地位，能够从中获益。该地区获得了不少投资，为将来的需求反弹做好了准备。由于该地区的关键消费者群体——中产阶级和年轻人口在不断扩大，因此对智能手机厂商来说，东南亚仍然是一个充满希望的市场。此外，数字支付和分期付款的快速发展，也使高端设备的价格对大众来说变得更加亲民。” 　　

金融界2023-05-26

土耳其两个月狂抛了近100吨黄金！发生了什么？

5月14日，土耳其总统埃尔多安在总统选举中领先对手基马尔·基利奇达洛格鲁(Kemal Kilicdaroglu)，但未能获得完全获胜所需的50%选票，目前所有人都在关注周日的决选。

财经风云2023-05-26

不确定性是投资的诅咒！中国需求疲软，金属市场将面临艰难夏季

国债务上限僵局和明年可能出现的艰难总统选举，再到华盛顿与北京的紧张关系在最大的金属消费国中国，政府设定的温和增长目标未能刺激需求。房地产市场仍是一个主要问题，地方政府债务水平也令人担忧。如果中国政府有意愿动用更多刺激措施，它仍有可能出手拯救这两种金属。铜的相对稀缺性及其在能源转型中的关键作用，给短期价格下跌带来乐观色彩。但笼罩在铁矿石市场上空的阴云，至少从目前的形势来看，看起来更加不祥。尽管高盛集团仍预计到明年这个时候铜价将触及每吨10,000美元，但据一家中国贸易公司的一位高管说，中国钢铁需求可能需要五年时间才能明显复苏。钢铁需求是铁矿石价格的最大推动因素。作为目前全球最大的钢铁生产国，中国今年可能会再次减产，以实现其气候目标。根据世界钢铁协会(World Steel Association)的数据，2023年全球钢铁产量已经下降。凯投宏观在一份报告中说，今年前四个月，中国经济产出仍比去年同期增长4.1%，因此，即使在4月份放缓之后，“明显仍有进一步下滑的空间”。这是对铁矿石消费的直接威胁。随着中国经济对钢铁的依赖程度降低，这在很大程度上取决于其他发展中国家在遵循中国城市化道路的同时，能以多快的速度提高自己的需求份额。与铜不同的是，世界对脱碳的需求给这个行业带来了挑战。本周在新加坡，围绕黑色金属市场的讨论主要集中在绿色钢铁和对铁矿石品位要求更高的轻碳生产方法日益扩大的作用上。这可能会巩固优质铁矿石的溢价，并打压通常在期货交易所开采和交易的铁矿石价格。

超启2023-05-25

正式竞选2024年美国总统！马斯克+德桑蒂斯成型：不发行数字美元承诺支持比特币交易

来源:Twitter) 随着2024年选举季的到来，德桑蒂斯的言论和民主党总统候选人小罗伯特·肯尼迪(Robert F. Kennedy Jr)的言论如出一辙，后者上周称，比特币是民主和独裁者厌恶的典范。德桑蒂斯谈到今年迄今为止，加密资产行业面临的监管执法行动持续增加，指责拜登政府试图清除加密资产以维护当权者的统治。“比特币对他们构成了威胁，他们正试图对其进行监管以使其不复存在。” 他向选民们做出承诺，如果国会试图通过新立法来禁止“像比特币这样的东西”，他将强烈反对。他还表示，如果拜登再次当选，现任政府可能会扼杀比特币。 “很明显，拜登目前的制度是为了比特币，如果它再持续四年，他们可能最终会杀死比特币，”德桑蒂斯强调说。在将政治对话转向关注加密货币时，萨克斯在主持对话时表示，推特上有大量加密货币的受众，随后马斯克插话表示，这里同样有狗狗币的支持者。德桑蒂斯则继续指出，他将寻求在佛州禁止政府支持的加密货币，即数字美元。 (来源:Twitter) 中央银行数字货币(CBDC)类似于稳定币等资产，它们和美元等主权货币的价格挂钩。但它们不是由私人公司在公共网络上发行，而是由各自的政府或中央银行管理。就美联储而言，主席鲍威尔曾表示，数字美元将“理想地”获得国会的书面批准。但德桑蒂斯表示，在这方面没有回旋余地，而且在他的任期内也不会发生。 “你必须获得国会的授权，”德桑蒂斯谈到数字美元时说。“我可以告诉你，如果我是总统，我们不会交易央行数字货币。” 他最后再次重申：“我认为这是权力从个体消费者向中央权威的大规模转移，我认为这对自由社会不利，我对央行数字货币持反对意见。” 值得关注的是，这点和拜登政府的做法完全出入，因为他计划在今年7月推出Fed Now支付系统，被市场视为是“数字美元”到来的关键。FedNow是一个系统，可以在一年中的任何时间、一年365天、即时、不可逆地结算国际支付。

小萧2023-05-25

最重磅承诺！麦卡锡：债务谈判会“及时”达成协议共和党占据上风 “坚信可避免违约”

更高的消费者借贷成本将蔓延到即将到来的选举年。彭博经济首席经济学家Anna Wong写道：“目前围绕美国债务上限的僵局有可能对经济造成比以往任何时候都更大的破坏。”

颜辞2023-05-25

破位！大空头的"镰刀计划"启动？A股又要打保卫战了，会打几场？看这张图来猜一下…

的福利，增加失业，很明显是不利于民主党选举的，而这正是共和党想要的。总之这次情况很复杂，提升债务上限也只是饮鸩止渴，把危机拖后而已，这次逃过去了，那下次呢？总有一次危机会引爆。因此，个人认为，这一次谈崩的可能性是客观存在的，巨型黑天鹅起飞绝非不可能。如果美债违约，那么影响无需多言了，全球股市必然在恐慌中暴跌。　　　　超越08年的大型金融危机必将爆发，某些国家的股市还在上涨只是末日狂欢。在我看来，“大空头”（现在是爆炒中特估的庄家出货，后面是割肉的散户）已经吹响了冲锋号，“镰刀计划”要启动了。上证指数来到3200点关口，在某些人看来，要打“XX点保卫战”了。从3200点起，重要的支撑位大概200点一个，如果全部都要考验，那么就要打5场保卫战了。这里放张图，不解释了。你可以去猜一下A股要打几场保卫战，从1到5赔率不同，自己去猜一下吧。没人知道结果到底是几，如果是我来猜，我会去猜赔率最高的，或许99％的人都认为不可能、不会去选的5……（公号“中产投资”）

金融界2023-05-24

zkML：zk+机器学习新兴项目和基础设施

进行链下处理以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下ML预言机可以通过验证推理并在链上发布证明，以无需信任的方式解决现实世界的预测市场、保险协议合约等问题。 · ML参数化的DeFi应用。DeFi有很多方面可以更加自动化。例如，借贷协议可以使用ML模型实时更新参数。今天的借贷协议主要信任由组织运行的链下模型来进行抵押品事宜、LTV、清算门槛等相关决策，但社区训练的开源模型可能是更好的替代方案，这类模型可以由任何人运行和验证。 · 自动交易策略。展示财务模型策略的回报状况的一种常见方法是，MP向投资者提供各种回测。然而，在执行交易时，是没有办法验证策略是否遵循了模型的——投资者必须相信策略确实遵循了模型。zkML提供了一个解决方案，MP可以在进行特定位置部署时提供财务模型推理证明。这对于DeFi管理的金库来说特别有用。（2）安全性 · 智能合约的欺诈监控。ML模型可以用来检测潜在的恶意行为并暂停合约，而不依靠缓慢的人工治理或中心化主体来控制是否暂停合约。（3）传统ML · Kaggle的去中心化、无需信任的实现。可以创建这样一个协议或市场，允许MC或其他相关方在MP不披露模型权重的情况下验证模型的准确性。这对于模型销售、模型准确性竞争等会很有用。 · 生成式AI的去中心化prompt（提示）市场。生成式AI的prompt创建已经演变成一种复杂的工艺，最好的prompt输出通常包含许多modifier修饰符。外部各方可能愿意从创建者那里购买这些复杂的prompt。zkML可以在这里发挥两方面作用：1）验证prompt输出，以向潜在购买者确保prompt确实创建了所需的图像；2）允许prompt所有者在prompt被购买后仍然保有prompt的所有权，对购买者匿名的同时仍然为他们生成经过验证的图像。（5）身份验证 · 用保护隐私的生物识别身份验证取代私钥。私钥管理仍然是web3用户体验最大的摩擦之一。通过面部识别或其他独特因素提取私钥是zkML的一种可能的解决方案。 · 公平的空投和贡献者奖励。ML模型可用于创建详细的用户角色，以根据多种因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这种功能会特别强大。在这种情况下，有种可能性是让用户运行一个开源模型来评估他们在应用程序中的参与度，以及更高层的生态参与度（比如治理论坛帖子），以推断他们的分配额度。然后，他们向合约提供此证明以接收代币分配。（6）Web3社交 · web3社交媒体过滤功能。web3社交应用程序的去中心化性质将导致更多的垃圾邮件和恶意内容。理想情况下，社交媒体平台可以使用社区同意的开源ML模型，并在选择过滤帖子时发布模型推理的证明。 · 广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望对广告商保密我的偏好和兴趣。我可以选择根据我的喜好在本地运行一个模型，该模型向媒体应用程序提供信息，然后展示我想要的内容。在这种情况下，广告商可能愿意为终端用户付费，但这些模型可能远没有当前的目标广告模型那么复杂。（7）创作者经济/游戏 · 游戏内经济再平衡。ML模型可用于动态调整代币的发行、供应、销毁、投票阈值等。一种可能的模式是，如果达到一定的再平衡阈值，并且推理证明得到验证，那么合约就可能受激励以重新平衡游戏内经济。 · 新型链上游戏。可以创建人类对抗AI的合作游戏和其他创新的链上游戏，此时无需信任的AI模型充当非玩家（NPC）角色。NPC采取的每一个行动都会被发布到链上，并带有一个证明，任何人都可以验证该证明以确定运行模型的正确性。在Modulus Labs的Leela vs. the World案例中，验证者希望确保正在下棋的是1900 ELO AI，而非棋手Magnus Carlson。另一个例子是AI Arena，这是一款Super Smash Brothers风格的AI战斗游戏。高风险竞争环境中的玩家希望确保他们训练的模型不受干扰或者不会出现作弊行为。 4、新兴项目和基础设施 zkML的生态系统可以大致分为四大类： · Model-to-Proof Compilers（模型到证明编译器）：将模型从现有格式（例如Pytorch、ONNX等）编译成可验证计算电路的基础设施。 · 通用证明系统：用来验证任意计算轨迹的证明系统。 · 特定zkML证明系统：专门用于验证ML模型的计算轨迹的证明系统。 · 应用程序：处理独特zkML用例的项目。（1）Model-to-Proof Compilers（模型到证明编译器）在研究zkML生态系统时，大多数注意力都集中在模型到证明编译器上。通常，这些编译器会将使用Pytorch、Tensorflow或类似语言编写的高级ML模型转换为ZK电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中对深度学习模型进行推理。使用EZKL，你可以在Pytorch或TensorFlow中定义计算图，将其导出为ONNX文件，一些样本输入包含在JSON文件中，并将EZKL指向这些文件以生成zkSNARK电路。随着最新的性能改进，EZKL现在可以在大约6秒内占用1.1GB RAM证明一个MNIST大小的模型。到目前为止，EZKL已经有一些重要的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathy So的circomlib-ml库包含Circom的各种ML电路模板。电路包含一些最常见的ML功能。同样由Cathie开发的Keras2circom是一个python工具，它使用底层circomlib-ml库将Keras模型转换为Circom电路。 LinearA为zkML开发了两个框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为纯整数形式并生成计算轨迹。Uchikoma是一个将TVM的中间表示转换为不支持浮点运算的编程语言的工具。LinearA计划支持Circom和Solidity，前者使用域算法，后者使用有符号和无符号整数算法。 Daniel Kang的zkml是一个用于在ZK-SNARKs中构建ML模型执行证明的框架。在撰写本文时，它能够证明一个使用大约5GB内存运行约16秒的MNIST电路。更通用的模型到证明编译器还有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证使用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与本文提到的其他一些模型到证明编译器相比，它是通用的基础设施，但仍然适用于像zkML这样的复杂计算。当与证明市场相结合时，该功能将格外强大。 Risc Zero面向RISC-V开原指令集构建了一个通用的zkVM，因此支持现有的成熟语言，如C++和Rust，以及LLVM工具链。这将支持主机和客户端zkVM代码之间的无缝集成，类似于Nvidia的CUDA C++工具链，但使用了ZKP引擎代替GPU。与Nil类似，可以使用Risc Zero来验证ML模型的计算轨迹。（2）通用证明系统证明系统的改进是zkML实现的主要推动力，特别是custom gates（自定义门）和lookup tables（查找表）的引入。这主要是由于ML对非线性的依赖。简而言之，非线性是通过激活函数（例如ReLU、sigmoid和tanh）引入的，这些函数应用于神经网络内线性变换的输出。由于受数学运算门的限制，在ZK电路中这些非线性实现是有难度的。Bitwise decomposition（逐位分解）和lookup tables（查找表）可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在ZK中计算效率更高。由于这个原因，Plonkish证明系统往往是zkML最流行的后端。Halo2和Plonky2的table-style（表式）算法方案可以通过lookup参数很好地处理神经网络非线性。此外，Halo2有一个充满活力的开发者工具生态系统，再加上它非常灵活，使其成为包括EZKL在内的很多项目名副其实的后端支柱。其他证明系统也有自己的优点。基于R1CS的证明系统包括用于小型证明的Groth16和处理超大电路和线性时间证明器的Gemini。如Winterfell证明者/验证者库这样的基于STARK的系统也非常有用，特别是当通过Giza的工具实现时，Giza工具将Cairo程序的轨迹作为输入值，并使用Winterfell生成STARK证明来证明输出值的正确性。（3）特定zkML证明系统在有效的证明系统设计方面已经取得了一些进展，这些系统可以处理复杂的、电路不友好的高级ML模型操作。Modulus Labs的基准报告证明，像zkCNN这样基于GKR证明系统的系统，或者像Zator这样使用复合技术的系统，通常比通用的同类系统性能更高。 zkCNN是一种使用零知识证明来证明卷积神经网络（convolutional neural networks）正确性的方法。它使用sumcheck协议来证明快速傅里叶（Fourier）变换和卷积，其线性证明时间比渐近计算结果更快。交互式证明引入了若干改进和通则，包括验证卷积层、ReLU激活函数和最大池化。zkCNN特别有趣，因为Modulus Labs的基准报告发现，zkCNN在证明生成速度和RAM消耗方面都优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARKs来验证深度神经网络的项目。目前验证深层模型的约束条件是将整个计算轨迹拟合到单个电路中。Zator提出使用递归SNARKs一次验证一层，可以渐进增量验证N步重复计算。他们使用Nova将N个计算实例缩减到一个实例中，这个实例可以通过单个步骤进行验证。通过这种方法，Zator能够snark一个具有512层的网络，这与当今大多数生产式AI模型一样深。对于主流用例来说，Zator的证明生成和验证时间仍然太长，但是其复合技术还是很有趣的。（4）应用程序鉴于zkML仍处于早期阶段，它将大部分重心都放在了上述基础设施方面。然而，目前有一些项目正在进行应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，致力于应用范例和相关研究。在应用方面，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 Worldcoin正在应用zkML，试图建立一个保护隐私的人格证明协议。Worldcoin正在使用定制硬件来处理高分辨率虹膜扫描，这些扫描被插入到他们的Semaphore实现中。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理。 Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于表示机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。虽然Giza也可以属于模型到证明的编译器类别，但它们定位为ML模型市场是当今更有趣的应用之一。 Gensyn是一个去中心化硬件供应网络，用于训练ML模型。具体来说，他们正在设计一个基于梯度下降算法的概率审计系统，并使用模型检查点使去中心化的GPU网络能够为大规模模型训练提供服务。虽然他们的zkML应用明显特定于自身用例——他们希望确保当节点下载和训练模型的一部分时，他们对模型的更新是诚实的——但却展示了ZK和ML结合的强大功能。 ZKaptcha专注于web3的bot问题，为智能合约提供captcha（验证码）服务。它们目前的实现是让终端用户通过完成captcha来生成人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。今天，它们主要只依赖于ZK，但计划在未来实现zkML，类似于现有的web2 captcha服务，分析鼠标移动等行为，以确定用户是否是人类。 zkML市场仍处于相当早期的阶段，但很多应用程序已经进行了黑客马拉松级别的试验。这些项目包括AI Coliseum（一个使用ZK证明来验证机器学习输出的链上AI竞赛）、Hunter z Hunter（一个使用EZKL库来验证带有halo2电路的图像分类模型输出的照片寻宝游戏），以及zk Section 9（它将AI图像生成模型转换为用于铸造和验证AI艺术的电路）。 5、zkML面临的挑战虽然zkML正在以光速进行改进和优化，但该领域仍然存在一些核心挑战。这些挑战涉及到技术和实践方面，具体如下： · 高精度的量化 · 电路的大小（特别是多层网络） · 矩阵乘法的有效证明 · 对抗攻击量化是将大多数ML模型用来表示模型参数和激活函数的浮点数表示为定点数的过程，这在处理ZK电路的域算法时是必不可少的。量化对机器学习模型精度的影响取决于所使用的精度水平。通常，使用较低的精度（即更少的bits）会导致准确性降低，因为它会应用四舍五入和近似误差。然而，有几种技术可以用来最小化量化对准确性的影响，例如在量化之后微调模型，以及使用量化感知训练等技术。此外，zkSummit 9上的一个黑客马拉松项目Zero Gravity已表明，为边缘设备开发的替代神经网络架构（如无权重神经网络）可用于避免电路量化的问题。除了量化，硬件是另一个关键挑战。一旦机器学习模型通过电路进行了正确表示，由于ZK的简洁性，验证其推论的证明既便宜又快速。这里的挑战不在于验证者，而是在于证明者，因为随着模型越来越大，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算法电路的基于GKR的系统）或复合技术（例如wrapping Plonky2，它有高效的证明时间，但在较大模型的有效证明大小方面表现很差，使用Groth16，它不会随着模型的复杂性加大而增加证明大小）更适合处理这些问题，但是管理权衡是构建zkML项目的核心挑战。在对抗方面，还有工作要做。首先，如果一个无需信任的协议或DAO选择实现一个模型，在训练阶段仍然存在对抗攻击的风险（例如，训练一个模型在看到一个可用于操纵后续推理的输入时表现出特定的行为方式）。联邦学习（federated learning）技术和训练阶段zkML可能是最小化这种攻击面的一种方法。另一个核心挑战是，当一个模型属于隐私保护模型时，存在模型窃取攻击的风险。虽然模型的权重可以被混淆，但理论上仍可以在有足够的输入-输出对的情况下对权重进行反向工程。虽然这种风险主要针对小型模型，但风险就是风险。 6、扩展智能合约尽管优化这些模型以符合ZK运行条件还存在着这样那样的挑战，但优化改进正在以指数级的速度进行，有人预计，假设在进一步的硬件加速条件下，我们将很快扩展更广泛的机器学习领域。zkML已经从2021年0xPARC的zk-MNIST演示（展示了如何在可验证的电路中执行小型MNIST图像分类模型），发展到Daniel Kang在不到一年后对ImageNet-scale模型做了同样的验证。2022年4月，ImageNet-scale模型的准确率从79%进一步提高到92%，尽管目前的验证时间较慢，但像GPT-2这样大的网络在短期内是可行的。我们认为zkML是一个丰富且不断发展的生态系统，它希望扩展区块链和智能合约的功能，使其更加灵活、适应性更强、更加智能。虽然zkML仍处于早期开发阶段，但它已经开始显示出光明前景。随着技术的发展和成熟，我们有望看到出现更多链上zkML的创新用例。来源：金色财经

金色财经2023-05-24

为什么说在比特币上发展生态是缘木求鱼？

比特币来作为网络质押代币在比特币链上选举出块人与比特币链同步出块激励比特币矿工成为 L2 网络验证者无效行为想要与比特币共享安全性，并不是没有办法。我们可以试想，如果 Ordinals 协议不止在比特币链上通过铭文来存储账本数据，而是将 Ordinals 的整个定义数据有效性的规则（即 Ordinals 协议的源码）也放到比特币链上呢？在这种情况下，尽管依旧需要通过“客户端验证”来实现一系列操作过程中的验证。但任何主体都可以通过写在链上的“规则”和脏账本，运行出一个干净的账本来，并得到一个一致的状态转换记录和最终状态。这种形式并不是新事物，而是 Arweave 提出的存储共识范式——SCP，这种方式适用于构建对互操作性要求不高，但对性能要求较高的重型应用。Arweave 积累多年，其上已经有 100+ SCP 应用。如果要基于比特币去构建SCP应用，技术上是可行的，但经济上受到制约，只能构建形态较为简单的应用，因为频繁的在比特币上铭文不是一般的贵。小结说了这么多，我并不是想彻底否定在比特币上构建各种服务的努力。我理解 PoW 支持者对以太坊升级的不满，也理解比特币矿工在减半预期之下寻求增收的需要，比特币网络当然可以通过铭文的方式去做一些 meme 代币和收藏品，但故事应该适可而止，不应该再去浪费时间在比特币上复刻以太坊生态（无论是“铭文”的方式，还是L2的方式），因为这并不能给整个 Web3 创造什么新的价值。归根结底，在比特币上做生态，相当于以一个蹩脚且成本更高的方式在做以太坊本就可以做的事情，在比特币生态中，诞生不了什么新事物。我不否认围绕“比特币生态”概念的价格奇迹和造富神话可能会继续，但作为长期主义者，我更关注能创造实际价值，拓宽Web3使用场景、让Web出圈的新叙事。来源：金色财经

金色财经2023-05-24

24小时热点