FX168财经网_全球视野外汇黄金加密货币NFT资讯网

行业研究｜有连云等资深玩家助力AI+金融应用创新

、字节、阿里、依图等国内外知名互联网和AI公司。澜码科技率先填补了国内大模型中间层的空白，是国内探索大语言模型应用落地和AI Agent的先行者。基于底层大语言模型，澜码科技自主研发了能够连接人和系统的企业级Agent平台“AskXBOT”，助力企业构建基于专家知识的超级自动化，从而提升业务质量和效率。澜码科技已完成来自IDG资本、联新资本、Atom Capital参与的数千万A轮投资，并与多家上市公司和独角兽企业达成战略合作。企业优势： “模型中立”优势：目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果。专家知识是AI Agent 得以在企业落地的关键：专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。在澜码AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。针对办公，特别是金融、财务的办公场景的成熟技能的封装能力。和企业已有组织、权限、基础设施的集成。有连云有连云成立于2015年，是国内领先的金融AI应用服务商。旗下的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。公司专注于金融数字化转型的痛点，推进大模型的垂直应用，结合庞大的金融专业语料库，集成自然语言处理、OCR和多模态技术，实现各类事件指标的准确、实时、智能化获取，满足自定义和配置需求。企业优势强大的技术基础：有连云的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。精准的数据处理：麒麟大模型能够实时获取和解析ETF产品层面的数据，生成产品分析、研报摘要和观点，提升信息检索效率和AI批量生成资讯，解决基金公司在产品营销中的难点。广泛的生态连接：强大的生态连接可渗透到数据、交易、搜索、新闻、视频和财经等投资者聚集地，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。全面的合规保障：在上市公司声誉管理和投资者关系管理领域，麒麟大模型通过智能创作、智能标签和可视化报表服务，保障资讯的真实合规，并实时跟踪推送状态，提供强有力的商业决策支持。行业认可：有连云已获得国家互联网信息办公室的3项深度合成算法备案，入选中国信通院《2023大模型和AIGC产业图谱》，并获得数字化软件产品能力DSSC优秀级认证，成为中国信通院《数字化软件产品及服务能力体系规范》编制单位，参与行业标准制订。金融行业落地Gen AI的关键能力尽管在金融行业落地Gen AI 会面临数据隐私和安全、技术和资源门槛、模型解释性和透明度，以及监管合规等挑战，但落地难度相较于传统AI项目，难度会更低，实施路径也更直接。甜新科技认为金融行业落地Gen AI需要跨越以下7个维度的关键能力： 1. 明确转型目标和战略：金融机构首先需要明确自身的数字化转型目标和战略，确定AI技术在其中的角色和定位。一个有效的Gen AI规模化落地战略，必须包含以下关键因素：高层领导层的愿景、一致性和承诺，以及业务单元级对交付结果的责任、清晰的应用场景和目标、全面的运营计划。 2. 选准应用场景：在明确转型目标后，金融机构需要选准AI技术的应用场景。这些场景应该是业务流程中的痛点或价值创造的潜在领域。例如，AI技术可以用于风险评估、信贷审批、智能投顾、客户服务等方面。 3. 数据和技术的积累：金融机构需要积累大量的数据和相关的技术能力。数据是AI技术的基础，而技术能力则决定了金融机构在AI领域的竞争力。这包括建设数据仓库、数据挖掘、机器学习、深度学习等技术能力。在部署大模型的时候，金融企业获机构需要与自身现有的系统、工作流程、企业应用程序和数据源集成。这是一个关键且复杂的任务。麦肯锡认为，有效的集成和模型维护将依赖于多个架构组件：上下文管理和缓存、策略管理、模型中心、提示库、MLOps平台、风险管理引擎、大型语言模型（LLM）运营等。（深擎科技采访供图）数据质量至关重要，尤其是在通用人工智能领域。面对海量且非结构化的数据集，确保输出答案的质量变得更加具有挑战性。领先的金融机构正借助优质人才和自动化技术，在数据生命周期的关键环节进行精准干预，以保证数据的高标准质量。同时，数据领域的领导者需要深入考虑新技术带来的安全风险，并随时准备根据法规的变化迅速采取行动。 4. 构建高效的组织架构：为了推动AI项目的顺利实施，金融机构需要构建高效的组织架构。这包括设立专门的AI团队、明确职责和分工、以及与业务部门的紧密合作。要优化组织架构之前，金融机构必须思考当前的架构为何难以无缝集成AI创新能力。成功落地AI的金融机构，并不是鼓励落地相关计划，而是通过为现有团队配备所需的资源，并积极拥抱通用人工智能所需的技能、人才和流程来实现相关目标。 5. 注重人才培养和合作：金融机构需要培养一批既懂金融业务又懂AI技术的复合型人才。还需要定期评估自己的人才招聘策略，以适应不断变化的优先事项。清晰的职业发展和晋升机会——以及有意义和价值的工作——对普通的技术从业者来说非常重要。此外，与AI领域的领先企业或研究机构合作，可以加快技术进步和创新。 6. 强化合规和安全风险管理：金融机构在实施人工智能技术时，必须确保其操作的合规性和安全性。这不仅包括遵守相关的法律法规，还涉及到保护客户隐私、预防欺诈和洗钱等风险。在引入大型模型和生成式人工智能之前，金融机构通常需要对其风险管理和模型治理框架进行重新设计，并根据需要开发新的控制机制。模型的可解释性和决策的公正性是关键问题，必须在推广任何生成式AI应用之前得到全面而深入的解决。通过这种方式，金融机构可以在确保技术优势的同时，维护其业务的合规性和安全性。 7. 持续优化和创新： AI技术是不断发展的，金融机构需要在实践中持续优化和创新。这包括收集反馈、改进算法、探索新的应用场景等。金融行业落地Gen AI的挑战尽管大模型和Gen AI能为金融行业带来巨大价值，但囿于要被高度监管的属性，金融行业在落地大模型和生成式AI要面临比其他行业更严峻的诸多挑战。以下是最关键的三大问题： 1、确保数据质量和安全性对于金融企业而言，获取高质量、具有代表性的数据分析来训练人工智能模型是实现技术优势的关键所在。AI模型的性能和准确性在很大程度上取决于训练数据的质量，因此，金融机构必须实施严格的数据治理流程，以确保数据的准确性和可靠性。许多银行拥有一个庞大而复杂的数据架构，这些架构往往跨越了数十年，涉及多种大型机系统。将这些分散的数据整合并准备用于人工智能项目是一项艰巨的任务，需要投入大量的资源和努力。同时，金融企业还必须严格遵守数据保护法规，确保敏感的客户数据得到妥善的匿名化处理和安全保护。这不仅涉及到技术层面的挑战，也考验着企业在数据隐私和合规性方面的责任和担当。 2、符合金融法规金融领域对人工智能系统的应用必须严格遵守一系列法规，且涉及信贷审批、交易监控等多个业务环节。合规性要求金融机构必须对相关信息记录详尽并始终维护模型的透明度，这无疑增加了管理的难度和成本。同时，金融机构还需定期对AI系统进行性能监控，确保没有偏差，并妥善处理可能出现的意外结果。此外，AI技术在金融领域的应用涉及到对海量数据的处理和分析，这不仅要求金融机构拥有强大的存储和计算资源，也带来了对基础设施的挑战。尽管云计算提供了灵活的解决方案，但数据安全和地区法规的限制常常成为其广泛应用的障碍。同时，将先进的AI工具与金融机构现有的IT系统无缝集成，也是一个需要克服的技术难题。 3、道德考量和偏见人工智能在金融领域的整合引发了重要的道德考量，特别是在偏见和公正性方面。人工智能系统可能会无意中延续甚至加剧训练数据中存在的偏见。例如，如果历史贷款数据对某些特定人群存在偏见，那么基于这些数据训练的人工智能模型可能会继续使这些群体处于不利地位。此外，快速变化的监管环境对金融机构提出了更高要求。随着法律和道德对AI的期望不断演变，金融机构需要不断适应新的监管政策，并保持系统的灵活性以应对这些变化。人工智能在金融领域的未来尽管生成式人工智能是目前各行各业的流行词，但如何将该技术付诸实践的最佳方式仍然尚未确定。澜码科技CEO周健指出，目前金融行业面临的主要挑战是大型模型的准确度尚未达到令人满意的标准，以及还未找到将特定场景与相应的技术进行有效匹配的路径。整个行业面临的核心难题在于如何精心选择或开发出适合的大模型和解决方案，然后确保它们在特定应用场景中的表现能够超越人类，这也是最具挑战性的部分。此外，在认知层面，一个普遍的误区是人们常常被所谓的“理想路径”所误导，认为大语言模型能够应对所有任务。然而，在实际操作中，可能由于业务人员对专业知识掌握不够精确导致无法完成相应任务。在这种情况下，我们需要通过更高效的人机交互方式，使业务人员能够明确地表达他们的需求，以便在业务流程中实现端到端的有效支持。另一个常见的误区是，人们期望用户去适应技术，而不是让技术去适应用户。如果整个行业能够在技术适应用户交互方式和需求理解方面做出创新和改进，就可能充分发挥大型模型的潜力。但目前，这一领域的探索还相对较少。金融行业落地大模型和生成式AI不仅需要技术上的升级，还需要进行企业文化的转型，以接纳创新，这将是一个漫长且充满挑战的过程。参考资料： https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model https://www.datacamp.com/blog/ai-in-finance https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.20661.html 作者：qiuping 来源：非凡产研以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-07-23

再见比特币你好 AI：德州加密挖矿公司转型迎接下一波新浪潮

00 兆瓦的数据中心。该中心旨在满足 AI 公司的独特需求，是一个更大规模的 1.2 吉瓦建设项目的第一阶段。当数据中心满负荷运行时，预计将成为全球最大的 AI 数据中心之一。有趣的是，被选中建设数据中心的地点与美国旧西部历史有一定关联，为这一高科技项目增添了一丝怀旧色彩。阿比林曾是横贯「赶牛小道」（Cattle Trail）上的一个重要停靠点，现在则将成为前沿 AI 技术的枢纽。加密货币挖矿公司拥有广阔的数据中心，可接入全美各地的光纤线路和大量电力。这些数据中心正是计算密集型人工智能业务所需的设施类型，这意味着加密货币挖矿与 AI 的设施有很高的协同性,为挖矿公司提供了一个合理的退出策略。 Lancium 计划于 2025 年让新设施投入使用，还将利用其专利技术进行高效能源管理，平衡电网需求，支持更广泛的能源转型。新数据中心将满足 AI 应用（如医学研究和飞机设计）的独特需求，展示了 AI 技术的多样性和潜力。Crusoe 的 Lochmiller 表示：「数据中心正在迅速演变，以支持现代 AI 工作负载，需要新的高密度机架空间、直接到芯片的液体冷却和前所未有的整体能源需求。」加密货币挖矿公司转向人工智能近年来，加密货币挖矿公司面临着盈利能力下降的问题，尤其是在比特币减半之后，生成新代币的业务变得更加不盈利。JPMorgan Chase 的分析师在 6 月的一份报告中写道：「一些运营商正感受到最近区块奖励减半带来的财务压力，并积极探索退出策略。」盈利的下降推动了加密货币挖矿公司寻求多样化业务，并且为了更好利用现有设施，比特币挖矿公司正在逐渐转向 AI。例如，Bit Digital 和 Hut 8 已经在 AI 相关业务中看到了显著的收入。Lancium 和 Crusoe 的计划，主要依靠可再生能源，代表了这一更广泛的行业转变。 Lancium 总裁 Fenn 表示：「Lancium 的最初愿景是将大规模负载带到拥有最佳、丰富可再生能源的位置，以促进能源转型。」最初，比特币挖矿是这一愿景的最佳适配，但现在，Lancium 正将战略转向 AI。迄今为止，这一策略似乎颇有效果：据摩根大通 6 月 17 日的研究报告显示，美国上市的 14 家主要比特币矿商的总市值在 6 月 15 日创下了 228 亿美元的历史新高，仅两周内增加了 44 亿美元。比特数字（Bit Digital）表示，人工智能现在约占其收入的 27%。该公司在 6 月宣布，与客户达成了一项三年供应 Nvidia GPU 的协议，预计每年将产生 9200 万美元的收入。部分资金来自清算一些加密货币。总部位于迈阿密的 Hut 8 宣布从私募股权公司 Coatue 筹集了 1.5 亿美元的债务，用于扩大其人工智能数据中心。Hut 8 首席执行官 Asher Genoot 表示，公司为新的 AI 业务达成了多个商业协议，包括固定基础设施付款加上收入共享的客户协议。这一调整对 Core Scientific 特别有利，该公司在今年一月从破产中恢复。周二，B. Riley 将其股票评级从中性上调为买入，并将目标股价从 0.5 美元上调至 13 美元，原因是该公司最近与 Nvidia 支持的初创公司 CoreWeave 达成了一系列交易。上个月，CoreWeave 提出以 10.2 亿美元收购 Core Scientific，但被拒绝。目前 Core Scientific 的市值约为 20 亿美元。电网「牛气满满」多年来，Crusoe 的工作几乎与比特币挖矿行业密不可分。Crusoe 的技术帮助石油公司将废气转化为有用资源。许多加密货币挖矿公司在 Crusoe 的帮助下在这些地点附近设置了机器，以利用这种更便宜的电力来源。例如，从 2021 年开始，埃克森美孚（Exxon Mobil）在北达科他州与 Crusoe 合作挖掘比特币。但 Crusoe 的 Lochmiller 告诉 CNBC，人工智能基础设施实际上是公司成立六年来的一部分愿景。他表示：「我们正在从头开始重新构想 AI 基础设施——从我们的能源解决方案，到设计、工程和建造我们特别设计的 AI 数据中心，再到 Crusoe Industries 的关键电力数据中心基础设施的制造能力，最终到我们专门设计的 AI 计算集。」计划于 2025 年投入使用的阿比林设施还计划主要利用可再生能源。Lancium 总裁 Fenn 表示：「我们的电力编排技术定位于确保超大型 AI 数据中心园区成为电网的资产，而不是负担。」Lancium 的专利技术允许其在短短五秒内逐步调高或调低能源买家的需求，以平衡具有内在波动性的电网。 Fenn 说：「Lancium 的最初愿景是将大规模负载带到拥有最佳、丰富可再生能源的位置，以促进能源转型。」2018 年，唯一合适的负载是比特币挖矿。比特币的一个最大特点是完全与位置无关。矿工只需要电源和互联网连接，不像其他行业需要靠近终端用户。然而，Lancium 的战略现在已经转向人工智能。Fenn 表示：「传统的数据中心主要优化了与城市地区和用户的接近度。现在，一切都改变了，AI 数据中心优化了大规模能源供应、成本和绿色性。我们的愿景、园区和技术完美地定位于这一更大、更广泛的机会。」这一转变预计将对加密货币市场产生重大影响。随着更多加密货币挖矿公司转向 AI，可能会减少用于比特币挖矿的算力，从而影响网络的安全性和交易处理时间。但与此同时，这一举动可能会减少与比特币挖矿相关的能源消耗，解决一些困扰行业的环境问题。总之，Lancium 和 Crusoe 的这一转型不仅标志着比特币矿工正在适应新的市场需求，还展示了 AI 技术在未来发展的巨大潜力和重要性。随着 AI 行业的快速发展，类似的合作和转型将变得越来越普遍。来源：金色财经

金色财经2024-07-20

再见BTC 你好AI：加密矿企转向AI

个200兆瓦规模的数据中心，旨在“满足AI公司的独特需求”。这是更庞大的1.2千兆瓦扩建的第一阶段。 Lancium总裁Ali Fenn在接受CNBC采访时表示，这将是世界上最大的人工智能数据中心园区之一，进一步佐证了支持人工智能发展的竞争越来越激烈，而比特币则被甩在了后面。就在西德克萨斯的中心地带，20号州际公路旁，有一个人口12.5万的小镇名叫阿比林（Abilene）。在曾经的美国西部时代，这个小小的边区村落曾经是跨境运畜车道的一个停靠点，现在它正迈入蓬勃发展的人工智能行业。周四上午，总部位于休斯顿的科技公司Lancium和总部位于丹佛的Crusoe能源系统公司宣布了一项价值数十亿美元的合作，二者将联手在阿比林郊外建立一个200兆瓦的数据中心，旨在“满足AI公司的独特需求”，例如，为医学研究和飞机设计等应用提供先进的云计算服务。这是一个更加庞大的1.2千兆瓦扩建的第一阶段。 Lancium总裁Ali Fenn在接受CNBC采访时表示，在满负荷运转的情况下，这将是世界上最大的人工智能数据中心园区之一，进一步佐证了支持人工智能发展的竞争越来越激烈，而比特币则被甩在了后面。 Crusoe的联合创始人兼首席执行官Chase Lochmiller则表示：“数据中心领域正在迅速发展，为现代AI工作负载提供支持，这就需要更高级别的高密度机架空间、直接芯片的液体冷却以及前所未有的总能源需求。” 比特币挖矿和AI基础设施业务之间存在很多协同效应。矿业公司拥有庞大的数据中心，可在美国各地使用光纤线路和大量电力。它们正是计算密集型AI操作所需的设施类型，这意味着它们的网站和技术需求量很大。与此同时，矿业公司需要实现多元化。今年4月，比特币价格减半，这是大约每四年发生一次的事件，此后，生成新代币的业务变得不那么有利可图了。摩根大通(JPMorgan Chase)分析师在6月份的一份报告中写道，“一些运营商正感受到最近区块奖励减半的财务压力，这使行业收入减少了一半，并正在积极探索退出策略。” 蓬勃发展的AI行业需要更多产能，与此同时，比特币矿商正在寻找新的方式来为他们的巨额投资创造回报，进而促进各种合并、融资和合作的形成。比特币矿商转向人工智能除了Lancium和Crusoe，还有众多矿商希望从比特币转向人工智能，到目前为止，这一策略似乎奏效了。摩根大通6月17日发布的一份研究报告显示，6月15日，在美国上市的14家主要比特币矿商的总市值达到了创纪录的228亿美元，仅在两周内就增加了44亿美元。据估计，比特币矿商Bit Digital目前约有27%的收入来自人工智能领域。该公司今年6月表示，已与一家客户达成合作协议，将在三年内为冰岛的一个数据中心提供英伟达GPU，预计该合作每年将产生9,200万美元的收入。通用处理单元的费用将通过清算部分加密资产来支付。总部位于迈阿密的Hut 8则表示，它从私募股权公司Coatue筹集了1.5亿美元的债务，以帮助其建立AI数据中心投资组合。 Hut 8首席执行官Asher Genoot最近告诉CNBC，他的公司“在GPU即服务模式下，确立了若干新兴人工智能垂直领域商业协议，包括一项提供固定收费基础设施和收入分成的客户协议。” 对Core Scientific来说，向人工智能转舵进展得尤其顺利，该公司今年1月刚走出破产阴影。周二，B. Riley将其股票评级从中性上调为买入，并将其股票目标价从50美分上调至13美元，理由是该公司最近与CoreWeave达成了一系列合作。CoreWeave是一家由英伟达支持的初创公司，是英伟达AI模型运行技术的主要供应商之一。上个月，CoreWeave提出以10.2亿美元收购Core Scientific，此前不久，两家公司刚刚宣布扩大现有合作。Core Scientific拒绝了这一收购提议，该公司目前的市值约为20亿美元。加强电网多年来，Crusoe几乎成了比特币挖矿行业的代名词。 Crusoe的技术帮助石油公司将浪费的能源转化为有用资源。在Crusoe的帮助下，许多比特币矿商在这些能源附近安装了机器，以便利用这种更便宜的能源。例如，从2021年起，Exxon Mobil开始与Crusoe合作，在北达科他州进行比特币挖矿业务。但Crusoe的Lochmiller告诉CNBC，自该公司六年前成立以来，AI基础设施实际上一直都是该公司愿景的一部分。他说：“我们正在从头开始重新构想人工智能基础设施——从我们的能源解决方案，到我们专门设计的AI数据中心的设计、工程和建设，再到我们与Crusoe Industries合作的关键电气数据中心基础设施的制造能力，最终到我们专门开发的AI计算堆栈。” 位于阿比林的AI数据中心预计将于2025年投入使用，也计划主要利用可再生能源。 Lancium的Fenn告诉CNBC：“我们的电力编排技术旨在确保大型人工智能数据中心园区成为电网的资产，而非负债。” Lancium的专利技术可以将能源买家的需求转化为一种仪表盘，可以在短短五秒钟内逐渐调高或调低。这有助于平衡电网本身不稳定的能源，如风能和太阳能。 Fenn说：“Lancium最初的设想是将大规模负载带到拥有最好的充足的可再生能源的地方，以促进能源转型。” 早在2018年，Fenn就说过，唯一适合这种情况的负载就是比特币挖矿。比特币最大的特点之一是它完全与位置无关。矿工只需要电源和互联网连接就可以，而不像其他行业必须要离他们的最终用户近一些。在某些情况下，加密货币挖矿的内置收益提供了足够大的经济激励，使建设利用未曾开发的电力资源所需的基础设施成为值得做的事——尤其是在以风能和太阳能等可再生能源圣地而闻名的德克萨斯州。比特币矿商也是灵活的电力消费者——从本质上讲，他们就像买家一样，在一天中的任何时候，他们都会尽可能多地使用电力，并且乐于接受仅提前几秒钟的断电通知。但此后，Lancium的战略转向了人工智能。 Fenn说：“传统的数据中心过去是——现在仍然是——主要为接近城市地区和用户而优化。”“现在一切都改变了，AI数据中心针对大规模的能源可用性、成本和绿色清洁性进行了优化。我们的愿景、园区和技术都为迎接这一更大、更广阔的机会做好了完美准备。” Needham的分析师估计，在未来一到两年内，包括挖矿和高性能计算业务扩张计划在内，大型公开交易的比特币矿商的电力容量预计将增加一倍以上。电力研究所Electric Power Research Institute估计，到2030年，数据中心的用电量将占到全国总用电量的9%，高于2023年的4%左右。许多人认为利用核能是满足这一需求的解决方案。 TeraWulf用核能为其矿场供电，并正在寻求进入机器学习领域。到目前为止，该公司已有2兆瓦的专用高性能计算能力，尽管它计划将其能源基础设施转向人工智能和高性能计算领域。 OpenAI首席执行官Sam Altman去年在接受CNBC采访时表示，他非常相信核能能够满足人工智能工作负载的需求。 Altman说：“我不认为不使用核能就有办法了。”“我的意思是，也许我们可以通过太阳能和存储手段来实现这一目标。但从我的个人角度来看，我觉得利用核能是最有可能也是最好的方式。” 来源：金色财经

金色财经2024-07-19

Grayscale：Crypto x AI项目一览 Crypto如何实现去中心化AI

决中心化AI的缺陷。今年 3 月，知名AI公司 Stability AI 的创始人 Emad Mostaque 离开公司，转而追求去中心化AI，他表示“现在是时候确保AI保持开放和去中心化了”。此外，加密货币企业家 Erik Vorhees 最近推出了 Venice.ai，这是一款专注于隐私的AI服务，具有端到端加密功能。图 1：今年迄今为止，AI赛道表现几乎优于所有加密赛道我们可以将Crypto和AI的交集分为三个主要子类别： 1、基础设施层：为AI开发提供平台的网络（例如NEAR，TAO，FET） 2、AI所需的资源：提供AI开发所需的关键资源（计算、存储、数据）的资产（例如 RNDR、AKT、LPT、FIL、AR、MASA） 3、解决 AI 问题：试图解决 AI 相关问题的资产，例如机器人和深度伪造的兴起以及模型验证（例如 WLD、TRAC、NUM）图 2：AI和Crypto市场地图资料来源：Grayscale Investments 为AI发展提供基础设施的网络第一类是提供无需许可的开放式架构的网络，专为 AI 服务的总体开发而构建。这些资产不专注于某一种 AI 产品或服务，而是专注于为各种 AI 应用创建底层基础设施和激励机制。 Near 在这一类别中脱颖而出，其创始人是“Transformer”架构的联合创始人，该架构为 ChatGPT 等 AI 系统提供支持。然而，该公司最近利用其 AI 专业知识，通过由前 OpenAI 研究工程师顾问领导的研发部门，公布了开发“用户拥有的 AI” 的努力。 2024 年 6 月下旬，Near 启动了其 AI 孵化器计划，用于开发 Near 原生基础模型、AI 应用程序数据平台、AI 智能体框架和计算市场。 Bittensor 提供了另一个可能引人注目的例子。Bittensor 是一个使用 TAO 代币在经济上鼓励AI发展的平台。Bittensor 是 38 个子网络（子网）的底层平台，每个子网络都有不同的用例，例如聊天机器人、图像生成、财务预测、语言翻译、模型训练、存储和计算。Bittensor 网络用 TAO 代币奖励每个子网中表现最佳的矿工和验证者，并为开发人员提供无需许可的 API，通过查询 Bittensor 子网中的矿工来构建特定的AI应用程序。此类别还包括其他协议，例如 Fetch.ai 和 Allora 网络。Fetch.ai 是一个供开发人员创建复杂 AI 助手（即“AI 智能体”）的平台，最近与 AGIX 和 OCEAN 合并，总价值约为 75 亿美元。另一个是 Allora 网络，该平台专注于将 AI 应用于金融应用，包括去中心化交易所和预测市场的自动交易策略。Allora 尚未推出代币，并于 6 月进行了一轮战略融资，使其总融资额达到 3500 万美元的私募资本。 AI发展所需的资源第二类包括以计算、存储或数据的形式提供人工智能开发所需资源的资产。人工智能的兴起对 GPU 形式的计算资源产生了前所未有的需求。诸如 Render (RNDR)、Akash (AKT) 和 Livepeer (LPT) 之类的去中心化 GPU 市场为需要计算进行模型训练、模型推理或渲染 3D 生成式 AI 的开发人员提供了闲置 GPU 供应。如今，据估计，Render 提供约 10,000 个 GPU，重点面向艺术家和生成式 AI，而 Akash 提供 400 个 GPU，重点面向 AI 开发人员和研究人员。与此同时，Livepeer 最近宣布了其新的 AI 子网计划，目标是在 2024 年 8 月完成文本转图像、文本转视频和图像转视频等任务。除了需要大量计算外，AI 模型还需要大量数据。因此，对数据存储的需求大幅增加。Filecoin (FIL) 和 Arweave (AR) 等数据存储解决方案可以作为将 AI 数据存储在中心化 AWS 服务器上的去中心化安全网络替代方案。这些解决方案不仅提供经济高效且可扩展的存储，而且还通过消除单点故障和降低数据泄露风险来增强数据安全性和完整性。最后，OpenAI 和 Gemini 等现有 AI 服务分别通过 Bing 和 Google 搜索持续访问实时数据。这使这些科技公司之外的所有其他 AI 模型开发人员处于不利地位。然而，Grass 和 Masa (MASA) 等数据抓取服务可以帮助创造公平的竞争环境，因为它们允许个人通过将其应用程序数据用于 AI 模型训练来将其货币化，同时保持对个人数据的控制和隐私。尝试解决 AI 相关问题的资产第三类包括试图解决与AI相关的问题的资产，包括机器人、深度伪造和内容来源的兴起。 AI加剧的一个重大问题是机器人和虚假信息的泛滥。人工智能生成的深度伪造已经对印度和欧洲的总统选举产生了影响，专家们“非常害怕”即将到来的总统竞选将涉及由深度伪造严重驱动的“虚假信息海啸”。希望通过建立可验证的内容来源来帮助解决与深度伪造相关的问题的资产包括 Origin Trail (TRAC)、Numbers Protocol (NUM) 和 Story Protocol。此外，Worldcoin (WLD) 试图通过独特的生物识别符来证明一个人的人性，从而解决机器人问题。 AI的另一个风险是确保对模型本身的信任。我们如何相信收到的人工智能结果没有被篡改或操纵？目前有几种协议正在努力通过密码学、零知识证明和全同态加密 (FHE) 来帮助解决这个问题，其中包括 Modulus Labs 和 Zama。结论虽然这些去中心化的AI资产已经取得了初步进展，但我们仍处于这一交叉点的第一局。今年年初，著名风险投资家 Fred Wilson 表示，AI和加密货币是“同一枚硬币的两面”，“web3 将帮助我们信任AI”。随着AI行业的不断成熟，Grayscale Research 认为，这些与AI相关的加密用例将变得越来越重要，这两种快速发展的技术有可能相互支持彼此的增长。很多迹象表明，AI即将到来，并将产生深远的影响，既有积极的，也有消极的。通过利用区块链技术的特性，我们相信加密最终可以帮助减轻AI带来的一些危险。来源：金色财经

金色财经2024-07-18

疯狂裁员再扩招！特斯拉前景三个月焕新，AI和机器人战略性凸显

人才需求扩张，这也契合马斯克对特斯拉的AI公司定位。据彭博社报道，在特斯拉三个月前进行公司史上最大规模的裁员后，该公司正计划招聘近800名新员工。据统计，今年第一季交车量季减20%的情况促使马斯克进行了相近比例的裁员，员工数量从年初的超14万人中裁减了2.8万人。最近几周，特斯拉招聘页面频频出现新的招聘信息，岗位涵盖人工智能专家和一些相对普通的服务岗。特斯拉招聘情况的改善反映出公司策略布局的优化和对未来业务增长的看好，这也与近期特斯拉股价飙升相呼应。周二收盘，特斯拉股价上涨1.55%，过去14个交易日中有13天上涨，市值增长了超2230亿美元。特斯拉近一个月近37%，这主要受到第二季汽车交付超预期的提振，再加上无人驾驶出租车Robotaxi、储能业务强劲增长等利好。尽管新放出的800个岗位远低于特斯拉今年裁减的成千上万职位，新岗位也可能无法展示公司招聘的全貌，但这些岗位信息也透露了马斯克对这家公司发展的战略布局。新岗位主要聚焦于AI和机器人，至少25个岗位与自动驾驶开发或Autopilot有关，超30个岗位专注于人形机器人Optimus。马斯克曾表示，他现在将特斯拉看作是一家AI、机器人和永续能源公司，而非仅仅是一家电动车公司。加拿大皇家银行资本市场RBC分析师Tom Narayan表示，特斯拉的长期价值将来自于自动出租车和自动驾驶软件，即使这些产品还需要数年才能推出。但Narayan认为，「自动驾驶将颠覆产业，这就足够了」。储能业务方面，在此前一锅端走超充站团队近500人后，近期也新增了这方面的岗位。 Narayan表示，特斯拉快速扩张的储能业务是关键的长期增长领域。 7月初公布的数据显示，特斯拉旗下能源子公司Tesla Energy今年第二季部署的电池储能产品季增129%创历史单季最佳。摩根士丹利认为这是特斯拉的「关键底牌」，坚定看好特斯拉储能业务。原文链接

投资慧眼2024-07-17

Bankless：为什么风投公司大举押注Crypto x AI

人都将使用人工智能”，所以说你投资一家AI公司“就像说‘我投资的是一家有网站的公司’一样愚蠢。” 这不仅仅是猜测，而是明显的趋势。就像互联网一样，AI正在成为主流应用。有趣的是：AI和Crypto正在成为一个强大的组合。还记得那些关于吸引10亿新加密用户的讨论吗？忘掉人类用户吧，未来Crypto的主要用户可能是AI机器人。专家认为，到2030年，AI和Crypto将为全球经济增加数万亿美元。通过尽早进入并支持合适的参与者，风投希望能在这一新兴领域创造的巨大价值中占据大份额。残酷的现实是，对于大多数风投来说，AI的列车可能已经驶离车站。OpenAI（估值800亿美元）、xAI（估值240亿美元）和Anthropic（估值超过180亿美元）等公司的估值高得离谱。除了少数几家公司外，其他公司都无法参与大型AI科技公司的交易。 Crypto提供了一种引人注目的替代方案：无需花费数十亿美元即可参与AI未来。此外，风投公司正在从公开市场购买Crypto x AI代币。例如Polychain、Digital Currency Group和dao5购买了价值数亿美元的TAO （Bittensor）代币。也许最好的情形是，在Crypto x AI的背景下，散户投资者也有机会参与其中。信任鸿沟目前的AI就像一场隐藏着底牌的高风险扑克游戏。像OpenAI等公司以“闭门造车”的研究方式，开发了价值数十亿美元的解决方案。这种研发方式可能对他们有益，但却给风投和公众造成了巨大的信任鸿沟。尤其当他们自己的董事会上演了一场公开闹剧，你怎么能信任OpenAI这样的公司？（相关阅读：Altman为何被罢免？详解OpenAI内乱的来龙去脉）另一方面，Crypto x AI是由代币推动的开源开发，以协调激励措施。通过这种方式，可以构建为所有相关人员服务的人工智能，而不是服务于公司或国家。风投们认为，开源的方法将带来更快的创新，更广泛的人才，并最终为所有参与者带来更大的利益。害怕错过？科技行业对炒作周期并不陌生，目前围绕Crypto和AI的热潮也不例外。这是一次或能实现巨大回报的机会，有时会产生一种紧迫感，甚至可能FOMO。即使具体细节仍有些模糊，Crypto x AI仍是一个难以抗拒的叙事。然而，承认内在的不确定性很重要。风投仍然是有根据的猜测，专业人士也在边做边学。 Crypto x AI会成为这轮周期的最佳叙事，还是只是另一个过度炒作的噱头？只有时间会告诉答案。目前仍处于这一前沿领域的早期阶段，风投们正带着乐观、谨慎和少许投机热情押注。问题是，您是否也押注了？来源：金色财经

金色财经2024-07-14

全同态加密技术如何解锁AI新用例：以Privasea为例

方都在试图使用 AI，但是考虑到大量 AI 公司的美国背景，大概情报部门要被穿透得千疮百孔了。但是如果不使用 AI，又自然会落后一大截。哪怕现在可能差距还不大，再给 10 年时间，也许我们都无法想象没有 AI 的世界了。因此，数据隐私，大到两国战争冲突，小到手机人脸解锁，无处无存在于我们的生活。而 AI 的时代，如果 FHE 技术能够真正成熟，那无疑是人类的最后一道防线。来源：金色财经

金色财经2024-07-12

为什么全球顶级VC纷纷大举押注去中心化AI

人都会使用AI”，因此说你正在投资一家AI公司“将和说‘我正在投资一家有网站的公司’一样愚蠢。” 这并非只是一种推测，而是一种明显的趋势。就像互联网一样，AI正在走向主流应用。破产：风险投资公司转向人工智能觉醒：风险投资公司等待其加密货币投资组合转向人工智能Pantera Capital....正在筹集 10 亿美元的新基金。该基金表示，所有加密货币公司都将在未来 10 到 20 年内成为AI公司。它在其早期基金中已将 15% 至 20% 的资本投资于与人工智能相关的区块链项目，新基金的比例将更高。有趣的是：AI和加密货币正在成为一个强大的组合。还记得所有关于吸引 10 亿新加密货币用户的讨论吗？忘掉人类用户吧；加密货币的未来超级用户可能是AI智能体。专家认为，到 2030 年，加密货币和AI的综合力量将为全球经济贡献数万亿美元。通过尽早进入并支持合适的参与者，风险投资公司希望能够在这一新兴领域创造的巨大价值中占据很大份额。残酷的现实是，对于大多数风险投资公司来说，AI这趟列车可能已经驶离了车站。OpenAI（估值800 亿美元）、xAI（估值240 亿美元）和 Anthropic（估值超过180 亿美元）等公司的估值高得离谱，使得除了少数几家公司之外，其他所有公司都无法参与大型科技AI交易。加密货币提供了一种引人注目的替代方案——无需开出十亿美元的支票即可参与AI未来的后门。 AI 是风险投资*有史以来*最后一个盈利垂直领域，90% 的风险投资公司的价格超出了传统交易的范围（OpenAI 1000 亿美元，Anthropic 200 亿美元，甚至小型硅谷公司开盘价也超过 10 亿美元）。Crypto x AI 是有意义的，因为代币本质上是商业股权，流动性强，能更好地反映零售情绪，交易溢价与任何非加密 AI 初创公司相似。一旦 openAi 的 Sora 上市，中国和亚洲大部分地区展示他们的优秀技术，预计会出现最大的 AI 狂潮。此外，风险投资公司也在公开市场购买Crypto x AI 代币。例如，据报道，Polychain、Digital Currency Group 和 dao5购买了价值数亿美元的$TAO (Bittensor)。也许最好的部分是，在Crypto x AI 的情况下，散户投资者也有机会参与其中。信任缺口 AI的现状就像一场隐藏着底牌的高风险扑克游戏。OpenAI 等公司基于闭门研究开发了价值数十亿美元的解决方案。虽然这可能对他们有利，但这会给风险投资公司和公众带来巨大的信任缺口。当他们自己的董事会会议室成为一场公共闹剧时，你怎么能相信像 OpenAI 这样的公司呢？我仍在思考这样一个事实：OpenAI董事会解雇了Sam，因为他不值得信任，而整个超级对齐团队也因安全问题辞职，几个月来我一直在想到底发生了什么，对于任何人来说，都有很多内容可以参考另一方面，Crypto x AI 完全是关于开源开发，由代币推动以协调激励机制。这样，我们可以构建服务于所有参与者的AI，而不是服务于公司或国家。风险投资公司认为，开源方式将带来更快的创新、更广泛的人才库，并最终为所有参与者带来更大的利益。 FOMO？科技行业对炒作周期并不陌生，目前围绕加密货币和AI的讨论也不例外。这是实现巨大回报的机会，有时会产生一种紧迫感，甚至是一种FOMO。即使具体细节仍有些模糊，Crypto x AI 也是一种难以抗拒的叙事。然而，承认内在的不确定性很重要。风险投资仍然是有根据的猜测，专业人士也在边做边学。 Founders Fund 最近撰文指出，开源 AI 是“模型构建者的糟糕投资”，这证明了他们投资 OpenAI 的合理性。今天他们宣布投资 8500 万美元打造开源 AI 开发平台，并指出真正的风险在于 Google 和 Meta，而非 OpenAI。 Crypto x AI会成为本轮周期中最佳的叙事吗？还是只是又一个被过度炒作的时尚？只有时间能告诉我们答案。目前，很明显我们仍处于这个激动人心的领域的早期阶段，风险投资家们正以乐观、谨慎和一丝投机热情进行下注。问题是，你是否正确持仓了？来源：金色财经

金色财经2024-07-12

SOL的ETF如果通过这些代币将有望上升10倍

IO 功能: 分享未使用的GPU容量给AI公司价格: $3.33 市值: 3.13亿美元 $W 功能: 跨区块链的代币化资产无缝转移价格: $0.33 市值: 6.13亿美元 $TNSR 功能: Solana上的第二大NFT市场价格: $0.65 市值: 7500万美元 $PRCL 功能: 房地产合成资产的永续合约交易价格: $0.22 市值: 2690万美元 $DRIFT 功能: 去中心化交易平台价格: $0.43 市值: 7800万美元 $RAY 功能: 增强流动性的DeFi协议价格: $1.64 市值: 4.31亿美元 $NEON 功能: EVM链到Solana的dApp开发和部署价格: $0.47 市值: 4200万美元 $SLND 功能: 去中心化借贷协议价格: $0.4 市值: 1800万美元虽然Solana ETF传闻尚未得到证实，但投资者不应忽视这一潜在的市场机会。通过分析Solana生态系统中的顶级代币并制定相应的投资策略，可以在市场波动中找到机会。投资者需保持关注，并在确认消息后迅速调整投资组合，以获取最大收益。来源：金色财经

金色财经2024-07-10

当你不再相信这是牛市、牛市才不会消失

花了 12 个月以上才创下新高。大型AI公司风头盖过加密货币也许市场见顶并不是因为加密货币不好，而是因为 AI 更具吸引力。我们正在看到历史上最单薄的股票反弹（由大型 AI 公司主导）。尽管获取比特币 ($BTC) 的途径前所未有地好，但散户需求增长缓慢。为什么？最大狂热是否已经过去？最大的狂热可能已经过去。这一周期可能只是昙花一现。证据：memecoin 在 2024 年第一季度达到顶峰，此后呈下降趋势。比特币 ($BTC) 在 2024 年第一季度达到顶峰（巧合吗？） Memecoin超级周期=顶部信号「memecoin 超级周期」的概念可能是最终的顶部信号。 2021 年也出现了类似的顶部信号，当时有人预测比特币 ($BTC) 会进入超级周期（$250k+ $BTC）。由于这一周期的幻灭感较少，也许我们更快地进入了 memecoin 狂热。 Memecoin领域的主导地位首次，memecoin 已成为 CoinMarketCap (CMC) 上最受欢迎的类别。没有实际应用推动有机需求，山寨币能在投机泡沫中运行多久？通过对冲获利即使我们可能已经达到顶部，也不意味着所有希望都破灭了。通过做空弱势山寨币来对冲强势山寨币可能会非常有利可图。这使你能够从下跌中获利，同时仍然保持市场参与。比特币主导地位上升在风险规避的市场中，投资者卖出山寨币换取比特币 ($BTC) 往往会增加比特币的主导地位。做空弱势的 ALT/BTC 交易对对来捕捉这一趋势可能会非常有利可图。我认为比特币主导地位 ($BTC.D) 到 2024 年第四季度可能达到 60%。从风投贪婪中获利要识别那些供应过剩且风投未实现利润巨大的币种。如果四年周期被打破怎么办？想象一下，如果 2024 年 3 月只是接下来 6-12 个月的峰值？这还算是周期顶部吗？鉴于这一周期迄今为止的上涨有限，预期下跌也会较少是合理的。因为短周期 + 低波动性。宏观顶部尚未出现？尽管有一些潜在信号，但周期顶部可能还没到（个人观点，仅供参考）。流动性是最关键的因素，有强有力的证据表明峰值可能会在 2025 年出现。虽然当前流动性较低，但我们似乎正处于重大转变的边缘来源：金色财经

金色财经2024-07-10

24小时热点