FX168财经网_全球视野外汇黄金加密货币NFT资讯网

石药集团：与AI公司达成战略合作

2023年8月21日，石药集团(01093.HK)在港交所公告，本集团分别与英硅智能（上海）科技有限公司和深圳晶泰科技有限公司在创新药研发人工智能(AI)领域达成战略合作协议。基于协议，本集团将充分应用自身深厚的药物研发经验，结合英硅智能、晶泰科技在创新药研发领域领先的AI技术平台，聚焦于具有高度临床需求的战略品种，以AI辅助药物设计，提高新药筛选效率和成功率，共同推动集团创新药物的研发。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-08-21

2000多家基金向中国投资2940亿美元！贝莱德等美企恐面临更严格的审查

令限制了对半导体、量子计算和人工智能(AI)公司的投资，并在近两年的审议中缩小到一种更谨慎的方式。该指令可能于明年生效，最终可能将被动型投资、公开交易证券、指数基金和其他资产排除在外。威斯康辛州共和党众议员、众议院中国特别委员会主席迈克·加拉格尔(Mike Gallagher)在一封电子邮件中表示，他和他的同事们正在关注与中国有关的公开上市股票、债券和ETF。 “但行政命令不涉及这些，”加拉格尔说。“如果我们想阻止美国资金资助中国的军事承包商和侵犯人权者，那么国会就需要站出来，解决这个大得多的问题。” 加拉格尔和他的委员会已将矛头对准了全球最大的基金管理公司贝莱德和美国最大的指数提供商之一摩根士丹利资本国际(MSCI。中国事务特别委员会称，贝莱德旗下有5只基金，总计逾4.29亿美元投资于违反美国利益的中国公司。据该委员会称，这些基金投资了20家与政府的一个或多个观察名单有关的公司。贝莱德拒绝置评，并援引早些时候的一份声明称，该公司将对众议院委员会作出回应，并遵守适用的美国法律。MSCI表示，它正在与众议院委员会进行“建设性的接触”，它不会管理、推荐或促进在任何国家的投资。 ETF数据和分析公司VettaFi的研究主管Todd Rosenbluth表示，作为全球最大的基金管理公司，贝莱德在调查开始时更有可能受到关注。 “贝莱德是众多投资新兴市场，尤其是中国市场的资产管理公司之一，”Rosenbluth表示。“如果这是国会需要担心的事情，那么它不是针对一家指数提供商和一家资产管理公司——它是一个更广泛的行业事件。” 过去几年，美国政府加大了对在华投资的监管力度，催生了一系列政府观察名单，资产管理公司必须仔细斟酌。美国国防部有一份中国军工企业的名单，而国土安全部则追踪使用强迫劳工的中国企业。由美国财政部管理的第三份名单，限制购买或出售某些中国军工企业的证券，同时也允许基金经理和美国投资者保持对这些公司的现有持仓。美国财政部说，这份名单并不适用于一家公司的所有子公司或相关实体。由于受到的限制程度不同，美国共同基金和ETF持有许多与不同美国政府上市公司相关的证券。例如，根据彭博截至7月31日的数据，价值730亿美元的先锋富时新兴市场ETF有近三分之一的资产配置在中国，并持有中广核电力有限公司和浪潮电子信息产业有限公司的股份。根据彭博社的数据，DWS集团旗下价值22亿美元的Xtrackers嘉实沪深300中国A股ETF持有约800万美元的中国中船控股有限公司股票。该公司不在财政部的名单上，而中国船舶工业集团公司在名单上。在中国投资可能会变得更加复杂。美国德克萨斯州共和党参议员约翰·科宁(John Cornyn)和宾夕法尼亚州民主党参议员鲍勃·凯西(Bob Casey)带头努力，在美国国防立法中加入一项条款，要求对美国在华投资进行更多通报。该法案在参议院获得了广泛的两党支持。 “我们正在遵守适用的美国法规，并密切关注事态发展，”Xtrackers发言人Kenny Juarez在一封电子邮件中说。先锋集团在一份声明中表示，该公司完全符合财政部的清单。富达拒绝置评。

财经风云2023-08-16

加密新叙事的核心：Web3、AI or 数藏NFT ?

他建造创意未来。此外，美团已正式入股AI公司光年之外，去哪儿也与华为就AI与智慧全场景等业务达成合作。在融资方面，一些AI公司很受资本的青睐，比如，AI与Web3初创公司Moonbox完成100万美元融资，AI 驱动机器人初创公司来飞智能再获Pre-A 轮融资等。数字藏品NFT的进展同样令人兴奋！此前，数字藏品生态平台iBox链盒与世界街舞冠军肖杰合作，将街舞技艺以数字化形式呈现，便给大家带来很多惊喜。iBox上线肖杰藏品当天，肖杰佩戴iBox联名款棒球帽跳舞的视频在各大平台被疯狂转发，引起了很大轰动。这次的跨界合作，被业界称为“顶流合作”。 8月9日，鲸探更新重磅公告，将转赠期限由用户持有藏品达到90天调整为24小时。对此，业内资深人士解读称，这将在某种程度上鼓励数字藏品的流通，接下来对鲸探数字藏品收藏者来说或是重大利好，甚至给整个行业带来一波春天。不只是国内数字藏品，国外NFT的发展也有很多振奋的消息。比如，拥有256年历史的拍卖行佳士得与奢华时尚品牌Gucci合作，推出数字艺术NFT系列；谷歌商店发布数字资产政策，允许应用和游戏中出现NFT；音乐NFT平台Sound.xyz完成2000万美元A轮融资，a16z领投…… 交易平台创始人CZ也表示，希望人们能够找到更实用、更常见的应用场景来使用 NFT，它不仅仅是用于出售数字艺术品。提到更实用、更常见的应用场景，在经历了行业早期的拓荒探索之后，很多从业者越发坚信虚实结合必将是数藏NFT主要发展前景之一。比如，iBox就曾与南山滑雪场、百达星系、温莎KTV等达成合作，用数字化形式赋能实体产业。具体来说，以南山滑雪场为例，iBox专门打造出绑定了实体权益的南山滑雪场数字藏品，提供购买藏品的用户在iBox官方平台兑换实体滑雪票的机会，让用户可以亲身体验滑雪体育活动的乐趣，实现从线上到线下的梦幻联动。放眼整个市场，虽然不乏悲观的情绪，但数据显示，2023年全球NFT市场再现增长迹象。Dappradar前瞻产业研究院就指出，1月市场交易量达到2022年6月以来的最高水平，售出NFT达920万份，实现交易金额超过9亿美元，较2022年12月增长38.5%。整体来看，2023年宏观经济紧张局势缓解以及行业头部参与者，如Yuga Labs 等，不断推出新系列，NFT市场再次呈现增长现象。毫无疑问，数字藏品NFT是数字经济发展的必然结果，随着市场参与者的增加和不断创新，整个市场也将迎来更广阔的发展前景。与此同时，加密新叙事也在谱写诸多新篇章，它的核心是Web3、AI or 数藏NFT ?还是哪些新机会？期待时间给出答案。来源：金色财经

金色财经2023-08-15

2023年 AI芯片公司正被夺命三连问

于百万的小模型由此诞生。例如谷歌旗下的AI公司DeepMind，让AlphaGO对上百万种人类专业选手的下棋步骤进行专项“学习”。而小模型多了之后，硬件例如芯片的适配问题迫在眉睫。故，当英伟达推出统一生态CUDA之后，GPU+CUDA迅速博得计算机科学界认可，成为人工智能开发的标准配置。现如今纷纷涌现的大模型具备多模态能力，能够处理文本、图片、编程等问题，也能够覆盖办公、教育、医疗等多个垂直领域。这也就意味着，适应主流生态并非唯一的选择：在大模型对芯片需求量暴涨之时，芯片厂商或许可以只适配1-2个大模型，便能完成以往多个小模型的订单。也就是说，ChatGPT的出现，为初创芯片厂商们提供了弯道超车的机会。这就意味着，AI芯片市场格局将发生巨变：不再是个别厂商的独角戏，而是多个创新者的群戏。当算力成为稀缺货，同时适应主流生态不再成为必选项时，存算一体难掩光芒。此时，要不要投入，要投入多少，成为摆在AI芯片厂商面前的第二道难题。对此，“过来人”芯片巨头NVIDIA摸爬滚打多年给出的答案是，勇于创新，重金投入：每一个新兴技术的研发厂商，在前期无疑要面临技术探索碰壁，下游厂商不认同等各个层面的问题。而在早期，谁先预判到未来的发展趋势，并勇于迈出探索的脚步，铺下合理的资源去尝试，就会抢到先机。当数据中心浪潮还未铺天盖地袭来、人工智能训练还是小众领域之时，英伟达已经投入重金，研发通用计算GPU和统一编程软件CUDA，为英伟达谋一个好差事——计算平台。而在当时，让GPU可编程，是“无用且亏本”的：不知道其性能是否能够翻倍，但产品研发会翻倍。为此，没有客户愿意为此买单。但预判到单一功能图形处理器不是长远之计的英伟达毅然决定，在所有产品线上都应用CUDA。在芯东西与英伟达中国区工程和解决方案高级总监赖俊杰博士的采访中，赖俊杰表示：“为了计算平台这一愿景，早期黄仁勋快速调动了英伟达上上下下非常多的资源。” 远见+重金投入，在2012年，英伟达拿到了创新者的奖励：2012年，深度学习算法的计算表现轰动学术圈，作为高算力且更为通用、易用的生产力工具，GPU+CUDA迅速风靡计算机科学界，成为人工智能开发的“标配”。在AI大算力芯片的征途上，存算一体芯片迎来了自己的“黄金期”，超前投入，是为正解。 PART-02 非技术、资金雄厚者，勿进窥见到存算一体的种种好处，现阶段，存算一体芯片玩家阵营日益庞大。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）据偲睿洞察不完全统计，自2019年起，新增的AI芯片厂商，多数在布局存算一体：在2019-2021年新增的AI芯片厂商有20家，在这之中，有10家选择存算一体路线。这无一不说明着，存算一体将成为继GPGPU、ASIC等架构后的，一颗冉冉升起的新星。而这颗新星，并不是谁都可以摘。在学界、产界、资本一致看好存算一体的境况下，强劲的技术实力、扎实的人才储备以及对迁移成本接受度的精准把控，是初创公司在业内保持竞争力的关键，也是挡在新玩家面前的三大门槛。强劲的技术实力，永远是芯片领域的最高山。首先是存算一体“涉猎广泛”，涉及到芯片制造的全环节：从最底层的器件，到电路设计，架构设计，工具链，再到软件层的研发；其次是其“牵一发而动全身”：在每一层做相应改变的同时，还要考虑各层级之间的适配度。我们一层一层来看，一颗存算一体芯片被造出来，有怎样的技术难题。首先，在器件选择上，厂商就“如履薄冰”：存储器设计决定芯片的良率，一旦方向错误将可能导致芯片无法量产。其次是电路设计层面。电路层面有了器件之后，需要用其做存储阵列的电路设计。而目前在电路设计上，存内计算没有EDA工具指导，需要靠手动完成，无疑又大大增加了操作难度。紧接着，架构层面有电路之后，需要做架构层的设计。每一个电路是一个基本的计算模块，整个架构由不同模块组成，存算一体模块的设计决定了芯片的能效比。模拟电路会受到噪声干扰，芯片受到噪声影响后运转起来会遇到很多问题。这种情况下，需要芯片架构师足够了解模拟存内计算的工艺特点，同时针对这些特点去设计架构，在此基础上，还要考虑到架构与软件开发的适配度。软件层面架构设计完成后，还需要开发相应的工具链。（图源：偲睿洞察《AI大算力芯片行业报告-百舸争流，创新者先》）而由于存算一体的原始模型与传统架构下的模型不同，编译器要适配完全不同的存算一体架构，确保所有计算单元能够映射到硬件上，并且顺利运行。一条完整的技术链条下来，考验着器件、电路设计、架构设计、工具链、软件层开发各个环节的能力，与协调各个环节的适配能力，是耗时耗力耗钱的持久战。同时，根据以上环节操作流程可以看到，存算一体芯片亟需经验丰富的电路设计师、芯片架构师。鉴于存算一体的特殊性，能够做成存算一体的公司在人员储备上需要有以下两点特征： 1、带头人需有足够魄力。在器件选择（RRAM、SRAM等）、计算模式（传统冯诺依曼、存算一体等）的选择上要有清晰的思路。这是因为，存算一体作为一项颠覆、创新技术，无人引领，试错成本极高。能够实现商业化的企业，创始人往往具备丰富的产业界、大厂经验和学术背景，能够带领团队快速完成产品迭代。 2、在核心团队中，需要在技术的各个层级中配备经验丰富的人才。例如架构师，其是团队的核心。架构师需要对底层硬件，软件工具有深厚的理解和认知，能够把构想中的存算架构通过技术实现出来，最终达成产品落地； 3、此外，据量子位报告显示，国内缺乏电路设计的高端人才，尤其在混合电路领域。存内计算涉及大量的模拟电路设计，与强调团队协作的数字电路设计相比，模拟电路设计需要对于工艺、设计、版图、模型pdk以及封装都极度熟悉的个人设计师。而这一系列的人才与技术，都要以落地效果为终极目标——落地才是第一生产力。在交付时，客户考量的并不仅仅是存算一体技术，而是相较于以往产品而言，存算一体整体SoC的能效比、面效比和易用性等性能指标是否有足够的提升，更重要的是，迁移成本是否在承受范围内。如果选择新的芯片提升算法表现力需要重新学习一套编程体系，在模型迁移上所花的人工成本高出购买一个新GPU的成本，那么客户大概率不会选择使用新的芯片。因此，存算一体在落地过程中是否能将迁移成本降到最低，是客户在选择产品时的关键因素。在大模型背景下，存算一体芯片凭借着低功耗但高能效比的特性，正成为芯片赛道，冉冉升起的一颗新星。现如今，存算一体市场风云未定，仍处于“小荷才露尖尖角”阶段。但我们不可否认的是，存算一体玩家已然构筑了三大高墙，非技术实力雄厚，人才储备扎实者，勿进。来源：金色财经

金色财经2023-08-12

阿里巴巴FY2024Q1业绩电话会分析师问答

提供商，我们最好的变现模式就是让所有的AI公司，所有的模型都使用阿里云的基础设施，我们高性能、低成本的算力来做他们的AI。所以我觉得我们在阿里云做基础模型，部署这个，部署到我们的云基础设施上，不仅仅是跑我们自己的模型，也是为了帮助我们的云行业合作伙伴，用这个基础模型来做他们的微调，在他们的垂直行业和他们自己的定制应用程序中建立自己的模型。所以我认为这对我们来说是一个巨大的机会。我认为我们将尽一切努力确保我们提供一流的服务，以帮助这些新一代的创新在我们的云基础设施上发生。谢谢。再补充一点，就是当我们谈论这个生态系统时，我们坚信在这个人工智能新时代，有一个新的生态系统正在孵化。这就是为什么我们做了很多工作来发展我们的模型，我们的社区模型范围，以确保所有相关模型，市场上所有好的模型，不仅来自阿里巴巴，绝大多数来自生态系统，以使所有正如我在脚本中所说，我们为开发人员、行业合作伙伴提供了可用的模型，并且我们提供工具、应用程序来帮助他们使用这些模型和许多开源模型。从我们的角度来看，我们也将继续努力升级我们的模型，并继续我们的模型开源策略。使用模型的人越多，使用计算能力的人就越多。这就是简短的答案。邵炯我有一个关于人工智能的后续问题要问。我们知道阿里巴巴已经推出了微型模型，最近又开放了两个模型，您还托管了 Meta 的模型。我想知道我们是否考虑过中国的未来格局，比如说三到五年后，这个格局会是什么样子，有多少基础模型将被证明是成功的，专有与开放之间的混合会是什么样子当时的型号来源？以及哪些因素将导致这些不同的竞争对手在此期间的成功或失败。张勇嗯，这是一组非常好的问题，但很难回答，因为它们非常出色。我们正站在一个新时代的来临，一个前所未有的新时代，事物发展如此之快，以至于大多数人每隔一个月观察一次事物，并逐月跟踪变化。因此，谈论三到五年后的未来会是什么样子是极其困难的。也许我可以与你们分享我自己对一些更大问题的观察和思考。当然，目前中国已经有很多公司正在研究大型语言模型。我认为，从广义上讲，这些公司基本上有两种发展途径。阿里巴巴选择了一种，因为我们是云提供商。因此，我们开发了这些大型语言模型。随着我们不断发展它们，我们将继续开放它们，使它们可用，甚至将它们开源以让更多的人使用它们。因此，我们提供的基础模型旨在成为一种通用应用程序，以使社区最广泛的群体受益，使开发人员可以在这些模型的基础上开发应用程序。但与此同时，这个市场上也会有一些参与者，尽管他们刚刚开始开发基础模型，但我们很快就会开始关注他们拥有专业知识的一些特定领域。当然，这些都是要取得成功的领域，他们需要拥有大量高质量的数据以及对这些数据的深入洞察。但一些公司会从开发这些额外的模型开始，但很快就会转向开发特定的应用程序。所以这是可以预见的。当然，我谈到的第二类今天可能会说他们正在研究大型模型或大型语言模型。但事实上，他们最终将致力于垂直模型。但今天很难知道并区分两者。但我要补充的另一个重要观点是，人工智能并不仅仅因为是人工智能而有价值。事实上，它具有彻底改变跨行业和部门（包括 2c 和 2b）的所有现有应用程序和服务的巨大潜力。因此，如果你看看当今互联网上存在的所有不同的应用程序和服务，所有这些都可以通过人工智能进行重新思考、振兴和升级。所以我们在阿里巴巴内部就这么说。我们所做的一切、我们拥有的所有服务都可以利用人工智能重新思考和重做。我认为对于所有不同行业和部门的所有参与者来说都是如此。托马斯·庄我有一个关于国际业务的问题。鉴于我们在不同国家看到的强劲表现，只是想了解管理层对不同地区竞争格局和我们增长战略的想法。接下来的一个问题实际上是关于物流方面的。鉴于中国市场的强劲表现，我们应该如何思考中国业务与国际业务之间的协同效应，以提升用户体验？张勇是的。事实上，我们报告了一个非常好的季度。对于我们的AIDC，我们的海外数字商务业务，我们很高兴看到我们的策略经过几个季度的努力，我们看到了成功的强烈迹象。我们坚信这是一个可持续的趋势。正如你所问的，我认为我们正在努力寻找我们在全球市场上的独特地位。当我们谈论全球市场时，我们按市场、按地区、不仅按地区、按国家都有非常明确的目标，因为消费与文化高度相关，与当地零售格局高度相关。因此，我们需要找到我们的独特性、独特的优势，为目的地国家的客户创造真正的价值。我们单位的优势，当然优势之一就是来自中国的供应。我认为选择模型只是为了通过端到端的整合集成供应链来释放优势。因此，展望未来，我们将继续扩大这一模式，并随着平台模式和不同市场的增长。我们已经贬低了一些业务的市场策略。我们——我们专注于跨境。这可能是某些企业的主要原因。但对于其他一些市场，我们专注于本地到本地作为主菜，加上来自中国的跨境作为甜点。今天也可以从中国跨境，明天也许可以从其他国家跨境。此外，我们正在努力利用我们在中国的强大覆盖范围和 B2B 业务，因为我们拥有非常成功的 B2B 业务，基本上与我们的许多中国出口商有着非常密切的联系。他们都是中小企业。其中一些销售工业产品，但我们的许多边境销售消费品。因此，我的意思是，这可能是一个巨大的飞轮，用于连接从 B2B 到 B2C 的集成供应链。因此，对于你的第二个问题——关于统一和AIDC的问题，我认为本季度是一个非常好的例子——展示了我们如何在阿里巴巴不同业务部门之间创造协同效应的一个很好的例子。所以，我认为IDC强劲增长的主要原因之一是我们改善的物流和服务体验以及我们注册网络的强劲表现。那么比如说现在我们提供的是全球五日送达，也就是说五天内全球送达。如果能够给距离中国千里之外、几十音里的客户一种高确定性的物流体验。这可能是最好的用户获取工具和用户获取模型。因此，如果可以的话，如果我们将这两者结合在一起并看到非常强大的协同效应，我们将继续这样做，一方面是加强分类策略，以确保我们拥有正确的供应。二是提升物流服务水平和能力，确保客户良好体验。如果他们在最初的几次尝试中获得了良好的体验，他们就会和我们一起。我认为他们有——因为有了良好的经验，对吧，中国供应的价格点在世界上具有独特的优势。詹姆斯·李还有一个专门针对云计算的后续问题。丹尼尔，你能评论一下，显然，评论一下技术，这非常有帮助。您能否从营销的角度谈谈，您在短期内追求哪些垂直行业对于推动业务增长很重要？为什么？张勇是的。事实上，云与所有行业都有关系。如果你问我我们优先考虑哪些行业，我会说，实际上，首先，我认为互联网公司，我认为因为所有互联网公司都是数字原生公司，他们应该 - 发展他们的业务云。所以从这一部分来看，我觉得如果你看一下阿里云的历史，我们会和中国的互联网公司特别是移动互联网公司一起成长。所以我觉得在这一部分，我觉得我们还有很大的渗透空间来帮助所有的互联网公司。如今，并非所有这些都是纯粹的数字原生、数据驱动的。即使每个人都有移动应用程序和网页。但我认为他们的数字化水平和数字化的复杂程度是有很大不同的。所以我觉得在这方面我们还是可以和他们紧密合作，从云基础设施的渗透入手，也可以对过去的产品进行更多的渗透。我认为今天的部分服务和人工智能服务。所以我认为互联网显然是一个非常重要的行业，也是金融服务业，因为金融服务业是一个非常大的行业。而且这个行业有很多公司，很多类型的子行业。所以我认为我们在这些方面也花费了很多资源。此外，我们还开发了我们的服务和产品服务来服务于汽车等行业。因为如果你看看电动汽车公司和所有电动汽车公司，无论它们是新的电动汽车或新的电动汽车[音频不清晰]还是现有的公司，我认为很快，它们全部都是纯粹的数字驱动型公司。他们是一家数据驱动的公司。所以我认为我们会——一般来说，我只会给你们举几个例子。但总体来说，我们会重点关注数字化程度较高的行业，优先考虑行业数字原生代。或者他们进行了非常成功的数字化转型，或者从第一天起他们就成为了数字原生代。所以这是我们的重点和策略。谢谢。施家龙我的问题与电子商务有关。我想知道您是否可以与我们谈谈您对天猫和淘宝九月份季度的每日活跃用户数和收入的看法。然后回到六月季度，我们看到利润率同比下降。因此，如果您可以的话，请与我们谈谈六月季度以及天猫超市、天猫和淘宝的保证金。张勇谢谢。所以在天猫超市，这是我们自己经营的1P业务，利润不断提高。今年，我们投入了大量资金来改善天猫超市的用户体验，作为在中国 20 个城市推出半日达服务的一部分。在那些实行半日达的城市，我们看到用户订单规模和用户满意度的增长有非常非常显着的改善。电子商务一般作为一种商业或业务当然受到多种不同因素的影响，包括宏观经济环境和竞争。因此，我们不关注短期的竞争动态和增长数字，而是更关注确保公司业务的长期发展，然后不断超越自己。正如我之前所说，考虑到未来道路上可能存在的不确定性和波动性，今天的投资和建设我们自己的能力就显得尤为重要。因此，未来三年，我们将继续坚定地投资于扩大用户规模、优化用户体验，帮助商户发展业务，改善我们为商户提供的服务。我们在电子商务领域拥有二十多年的丰富经验和洞察力。基于此，我对我们未来继续保持用户规模和商户规模双重领先地位的能力充满信心。我们今天所做的投资肯定会在未来带来回报，推动收入和利润增长。

老虎证券2023-08-11

如何把握加密货币BTC行情快来看看今天的重要事件

重要。与此同时，拜登政府为人工智能（AI）公司分配了 20 万美元的奖励，以帮助保护该国的关键基础设施，美国证券交易委员会（SEC）希望对 <> 月份针对 Ripple 的案件中关于 XRP 程序化销售的决定提出上诉瑞波币 $0.63 前货币主计长敦促稳定币立法前 Binance.US 首席执行官兼美国货币监理署署长布莱恩·布鲁克斯（Brian Brooks）与经济学院长查尔斯·卡洛米里斯（Charles Calomaris）撰写了一篇专栏文章，内容涉及推动美国合理稳定币监管的必要性。在《华尔街日报》9月<>日发表的一篇文章中，布鲁克斯和卡洛米里斯认为，稳定币的发展可能有助于维持美元的全球储备地位。“如果稳定币蓬勃发展，其他国家的公民将增加对美元的需求，独立于（也许与政府的政治决定相反），”作者写道。未能促进稳定币的发展最终可能导致去美元化——这一过程可能会破坏美国经济并削弱消费者的购买力。众议院金融服务委员会主席帕特里克·麦克亨利（Patrick McHenry）在7月提出了《稳定币清晰法案》（Clarity for Stablecoins Act），但该立法在国会缺乏两党支持。拜登政府发起人工智能网络安全挑战以“保护美国人” 拜登政府为人工智能公司分配了20万美元的奖励，以帮助保护该国的关键基础设施。初赛阶段将选出多达 20 支表现出色的团队进入 DEF CON 2024 的半决赛，所有团队都有资格赢得高达 2 万美元的奖金，并进入 DEF CON 2025 决赛。参与者将被要求公开分享其系统的内部工作原理，以便更广泛地利用其解决方案。此外，针对挑战的指导由Linux基金会的一个部门开源安全基金会提供。竞赛的组织机构 - 国防高级研究计划局（DARPA） - 已承诺向七家旨在参加比赛的小企业提供高达1万美元的财政支持，以确保参与者多样化。美国证券交易委员会将在瑞波案中寻求中间上诉美国证券交易委员会计划对7月份针对Ripple Labs提起的诉讼的法院判决提出上诉，该诉讼发现出售XRP在出售给散户投资者时不是一种证券。在9月<>日致该案主审法官安娜丽莎·托雷斯（Analisa Torres）的一封信中，美国证券交易委员会表示，它认为她的决定值得上诉法院重新审视。美国证券交易委员会试图证明法院的裁决，即瑞波币在加密交易所的程序化XRP报价和个人销售不是证券。 SEC的这封信是在Ripple在XRP的证券地位方面部分战胜SEC近一个月后发出的。托雷斯裁定，XRP代币本身并不是一种证券。然而，她说，XRP代币的销售在某些情况下可以是证券，例如出售给机构投资者，但在交易所出售给零售交易者时则不然。来源：金色财经

金色财经2023-08-11

拜登AI重大革命！白宫召见7大美国科技巨头奏效 ChatGPT推出GPTBot归还人类权益

OpenAI公司提起集体诉讼，指控这家AI公司从ChatGPT用户交互中获取了私人信息。如果这些指控被证明是准确的，OpenAI与被列为被告的微软将违反《计算机欺诈和滥用法》，该法有网络抓取案件的先例。当前，在科技市场受到最多瞩目的是Adobe公司，他们在7月提出希望国会通过“反冒充法”(anti-impersonation)的想法，这项法律旨在保护艺术家和创作者免受冒充者使用AI假冒其作品的侵害。同样在7月，白宫也找来谷歌、Meta、OpenAI等7家美国科技公司，商讨由白宫主导的AI保障措施，其中一些公司承诺，将使用数字浮水印来帮助区分真实图像和AI生成的deepfake图像。

颜辞2023-08-08

美团正式入股AI公司光年之外

据天眼查，8月3日，北京光年之外科技有限公司发生工商变更，全资股东由王慧文变更为美团旗下天津三快科技有限公司。北京光年之外科技有限公司成立于2018年7月，法定代表人为王慧文，注册资本100万人民币，经营范围含技术服务、技术转让、技术开发、技术推广、技术咨询，销售自行开发的产品，计算机系统服务等。

金融界2023-08-07

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

中国国内巨头美团则以20.65亿收购了AI公司光年之外。然而，最引人瞩目的交易无疑是初创公司MosaicML的收购案。据了解，MosaicML以约13亿美元的价格被大数据巨头Databricks收购，其估值在本次交易中翻了六倍，成为了今年上半年最大的收购案。仅成立2年时间，拥有60多名员工，是什么撑起了MosaicML的高估值？ Databricks收购MosaicML，加速生成式AI技术民主化 Databricks近期正式宣布，以约13亿美元（约93亿元人民币）收购生成式人工智能初创公司MosaicML，以提供为企业构建类ChatGPT工具的服务。该收购之后，MosaicML 将成为 Databricks Lakehouse 平台的一部分，MosaicML 的整个团队和技术都将纳入Databricks旗下，为企业提供统一的平台来管理数据资产，并且能够使用自己的专有数据来构建、拥有和保护自己的生成式 AI 模型。 MosaicML是一家非常年轻的生成式AI公司，它于2021年成立于旧金山，目前只公开披露过一轮融资，员工仅62人。在上一轮的融资中，其估值为2.2亿美元，也就是说，此次收购MosaicML的估值直接跃升了6倍。此笔交易是截至目前今年生成式AI领域内所公布的最大一笔收购案。就在不久前，云计算巨头Snowflake刚刚宣布收购了另一家生成式AI公司Neeva。在经历了几个月的投资热之后，大型企业对生成式AI初创公司的大规模并购潮似乎正在开启。 Databricks起源于UC伯克利，曾参与Apache Spark项目开发。作为数据存储和分析巨头，截至2022年估值310亿美元，帮助AT&T、壳牌、Walgreens等大型公司处理数据。前段时间，刚开源了自己大模型Dolly，旨在以更少参数实现与ChatGPT类似的效果。而在云计算更加普及后，Spark提出的“湖仓一体”理念，深深影响了一批大数据初创企业。自2013年成立后，Databricks火速成长为全球最火的Data Infra公司。去年，Databricks公布的年收入超过10亿美元，而在2021年8月完成最新一轮融资后，其最新估值达到380亿美金。 MosaicML MPT系列模型的优势 MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经

金色财经2023-08-06

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

中国国内巨头美团则以20.65亿收购了AI公司光年之外。然而，最引人瞩目的交易无疑是初创公司MosaicML的收购案。据了解，MosaicML以约13亿美元的价格被大数据巨头Databricks收购，其估值在本次交易中翻了六倍，成为了今年上半年最大的收购案。仅成立2年时间，拥有60多名员工，是什么撑起了MosaicML的高估值？ Databricks收购MosaicML，加速生成式AI技术民主化 Databricks近期正式宣布，以约13亿美元（约93亿元人民币）收购生成式人工智能初创公司MosaicML，以提供为企业构建类ChatGPT工具的服务。该收购之后，MosaicML 将成为 Databricks Lakehouse 平台的一部分，MosaicML 的整个团队和技术都将纳入Databricks旗下，为企业提供统一的平台来管理数据资产，并且能够使用自己的专有数据来构建、拥有和保护自己的生成式 AI 模型。 MosaicML是一家非常年轻的生成式AI公司，它于2021年成立于旧金山，目前只公开披露过一轮融资，员工仅62人。在上一轮的融资中，其估值为2.2亿美元，也就是说，此次收购MosaicML的估值直接跃升了6倍。此笔交易是截至目前今年生成式AI领域内所公布的最大一笔收购案。就在不久前，云计算巨头Snowflake刚刚宣布收购了另一家生成式AI公司Neeva。在经历了几个月的投资热之后，大型企业对生成式AI初创公司的大规模并购潮似乎正在开启。 Databricks起源于UC伯克利，曾参与Apache Spark项目开发。作为数据存储和分析巨头，截至2022年估值310亿美元，帮助AT&T、壳牌、Walgreens等大型公司处理数据。前段时间，刚开源了自己大模型Dolly，旨在以更少参数实现与ChatGPT类似的效果。而在云计算更加普及后，Spark提出的“湖仓一体”理念，深深影响了一批大数据初创企业。自2013年成立后，Databricks火速成长为全球最火的Data Infra公司。去年，Databricks公布的年收入超过10亿美元，而在2021年8月完成最新一轮融资后，其最新估值达到380亿美金。 MosaicML MPT系列模型的优势 MosaicML的MPT系列模型是从HuggingFace PretrainedModel基类中子类化的，与HuggingFace生态系统完全兼容。MPT-7B模型是MosaicML最受欢迎的模型之一，拥有数十亿个参数，可以处理超过2,000种自然语言处理任务。其中，MPT-7B的优化层包括FlashAttention和低精度层范数等，可以让该模型比传统训练方法快2-7倍，资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练，而不是过去的几天。MosaicML还发布了新的可商用的开源大语言模型MPT-30B，拥有300亿参数，并且性能优于GPT-3。数据来源：MT-Bench对MosaicML主流模型进行的评估 MPT系列模型的优势在于它们的高效性和低成本。使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而MosaicML的MPT系列模型可以让企业以更低的成本和更高的效率训练自己的语言模型，从而可以更轻松地应用生成式AI技术，实现更好的业务表现。大多数开源语言模型只能处理最多具有几千个tokens的序列（参见图 1）。但是，借助 MosaicML 平台和 8xA100-40GB 的单个节点，用户可以轻松微调 MPT-7B 以处理高达 65k 的上下文长度。处理这种极端上下文长度适应的能力来自ALiBi，这是MPT-7B中的关键架构选择之一。例如，《了不起的盖茨比》的全文不到68k个Token。在一个测试中，模型StoryWriter阅读了《了不起的盖茨比》并生成了一个尾声。模型生成的尾声之一如图 2 所示。StoryWriter在大约20秒内（每分钟约15万字）读完了《了不起的盖茨比》。由于序列长度较长，其“打字”速度比其他MPT-7B型号慢，每分钟约105个单词。尽管 StoryWriter 的上下文长度为 65k 进行了微调，但 ALiBi 使模型能够推断出比训练更长的输入：在《了不起的盖茨比》的情况下为 68k 个Token，在测试中高达 84k 个标记。图2：MPT-7B-StoryWriter-65k+ 为《了不起的盖茨比》写了尾声。尾声的结果是提供《了不起的盖茨比》的全文（大约 68k 个Token）作为模型的输入，后跟“尾声”一词，并允许模型继续生成。生成式AI技术的普及生成式AI技术是人工智能的一种分支，它利用大量的数据和深度学习算法，能够自动生成原始文本、图像和计算机代码等内容。这种技术的出现，让人们可以更加便捷地处理数据、分析数据，更好地服务于人类的需求。随着大数据和人工智能技术的快速发展，生成式AI技术已经被广泛应用于自然语言处理、图像识别和虚拟现实等领域。例如，在自然语言处理领域中，GPT-4已经成为了最受欢迎的生成式AI模型之一，可以用于生成文章、翻译语言和回答问题等任务。在图像识别领域，StyleGAN2能够生成高质量的图像，可以用于游戏开发、影视制作和虚拟现实等领域。 MosaicML的CEO Naveen Rao此前曾表示，自 2018 年以来，使用大量数据进行“训练”的人工智能模型的复杂度急剧上升，训练一个模型现在至少要花费数百万美元，除了大公司之外，其他中小型企业普遍都无法承受。而此次收购之后，Databricks的Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式AI模型的训练和构建，在让用户拥有数据的控制权和所有权的情况下，可以进行自定义 AI 模型开发。根据Databricks的相关说法，在 Databricks 和 MosaicML的平台和技术支持下，企业训练和使用 LLMs 的成本将显著降低，预计可以降至数千美元左右。这为生成式AI的普及提供了便利。 Databricks收购MosaicML的意义 Databricks收购MosaicML的主要目的是加速生成式AI技术的发展和民主化。通过将两家公司的技术和资源整合起来，Databricks可以更好地满足客户的需求，提供更高效、更便捷的解决方案。具体而言，该收购将带来以下几个方面的改变： 1. 更高效的大语言模型 Databricks收购MosaicML后，可以将MPT系列模型集成到其Lakehouse平台中，为客户提供更高效、更低成本的大语言模型。这将有助于企业更好地处理自然语言处理任务，提高业务效率和准确性。 2.更快的模型训练速度 MosaicML的MPT系列模型具有快速训练的特点，这将有助于Databricks提供更快速的模型训练服务。这对于需要快速响应市场需求的企业来说尤为重要，可以帮助他们更好地满足客户的需求。 3. 更高的民主化程度 Databricks收购MosaicML也意味着生成式AI技术的民主化程度将会进一步提高。MosaicML的MPT系列模型可以让中小型企业更轻松地训练自己的语言模型，从而可以更好地应用生成式AI技术，实现更好的业务表现。这将有助于推动生成式AI技术的发展和应用，促进人工智能技术的普及和发展。总结生成式人工智能应用程序旨在根据用户的自然语言提示生成原始文本、图像和计算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经

金色财经2023-08-04

24小时热点