FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Covalent Network（CQT）构建 Web3 最大的结构化数据集,开拓AI、安全性和数据质量的融合

人工智能浪潮正在对各行各业进行重塑，随着格局的不断演变， Covalent Network（CQT）正在成为核心参与者。

金色财经2024-03-06

，是高泛化、高可靠的大模型，为客户提供AI+安全、AI+质量、AI+效益、AI+低碳在内的智能化解决方案。我们认为，该模型是中控技术在工业智能化领域的创新突破，有望带来流程工业效率方面的革命，提升产业竞争力。　　盈利预测　　我们看好公司在智能制造领域的行业地位以及未来的增长潜力。预计公司2023-2025年净利润分别为10.99、13.18、15.85亿元，EPS分别为1.39、1.67、2.01元，当前股价对应PE分别为35、29、24倍，首次覆盖，给予公司“买入”评级。　　风险提示　　下游需求不足的风险、技术升级与产品迭代的风险、国际业绩拓展不及预期、市场竞争加剧等。证券之星数据中心根据近三年发布的研报数据计算，长江证券赵智勇研究员团队对该股研究较为深入，近三年预测准确度均值高达98.95%，其预测2023年度归属净利润为盈利10.33亿，根据现价换算的预测PE为36.81。最新盈利预测明细如下：该股最近90天内共有14家机构给出评级，买入评级14家；过去90天内机构目标均价为55.29。以上内容由证券之星根据公开信息整理，由算法生成，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2024-03-04

全国政协委员齐向东：建议支持“AI+安全”发展设置专项基金

安信集团董事长齐向东带来了《创新发展“AI+安全” 护航中国式现代化》的提案，他建议，鼓励各行业头部企业与专业安全厂商结成创新联合体，在关键行业选取典型场景开展联合创新，共同探索大模型安全创新产品在威胁检测、漏洞挖掘、指挥研判等方面的应用，在实战中推动“AI+安全”进入越用越强的良性循环。建议支持“AI+安全”发展，设置专项基金，对研发创新“AI+安全”产品的企业，给予政府基金、贴息贷款或科研项目等支持；对率先取得技术突破，实现成果转化的科研机构和企业给予奖励；对积极使用相关技术、产品和服务的企业给予相应补贴，推动“AI+安全”相关产业取得更多科技创新成果。

金融界2024-03-01

AI 新黑马 KIP Protocol 是下一个早期 Bittensor

。 KIP Protocol: 聚焦 AI 安全创新的 Web3 底层协议 2024年初，在a16z关于《2024年展望清单》中，就将“AI+Crypto”列入其中，并强调加密技术可以“实现创建多边、全球、无需许可的市场，任何人都可以为网络的某个需要的人贡献计算或新的数据集，并获得补偿”，而利用这些资源的长尾将使这些市场降低 AI 的成本，使数据更加易于获取。 Vitalik Buterin也在其文章中对于“AI+Crypto”进行展望，同样认为加密技术可以平衡AI的中心化与透明度，并有助于优化AI的数据储存。 KIP Protocol的目标是开发一个安全且高效的去中心化 Web3 底层协议，使 AI 创造者（数据拥有者，模型制作者， AI 应用开发者）能够：将他们的工作部署在 Web3 上，从而保留完全数字产权与其他 AI 资产交互和交易在不失去访问控制的情况下获得收益同时，KIP Protocol也是世界上首个支持去中心化RAG（检索增强生成）方案的Web3协议。在其官方的Explainer系列的第二篇也重点介绍了RAG概念。 RAG是生成式AI中使用的一种复杂的创新技术，它能让AI模型通过检索外部知识库和数据库中的数据和信息，生成它原本不知道的答案。它就像一个智能助手，虽然不知道你问题的答案，但却能专业地从外部数据中找到你想要的答案，以保护数据的安全性，不会暴露给模型。 RAG技术涉及AI中的 3 个关键价值创造者（App开发者、模型制作者和数据所有者）。通过建立一个去中心化RAG的框架，KIP本质上其实是建立了一个去中心化控制AI价值创造的框架，为所有价值创造者提供一个公平竞争的环境，从而摆脱AI垄断。同时，允许AI以高效的方式发挥作用，成为数百万小规模和大规模创作者共同努力的结晶，而无需任何一个大型公司来一手掌控每个核心功能。近期，KIP Protocol官宣了由Animoca Ventures领投的战略轮融资。据官方介绍，KIP团队汇集了自2019年以来致力于AI研究的资深博士和技术专家，他们同时在Web3 领域拥有深厚的专业背景和丰富经验。同时，KIP Protocol 团队已在 2023 年度 Chainlink Constellation 黑客松上荣获腾讯云奖项。其协议上的首个app“Kipley.ai”，一个以安全为中心的多模型 RAG 平台，目前已成功与Animoca Ventures、泰国科学技术研究院、Anomaly以及众多来自知名大学的教授和研究人员进行合作。而协议上首个dapp “KnowledgeFi”，据其白皮书披露也将在2024年第一或第二季度推向市场。去中心化，是AI迈向未来的必经之路 AI时代数据与信息支撑着AI的运行，数据在当下的重要性已不言而喻，只有形成足够大的数据，才能试练算法模型，最终能够带来经济效应。而随着AI领域的发展，打造最大、最强模型的的竞赛已经开始，而“数字产权垄断”则成为了个大科技巨头展开争夺的重点。 KIP Protocol的构建初心则是希望通过 Web3 来保护 AI 创造者的数字产权，为每位 AI 创造者都能提供一条公平的货币化道路，搭建一个由不同合作伙伴（数据拥有者，模型制作者， AI 应用开发者）构成的多元化商业生态系统，并帮助其基于 KIP Protocol 实现自由合作或生产创造，以摆脱科技巨头日益增长的 AI 垄断。对此，KIP解决了AI 模型制作者、App开发者和数据所有者在尝试去中心化时将面临的三个基本问题。 “链上链下的数据互通”问题随着AI技术的不断发展，开源模型库公司Hugging Face平台上的模型数量已突破50万大关，但由于当前的区块链技术无法达到完全去中心化，所以大部分的AI模型仍处于链下阶段，而KIP Protocol 的应用层则解决了链上链下的交互问题。通过应用层，KIP可以轻松将不同的资产（比如软件、数据等）上传到链上。AI应用可以基于KIP Protocol铸造ERC-3525 SFT，与AI模型以及数据资产进行自由整合并无缝交互，这些交互会通过KIP Protocol记录到链上。同时，AI应用创造者和用户则可以根据自己的需要选择使用哪些模型、数据和应用格式。 “收入变现”问题目前AI领域的基本收入模式是按查询付费，因为用户的每一次查询都会消耗 GPU的计算能力。并且，要回答一个用户的查询，需要多个AI价值创造者来回答这个问题。因此，致力于去中心AI的KIP Protocol若想获得成功，就必须确保将AI工作去中心化的各方都能获得收入。但这在AI领域，并不是一件简单的事情。以通过 RAG（检索增强生成）运行查询为例：用户向AI聊天机器人提问。 AI聊天机器人将查询转给它的大脑--AI模型。模型只从知识库中检索回答问题所需的相关数据块，制定答案并将其发送回app。 App将答案打包并发送给用户。在这个示例中，你可以看到三个角色是如何为回答用户查询而做出贡献。如果在一个中心化生态系统中，一个平台拥有并控制着三个角色，那么用户只需向这个中心化平台付费，其余的都是内部之间的转账。但如果KIP Protocol想要去中心化而不是垄断，那么每一方都需要被付费，因此需要解决以下问题：记录（链上）每个人的贡献分配用户的收入让每个人都能赚取属于他们自己的收入基于KIP Protocol，每个创作者可以为查询功能设置自己的价格，而KIP会确保用户支付的费用按比例分配给AI价值创造者（模型制作者，App开发者，数据所有者）。由于每次交互都记录在链上，KIP可以通过低Gas、高效率的结算层进行准确的AI交互与收益核算，让每个创作者在贡献数字产权的同时，获得相应比例的报酬实现收入变现。 “数字产权保护”问题 KIP Protocol通过使用区块链代币，特别是ERC-3525代币形式（SFT）将不同的资产（比如软件、数据等）储存在KIP Protocol框架里的产权层。 1.对于数据所有者：SFT 代表了矢量化知识库，或用于模型训练的加密原始数据文件链接。 2.对于模型制作者：SFT 可以代表一个通向链下模型的API，或者一套可供出售的权重模型。 3.对于App开发人员：SFT 可以代表前端API或提示词本身。这些SFT作为“变现实体”，可以在链上相互交互，并记录每个SFT从特定交易中赚取的金额。通过解决这些问题，KIP可以让AI价值创造者轻松实现工作中的去中心化，为一个充满活力、规模更大的去中心化AI生态系统创造初始条件。 KIP Cycle进行时，海外KOL力捧KIP新概念目前，KIP已在X平台上开启多次cycle活动，第10次活动刚刚结束。用户即需要在Galxe上解锁并完成相应任务，方可获得项目积分。而谈到积分，这不得不让我们联想到了近期大热的“积分制公平发射”，此外根据KIP白皮书中关于$KIP代币经济学中也曾谈到，会将总供应量的35%用于生态系统基金，而其中则包括以“忠诚度”为主的社区奖励，那么完全可以相信所谓的“空投预期”也不是空穴来风。并且，在没有大规模市场宣发的情况下，目前KIP Cycle参与的总人数已超过50k，足以可见KIP项目在海外热度不错。实际上，KIP目前已经成为专注于AI板块的加密投资者口中炙手可热的Alpha项目。知名BTC投资KOL Marco Johanning曾在X平台上表示，“KIP是首个支持去中心化的 AI RAG的Web3底层协议，目前该项目仍处于早期阶段”，并表示已与KIP团队取得联系，“KIP团队只联系了部分Bittensor的早期投资者，因为作为$TAO Holder他们并没有抛售，而是对AI板块抱有共同期待”。而深耕于AI板块的加密KOL AI Project Hub更是将“KIP Protocol”描述为“以不同的方式进行去中心化AI研究，而这种方法则是Bittensor（去中心化激励机器学习智能生产的协议）的补充”。对此，另一个海外大V Crypto Phoenix在该条文章下留言表示对此持开放态度，通过研究相关资料认为KIP这个项目的启动经过了深思熟虑“尤其是关于兑现期与成长计划”，并明牌表示KIP未来可能获得巨大的成功。而坐拥近5万粉的加密大V@wauwda也向KIP 项目抛去橄榄枝，公开其参与了KIP的早期融资。知名加密博主Tomb更是将KIP列为了下一个潜在财富密码。目前，海外AI板块的加密投资者正在争先恐后成为“第一个吃螃蟹的人”，然而，相比海外市场的热闹与活跃，KIP在华语市场的影响力和知名度仍处在一个较为空白的时期，这也意味着KIP对于华语投资者来说，充满了无限的可能性和机遇。根据上述KOL与团队的交流，我们可以深切地感受到这是一个成熟且富有远见的团队，不仅对KIP Protocol的发展有着清晰明确的规划，更对未来充满了信心和期待。这种信心和期待并非空穴来风，而是基于他们对AI与区块链技术的深刻理解和扎实的技术实力。在KIP团队看来，早期用户的选择至关重要，他们更倾向于寻找那些“有着AI愿景的长期Holder”。这样的用户群体不仅能为社区带来稳定且持久的支持，更能与团队形成强大的共识，共同推动KIP Protocol的发展。总结如果说“Crypto+AI=future of finance”，那么KIP可能就是在AI与加密领域交汇处一个强有力的投注。到目前为止，在“Crypto+AI”领域，KIP是首个专注AI的去中心化底层协议。作为开源的Web3底层协议，KIP Protocol始终秉持“AI时代，人人都应实现KnowledgeFi”价值理念，促进去中心化数字产权的创建、管理和盈利，以实现KnowledgeFi。近期，KIP Protocol官宣成功加入谷歌云的Startups Program，而Dapp KnowledgeFi也将在今年第一或第二季度面向市场。笔者认为目前“Crypto+AI”还是蓝海市场，潜力巨大，关注早期基础设施的发展是拥抱新浪潮的第一步。虽然KIP 未来的道路还很漫长，但KIP的价值理念与愿景正从海外社区向着世界范围内扩散。关于 KIP Protocol KIP Protocol 为 AI App 开发者、模型制作者和数据所有者构建 Web3 底层协议，使 AI 资产能够轻松部署和实现货币化，同时保留完整的数字产权。 KIP 将搭建全新的 AI 商业生态系统，以解决去中心化 AI 部署中面临的问题与挑战，并确保所有人都能享受 AI 带来的经济利益。 KIP 团队汇集了自 2019 年以来致力于 AI 研究的资深博士和技术专家，他们同时在 Web3 领域拥有深厚的专业背景和丰富经验，致力于推动 AI 去中心化，成为去中心化 AI 浪潮的加速催化剂。要了解更多信息，请访问www.kip.pro或在 X @KIPProtocol 上关注他们来源：金色财经

金色财经2024-02-28

中控技术将推出首个生成式工业AI大模型

工业高泛化、高可靠的大模型，为客户提供AI+安全、AI+质量、AI+效益、AI+低碳的智能化解决方案，或有望在流程工业的效率上实现革命性的突破。

金融界2024-02-25

Sora爆火后如何识别AI造假这家融资1亿元的以色列公司或成新独角兽

1.8亿人民币。为了缓解个人和企业对AI安全性的担忧，Clarity这家AI网络安全初创公司应运而生。凭借独特的专利算法和前沿技术，Clarity能够精准识别并打击深度造假行为，确保网络信息的真实性和可信度。 Clarity不仅旨在帮助更多人避免成为AI技术滥用的“牺牲品”，更希望为整个行业的健康发展注入新的活力。 01.1分钟项目速览 1.项目名称者：Clarity 2.成立时间：2022年 3.产品简介： Clarity是一个打击深度造假的AI检测平台。利用专利算法，Clarity能精确检测视频、图像和音频中的篡改，并通过加密水印确保内容真实。各大组织通过集成Clarity的解决方案，能够加强其对数字欺骗的防御能力，从而全面保障内容与资产的安全。 4.创始人团队： Michael Matias 曾在斯坦福大学学习AI，曾担任以色列“8200情报部队”官员，同时也是70多家深度技术初创企业的天使投资人。 Natalie Fridman 计算机科学博士，巴伊兰大学计算机科学讲师。 Gil Avriel 毕业于哈佛大学肯尼迪学院和乔治敦法学院（第一名），曾在以色列总理办公室国家安全委员会担任高级主管（14 年）。 5.融资情况： 2024年2月，Clarity获得了由Walden Catalyst Ventures和Bessemer Venture Partners领投的1600万美元种子投资。 02.群英荟萃，对深度伪造“重锤出击” 随着AI技术的发展，深度伪造（Deepfakes）也随之而来。 Pew Research最近的一项调查发现，66%的美国人表示，他们“至少有时”会遇到被篡改或者完全虚构的内容；63%的人表示，捏造或更改的图像或视频会导致人们对于时事的“认知混乱”。美联社和芝加哥大学的另一项民意调查则发现，58%的成年人认为AI工具将导致选举错误信息。据估计，到2026年，90%的在线内容将由AI生成。由于创建深度伪造所需的工具越来越容易获得、价格越来越便宜，虚假照片、视频现已如洪水般泛滥。在AI生成内容的时代，新闻的真实性和可信度受到了极大的挑战。快速识别和消灭“病毒” 网络安全初创公司Clarity最近筹集了1600万美元（折合成人民币约为1.15亿元）的风险投资资金来对深度伪造进行反击。这家总部位于纽约的公司使用AI来识别深度伪造创建中常见的模式，使企业能够快速识别和防范虚假内容。尽管Clarity的核心利用了AI技术，但它在本质上仍是一家网络安全公司。与其他网络安全供应商一样，Clarity通过应用程序及其接口来提供扫描工具，该工具利用经过训练的多个AI模型来识别视频、图像和音频深层创建技术中的模式。此外，Clarity还提供了一种水印形式，客户可以用它来表明自己的内容是合法的。谈到和其竞争对手的区别时，Clarity首席执行官Michael Matias表示，差异化因素并不在于表面，而隐藏于产品内核之中，即Clarity对新型深度伪造的快速反应。 Clarity将深度伪造视为能够迅速分叉和复制的“病毒”，因此，它的解决方案也是为了分叉和复制而构建的，以保持适应性和弹性。公司团队还专门建立了相应的基础设施和AI模型，以完美达到这一要求。众多大佬云集尽管Clarity目前仅有13名员工，但该公司的创始人团队资历非常雄厚。首席执行官：Michael Matias Matias曾在以色列“8200情报部队”担任一级干事，并创建了两个获得国防奖的AI团队。随后，Matias在斯坦福大学学习AI，并在Hippo Insurance领导AI团队。他是70多家深度技术初创企业的天使投资人，也曾是多家风险投资公司的投资团队成员。首席技术官：Natalie Fridman Fridman在AI和研究领域拥有10多年的管理经验，擅长集体智能、深度学习和自主代理建模。Fridman曾任ImageSat International研发高级副总裁（从成立到上市），拥有AI和集体智能博士学位。她发表过超过25篇论文，曾是巴伊兰大学计算机科学的主要讲师，拥有多项AI算法专利。首席战略官兼首席运营官：Gil Avriel Avriel毕业于哈佛大学肯尼迪学院和乔治敦法学院（第一名），曾在以色列总理办公室国家安全委员会担任高级主管（14 年）。在担任国家安全委员会法律顾问期间，曾就国家安全战略问题为8位国家安全顾问和4位总理提供咨询。除了卓越的创始人团队，Clarity的顾问委员会成员也都是来自各个行业的顶尖专家，包括斯坦福大学民主学教授Larry Diamond、加拿大前国防部长Irwin Cotler以及前谷歌研究副总裁Alfred Spector等。 03.各行业联手清除造假“迷雾” AI模型迭代更新，深度伪造技术也在做进一步的提升，这类技术的复杂性已经让人们很难区分真实与捏造的内容。 “我们的数字生活正遭受着猛烈攻击，人们说了他们从未说过的话，做了他们从未做过的事情。”Clarity的联合创始人兼首席执行官Michael Matias在一份声明中表示。一年前，大多数关于“AI欺诈”的新闻还几乎来自大学研究实验室；一年后，有关AI造假的问题已经充斥在我们的生活中。短短一年时间里，涌现出了一大波文生图像、视频以及语音克隆模型，例如本月ElevenLabs宣布为Sora推出音效模型，可以自动为视频配音。这些AI应用在不知不觉中“帮助”恶意行为者利用广泛且免费的工具快速生成深度伪造内容。 “随着语音克隆和其他AI骗局的增加，保护美国人免受冒充者欺诈比以往任何时候都更加重要，”美国联邦贸易委员会(FTC)主席Lina M. Khan在一份声明中提到。为了弥补这一行业漏洞，检测深度伪造的初创公司正在涌现并不断壮大，并吸引了大量风险投资。众多深度伪造检测公司，目前正在竞相开发深度伪造检测工具。除了Clarity外，还包括AI浏览器工具Reality Defender以及专注于深度伪造图像和视频的Sentinel公司。 Reality Defender主要提供了一个帮助检测文本、视频和图像深度伪造的平台，可以验证社媒内容是否由AI生成或者以某种方式修改。另外，该公司在去年10月获得由DCVC领投的1500万美元A轮融资，将用于扩大团队并改进其AI内容检测模型。站在解决AI深度伪造问题的风口上，不少投资人对Clarity持有相当乐观的态度。美国有线电视新闻网（CNN）前战略主管Chris Marlin，作为一名天使投资人的他表示，“生成式AI制作的内容和深度伪造的激增有可能造成更大的选民不信任。” 在1月末，美国总统大选就出现了AI造假问题，有人用AI冒充拜登给选民打电话并且影响了大选的讨论。此外，美国其他州的选举也受到AI伪造的干扰。 Clarity将致力于解决这些问题，正如Chris Marlin强调，“Clarity的技术将清除不确定性的迷雾，为选民和政治领导人提供更好的清晰度。” 斯坦福大学社会学和政治学教授，Larry Diamond也曾表示，“我们很高兴能与Clarity合作，并提供一个可扩展且值得信赖的平台，任何组织都可以用它来验证敏感新闻、防止欺诈并建立一个安全的AI环境。” 04.Clarity身兼长期发展使命在被AI裹挟的大环境下，如果呼吁监管和立法无法在短期内实现，快速识别和解决深度伪造不失为当前的一个良方。正如Clarity首席执行官Matias所说，“这是一场快节奏的军备竞赛，任何想要解决深度伪造问题的公司都需要像那些创建和传播深度伪造的公司一样快速行动。” 目前，Clarity正在与以色列政府以及一些大型新闻机构合作，而最新的这笔融资将推动Clarity的扩张计划，使该公司能够加大招聘力度，进一步开发其技术，并在美国市场建立更强大的影响力。参考链接： 1.https://www.getclarity.ai/ 2.https://techcrunch.com/2024/02/15/clarity-raises-16m-to-fight-deepfakes-through-detection/ 【声明】：未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2024-02-23

VanEck研报：2030年加密货币人工智能收入前景

成本（占收入的 8.9%），我们预计 AI 安全应占 $251B AI TAM 的 $22.34B 左右。尽管加密货币具有增强人工智能安全的潜力，但鉴于美国政府对人工智能的关注，我们相信人工智能的大部分合规性将是集中的。因此，我们估计加密货币将占该市场的 5% 左右，即$1.12B左右。组织分散的计算资源加密货币可以将其巨大的社会和财务协调优势应用于计算访问的民主化，从而解决当前困扰人工智能开发人员的痛点。除了高昂的成本和获得优质 GPU 的机会有限之外，人工智能模型构建者目前还面临着其他棘手的问题。其中包括供应商锁定、缺乏安全性、计算可用性有限、延迟差以及国家法律规定的地理围栏。加密货币能够满足人工智能对 GPU 的需求，源于加密货币通过代币激励汇集资源的能力。比特币网络的代币价值为 850B 美元，股权价值为 20B 美元，这证明了这种能力。因此，当前的比特币矿工和有前途的去中心化 GPU 市场都有潜力通过提供去中心化计算来为人工智能增加巨大的价值。对于理解通过区块链提供 GPU 的一个有用的类比是发电业务。简单来说，有一些实体运营着大型、昂贵的工厂，可以稳定地发电以满足大多数电网需求。这些“基本负荷”工厂的需求稳定，但需要大量的建设资本投资，导致资本回报率相对较低但有保证。补充基本负载的是另一类称为“峰值功率”的发电机。当电力需求超过基本负荷发电能力时，这些企业提供电力。这涉及高成本、小规模的能源生产，其战略定位接近该能源的需求。我们预计“按需计算”领域也会出现类似的动态。比特币矿工多元化进入人工智能领域比特币和其他工作量证明加密货币与人工智能一样对能源有很高的需求。这种能源必须被创造、获取、运输并分解成可用电力来为采矿设备和计算集群供电。该供应链需要矿商对发电厂、购电协议、电网基础设施和数据中心设施进行大量投资。挖矿 PoW 加密货币带来的货币激励导致了许多分布在全球的比特币矿工的出现，这些矿工拥有能源和电力权利以及集成的网格架构。这些能源大部分来自成本较低、社会回避的碳密集型能源。因此，比特币矿工可以提供的最引人注目的价值主张是为人工智能后端基础设施提供动力的低成本能源基础设施。 AWS 和微软等超大规模计算提供商一直奉行投资垂直整合运营并建立自己的能源生态系统的战略。大型科技公司已经向上游发展，设计自己的芯片并采购自己的能源，其中大部分是可再生能源。目前，数据中心消耗了美国企业可用的可再生能源的三分之二。微软和亚马逊都承诺到 2025 年实现 100% 可再生能源供应。然而，如果预期的计算需求超出预期，正如一些人所说，到 2027 年，以人工智能为中心的数据中心数量可能会增加一倍，资本支出可能是目前估计的三倍。大型科技公司已经支付了 0.06-0.10 美元/千瓦时的电力费用，比竞争性比特币矿工通常支付的价格（0.03-0.05 千瓦时）贵得多。如果人工智能对能源的需求超过了大型科技公司当前的基础设施计划，那么比特币矿商相对于超大规模矿商的电力成本优势可能会大幅增加。矿工越来越被与 GPU 供应相关的高利润人工智能业务所吸引。值得注意的是，蜂巢10 月份报道称，按每兆瓦计算，其 HPC 和 AI 业务产生的收入是比特币挖矿的 15 倍。其他抓住人工智能机会的比特币矿工包括 Hut 8 和 Applied Digital。比特币矿商在这个新市场中经历了增长，这有助于实现收入多元化并增强收益报告。在 Hut 8 的 2023 年第三季度分析师电话会议中，首席执行官 Jaime Leverton 表示：“在我们的 HPC 业务中，我们在第三季度通过新客户的增加和现有客户的增长创造了一些动力。上周，我们推出了按需云服务，为那些从我们的 GPU 寻求 HPC 服务的客户提供基于 Kubernetes 的应用程序，这些应用程序可以支持人工智能、机器学习、视觉效果和渲染工作负载。这项服务将控制权交到我们的客户手中，同时将配置时间从几天缩短到几分钟，这对于那些寻求短期 HPC 项目的人来说尤其具有吸引力。小屋8已实现2023 年第三季度 HPC 业务收入为 450 万美元，占该公司同期收入的 25% 以上。对 HPC 服务和新产品的需求不断增长，应有助于该业务线的未来增长，随着比特币减半即将到来，HPC 收入可能很快就会超过挖矿收入，具体取决于市场状况。尽管他们的业务听起来很有前途，但转向人工智能的比特币矿工可能会因缺乏数据中心建设技能或无法扩大电力供应而陷入困境。由于雇用新的以数据中心为中心的销售人员的成本，这些矿工还可能会发现与运营管理费用相关的挑战。此外，当前的采矿作业没有足够的网络延迟或带宽，因为它们对廉价能源的优化导致它们位于偏远地区，通常缺乏高速光纤连接。为人工智能实施去中心化云我们还看到了以计算为中心的加密项目的长尾，这些项目将占据人工智能服务器资源市场的一小部分但很大一部分。这些实体将协调超大规模之外的计算集群，以提供适合新贵人工智能构建者需求的价值主张。去中心化计算的好处包括可定制性、开放访问和更好的合同条款。这些基于区块链的计算公司使小型人工智能参与者能够避免 H100 和 A100 等高端 GPU 的巨额费用和普遍不可用的情况。加密人工智能企业将通过创建围绕加密代币激励构建的物理基础设施网络来满足需求，同时提供专有IP来创建软件基础设施以优化人工智能应用程序的计算使用。区块链计算项目将使用市场方法和加密奖励来从独立数据中心、具有过剩计算能力的实体和前 PoW 矿工那里发现更便宜的计算。为人工智能模型提供去中心化计算的一些项目包括Akash、渲染和io.net。 Akash每日收入 Akash每日收入。资料来源：Cloudmos 截至 2024 年 1 月 30 日。过去的表现并不能保证将来的结果。 Akash 是一个基于 Cosmos 的项目，可以认为是一个通用的去中心化“超级云””，提供 CPU、GPU、内存和存储。实际上，它是一个连接云服务用户和云服务提供商的双向市场。Akash 的软件旨在协调计算供应与需求，同时创建促进 AI 模型训练、微调和运行的工具。Akash 还确保市场买家和卖家诚实履行其义务。Akash 通过其 $AKT 代币进行协调，该代币可用于以折扣价支付云服务费用。$AKT 还作为 GPU 计算提供商和其他网络参与者的激励机制。在供应方面，Akash 在添加计算供应商方面取得了长足进步，因为 Akash 市场上有 65 家不同的供应商。尽管在 Akash 的 AI 超级云于 2023 年 8 月 31 日首次亮相之前，计算需求一直低迷，最近迁移到 Solana 的 Render 最初专注于将艺术家与分散的团体联系起来，这些团体将提供 GPU 能力来渲染图像和视频。然而，Render 已开始将其去中心化 GPU 集群的重点放在满足机器学习工作负载上，以支持深度学习模型。通过网络改进提案RNP-004，Render 现在拥有一个 API 可以连接外部网络（例如 io.net），该网络将利用 Render 的 GPU 网络进行机器学习。渲染社区随后提出的提案获得通过，允许通过Beam和FEDML访问其 GPU来完成机器学习任务。因此，Render 已成为 GPU 工作负载的去中心化促进者，通过向提供商支付 RNDR 美元以及向运行网络后端基础设施的实体提供 RNDR 激励来协调。 Io.net GPU 价格比较。来源：io.net截至 2024 年 1 月 4 日。 Solana 上另一个有趣的项目是 io.net，它被认为是 DePIN 或去中心化物理基础设施网络。io.net 的目的也是提供 GPU，但其重点仅在于应用 GPU 来驱动 AI 模型。除了简单地协调计算之外，Io.net 还在其核心堆栈中添加了更多服务。其系统声称可以处理人工智能的所有组件，包括创建、使用和微调，以正确促进整个网络中的人工智能工作负载并对其进行故障排除。该项目还利用了其他去中心化 GPU 网络，例如 Render 和 Filecoin 及其自己的 GPU。尽管 io.net 目前缺乏代币，但计划于 2024 年第一季度推出。克服去中心化计算的瓶颈然而，由于典型的633TB+提出的网络需求，利用这种分布式计算仍然是一个挑战训练深度学习模型所需的数据。由于计算机能力的延迟和差异，位于全球各地的计算机系统也给并行模型训练带来了新的障碍。Together 是一家积极进军开源基础模型市场的公司，该公司正在构建一个去中心化云来托管开源人工智能模型。Together 将使研究人员、开发人员和公司能够通过结合数据、模型和计算的直观平台来利用和改进人工智能，扩大人工智能的可访问性并为下一代科技公司提供支持。Together 与领先的学术研究机构合作，构建了 Together 研究计算机，使实验室能够集中计算进行人工智能研究。该公司还与斯坦福基础模型研究中心 (CRFM) 合作创建了语言模型的整体评估 (HELM)。HELM 是一个“活基准”，旨在通过提供评估此类基础模型的标准化框架来提高人工智能的透明度。自 Together 成立以来，创始人 Vipul Ved Prakash 率先启动了多个项目，包括 1) GPT-JT，一个开放式 LLM，具有通过 <1Gbps 链路进行训练的 6B 参数模型，2) OpenChatKit，一个强大的开源基础，可创建专用和通用聊天机器人，以及 3) RedPajama，一个创建领先的开源模型的项目，其目标是成为研究和商业应用的基础。Together 平台是一个基础模型，由商品硬件上的开放模型、去中心化云和综合开发者云组成，汇集了不同的计算源，包括消费者矿工、加密矿场、T2-T4 云提供商和学术计算。 HELM (RAFT) 分数 GPT-JT 性能。来源：截至 2024 年 1 月 4 日的解码器。我们相信像Together这样的去中心化和民主化的云计算解决方案可以显着削减构建新模型的成本，从而有可能颠覆亚马逊网络服务、谷歌云和Azure等老牌巨头并与之竞争。就上下文而言，将 AWS 容量块和 AWS p5.48xlarge 实例与配置有相同数量的 H100 SXM5 GPU 的 Together GPU 集群进行比较，Together 的定价大约比 AWS 低 4 倍。随着开放式法学硕士变得越来越准确并得到更广泛的采用，Together 可能成为开源模型的行业标准，就像红帽之于 Linux 一样。该领域的竞争对手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。通过加密货币激励增强人工智能模型区块链和加密货币激励措施证明，网络效应和与网络效应大小相关的奖励迫使人们从事有用的工作。在比特币挖矿的背景下，该任务是通过使用昂贵的电力、技术人力和 ASIC 机器来保护比特币网络。这种经济资源的协调提供了一种女巫攻击防御机制，防止对比特币的经济攻击。作为交换，协调这些资源的矿工将获得 BTC 美元。然而，人工智能有用工作的绿色空间要大得多，一些项目已经在推动人工智能和机器学习模型的改进。这些项目中最原始的是Numerai。目前，Numerai 可以被视为一项去中心化数据科学锦标赛，旨在确定最佳机器学习模型，通过建立股票投资组合来优化财务回报。在每个时代，匿名 Numerai 参与者都被授予访问隐藏原始数据的权限，并被要求利用这些数据来构建表现最佳的股票投资组合。为了参与，用户不仅被要求提交预测，还被迫在其模型的预测背后投入 NMR 代币，以证明这些模型的价值。其他用户也可以在他们认为性能最佳的模型上投入代币。然后，每个质押、提交的模型的输出都会被输入到机器学习算法中，以创建一个元模型，为 Numerai One 对冲基金的投资决策提供信息。提交具有最佳信息系数或有效性的“推论”的用户将获得 NMR 代币奖励。与此同时，那些质押最差模型的人的代币将被削减（没收并重新用于奖励获胜者）。 Bittensor 上的子网和用例。来源： https: //taostats.io/api/截至 2024 年 1 月 2 日。 Bittensor是一个大规模扩展 Numerai 核心概念的类似项目。Bittensor 可以被认为是“机器智能的比特币”，因为它是一个为 AI/ML 模型提供经济激励的网络。这是由构建人工智能模型的“矿工”和评估这些模型输出质量的“验证者”实体来完成的。Bittensor 的架构是一个基础网络和许多较小的子网（子网）的架构。每个子网络都专注于机器智能的不同领域。验证者会向这些子网上的矿工提出各种问题或请求，以评估其人工智能模型的质量。表现最好的模型将获得最高的 TAO 代币奖励，而验证者则因对矿工的准确评估而获得补偿。在更高的层面上，验证者和矿工都必须质押代币才能参与每个子网，每个子网占总质押的比例决定了它从所有 Bittensor 总通胀中获得多少 TAO 代币。因此，每个矿工不仅有动力优化其模型以赢得最多的奖励，而且有动力将其模型集中在最佳的人工智能领域子网上。此外，由于矿工和验证者必须维持资金才能参与，因此每个人都必须超过资本成本障碍，否则就会退出系统。截至 2024 年 1 月，共有 32 个不同的子网，每个子网专用于机器学习或人工智能的特定领域。例如，Subnet 1是类似于ChatGPT的提示LLM的文本。在这个子网上，矿工运行各种经过调整的 LLM 版本，以最好地响应评估响应质量的验证者的提示。在名为“Taoshi”的子网 8 上，矿工提交对比特币和各种金融资产价格的短期预测。Bittensor 还拥有专用于人类语言翻译、存储、音频、网络抓取、机器翻译和图像生成的子网。子网创建是无需许可的，任何拥有 200 TAO 的人都可以创建子网。子网运营商负责为每个子网的活动创建评估和奖励机制。例如，Opentensor，Bittensor 背后的基础，Cerebras评估矿工在该子网上的 LLM 输出。虽然这些子网最初都是由通货膨胀奖励全额补贴的，但每个子网最终都必须在经济上维持自身。因此，子网运营商和验证者必须协调创建工具，以允许外部用户付费访问每个子网的服务。随着通货膨胀的 TAO 奖励减少，每个子网将越来越依赖外部收入来维持自身。在这种竞争环境中，存在着创造最佳模型的直接经济压力以及其他人创造有利可图的现实世界的激励措施这些模型的应用程序。Bittensor 正在利用斗志旺盛的小型企业来识别人工智能模型并从中获利，从而释放人工智能的潜力。正如著名的 Bittensor 传播者 MogMachine 所说，这种动态可以被视为“人工智能的达尔文竞争”。另一个有趣的项目是利用加密技术来激励人工智能代理的创建，这些人工智能代理被编程为代表人类或其他计算机程序自主完成任务。这些实体本质上是旨在解决特定问题的自适应计算机程序。代理是一个包罗万象的术语，涵盖聊天机器人、自动交易策略、游戏角色，甚至虚拟宇宙助手。该领域的一个著名项目是Altered State Machine，这是一个使用 NFT 创建拥有、供电和训练的人工智能代理的平台。在 Altered State Machine 中，用户创建他们的“代理”，然后使用分散的 GPU 集群“训练”它们。这些代理针对特定用例进行了优化。另一个项目，Fetch.ai，是一个用于创建根据每个用户的需求定制的代理的平台。Fetch.ai 也是一家 SaaS 业务，允许注册和租赁或出售代理。自 2023 年 1 月 1 日起 AI 代币的回报来源：Artemis XYZ 截至 2024 年 1 月 10 日。过去的表现并不能保证将来的结果。通过零知识 (zk) 证明进行验证 2023 年是新 AI 模型的标志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度学习的前景，截至 2023 年 6 月，美国有超过18,563 家人工智能相关初创企业。这些初创企业和其他企业已经生产了数千个新的基础模型和微调模型。然而，在人工智能相关公司投资的每 4 美元风险投资中就有 1 美元投资的领域中，许多新实体的激增应该引起严重关注。谁实际创建并拥有每个模型？输出实际上是由指定模型产生的吗？该模式真的像宣传的那样有效吗？每个模型的数据源是什么以及谁拥有该数据？训练、微调和/或推理是否侵犯了任何版权或数据权？这些模型的投资者和用户都应该 100% 确定他们可以解决这些问题。目前，针对 LLM 输出的不同组件存在许多基准测试，例如用于代码生成的HumanEval、用于 LLM 辅助任务的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，尽管尝试了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，没有具体证据证明模型的有效性、最终来源或其训练/推理数据的来源。不仅可以对基准进行游戏，而且还不能确定特定模型是否实际运行（而不是使用连接到另一个模型的 API），也不能保证排行榜本身是诚实的。这就是公共区块链、人工智能和称为零知识（zk）证明的前沿数学领域的统一。zk 证明是密码学的一种应用，它允许某人以所需水平的数学确定性证明他们对数据所做的陈述是正确的，而无需向任何人透露底层数据。语句可以包括简单的声明（例如排名），但可以扩展到复杂的数学计算。例如，某人不仅可以证明他或她知道某个样本的相对财富而不向另一方透露该财富，而且他或她还可以证明该群体的平均值和标准差的正确计算。本质上，您可以证明您了解数据和/或您使用该数据做出了真实的断言，而无需透露该数据的细节或您如何进行计算。在 AI 之外，zk 证明已经被应用于扩展以太坊，允许交易在第 2 层区块链上进行链下交易。最近，zk 证明已应用于深度学习模型，以证明：使用特定数据来生成模型或提供推理输出（此外，未使用哪些数据/源）使用特定模型来生成推论推理输出未被篡改 zk 证明可以发布到公共、永久的区块链上，并通过智能合约进行验证。结果是区块链可以公开且无可辩驳地证明人工智能模型的重要属性。将 ZK 应用于 AI 的两个前沿项目被称为“零知识机器学习”（ZKML），即EZKL和Modulus。EZKL 使用Halo2证明系统生成 zk-snarks，这是一种零知识证明，然后可以在以太坊的 EVM 上公开验证。EZKL 首席执行官Jason Morton表示，虽然 EZKL 目前可以证明的模型大小相对较小，约为 100M 参数，而 ChatGPT 4 的参数为 175B相信他们正在考虑的是“工程问题”而不是“技术限制”问题。EZKL 相信他们可以通过拆分并行执行的证明来克服证明问题，从而减少内存限制和计算时间。事实上，杰森·莫顿相信有一天，“验证模型将像签署区块链交易一样简单。” ZKML证明应用于人工智能可以解决人工智能实现的重要痛点，包括版权问题和人工智能安全。正如《纽约时报》最近针对 Open AI 和微软的诉讼所表明的那样，版权法将适用于数据所有权，人工智能项目将被迫提供其数据来源的证明。ZKML 技术可用于快速解决法庭上有关模型和数据所有权的争议。事实上，ZKML 的最佳应用之一是允许Ocean Protocol和SingularityNet等数据/模型市场证明其列表的真实性和有效性。人工智能模型最终将扩展到准确性和安全性至关重要的领域。据估计，到 2027 年，人工智能边缘设备将达到5.8B 个，其中可能包括重型机械、机器人、自动无人机和车辆。由于机器智能应用于可能伤害和杀人的事物，因此使用来自可靠来源的高质量数据来证明该设备上运行了信誉良好的模型非常重要。尽管从这些边缘设备构建连续的实时证明并将其发布到区块链可能在经济和技术上具有挑战性，但在激活时验证模型或定期发布到区块链可能更可行。然而，来自0xPARC的 Zupass基金会已经建立了源自“携带数据证明”的原始证明，可以廉价地建立边缘设备上发生的事实证明。目前，这与活动出席有关，但可以预见，这种情况很快就会迁移到身份甚至医疗保健等其他领域。机器人外科医生的人工智能模型有多好？机器人辅助手术。资料来源：截至 2024 年 1 月 30 日的《麻省理工学院技术评论》。从可能因设备故障而承担责任的企业的角度来看，拥有可验证的证据来证明他们的模型不是代价高昂的事故的根源似乎是理想的选择。同样，从保险的角度来看，验证和证明基于实际数据训练的可靠模型的使用可能在经济上变得必要。同样，在人工智能深度伪造的世界中，利用经过区块链验证和证明的相机、手机和计算机来执行各种操作可能会成为常态。当然，这些设备的真实性和准确性的证明应该发布到公共开源分类账上，以防止篡改和欺诈。尽管这些证明有着巨大的前景，但它们目前受到天然气费用和计算开销的限制。按照当前的 ETH 价格，在链上提交证明需要花费大约 300-500k 的 Gas（按照当前的 ETH 价格约为 35-58 美元）。从计算的角度来看，Eigenlayer 的 Sreeram Kennan 估计，“在 AWS 上运行需要花费 50 美元的证明计算，使用当前的 ZK 证明技术将花费约 1,000,000 倍的成本。” 结果是，zk 证明的发展速度比几年前任何人的预期都要快得多，但在打开实际用例之前还有很长的路要走。假设有人对 ZKML 的应用感到好奇。在这种情况下，他们可以参加由经过验证的链上智能合约模型评判的去中心化歌唱比赛，并将其结果永久上传到区块链。通过基于区块链的身份建立人性广泛、先进的机器智能的一个可能后果是，自主代理将成为最多产的互联网用户。人工智能代理的释放很有可能会导致整个网络受到有目的的机器人生成的垃圾邮件甚至无害的基于任务的代理堵塞网络的干扰（“摆脱垃圾电子邮件”）。索拉纳当机器人争夺大约价值 10 万美元的套利机会时，每秒有 100 GB 的数据流量。想象一下，当人工智能代理可以勒索数百万个企业网站并勒索数十亿美元时，将会出现怎样的网络流量洪流。这表明未来的互联网会对非人类流量施加限制。限制此类攻击的最佳方法之一是对过度使用廉价资源征收经济税。但我们如何确定垃圾邮件收费的最佳框架，以及如何确定人性化？幸运的是，区块链已经采用了内置防御来防止人工智能机器人式的女巫攻击。计量非人类用户与非人类用户收费的结合将是一种理想的实现方式，同时稍微繁重的计算（如Hashcash）会抑制机器人。在人性证明方面，区块链长期以来一直在努力克服匿名性，以解锁诸如抵押不足的贷款和其他基于声誉的活动等活动。获得动力来证明身份的一种方法是使用JSON Web 令牌 (JWT)。JWT 是“0Auth”凭证，类似于“cookie”，是在您登录 Google 等网站时生成的。它们允许您在登录 Google 后访问互联网上的各个网站时展示您的 Google 身份。zkLogin由 L1 区块链Sui创建，允许用户将其钱包私钥和操作链接到生成 JWT 的 Google 或 Facebook 帐户。零点对点进一步扩展了这个概念，使用 JWT 来无需许可地允许用户在 Base 区块链上用法定货币交换加密货币。这是通过支付应用程序 Venmo 确认点对点现金转账来完成的，当通过电子邮件 JWT 确认时，解锁智能合约托管的 USDC 代币。这两个项目的结果是它们与链下身份建立了牢固的联系。例如，zkLogin 将钱包地址连接到 Google 身份，而 zkP2P 仅适用于 Venmo 的 KYC 用户。尽管两者都缺乏足够可靠的可靠保证来实现链上身份，但它们创建了其他人可以使用的重要构建块。虽然许多项目都试图确认区块链用户的人类身份，但最大胆的是OpenAI 首席执行官Sam Altman创立的WorldCoin。尽管备受争议，因为用户必须扫描虹膜使用反乌托邦的“Orb”机器，世界币正在走向一个不可篡改的身份系统，该系统不能轻易伪造或被机器智能所淹没。这是因为 WorldCoin 根据每个人独特的眼睛“指纹”创建了一个加密标识符，可以对其进行采样以确保唯一性和真实性。经过验证后，用户会收到 Optimism 区块链上名为 World ID 的数字护照，允许该用户在区块链上证明自己的人性。最重要的是，一个人的独特签名永远不会被泄露，也无法被追踪，因为它是加密的。World ID 只是断言区块链地址属于人类。Checkmate 等项目已经将 World ID 与社交媒体资料链接起来，以确保用户的独特性和真实性。在人工智能主导的未来互联网中，在每一次在线互动中明确证明人性可能会变得司空见惯。当人工智能克服了验证码的局限性时，区块链应用程序可以廉价、快速、具体地证明身份。通过区块链技术为人工智能做出贡献毫无疑问，我们正处于人工智能革命的早期阶段。然而，如果机器智能的增长轨迹符合最大胆的根据预测，人工智能必须面临挑战，才能脱颖而出，同时抑制其潜在危害。我们相信，加密货币是正确“训练”结果丰富但潜在阴险的人工智能植物的理想网格。区块链的人工智能解决方案集可以通过为机器智能创造者提供响应更快、更灵活且可能更便宜的去中心化计算来提高机器智能创造者的产出。它还激励能够创建更好模型的构建者，同时为其他人提供经济动力，让他们利用这些人工智能模型构建有用的业务。同样重要的是，模型所有者可以证明其模型的有效性，同时证明未使用受保护的数据源。对于人工智能用户来说，加密应用程序可以确认他们运行的模型是否符合安全标准，并且可能很有用。资料来源：VanEck Research，项目网站，截至 2024 年 1 月 15 日。提供第三方网站的链接是为了方便起见，包含此类链接并不意味着我们对链接网站中包含的或可从链接网站访问的任何内容或信息进行任何认可、批准、调查、验证或监控。点击非 VanEck 网页的链接，即表示您承认您进入的第三方网站受其条款和条件的约束。VanEck 对第三方网站的内容、访问合法性或适用性不承担任何责任。披露：VanEck 通过我们与早期风险投资经理 Cadenza 的战略合作伙伴关系在 Together 中占有一席之地，Cadenza 非常友善地为“克服去中心化计算的瓶颈” 部分做出了贡献。特别感谢：贾森·莫顿，ZKML 首席执行官 Ala Shabana，Bittensor 联合创始人 Arrash Yasavolian，Bittensor 的 Taoshi 子网创始人 Greg Osuri，Akash 首席执行官兼创始人 zkP2P首席执行官梁泽强 Sui 区块链团队的主要成员 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari 来源：金色财经

金色财经2024-02-20

美国AI安全研究所成立! 成员阵容庞大：微软、OpenAI以及谷歌领衔

据媒体援引知情人士透露的消息报道，美国政府表示，包括微软、OpenAI以及谷歌等人工智能领域领导者们在内的200多家实体公司加入了一个新的美国联营研究团体，以帮助安全开发和部署生成式人工智能。

金融界2024-02-08

加快金融科技创新做好数字金融大文章助力金融强国建设

金色财经2024-01-28

20亿美元估值巅峰 “欧洲版OpenAI”如何成为GPT最强对手？

CEO Arthur Mensch曾在AI安全峰会上表示：“开源带来的风险和益处之间存在一种权衡，我们需要通过动态的对话来寻找最佳解决方案。” 据悉，该公司正在构建一个具备模块化过滤器和模块化机制的平台，用于管理模型网络。也许，该公司将从模型内部构建方面，着手AI安全和防护问题。在如今竞争激烈的大语言模型中，Mistral AI凭借其卓越的性能和出色的适应性脱颖而出。然而，面临潜在的AI安全性挑战，行业人员也正思考如何在开源与安全之间取得权衡之道。 04.与谷歌云共创智能未来众所周知，谷歌云在全球云计算领域堪称佼佼者，而当它与AI领域的黑马Mistral AI相遇，一个充满无限可能的未来正逐渐展现在我们眼前。上个月，谷歌云宣布和Mistral AI建立全球合作伙伴关系，Mistral AI将使用谷歌云的基础设施来分发和商业化其大型语言模型。借助谷歌云强大的云计算和大数据技术，Mistral AI在模型推理、预训练等领域有望取得前所未有的突破。这不仅将进一步推动AI技术的发展，更将为各行业带来更为智能、高效的解决方案。与此同时，双方的合作也将加速Mistral AI在各个行业的落地应用。无论是电商、金融、医疗还是教育，Mistral AI都将为人类带来更多便利和福祉。当然，Mistral AI的崛起并非偶然。作为一家充满活力和创新精神的公司，Mistral AI始终致力于探索AI技术的边界，并将其应用于解决实际问题。其出色表现和创新能力，使得人们不禁开始思考：这家初创公司是否有可能超越OpenAI，成为欧洲AI领域的领军者？让我们拭目以待。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2024-01-25

24小时热点