FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

马斯克斥巨资建设xAI“超级算力工厂”，AI人工智能ETF(512930)连续6日资金净流入
 go
后估值达到30亿美元。关注人工智能，AI应用发展以及娱乐消费、线上购物的投资者，可借道线上消费ETF平安(159793)、AI人工智能ETF(512930)把握投资机遇。线上消费ETF平安(159793)紧密跟踪中证沪港深线上消费主题指数，中证沪港深线上消费主题指数从内地与香港市场中选取50只主营业务涉及线上购物、快递物流、影视娱乐、网络游戏、视频直播、在线教育以及远程医疗等领域的上市公司证券作为指数样本，以反映内地与香港市场线上消费主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证沪港深线上消费主题指数(931481)前十大权重股分别为美团-W(03690)、腾讯控股(00700)、快手-W(01024)、顺丰控股(002352)、科大讯飞(002230)、昆仑万维(300418)、京东健康(06618)、世纪华通(002602)、圆通速递(600233)、哔哩哔哩-W(09626)，前十大权重股合计占比58.57%。 AI人工智能ETF(512930)紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证人工智能主题指数(930713)前十大权重股分别为海康威视(002415)、中际旭创(300308)、科大讯飞(002230)、韦尔股份(603501)、金山办公(688111)、新易盛(300502)、中科曙光(603019)、紫光股份(000938)、澜起科技(688008)、浪潮信息(000977)，前十大权重股合计占比51.88%。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2024-05-28
探索AI与Web3的六大融合之处
 go
这种方式，FHEML强化了数据隐私，为AI应用提供了一个安全的计算框架。 FHEML是ZKML的补充，ZKML证明机器学习的正确执行，而 FHEML 则强调对加密数据进行计算以维护数据隐私。算力革命：去中心化网络中的AI计算当前AI系统的计算复杂性每3个月翻一番，导致算力需求激增，远超现有计算资源的供应。例如，OpenAI的GPT-3模型训练需要巨大算力，相当于单个设备上355年的训练时间。这样的算力短缺不仅限制了AI技术的进步，更让那些高级的AI模型对于大多数研究者和开发者来说变得遥不可及。同时，全球GPU的利用率不足40%，加之微处理器性能提升的放缓，以及供应链和地缘政治因素导致的芯片短缺，这些都让算力供应问题变得更加严重。AI从业者们陷入了两难：要么自购硬件，要么租赁云资源，他们急需一种按需、经济高效的计算服务方式。 IO.net是一个基于Solana的去中心化AI算力网络，通过聚合全球范围内的闲置GPU资源，为AI公司提供了一个既经济又易于访问的算力市场。算力需求方可在网络上发布计算任务，智能合约将任务分配给贡献算力的矿工节点，矿工执行任务并提交结果，经验证后获得积分奖励。IO.net的方案提高资源利用效率，有助于解决AI等领域的算力瓶颈问题。除了通用的去中心化算力网络，还有像Gensyn、Flock.io这样专注于AI训练的平台，以及Ritual、Fetch.ai这样专注于AI推理的专用算力网络。去中心化算力网络提供公平透明的算力市场，打破垄断，降低了应用门槛，提高了算力的利用效率。在web3生态系统中，去中心化算力网络将发挥关键作用，吸引更多创新型dapp的加入，共同推动AI技术的发展和应用。 DePIN：Web3赋能Edge AI 想象一下，你的手机、智能手表、甚至家中的智能设备，都具备了运行AI的能力——这就是Edge AI的魅力所在。它让计算发生在数据产生的源头，实现了低延迟、实时处理，同时保护了用户的隐私，Edge AI技术已经应用于自动驾驶等关键领域。在Web3领域，我们有个更熟悉的名字—DePIN。Web3强调去中心化和用户数据的主权，DePIN通过在本地处理数据，可以增强用户隐私保护，减少数据泄露的风险；Web3 原生的Token经济机制可激励DePIN节点提供计算资源,构建一个可持续的生态系统。目前DePIN在Solana生态中发展迅速，成为项目部署的首选公链平台之一。Solana的高TPS、低交易费用以及技术创新为DePIN项目提供了强大支持。目前，Solana上的DePIN项目市值超过100亿美元，知名项目如Render Network和Helium Network已取得显著进展。 IMO：AI模型发布新范式 IMO的概念由Ora protocol首先提出，将AI模型代币化。在传统模式下，由于收益分享机制缺失，一旦AI模型被开发出来并投入市场，开发者往往难以从模型的后续使用中获得持续的收益，尤其是当模型被整合进其他产品和服务后，原始创造者很难追踪使用情况，更不用说从中获得收益了。并且AI模型的性能和效果往往缺乏透明度，这让潜在的投资者和使用者难以评估其真正价值，限制了模型的市场认可和商业潜力。 IMO为开源AI模型提供了一种全新的资金支持和价值共享方式，投资者可以购买IMO代币，分享模型后续产生的收益。Ora Protocol使用ERC-7641和ERC-7007两个ERC标准，结合AI预言机（Onchain AI Oracle）和OPML技术来确保AI模型的真实性和代币持有者能够分享收益。 IMO模式增强了透明度和信任，鼓励开源协作，适应加密市场趋势，并为AI技术的可持续发展注入了动力。IMO目前还处于初期尝试阶段，但随着市场接受度的提升和参与范围的扩大，它的创新性和潜在价值值得我们期待。 AI Agent：交互体验的新纪元 AI Agent能够感知环境，进行独立思考，并采取相应的行动以实现既定目标。在大语言模型的支持下，AI Agent不仅能理解自然语言，还能规划决策，执行复杂的任务。它们可以作为虚拟助手，通过与用户的互动学习其偏好，并提供个性化的解决方案。在没有明确指令的情况下，AI Agent也能自主解决问题，提高效率，创造新价值。 Myshell 是一个开放的 AI 原生应用平台，提供全面易用的创作工具集，支持用户配置机器人功能、外观、声音以及连接外部知识库等，致力于打造公平开放的 AI 内容生态系统，利用生成式 AI 技术，赋能个人成为超级创作者。Myshell训练了专门的大语言模型，使角色扮演更人性化；语音克隆技术可以加速 AI 产品个性化交互，MyShell 把语音合成成本降低 99%，语音克隆仅需 1 分钟即可实现。利用Myshell定制的AI Agent，目前可应用于视频聊天、语言学习、图像生成等多领域。在Web3与AI的融合上，当前更多的是对基础设施层的探索，如何获取高质量数据、保护数据隐私，如何在链上托管模型，如何提高去中心化算力的高效使用，如何验证大语言模型等关键问题。随着这些基础设施的逐步完善，我们有理由相信，Web3与AI的融合将孕育出一系列创新的商业模式和服务。来源：金色财经
金色财经2024-05-27
重磅！美媒记者曝光：苹果接近与OpenAI达成协议 ChatGPT将引入iPhone系统
 go
，该公司控制着全球80%以上最适合运行AI应用程序的芯片市场。获得更多芯片的努力与Altman发现的两个主要问题有关，支持OpenAI软件先进处理器的短缺，以及运行支持其努力和产品所需硬件的“高昂”成本。自2020年以来，OpenAI在其最大支持者之一微软构建的大型超级计算机上开发了其生成式AI技术，该超级计算机使用了10000个英伟达图形处理单元(GPU)。运行ChatGPT对公司来说成本非常高，根据Bernstein分析师Stacy Rasgon计算，每个查询的成本约为4美分。如果ChatGPT查询规模增长到谷歌搜索的10%，则最初需要价值约481亿美元的GPU，每年需要价值约160亿美元的芯片才能维持运营。
颜辞2024-05-27
软通动力（301236.SZ）：公司预计6月底推出天鹤数据库2.0版本
 go
品牌化的 AI 智能体助理，初步形成 AI 应用生态，进一步瞄准 AIPC 细分领域的主题场景，打造覆盖程序员、娱乐电竞、工作会议、学习研究等众多场景的高性能移动终端，为用户的工作、生活、学习场景提供专属化个性化服务、可信安全的个人数据与隐私保障，以及更低的 AI 大模型服务使用成本，激活用户对多场景、多模态、高性能智能终端的潜在需求，持续增强品牌的竞争力。 2、收购同方完成后，公司将如何有效整合同方资源，在业务协同发展方面有何具体规划？软通计算（同方计算机）、智通国际（同方国际）进一步补强了公司的硬件能力版图。未来公司将在市场营销、技术研发、产品和客户等方面与同方业务发挥协同效应，面向企业市场和消费市场，推出更多更好的产品和整体解决方案，提升核心竞争力。其中，面向企业市场，公司将持续推进计算硬件相关业务发展。深化技术创新，确保软通计算（同方计算机）的市场领先地位不变，以软通计算（同方计算机）为业务主体专注于计算机相关硬件产品及外围设备的研发和生产、方案设计及实施服务，推出更多、更好的国产 IT 基础设施整体方案及产品；发挥软通计算（同方计算机）在硬件制造层面的技术优势与能力，与公司软件开发能力共融互联打造全栈产品，构建“产品+服务+营销” 的全栈计算产品与解决方案新发展模式；加快业务拓展，创新应用场景，以基础硬件+基础软件的全生态体系，推动自主可控业务在党政、军工、金融、电信、能源、交通、教育、医疗等领域的基础架构改革，加快关键核心系统领域自主创新产品的落地实施。面向消费市场，公司将积极推进智能电子产品相关业务发展。加大智能电子产品研发，探索新技术、新材料、新应用和新模式，不断提升产品的智能化水平和用户体验；加强产业链协同，并着力打造机械革命消费类智能电子产品品牌，依托机械革命高性能终端形成的 CPU+GPU+NPU 的端侧组合算力优势，结合公司智算中心的云端算力和软通天璇 2.0MaaS 端侧 AI 大模型所形成的云边端生态系统，深度布局 AIPC 基础设施和生态发展。 3、请问公司未来的业务战略是怎样的？公司将紧紧围绕国家战略，基于多年深厚的行业沉淀和技术积累，在夯实咨询和数字技术服务的基础上，依托鲲鹏/昇腾发展计算和终端等基础硬件产品，深化布局数字能源和智能算力服务，打造“服务+软硬产品+运营”的全栈数字技术服务模式，迎接新一轮的科技浪潮，并持续推进国际化战略。 4、年初公司发布了天鹤数据库，最近有什么新的进展吗？公司于 2024 年初正式发布了自主研发的天鹤数据库，该数据库是基于 openGauss 内核自主研发、安全可控的数据库，支持intel、鲲鹏等多种处理器，具备高性能，高可用，高兼容、自动化运维等特点。公司天鹤数据库近期进展情况主要为：1、基于 openGauss5.0.0 推出天鹤数据库商业发行版 1.0，当前基于 openGauss 6.0.0的版本研发顺利，以增强 Oracle 兼容性能力，预计 6 月底推出天鹤数据库 2.0 版本。2、天鹤数据库生态工具，新增了 MySQL、PostgreSQL、DB2 数据库同构链路的数据复制和数据对比功能，GaussDB 同构数据复制新增多种数据库对象的支持；3、天鹤数据库与中间件管理平台支持了 MySQL 的生命周期管理、账户管理和数据库管理功能，更多功能和数据库及中间件接入实现中。此外，近期天鹤数据库产品成功中标深城交国产数据库项目。 5、公司在人工智能领域的布局如何，是否推出了自研的大模型产品？公司密切关注 AI 领域的技术发展，持续进行研究探索。公司推出的软通天璇 2.0 MaaS 平台、自研 EZ-Train 模型微调工具、AI Agent 及知识库引擎已经形成完整的技术支撑生态，并在多个行业实现了成果落地。公司推出的自研大模型产品“软通天璇 2.0 MaaS 平台”，是基于昇思 MindSpore 人工智能框架打造的一站式服务平台，平台通过适配主流厂商大模型和开源大模型，向客户提供大模型技术底座、行业大模型及管理、场景大模型应用、大模型运营服务、大模型数据治理和安全服务。目前软通天璇 2.0 已经在银行、保险、零售、农业、医疗、通用管理等多个垂直行业领域赋能客户智能化创新，在保险行业，帮助客户实现了数据的智能分析及行业模型训练落地，并率先推出了保险行业大模型；在金融行业软件研发领域，公司的工程效能提升套件 AISE、测试辅助支撑软件 AITD 平台已正式投入使用；在农业安全生产领域，公司联合合作伙伴共建农粮行业生态创新实验室，探索生产安全领域大模型应用场景；面向企业招聘，公司相继上线面向大型企业的“通聘宝”Pro 版和面向中小企业的“梧桐招聘”Plus 版，其中“梧桐招聘”入选中国首部大模型应用权威案例集。 6、公司有向外拓展国际业务版图的布局和规划吗？公司以“服务交付全球化”为战略核心，加速进行海外布局，在继续稳定推进北美和日本业务的基础上，加快东南亚和中东的业务布局及开拓，随船出海和本地开拓并举，将战略伙伴关系延展至海外，持续强化海外交付能力。目前，公司已在新加坡注册并作为海外总部，并在海外逐步构建起了有效的营销和交付团队。公司已经帮助战略伙伴在东南亚和中东开展业务，重点在云转售、云上应用开发、云运营等领域进行项目合作；在东南亚，通过营销渠道进行本地客户的发掘和业务开拓，已经将云业务拓展至当地企业，通过与客户形成战略合作关系，持续进行项目交付；在土耳其，公司和当地大型企业集团在数字化转型应用开发与运营方面进行长期合作等。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2024-05-27
【指数点点通】一文概览贯穿人工智能产业链的三只指数
 go
务，涉及AI芯片等领域，是大模型训练和AI应用开发不可或缺的基础设施；中游主要涉及算法研究和模型构建，是人工智能产业发展的重要驱动力，我们常说的“云计算服务”、“大数据服务”，就主要聚焦于人工智能产业链中游；下游主要涵盖了人工智能技术外延的应用场景，包括软件应用和硬件应用，例如大家所熟知的人脸识别、智能驾驶等产品服务。图1：人工智能产业链数据来源：易方达基金整理中证人工智能、中证云计算与大数据、中证软件服务三只指数，在人工智能产业链上的定位分工各有不同，分别覆盖了全产业链、产业链中游、产业链下游。我们可以从指数的编制规则、行业分布、主要成份股中细看。 1、编制规则【要点：选样范围各有侧重，人工智能指数覆盖人工智能全产业链，云计算与大数据指数侧重产业链中游，软件服务指数更侧重于覆盖产业链下游软件应用环节】人工智能指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，选样范围覆盖人工智能全产业链，涉及大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等领域，反映人工智能主题上市公司证券的整体表现。云计算与大数据指数选取50只业务涉及云计算服务、大数据服务、以及为云计算和大数据提供硬件设备的上市公司证券作为指数样本，聚焦产业中游选样，反映云计算和大数据产业上市公司证券的整体表现。软件服务指数选取30只业务涉及软件开发、软件服务等领域的上市公司证券作为指数样本，把握下游软件应用领域，反映软件服务产业上市公司证券的整体表现。表1：三只指数编制规则资料来源：中证指数有限公司。 2、行业分布【要点：人工智能指数最分散，软件服务指数最集中】指数编制侧重的不同，使三只指数行业分布结构呈现出不同的特色。人工智能指数一定程度侧重于人工智能产业链的全方位覆盖，所涉及的行业既包括算力环节相关的电子、通信行业，也有大模型和应用相关的计算机、传媒、汽车等领域，行业分布相对均匀。云计算与大数据指数侧重于把握产业中游算力、大数据板块表现，涉及行业集中于计算机、通信和传媒。软件服务指数成份股大部分聚焦于下游的软件开发，95%的上市公司来自软件应用相关的计算机行业。图2：中证人工智能主题指数行业分布数据来源：Wind，申万二级行业分类，2024/4/30。图3：中证云计算与大数据主题指数行业分布数据来源：Wind，申万二级行业分类，2024/4/30。图4：中证软件服务指数行业分布数据来源：Wind，申万二级行业分类，2024/4/30。 3、主要成份股【要点：软件服务指数集中度更高】从主要成份股来看，三只指数前十大重仓股均占据指数50%以上的权重，包括相关行业的龙头企业。其中，软件服务指数前十大重仓股权重近61%，且全部聚焦于软件开发和IT服务，集中度更高；人工智能主题指数前十大重仓股覆盖5个细分行业，较为全面的把握人工智能产业机会；云计算与大数据主题指数覆盖4个细分行业，包括了云计算板块的龙头公司。三只指数前十大重仓股中，有部分行业龙头企业股票互相重合，如科大讯飞、金山办公等，三只指数受行业龙头企业表现的影响都比较大。表2：三只指数前十大成份股数据来源：Wind，申万二级行业分类，2024/4/30。除了上述主要差异外，三只指数在市值风格和风险收益特征也有一定的相似之处。 1、市值分布差异不大人工智能指数成份股平均市值相对最大，平均数为455亿元。云计算与大数据指数成份股平均市值最小，平均数为290亿元。软件服务指数成份股平均市值介于其他两个指数之间，市值平均数为327亿元。表3：三只指数成份股市值权重分布（%）数据来源：Wind，2024/4/30。 2、风险收益特征相似从指数历史表现来看，三只指数表现均受人工智能产业影响，受行业波动影响较大，走势大致趋同，风险较高。图5：三只指数近5年收益走势（%）数据来源：Wind，2019/1/1-2024/4/30。表4：三只指数风险收益特征对比（%）数据来源：Wind，2019/1/1-2024/4/30。声明：本资料仅用于投资者教育，不构成任何投资建议。我们力求本资料信息准确可靠，但对这些信息的准确性、完整性或及时性不作保证，亦不对因使用该等信息而引发的损失承担任何责任，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。基金有风险，投资须谨慎。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2024-05-27
财信证券：给予昆仑万维增持评级
 go
产业链布局“算力基础设施-大模型算法-AI应用”，海外信息分发业务持续向好。但考虑到短期AI技术的持续投入、最终商业变现仍需时日、以及投资业务带来收益的不确定性，短期业绩端增速或面临放缓。预计公司2024年/2025年/2026年实现营收54.93亿元/61.64亿元/68.44亿元，归母净利润7.99亿元/8.44亿元/9.76亿元，EPS分别为0.66元/0.69元/0.80元，对应PE分别为54.18倍/51.28倍/44.36倍。首次覆盖，给予“增持”评级。　　风险提示：政策监管风险；AI应用落地不及预期；商誉减值风险；投资业务不及预期。证券之星数据中心根据近三年发布的研报数据计算，中邮证券王晓萱研究员团队对该股研究较为深入，近三年预测准确度均值为72.08%，其预测2024年度归属净利润为盈利9.09亿，根据现价换算的预测PE为46.13。最新盈利预测明细如下：该股最近90天内共有9家机构给出评级，买入评级5家，增持评级4家；过去90天内机构目标均价为52.2。以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据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2024-05-27
“国家队”AI大模型正式发布，AI人工智能ETF(512930)持续获资金积极布局
 go
业链，其次关注国产算力产业链，最后关注AI应用的潜在变化。1)海外算力产业链：包括光模块、AI服务器；2)国产算力产业链；3)AI应用。关注人工智能，AI应用发展以及娱乐消费、线上购物的投资者，可借道线上消费ETF平安(159793)、AI人工智能ETF(512930)把握投资机遇。据了解，Blackwell平台已全面投入生产，为万亿参数规模的生成式人工智能奠定了基础。线上消费ETF平安(159793)紧密跟踪中证沪港深线上消费主题指数，中证沪港深线上消费主题指数从内地与香港市场中选取50只主营业务涉及线上购物、快递物流、影视娱乐、网络游戏、视频直播、在线教育以及远程医疗等领域的上市公司证券作为指数样本，以反映内地与香港市场线上消费主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证沪港深线上消费主题指数(931481)前十大权重股分别为美团-W(03690)、腾讯控股(00700)、快手-W(01024)、顺丰控股(002352)、科大讯飞(002230)、昆仑万维(300418)、京东健康(06618)、世纪华通(002602)、圆通速递(600233)、哔哩哔哩-W(09626)，前十大权重股合计占比58.57%。 AI人工智能ETF(512930)紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年4月30日，中证人工智能主题指数(930713)前十大权重股分别为海康威视(002415)、中际旭创(300308)、科大讯飞(002230)、韦尔股份(603501)、金山办公(688111)、新易盛(300502)、中科曙光(603019)、紫光股份(000938)、澜起科技(688008)、浪潮信息(000977)，前十大权重股合计占比51 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2024-05-27
AI浪潮下区块链的机遇在哪里？
go
同时区块链也可以在AIGC、智能代理等AI应用领域开拓创新，打造连接AI上下游的生态平台。大家都看到了，自从ChatGPT出世，AI就成为了全球科技圈最火热的话题。这只是最新AI浪潮的开端，未来可期。从OpenAI到谷歌，再到国内的百度、商汤等，人工智能领域的投入越来越猛，AI已成为科技巨头新的夺命狙击枪。这一轮AI热潮，最直接的推手是生成式AI技术的突破，尤其是大语言模型（LLM）的崛起。以ChatGPT为代表的AI写作、编程、问答等能力，令人震惊。不过别忘了，推动这一切的是算力、数据和算法模型的共同进步。无论是训练大语言模型，还是部署各类AI应用，都需要大量计算资源、海量数据及强大的存储能力。正是由于对算力、数据、存储等基础设施的巨大需求，AI的发展给区块链带来了全新的机遇。我们不妨梳理一下，区块链在AI浪潮下可以发挥哪些作用。机遇一：去中心化算力的供给目前，AI训练和部署的算力资源高度集中在少数科技巨头手中，供给短缺且存在地缘政治风险。区块链可以通过代币激励，将全球ocity的闲置算力组织起来，形成一个去中心化的算力池，缓解供给紧缺。项目如Akash、RenderToken、IovLabs等，都在推动去中心化算力网络的建设。值得一提的是，零知识证明（ZK）技术的加入，可以确保算力提供方如实执行了计算任务，避免作假和隐私泄露，这使得区块链算力网络能够可信地服务于AI训练和部署。机遇二：数据采集、处理及交易数据是AI发展的燃料，但全球数据大部分处于非结构化和分散状态，需要采集和标注处理才能被AI使用。这恰好是区块链擅长的去中心化众包模式可以切入的领域。诸如Grass、Airnode等项目，正在构建利用代币经济激励全球用户贡献数据和处理能力的平台。而Ocean Protocol则聚焦于解决数据隐私难题，它的Compute-to-Data模式，让AI算法可以直接在数据提供方的节点上运行，避免数据外泄。机遇三：去中心化存储基础设施训练和部署AI模型需要大量数据的读写和存储，这是区块链去中心化存储项目可以切入的领域。Arweave、Filecoin等项目，利用代币经济和共识机制，搭建了一个低成本、永久可访问的分布式存储网络，非常适合存放AI模型及训练数据。 Arweave更进一步，它的AO计算网络为AI训练提供了并行计算能力，生态中还衍生出多个分布式数据库项目，共同为AI提供了完整的存储和数据库基础设施。机遇四：AI下游应用的创新 AI的根本目的是服务各行各业，推动生产力和效率的提升。在AI赋能的下游应用领域，区块链也孕育着无限可能。最直接的，就是结合大语言模型能力的AIGC(AI生成内容)创作平台。借助LLM，用户可以通过文字指令，生成图像、视频、代码等各类内容。Kaitoai、EchelonFund等项目就在探索这一领域。更具前景的，是能够独立执行任务的AI Agent(智能代理)。它们不仅能根据语义理解用户意图，还能在链上链下环境中自主决策执行。这种智能机器人可以应用到各个场景，如游戏、元宇宙的虚拟助手，也可以是DeFi协议的自动化操作代理等。Fetch.ai、Delysium等项目正在布局这一领域。机遇五：打造AI生态基础设施除了切入AI的具体环节，区块链还可以尝试打造连接上下游、集成各种AI能力的生态基础设施。 Bittensor就是这样一个雄心勃勃的项目，它基于区块链打造了一个去中心化的AI网络，将全球的算力、数据、模型等要素连接在一起，并通过代币经济实现要素自动交易和组合。开发者可以在这个网络中低成本地部署和运行AI应用。总的来说，AI给区块链带来了全新的发展机遇。从算力、数据到存储，区块链都可以为AI提供基础设施支持；从AIGC到智能代理，区块链也可以成为创新应用的温床；更有项目直指打造连接AI上下游的生态平台。机遇是客观存在的，但能否抓住，取决于区块链项目的执行力。毕竟AI浪潮已然来临，机会稍纵即逝。与其被动等待AI巨头入场，不如区块链先人一步，用自身的去中心化、加密经济等特性，在AI赛道上先行布局。来源：金色财经
金色财经2024-05-26
迈向数据智能新纪元：Databricks领航去中心化数据与AI革命
 go
研发的DBRX模型和MPT模型系列，为AI应用的构建注入新活力，大幅简化了从原型到成品的整个开发流程。用户可以轻松进行数据工程、数据科学、机器学习和业务分析，实现数据驱动的业务转型，为业务增长与创新提供源源不断的动力。在2023年6月26日晚间，Databricks宣布以约13亿美元收购生成式人工智能初创公司MosaicML，为企业构建类ChatGPT工具的服务，加速了在AI领域的布局，为企业带来更智能、高效的解决方案。迄今为止，Databricks已赢得了全球超过9,000家组织的信赖与支持，包括荷兰银行、康泰纳仕等知名企业。与Microsoft、Amazon等全球技术巨头建立了坚实的战略合作关系，共同呈现最前沿、最强大的数据AI解决方案。 Databricks致力于连接数据，赋能全球，共同书写数据AI的新篇章，迈向更加智能、互联的未来。随着Databricks的不断发展壮大，我们将继续为用户提供创新的数据与AI解决方案，助力企业实现数字化转型，创造更加美好的未来。通过Databricks，我们可以在这个数字化时代探索更多可能性，共同开创数据智能的新纪元！来源：金色财经
金色财经2024-05-25
区块链和人工智能之间的协同与冲突
 go
策过程，实现透明的审计跟踪，从而提升 AI 应用的可信度。此外，区块链还能整合先进的加密技术（比如 zk-SNARK 等零知识证明）或使用安全硬件（比如 Trusted Execution Environments/可信执行环境/TEE）。这些技术可帮助验证特定的计算步骤是否被忠实准确地执行。数据管理和依赖。区块链可通过智能合约与星际文件系统（IPFS）等协议监管数据与数据访问权限。开源与闭源。区块链可通过加密协议实现共享所有权，进而实现细粒度的隐私配置，从而解决 AI 专有模型的局限性。如果能让共享式 AI 系统（由参与方联合训练和控制）的性能达到商业模型的水平，那么 AI 发展的透明度将会大幅提升。这也能促进人们创造更公正和全面的人工智能解决方案。区块链和 AI 之间的冲突尽管区块链和 AI 之间有上述协同共进之处，但它们之间的运营需求却存在重大冲突，妨碍了这两者的整合。计算成本和负载。对于 GPT-4 和 Llama 3 等大型语言模型（LLM），训练和推理都需要大量计算资源。区块链的共识机制、加密操作和不利的数据结构都会增加计算负担，从而影响可扩展性。存储限制和数据密集度。区块链的去中心化特性尽管能确保安全和冗余，但也会导致显著的存储需求，这对数据驱动的 AI 系统来说无疑是高成本和低效的。在以太坊等通用区块链系统（GBPS）中，每一个节点都必须存储所有信息，因为冗余能保证该区块链网络的安全性和弹性，但却不利于可扩展性。由于以太坊虚拟机（EVM）上的新数据都会被储存成交易格式，那么 EVM 结构上的常见数据可能会有碍检索的速度。另一方面，AI 应用则会生成和处理大量数据，这就需要高效且可扩展的存储解决方案。伪匿名和安全性挑战。区块链允许通过非对称加密实现无许可、伪匿名的访问；而针对可能出现的女巫攻击（Sybil Attack），则可通过设置计算或资金屏障来保护网络。另外，某些用例是将区块链用作提升隐私保护和分布式 AI 训练的平台，使用的技术包括联邦学习等；而如果这些用例支持伪匿名地参与训练过程，则可能出现风险。这些方法容易被对抗式联邦学习攻击攻破，而想要确定恶意攻击者的身份却非常困难，因为根据设计，向整体 AI 模型提交的贡献是私密的并且难以测量。操作不匹配。大多数区块链虚拟机都使用了固定的账本操作以保证结果是确定的——这很重要，毕竟金融交易涉及的都是钱。而浮点运算则可能在计算中出现精度损失，尤其是当计算数量级相差巨大的多个数值时。但是，AI 训练的一种常见做法是将浮点参数归一化到 0 到 1 之间，因为这有助于实现稳定有效的梯度流并提供隐式的正则化，由此提升整体训练效果。区块链 X AI：用例研究基于上述区块链和 AI 的协同与冲突，可以来看看用例了。该团队调研了在整合区块链和 AI 方面做得最好的一些项目。他们关注的重点是已有产品，并发行了代币且市值超过 1000 万美元的项目。此外还有一些市值虽低于 1000 万美元，但用例新颖的项目。他们基于三个研究问题对这些项目进行了分类：该项目内区块链和 AI 技术协同整合的程度如何？区块链在该项目中的作用？ AI 在该项目中的作用？聚类分析结果如图 3 所示，其中包含 4 个主要聚类：AI 是区块链的外围技术、AI 参与到区块链中、区块链管理 AI 过程、区块链是 AI 的核心基础设施。 AI 是区块链的外围技术 AI 可帮助提升与区块链交互的用户体验、实现智能化分析、简化区块链应用的开发流程等。 AI 参与到区块链中 AI 可以积极地参与到区块链生态系统和治理结构中。该团队在论文中给出了两个探索方向：一是让 AI 智能体作为参与者或利益相关者加入到分布式网络中，比如让 AI 自己在 Dex 上炒币；二是让 AI 参与治理 DAO（去中心化自治组织），不过目前来看这方面还比较困难。区块链管理 AI 过程现在人们越来越多地使用区块链技术来管理 AI 过程，为资源共享、数据管理和应用部署创建一个去中心化框架。区块链是 AI 的核心基础设施以太坊等通用区块链系统（GPBS）面临这可扩展性、安全性和去中心化的三角权衡。以以太坊为例，其安全性由分散在全世界的数千个节点保证，验证者数量已超过 100 万。为了达成共识和最终确定（finality），每一个新的信息区块都必须到达这个全球网络的每个节点并被每个节点验证，而每个区块的大小都在千字节量级并且每 12 秒创建一个，这会导致高昂的存储和计算成本。因此，直接在链上执行或存储计算密集型的 AI 操作是不现实的；但现在 Layer2 rollup 正在成为一个比较热门的范式。简单来说，Layer2 rollup 就是指不在链上而在链下处理交易，之后将处理结果汇集后再记录到链上；这种解决方案既能提升吞吐量，也能降低成本，颇具成本效益。类似地，专门为 AI 用例开发的区块链必须（1）克服与高计算和存储成本、公共访问和底层虚拟机限制相关的挑战以及（2）将区块链单纯用作纯管理、治理和安全层。表 1 展示了将区块链用作核心基础设施的新系统。表 1：将区块链用作 AI 的基础设施，其中 DAI = 分布式人工智能、BC = 区块链、DT/FL = 分布式训练/联邦学习、C-Layer = 计算层、TA = 技术分析、DM = 分布式管理、PoS = 权益证明、 DPoS = 委托式权益证明、dBFT = 委托式拜占庭容错、FL = 联邦学习、DID = 去中心化身份、ZK = 零知识、DePIN = 去中心化物理基础设施网络、DC = 分布式计算、DD = 分布式数据、ASBS = 特定应用的区块链系统、IPFS = 星际文件系统、* = 成熟度低/没有公共代码，? = 信息不可用。来源：金色财经
金色财经2024-05-25

上一页
1
•••
352
353
354
355
356
•••
539
下一页

24小时热点

最新话题更多