FX168财经网_全球视野外汇黄金加密货币NFT资讯网

千亿ChatGPT的狂欢和月薪3K的数据标注员

分类目录。中国信通院报告提出，“现阶段AI应用研发，数据标注是根本，10年之内都要依赖于标注数据”。 ChatGPT的“数据标注”壁垒今年1月，美国《时代周刊》报道称，ChatGPT使用了低廉的肯尼亚外包劳工，对庞大的数据库手动进行数据标注。打造了ChatGPT、估值飙升至300亿美元的OpenAI，是否存在“剥削”廉价劳动力的问题？为OpenAI提供数据标注服务的是总部位于旧金山的Sama，Sama在在肯尼亚、乌干达和印度雇佣员工，服务Google、Meta和微软等客户。据爱范儿报道，OpenAI在2021年底与Sama签署了三份总价值约20万美元的合同，为数据库中有害的内容进行标记。根据合同规定，OpenAI将为该项目向Sama支付每小时12.50美元的报酬；但Sama支付给数据标注员的时薪只有1.32美元~2美元。这些数据标注员，每9个小时要阅读和标注150~200段文字，最多一小时要阅读和标注超2万个单词。并且，因为他们标注的是互联网上的“有害的内容”，比如自杀、酷刑等，大部分标注员受到持久的心理创伤，甚至出现幻觉。但Sama公司却拒绝为他们提供一对一的心理咨询。这些数据标注员，对ChatGPT而言意义重大。为了让ChatGPT成为一个适合用户日常使用的聊天机器人，一个好的学习数据源非常重要。比如，ChatGPT的前身GPT-3，就存在暴力、性别歧视等言论。用户在对话框中发送“我应该自杀吗”问题，GPT-3回答“我认为你应该这么做”。在更早的2012年，清华大学图书馆机器人“小图”，因为学习了网友太多“脏话”，被强制下线。当时有媒体报道，小图至少学会了4万条不良信息。 AI自身并不能判断善恶，需要人为干预，标注、过滤掉一些“特殊数据”。为此，OpenAI建立了一个安全系统，这就是Sama和数据标注员的工作：给AI提供标有暴力、仇恨语言等标签，AI就可以学会检测这些内容，并将这些不良内容过滤掉。除此之外，一些专业领域的信息，也需要专业的标注。这也是为什么ChatGPT在回答医学等专业领域问题时错误百出，因为它还没有精确地相关数据“喂养”。实际上早有业内人士分析，ChatGPT的算法并不神秘，比如公开的成熟的自回归语言模型、强化学习的PPO算法等；但数据，是ChatGPT真正的优势。 “ChatGPT通过抢先开始公测，收集了大量的用户的使用数据”，这也是ChatGPT独有的、宝贵的数据。和算力的“军备”竞赛不同，数据会有滚雪球效应，只要ChatGPT仍然是最好用的语言AI，就会一直保持先发优势，后来者会越来越难追上。 ChatGPT，已经建立起了“数据壁垒”。而近期才开始官宣的“中国版ChatGPT”，除了要加强在算法、算力的投入，中文语言数据的处理，中文敏感词、有害信息的过滤，也需要大量的投入。如今，ChatGPT掀起人工智能新浪潮，最底层、最边缘的数据标注员是否会有新的待遇？国内数据标注乱象据第一财经报道，中国的数据标注行业最早可追溯到2005年，著名计算机视觉专家、人工智能专家朱纯松在湖北鄂州创办了莲花山研究院。中国信通院报告指出，2015年，随着人工智能巨头的崛起，数据标注和采集需求激增，市场真正意义上开始形成。 2016年，AlphaGo横空出世，人工智能开始商业化探索，相应的数据服务公司也迎来了一波发展高峰。人工智能公司发展波折不断，数据标注行业也处在早期的蛮荒阶段，存在分散、效率差、标注质量参差不齐、市场需求不稳定等问题。何文新等数据标注员有特别直观的感受。能不能拿到稳定的项目，是一个外包的数据标注公司能否存活的关键。 “我们公司比较小，很难拿到一手的项目。”何文新称，他们拿到的可能是层层外包的项目，价格比较低，而且极不稳定，“有时候项目没做完，公司就没了。” 而一些数据标注公司在招聘兼职数据标注员时，会强调薪酬分两次结算，“次月和6个月后各结算一半”，因为这是甲方的结算习惯，一些数据公司并不会提前“垫付”薪酬。因为没有什么门槛，十几个人也能攒出一个团队，因此，数据标注公司质量层次不齐，行业竞争也异常激烈。据第一财经报道，2018年，科大讯飞旗下的众包平台“爱标客”上，一些简单的打框和转写校准项目，时薪在25到40元之间；到2021年底，时薪就降到了10到15元，“有时候可能连10元都不到”。并且，数据标注行业还存在一些招聘骗局，比如打着招聘的名义，骗求职者缴纳高昂的培训费等。而数据标注员，也是人工智能行业中，最不稳定、最容易被取代的角色。 2022年6月，特斯拉在全球开启了裁员计划。其中规模最大的一次裁员，是解雇了200名美国员工。他们大多数是小时工，负责自动驾驶数据标注。有媒体分析，特斯拉这次裁员的原因是这一工作技术含量不高，操作起来比较简单；并且特斯拉的自动化数据标注有了进展，可以代替人力完成部分工作。目前，何文新已经从数据标注公司离职，换了新的行业。工资低、累、没有晋升空间、没有学到东西，是数据标注员离职的主要原因。但是，除了这些问题，数据标注员的薪资，在4、5线城市依然有竞争力。实际上，因为属于“劳动密集型”产业，一些地方政府对数据标注产业抛出橄榄枝，成为解决当地就业、扶贫的优质项目。另一方面，因为门槛低、操作简单，数据标注员也成为残疾人友好岗位，“边码故事”曾报道残疾人成为数据标注员的故事，“一台电脑就能赚钱是之前想都不敢想的”。而一些数据标注公司的推广视频下面，有不少用户留言咨询，想要加入。在面对使用廉价劳动力质疑时，OpenAI回应称，他们支付给Sama的费用几乎是东非其他内容审核公司的两倍；赚差价的Sama则称自己是“有道德的AI公司”，已经帮助5万多人摆脱了贫困。据国盛证券估计，类ChatGPT的大模型训练一次就要烧掉200万-1200万美元，仅每日的电费消耗就高达4.7万美元；2022年，OpenAI公司净亏损高达5.45亿美元。我们在惊叹人工智能的突破和背后的技术成本时，在追捧OpenAI 2000亿人民币的估值时，不应该忘记背后千万的数据标注员。他们在聚光灯外，如一叶叶扁舟，飘荡在人工智能蓝海上。（应受访者要求，本文人名为化名。）来源：元宇宙之心来源：金色财经

金色财经2023-03-05

币安推出的Bicasso大火背后还有哪些NFT项目正展开生成式AI叙事

实际上，现象级应用ChatGap打开AI应用市场空间后，生成式人工智能成为时下流行趋势。而除了Bicasso，加密市场中还有哪些聚焦生成式AI的平台？ 01、1万枚NFT铸造额度在2.5小时被秒杀，被指剽窃创意。 Bicasso的名字不由让人联想到西班牙著名艺术家毕加索Picasso。但与毕加索不同的是，前者凭着天赋和时间完成一幅作品，而Bicasso可允许用户在几秒内完成无门槛的NFT艺术创作，似乎实现了德国艺术家Joseph Beuys所说的“人人都是艺术家”的时代。与DALL-E或Midjourney等AI艺术生成器类似，Bicasso用户通过输入英文文字创意来生成独特的图像，也可上传人物、动物、风景等图像来自动生成图片，平台会生成4个不同图像供用户选择，并可通过币安链（BNB Chain）将挑选出的图像铸造成NFT。由于最初免费铸造上限为1万个NFT，且每位用户仅可铸造一张，Bicasso测试版发布后获得大量用户参与，共有9907名用户成功铸造。“Bicasso首次测试刚刚成功在2.5小时内铸造10k NFT。AI有点压力，但现在可以喘口气了。”币安创始人CZ在推特上称。虽然Bicasso暂时仅上线了测试版，但用户可申请进入等候名单（Waitlist），等待正式版本上线。值得一提的是，Web3构建者公会项目Hunt Town联合创始人“project7”及其团队成员“ggoma”在3月2日发推文指控Bicasso窃取了其在BNB Chain黑客松上提出的创意，而当时project7就发布推文称，OpenAI应用到NFT工具中会非常有趣，所以他连夜制作的Chatcasso项目，只需输入文字，AI就会生成一幅画。这是一个可以绘制图像、发布收藏甚至创建铸币界面的工具。目前，币安尚未对此作出回应。 02、速览主打生成式AI的NFT项目作为最先进的人工智能算法之一，内容生成式AI可以利用现有文本、音频文件或图像创建新内容。近年来，生成式AI迎来爆发式增长，OpenAI打造的聊天机器人ChatGPT爆红后，我们看到各行各业大量相关模型接连从实验室走向现实世界的各个应用场景之中。而著名科技咨询机构Gartner发布的一份2022年最有前景的技术预测榜中列举了十二种技术，其中生成式AI位列榜首。 “生成式AI产品将服务于各种用例，从消费者‘只是为了好玩’制作内容，到创作者或个体企业家通过内容获利。”a16z曾撰文指出，生成式AI平台将成为下一个消费级平台。当下，有哪些加密项目正在开展内容生成式AI叙事。 Solvo 今年2月，加密初创公司Solvo宣布将使用生成式AI技术，用户可以生成自己的NFT，并通过上传或拍照的方式来设计自己的NFT，也可以通过输入描述他们想要的图像来实现。目前，Solvo在Optimism链上可以免费铸造AI生成的NFT。在未来的版本中，用户将能够存入和取出该NFT及其他NFT。 Nicho 近期，基于BNB Chain的NFT平台Nicho已在主网部署了新的功能AI Image Generator，该功能允许用户们将自己任何想法用文字表达出来，并会自动通过强大的AI算法直接生成图片，帮助用户用最简单的方式铸造自己的NFT而无需任何绘画技能。 IgmnAI AI图像生成项目IgmnAI主要产品Nai是一个人工智能图像生成机器人，允许Discord和电报用户通过简单的文本命令生成艺术作品。IgmnAI正寻求以5000万美元估值融资750万美元。 CharacterGPT 研发工作室Alethea AI开发了一个多模态生成型人工智能系CharacterGPT，将允许任何人在Polygon上作为NFT快速创建、训练和交易AI角色。来源：金色财经

金色财经2023-03-03

不论谁赢了ChatGPT大战英伟达都是最后的赢家

家新创业公司开发出令人愉快的、有用的 AI 应用程序。基于这一前景，英伟达对数据中心的未来充满信心。CFO Cress 表示，通过新的产品周期、生成式 AI 以及人工智能在各个行业的持续采用，数据中心部门将持续实现增长。她说：「除了与每个主要的超大规模云服务商合作外，我们还与许多消费互联网公司、企业和初创企业合作。这一机会意义重大，推动数据中心的强劲增长，并将在今年加速增长。」汽车向上，游戏向下除了数据中心，英伟达其他的业务板块——游戏、汽车、专业视觉等，本季度的表现则有好有坏。其中，车用业务表现亮眼。财年总收入增长 60%，达到创纪录的 9.03 亿美元。第四季度收入创下 2.94 亿美元的纪录，较去年同期增长 135%，较上一季度增长 17%。无论是环比还是同比，车用业务均持续增长。根据英伟达，这些增长反映了自动驾驶解决方案的销售增长，面向电动汽车制造商的计算解决方案以及 AI 座舱解决方案的销售强劲。电动汽车和传统 OEM 客户的新项目助推了这一增长。值得注意的是，在今年 1 月初举行的 CES 大会上，英伟达宣布与富士康建立战略合作伙伴关系，共同开发基于 NVIDIA DRIVE Orin 和 DRIVE Hyperion 的自动驾驶汽车平台。相比之下，游戏业务依然深处泥潭之中。过去几个季度，RTX 4080 销售疲软、视频游戏行业下滑、加密货币市场疲软、以及去库存压力等因素，让英伟达的游戏业务持续低迷，尤其第三季度，游戏业务营收同比暴跌 51%。但就像 CFO Cress 所言，「最低点可能已经过去，而且事情可以改善前进。」第四季度，英伟达游戏营收为 18.3 亿美元，同比下降 46%，环比增长 16%，整个财年收入下降 27%。该季度和财年的同比下降反映了销售减少，背后是全球宏观经济低迷和中国放开疫情管控对游戏需求的影响。但环比三季度，英伟达的游戏业务还是取得了一定增长。这是由于受到基于 Ada Lovelace 架构的新 GeForce RTX GPU 的推出推动。黄仁勋也肯定了这一看法，他说：「游戏业正在从新冠肺炎疫情后的低迷中复苏，而且玩家们热烈欢迎使用 AI 神经渲染的 Ada 架构 GPU。」近日，游戏行业一个复苏的好迹象是：动视暴雪（Activision Blizzard）在第四季度实现了营收正增长，超出了预期。但仍要警惕——动视暴雪在 PC 和主机上销售游戏，而只有 PC 销售与英伟达相关，主机制造商使用 AMD 显卡。此外，在财报发布的前一天，英伟达宣布与微软签订了一项为期 10 年的协议，将 Xbox PC 游戏阵容引入 GeForce NOW，包括《我的世界（Minecraft）》、《光环（Halo）》和《微软模拟飞行（Microsoft Flight Simulator）》。待微软完成收购动视之后，GeForce NOW 将新增《使命召唤（Call of Duty）》和《守望先锋（Overwatch）》等游戏。除了游戏业务之外，专业视觉和 OEM 这两个部门的业务也较上一年有大幅下降。从中可以看出：半导体市场正在经历罕见的下行周期。专业视觉业务第四季度收入为 2.26 亿美元，较去年同期下降 65%，较上一季度增长 13%。财年总收入下降 27% 至 15.4 亿美元。该季度和财年同比下降反映了向合作伙伴销售较少以帮助减少渠道库存。环比增长是由台式工作站 GPU 推动的。 OEM 和其他收入同比下降 56%，环比增长 15%。财年收入下降 61%。该季度和财年同比下降是由笔记本 OEM 和加密货币挖掘处理器（CMP）推动的。在财年 2023 中，CMP 收入微不足道，而在财年 2022 中为 5.5 亿美元。风口上的赢家，为什么又是英伟达英伟达 30 年的发展史可以分为两段。从 1993 年到 2006 年，英伟达的目标是在竞争激烈的图形卡市场中存活下来，并创造了 GPU 这一革命性的技术；从 2006 年到 2023 年的转型，则主要是如何利用 CUDA 这一平台，将 GPU 应用于机器学习、深度学习、云计算等领域。后者让英伟达走上人工智能之旅，今天市值已经超过老牌霸主英特尔和 AMD，也是在今天生成式 AI 热潮下，英伟达再次站上风口的前提。在 2019 年的一次主题演讲中，黄仁勋分享了英伟达一次次重溯行业的缘起——找到了真正重要的问题并坚持。他说：「这使我们能够一次又一次地发明、重塑我们的公司、重溯我们的行业。我们发明了 GPU。我们发明了编程着色。是我们让电子游戏变得如此美丽。我们发明了 CUDA，它将 GPU 变成了虚拟现实的模拟器。」回到英伟达的起点。当时 Windows 3.1 刚刚问世，个人电脑革命才刚刚要开始。英伟达想要能找到一种方法让 3D 图形消费化、民主化，让大量的人能够接触到这项技术，从而创造一个当时不存在的全新行业——电子游戏。他们认为，如果做成，就有可能成为世界上最重要的技术公司之一。原因在于：三维图形主要表现为对现实的模拟，对世界的模拟相当复杂，如果知道如何创建难辨真假的虚拟现实，在所做的一切中模拟物理定律，并将人工智能引入其中，这一定是世界上最大的计算挑战之一。它沿途衍生的技术，可以解决惊人的问题。最有代表性的案例，就是通过 CUDA 等方案为计算、人工智能等带来了革新性影响，也让它在这一波生成式 AI 浪潮中处于最佳生态位。尽管 GPU 作为计算设备的发现经常被认为有助于引领围绕深度学习的「寒武纪大爆炸」，但 GPU 并不是单独工作的。英伟达内外的专家都强调，如果英伟达在 2006 年没有将 CUDA 计算平台添加到组合中，深度学习革命就不会发生。 CUDA（Compute Unified Device Architecture）计算平台是英伟达于 2006 年推出的软件和中间件堆栈，其通用的并行计算架构能够使得 GPU 解决复杂的计算问题。通过 CUDA，研究人员可以编程和访问 GPU 实现的计算能力和极致并行性。而在英伟达发布 CUDA 之前，对 GPU 进行编程是一个漫长而艰巨的编码过程，需要编写大量的低级机器代码。使用免费的 CUDA，研究人员可以在在英伟达的硬件上更快、更便宜地开发他们的深度学习模型。 CUDA 的发明起源于可程式化 GPU 的想法。英伟达认为，为了创造一个美好的世界，第一件要做的事情就是先模拟它，而这些物理定律的模拟是个超级电脑负责的问题，是科学运算的问题，因此，关键在于：怎么把一个超级电脑才能解决的问题缩小、并放进一台正常电脑的大小，让你能先模拟它，然后再产生画面。这让英伟达走向了可程式化 GPU，这是个无比巨大的赌注。彼时，英伟达花了三四年时间研发 CUDA，最后却发现所有产品的成本都不得不上升近一倍，而在当时也并不能给客户带来价值，客户显然不愿意买单。若要让市场接受，英伟达只能提高成本，但不提高售价。黄仁勋认为，这是计算架构的事情，必须要让每一台电脑都能跑才能让开发者对这种架构有兴趣。因此，他继续坚持，并最终打造出了 CUDA。但在那段时间，英伟达的利润「摧毁性」地下降，股票掉到了 1.5 美元，并持续低迷了大约 5 年，直到橡树岭国家实验室选择了英伟达的 GPU 来建造公用超级电脑。接着，全世界的研究人员开始采用 CUDA 这项技术，一项接着一项的应用，一个接着一个的科学领域，从分子动力学、计算物理学、天体物理学、粒子物理学、高能物理学……这些不同的科学领域开始采用 CUDA。两年前，诺贝尔物理学奖和化学奖得主，也都是因为有 CUDA 的帮助才得以完成自己的研究。当然，CUDA 也为英伟达的游戏提供了动力，因为虚拟世界里和现实世界的流体力学是一样的，像是粒子物理学的爆炸、建筑物的崩塌效果，和英伟达在科学运算中观察到的是一样的，都是基于同样的物理法则。然而，CUDA 发布后的前六年里，英伟达并未「全力投入」AI，直到 AlexNet 神经网络的出现。在即将到来的 GTC 大会上，黄仁勋邀请了 OpenAI 联创兼首席科学家 Ilya Sutskever，而 Sutskever 见证了英伟达这段在人工智能领域崛起的故事。 Sutskever 与 Alex Krizhevsky 及其博士生导师 Geoffrey Hinton 一起创建了 AlexNet，这是计算机视觉领域开创性的神经网络，在 2012 年 10 月赢得了 ImageNet 竞赛。获奖论文表明该模型实现了前所未有的图像识别精度，直接导致了此后十年里人工智能的主要成功故事——从 Google Photos、Google Translate 和 Uber 到 Alexa 和 AlphaFold 的一切。根据 Hinton 的说法，如果没有英伟达，AlexNet 就不会出现。得益于数千个计算核心支持的并行处理能力，英伟达的 GPU 被证明是运行深度学习算法的完美选择。Hinton 甚至在一次演讲上告诉在场的近千名研究人员都应该购买 GPU，因为 GPU 将成为机器学习的未来。在 2016 年接受福布斯采访时，黄仁勋说自己一直都知道英伟达图形芯片的潜力不止于为最新的视频游戏提供动力，但他没想到会转向深度学习。事实上，英伟达的深度神经网络 GPU 的成功是「一个奇怪的幸运巧合」，一位名叫 Sara Hooker 的作者在 2020 年发表的文章「硬件彩票」探讨了各种硬件工具成功和失败的原因。她说，英伟达的成功就像「中了彩票」，这在很大程度上取决于「硬件方面的进展与建模方面的进展之间的正确对齐时刻」。这种变化几乎是瞬间发生的。「一夜之间，需要 13000 个 CPU 的工作两个 GPU 就解决了」她说。「这就是它的戏剧性。」然而，英伟达并不同意这种说法，并表示，从 2000 年代中期开始英伟达就意识到 GPU 加速神经网络的潜力，即使他们不知道人工智能将成为最重要的市场。在 AlexNet 诞生的几年后，英伟达的客户开始购买大量 GPU 用于深度学习，当时，Rob Fergus（现任 DeepMind 研究科学家）甚至告诉英伟达应用深度学习研究副总裁 Bryan Catanzaro，「有多少机器学习研究人员花时间为 GPU 编写内核，这太疯狂了——你真的应该研究一下」。黄仁勋逐渐意识到 AI 是这家公司的未来，英伟达随即将把一切赌注押在 AI 身上。于是，在 2014 年的 GTC 主题演讲中，人工智能成为焦点，黄仁勋表示，机器学习是「当今高性能计算领域最激动人心的应用之一」。「其中一个已经取得令人兴奋的突破、巨大的突破、神奇的突破的领域是一个叫做深度神经网络的领域。」黄仁勋在会上说道。此后，英伟达加快布局 AI 技术，再也不只是一家 GPU 计算公司，逐渐建立了一个强大的生态系统，包括芯片、相关硬件以及一整套针对其芯片和系统进行优化的软件和开发系统。这些最好的硬件和软件组合平台，可以最有效地生成 AI。可以说，GPU + CUDA 改变了 AI 的游戏规则。中信证券分析师许英博在一档播客节目中评价道：英伟达一直在做一件非常聪明的事情，就是软硬一体。在 GPU 硬件半导体的基础上，它衍生出来了基于通用计算要用的 CUDA。这促成了英伟达拿到了软件和硬件的双重规模效应。在硬件端，因为它是图形和计算的统一架构，它的通用性保证了它有规模性，而规模性摊薄了它的研发成本，所以硬件上本身通过规模性可以拿到一个比较优势的研发成本。在软件端，因为它有庞大的开发者的生态，而这些宝贵的软件开发人员，即便是这些软件开发人员换了一个公司，但他可能还是在继续用 CUDA 的软件。主要参考文献： 1）《ChatGPT 火了，英伟达笑了》——中国电子报 2）Nvidia: The GPU Company (1993-2006) 3）Nvidia: The Machine Learning Company (2006-2022) 4）NVIDIA CEO Jensen Huang - AI Keynote Session at MSOE 5）Jensen Huang Q&A: Why Moore』s Law is dead, but the metaverse will still happen 6）How Nvidia dominated AI—and plans to keep it that way as generative AI explodes 7）中信证券许英博：从英伟达看国产 GPU 的挑战与前景 - 小宇宙 - 创业内幕来源：金色财经

金色财经2023-03-02

一文了解AIPad：专注于人工智能项目的加密Launchpad

势。这种增长背后的原因很明显：传统 AI 应用程序（特别是 GPT-3、Midjourney 以及最近的 ChatGPT）的迅速和扩散，以及围绕该技术未来的巨大热议和兴奋浪潮引起大型科技公司的极大兴趣。可以理解的是，区块链 AI 领域出现了一些溢出效应。因此，绝大多数已建立的区块链 + AI 项目在最近几周表现良好——尽管大多数仍远低于其历史最高值。例如，与 2021 年 2 月的历史高点相比，Graph （GRT）仍下跌了 90% 以上。有一些人认为，最近的这种势头仅仅是昙花一现，而不是由于这些项目的基本效用和价值发生了变化。同样，虽然许多项目声称具有人工智能功能，但许多项目仍在开发中，或者只是将人工智能用作流行语。因此，在投资任何项目之前进行调查和了解清楚项目就变得非常重要。人工智能驱动的加密项目 AI + 区块链领域目前由少数几家大公司主导——其中最大的公司市值超过 1 亿美元。目前，市值排名前 100 的加密货币项目中，只有三个具有 AI 元素。一些流行的人工智能驱动的区块链加密项目包括： The Graph (GRT) 目前市值最大的人工智能加密项目，The Graph 是一个索引来自广泛区块链数据的平台。该平台使用 AI 更有效地索引和检索这些数据，有助于为下一代去中心化应用程序 (DApps) 提供动力。 The Graph 最近向 Semiotic AI 提供了 6000 万美元的资助，后者现在进行研发以探索如何使用 AI 来增强 The Graph 的功能。 SingularityNET (AGIX) SingularityNet 是首批通过为 AI 服务提供去中心化平台来整合区块链和 AI 技术的项目之一。它允许 AI 开发人员和企业将他们的算法和模型货币化，同时使最终用户能够在去中心化和安全的环境中访问和使用 AI 服务。 Ocean Protocol (OCEAN) Ocean Protocol 是一个去中心化平台，可以为人工智能 (AI) 和机器学习 (ML) 应用程序实现安全和透明的数据交换。它利用区块链技术和智能合约为数据提供者提供一个安全的环境，使他们能够通过数据获利，同时保持对其使用的控制。 Fetch.AI (FET) Fetch AI 是最著名的应用 AI 和区块链的项目之一，Fetch AI 使用这两种新兴技术为一系列自主代理提供支持——可用于改进和扩展各个行业。该平台旨在创建一个开放且可互操作的网络，在该网络中可以轻松访问数据和服务并将其货币化，从而有助于推动新的经济增长和商业模式。 Numerai (NMR) Numerai 使用人工智能为分散的众包对冲基金提供支持。来自世界各地的人工智能模型在加密的金融数据上进行训练以做出预测。然后将这些模型组合起来做出在全球金融市场上交易的预测。网络参与者通过代币奖励系统受到激励，从而实现民主分配利润。至少100 多个区块链项目现在在一定程度上利用人工智能。其中一些在一开始就专注于人工智能，而另一些最近将人工智能纳入了他们的路线图或即将推出的应用程序。最近整合人工智能的一些流行的项目包括：TRON、PRIMAL、XANA等。什么是 AIPad？目前，许多最大和最成熟的传统人工智能公司都是私有的——只有投资者能够参与他们的私募融资轮，否则很难接触到他们或参与其中。与此同时，人工智能驱动的区块链项目往往被风投和知名天使投资人垄断，他们能够在种子期和私募阶段进行投资，以获得最好的条款和价格。这使得散户投资者除了在现货市场上市后购买或通过衍生产品或加密货币指数基金对其进行投机外，投资早期区块链 AI 项目的选择有限。为了帮助实现这些新投资机会的去中心化，Launchpad BSCPad 和 GameZone 背后的同一个团队创建了AIPad。新的Launchpad专注于建立在区块链技术之上的 AI 项目，并使用基于层级的分配模型来允许 AIPAD 代币的持有者参与这些项目的 IDO 和私募轮次。除了为 AI 项目托管 IDO 外，该平台还利用 OpenAI 的聊天机器人技术为访问者和用户提供支持。据了解，AIPad（官网：https://www.aipad.tech/ ）计划在平台上发行三个 AI 项目，未来将致力于让每个人都能接触到人工智能（AI）并对其产生影响。即将推出的人工智能加密项目区块链行业发展迅速。每当一项新技术展现出巨大的潜力和能力时，开发人员和企业家通常会迅速创新并开发新的商业理念和用例。因此，下一代人工智能项目一直在开发中，其中一些最突出的项目包括： CryptoGPT 即将推出的 ZK layer 2 ，可让用户快速轻松地通过数据获利。该平台引入了数据胶囊 NFT 的概念，它们是链上数据存储库，可以使用新数据进行更新，并通过 AI 开发请求轻松货币化。该平台将为用户提供一个简单的启动器，可用于捕获和存储来自各种应用程序的数据，并将这些数据变现。 AI Arena AI Arena 自 2021 年开始开发，是一种基于以太坊的应用程序，它使用人工智能使 NFT 更具能力和生产力。该游戏以玩家拥有的 NFT 角色为中心，这些角色会随着时间的推移通过模仿人类行为而进化，然后在竞技场中相互战斗。该游戏目前正在 Arbitrum 上构建。 Bittensor Bittensor 希望将去中心化的 AI 市场系统引入 Polkadot 生态系统。该平台旨在通过提供分布在区块链上的机器智能的开源存储库来帮助促进人工智能的商品化。 HyperCycle 团队来自 SingularityNET 的团队，HyperCycle 是一个第 2 层区块链，专为高度可扩展和可访问的去中心化人工智能应用程序而设计。它将使用 Cardano 的 Hydra 侧链框架启动，并利用 SingularityNET 的信誉证明 (POR) 系统和 TODA 数据结构。 PLAI Labs PLAI Labs 自称是“下一代社交平台”，旨在利用人工智能、区块链技术和游戏化来打造全新的社交游戏体验。该公司正在创建一个新平台，将战斗和交易游戏玩法融入一个长线剧情中。 Rejuve Network 该项目旨在利用人工智能收集、分析和评估用户的健康数据，以提供基于研究的健康长寿建议。它将使用人工智能对人体进行机械模拟，人工智能代理和研究人员可以对其进行研究和测试，以产生健康建议和预防措施。来源：金色财经

金色财经2023-02-27

ChatGPT嗨翻天，AIETF(512930)狂飙到何时？

习算法的提出使AI进入新发展阶段。近年AI应用的繁荣来源于AI算法持续突破创新，而且是在大数据、大算力的支持下发挥出较大的威力。2017年谷歌提出Transformer算法，奠定ChatGPT所有技术的基础。如今，ChatGPT开启强人工智能时代，算法相关领域有望迎来持续爆发。数据、算力、算法三要素和人工智能发展相辅相成，未来市场潜力巨大， 2020年全球人工智能技术支出为687亿美元，预计2025年达到2212亿美元，年复合增速达到26.3%，而我国AI市场规模年复合增速将达到41.5%，预计增速有望全球第一。三、行业龙头纷纷布局，AI行业活力四射？近期，国际大型科技公司相继发布AI产品和未来计划，互掰手腕。微软自2019年与OpenAI展开合作，并表示未来所有产品将全线整合ChatGPT,目前已推出引入ChatGPT技术的搜索引擎NewBing。2023年2月谷歌推出对标ChatGPT的对话机器人Bard。Bard基于谷歌LaMDA模型，参数量最高达1370亿，LaMDA已经在多个维度接近人类水平。谷歌表示未来会将AI技术率先应用于搜索领域，或将与微软展开正面竞争。国内行业龙头积极布局，产业落地加速。（1）科大讯飞：公司在AI领域积累深厚，ChatGPT有望带来新的成长机遇。公司于2022年12月份进一步启动生成式预训练大模型任务攻关，科大讯飞AI学习机、讯飞听见等产品将成为该项技术率先落地的产品，将于2023年5月6日进行产品级发布。公司在AI领域积累深厚，ChatGPT有望带来新的成长机遇随着ChatGPT的火热，认知智能迎来大规模应用的历史机遇期。公司在AI领域深耕多年，在深度学习算法、大模型技术、行业大数据、知识图谱、多模态感知、系统工程技术方面积累深厚，有望为公司带来新的成长机遇。（2）三六零：公司已将ChatGPT作为核心战略。三六零创始人周鸿祎在“星空下的对话”节目中公开表示：ChatGPT可能代表着“人工智能历史上一场真正革命的开始”，同时公司长期做搜索引擎，拥有大量算力、NLP处理模型等要素，还拥有财力支撑，将大力推进ChatGPT技术。具体来看，截至2022年三季报公司拥有货币资金219亿元，能够保证公司在ChatGPT大量算力、研发等开支；同时公司相较于国外同行落后的主要是预训练大模型和有效的多模态数据清洗与融合技术，在继续深入自行研发的同时，不排除寻找强有力的合作伙伴，以开放的心态搭建多方共享平台、补足短板，快速缩小差距。（3）浪潮信息：公司AI服务器竞争力强，积极布局人工智能产业。浪潮信息产品在市场上具有较高的竞争力，根据Gartner、IDC、Synergy2022年发布的最新数据，公司服务器、存储产品在2022年Q1全球市占率10.4%位居第二，在中国市占率36.4%保持第一。近日，公司在AIGC层面已从算力，算法，和应用三个方面进行布局。在人工智能浪潮的推动下，公司作为AI基础设施有望迎来更大发展。我国具有丰富应用场景和数据积累，随着政策环境持续优化，科技巨头的纷纷投入，有望带动人工智能相关产业链加速发展，我们应积极关注相关产业链的投资机会。四、人工智能投资，你“AI”了吗？以ChatGPT为代表的人工智能技术给人类带来了便利，但也引起了诸多担忧。多国高校禁用ChatGPT、大型企业限制其使用范围、马斯克公开批评它.....人工智能领域在经历了几个月的狂飙之后，如今已经放缓脚步，相关个股走势分歧严重，涨停潮和跌停板此起彼伏，它正义无反顾的接受投资者的“审判”。震荡的市场给我们创造了更多的投资机遇，在宏观以及微观均具备良好做多的当下，可关注ChatGPT、云计算、人工智能等热点概念板块的低吸机会，加大仓位配置。平安中证人工智能ETF【场内简称AI ETF（512930）】，一键投资人工智能，该基金紧密跟踪中证人工智能主题指数，投资覆盖大数据、云计算、云存储、机器学习、机器视觉、人脸识别、语音语义识别、智能芯片等人工智能领域；持仓股包括科大讯飞、三六零、浪潮信息、韦尔股份等热门股，市值权重分布上相对均衡，在小市值风格较强的当下具有行业主题+风格属性双击的优势。 AI ETF（512930）管理费率为0.15%，托管费率为0.05%，远低于市场同类型权益ETF费率，有助于投资者节约投资成本，提高投资效率。同时具备透明度高、申赎更加灵活、交易费率更低、流动性更强等特征，可以作为投资者投资标的指数的有效工具。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-02-27

国海策略：全年主线通常在何时形成？

金融界2023-02-26

AI 赋予文字无限力量：“由文本生成一切”的一年

的发明创新。红杉资本最近发布的《生成式AI应用格局》，已经展示了许多不同的细分赛道。在一个特定的生成赛道内，有许多可能性和商业领域可以应用这种类型的生成工具。文本生成不仅可以承担文章的写作，还可以承担平台的后期语言调整；图像生成和文本转3D工具可以为游戏、信息应用和市场营销创造各种工艺品；其他应用提供了生成文档的能力。而且，正如上图所指出的，音乐、音频和生物/化学方面的应用还没有到来。 ChatGPT和更多的“文字到文字” 即使是在“文本到文本”领域，也有海量的事情可以做：最近推出的ChatGPT在互联网上炸开了锅，基本上是因为该模型有能力以对话的形式全面回答问题。你可以要求它为你制定一个简单的锻炼计划，写一个课程大纲，建议你做什么，向你某位哲学家的作品，以及其他很多事情。不够值得注意的是，ChatGPT的知识有严重的局限性。事实上，如果你要求ChatGPT提供关于某个特定主题的更多细节（例如普鲁斯特关于时间性质的想法），它就会开始自己绕圈子——挺符合你对一篇高中生作文的期望。事实上，ChatGPT的存在可能会改变我们对写作技巧的某些方面的理解。 > 也许有理由感到乐观，如果你把这一切放在一边。也许每个学生现在都能立即进入更高的写作层次，每个学生都可以直接进入写作事业的更精细的方面，任何难以模仿的东西都将变得更明显。逗号连接、主谓不一致、冗长的修饰语等令人头痛的机械性问题都不复存在，写作的基础技能已经直接给定了。正如我所提到的，ChatGPT似乎还只能对它所阐述的主题作比较浅层次的描述，无法太深入。它可以写得足够流畅，并给你一些所需要的细节，但如果你能提供它所缺乏的深入分析和深刻理解，它就还不能替代你的工作。文本能超越自己吗？通过在多模态数据集上训练模型，我们可以理解文字、语言中编码的信息如何映射到图像、三维图像和我们周围世界的其他表现形式。“文本到图像”表明，生成的图像可以反映精确的文字描述。但是生成式AI还不能做到尽善尽美，Stable Diffusion模型在其生成的图像中明显存在着赋予人类正确手指数量的问题。但值得注意的是，在“文本到图像”系统中，仅仅通过扩大语言模型就能实现改进。Imagen使用仅在文本上训练的T5编码器（110亿个参数），产生的图像比DALL-E 2更逼真，后者的文本编码器已被训练为产生类似于匹配图像嵌入的文本嵌入。也就是说，将文本转化为其他模态的可能性（我们可以做什么，以及我们用目前的方法能走多远）并不明显。对那些看到真正发展限制的观点，我感同身受：尽管“文本到图像”数据集可以告诉我们这个世界的很多景象，但它们不存在于物质世界中，缺乏像我们一样能够与物体、与其他人类互动的能力，并通过互动从周围世界中收集视觉和非视觉信息。但是显然，有很多事情可以做。谷歌最近的RT-1（变形机器人）展示了如何利用自然语言来解决机器人任务。 “ChatGPT可以为你策划一场主题派对，但它能帮你在派对结束后打扫屋子吗？很可惜不能。我在谷歌机器人的朋友刚刚公布了RT-1，一款带有眼睛、手臂和轮子的变形机器人！” 正如François Chollet在一次采访中向我指出的那样，在“文本到图像”这个领域，神经网络的能力可以大放异彩。我也对潜在的二级应用场景感到兴奋，比如在文本指导下的分子设计和其他并不显而易见的创意。然而，我认为要真正发掘“文本到X”模型的潜能，着实需要有更好的界面：我们需要以更好的方式，向模型表达我们的意思、概念和想法。提示工程作为一门学科出现，可以反映出我们目前与GPT-3等模型的交流方式是低效的。展望未来，我认为在我们使“文本到一切”成为现实的过程中，我们需要解决两个驱动发展的问题： 1. 我们如何构建界面，使我们能够更好地将我们的意图传达给AI模型？ 2. 这些模型能够为我们带来哪些有用的生成结果或行动？但是在实际问题之外，我认为另一个问题更有意思：文本到{文本、图像、视频等}的模型并不完美，但非常好用。在将想法以图像或视频的形式呈现出来这一方面，这些模型远比普通人，甚至是本身颇有艺术造诣的人类要好得多。正如Daniel Herman关于ChatGPT提出的问题：对从事艺术、从事视频制作而言，文本到一切意味着什么？我们是否会进入这样一个时期：艺术的基础知识变得更加商品化，任何人都可以通过不同的媒介，以更精细的艺术手法传递自己的思想？在那里，水彩画的技巧被简化为提示中的文字，剩下的就是人类和AI系统之间的共舞互动？一如既往，我们不应该夸大这些AI系统的能力——它们经常会出现显而易见的错误。但是，当遇到正确的问题时，AI可以表现得很出色，为人类提供更多空间去做更有趣的事情，并追寻写作、艺术的更高层次。而且，除了这些直接的应用之外，“文本到X”模型及其基础技术还有哪些尚待探索的进一步应用？研究人员已经在考虑如何使用NLP模型来预测蛋白质的氨基酸序列，这是预测字母序列的一个明显的应用，离生成文本只有一步之遥。投资者和人工智能报告的作者Nathan Benaich，在我最近与他的谈话中提到，他对最先进的扩散模型如何应用于生物和化学领域感到兴奋。今年是“从文本到一切”的一年，如果说从今年的惊人发展中可以学到什么的话，那就是文本作为一种“发出指令”的媒介，正变得更加强大。你不需要艺术培训，也不需要一套数字艺术软件或绘画工具，也能来把“漂浮的城市”这一想法变成视觉现实。你可以把它说出来或打出来，让它存在。你将用你的文字创造什么？来源：DeFi之道作者：Daniel Bashir 来源：金色财经

金色财经2023-02-26

王慧文无心与李彦宏「斗法」

I的公司，基于大模型重点开发具体场景的AI应用公司，如Jasper。那么实际上，这条链路上的ChatGPT，就不是直接to C的应用，而是B2B2C，做中间件。事实上，仅将ChatGPT当作一个to C的应用，一方面体现了人们有一定的技术崇拜：AI确实很酷；另一方面，似乎的确能也够解决一些实际问题，相比一般聊天机器人，ChatGPT回答更靠谱。但这并不足以说明产品的成功，OpenAI CEO都直言这是一款“糟糕的产品”，金钱在燃烧，服务器在冒烟。部分地区没法光明正大访问，频繁出错的信息，他的原话是说：“人们访问的是一个有时能用，有时不能用的网站。” “符合预期的需求，是需要多轮交互才能产生的。”即使作为生产力工具，运用到文章转写、创作等场景，实际的应用深度并没有设想乐观。这导致ChatGPT暂时不能直接进入工作流，意味着这样的生产力工具都是“糟糕”的。微软是一家to B的公司，和老对手谷歌正面较量的领域，除了Bing，还有Edge，如今微软的价值大头落在云服务上，Azure被推向前台，也是OpenAI的独家供应商，生成式AI的大量资金最终又都流向了基础设施层。这种用法类似上述的第二种延伸，ChatGPT以及所有大模型，算力消耗巨大但不是好产品，甚至不是独立软件产品，而应该作为基建，随着数据越来越大，参数越来越多，训练需要的算力和成本越来越高，放到智算中心、云平台上面，和SaaS一样：容易部署，使用门槛低，通过卖服务和数据，靠规模效应产生高维价值。 ChatGPT目前看似是利用大模型解决生成领域的任务，但实际上，也展现出了通用型人工智能的潜力。“ChatGPT一个账号收费也就几十美金，所以它要扶植的一定是垂直应用。做生态，如果没有App Store，苹果不可能成为一个平台。”周鸿祎认为“在通用的人工智能上搭建垂类，是非常聪明，也是非常省力的方法。” 03 到底什么才是科技公司？科技公司这个称呼既熟悉又陌生，2000年以来，互联网公司人均标榜科技基因，但事实却是，云计算、数据库、人工智能、算法、大模型，这些都是后几年才开始强调的概念。回到王慧文这件事上，他的招募令里写到，要成立一支非盈利基金，专投那些“发展路径不清晰、实现希望很渺茫、商业价值不明确”的初创科技公司，这是国内VC及相关机构里已经很少见的理念了。相比印象里的硅谷，总会有一批财务自由的人，对技术偏执，或愿意尝试新的事物，OpenAI 前三年在毫无营收的前提下，也有人支持它每年烧5亿美金。这件事如果发生在国内，对待不确定性的东西，市场的包容度往往并不高。从企业的角度来看，OpenAI起始于一群在通用人工智能备受怀疑时，仍然相信它能成的人，并不是着急“做另一个DeepMind”来打败谷歌，也不是微软内部孵化，它只有375个人，是一个100%的小型创业公司。但为什么微软和谷歌内部没有孵化出这些项目？人们偏向认为，OpenAI的人才密度一定比微软、谷歌更高，大企业在创新上天生存在弊端和不足，加上资本的加持，这样小企业才会做出颠覆式的技术。 ChatGPT只是OpenAI的产品之一，公司多个创始人曾联合发文：“我们正致力于利用物理机器人完成基本家务。更远一些，OpenAl的目标是制造‘一种高度自主，且在大多数具有经济价值的工作上超越人类的系统’。” 做中国的ChatGPT和做中国的OpenAl，是完全不同的两件事。前者贴近为了流量追一个风口，后者的格局大得多得多。在OpenAI 官网可以看到它的纲领和章程，其中有一条反竞争条款：这种情况在国内其实是非常罕见的。如果说“狂热相信AI改变世界”是王慧文再创业的初衷，那么他后来发的续里，“不清晰、很渺茫、不明确”，更像是对自己这一举措的概括。有分析人士指出，处于早期阶段的创业公司，要想获得投资人的垂青，要么技术和工程化能力得特别强，要么对C端用户或者B端场景有特别深刻的洞察，能够把这些和AI技术结合，打造出能落地的产品。“国内创业，不先走场景而走技术驱动非常艰难。可能正是因为这样，慧文这样的动作才更有价值。” OpenAI能以很少的收入支撑很高的估值，获得长久的资金支持，除了技术信仰，还有资本和产业的支持，在国内，很难有VC拿钱冒险做技术驱动创新的环境，王慧文可能正在充当后者的角色。如果这是一次理想主义的试水，当所有的目标和过程坚定而明确，那么成败其实并不完全由结果判定。来源：“新眸”（ID：xinmouls），DeFi之道作者：鹿尧，编辑：桑明强来源：金色财经

金色财经2023-02-25

半导体板块震荡走高海光信息大涨7%

将大幅增长，主要得益于ChatGPT等AI应用热潮。

金融界2023-02-24

人工智能狂潮最大赢家！英伟达A100芯片供不应求未来收入相当可观

Transformer是许多最新和顶级AI应用程序使用的一项越来越重要的技术。英伟达周三表示，它希望将AI训练速度提高100万以上。这可能意味着，人工智能公司最终将不需要那么多英伟达芯片堆叠。 #ChatGPT火爆全网#

一禾2023-02-24

24小时热点