FX168财经网_全球视野外汇黄金加密货币NFT资讯网

“Trains—火车投”-- 必成为2023区块链赛道中最火热话题

易选择以及针对市场环境和交易对手的特定AI策略。 TAI模型五大优势收益模型：客户可将USDT质押进Trains 平台的智能合约中。最低质押额度为150USDT最高单人质押：1000000 USDT。限制到100万USDT以达到普世金融的目的。TAI将合理利用资金池在交易市场进行高频次套利。并将收益通过智能合约分发给每一个Trains会员。 1:会员可选择周、月、季度质押，每日收益分别为：1.1% 1.2% 1.3% 。 2:推荐好友加入投资，奖励其好友收益的20%,间推好友收益10%. 3:对客户发展出自己的团队进行额外奖励，团队分为6个等级。每一级对应不同的额外奖励。代币发行： Trains的唯一代币是TRT。 Trains收入的约30%用于回购平台币，只涨不跌。该代币是整个Trains的价值捕捉和平台治理工具。创世NFT发行： Trains官方将公开售卖3类6种平台治理NFT，玩家可购买进行质押获得高额代币回报。创世NFT销售收入的50%将用于添加TRT的初始流动性。交易对为：TRT-USDT，1个TRT换1个USDT。项目特点： 1、通过平台币捕获AI价值发行量，1000万枚。智能合约发行，无私募、无预留、无空投。所有参与会员获得平台代币的方式绝对公平，只能通过质押NFT由智能合约产出。 2、通过NFT奖励做市场的团队考核每个月的团队增量业绩。增量业绩越大，奖励的NFT越多，质押NFT挖出的Trains平台币也就越多，获取的收益越大。 Trains的治理代币$TRT将在12月初上线（具体详见官方通知），利用独特的代币机制和玩法，结合NFT给玩家更多的时间和机会持有$TRT，静待币价上涨。发现了吗？AI与区块链的结合，对你而言，这简直就是自动取款机！不得不让人夸赞官方的脑洞，同时也表明了官方想做高倍币的决心。加入我们： Trains QQ群: 245636115 Trains电报中文社区: https://t.me/Trainschina Trains电报国际社区:https://t.me/Trains_community Trains 推特：https://twitter.com/Trains_vip Trains 官网：www.trt.Trains.vip 来源：金色财经

金色财经2023-11-02

Trains—火车投必成为2023区块链赛道中最火热话题

易选择以及针对市场环境和交易对手的特定AI策略。 TAI模型五大优势收益模型：客户可将USDT质押进Trains 平台的智能合约中。最低质押额度为150USDT最高单人质押：1000000 USDT。限制到100万USDT以达到普世金融的目的。TAI将合理利用资金池在交易市场进行高频次套利。并将收益通过智能合约分发给每一个Trains会员。 1:会员可选择周、月、季度质押，每日收益分别为：1.1% 1.2% 1.3% 。 2:推荐好友加入投资，奖励其好友收益的20%,间推好友收益10%. 3:对客户发展出自己的团队进行额外奖励，团队分为6个等级。每一级对应不同的额外奖励。代币发行： Trains的唯一代币是TRT。 Trains收入的约30%用于回购平台币，只涨不跌。该代币是整个Trains的价值捕捉和平台治理工具。创世NFT发行： Trains官方将公开售卖3类6种平台治理NFT，玩家可购买进行质押获得高额代币回报。创世NFT销售收入的50%将用于添加TRT的初始流动性。交易对为：TRT-USDT，1个TRT换1个USDT。项目特点： 1、通过平台币捕获AI价值发行量，1000万枚。智能合约发行，无私募、无预留、无空投。所有参与会员获得平台代币的方式绝对公平，只能通过质押NFT由智能合约产出。 2、通过NFT奖励做市场的团队考核每个月的团队增量业绩。增量业绩越大，奖励的NFT越多，质押NFT挖出的Trains平台币也就越多，获取的收益越大。 Trains的治理代币$TRT将在12月初上线（具体详见官方通知），利用独特的代币机制和玩法，结合NFT给玩家更多的时间和机会持有$TRT，静待币价上涨。发现了吗？AI与区块链的结合，对你而言，这简直就是自动取款机！不得不让人夸赞官方的脑洞，同时也表明了官方想做高倍币的决心。来源：金色财经

金色财经2023-11-02

Trains—火车投必成为2023区块链赛道中最火热话题

易选择以及针对市场环境和交易对手的特定AI策略。 TAI模型五大优势收益模型客户可将USDT质押进Trains 平台的智能合约中。最低质押额度为150USDT最高单人质押：1000000 USDT。限制到100万USDT以达到普世金融的目的。TAI将合理利用资金池在交易市场进行高频次套利。并将收益通过智能合约分发给每一个Trains会员。 1:会员可选择周、月、季度质押，每日收益分别为：1.1% 1.2% 1.3% 。 2:推荐好友加入投资，奖励其好友收益的20%,间推好友收益10%. 3:对客户发展出自己的团队进行额外奖励，团队分为6个等级。每一级对应不同的额外奖励。代币发行 Trains的唯一代币是TRT。 Trains收入的约30%用于回购平台币，只涨不跌。该代币是整个Trains的价值捕捉和平台治理工具。创世NFT发行 Trains官方将公开售卖3类6种平台治理NFT，玩家可购买进行质押获得高额代币回报。配图（创世NFT等级数量价格以及团队额外增益）创世NFT销售收入的50%将用于添加TRT的初始流动性。交易对为：TRT-USDT，1个TRT换1个USDT。项目特点 1、通过平台币捕获AI价值发行量，1000万枚。智能合约发行，无私募、无预留、无空投。所有参与会员获得平台代币的方式绝对公平，只能通过质押NFT由智能合约产出。 2、通过NFT奖励做市场的团队考核每个月的团队增量业绩。增量业绩越大，奖励的NFT越多，质押NFT挖出的Trains平台币也就越多，获取的收益越大。 Trains的治理代币$TRT将在12月初上线（具体详见官方通知），利用独特的代币机制和玩法，结合NFT给玩家更多的时间和机会持有$TRT，静待币价上涨。发现了吗？AI与区块链的结合，对你而言，这简直就是自动取款机！不得不让人夸赞官方的脑洞，同时也表明了官方想做高倍币的决心。加入我们： Trains QQ群: 245636115 Trains电报中文社区: https://t.me/Trainschina Trains电报国际社区:https://t.me/Trains_community Trains 推特：https://twitter.com/Trains_vip Trains 官网：www.trt.Trains.vip 来源：金色财经

金色财经2023-11-02

telegram bot现有的玩法抓住赛道红利

你冲土狗，获得链上牛市的红利。风险点在ai策略能够承载的资金上限，会导致fdv的上限【2梯队】有创新的项目，不是简单的缝合怪$axe 通过美股切入的，抢占了合成资产/rwa概念。1000倍杠杆让无数人归零成为了项目方分红的利润$none discord bot龙头。缺点是吃不到tg红利$news 从AI资讯提醒切入，诱惑用户开多开空。xmf对人性拿捏是有理解的其他方向：简单整理了一些关于telegram bot现有的玩法，主要是各种类型，具体项目可能会遗漏，有好玩的大家可以在下面补充。不过现在bot已红海竞争，大创新才能获得超额收益，fork的黄金期已过。大家可以慢慢体验产品，看看dune上的数据情况慢慢布局 1、交易机器人 TeamUnibot（$UNIBOT）交易类的头部bot，一切fomo开始的原点。可以在telegram里快速和灵活的方式买卖代币 https://t.me/unibotsniper_bot?start=winwin 2、撸毛机器人 lootbot_xyz（$LOOT）能够快速实现批量撸毛的功能。还有个卖点是 ton_blockchain ($TON) 生态的合作伙伴 3、发币机器人 TeamSaintbot ($SAINT) 帮助项目方能够快速的发币，锁池子等一系列的操作。是一个半toB的商业模式 4、合约交易机器人 echobotfinance ($ECHO) 可以在tg里跟单binance和bybit上的头部交易员 5、rwa/美股杠杆交易机器人 tradeaxecap ($AXE) 可以在tg里1000x杠杆炒美股，不知道底层资产怎么实现（可能赌杠杆高，爆仓率高） 6、菠菜/小游戏机器人 allincasinocoin ($ALLIN) housemoneyapp ($HOUSE) $Allin tg的纸牌游戏$House tg里投注大多数体育项目 7、衍生的一些类机器人项目 nonethio ($NONE) discord bot TeamUnichad Unibot的套娃，帮助散户能够拿到分红（unibot分红有一定持币门槛）最近，由于friend.tech的爆火， $shares 类的项目也在出现。一类是偏自己做资产，方便在tg里交易，并且把手续费分给持币者（等于先于friend发币吃红利）；一类是帮助使用者能更好的炒作friend上的交易，并提供一定的策略【风险提示】大盘不稳，低吸很重要。bot赛道很新，得时刻观察下使用和交易数据，如果发现增长不动，得做下风控$unibot 和 $aimbot ，bitget上已经有了，慢慢买入比较方便，但如果要分红的话还是得提到链上，但现在的头部不一定是未来的头部，一个风骚运营/创新功能，可能就能弯道超车来源：金色财经

金色财经2023-08-28

AIbit：智能投资策略的引领者

也会跟传统车辆有很大区别。在金融领域的AI策略应用也比比皆是，人工智能的兴起，为投资者提供了一个把握增长潜力及资源的难得机会。在这个充满挑战与机遇的时代，智能投资成为越来越多投资者的追求。而AIbit作为智能投资策略的引领者，以其独特的优势和智慧赋能，成为未来最受关注的项目之一。 AIbit智能化策略工具型选择。 AIbit是一款基于人工智能和区块链大数据分析的智能投资工具。其智能引擎AIbit algorithmic mode和AIbit big data运用先进的算法模型和大数据分析，实时监测区块链和加密市场的动态，为用户提供智能化的投资决策。这种智慧赋能的投资方式，让投资者能够更加科学和高效地应对市场波动，抓住投资机遇。 AIbit合规保障安心无忧。 AIbit的智能投资策略消除了人为情绪干扰，实现低风险、高收益的目标。这种智能投资方式，让投资者可以轻松享受财富增值的可能性。同时，AIbit为用户的资金安全提供有力保障。这种安全保障是AIbit赢得用户信任的关键之一，让用户能够安心选择，无忧增值。展望未来数十年，AI人工智能和区块链，可能会成为推动各行各业创新的最强动力，带来颠覆性改变。充分了解、成功掌握AI等创新技术的公司和个体用户，将会成为行业赢家，取得更大的利润。在未来AI革命的冲击下，选择AIbit，将成为用户在未来挑战的最佳选择。AIbit的智能投资策略和安全保障，将为投资者带来更高效、准确和稳健的投资体验。探索AIbit为用户带来的增值机遇与稳定价值，踏上智能投资的未来之旅。来源：金色财经

金色财经2023-08-20

AIbit, 能否解锁未来AI革命机遇之门？

机遇，尤其是在数字资产市场。革命性：AI策略投资的智慧之选了解、学习、运用AI策略分析投资，成为了在未来AI时代中重要的生存技能。2018年AI bit实验室和Open AI 共同开始研发出革命性成果——AIbit，经过5年的反复试验，终于推出了AI bit4.0 ,将在2023年9月份面向全球。作为智能投资工具，利用复杂的算法模型和大数据分析，实时监测区块链和加密市场的动态，为用户提供智能投资建议。通过学习AI策略投资，客户可以更好地了解数字资产市场，抓住投资机遇，规避风险。催化剂：AIbit引领财富增长之路 AIbit融合了尖端人工智能算法和创新硬件，将自己定位为下一阶段人工智能革命的催化剂。与传统人工智能技术不同，AIbit 通过集成神经架构搜索、迁移学习和元学习等新颖方法，超越了传统的深度学习模型。这种技术的融合增强了 AIbit 适应、学习和泛化各种数据源的能力，为更强大、更通用的人工智能系统铺平了道路。了解AIbit的智能投资策略，将在未来AI时代中更加从容应对，把握财富的机遇。选择AIbit，将在数字资产市场中实现财富增长与稳定性更大的可能。未来AI革命将改变我们的世界，学习AI策略投资是您在这个变革时代中的关键策略。AIbit 站在未来人工智能革命的前沿，让我们一睹无限可能的世界。有了 AIbit，未来人工智能革命的大门不仅是敞开的，同时邀请我们探索未知领域并重新定义人类成就的界限。AIbit，能否解锁未来AI革命机遇之门？答案显而易见。来源：金色财经

金色财经2023-08-14

ChatGPT爆火这半年：热钱、巨头与监管

供应商为代表的大厂，虽然都宣布了各自的AI策略，但明显各有侧重。在过去的半年时间里，巨头纷纷发布自己的大模型产品。对于百度、阿里这样的大厂来说，他们入局大模型的时间并不算晚，基本在2019年。百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。阿里的通义千问大模型也是始于2019年。除了百度和阿里的通用大模型，6月19日，腾讯云发布了行业大模型的研发进展。7月7日，华为云发布了盘古3.0行业大模型产品。这些侧重也与各家的整体业务，云战略，以及在AI市场里的长期布局有所呼应。百度的主线业务盈利能力在过去的5年中，出现了较大波动。百度很早就看到了基于搜索的广告业务在国内市场中的问题，对此，百度选择了大力投入AI技术寻找新机会。这些年来，百度不仅邀请过吴恩达、陆奇等业界大佬出任高管，在自动驾驶上投入热情也远超其他大厂。如此关注AI的百度，势必会在这波大模型之争里重手投注。阿里对通用大模型同样表现出了极大的热情。一直以来，阿里云一直被寄予厚望，阿里希望走通技术路线创造集团的第二增长曲线。在电商业务竞争日趋激烈，市场增长放缓的大环境下，依云而生的AI产业新机遇，无疑是阿里云在国内云市场上再发力的好机会。相比百度和阿里，腾讯云在大模型方面选择了优先行业大模型，而华为云则公开表示只会关注行业大模型。对于腾讯来说，近年来主营业务增长稳中向好。在通用大模型的前路尚不明朗的阶段，腾讯对于AI大模型的投注相对谨慎。马化腾在此前的财报电话会上谈及大模型时曾表示：“腾讯并不急于把半成品拿出来展示，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。” 另一方面，从腾讯集团的角度看，腾讯目前有4所AI Lab，去年也发布了万亿参数的混元大模型，腾讯云投身行业大模型方面的动作，更像是一种“不把鸡蛋放在同一个篮子里”的投注策略。对于华为来说，一直以来都是重手投注研发，过去10年里华为在研发方面的总投入超过9000亿元。但由于手机业务遇到发展障碍，华为在很多技术研发上的整体策略或也正在面临调整。一方面手机业务是华为C端技术最大的出口，如果手机业务不为通用大模型买单的话，那么华为研发通用大模型的动力就会明显下降。而对于华为来说，把赌注押在能快速落地变现的行业大模型，似乎是这场AI博弈当中的最优解。正如华为云CEO张平安所说“华为没有时间作诗”。不过，对科技巨头来说，无论赌注多大，只要能赌对，就能够先一步抢占基础设施的市场份额，从而在人工智能时代获得话语权。拿着锤子找钉子对于商业公司来说，所有的决策仍然落到经济账上。即便是一笔不小的投入，越来越多有远见的公司创始人也意识到，这是一项未来必须要做的事情，即便前期投入可能完全看不到回报。 AI大模型的研发需要一笔不小的投入，但越来越多企业创始人、投资人都认为，这是一项”必要投入”，即便眼下完全看不到回报。由此，很多在上一波AI浪潮下诞生的人工智能公司，都在沉寂良久之后看到了新的曙光。 “3年前，大家都说GPT-3是通向通用人工智能的可能性。”李志飞在2020年就开始带着一班人马研究GPT-3，彼时出门问问正处在一个发展的转折点，他们希望探索新业务，但经过一段时间的研究之后，李志飞的大模型项目中止了，原因之一是当时模型不够大，另外就是找不到商业落地场景。不过，2022年底ChatGPT问世以后，李志飞仿佛被扎了一剂强心针，因为他和所有人一样，看到了大模型的新机会。今年4月，出门问问发布了自研的大模型产品——序列猴子。眼下，他们准备拿着新发布的大模型“序列猴子”冲刺港交所，出门问问已在5月末递交了招股书。另一家老牌AI公司也在跟进，去年7月，思必驰向科创板递交了IPO申请，在今年5月被上市审核委员会否决。俞凯坦言，就连OpenAI，在GPT2阶段也是用微软的V100训练了将近一年的时间，算力和A100差好几个量级。思必驰在大模型前期积累阶段，也是用更为经济的卡做训练。当然，这需要时间作为代价。相比于自研大模型，一些应用型公司有自己的选择。一家在线教育公司的总裁张望（化名）告诉虎嗅，过去半年，他们在大模型应用场景的探索上不遗余力，但他们很快发现在落地过程中存在诸多问题，例如成本与投入。这家公司的研发团队有50人-60人，开始做大模型研究以来，他们扩充了研发团队，新招了一些大模型方面的人才，张望说，偏底层模型方面的人才很贵。张望从未想过从头开发大模型，考虑到数据安全和模型稳定性等问题，他也不打算直接接入API做应用。他们的做法是参考开源大模型，用自己的数据做训练。这也是很多应用公司目前的做法——在大模型之上，用自己的数据做一个行业小模型。张望他们从70亿参数的模型开始，做到100亿，现在在尝试300亿的模型。但他们也发现，随着数据量增多，大模型训练会出现的情况是，可能新版本不如上一个版本，就要对参数逐一调整，“这也是必须要走的弯路。”张望说。张望告诉虎嗅，他们对于研发团队的要求就是——基于公司的业务探索AI大模型场景。这是一种拿着“锤子”找“钉子”的方法，但并不容易。 “目前最大的难题是找到合适的场景。其实有很多场景，即便用了AI，效果也提升不了太多。”张望说，例如在上课的场景中，可以用AI大模型赋能一些交互模式，包括提醒学员上课功能、回答问题和打标签等，但他们试用了AI大模型之后，发现精准度不行，理解能力和输出能力并不理想。张望的团队尝试过一段时间后，决定在这个场景里暂时放弃AI。另一家互联网服务商小鹅通，也在AI大模型爆发后第一时间开展了相关业务的探索。小鹅通的主要业务是为线上商家提供数字化运营工具，包括营销、客户管理以及商业变现。小鹅通联合创始人兼COO樊晓星告诉虎嗅，今年4月，当越来越多的应用基于生成式AI诞生时，小鹅通看到了这个技术背后的潜力，“例如MidJourney，生成式AI对于设计图像生成方面的提效确实有目共睹。”樊晓星她们在内部专门组织了AI研究的业务线，寻找与自身业务相关的落地案例。樊晓星说，在将大模型接入业务的过程中，她所考虑的就是成本和效率，“大模型的投入成本还是蛮高的。”她说。互联网行业的“钉子”算是好找的，AI落地真正的难点还是在工业、制造这样的实体产业。俞凯告诉虎嗅，这一波AI浪潮仍然是螺旋式上升、波浪式前进，在产业落地上面的矛盾一点都没变化，只是换了一个套壳而已。所以从这个意义上看，这两次AI浪潮的规律是相同的，最好的办法就是学习历史——“上一波AI浪潮的教训，这次就别再犯了。” 虽然很多厂商在AI大模型的落地方面都喊出了“产业先行”的口号，但很多实体产业的场景真的很难与目前的AI大模型相匹配。比如在一些工业检测场景应用的AI视觉检测系统，即便对AI模型的需求没有高到10亿参数的量级，但初期的训练数据仍然捉襟见肘。以一个简单的风电巡检场景为例，一个风场的巡检量达到七万台次，但同样的裂痕数据，可能只会出现一次，机器可以学习的数据量是远远不够的。扩博智能风电硬件产品总监柯亮告诉虎嗅，目前风机叶片的巡检机器人还做不到100%的精确分析叶片裂痕，因为可供训练和分析的数据量太小了，要形成可靠的全自动巡检和识别，还需要大量的数据积累和人工分析。不过，在工业数据积累较好的场景中，AI大模型已经可以做到辅助管理复杂的三维模型零件库了。国内某飞机制造企业的零件库就已经落地了一款基于第四范式“式说”大模型的零件库辅助工具。可以在十万余个三维建模零件中，通过自然语言实现三维模型搜索，以三维模型搜三维模型，甚至还能完成三维模型的自动装配。这些功能，在很多卡住制造业脖子的CAD、CAE工具中都需要经过多步操作才能完成。今天的大模型和几年前的AI一样面临落地难题，一样要拿着锤子找钉子。有人乐观地相信，今天的锤子和过去完全不一样了，但到了真金白银地为AI付费时，结果却有些不同。彭博社在7月30日发布的Markets Live Pulse调查显示，在514名受调投资者中，约77%的人计划在未来六个月内增加或保持对科技股的投资，且只有不到10%的投资者认为科技行业面临严重的泡沫危机。然而这些看好科技行业发展的投资者中，却只有一半人对AI技术持开放的接受态度。 50.2%的受访者表示，目前还不打算为购买AI工具付费，多数投资公司也没有计划将AI大范围应用到交易或投资中。卖铲子的人 “如果你在1848年的淘金热潮里去加州淘金，一大堆人会死掉，但卖勺子和铲子的人，永远可以赚钱。”陆奇在一次演讲时说。高峰（化名）想当这样的“卖铲子的人”，准确地说，是能够“在中国卖好铲子的人”。作为一名芯片研究者，高峰大部分科研时间都在AI芯片上。过去一两个月，他感到了一种急迫性——他想做一家基于RISC-V架构的CPU公司。在一家茶室，高峰向虎嗅描绘了未来的图景。然而，要从头开始做AI芯片，无论是在芯片界，还是在科技圈，都像是一个“天方夜谭”。当AI大模型的飞轮飞速启动时，背后的算力逐渐开始跟不上这一赛道中玩家的步伐了。暴涨的算力需求，使英伟达成了最大的赢家。但GPU并非解决算力的全部。CPU、GPU，以及各种创新的AI芯片，组成了大模型的主要算力提供中心。 “你可以把CPU比喻为市区，GPU就是开发的郊区。”高峰说，CPU和AI芯片之间，需要通过一个叫做PCIE的通道连接，数据传给AI芯片，然后AI芯片再把数据回传给CPU。如果大模型的数据量变大，一条通道就会变得拥挤，速度就上不去，因此需要拓宽这条路，而只有CPU能够决定这条通路的宽窄，需要设置几车道。这意味着，中国在大模型上，即便突破了AI芯片，仍有最关键的CPU难以破局。哪怕是在AI训练上，越来越多的任务可以被指派给GPU承担，但CPU依旧是最关键的“管理者”角色。 2023WAIC大模型展区展出的部分国产芯片自1971年英特尔造出世界上第一块CPU至今50余年，在民用服务器、PC市场，早已是英特尔和AMD的天下，英特尔更是建立起涵盖知识产权、技术积累、规模成本、软件生态于一体的整个商业模式壁垒，且这种壁垒从未衰退。要完全抛开X86架构和ARM架构，基于一个全新架构研发完全自主的CPU芯片，可以说是“九十九死一生”，基于MIPS指令集的龙芯，在这条路上走了20多年，更不用说是 RISC-V这样未被充分开垦和验证过的开源架构。指令集，就像一块块土地，基于指令集开发芯片，就相当于是买地盖房子。X86的架构是闭源的，只允许Intel生态的芯片，ARM的架构需要支付IP授权费，而RISC-V是免费的开源架构。产业界和学术界已经看到了这样的机会。 2010年，加州伯克利两位教授的研究团队从零开始开发了一个全新的指令集，就是RISC-V，这个指令集完全开源，他们认为CPU的指令集不应该属于任何一家公司。 “RISC-V或许是中国CPU的一道曙光。”高峰说。2018年，他在院所孵化了一家AI芯片公司，彼时他表示，自己不想错过 AI浪潮发展的机会，这一次，他依然想抓住，而这个切入点，就是RISC-V。在大模型以及如今国产替代的时代，这个需求显得更为紧迫，毕竟，极端地考虑一下，如果有一天，中国公司用不了A100了，又该怎么办。 “如果要取代ARM和X86，RISC-V的CPU需要性能更强，也需要和Linux上做商业操作系统的人参与到代码的开发中。”高峰说。高峰不是第一个意识到这个机会的人，一位芯片行业投资人告诉虎嗅，他曾与一家芯片创业公司创始人聊起，用RISC-V的架构去做GPU的机会。如今，在中国已有一些基于RISC-V架构做GPU的公司，但生态依旧是他们面临的最大的问题。 “Linux已经示范了这条路是可以走通的。”高峰说，在Linux这套开源操作系统中，诞生了红帽这样的开源公司，如今许多云服务都建立在Linux系统上。“需要足够多的开发者。”高峰提出了一个方法。这条路很难，但走通了，将是一条光明的道路。飞轮转得太快了大模型的“应激反应”下，感到急迫的不光是高峰。国内某AI大模型公司联创告诉虎嗅，今年初他们也曾短暂上线过一款对话大模型，但随着ChatGPT的升温，有关部门提高了对大模型安全性的重视，并对他们提出了很多整改要求。 “在没有特别明确的监管政策出来之前，我们不会轻易把产品开放给普通用户，主要还是To B的逻辑。”左手医生CEO张超认为，在《管理办法》出台之前，贸然将生成式AI产品开放给C端用户，风险很大。“现阶段，我们一方面在持续迭代优化，另外一方面也在持续关注政策、法规，保证技术的安全性。” “生成式AI的监管办法还不明确，大模型公司的产品和服务普遍很低调。”一家数字化技术供应商，在6月发布了一款基于某云厂商通用大模型开发的应用产品，在发布会上，该公司技术负责人向虎嗅表示，他们被这家云厂商要求严格保密，如果透露使用了谁的大模型，他们会被视为违约。而对于为何要对案例保密，这位负责人分析，可能很大一部分原因是要规避监管风险。在全球都对AI提高警惕的当下，任何市场都不能接受监管的“真空期”。 7月13日，网信办等七个部门正式发布了《生成式人工智能服务管理暂行办法》（下文简称“《管理办法》”），该办法自2023年8月15日起施行。 “《管理办法》出台后，政策会从问题导向转为目标导向发展就是我们的目标。”观韬中茂律师事务所合伙人王渝伟认为，新规是重“疏”而不重“堵”。浏览美国的风险管理库，是王渝伟每天必需的功课，“我们正在为利用GPT等大模型进行细分行业的商业应用提供风控合规的方案，建立一套合规治理框架。”王渝伟说。美国的AI巨头们正排着队向国会表忠心。7月21日，谷歌、OpenAI、微软、Meta、亚马逊、AI创业公司Inflection、Anthropic，七家最具影响力的美国AI公司，就在白宫签署了一份自愿承诺。保证在向公众发布AI系统前允许独立安全专家测试他们的系统。并与政府和学术界分享有关他们系统安全的数据。他们还将开发系统，当图像、视频或文本是由AI生成时向公众发出警告，采用的方法是“加水印”。 7家美国AI巨头排代表在白宫签署AI承诺此前，美国国会听证会上，OpenAI的创始人山姆·奥特曼表示，需要为人工智能模型创建一套安全标准，包括评估其危险能力。例如，模型必须通过某些安全测试，例如它们是否可以“自我复制”和“渗透到野外”。或许山姆·奥特曼自身也没有想到，AI的飞轮会转得这么快，甚至有失控的风险。 “我们一开始还没有意识到这件事情这么紧迫。”王渝伟说，直到上门来咨询的公司创始人越来越多。他感到，这一次的人工智能浪潮正在发生与过去截然不同的变化。今年年初，一家最早接入大模型的文生图公司找到王渝伟，这家公司希望把自己的业务引入中国，因此，他们想了解这方面的数据合规业务。紧接着，王渝伟发现，这类的咨询越来越多，更明显的变化是，前来咨询的不再是公司的法务，而是创始人。“生成式AI的出现，原有的监管逻辑已经很难适用。”王渝伟说。从事大数据法律工作多年的王渝伟发现，生成式AI与上一波AI浪潮正在呈现更加底层的变化。例如，上一次的AI更多是基于算法进行推荐，还有就是一些人脸识别，都是针对一个场景，针对一些小模型，在具体应用场景当中进行训练，涉及的法律问题不外乎知识产权、隐私保护的问题。而在这个生成式AI生态之上的不同角色，例如提供底层大模型的公司，在大模型之上接入做应用的公司，存储数据的云厂商等，对应的监管都不尽相同。目前大模型所带来的伴生风险已经有了共识，业界明白，商业化应用势必会放大这种风险，要想保持业务的连续性，就需要重视监管。难点就是，“如何找到一条既能做好监管，又能不影响行业发展的路径。”王渝伟说。结语对于整个行业来说，在对技术加深探讨的同时，也正在引发更为深远的思考。在AI逐渐占据科技产业的主导地位之时，要如何确保技术的公正、公平和透明性？当头部公司紧紧掌控技术和资金流向时，如何确保中小企业和初创公司不被边缘化？大模型的开发和应用蕴含巨大潜力，但盲目跟风是否会导致我们忽视其他创新技术？ “从短期来看AI大模型正在被严重高估。但从长期看，AI大模型被严重低估了。” 半年时间里，AI热浪翻涌。然而对于中国的创业公司和科技巨头来说，在热炒的市场氛围中，如何保持清醒的判断，做出长远的规划和投资，将是检验其真正实力和远见的关键。来源：金色财经

金色财经2023-08-04

X Exchange：ChatGPT解锁加密数字资产的智能投资之旅

的关键因素。通过将量化方法和人工智能（AI）策略相结合，Alpha RBT追求资本增值，并成功开发了先进的人工智能算法模型，在多个市场环境中取得卓越表现。未来，Alpha RBT将继续致力于技术创新和行业领先地位，为客户提供高效、智能和可靠的量化交易机器人解决方案。来源：金色财经

金色财经2023-08-02

生产力 SaaS 如何应对 AI 的颠覆？

差阳错地指出了当下这些“老”公司们的 AI 策略，即竞相在自己的产品场景中推出类似的用例。尽管这些用例本身基本是同质化的，我们仍然观察到了一些独特的价值主张 —— 比如围绕“数据”，真正服务企业级客户的 SaaS 并不像大家第一反应那样“使用留存在自己软件内的数据训练 LLM”，而是更强调云交付的信任、没有版权和法务风险的数据集以及更好地帮助客户让数据为模型所用。因此虽然目前我们仍然无法识别究竟哪些 SaaS 长期受益、哪些 SaaS 受害，但是已经可以看出哪些公司拥有真正差异化的应对策略。沿着这个思路，本文在二级和一级分别选择了最让我眼前一亮的 3 种方式和多个案例。不过即使有这些策略存在，生产力 SaaS 们仍不得不面对定价、与 ChatGPT 的竞争以及长期产品路线图上的一系列挑战，生产力入口的争夺战正处于激烈的淘汰赛阶段。需要注意的是，生产力 SaaS 有一宽一窄两个定义，窄的通常仅指围绕文档（比如 Notion）、任务（比如 ClickUp）、视频（比如 Zoom）、表格（比如 Airtable）等核心场景的生产协作 SaaS，而宽的则包含大多数能提升公司经营效率的 SaaS，从庞大的 CRM 到 Zapier 这样灵巧的自动化工具。本文所讨论的生产力 SaaS 更偏向于后者的宽泛范围。就像我们在 Kick 的文章中指出的，我们在硅谷观察到所谓“All in AI”的投资人比例远没有我们预期的高。一个普遍的观点是 Generative AI 并没有像移动互联网和云一样带来全新的用户群体与相应的获客渠道，因此拥有 Go-To-Market 优势的老玩家们占据优势。另一个主流的认知则是「投 AI Native 应用为时尚早，不如先让自己的现有 Portfolio 用好 GenAI 更划算」。从“老”公司的经营角度看，大家已经充分体会过 PC、移动互联网和云三波浪潮，几乎每一个职业经理人和优秀的创业者都学习过各种掉队案例，因此心态上一定不会放过大东西。而 GenAI 来势汹汹、共识打满，应该没有公司会觉得这波机遇太小，因此都特别 FOMO 并且明确入场。不过现阶段各家公司推出的 GenAI 实际用例大差不差，是「理解」、「生成」、「推理」在各种场景的上的排列组合，看多了很容易审美疲劳。我们抛开这些已经被讨论足够多了的具体用例，结合在硅谷走访调研的体会，在二级巨头和一级市场独角兽身上各挑出 3 个我们认为比较有意思的价值主张和策略详细讲讲。 Source - Frameworks of GenAI use cases by Alana Smith 01.二级巨头们的价值主张和经营策略多个角度把「数据」玩出花第一个角度：不碰客户数据「数据」可以成为一个非常强大的价值主张，但并不是我们第一反应的“Salesforce 上留存了大量的 CRM 数据、Zoom 上有大量的潜在会议记录，可以拿来训练一个强大的模型”。恰恰相反，保证不在未授权情况下使用客户数据训练模型或者替客户进行任务自动化是这类公司最重要的价值主张之一，也是把数据玩出花的第一个角度 —— 营造信任。对于大型企业客户来说，GenAI 的确可能成为生产力神器，但同时也是一个难以被信任的新科技，需要那些擅长面向大型企业客户提供保证隐私、安全性的 SaaS 供应商帮助 GenAI 跨越这一鸿沟。最近一提信任和隐私，「开源 + 本地部署」成为了一种无脑的答案。在这种显而易见的做法之上，在云上交付隐私和安全是能够服务大型企业客户的 SaaS 们在过去 10 年积累的基本功。以 Slack 的一个细节为例 —— 为了将客户群从 SMB 和 Mid-Market 拓展到大型企业，它花血本将标准的数据加密方案做了更复杂的定制，通过跟 AWS 的 Key Management Service 做集成，让客户控制 Key，Slack 再通过服务调用客户设置的 Key 来加密用户的数据。这种等级的“安全可控”在微软系生产力工具中也非常常见。「不碰客户数据」是营造信任的基线，在用例同质化的情况下，为 GenAI 定制的隐私及数据安全解决方案则有机会成为一个具有差异化的价值主张。微软虽然在这一点上积累很深，但是对外没有猛打这一卖点。反而 Salesforce 的 Einstein GPT 使用这一价值主张更多，在 3 月宣布 Einstein GPT 后，近期最大的进展就是 Trust Layer 的推出，试图将自己是「最可以被信任」的 GenAI Offering 这一形象打透。第二个角度：不碰版权数据 Adobe Firefly 在 4 个月前刚刚放出时遭遇群嘲，它生成的皮卡丘和 Hello Kitty 们惨不忍睹。但是现在 Firefly 已经在 Web 版本和 Photoshop 中帮助 Adobe 的用户们生成了超过 10 亿个资产，被公司评价为“Adobe 历史上最成功的两个测试版本产品”。外界在过去几个月已经逐渐领会了 Firefly 的独特价值主张：对未经授权的版权内容保持敬畏，帮助自己产品的使用者免除商用这些生成资产的法务风险。这一价值主张的核心就是构建一个完全没有版权问题的数据集。Stability AI 和 Midjourney 继续保持着对 Firefly 在效果上的微弱领先，但是不可避免地遭遇集体诉讼，因为它们使用的 LAION 数据集上包含 56 亿未经许可从公网上抓取的图像。第三个角度：帮客户把数据连起来使用 LLM 的数据处理环节 Source : a16z 有无数创业公司在这一赛道，就不再赘述最典型的数据连接用例。在此之上，跨本地和云的数据整合能力是一个需要长期积累的基本功，现有 SaaS 巨头有些差异化优势 —— 它们经历了 On-Prem 转云处理存量数据的尴尬期，经验比较丰富，而且 Salesforce 收购了 Mulesoft，Google 有 Apigee，微软有 Power Platform，都有各种强大的 Connectors 来帮助客户收集跨组织和跨本地与云的数据。通过将自身的云、数据连接器、产品场景垂直整合，再搭配合作伙伴的 LLM，老牌 SaaS 能够提供给客户一个真正端到端的堆栈，先收集好数据，再协调好数据并且能够创建数据的相关 pipeline，让数据在不同的模型和场景中可用。目前这一价值主张驱动的销售效果还未可知，但是起码听起来很美妙。上文介绍了 3 种把数据玩出花的角度，但目的都不是让 GenAI 的能力更强大，而是让它真正达到 Business Class 和 Enterprise Ready。借机重振产品品牌 GenAI 既能实际落地发挥作用，又是完美的营销帮手： • EinsteinGPT 重新让 Salesforce 的爱因斯坦小人 Logo 获得关注。要知道在此之前 Salesforce 这个 Einstein 的 AI 品牌并不算成功，一直没有绝对领先市场的产品，反而是 Gong.io 这样的初创公司一路崛起，成为 Conversation Intelligence 方向的头部玩家； • 微软在 Bing 和流程挖掘的产品上也类似，Bing 和 Google 在搜索体验上仍然有相当大的差距，而从微软收购的 Minit 而来的 Power Automate Processing Mining 也跟 Celonis 等独立的头部玩家有差距，但是通过 Bing Chat 和 Copilot，都重新面向潜在客户收获了一波关注；在微软的 Power Automate Processing Mining 中使用 Copilot • Zoom IQ 在 Conversation Intelligence 这个赛道上起步晚，但是凭借跟 GenAI 的集成，快准狠地推出了跟其他 Zoom 生产力场景的协同，也获得了在客户面前更多的曝光和关注；使用 Zoom IQ 生成和回复邮件 • UiPath 和 Five9 这些被视作长期潜在受损的公司也非常积极地进行 GenAI 整合，让广泛地产品线显得更智能； …… 尽管这些策略帮助以外缺乏突破点的产品再次获得关注，但这个窗口期可能正在关闭。随着微软各个产品中的 Copilot 和其他公司的 GenAI 集成从 Private Beta 走向正式版本交付客户使用，GenAI Offering 的作用将从「让销售 leads 增多」变为「提升 win rate」。扩 TAM 保毛利当不确定的经济环境和宏观局势遇到了共识打满的 GenAI，我们看到二级市场的公司试图做出“All in AI”的姿态，不断强调这是新的工业革命或者 PC 出现的时刻，但是在实际的经营策略上则仍然试图在利用 GenAI 扩大 TAM 的同时尽量保毛利。微软和 Google 等少数深入模型层的公司略微例外，它们在保毛利的同时做好了扩大 CapEx 投入的准备。在广大的 SaaS 公司里，Zoom 这样的思考和策略算是现阶段的标配，即 GenAI Offering 不能赔本赚吆喝，得让客户直接付费或是升级其付费计划： AI 对毛利率的影响较小。对于更高级和更高端的用例，我们希望通过让客户升级其订阅计划或通过我们平台的消费模式向客户收费。所以总的来说，我们正在努力抵消任何潜在（影响毛利）的压力。我们对长期毛利率的提高非常有信心。 Eric Yuan - Zoom 在定价模式上，除了有 M365 Copilot、Zoom IQ for Sales、Salesforce 的一系列 AI 产品按坐席和用量单独收费，跟付费订阅捆绑成为了非常流行的定价方式：在保毛利的同时探索出来一个让客户普遍接受的定价是一件非常有挑战性的事情，大量产品仍处于 Private Beta，探索定价方式中。在云时代充 credits 的 pay-as-you-go 模式崛起，GenAI 能不能推动某种新型的定价策略出现也非常值得期待。 02.「海外独角兽」们寻找安身立命之本超强执行力的中间桥梁对于生产力 SaaS 们的前途命运，有两类观点： • GUI 将毫无价值，这些 SaaS 最终将只提供数据库价值； • GenAI 是法拉利级别的引擎，但是你总归需要一辆完整的汽车。站在现实的角度，第一种观点在短期内还很难实现，许多人甚至认为 LUI 可能是最差的 UI，让我们重新倒退回了命令行时代。当然也还没有一家 SaaS 独角兽甘愿迎接第一种命运，因此大家仍然在尝试为用户提供一辆更完善的汽车。在这一点上 Notion、ClickUp、Miro 等公司的尝试和 M365、Google Workspace 没有什么本质上的不同。但是第一季度在 Bing 和 M365 几乎霸占了市场注意力的势头的情况下，Notion 在 22 年底很早就关注到 OpenAI 的动向，成为非 AI Native 的生产力 SaaS 公司中第一个上线完整 AI 产品的玩家，并且收获了还不错的市场反馈，很快就创造了数百万美元的 ARR。使用 Notion AI 总结梳理一篇研究文献我们交流的一些 Notion 员工将 Notion AI 定位成一个双向的桥梁 —— Notion AI 封装好的指令帮助用户减少了收集和搭配 Prompt 的门槛，而 GenAI 本身降低了用户使用 Notion 各种复杂组建的门槛。生产力赛道下的另一位卷王 ClickUp 跟 Notion 的这个解题思路很类似，它的产品比 Notion 还要复杂，嵌入了白板、视频等其他场景。在 Atlassian、Asana、Monday.com 等二级市场的对手都还没有 GenAI Offering 面世的时候，ClickUp 就推出了自己的 AI 产品并且确定了只有 Notion 一般的定价策略，很快也产生了可观的 ARR。使用 ClickUp 的 AI 功能进行任务管理靠开源武装自己有一些生产力 SaaS 光做好中间桥梁的作用可能不够，因为它们的安身立命技术被 LLM 直接挑战 —— 比较典型的两个例子是 Gong.io 的对话分析和 Sourcegraph 的代码搜索，它们都通过与传统 ML 模型构建了技术护城河，但是现在这些护城河被 LLM 撕开了巨大的口子。 Sourcegraph 背后的 3 大技术 Gong 的应对比较中规中矩，在第一季度没有什么反应。根据我们和早期投资人的交流，部分原因可能是团队认为模型能力并不是决胜点，获得和处理客户会议及对话数据的能力是个需要时间积累的脏活累活。直到 6 月初，Gong 才宣布推出 Call Spotlight 以及 Proprietary Generative AI Models。可能是 ChatGPT 和 Github Copilot 处理代码的能力过于惊人，Sourcegraph 成为了过去两个季度在应对 GenAI 冲击时非常让人眼前一亮的公司。尽管 Sourcegraph 很早就意识到 LLM 的 Context Window 在处理多个大型库级别的代码量上仍然有缺陷，但是没有停止产品创新，在 3 月末就直面竞争，推出了由 Anthropic 的模型驱动的代码编辑助手 Cody，并且将其代码实现开源。 Cody 背后的技术方案由于 Cody 拥有 Embeddings 的长上下文优势和 Sourcegraph 独特的 Code Graph 加持，它很快在 Hacker News 和 Twitter 上被广泛讨论。而开源的属性让 Cody 不被局限在 Sourcegraph 产品内部，而是可以当做灵活的 IDE Extension 使用，作为老公司和 AI Native 的 Cursor 等产品一同迅速成为了 Github Copilot 最可能的替代选项之一。乘胜追击扩大价值我们在 ChatGPT Plugin 的文章中描述过 Zapier 短期受益的局面：当前 ChatGPT 有了很强的工具使用能力，但缺少在 api 聚合方面的 know-how，因此 Plugin 的出现在中短期之内利好 Zapier 这类聚合器产品。Zapier 在此领域积累很深，现在如果大家想在 ChatGPT 上做一些复杂操作的时候：比如将文本总结之后发社交媒体，或是记录在 Google Workspace 中，大家都会选择用 ChatGPT + Zapier 的方式来实现。在很多 use case 中，ChatGPT 只需要接入聚合器，就能做到非常好的用户体验，它也不需要接入大量 api，相当于类似 SEO 的部分由聚合器完全提供了。 …… 但长期上，这类产品面临以下冲击：一方面， api 的组织形式可能会发生变化，LLM 时代可能跨产品交互的频次和。OpenAI 最近发布了函数调用能力，使 api 的可用性显著提升，这些变化可能会弱化 Zapier 的护城河。另一方面，聚合器可能会成为操作系统机会中的一部分，微软、谷歌和苹果都可能基于自己的系统去建立相应的能力，竞争激烈。 Zapier 团队在过去 6 个月的表现非常亮眼，展现出了团队一流的视野和执行力。下面这几个产品发布可谓稳准狠： • 3 月推出 Zapier Natural Language Actions，将平台能力首次以 API 的方式开放，还支持通过 Chat 的方式调用，迅速让 Zapier 跟 GenAI 生态融合在一起； • 由于各种 SaaS 内的数据只是由 Zapier 连接而没有存储在它这里，Zapier 在 5 月推出了 Zapier Tables，帮助用户存储、编辑、共享和自动化各个 SaaS 内的数据，这样可以从用户存量数据积累的角度构建另一条护城河； • 它推出的 Chatbot 框架也迅速在社交媒体上引发大量关注，成为用户自发为各类 SaaS 引入 LUI 的首选低成本方案之一。从不浪费红利、防止短暂红利过后被颠覆以及扎实把产品做好的角度，Zapier 是这一年来最好的生产力 SaaS 范本。而且它的联合创始人 Mike Knoop 投入力度非常大，完全致力于 Zapier 与 AI 相关的产品，并且成为了湾区 AI 生态重要的意见领袖，非常值得其他生产力 SaaS 公司学习。 03.现阶段 SaaS 的 AI 功能遭遇的 5 大挑战尽管我们找到了 6 个正面范本试图说明有些生产力 SaaS 做得还不错，但是它们不可避免地仍然陷入到一些具体的挑战当中，下面是最典型的 5 个：挑战 1：PR 先行给用户带来的失落由于 ChatGPT 引发的用户热度过于突然，大量的公司在 23 年初才开始准备其 AI Offering，并且在 3 月中下旬撞车式发布 Private Beta 版本，这导致了过长的 Waitlist，大量的客户知道自己的 SaaS 供应商推出了 AI 能力，但是却一直无法购买使用，不得不随着时间冷静下来。以 CRM 为例，许多 Salesforce 的客户对 Einstein GPT 非常感兴趣，多次向自己的销售询问报价，但是在整个 4 月和 5 月都无法得到售卖反馈，这让许多客户将这种本该严肃的产品发布视作一场无意义的 PR 行为。 Salesforce 实际上拥有一份完善的产品路线图，但是与官宣 Einstein GPT 的时间有足足 3 个月的时间差挑战 2：AI 与产品路线图的冲突投资人们希望 AI 颠覆 SaaS，但是大量的 SaaS 用户实际上只想安安静静地用好自己的文档、任务管理、视频会议工具们。 ClickUp 的用户们对 ClickUp 3.0 的正式推出期待已经，但是先等到 ClickUp AI，因此有一些非常一针见血的用户吐槽： ClickUp 的核心是充当项目管理工具和数据库，但是核心功能充满 bug，有些仪表盘需要几分钟才能刷新，可靠性在过去 18 个月号称占据了 70% 的资源但是几乎没有新功能出现，3.0 跳票，ClickUp Docs 的基础能力和 Google Docs 相距甚远，AI 本身无济于事。 ClickUp 试图让 AI 看起来是产品升级中的一个子项，但是大家发现他们的首要任务是 AI 而不是 3.0。 ClickUp 选择发布 AI 而不是 3.0 让人感觉受到了欺骗，3.0 不再是“指日可待”，我宁愿再看一下 Asana 或 Wrike。其他的产品或多或少都有类似的问题存在，比如 Notion 离线模式的用户呼声可能比 Notion AI 要强不少，这样大家才能摆脱在没有 WiFi 时完全无法使用 Notion 的窘境，但是 Notion AI 率先推出并且在产品路线图中似乎占据了更多精力。挑战 3：用户承担的定价模式这与挑战 2 相辅相成：如果 AI 能力是免费赠送的，那用户并没有什么反感这些能力的理由。但是由于“扩 TAM 并且保毛利”的策略，用户往往需要额外付费。不管是 ClickUp 的 5 美元 / 月 / 人、Notion 的 10 美元 / 月 / 人还是 M365 的 30 美元 / 月 / 人，让每个使用者自行付费的话不是个大数目，但是真让经营者批量采购也不是笔小钱 —— 要知道 Notion 本身的 Business 方案也就 15 美元 / 月 / 人，为员工采购 AI 相当于账单需要增加 60-70%。挑战 4：跟 ChatGPT 抢入口这些挑战是环环相连的！由于挑战 1 的存在，大量习惯了 ChatGPT 的用户的工作流是将文本粘帖进 ChatGPT 问答，然后将所需的结果再复制会自己的 SaaS 当中，由于挑战 2-3 的存在，尽管难以衡量具体比例，但是大量的用户已经订阅了 ChatGPT Plus，承担了 20 美元月 / 人的账单。这个订阅虽然略贵，但是比较通用，为每个 SaaS 的 AI Offering 单独订阅的总额可能远远超越 20 美元。因此我们团队经常讨论的入口逻辑在实实在在地发生，生产力 SaaS 们正在和 ChatGPT Plus 争夺每个员工身上的预算，这个战争暂时还胜负未分。挑战 5：并没有「天才」CEO 我们在去美国之前认为 Salesforce 的 Data Cloud 战略为其 GenAI 的路线图提供了自上而下的指引，但是和内部员工聊下来发现这也只是非常 high level 的指导思想，最终还是回归到营销云、服务云、工业云等各个业务团队内部自下而上提出各类 GenAI 产品功能的诉求。其实走访下来，从大公司到一级市场独角兽，大家进行 AI 创新的方式大抵都是如此，不存在 CEO 想出一个天才的方向，然后下面闷头实现就行的情况。不同玩家之间的核心区别之一在于 CEO 愿意为这部分分配的总资源有多少。鉴于挑战 2 的存在和 AGI 带来时间表的不确定性，这可能很难平衡，并且成为未来 5 年所有 SaaS CEO 最需要思考的问题之一。来源：金色财经

金色财经2023-08-02

头部CEX造富效应哪家强？

此之外，Bitget 还创造性地使用 AI 策略来帮助用户进行交易，这在目前 CEX 中尚属首创（后文详解 AI 策略）。一系列的努力，最终收获回报。根据报告，Bitget 现货市场份额在今年大幅提升，从年初 2% 到 Q 2 增长至 6% ，排名市场前五。从一家名不见经传的加密初创交易平台，Bitget 用时五年成长为二线交易所中佼佼者，其发展潜力也被顶级 VC 看重。今年 4 月，顶级 VC Dragonfly Capital 宣布战略投资 Bitget，金额达 1000 万美元。此次投资将支持 Bitget 的全球扩张和产品线扩展，并开展更多加密资产相关的公益教育行动。需要注意的是，这是继 2014 年对 OKCoin 进行千万美元投资后，Dragonfly Capital 首次在加密交易所赛道出手，也代表顶尖资本 Dragonfly Capital 对 Bitget 的看重。有了顶尖资本的加持，Bitget 也将打破自身发展的天花板，向着新一线的目标发起冲击。 “除了资金上的支持，我们更看重 Dragonfly 在加密领域的专业和经验。同时，其庞大的投资组合也有助于我们构建覆盖从 CeFi 到 DeFi 的加密生态。”Bitget 董事总经理 Gracy Chen 表示。三、品牌升级，实现 Trade smarter 过去两年，Bitget 在交易量、用户基础和产品阵容方面均取得了显着增长，目前在全球 60 多个国家及地区拥有 1300 名员工，也是熊市中增长最快的交易所。虽然取得了不错的成绩，但 Bitget 并没有躺在过去的功劳簿上，愈战愈勇。近期，Bitget 进行品牌升级，推出全新的公司品牌标识、slogan、企业愿景以及视觉形象。此次品牌升级以“Trade smarter”理念为中心，致力于塑造更智能的数字未来，利用技术的力量帮助用户更加高效的融入加密世界。此外，Trade smarter 的一个重要体现是，通过 AI 策略来解决普通用户运行复杂投资策略，这也是 Bitget 未来的发展方向之一。近期，Bitget 宣布推出马丁格尔 AI 投资策略，帮助用户创建更可靠的策略参数，为用户提供便捷、领先的投资策略，协助投资者实现收益最大化。 Bitget 的 AI 策略提供了多种智能化参数供用户选择，分别为保守型 AI 策略、进取型 AI 策略以及稳健型 AI 策略，满足不同的投资偏好。同时支持自定义策略，交易者可根据个人交易习惯与风险偏好来调整马丁格尔策略的各项参数。AI 策略的参数设置综合了历史行情和价格波动，并借助 Bitget 后台算法测算，为交易者提供可靠的投资参考。用户还可以通过策略 30 天回测收益率和策略的使用人数来评估和选择更为匹配的 AI 策略。 “Bitget 的 5 年历程，证明了我们持续创新的脚步，我对 Bitget 自 2018 年以来取得的进步感到自豪。今天，我们推出了全新的品牌标识、愿景和视觉效果，这将再次证明我们致力于塑造更智能的数字未来。Bitget 致力于与行业的领航者合作，共同创造一个更安全、更智能、更高效的交易环境，这反映我们共同的愿景。”Gracy Chen 在谈到品牌升级时如是说。具体到视觉层面，将会做减法，即 Bitget 标志性箭头 LOGO 中的尾巴被删掉，简化后图形更倾向于方向感，寓意着在瞬息万变的交易市场中，快速找到契合的交易方向。此外，官网首页将会推出全新视觉风格及交互页面，未来 6 个月将推进官网的其他页面及 APP。时代与行业正在发生巨变，但 Bitget 初心不改，始终践行「客户至上、诚信向善、合作互惠」的价值观。去年 FTX 破产引发 CEX 信任危机，Bitget 也在第一时间站出来公布交易所资产储备地址，并在一个月后公布了默克尔树储备证明（Merkle Tree），开发了「默克尔数证明」的开源工具，让用户可以随时验证平台资产。此后，Bitget 每月更新一次默克尔数储备证明的快照，最新数据显示其综合储备金率达 223% ，在过去的 7 个月里，Bitget 综合储备金率始终保持超 200% +。 “我们将始终秉承对全球用户的承诺，定期公布储备金证明。 Bitget 致力于在全球行业范围内制定更高的标准，通过加密货币的发展来倡导真正的透明度。”Gracy Chen 表示。此外，Bitget 还设立了「交易保护基金」，为投资者提供第二重保障。在 FTX 事件后，Bitget 将该基金的规模从 2 亿美元提升至 3 亿美元。值得注意的是，币安和 Bitget 是仅有的两家公开了保护基金钱包地址的中心化交易所。结语：行业布道者推动 Web 3 发展随着加密合法化，香港正成为 Web 3 新一轮浪潮的中心枢纽，多方云集。Bitget 早在去年年底就开始了香港布局，聘请了香港律师和合规专业人士，计划申请香港虚拟资产交易平台牌照，以为香港用户提供高规格的安全性和合规性服务。除了拓展自身业务，Bitget 也始终致力于推动 Web 3 建设发展，成为行业的布道者。例如，Bitget 在今年香港区块链周期间推出 Bitget Web 3 基金，初始投资额为 1 亿美元。该基金将投资优秀的 Web 3 项目和支持相关项目的投资机构，旨在支持下一代加密货币项目的发展。此外，Bitget 还在今年启动了一项企业社会责任（CSR）计划「Blockchain 4 Youth」，旨在通过鼓励年轻一代来共同打造加密世界的未来，并为行业输出优质人才。Bitget 预计将在未来 5 年内在该计划中投入 1000 万美元。Bitget 也将与其他领先的区块链公司合作，孵化年轻企业家的创新项目，并举办 U 30 （30 岁以下）黑客松大赛，以选出最有前途的项目。对如今的 Bitget 来说，发展势头正好，只要能够坚守初心，坚持核心价值观不变，坚定地走合规发展道路，未来可期。来源：金色财经

金色财经2023-07-27

24小时热点