FX168财经网_全球视野外汇黄金加密货币NFT资讯网

海外AI再度加速！OpenAI、NVIDIA、微软、Google动作频频，AI基础设施需求旺盛

十分优秀，极大地提升了真实感。与目前AI视频赛道同行相比，Sora每条提示60秒的视频长度，远高于Pika Labs的3秒、Meta Emu Video的4秒和Runway公司Gen-2的18秒的视频时长。 2月16日，360创始人周鸿祎发布微博提到自己对Sora的看法，周鸿祎认为，Sora的诞生意味着AGI（通用人工智能）实现可能从10年缩短至一两年。周鸿祎认为，科技竞争最终比拼的是让人才密度和深厚积累，“很多人说Sora的效果吊打Pika和Runway。这很正常，和创业者团队比，OpenAl这种有核心技术的公司实力还是非常强劲的。有人认为有了AI以后创业公司只需要做个体户就行，实际今天再次证明这种想法是非常可笑的。” 中国香港青年导演朱智立告诉蓝鲸财经，“它（Sora）对电影行业的影响只是一个时间问题，因为它已经把画面做到非常真实、有细节，包括一个女人在东京街头的画面，连脸上的雀斑都能做到非常真实。” 周鸿祎认为，机器能生产一个好视频，但视频的主题、脚本和分镜头策划、台词的配合，都需要人的创意，至少需要人给提示词。一个视频或者电影是由无数个60秒组成的。今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具。 AI基础设施需求旺盛市场观点认为，2022年是影像之年，2023是声波之年，而2024是视频之年。OpenAI表示，Sora是构建世界模型的基础，未来将向实现AGI继续迈进。中信证券表示，多模态大模型算法的突破将带来自动驾驶、机器人等技术的革命性进步，持续看好本轮生成式AI浪潮对科技产业的长周期影响和改变，继续关注算力、算法、数据、应用等环节的领先厂商。东吴证券判断，多模态是AI商业宏图的起点，有望真正为企业降本增效，且企业可将节省下来的成本用于提高产品、服务质量或者技术创新，推动生产力进一步提升；同时，也可能出现新的、空间更大的用户生成内容平台。对于Sora的发展，算力需求旺盛。国泰君安指出，Sora模型推动AI多模态领域飞跃式发展，AI创作等相关领域将迎来深度变革，AI赋能范围进一步扩大，多模态相关的训练及推理应用也将进一步提升对算力基础设施的相关需求。无独有偶，国盛证券也持有相同的观点，其认为，Sora依旧符合AI缩尺律（Scaling Law）OpenAI在技术文档中说明，随着训练计算量的增加，样本质量明显提高，进一步佐证了多模态时代，算力需求将成为最核心的瓶颈之一。多模态大模型拉动全球算力需求快速增长，国产AI算力迎来机会。根据南方财富网趋势选股系统数据统计，A股国产AI算力相关上市企业目前数量有52家，如国产AI算力产业链包含AI服务器零部件、服务器整机、算力租赁、数据中心等环节。AI服务器零部件公司主要包括海光信息、寒武纪、龙芯中科、景嘉微等；服务器整机公司主要包括高新发展、神州数码、拓维信息、广电运通、烽火通信、同方股份等；算力租赁公司主要包括恒润股份、云赛智联、鸿博股份等；数据中心公司主要包括奥飞数据、光环新网、宝信软件、数据港等。天风证券发布研究报告称，对比海外，看好国内大企业深度使用大模型赋能旗下应用，也看好未来算力继续高增长，建议关注AI多模态、AI应用及华为链+三条主线。 (1)AI多模态：万兴科技(300624.SZ)、美图公司(01357)(与海外组联合覆盖)、易点天下(301171.SZ)、焦点科技(002315.SZ)、当虹科技(688039.SH)； (2)AI应用：金山办公(688111.SH)、科大讯飞(002230.SZ)、恒生电子(600570.SH)、鼎捷软件(300378.SZ)、福昕软件(688095.SH)、用友网络(600588.SH)、金蝶国际(00268)、泛微网络(603039.SH)、致远互联(688369.SH)； (3)华为链+：海光信息(688041.SH)、寒武纪(688256.SH)、云天励飞(688343.SH)、景嘉微(300474.SZ)(电子组联合覆盖)。（综合投资者网、蓝鲸财经、券商研报）

金融界2024-02-18

Crypto x AI 生态最全大盘点

rk。Livepeer 也正在专注于 AI 视频计算，因为他们已经有一个庞大的服务于视频转码用例的网络。此外，一种专门针对 AI 计算的网络正在形成，这让我们认识到围绕协同和验证的核心挑战可以通过围绕 AI 构建链或模型来更直接地解决。Gensyn 是其中比较值得注意的例子，它构建了一个基于基板的 L1，专为并行化和验证而设计。该协议使用并行化将较大的计算工作负载拆分为任务，并将它们异步推送到网络。为了解决验证问题，Gensyn 使用了概率学习证明 (probabilistic proof-of-learning)、基于图的 pinpoint 协议以及基于 staking 和 slashing 的激励系统。尽管 Gensyn 网络尚未上线，但该团队预测，其网络上等效 V100 GPU 的每小时成本约为 0.40 美元。储存之外，替代训练模型也在兴起，例如联合学习 (federated learning)，在意识到区块链可以更适当地激励这些模型后，它在 web3 中复兴。简而言之，联合学习是一种多方独立训练模型的方法，并定期批处理更新并将其发送到全局模型。有很多实践案例，比如谷歌的键盘文本预测算法。在 web3 中，FedML 和 FLock 正在尝试将联合学习方法与代币激励相结合。同样值得注意的是，像 Filecoin 和 Arweave 这样的去中心化数据存储，以及像 Space and Time 这样的数据库，可以在数据预处理方面发挥重要作用。基于共识的 ML 使用区块链的另一种新颖的基础设施形式则是基于共识的机器学习 (ML) 概念。Bittensor 是这一概念的最突出例子：这是一种基于 Substrate 的 L1 区块链，旨在通过使用特定于应用的子网来提高机器学习的效率和协作。每个子网都有自己的激励系统，用于服务各种用例，从 LLM 到预测模型到生成性创新。Bittensor 独特之处在于它如何使用矿工协调优质输出：矿工通过提供他们的 ML 模型的智能输出（由验证者评级）来获得 TAO (其原生代币)。由于矿工因为最佳输出而获得激励，他们会不断改进自己的模型以保持竞争力，从而帮助 Bittensor 完成了在代币经济学的协调下实现更快的学习过程。 TAO 生态系统中最近令人兴奋的发展是动态 TAO 提案，将 Bittensor 过渡到围绕代币排放的更自动化、市场驱动的机制设计，以及推出的 Nous 子网以提供激励模型微调，以便与 OpenAI 等公司竞争。我们可能会看到更多有关此类系统的尝试，例如让 mining 或共识以有利于质量的方式调节模型输出。意图就是您所需要的一切在DeFi中，MEV 领域的最新论点是关于用户意图以及使用经济同性 (economically-aligned) 的解调器来执行这些意图。关于意图的讨论通常百家齐放，但有一点已经变得越来越清晰了：用户的意图需要更高阶的语义上下文才能被解析成可执行代码。LLMs 可能会提供这个语义层。 Propellerheads 提出了迄今为止在意图空间中使用 LLM 的最清晰的愿景：https://www.propellerheads.xyz/blog/blockchain-and-llms。简而言之，LLMs 可以通过语义理解，将接近匹配的意图转化为完全匹配的意图，从而帮助我们找到巧遇需求 (coincidences of wants, CoWs) 的机会。这可以通过向内意图重判 (例如 “购买 LUSD 代替 USDC 可以吗？我找到了一个匹配的限价订单，你将通过这个 CoW 节省 0.3％的交易费用。”) 和向外意图重判 (例如 “我想购买你拥有的这个 BAYC，您愿意以 X ETH 的价格出售吗？”) 来实现。当然还可以有其他结构，这在钱包和多重签名的后账户抽象背景下变得特别有趣。DAIN 和 Autonolas 等项目已经尝试使用代理作为钱包的签名者，例如，出于安全和基于意图的目的，与你的钱包交谈并让它代表你执行交易即将成为现实。同样值得关注的是规模庞大 DeFi 用例，例如基于代理的预测市场、由 AI 管理的经济模型、以及 ML 参数化的 DeFi 应用程序，我的 zkML 文章提供了更为详细的介绍。代理经济迄今为止，我最喜欢的基础设施领域之一是人工智能代理经济。它源自我对世界的愿景，在这个世界中，每个人都有自己的代理，我们雇用那些高质量和训练有素的代理为我们服务，或者让自治代理在复杂的经济行为中实现我们的目标。为了做到这一点，代理必须有一种方式来支付和接收他们的服务费用。传统的支付模式绝对有可能为这些代理开放，但更有可能的是，鉴于其易用性、结算速度和无需许可的性质，代理将以加密货币进行交易。 Autonolas 和 DAIN 是该领域的典型案例。在 Autonolas 中，代理实际上是网络中的节点，致力于实现特定目标，这些节点由服务运营商维护，类似于 Keeper 网络。这些代理可用于各种服务，例如预言机、预测市场、消息传递等。DAIN 采用了类似的方法，使代理能够 “发现、交互、交易和与网络中的其他代理协作”。其他创意除上述内容外，我们还看到：用于微调模型（如 BagelDB）的去中心化向量数据库。用于 API 密钥的钱包和用于 AI 应用程序的 SIWE，例如 Window.ai 数据预配服务索引和搜索工具，如 Kaito 区块浏览器和仪表板，例如 Modulus Labs 的 AI 验证仪表板，它现在正在验证 Upshot 模型的一系列推理。开发助手，如 Dune 的链上 SQL 查询模型模拟代理测试环境用于数据抓取的带宽，如 Grass Network 合成数据和人类 RLHF 平台 DeSci 应用程序，例如 LabDAO 用于蛋白质折叠的分布式 bioML 工具 web3 中涌现出了无数的想法，用于服务于 AI 的各个领域，因此此处仅提供重点内容，但我强烈建议探索上述项目以深入了解其全貌。这一切的交汇 AI 和 Crypto 是协同作用的。两者都倾向于开源、抗审查，并正在创造历史上最大的财富转移。他们需要彼此，并解决彼此的核心挑战。对于 Crypto 来说，AI 解决了用户体验中的问题，促进了更具创造性的链上用例，增强了去中心化组织和智能合约的能力，并在应用和基础设施层解锁了真正的创新。对于 AI 来说，Crypto 解决了真实性和出处问题，加强了围绕开源模型和数据集的协调，有助于引导计算和数据，并使创作者和代理能够更直接地参与到后人工智能经济中去。现在的挑战是加密黑客、团队和项目了解并接受这种转变。创造力是无限的，我们正站在这一切的交汇处。如果你有兴趣了解更多关于这些交汇点的信息，请参加我们在 ETHDenver 举行的 Convergence 会议。来源：金色财经

金色财经2024-02-15

2024年DePIN赛道能否有奇迹出现？有的项目官宣重磅产品即将上线

EdgeCloud的技术方案解读：为AI视频图文服务的供需方提供无缝对接的任务平台在了解完Theta Labs的背景之后，我们结合Theta Network官方渠道的资料，为读者大致整理了Theta EdgeCloud的技术方案概况。 Theta EdgeCloud作为下一代Theta边缘网络，由Theta Labs的云托管节点所运营，这些节点将运行AI视频、图像生成人工智能模型和其他AI建模的相关任务，为其合作伙伴和Theta社区的运营提供一系列AI技术应用价值。据Theta Netowork介绍，如果高阶的节点用户质押金额超过50万枚TFUEL（Theta Network上的第二资产，可以支付Gas费），他们可以选择运行新的“Elite+ Booster”模块来为 EdgeCloud 执行计算作业，当然相应地可能也会获得更高的收益，并且创造出更有市场价值的AI视频或图像模型产品等。在2024年下半年推出的Theta EdgeCloud第二代版本，该产品将允许合作伙伴和终端用户在个人的数据中心，或者是云基础设施中的运行个人的EdgeCloud节点，这将为节点赋予更多的灵活性，如优先完成或退出相应的任务，以及更多选择处理优质资产任务的范围。当然，这是一个中间版本，可以为完全去中心化的EdgeCloud模型做准备，其中社区运营的边缘节点可以参与混合云架构。到了2025年，完全去中心化的Theta EdgeCloud将正式发布，这一款产品也将具有更丰富的功能，这将使Theta Network中的社区节点能与其云操作基础设施无缝配合。简单来说，这款Theta EdgeCloud将真的实现视频制作和市场之间的供需优化，实现方式为视频制作方和视频需求方在Theta EdgeCloud平台完成无缝的资产交易，后者发布任务，前者接受订单，交付完成之后所有的资产交接以TFUEL代币结算。另外，Theta EdgeCloud还将开放一个独特的API接口，以便于开发者、节点运营商和普通用户已最低的成本完成平台的技术任务，这不仅能繁荣市场，也能为参与者增收。值得一提的是，Theta Labs的企业验证器和治理委员会由包括Google、Samsung、Sony、Creative Artists Agency (CAA)、Binance、Blockchain Ventures、DHVC和gumi等知名Web2企业，这就起到了很好的背书作用和品牌效应。基于此，Theta Network利用其网络上数百万观众的用户基础壮大其点对点视频网络，并通过与Lionsgate、MGM Studios、NASA等的优质内容合作伙伴关系加以强化，与Theta基础设施集成的流行视频平台包括CONtv Anime、Party Poker、World Poker Tour、Cinedigm、Samsung VR、GameTalkTalk、MovieBloc、Ultra、GFUEL等OTT媒体、娱乐和直播服务。另外，Theta Network在2024上半年的计划还包括Theta黑客马拉松、新采用指标和子链统计、支持生态系统项目、TNT20质押和Theta Video API优化等；下半年计划包括完全去中心化的Theta Video API、Theta Web3 Theater、Extend TDROP用例等。这些计划旨在以开放性的生态，为Theta Network带来更多的技术变革和生态优势。 DePIN市场2024年能否爆发犹未可知，但这是Theta EdgeCloud发展的核心简单来说，Theta EdgeCloud锚定了流媒体视频和AI图像等人工智能大模型中最热门的应用，随着全球文娱行业的发展，这部分的市场需求量也将逐渐大增。通过去中心化云托管的方式+通证经济激励模型的范式，Theta EdgeCloud确实能在特定的周期内吸引大量的用户参与，同时从年度计划中也看到了其在技术研发方面做出的准备。当然，Theta Labs在业内也堪称老牌公司，技术、资源和商务等背后的支撑力也较为雄厚，我们期待看到Theta EdgeCloud能在2024年甚至更远的周期内引领DePIN的技术创新模式迭代。当然，Theta Network本身也存在着一定的风险和历史包袱，这也为项目构成了不利因素。首先就是此前质押挖矿活动后，其资产价格表现不佳，项目方的口碑极大受损，破坏了社区的共识度和信任度；其次就是双代币模型中，两种资产如何更好地实现价值循环和风险控制，可能这也并非项目的擅长点；最后，Theta EdgeCloud在技术设想的实现上也存在着一定的难点，需要一定的研发和试错周期才能保障方案顺利落地实现。最不可忽视的宏观因素就是，DePIN赛道的热度有没有散去，以及震荡行情何时才能结束，可能度会给项目的发展带来致命的不确定性。所以，对于DePIN赛道的应用，我们也需要保持着审慎的态度，从整体上权衡其多维度的信息，尽全力控制潜在的风险。来源：金色财经

金色财经2024-02-06

人工智能加速推进应用普及、产品变现，AI人工智能ETF(512930.SH)回调明显低位震荡

上商汤科技基于大模型技术，通过商汤如影AI视频生成平台，为福布斯中国集团首席战略官量身打造的AI数字人形象亮相。业内人士表示，当前AI模型的智能水平、学习能力大幅增强，落实到虚拟人制作环节，即可用少量样本的学习完成虚拟人形象的生成，对制作效率的提升显著。头部厂商通过提供集成平台，降低制作门槛，满足更多虚拟人制作需求，或将加速推进虚拟人在各个行业应用的普及。广发证券指出，国内外已有相关AI虚拟人“网红”面世，并迅速实现C端流量的商业化变现，AI技术有望推进虚拟人产业在C端的普及和流量变现，刺激B端对虚拟人的需求增加，推动产业加速发展。华福证券指出， GPTs不仅提供了AIGC应用生态入口，而且通过共享收益的方式形成独特价值链，将引发全民AIGC创作热情，助力现象级AI应用加速涌现。 AI人工智能ETF(512930.SH)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1月31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)、科大讯飞(002230)、中际旭创(300308)、韦尔股份(603501)、金山办公(688111)、澜起科技(688008)、中科曙光(603019)、紫光股份(000938)、大华股份(002236)、新易盛(300502)，前十大权重股合计占比49.42%。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2024-02-05

沪指再度翻红，传媒、通信领涨，科大讯飞涨超8%！云计算50ETF(516630)涨超3%

能力仍在持续升级迭代，同时GPTs以及AI视频等各类AI应用形式不断涌现，带动AI算力需求持续景气。相关ETF：覆盖AI应用、算力租赁、数据要素等板块的云计算50ETF（516630）、大数据50ETF（516000）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2024-01-23

Livepeer ：如何在Livepeer网络上引入AI视频计算

金库的推出，奠定了基础，现在是时候将 AI 视频计算功能引入Livepeer了。本文下面部分将阐述如何在Livepeer网络上引入人工智能视频计算，以及使其成为现实的计划、策略和时间表。任务定位 - 视频过滤器 Livepeer 使命和承诺的背景 Livepeer 始终致力于其使命：构建世界开放视频基础设施。其他计算平台试图成为通用的“区块链上的 AWS”或“运行任何类型的计算任务”类型的市场，但由于缺乏针对行业的解决方案的能力，这给市场进入带来了挑战部分。相反，Livepeer 通过转码专注于视频计算，并能够为特定行业（超过1000亿美元的视频流市场）构建有针对性的产品和 GTM，以解决实际用例并挖掘现有需求，而不是营销没有人想要的通用的抽象解决方案。对视频的关注意味着 Livepeer 避免过度反应并转向 ICO、NFT 或 DeFi 等最新热门趋势，而是始终询问这些创新如何应用于视频。高点没有那么高，但更重要的是，低点也没有那么低。这也吸引了一个以任务为中心的团队和社区，拥有深厚的视频专业知识，他们对我们在很长一段时间内所做的事情感到兴奋，而不是当本月的趋势失去动力时离去的社区。目前，没有什么趋势比人工智能的快速崛起更热门了。但与许多加密货币团队和项目不同的是，Livepeer 并没有放弃其使命并“转向人工智能”。相反，我们提出了这样的问题：人工智能将如何影响视频的未来。人工智能在很多方面降低了视频创作者的门槛。两个重要的因素是首先减少创作的时间和成本，以及减少高质量视频制作和输出的时间、成本和专业知识。在创作方面，生成式人工智能可用于根据文本或图像提示创建视频剪辑。过去，设置场景需要摄制组、布景、摄像机、脚本、演员、编辑等，现在可能只需要用户在键盘上输入文本提示，然后等待几分钟，让 GPU 生成样本潜在的结果。生成视频不会取代高质量的作品，但它可以在流程的各个阶段节省大量成本。在制作方面，无论是由人工智能创建还是由创作者提交，诸如升级、帧插值、字幕生成等功能都可以快速提高视频内容的质量和可访问性。视频中的交互性等高级功能可以通过自动对象检测、屏蔽和场景类型分类来启用。 Livepeer 利用这一 AI 功能集的时机令人兴奋，因为最近发布了开源基础模型，包括 Stable Video Diffusion、ESRGAN、FAST 等，这些模型都与闭源专有模型保持同步。其目标是让世界上的开放视频基础设施支持运行所有人都可以访问的开源模型，这些模型现在已经存在，并且由于开源人工智能社区的创新而快速变得更好。 AI 背景 - Livepeer 适合的地方训练、微调、推理人工智能生命周期有很多阶段，但通常需要大量计算能力的三个阶段是训练、微调和推理。简而言之：训练需要创建模型并在非常大的数据集上运行计算。有时，这需要在训练基础模型（例如通过 OpenAI 或 Google 训练的模型）时进行价值数千或数亿美元的计算。微调更具成本效益，并且采用现有的基础模型，但根据特定任务的一组特定输入来调整权重。推理是采用已经训练和调整的模型，并让它产生输出或根据输入集进行预测的行为。对于一个推理作业，相对于前两个阶段，这在计算方面通常很便宜，但通常会一遍又一遍地执行数百万次，因此推理的花费超过了训练的成本，因此证明训练投资的合理性。训练和微调需要访问大型数据集和密集联网的 GPU，以便它们能够相互通信并快速共享信息。像 Livepeer 这样的网络不太适合开箱即用的训练，并且需要进行重大更新才能完成任务。虽然去中心化网络作为专有大型技术训练云的替代品对于训练来说很有吸引力，但由于网络开销和训练基础模型时的低效率，从成本角度来看，去中心化网络是否具有竞争力是值得怀疑的。另一方面，推理是像 Livepeer 这样的去中心化网络可以发挥作用的地方。每个节点运营商都可以选择将给定模型加载到其 GPU 上，并且可以在成本上进行竞争，以根据用户输入执行推理作业。就像在 Livepeer 转码网络中一样，用户可以向 Livepeer 网络提交作业来执行 AI 推理，并且应该获得公开市场竞争定价的好处，可以利用当前闲置的 GPU 功率，从而看到成本效益。 GPU 是人工智能热潮的命脉。NVidia 的数据中心业务以 GPU 需求为基础，在过去一年呈指数级增长。埃隆·马斯克 (Elon Musk) 开玩笑地表示，GPU 比毒品更难买到。然而，像 Livepeer 这样的 DePIN 网络已经表明，通过其开放的市场动态，以及通过通胀代币奖励来引导激励，它们可以在需求之前吸引全球 GPU 供应，从而可以弹性地支持新用户和应用程序的增长。近乎无限的即用即付容量。开发人员不再需要以高价提前预留不使用时闲置的硬件，而是可以按尽可能低的市场价格付费。这是去中心化网络推动人工智能繁荣的巨大机会。 Livepeer 机会 - 将 AI 推理任务提交到网络而不是 GPU 让连接到 Livepeer 的1000个GPU 发挥作用 GCP 或 AWS 等云提供商允许你在其企业云上“预留 GPU 服务器”。像 Akash 这样的开放网络更进一步，让你可以从世界各地的众多去中心化提供商之一按需租用服务器。但无论上述选择如何，你都必须管理租用的服务器来运行模型并执行任务。如果你想构建一个可以同时执行多个任务的应用程序，则必须对其进行扩展。你必须将工作流程链接在一起。 Livepeer 将事物抽象为“工作”，你可以将其提交到网络并相信它会完成。Livepeer 已经通过视频转码实现了这一点，其工作是提交一段 2 秒的视频片段进行转码。你只需将作业发送到网络，并且可以确信你的广播节点将可靠地完成该作业，并负责工作节点选择、故障转移和冗余。对于人工智能视频计算任务，它可以以同样的方式工作。可能有一个“从文本生成视频”的工作。你可以相信你的节点将完成此任务，并且你可以将其扩展到你想要通过单个节点同时提交的任意数量的作业，该节点可以利用数千个 GPU 的网络来执行实际计算。向前迈出一步 - 这仍然处于设计阶段 - 你可以提交整个工作流程，例如从文本生成视频升高一级进行帧插值使其播放流畅网络可以为你做到这一点，而你无需将单独的模型部署到单独的机器、管理 IO、共享存储等。不再需要管理服务器、扩展服务器、进行故障转移等。Livepeer 是一个可扩展的基础设施，具有最大的成本效益且高度可靠。如果网络能够兑现人工智能视频计算的这些承诺，就像它在视频转码工作中所做的那样，它将提供新水平的开发人员体验和成本降低，这是开放人工智能世界中尚未见过的。计划快速引入AI视频计算并验证网络的成本效益 AI视频子网与Livepeer过去7年的历程一致，该项目将致力于展示真实的、可用的、功能性的、开源的软件和网络能力，然后再进行“Livepeer有这个”的宣传。以下是实现这一目标的计划的简短版本：为其他作业类型选择特定的初始用例，而不仅仅是视频转码：基于 AI 的生成视频，由 AI 升级和帧插值支持。伟大的开放模型，例如Stable Video Diffusion，在这个领域每天都在不断发展。通过在节点软件的分叉/尖峰内构建来快速行动，将这些功能添加到我们的协调器（供应方）节点和广播器（需求方）节点。Livepeer 的开放媒体服务器 Catalyst 应支持用于请求和使用这些生成视频任务的接口。运行此峰值的用户将在 Livepeer 上形成某种子网络，但他们将使用 Livepeer 协议来发现并向通过 Livepeer 主网运行此新功能的节点付款。与面向消费者的前端应用程序合作，利用 Livepeer 极具成本效益的开放计算网络，并捕获和展示验证 Livepeer 相对于公共云的成本效益的数据。在我们验证这一点后，合并到核心 Livepeer 客户端，添加其他工作类型，并围绕利用其他形式的基于 AI 的视频计算来发展生态系统。 AI 视频子网络节点与转码节点一起运行，同时使用 Livepeer 主网支付。 AI Video SPE Livepeer 最近通过其Delta 升级向该协议引入了一个由链上金库管理的社区，并且几个月来一直在使用 LPT 来资助公共产品计划。目前已经有一项预提案正在讨论中并接近投票，该提案旨在资助一个特殊目的实体（或 SPE），该实体致力于使人工智能视频计算前景成为现实。第一个提案旨在实现核心开发，以完成上面列出的前 4 项任务，包括：将这些 AI 功能开发为 Livepeer 节点分叉节点运营商可以形成一个子网络，通过在 Livepeer 主网上支付来执行这些任务。一个向消费者展示这些功能的前端应用程序。基准和数据的集合，显示 Livepeer 网络大规模执行人工智能推理的成本效益。它还提出了未来潜在的融资里程碑，即从金库提供基础设施信贷，以支付该数据收集期间消费者使用的初始成本。 Livepeer Discord 中的 #ai-video 频道已成为围绕该计划进行讨论和合作的热点，任何相信开放 AI 基础设施和视频 AI 计算未来的人都应该过来打个招呼并参与其中。节点运营商已经开始对不同的硬件进行基准测试，熟悉运行这些开放视频模型，并解决从视频转码专业转向其他视频特定作业类型的挑战。成为一个快速发展的项目团队的一员是一段有趣的时光。未来虽然这个最初的里程碑可以表明 Livepeer 对于支持的特定形式的 AI 视频计算具有成本效益，但真正的终极力量在于 AI 开发人员能够 BYO 模型、BYO 权重、BYO 微调或部署自定义LoRA 建立在网络现有基础模型之上。支持这些初始功能，跨越一组不同的模型和计算形式，将导致节点操作、GPU 上的模型加载/卸载、节点发现和协商、故障转移、支付、验证等领域的快速学习当谈到人工智能视频计算时。从那里，我们可以评估 Livepeer 网络上生产和支持任意 AI 视频计算作业类型的未来里程碑。早期，视频特定平台（例如 Livepeer Studio）可以为视频开发人员构建 API 和产品，以利用支持的模型。消费者应用程序（例如 AI Video SPE 中提出的应用程序）可以通过 Catalyst 节点直接在 Livepeer 网络上使用这些功能。但随着这些功能的扩展，以创作者为中心的新人工智能业务可以形成，并利用 Livepeer 的全球 GPU 网络，以经济高效的方式构建定制体验，而无需依赖昂贵的大型技术云及其专有模型作为业务支柱。这是一条令人兴奋的道路，需要跑才能到达那里。毫无疑问，人工智能将在未来几年以超乎我们想象的速度改变视频世界，我们期待世界的开放视频基础设施成为未来实现这一大胆新技术所需的所有计算的最具成本效益、可扩展性和可靠的骨干网。来源：金色财经

金色财经2024-01-12

中际旭创：目前公司订单饱满、产能利用率充足

出现全由AI制作的电影。请问AI电影、AI视频技术快速进步是否会对光模块行业带来巨大的影响？据贵公司了解的情况：现在美国那边AI电影和AI视频技术是否已经有明显突破和落地应用了吗？中际旭创董秘：投资者您好，底层算力支持的提升以及算力基础设施的高质量发展会加速下游AI应用的落地，而AI应用的持续发布也会对算力、带宽和数据流量提出更高诉求，进而促进高速率光模块需求的快速增长。感谢关注！投资者：公司目前订单是否产能饱满？400G是否有进入新的客户测试认证？中际旭创董秘：投资者您好，目前公司订单饱满、产能利用率充足。感谢关注！投资者：1月3日AI应用公司金山办公股价大跌12%，导致贵司股价也大跌超5%，市场传闻AI相关公司没有业绩纯粹炒作，但是中际旭创重点服务海外AI应用公司（如谷歌、微软等），应该是有业绩的呀？金山办公为应对市场传闻在1月3日晚发布业绩预告回应传闻，建议贵司也尽快发布业绩预告回应不实传闻，谢谢！中际旭创董秘：投资者您好，AI应用对光模块市场需求促进效应会逐步体现，公司2023年三季度业绩已有所体现，未来公司有望持续保持良好的发展态势。感谢关注！投资者：近期公司股价大幅下跌，请公司拿出有力措施，保障公司股东和中小股东权益，督促转融通客户尽快归还，并早点公布2023年年度预报，稳定机构信心。中际旭创董秘：投资者您好，感谢您的建议和关注，公司会一如既往的注重股东利益尤其是中小股东利益的保障！投资者：1月3日据外媒 WCCFtech报道：英伟达将在2024年第二季度开始量产专为中国设计的GPU芯片H20，H20芯片算力水平较原来出口中囯的H800有所下降，但是带宽大幅提升，H20使用了H100芯片的900 GB/s NVLINK 连接，H20芯片将配套使用800G高端光模块，原来出口中囯H800芯片不能使用800G光模块。请问H20芯片量产后，是否会大幅提升公司800G光模块需求量？中际旭创董秘：投资者您好，现阶段高带宽的GPU在算力集群中大量使用有利于提升800G光模块的配套需求。感谢关注！投资者：您好，贵公司生产800G和1.6T光模块需要用的高速光引擎吗？谢谢中际旭创董秘：投资者您好，公司高速光模块产品所用的光引擎由公司自行研发和生产。感谢关注！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2024-01-07

2024 年 AI「魔盒」还能开出什么？

usion 等后起之秀奋起直追，各类 AI 视频工具「斗法」，进化速度越来越快。其中，刚刚推出没多久的 Pika1.0 的文生视频能力已经可以和 Gen-2 相媲美，甚至首次将 AI 扩图能力带到了视频界。 2024 年，大模型的多模态潜力还将被这些独角兽继续发掘，甚至产生新的独角兽。文本、图片、音频、视频这些代表人类自然语言的产物仍会被 AI 工具精耕细作，而工具将很可能在规模化下变得更加趁手和便宜。芯片瓶颈科技大公司卷大模型，小公司卷应用，竞争之外，「卖水者」英伟达赚得盆满钵满。数据显示，英伟达最新第三财季营收达 181 亿美元，同比增长 206%；净利润 92 亿美元，同比增长高达 1259%。而引发这场竞赛的「领头羊」OpenAI 的 2023 年营收仅达到 13 亿美元。在去年，OpenAI 的营收也才 2800 万美元。 2023 年，英伟达无疑坐稳了 AI 的风口，芯片价格一路水涨船高，即便价格高涨，芯片仍是「一卡难求」，有消息称，英伟达 H100 的交付周期长达 36 周至 52 周不等，如此长的交付周期明显无法满足 AI 产品发展的需求。这也可能是 GPT-5 长时间未到来的原因。算力作为驱动 AI 发展的三驾马车之一，芯片的短缺直接影响了大模型的进化速度，OpenAI、谷歌下场自研芯片，以补充自家大模型训练的缺口。英伟达的竞争者们也抢着分「蛋糕」，英特尔和 AMD 分别推出 Gaudi3 和 Instinct MI300X 高性能 AI 芯片，微软公布 AI 加速芯片 Azure Maia 100，亚马逊则发布了面向 AI 系统的升级款加速器芯片 Trainium2。与此同时，美国的芯片制裁进一步加剧了中国芯片短缺的危机。为保市场，英伟达只能推出一些性能缩水的「阉割版」芯片。为了不再让硬件上被「卡脖子」，华为着力研发 AI 芯片，昇腾 AI 芯片成为了国内支撑，应用方科大讯飞表示，华为昇腾 910B 已经基本做到可对标英伟达 A100。行至 2023 年末，无论国内还是海外，仍未出现一款可以媲美英伟达 H100 的芯片，尽管芯片厂商已经开足马力，但短期内，芯片资源紧缺的情况仍会持续。或许只有等到 AI 芯片资源问题被解决，GPT-5 以及更加先进、丰富的产品才能更快到来。但从安全角度来看，这也并非完全是坏事。在这短暂的喘息之际，人类可以为人工智能的发展方向做一个更佳的选择。要知道，GPT-4 刚刚发布时，一封上千名科技精英的联名信将 AI 安全问题推至聚光灯下，他们联名请求「暂停训练比 GPT-4 更强大的 AI 系统」，用 AI 领域的专家 Gary Marcus 的话说：「用百分之一的人类毁灭风险换取和机器对话的乐趣，这值得吗？」的确，ChatGPT 刚刚推出时，其颠覆性的创造力确实让人震撼，微软的创始人比尔·盖茨也强调过 AI 失控的可能性是存在的。今年初，网络还充满着「AI 抢饭碗」「AI 取代人类」的担忧，甚至出现了「碳奸」的梗。但一年过去了，现在大家对去 AI 的态度已经回归理智。我们还没有真的看到「打工人」因为 AI 而大规模失业，至少在国内，AI 被普遍运用到工作中仍是未来进行时。与此同时，OpenAI 等代表性企业的 AI 安全措施也不得不跟上，各个国家的 AI 安全审查机构相继成立。 AI 的前进是必然的，「火」到底怎么用还在于人类的选择，一席人在制造控制火苗的炉子，另一些人着力火苗还能点亮哪些荒漠。 2024 年，安全仍将是 AI 发展的主题之一，芯片则是生产力能否进一步提升的关键，唯一可以确定的是，AI 将如同互联网一样，将成为未来必不可少的人类工具。‍‍‍‍ 来源：金色财经

金色财经2024-01-02

多模态模型Gemini发布，AI利好怎么把握

国内外热点催化频出。Pika 1.0 AI 视频生成能力领先，或引领 AI 视频热潮；Gemini多模态能力或超 GPT-4，有望进一步拓展应用场景。端侧设备显著受益于 AI 大模型带来的全方位用户体验升级，或将刺激新一轮消费需求；同时端侧 AI 应用对存力、算力等方面提出了更高要求，相关芯片需求持续增长，有望带动相关市场空间扩张；AI具象化关注AI赋能下算力端半导体及通信、终端侧机械、场景端医疗的投资机会。工具选择上，科创100ETF（588190）跟踪指数第一、二、三大重仓行业为医药（30.95%）、电子（22.72%）、机械（15.51%），布局科创板中小市值个股、自主可控领域，当前或已迎来重要配置窗口。一、算力侧：技术革新及政策双轮驱动，AI 算力景气度高企从算力供给而言，可以分为通用算力、智能算力和超算算力。算力实现的核心是 CPU、GPU、FPGA、ASIC 等各类计算芯片，并由计算机、服务器、高性能计算集群和各类智能终端等承载，海量数据处理和各种数字化应用都离不开算力的加工和计算，算力数值越大代表综合计算能力越强，常用的计量单位是 FLOPS（每秒执行的浮点数运算次数）。算力架构可以拆解为芯片、设备、软件，呈现“云-边-端”一体格局。未来将形成云端侧负责大体量复杂计算、边缘侧负责简单计算执行、终端侧负责感知交互的泛在算力部署形式。大模型需要强大算力来支持训练过程和推理过程。根据 OpenAI 数据，训练 GPT-3175B 的模型，需要的算力高达 3640PF-days（假如每秒做一千万亿次浮点运算,需要计算 3640 天）。2018 年以来，大模型的参数量级已达到数千亿参数的量级规模。而 CPU 的物理工艺、核心数已接近极限。在 AI时代下，仅靠 CPU 已经不能满足需求，通过 GPU、FPGA、ASIC 等加速芯片异构而成的智能算力的演化成为趋势，并最终成为生成式人工智能时代下算力的主角。 AI 时代的摩尔定律，算力平均每 3.43 个月翻一倍。自 2012 年后，驱动 AI 的底层机器学习技术计算量呈指数级增长，根据 OpenAI 论文，深度学习前期，算力翻倍时间为 21.3 个月，深度学习时期，算力翻倍时间为 5.7 个月，大模型时期，AI 训练任务所用的算力每 3.43 个月就会翻倍，远超摩尔定律（晶体管每 18 个月翻一倍）带来的算力提升速度。算力的快速增长有力推动了产业上下游的发展，可利用科创100ETF（588190）提前布局。算力是集计算力、网络运载力、数据存储力力于一体的新型生产力。国内算力产业总体规模未来三年有望维持 30%左右 CAGR，智能算力渗透率及占比快速提升。近几年，我国不断加大对计算、网络和存储等基础设施的投入，高度重视数据中心、智算中心、超算中心以及边缘数据中心等算力基础设施的高质量发展，近 5 年，我国算力产业规模年平均增速超过 30%。智能算力渗透率逐渐提升。智能算力增长迅速，新增算力中智能算力成为增长新引擎，截至2022 年底，我国算力总规模达到 180EFLOPS，其中智能算力规模与去年相比增加 41.4%，超过全球整体智能算力增速（25.7%），其中通用算力规模 137EFLOPS，占比约 76.7%，智能算力规模 41EFLOPS，占比约 22.8%。根据《2022-2023 中国人工智能计算力发展评估报告》，未来 5 年中国智能算力规模年复合增长率将达到 52.3%，通用算力规模年复合增长率为 18.5%。预计到 2026 年中国智能算力将达到 145EFLOPS，占比将达到 36.7%。随着 AI 大模型的快速发展，智能算力需求正呈现爆发性增长态势，渗透率将显著提升。图：2020-2023 算力规模及预测（信息来源：中国信通院、IDC、Gartner，中国银河证券研究院） AI大模型的应用也有望带动新一轮算力需求，当前算力仍是阻碍AI模型训练端、推理端及应用端的主要瓶颈之一，可适当关注上游算力相关的通信及芯片、半导体设备领域，科创100ETF（588190）配置价值凸显。二、终端侧：AI大模型走入终端，人形机器人开启具身智能时代 2023 年 5 月 17 日，某人工智能龙头创始人在 ITFWorld2023 半导体大会上表示，AI 下一个浪潮是具身智能（EmbodiedAI），即能够理解、推理，并与物理世界互动的智能系统。同时，该公司发布多模态具身人工智能系统NVIDIAVIMA，其能在视觉文本提示的指导下，执行复杂任务、获取概念、理解边界、甚至模拟物理学，这也标志着 AI 能力的一大显著进步。政策驱动机器人行业应用深度和广度显著提升。目前，国家层面政策并未直接提及人形机器人的发展，但近年来，国家出台了一系列政策鼓励机器人产业发展。2021 年 7 月，《5G 应用“扬帆”行动计划(2021-2023年)》提出发展基于 5G 技术的服务机器人，不断丰富 5G 应用载体；2023 年 1 月，相关部门发布《“机器人+”应用行动实施方案》，提出到 2025 年，制造业机器人密度较 2020 年实现翻番，服务机器人、特种机器人行业应用深度和广度显著提升。图：我国机器人相关政策梳理（信息来源：工信部等，中国银河证券研究院）产业端和政策端的利好释放将不断推动人形机器人产业化进程，随着机器人应用场景拓展和关键技术突破，人形机器人商业化落地可期，人形机器人赛道持续布局的核心零部件厂商和配套高端装备生产企业有望迎来较大发展空间，科创100ETF（588190）跟踪指数第三大重仓行业为机械（15.51%），配置价值凸显。三、场景侧：AI助力智慧医疗转型 AI＋核心医疗产业链可以分为 AI 基础层，AI 医疗技术层与应用层： 1）基础层，除数据服务外，芯片与通信等基础核心领域已形成牢固的技术壁垒，市场呈寡头局面； 2）技术层，算法、框架以及通用技术则需要长期的投入与研发来攻克，目前各大科技企业与互联网巨头企业基本已完成布局，中小企业生存空间较少； 3）应用层，应用层可触达全医疗服务场景，如院内临床决策系统、手术机器人、智慧病案系统、医疗影像、药企新药研发与基因检测。图：中国 AI 医疗产业图谱（信息来源：艾瑞研究院，民生证券研究院） 7 月 8 日，世界 AI 大会（WAIC）医疗论坛召开，聚集各类企业、临床医生、政府机构三方专家，展示和探讨了医疗医药领域结合 AI 在应用落地上的前沿动态和想象空间。 1）AI+设备——医学影像辅助诊疗：AI 模型结合分子影像、核磁共振、计算机断层等医疗设备，以冠脉 CTA 诊断为例，CT 扫描后通过影像进行狭窄与斑块检测，并实现结构化报告自动生成，提高冠脉重建成功率和效率。 2）AI+决策新方式——数字孪生：AI 模型可以通过数字孪生器官模拟治疗效果来帮助实现个性化治疗，例如根据心功能计算模型模拟心脏在各种手术方案中对应的治疗效果以实现个性化治疗 3）AI 诊断+医疗信息化：AI 模型叠加电子病历可以实现初步诊断和临床诊疗信息结构化存储，这样可以提升医院导诊分流、信息记录存储的效率和诊断的准确率。 4）AI+研发——赋能创新药降本增效：AI 可应用于药物发现的各个阶段，提高早期发现的效率。使用 ML、DL 及生成式 AI 及其他 AI 技术，药企可以减少药物发现及开发所需的时间和资源，同时提高临床试验的成功率。具体而言，生成式 AI 有可能通过使科学家能够为以前无成药性的靶点生成新分子，从而彻底改变药物发现，这可能为药物开发提供新途径。与传统药物开发方式相比，AIDD 方式有潜力加快过程，并以更具成本效益的方式发现药物靶点。多模态大模型Gemini的发布反映了AI产业链中游竞争迭代的加速，人口老龄化背景下医疗卫生需求的突出或将加速AI+医疗应用的供给创新，建议关注科技+医疗共振下科创100ETF（588190）投资价值。风险提示尊敬的投资者：投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。根据有关法律法规，银华基金管理股份有限公司做出如下风险揭示：一、依据投资对象的不同,基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。二、基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，中国证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。三、您应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资者进行长期投资、平均投资成本的一种简单易行的投资方式，但并不能规避基金投资所固有的风险，不能保证投资者获得收益，也不是替代储蓄的等效理财方式。四、特殊类型产品风险揭示：请投资者关注标的指数波动的风险以及ETF（交易型开放式基金）投资的特有风险。五、基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对基金业绩表现的保证。银华基金管理股份有限公司提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。六、以上基金由银华基金依照有关法律法规及约定申请募集，并经中国证券监督管理委员会（以下简称“中国证监会”）许可注册。基金的基金合同、基金招募说明书和基金产品资料概要已通过中国证监会基金电子披露网站【http://eid.csrc.gov.cn/fund/】和基金管理人网站【www.yhfund.com.cn】进行了公开披露。中国证监会对基金的注册，并不表明其对基金的投资价值、市场前景和收益作出实质性判断或保证，也不表明投资于基金没有风险。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-12-26

飓风来袭PKL开启区块链全新破冰之旅

区块世界的任意作品，是一款当下潮流的 AI 视频工具。由于其覆盖范围之广，PKL 对整个新媒体行业免费开放API，允许新媒体行业基于 PKL 开发 Dapps，新媒体行业与用户通过 PKL 代币进行交易，构建共赢共进步的媒体环境，真正成为连接数字世界与现实世界的桥梁，将虚拟与现实、境内与境外的资产连接为一个统一的整体，以此来打破想象与现实的壁垒，构建下一代全球协作的智能金融平台。 Pika labs（ PKL)TOKEN 三个进阶： 1、Pika labs 将在全球外汇领域进行升级，包括优化ECN、STP 等交易模式，并努力将 Pika labs（ PKL)TOKEN构建成类似于 usdt 的可转换货币。届时，被 Pika labs 平台认可和接受的任何资产都可以转换为 Pika labs（ PKL)TOKEN进行投资理财，开启加密数字金融。 2、Pika labs 开启国际商业银行合作，通过Pika labs（ PKL)TOKEN评估和审查用户的资产，并将其转换为 Pika labs资产并在这些银行申请贷款，布局WEB3落地应用。 3、 Pika labs（ PKL)基金拖地为每个用户(或持有 Pika labs 令牌和其他 Pika labs 资产的用户)提供资产证明，以证明用户的资产数量和收入来源的合法性。PKL真正成为金融市场的“通行证”，登录更大的交易平台。来源：金色财经

金色财经2023-12-22

24小时热点