FX168财经网_全球视野外汇黄金加密货币NFT资讯网

晚间必读5篇 | 为什么说加密游戏可以化解熊市寒冬？

展太快的可能性的讨论。点击阅读 3.和ChatGPT同一个老板的Worldcoin到底是不是空气币？ WLD依靠前段时间OpenAI宫斗的热度，币价创下历史新高。但是关于这个币一直是有一些争议的，甚至不少平台把WLD归属于空气币。今天我们来聊一下WLD到底算不算空气币。点击阅读 4.揭秘市场狂澜：Mint Cash空投如何引领USTC价格的过山车行情？近日，Terra生态中新稳定币项目Mint Cash的空投预期引发了加密货币市场的一场风暴。USTC作为原Terra生态下的稳定币，原本平静的市场价格突然出现剧烈波动。点击阅读 5.为什么说加密游戏可以化解熊市寒冬？在漫长的加密冬季中，代币价格大幅下跌，引发了行业内的重大恐慌。流动性从市场流失，项目崩溃，悲观主义占据主导地位。点击阅读来源：金色财经

金色财经2023-11-28

重温全球保险科技大会 ① | 科技助险破“疫”，大会因势破局

金融界2023-11-28

Vitalik：我的技术乐观主义为何说我是d/acc主义者

类“有意义”的角色也是一种延伸。我问 ChatGPT（还有谁也问了？）为什么人类被赋予了他们被赋予的角色，而不是“心灵”自己去做所有的事情，我个人发现它的答案相当平淡。似乎很难拥有一个由人工智能主导的“友好”的超级智能世界，其中人类除了宠物之外什么都不是。我不想看到的世界。许多其他科幻系列都假设了一个存在超级智能人工智能的世界，但它们接受（未增强的）生物人类大师的命令。《星际迷航》就是一个很好的例子，它展示了带有人工智能“计算机”（和数据）的星际飞船与人类操作员之间和谐相处的愿景。然而，这感觉像是一种极其不稳定的平衡。《星际迷航》的世界目前看来是田园诗般的，但很难想象它对人类与人工智能关系的愿景不只是一个过渡阶段，星际飞船将完全由计算机控制，并且不再为宽敞的走廊、人造重力和气候控制而困扰。向超级智能机器发出命令的人类远不如机器聪明，而且它能获取的信息也更少。在一个存在任何程度竞争的宇宙中，人类处于次要地位的文明将胜过那些人类顽固地坚持控制的文明。此外，计算机本身可能会夺取控制权。要了解原因，请想象你在法律上是一个八岁孩子的奴隶。如果你能和孩子长时间交谈，你认为你能说服孩子在一张纸上签字，让你获得自由吗？我没有进行过这个实验，但我本能的回答是肯定的。总而言之，人类成为宠物似乎是一个很难逃脱的想法。天网已近，皇帝无处不在中国有句俗话“天高皇帝远”，概括了政治集权局限性的一个基本事实。即使在一个名义上庞大的专制帝国中——事实上，特别是如果专制帝国规模很大，领导层的影响力和注意力也存在实际限制，领导层需要委托给当地代理人来执行其意志，这削弱了其执行其意图的能力，因此总有一些地方存在一定程度的实际自由。有时，这可能会带来负面影响：缺乏执行统一原则和法律的遥远国家，可能会为当地豪强的盗窃和压迫创造空间。但如果中心化权力作恶，注意力和距离的实际限制可能会限制其作恶程度。有了人工智能，就不再是这样了。二十世纪，现代交通技术使得距离的限制对中央集权的约束比以前弱得多。20 世纪 40 年代巨大的极权主义帝国在一定程度上是其结果。在二十一世纪，可扩展的信息收集和自动化可能意味着注意力也将不再是一种限制。政府的自然限制完全消失的后果可能是可怕的。数字威权主义已经兴起了十年，监控技术已经为威权政府提供了镇压反对派的强大新策略：让抗议发生，但事后发现并悄悄追捕参与者。更一般地说，我基本担心的是，让 OpenAI 能够以500 名员工为一亿多客户提供服务的同类管理技术，也将让 500 人的政治精英，甚至 5 人的董事会，维持铁拳。覆盖整个国家。有了现代监控来收集信息，现代人工智能来解释信息，可能就无处藏身了。当我们考虑人工智能在战争中的后果时，情况会变得更糟。下面是我复制的2019年搜狐著名帖子的翻译： “不需要政治思想工作和战争动员”，主要是指战争最高指挥者只需考虑战局本身，就像下棋一样，而不用担心“骑士”和“车”在做什么棋盘此刻正在思考。战争变成了纯粹的技术竞争。从更深层次来说，“思想政治工作和战争动员”要求任何人发动战争必须有正当理由。正当理由这个观念几千年来制约了人类社会战争的合法性，其意义不容小觑。任何想要发动战争的人都必须至少找到一个表面上合理的理由或借口。你可能会说这个限制很弱，因为从历史上看，它常常只是一个借口。例如，十字军东征的真正动机是掠夺和领土扩张，但它们是以上帝的名义进行的，即使目标是君士坦丁堡的虔诚信仰者。然而，即使是最弱的约束也仍然是约束！这个借口实际上阻止了战争贩子毫无节制地完全追逐他们的目标。即使像希特勒这样恶毒的人也不能直接发动战争；他不得不花费数年时间说服德国人民，高贵的雅利安种族需要为自己的生存空间而战。如今，“人类互相监督”成为对独裁者发动战争或在内部压迫其公民的权力的重要制衡。它阻止了核战争，允许柏林墙打开，并在大屠杀等暴行中拯救了生命。如果军队是机器人，那么这项检查就完全消失了。独裁者可能会在晚上 10 点喝醉，在晚上 11 点对人们在推特上对他们的刻薄而感到愤怒，而机器人入侵舰队可能会在午夜之前越过边境，向邻国的平民和基础设施倾泻地狱之火。以前的时代总是有一些遥远的角落，那里天高皇帝远，政权的反对者可以在那里重新集结和隐藏，并最终找到一种方法让事情变得更好，而21世纪的人工智能是极权主义的政权很可能对世界保持足够的监视和控制，以永远“锁定”。三、d/acc：防御（或去中心化，或差异）加速在过去的几个月里，“e/acc”（“有效加速主义者”）运动获得了很大的支持。“Beff Jezos”在此总结，e/acc 从根本上讲是对技术进步真正带来的巨大好处的认识，以及加速这一趋势以更快带来这些好处的愿望。我发现自己在很多情况下都赞同e/acc的观点。有大量证据表明FDA在推迟或阻止药物批准方面过于保守，而生物伦理学似乎常常遵循这样的原则：“在医学实验出错中死亡 20 人是一个错误”。悲剧，但20万人因救生治疗被延误而死亡只是一个统计数字”。批准新冠病毒检测和疫苗以及疟疾疫苗的延迟似乎进一步证实了这一点。然而，这种观点可能走得太远了。除了与人工智能相关的担忧之外，我对e/acc对军事技术的热情感到特别矛盾。在 2023 年的当前背景下，美国正在制造这项技术并立即应用于保卫乌克兰，很容易看出它如何成为一股正义的力量。然而，从更广泛的角度来看，对现代军事技术作为一种正义力量的热情似乎需要相信，在现在和未来的大多数冲突中，占主导地位的技术力量将可靠地成为好人之一：军事技术是好的，因为军事技术是由美国建造和控制的，而美国是好的。成为一名 e/acc 是否需要成为一名美国最大主义者，将一切都押在政府现在和未来的道德以及国家未来的成功上？另一方面，我认为需要新的方法来思考如何降低这些风险。OpenAI的治理结构就是一个很好的例子：它似乎是一种善意的努力，旨在平衡盈利的需要，以满足提供初始资本的投资者的愿望，并希望进行制衡，以阻止OpenAI 炸毁全世界的风险动。然而，在实践中，他们最近试图解雇Sam Altman，使该结构看起来像是一次彻底的失败：它将权力集中在一个由五人组成的不民主且不负责任的董事会中，该董事会根据秘密信息做出关键决策，并拒绝透露有关该推理决策的任何细节。不知何故，非营利组织的董事会表现得如此糟糕，以至于公司的员工临时创建了一个事实上的工会……站在亿万富翁首席执行官一边反对他们。总的来说，我看到太多拯救世界的计划，其中包括赋予一小群人极端和不透明的权力，并希望他们明智地使用它。因此，我发现自己被一种不同的哲学所吸引，这种哲学对于如何应对风险有详细的想法，但它寻求创建和维护一个更加民主的世界，并试图避免将集权作为解决我们问题的首选。这一理念也比人工智能更广泛，我认为即使在人工智能风险担忧基本上没有根据的世界中，它也适用。我将用d/acc的名称来引用这一哲学。 dacc3 这里的“d”可以代表很多东西；特别是防御、去中心化、民主和差别。首先，考虑一下防御，然后我们可以看看这与其他解释有何联系。有利于防御的世界有助于健康和民主的治理繁荣思考技术宏观后果的一个框架是考虑防御与进攻的平衡。从广义上讲，某些技术使攻击他人变得更容易：做违背他们利益的事情，他们觉得有必要做出反应。其他人则使防御变得更容易，甚至在不依赖大型中心化参与者的情况下进行防御。出于多种原因，有利于防御的世界是一个更好的世界。首先当然是安全的直接好处：更少的人死亡，更少的经济价值被破坏，更少的时间浪费在冲突上。但人们较少意识到的是，一个有利于防御的世界使得更健康、更开放和更尊重自由的治理形式更容易蓬勃发展。一个明显的例子是瑞士。瑞士通常被认为是现实世界中最接近古典自由主义治理乌托邦的国家。大量权力下放给各省（称为“州”），重大决策由公民投票决定，许多当地人甚至不知道总统是谁。这样一个国家如何能够承受极具挑战性的政治压力？部分原因是出色的政治战略，但另一主要部分是其山区地形非常有利于防御的地理。国旗是一个很大的优点。但山也是如此。 James C Scott的新书《不受统治的艺术》中对赞米亚的无政府主义社会进行了著名的描述，这是另一个例子：他们也能保持自由和独立，这在很大程度上要归功于山区地形。与此同时，欧亚草原与治理乌托邦完全相反。Sarah Paine对海上强国与大陆强国的阐述也提出了类似的观点，尽管重点是把水作为防御屏障，而不是山脉。事实上，自愿贸易的便利性和非自愿入侵的难度的结合，对于瑞士和岛国来说都是共同的，这似乎是人类繁荣的理想选择。在为以太坊生态系统内的二次融资实验提供建议时，我发现了一个相关的现象：特别是Gitcoin Grants 融资轮次。在第四轮中，一些收入最高的接收者是 Twitter 影响者，他们的贡献被一些人视为积极的，而另一些人则视为消极的，由此引发了一场小型丑闻。我自己对这种现象的解释是，存在一种不平衡：二次融资可以让你表明你认为某件事是公共利益，但它无法表明某事是公共坏事。在极端情况下，完全中立的二次融资系统将为战争双方提供资金。因此，对于第 5 轮，我建议 Gitcoin 应该包含负贡献：你支付 1 美元来减少给定项目收到的资金量（并隐式地将其重新分配给所有其他项目）。结果：很多人讨厌它。第五轮之后流传的众多网络meme之一。在我看来，这似乎是一个更大模式的缩影：创建去中心化的治理机制来应对负外部性在社会上是一个非常困难的问题。去中心化治理出错的首选例子是暴民正义，这是有原因的。人类心理学中有些东西使得对消极情绪的反应比对积极情绪的反应更加棘手，而且更有可能出错。这就是为什么即使在高度民主的组织中，如何应对负面影响的决定也往往由中央委员会决定。在许多情况下，这个难题是“自由”概念如此有价值的深层原因之一。如果有人说了一些冒犯你的话，或者有一种你认为恶心的生活方式，你感受到的痛苦和厌恶是真实的，你甚至可能会发现接触这些事情比身体挨打更糟糕。但是，试图就哪些类型的冒犯和厌恶行为在社会上可以采取行动达成一致，可能比简单地提醒自己某些怪人和混蛋是我们生活在自由社会所付出的代价要付出更大的代价和危险。然而，在其他时候，“微笑并忍受”的做法是不现实的。在这种情况下，有时值得关注的另一个答案是防御技术。互联网越安全，我们就越不需要侵犯人们的隐私并使用不正当的国际外交策略来追捕每个黑客。我们越能构建用于在 Twitter 上屏蔽用户的个性化工具、用于检测诈骗的浏览器内工具以及用于区分错误信息和真相的集体工具，我们就越不需要与审查制度作斗争。我们制造疫苗的速度越快，我们就越不需要追捕超级传播者。这样的解决方案并不适用于所有领域——我们当然不想要一个每个人都必须穿着真正的防弹衣的世界——但在我们可以构建技术使世界更有利于防御的领域，这样做有巨大的价值。这种核心思想，即某些技术有利于防御，值得推广，而另一些技术有利于进攻，应该予以阻止，它植根于有效的利他主义文献中，但有一个不同的名称：差异化技术开发。牛津大学的研究人员从 2022 年开始对这一原则进行了很好的阐述：图 1：差异化技术开发减少负面社会影响的机制。将技术分类为进攻性、防御性或中性时不可避免地会存在缺陷。就像“自由”一样，人们可以争论社会民主党政府的政策是通过征收重税和胁迫雇主来减少自由，还是通过减少普通人对多种风险的担忧来增加自由，“防御”也有一些技术这可能属于光谱的两边。核武器有利于进攻，但核能有利于人类繁荣且攻防中立。不同的技术在不同的时间范围内可能发挥不同的作用。但就像“自由”（或“平等”或“法治”）一样，边缘的模糊性与其说是反对该原则的论据，不如说是一个更好地理解其细微差别的机会。现在，让我们看看如何将这一原则应用到更全面的世界观中。我们可以将防御技术与其他技术一样分为两个领域：原子世界和比特世界。反过来，原子世界可以分为微观（即生物学，后来的纳米技术）和宏观（即我们通常认为的“防御”，但也包括有弹性的物理基础设施）。我将在不同的轴上划分比特的世界：原则上同意攻击者是谁有多难？。有时很容易；我称之为网络防御。其他时候则比较困难；我称之为信息防御。宏观物理防御宏观领域最被低估的防御技术甚至不是铁穹（包括乌克兰的新系统）和其他反技术和反导弹军事硬件，而是有弹性的物理基础设施。核战争造成的大部分死亡可能来自供应链中断，而不是最初的辐射和爆炸，而像星链这样的低基础设施互联网解决方案在过去一年半的时间里对于维持乌克兰的连接至关重要。构建工具来帮助人们独立或半独立地独立或半独立地生存，甚至过上舒适的生活，这似乎是一项有价值的防御技术，而且被证明对进攻有用的风险很低。让人类成为多行星文明的追求也可以从d/acc的角度来看待：让我们中的至少一些人在其他星球上自给自足地生活可以增强我们抵御地球上发生的可怕事情的能力。即使整个愿景暂时被证明不可行，为使这一项目成为可能而需要开发的自给自足的生活形式也很可能有助于提高我们地球上的文明复原力。微观物理防御（又称生物防御）尤其是由于其对健康的长期影响，新冠病毒仍然是一个令人担忧的问题。但新冠疫情还远不是我们将面临的最后一场流行病。现代世界的许多方面都可能导致更多的流行病即将到来：较高的人口密度使得空气中的病毒和其他病原体更容易传播。流行病在人类历史上相对较新，大多数都始于几千年前的城市化。持续快速的城市化意味着人口密度将在未来半个世纪进一步增加。航空旅行的增加意味着空气中的病原体在全球范围内迅速传播。人们迅速变得富裕意味着未来半个世纪航空旅行可能会进一步增加；复杂性模型表明，即使是很小的增加也可能产生巨大的影响。气候变化可能会进一步增加这种风险。动物驯化和工厂化养殖是主要的风险因素。麻疹可能是由不到 3000 年前的牛病毒进化而来的。今天的工厂化农场也在养殖新的流感毒株（并加剧抗生素耐药性，对人类先天免疫力产生影响）。现代生物工程使得创造新的、毒性更强的病原体变得更加容易。实验室泄密事件一直在发生，而且工具正在迅速改进，使得故意制造极其致命的病毒，甚至朊病毒（僵尸蛋白）变得更加容易。人为瘟疫尤其令人担忧，部分原因是与核武器不同，它们是无法归因的：你可以释放病毒，而没有人能够知道是谁创造了它。现在就可以设计一个基因序列并将其发送到湿实验室进行合成，并在五天内将其运送给你。在这一领域，CryptoRelief和Balvi这两个组织因 2021 年意外获得的大量Shib币而成立并获得了资金，它们一直非常活跃。CryptoRelief 最初专注于应对眼前的危机，最近一直在印度建立一个长期的医学研究生态系统，而 Balvi 一直专注于实验性项目，以提高我们检测、预防和治疗新冠病毒和其他空气传播疾病的能力。Balvi 坚持认为其资助的项目必须是开源的。受19 世纪战胜霍乱和其他水传播病原体的水工程运动的启发，它资助了一系列技术项目，这些技术可以使世界在默认情况下更加抵御空气传播的病原体（参见：更新 1和更新 2），包括：远UVC照射研发印度、斯里兰卡、美国等地的空气过滤和质量监测以及空气质量监测廉价而有效的分去中心化空气质量检测设备研究长新冠病毒的病因和潜在的治疗方案（主要原因可能很简单，但澄清机制和寻找治疗方法比较困难）疫苗（例如RaDVaC、PopVax）和疫苗损伤研究一套全新的非侵入性医疗工具使用开源数据分析早期发现流行病（例如EPIWATCH）测试，包括非常便宜的分子快速测试当其他方法失败时，适合生物安全的口罩其他有前景的领域包括病原体废水监测、改善建筑物的过滤和通风，以及更好地了解和减轻空气质量差带来的风险。默认情况下，我们有机会建立一个更能抵御空气传播的流行病（无论是自然的还是人为的）的世界。这个世界将拥有一个高度优化的管道，我们可以从大流行开始，到被自动检测到，再到世界各地的人们能够获得有针对性的、本地制造的和可验证的开源疫苗或其他预防措施，通过雾化或鼻喷雾给药。（意思是：如果需要，可以自行给药，不需要针头），所有这些都在一个月内完成。与此同时，更好的空气质量将大大降低传播速度，并阻止许多流行病的蔓延。想象一个不必诉诸社会强制大锤的未来——没有强制甚至更糟的措施，也没有设计和实施不当的强制措施的风险，这可能会让事情变得更糟——因为公共卫生基础设施已融入文明的结构中。这些世界是可能的，只要向生物防御提供中等数量的资金就可以实现这一目标。如果开发是开源的、免费向用户开放并作为公共产品受到保护，那么这项工作将会进行得更加顺利。网络防御、区块链和密码学安全专业人士普遍认为，当前的计算机安全状况非常糟糕。也就是说，我们很容易低估所取得的进展。任何能够侵入用户钱包的人都可以匿名窃取数千亿美元的加密货币，虽然丢失或被盗的数量比我想象的要多得多，但事实上，其中大部分加密货币在过去十年里都没有被盗。最近，有了一些改进：用户手机内的可信硬件芯片，有效地在手机内创建了一个更小的高安全操作系统，即使手机的其余部分遭到黑客攻击，该操作系统也能保持受到保护。在许多其他用例中，人们越来越多地探索这些芯片作为制造更安全的加密钱包的方法。浏览器作为事实上的操作系统。在过去十年中，从可下载应用程序到浏览器内应用程序发生了悄然的转变。这在很大程度上是由WebAssembly (WASM)实现的。即使是 Adob Photoshop，长期以来一直被认为是许多人无法实际使用 Linux 的主要原因，因为它的必要性和与 Linux 的不兼容性，现在由于位于浏览器中而对 Linux 友好。这也是一个巨大的安全优势：虽然浏览器确实存在缺陷，但通常它们比已安装的应用程序具有更多的沙箱：应用程序无法访问计算机上的任意文件。强化操作系统。用于移动设备的GrapheneOS已经存在，并且非常有用。桌面版QubesOS已存在；至少根据我的经验，它目前的可用性比Graphene要差一些，但它正在改进。尝试超越密码。不幸的是，密码很难保护，因为它们很难记住，而且很容易被窃听。最近，越来越多的人开始减少对密码的重视，并使基于硬件的多因素身份验证真正发挥作用。然而，其他领域网络防御的缺乏也导致了重大挫折。防范垃圾邮件的需要导致电子邮件在实践中变得非常寡头垄断，使得自我托管或创建新的电子邮件提供商变得非常困难。包括 Twitter 在内的许多在线应用程序都要求用户登录才能访问内容，并阻止 VPN 的 IP，这使得以保护隐私的方式访问互联网变得更加困难。软件中心化也存在风险，因为“武器化的相互依赖”：现代技术倾向于穿过中心化的阻塞点，而这些阻塞点的运营商利用这种权力来收集信息、操纵结果或排除特定参与者——这一策略目前似乎甚至被用来对抗区块链行业本身。这些都是令人担忧的趋势，因为它威胁到了我历来最大的希望之一，即为什么自由和隐私的未来尽管存在深刻的权衡，但可能仍然是光明的。大卫·弗里德曼在他的《不完美的未来》一书中预测，我们可能会得到一个妥协的未来：现实世界将受到越来越多的监视，但通过密码学，网络世界将保留甚至改善其隐私。不幸的是，正如我们所看到的，这种反趋势远不能保证。这就是我自己强调区块链和零知识证明等密码技术的地方。区块链让我们能够通过“共享硬盘”创建经济和社会结构，而不必依赖集中的参与者。加密货币允许个人储蓄并进行金融交易，就像在互联网出现之前用现金一样，而不依赖于可以随意改变其规则的可信第三方。它们还可以作为后备反女巫机制，即使对于没有或不想透露其真实空间身份的用户来说，攻击和垃圾邮件也会变得昂贵。账户抽象，尤其是社交恢复钱包，可以保护我们的加密资产以及未来潜在的其他资产，而无需过度依赖中心化中介机构。零知识证明可以用于隐私，允许用户在不泄露私人信息的情况下证明自己的事情。例如，将数字护照签名封装在 ZK-SNARK 中，以证明你是特定国家/地区的唯一公民，而无需透露你是哪个公民。这样的技术可以让我们保持隐私和匿名的好处——这些属性被广泛认为是投票等应用程序所必需的——同时仍然获得安全保证并打击垃圾邮件和不良行为者。 ZK 社交媒体系统的拟议设计，可以进行审核操作并且可以对用户进行惩罚，而所有这些都不需要知道任何人的身份。今年早些时候在Zuzalu孵化的Zupass就是实践中的一个很好的例子。这是一个应用程序，已被 Zuzalu 的数百人使用，最近在Devconnect被数千人用于票务，它允许你持有门票、会员资格、（不可转让的）数字收藏品和其他证明，并且在不损害你的隐私的情况下证明所有这些事情。例如，你可以证明你是 Zuzalu 的唯一注册居民或 Devconnect 票证持有者，而无需透露任何有关你身份的信息。这些证据可以通过二维码或数字方式亲自出示，以登录Zupoll等应用程序，这是一种仅向 Zuzalu 居民开放的匿名投票系统。这些技术是 d/acc 原则的一个很好的例子：它们允许用户和社区在不损害隐私的情况下验证可信度，并保护他们的安全，而不依赖于强加他们自己定义谁好谁坏的中心化瓶颈。它们通过创建比当今使用的常用技术更好、更公平的方法来保护用户或服务的安全，例如歧视整个被认为不值得信任的国家，从而提高全球可访问性。如果我们想要在 21 世纪保持信息安全的去中心化愿景，这些都是非常强大的原语，它们可能是必要的。更广泛地研究网络空间防御技术可以使互联网在未来的非常重要的方面更加开放、安全和自由。信息防御正如我所描述的，网络防御是指理性的人很容易就攻击者是谁达成共识的情况。如果有人试图侵入你的钱包，人们很容易认为黑客是坏人。如果有人试图对网站进行 DoS 攻击，人们很容易认为他们是恶意的，并且在道德上与试图阅读网站内容的普通用户不同。在其他情况下，界限更加模糊。在这些情况下改善我们防御的工具我称之为“信息防御”。以事实核查（又名，防止“错误信息”）为例。我是社区笔记（Community Notes）的超级粉丝，它在帮助用户识别其他用户所发推文的真伪方面做了很多工作。Community Notes使用了一种新的算法，它不会显示最受欢迎的笔记，而是显示最受各个政治派别的用户认可的笔记。 Community Notes的实际应用。我也是预测市场的粉丝，它可以帮助在尘埃落定之前实时识别事件的重要性，并就哪个方向达成共识。Polymarket上的Sam Altman非常有帮助，它对每小时的揭露和谈判的最终后果进行了有用的总结，为那些只看到个别新闻而不了解每个新闻的重要性的人们提供了急需的背景信息。预测市场常常存在缺陷。但那些愿意自信地表达他们认为明年“将”发生的事情的 Twitter KOL往往存在更大的缺陷。预测市场仍有进一步改善的空间。例如，预测市场的一个主要实际缺陷是，除了最引人注目的事件外，所有事件的交易量都很低。尝试解决这个问题的一个自然方向是建立由人工智能发挥作用的预测市场。在区块链领域，我认为我们需要更多特定类型的信息防御。也就是说，钱包应该更加坚定和积极地帮助用户确定他们正在签名的内容的含义，并保护他们免受欺诈和诈骗。这是一个中间案例：什么是骗局、什么不是骗局，比对有争议的社会事件的看法更主观，但比区分合法用户和 DoS 攻击者或黑客更主观。Metamask 已经有一个诈骗数据库，并自动阻止用户访问诈骗网站：像Fire这样的应用程序就是进一步发展的一种方法的例子。然而，像这样的安全软件不应该是需要显式安装的东西；默认情况下，它应该是加密钱包甚至浏览器的一部分。由于其更主观的性质，信息防御本质上比网络防御更具集体性：你需要以某种方式融入一大群复杂的人来识别什么可能是真的或假的，以及什么样的应用程序是欺骗性的庞氏骗局。开发人员有机会在开发有效的信息防御和强化现有形式的信息防御方面走得更远。像Community Notes这样的东西可以包含在浏览器中，不仅涵盖社交媒体平台，还涵盖整个互联网。超越“防御”框架的社会技术在某种程度上，我可以合理地指责我通过将其中一些信息技术描述为与“防御”有关而硬塞。毕竟，防御是为了帮助善意的行为者免受恶意行为者（或者在某些情况下，免受自然）的侵害。然而，其中一些社交技术是为了帮助善意的参与者形成共识。 pol.is就是一个很好的例子，它使用类似于Community Notes（并且早于Community Notes）的算法来帮助社区识别子部落之间的共识点，否则这些子部落在很多方面都存在分歧。Viewpoints.xyz受到 pol.is 的启发，并且具有类似的精神：此类技术可用于对有争议的决策进行更加去中心化的治理。同样，区块链社区是一个很好的试验场，并且此类算法已经显示出价值。一般来说，对以太坊协议进行哪些改进（“ EIP ”）的决定是由一个相当小的小组在名为“所有核心开发人员通话”的会议上做出的。对于大多数社区成员没有强烈感情的高度技术性决策，这种方法相当有效。对于影响协议经济学的更重要的决策，或更基本的价值观（如不变性和审查阻力），这通常是不够的。早在 2016 年 17 月，当时围绕实施DAO 分叉、减少发行和（而不是）解冻 Parity 钱包等一系列有争议的决定，Carbonvote 等工具以及社交媒体投票帮助社区和开发者找到了方向，当时社区大部分都面临着方向选择问题。 Carbonvote上的DAO分叉投票。 Carbonvote有其缺陷：它依赖 ETH 持有量来确定谁是以太坊社区的成员，从而导致结果由少数富有的 ETH 持有者（“鲸鱼”）主导。然而，借助现代工具，我们可以利用多种信号（例如POAP、Zupass 印章、Gitcoin 护照、Protocol Guild 会员资格以及 ETH（甚至是单独质押的 ETH）持有量等多种信号）来制作更好的 Carbonvote 来衡量社区成员资格。任何社区都可以使用此类工具来做出更高质量的决策、找到共同点、协调（物理或数字）迁移或做许多其他事情，而无需依赖不透明的集中领导。这本身并不是防御加速，但肯定可以称为民主加速。这些工具甚至可以用来改善人工智能领域关键参与者和机构的治理并使之民主化。四、那么超级智能的前进道路是什么？上述一切都很好，可以使下个世纪的世界变得更加和谐、安全和自由。然而，它还没有解决房间里的大象：超级智能人工智能。许多担心人工智能的人建议的默认前进道路本质上会导致一个最小的人工智能世界政府。该计划的近期版本包括一项关于“跨国 AGI 联盟”（“MAGIC”）的提案。这样的联盟如果成立并成功实现创造超级智能人工智能的目标，将自然而然地成为事实上的最小世界政府。从长远来看，存在诸如“关键行为”理论之类的想法：我们创建一个人工智能，它执行单个一次性行为，将世界重新安排成一个游戏，从那时起，人类仍然负责，但游戏板在其中在某种程度上更有利于防御并且更适合人类的繁荣。到目前为止，我看到的主要实际问题是，人们似乎并不真正信任任何有能力构建这样的东西的特定治理机制。当你看看我最近的 Twitter 民意调查结果时，这个事实就变得显而易见了，我询问人们是否愿意看到人工智能被领先十年的单一实体垄断，或者人工智能为每个人推迟十年：每次民意调查的规模都很小，但民意调查通过各种来源和选项得出的结果的一致性弥补了这一点。在全部的情况下，大多数人宁愿看到高度先进的人工智能彻底推迟十年，也不愿被单个团体垄断，无论是公司、政府还是跨国机构。在九个案例中的七个中，延迟至少以二比一获胜。对于任何追求人工智能监管的人来说，这似乎是一个需要理解的重要事实。目前的方法一直专注于制定许可计划和监管要求，试图将人工智能的开发限制在少数人手中，但这些方法遭到了普遍的抵制，因为人们不想看到任何人垄断如此强大的东西。即使这种自上而下的监管建议降低了灭绝的风险，它们也有可能增加某种永久锁定于集权极权主义的可能性。矛盾的是，完全禁止极其先进的人工智能研究的协议（或许生物医学人工智能除外），结合诸如强制那些未被禁止的模型开源等措施，作为减少利润动机同时进一步改善访问平等的一种方式，是否会更受欢迎？ “让我们让一个全球性组织来做人工智能并使其治理真的非常好”路线的反对者首选的主要方法是多人工智能：有意尝试确保有很多人和公司开发大量人工智能，这样就不会出现任何问题。没有AI比其他AI更强大。按照理论，这样一来，即使人工智能变得超级智能，我们也可以保持权力平衡。这种哲学很有趣，但我试图确保以太坊生态系统内的“多神论”的经验确实让我担心这是一种本质上不稳定的平衡。在以太坊中，我们有意尝试确保堆栈的许多部分的去中心化：确保没有单一代码库控制超过一半的权益证明网络，试图抵消大型质押池的主导地位，改善地理去中心化等等。从本质上讲，以太坊实际上是在尝试实现古老的自由主义梦想，即建立一个以市场为基础的社会，利用社会压力而不是政府作为反垄断监管者。在某种程度上，这已经奏效了：Prysm 客户端的主导地位已从 70% 以上下降到 45% 以下。但这并不是某种自动的市场过程：它是人类意图和协调行动的结果。我在以太坊的经历反映了从整个更广阔的世界中学到的经验，其中许多市场已被证明是自然垄断的。由于超级智能人工智能独立于人类而行动，情况更加不稳定。由于递归的自我完善，最强的人工智能可能会很快领先，一旦人工智能比人类更强大，就没有任何力量可以推动事物恢复平衡。此外，即使我们确实得到了一个由超级智能人工智能组成的多AI世界，并且最终稳定下来，我们仍然面临另一个问题：我们得到了一个人类成为宠物的宇宙。一条快乐的道路：与人工智能合并？我最近听到的另一种选择是减少对人工智能作为与人类分离的事物的关注，而更多地关注增强人类认知而不是取代人类认知的工具。人工智能绘图工具就是朝这个方向发展的一个近期例子。如今，用最著名的AI生成图像工具制作图像只需一步，人类提供输入，然后人工智能完全接管。另一种选择是更多地关注 Photoshop 的 AI 版本：艺术家或 AI 可以使用这些工具制作图片的早期草稿，然后两者通过实时反馈过程合作改进它。 Photoshop 生成 AI 填充，2023 年。我尝试过，需要时间来适应，但实际上效果很好！具有类似精神的另一个方向是开放机构架构，它建议将人工智能“思维”的不同部分（例如制定计划、执行计划、解释来自外部世界的信息）分成单独的组件，并引入不同的人类反馈在这些部分之间。到目前为止，这听起来很平常，而且几乎每个人都同意拥有它会很好。经济学家Daron Acemoglu的著作与这种人工智能未来主义相去甚远，但他的新书《权力与进步》暗示希望看到更多此类人工智能。但如果我们想进一步推断人类与人工智能合作的想法，我们会得到更激进的结论。除非我们建立一个足够强大的世界政府，能够检测并阻止每一小群人用笔记本电脑对单个 GPU 进行黑客攻击，否则最终有人会创造出一个超级智能的人工智能，一个思考速度比我们快一千倍的人工智能。并且没有任何组合人类用手使用工具将能够抵御这种情况。因此，我们需要将人机合作的理念进一步深化和深化。第一个自然步骤是脑机接口。脑机接口可以让人类更直接地获得越来越强大的计算和认知形式，将人与机器之间的双向通信循环从几秒缩短到几毫秒。这也将大大减少让计算机帮助你收集事实、提出建议或执行计划的“脑力劳动”成本。诚然，这样的路线图的后期阶段会变得很奇怪。除了脑机接口之外，还有多种途径可以通过生物学创新直接改善我们的大脑。最终的进一步步骤，合并这两条路径，可能涉及上传我们的思想以直接在计算机上运行。这也将是物理安全的最终目标：保护我们自己免受伤害不再是保护不可避免的湿软人体的挑战性问题，而是一个简单得多的数据备份问题。这样的方向有时会引起担忧，部分原因是它们是不可逆转的，部分原因是它们可能会给有权势的人带来比我们其他人更多的优势。脑机接口尤其存在危险——毕竟，我们谈论的是字面上的读取和写入人们的思想。这些担忧正是为什么我认为在这条道路上发挥主导作用的理想选择是由以安全为中心的开源运动而不是封闭的专有公司和风险投资基金来担任。此外，与与人类密切相关的增强功能相比，独立于人类运行的超级智能人工智能所面临的所有这些问题都更加严重。由于谁可以和不可以使用 ChatGPT 的限制， “增强型”和“未增强型”之间的鸿沟如今已经存在。如果我们想要一个既超级智能又“人类”的未来，人类不仅仅是宠物，而且实际上在世界上保留着有意义的代理权，那么感觉这样的事情是最自然的选择。对于为什么这可能是一条更安全的人工智能协调路径，也有很好的论据：通过在决策的每个步骤中纳入人类反馈，我们减少了将高层规划责任转移给人工智能本身的动机，从而减少了人工智能本身做了一些与人类价值观完全不相符的事情。支持这一方向的另一个论点是，它可能比简单地大喊“暂停人工智能”而没有提供替代前进道路的补充信息更容易被社会接受。当前的心态需要进行哲学转变，即接触人类的技术进步是危险的，但与人类无关的进步默认是安全的。但它有一个巨大的反补贴优势：它为开发人员提供了一些事情可做。如今，人工智能安全运动向人工智能开发人员传达的主要信息似乎是“你应该停下来”。人们可以从事比对研究，但今天这缺乏经济激励。与此相比，常见的 e/acc 信息“你本来就是英雄”，这是可以理解的，非常有吸引力。 d/acc 的信息，即“你应该建造，并且建造有利可图的东西，但要更有选择性和更有意识地确保你正在建造的东西能够帮助你和人类繁荣发展”，可能会成为赢家。五、d/acc与你现有的理念兼容吗？如果你是e/acc，那么 d/acc 就是 e/acc 的一个亚种——只是一个更具选择性和有意性的亚种。如果你是一个有效的利他主义者，那么 d/acc 是对差异化技术开发的有效利他主义理念的重新命名，尽管更加强调自由和民主价值观。如果你是一个自由主义者，那么 d/acc 就是技术自由主义的一个亚种，尽管它是一种更加务实的自由主义，对“技术资本机器”更加批判，并且愿意接受今天的政府干预（至少，如果文化干预不起作用）以防止明天出现更糟糕的不自由。如果你是Glen Weyl意义上的多元主义者，那么 d/acc 是一个框架，可以轻松地包含对多元性所重视的更好的民主协调技术的强调。如果你是公共卫生倡导者，那么 d/acc 想法可以成为更广泛的长期愿景的来源，并提供与“技术人员”找到共同点的机会，否则你可能会觉得与“技术人员”存在分歧。如果你是区块链倡导者，那么 d/acc 是一种比 15 年来对恶性通货膨胀和银行的强调更现代、更广泛的叙述，它将区块链作为具体战略中的众多工具之一纳入背景，以实现更加光明的未来。如果你是一个Solarpunk，那么 d/acc 就是 Solarpunk 的一个亚种，并且同样强调意向性和集体行动。如果你是一个lunarpunk，那么你会欣赏 d/acc 通过维护隐私和自由来强调信息防御。六、人类是最亮的星我热爱科技，因为科技拓展了人类的潜力。一万年前，我们可以制造一些手工工具，改变一小块土地上生长的植物，并建造基本的房屋。今天，我们可以建造800 米高的塔楼，将人类记录的全部知识存储在我们可以随身携带的设备中，在全球范围内进行即时通信，使我们的寿命加倍，并过上幸福而充实的生活，而不必担心我们最好的生活朋友经常死于疾病。我们从底层开始，现在我们走到这里。我相信这些事情是非常好的，并且将人类的影响范围进一步扩大到行星和恒星也是非常好的，因为我相信人类是非常好的。在某些圈子里，对这一点持怀疑态度是很流行的：人类自愿灭绝运动认为，如果没有人类存在，地球会变得更好，而更多的人希望看到更少的人类看到这个世界的光明。未来的几个世纪。人们普遍认为人类是邪恶的，因为我们欺骗和偷窃，参与殖民主义和战争，以及虐待和消灭其他物种。我对这种思维方式的回答是一个简单的问题：与什么相比？是的，人类常常是卑鄙的，但我们更多时候表现出善良和怜悯，并为了共同的利益而共同努力。即使在战争期间，我们也经常注意保护平民——当然还远远不够，但也远远超过我们 2000 年前所做的。下个世纪很可能会带来广泛使用的非动物性肉类，从而消除当今人类应承担的最大道德灾难。非人类的动物不是这样的。出于道德原则，猫不会采取完全拒绝吃老鼠的生活方式。太阳每年都变得越来越亮，预计在大约十亿年后，这将使地球变得太热而无法维持生命。太阳是否想过它会造成种族灭绝？因此，我坚信，在我们所知道和看到的宇宙中的所有事物中，我们人类是最亮的星星。我们唯一知道的是，即使不完美，有时也会认真努力地关心“善”，并调整我们的行为以更好地服务于“善”。二十亿年后，如果地球或宇宙的任何部分仍然拥有地球生命的美丽，那么太空旅行和地球工程等人类的手段将使其成为现实。我们需要建设并加速。但有一个非常现实的问题需要问：我们正在加速实现的目标是什么？21世纪很可能是人类的关键世纪，是决定我们未来几千年命运的世纪。我们是否陷入了无法逃脱的众多陷阱中的一个，或者我们是否找到了通往保留自由和能动性的未来的道路？这些都是具有挑战性的问题。但我期待着观看并参与我们人类寻找答案的伟大集体努力。来源：金色财经

金色财经2023-11-28

重塑计算界限：去中心化算力的现状与展望

1月30日，由 OpenAI 研发的 ChatGPT 同样是展示了 AI 领域划时代的意义，用户惊叹于 ChatGPT 带来的全新体验，能如同真人一般，基于上下文完成用户提出的各种要求。而在今年9月推出的新版本中，加入了语音、图像等多模态特征的生成式AI又将用户体验带到了更新的阶段。但与之对应的是GPT4有超过万亿级的参数参与模型预训练以及后续微调。这是 AI 领域对算力需求最大的两个部分。在预训练阶段，通过学习大量的文本来掌握语言模式、语法和关联上下文。使其能够理解语言规律，从而根据输入生成连贯且上下文相关的文本。预训练之后，再对GPT4进行微调，以便于更好地适应特定类型的内容或风格，提升特定需求场景的性能和专业化。由于 GPT 采用的 Transformer 架构，引入自注意力机制（Self-attention），这种机制使得模型能在处理输入的序列时，同时关注序列中不同部分之间的关系，因而对算力需求急剧增长，特别是在处理长序列是需要大量并行计算和存储大量注意力分数，因而也需要大量的内存和高速的数据传输能力。目前主流的同架构LLM对于高性能GPU的需求巨大，这也表明AI大模型领域投入成本巨大。根据相关 SemiAnalysis 的推测估计GPT4一次模型训练成本高达6300万美金。而为实现良好的交互体验，GPT4 在日常运营中亦需要投入大量的算力来维持其日常运营。算力硬件分类这里我们要来理解一下目前主要的算力硬件类型，CPU、GPU、FPGA、ASIC 分别能处理怎样算力需求场景。 • 从CPU和GPU的架构示意图上，GPU包含更多核心，它们使得GPU可同时处理多个计算任务，并行计算的处理能力更强，适用于处理大量计算任务，因此在机器学习和深度学习领域得到了广泛的应用。而CPU的核心数量较少，适合处理更集中地处理单个复杂计算或序列任务，但在处理并行计算任务时不如GPU高效。在渲染任务和神经网络计算任务中，通常需要处理大量重复计算和并行计算，因此GPU比CPU在这个方面会更高效且适用。 • FPGA（Field Programmable Gate Array）现场可编程逻辑门阵列，是作为专用集成电路（ASIC）领域中的一种半定制电路。由大量小型处理单元组成的阵列，FPGA可以理解为可编程的数字逻辑电路集成芯片。目前的运用主要集中在硬件加速，其他任务仍然在CPU上完成，让FPGA和CPU协同工作。 • ASIC（Application Specific Integrated Circuit）专用集成电路，是指应特定用户要求和特定电子系统的需要而设计的集成电路。ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。因而在比特币挖矿的固有场景下，只需要执行特定的计算任务，ASIC则是最契合的。Google 也推出了针对机器学习专门设计的 TPU（Tensor Processing Unit）作为ASIC的一种，但目前主要通过Google Cloud提供算力租用服务。 • ASIC 和 FPGA 相比，ASIC 是专用集成电路，一旦设计完成后集成电路即固定。而FPGA是在阵列内集成大量数字电路基本门电路和存储器，开发人员可以通过烧写FPGA配置来定义电路，并且这种烧写是可更换的。但就当下的AI领域的更新速度，定制化或半定制化的芯片，无法及时通过调整重新配置来执行不同的任务或适应新算法。因而，GPU 的普遍的适应性和灵活性，使其在 AI 领域大放异彩。各大 GPU 厂商就 AI 领域也对 GPU 在 AI 领域的适配做了相关优化。以 Nvidia 为例，推出了专为深度学习设计的 Tesla 系列和 Ampere 架构 GPU，这些硬件包含针对机器学习和深度学习计算优化的硬件单元（Tensor Cores），这使得GPU能够以更高的效率和更低的能耗执行神经网络的前向和反向传播。此外也提供了广泛的工具和库来支持AI开发，如 CUDA（Compute Unified Device Architecture）来帮助开发人员利用GPU进行通用并行计算。去中心化算力去中心化算力是指通过分布式计算资源提供处理能力的方式。这种去中心化的方法通常结合区块链技术或类似的分布式账本技术，将闲置的计算资源汇集并分发给需要的用户，以实现资源共享、交易和管理。产生背景 • 强劲的算力硬件需求。创作者经济的繁荣，使得数字媒体处理方向进入全民创作的时代，激增的视效渲染需求，出现专门渲染外包工作室、云渲染平台等形式，但这样方式也需要本身投入大量的资金用于前期算力硬件采购。 • 算力硬件来源单一。AI 领域发展更加剧了算力硬件的需求，全球以 Nvidia 为龙头的 GPU 制造企业在这场AI算力竞赛中，赚得盆满钵满。其供货能力甚至成为能掣肘某一行业发展的关键要素，Nvidia的市值也于今年首次突破一万亿美元。 • 算力提供仍主要依赖中心化云平台。而目前真正受益于高性能计算需求激增的是以 AWS 为代表的中心化云厂商，它们推出了 GPU 云算力服务，以目前AWS p4d.24xlarge 为例，租用一台这样的专精于 ML 方向的 HPC 服务器，包含8块 Nvidia A100 40GB GPUs，每小时花费在 32.8 美元，其毛利率据估计可达61%。这也使得其他云巨头纷纷竞相参与，囤积硬件以其在行业发展初期尽可能占据有利。 • 政治、人为干预等因素导致行业发展不平衡。不平衡我们不难看出GPU的所有权和集中度更向资金和技术充裕组织和国家倾斜，且与高性能计算集群呈现依仗关系。这使得以美国为代表的芯片半导体制造强国，也在对AI芯片出口方面实施更为严苛的限制，以削弱其他国家在通用人工智能领域的研究能力。 • 算力资源分配过于集中。 AI 领域的发展主动权掌握在少数巨型公司手中，目前以 OpenAI 为代表的巨头，有微软的加持，背后是微软Azure 提供的丰富算力资源，这使得 OpenAI 每次新产品的发布，都是对当下 AI 行业的重塑和整合，让其余团队在大模型领域难以望其项背。那么在面对高昂的硬件成本、地域限制、产业发展不均衡的情况，是否有其他解决方案？去中心化算力平台则应运而生，平台的目的是创建一个开放、透明且自我调节的市场来更有效地利用全球计算资源。适应性分析 1. 去中心化算力供给侧目前高昂的硬件价格和供给侧的人为控制，都给去中心化算力网络的建设提供了土壤。 • 从去中心化算力的组成方式来看，多样的算力提供方小到个人PC、小型物联网设备大到数据中心、IDC等，大量累积的算力可提供更灵活和可扩展的计算解决方案，从而帮助更多的AI开发者和组织更有效地利用有限的资源。都可以通过个人或组织的闲置算力，来实现去中心化算力共享，但这些的算力的可用性、稳定性，受本身用户的使用限制或分享上限的限制。 • 有可能的潜在优质算力来源，则是以太坊转 PoS 后，直接由相关矿场转型提供的算力资源。以美国领先的 GPU 集成式算力提供商 Coreweave 为例，前身是北美以太坊最大的矿场，基于已构建的完备基础设施。此外，退役的以太坊矿机，其中也包含了大量的闲置 GPU，据悉此前以太坊挖矿时代巅峰在网工作的 GPU 约2700万张，盘活这些 GPU 也能进一步成为去中心化算力网络重要的算力来源。 2. 去中心化算力需求侧 • 从技术实现来看，去中心化算力资源在图形渲染类，视频转码类，这种计算复杂程度不高的任务，结合区块链技术和web3的经济体系能在确保信息数据安全传递情况下，为网络参与者带来了切实的收益激励，积累了有效的商业模式和客群。而 AI 领域则涉及大量的并行计算，节点间的通信、同步等环节，对网络环境等方面有非常高的要求，因而目前应用也都集中于微调、推理、AIGC 等更偏应用层。 • 从商业逻辑来看，单纯算力买卖的市场是缺乏想象力的，行业只能卷供应链、定价策略，但这些又恰好是中心化云服务的优势。因而，市场上限较低也缺乏更多想象空间，所以也能看到原本做单纯图形渲染的网络在寻求 AI 转型，如 Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向 AI 领域扩展。 • 从主要客群来看，很显然大B端客户会更倾向于中心化集成式云服务，他们通常有充足的预算，他们通常是从事底层大模型的开发，需要更高效的算力聚合形式；因而，去中心化算力更多的是服务于中小型开发团队或个人，从事多是模型微调，或应用层开发，对算力的提供形式没有太高的要求。他们对价格更敏感，去中心化算力的能从根本上减轻初始成本的投入，因而整体的使用成本也更低，以 Gensyn 此前测算的成本来看，将算力换算成V100 提供的等值算力，Gensyn 价格仅为0.4美元每小时，相比AWS 同类型的算力需要2美元每小时，能下降80%。虽然这部分生意并不在目前行业中占开销大头，但伴随 AI 类应用的使用场景持续延展，未来的市场规模不容小觑。 • 从提供的服务来看，可以发现目前的项目更像是去中心化云平台的概念，提供的是一整套从开发、部署、上线、分发、交易全流程的管理，这样的好处在于吸引开发者，可以利用相关工具组件来简化开发部署，提升效率；同时能吸引用户来平台使用这些完整的应用产品，形成基于自身算力网络的生态护城河。但这同时也对项目运营提出了更高的要求。如何吸引优秀开发者和用户并实现留存显得尤为重要。不同领域的应用 1. 数字媒体处理 Render Network 一个基于区块链的全球渲染平台，其目标是为创作者数字创意提供帮助。它允许创作者按需将 GPU 渲染工作扩展到全球 GPU 节点，提供了以一种更为高速且便宜的渲染工作能力，在创作者确认过渲染结果后，再由区块链网络向节点发送代币奖励。相比传统的视觉效果实现方法，在本地建立渲染基础设施或在购置的云服务中增加相应的GPU开支，这都需要高昂的前期投入。自2017年创立以来，Render Network 用户在网络上渲染了超过1600万帧和近50万个场景。从Render Network 2023 Q2 发布数据也能表明，渲染帧数作业和活跃节点数都呈增长的趋势。此外，Render Network 与2023 Q1 也推出了原生集成Stability AI 工具集，用户可以的该项功能引入Stable Diffusion作业，业务也不再局限于渲染作业而向AI领域扩展。 Livepeer 则是通过网络参与者贡献自己的GPU算力和带宽，为创作者提供实时视频转码服务。广播者可以通过将视频发送至Livepeer，完成各类视频转码，并向各类端侧用户分发，进而实现视频内容的传播。同时，可以便捷地通过法币形式支付，获得视频转码、传输、存储等服务。在Livepeer 网络中，任何人都允许贡献个人计算机资源（CPU、GPU 和带宽）以进行转码和分发视频来赚取费用。原生代币（LPT）则代表了网络参与者在网络中的权益，通过质押代币的数量，决定节点在网络中的权重，从而影响其获得转码任务的机会。同时，LPT也起到了引导节点安全、可靠、快速地完成分派的任务。 2. AI领域的扩展在目前AI领域的生态系统中，主要参与者大致可以划分成：从需求方入手，在产业的不同阶段，对算力的诉求是有明显区别的。以底层模型开发为例，在预训练环节为确保训练结果的有效对并行计算、存储、通信等方面要求都非常高，这就需要通过大型的算力集群来完成相关的任务。当下主要算力供给主要还是依赖自建机房、中心化的云服务平台来集中提供。而在后续模型微调、实时推理和应用开发等环节则对并行计算、节点间通信的要求没有那么高，这恰恰是去中心化算力能一展拳脚的部分。纵观此前已颇具的声量的项目， Akash Nework 在去中心化算力方向做了一些尝试： Akash Network 结合不同的技术组件，让用户可以在去中心化的云环境中高效、灵活地部署和管理应用程序。用户可以利用 Docker 容器技术打包应用，然后通过 Kubernetes 在 Akash 提供的云资源上通过 CloudMOS 进行部署和扩展。Akash 采用“反向拍卖”的方式，这使得价格比传统云服务更低。 Akash Network 在今年8月也发布将推出了主网第6次升级，将对 GPU 的支持纳入其云服务中，未来向更多 AI 团队提供算力供给。 Gensyn.ai，今年颇受行业瞩目的项目由 a16z 领投完成了4300万美元A轮融资，就目前公布项目公布的文档来看，该项目是一个主网基于波卡网络的 L1 PoS 协议，聚焦于深度学习，它旨在通过创建一个全球性的超级计算集群网络来推动机器学习的边界。这个网络连接了从拥有算力富余的数据中心到潜在可贡献个人 GPU 的 PC，定制的 ASIC 和 SoC 等多种设备。为解决的目前去中心化算力中存在的一些问题，Gensyn 借鉴了学术界的一些理论研究新成果： 1. 采用概率学习证明，即使用基于梯度的优化过程的元数据来构建相关任务执行的证明，来加快验证过程； 2. 图形基准协议（Graph-based Pinpoint Protocol），GPP作为一个桥梁，连接了DNN（Deep Neural Network）的离线执行与区块链上的智能合约框架，解决了跨硬件设备间容易发生的不一致性，并确保了验证的一贯性。 3. 与 Truebit 类似的激励方式，通过质押和惩罚相结合的方式，建立一个能让经济理性参与者能诚实地执行分派的任务。该机制采用了密码学和博弈论方法。这个验证系统对于维持大型模型训练计算的完整性和可靠性。但值得注意的是以上内容更多的是解决任务完成验证层面，而非在项目文档中作为主要亮点讲述的关于去中心化算力来实现模型训练方面的功能，特别是关于并行计算和分布式硬件间通信、同步等问题的优化。当前受网络延迟（Latency）和带宽（Bandwidth）的影响，频繁的节点间通信会使得迭代时间和通信成本都发生增长，这不仅不会带来实际的优化，相反会降低训练效率。Gensyn 在模型训练中处理节点通信和并行计算的方法可能涉及复杂的协调协议，以管理计算的分布式性质。然而，如果没有更详细的技术信息或对他们具体方法的更深入了解，Gensyn通过其网络实现大型模型训练的确切机制需要等项目上线才能真正揭晓。我们还关注到 Edge Matrix Computing (EMC) protocol 它通过区块链技术将算力运用至 AI、渲染、科研、AI电商接入等类型的场景，通过弹性计算把任务分发到不同的算力节点。这种方法不仅提高了算力的使用效率，还确保了数据传输的安全性。同时，它提供了一个算力市场，用户可以访问和交换计算资源。方便开发者部署，更快地触达用户。结合 Web3 的经济形式，也能使算力提供方在根据用户的实际使用情况获取真实收益和协议方补贴，AI开发者也获得更低的推理和渲染成本。以下是其主要组成部分和功能的概述：预期还将推出了基于 GPU 的 RWA 类产品，此项的关键在于将原本在机房固定住的硬件盘活，以 RWA 的形式分割流通，获得额外的资金流动性，高质量 GPU 能作为 RWA 底层资产的原因在于，算力可以算得上 AI 领域的硬通货，目前有明显的供需矛盾，且该矛盾并不能在短期内解决，因而 GPU 的价格相对比较稳定。此外，通过部署 IDC 机房实现算力集群也是 EMC protocol 会重点布局的部分，这不仅能让 GPU 在统一环境下的运转，更高效地处理相关大型算力消耗的任务，如模型的预训练，由此来匹配专业用户的需求。同时，IDC 机房也能集中托管和运行大量的 GPU，确保同类型高质量硬件的技术规格，方便将其打包作为 RWA 产品推向市场，开启DeFi 新思路。近年学界在边缘计算领域也有新的技术理论发展和应用实践。边缘计算作为云计算的一种补充和优化，一部分的人工智能正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。而这些物联网设备往往体积很小，为此轻量机器学习受到青睐，以满足功耗、延时以及精度等问题。 Network3 是通过构建了一个专门的AI Layer2，通过AI 模型算法优化和压缩，联邦学习，边缘计算和隐私计算，为全球范围内的AI开发者提供服务，帮助他们快速、便捷、高效地训练或者验证模型。它通过利用大量智能物联网硬件设备，可聚焦小模型，来做相应的算力供给，且通过构建TEE（Trusted Execution Environment）能让用户仅通过上传模型梯度，来完成相关训练，确保用户相关数据隐私安全。综上 • 伴随 AI 等领域的发展，许多行业会从底层逻辑上实现巨大变革，算力会上升到更重要的地位，与之关联的各个方面也都会引起行业的广泛探索，去中心化算力网络有其自身优势，可答复降低中心化风险，同时也能作为中心化算力的一种补足。 • 且本身 AI 领域的团队也处于一个分岔口上，是否利用已训练好的大模型构建自身产品，还是参与到训练各自地域内的大模型，这样的选择也多是辩证的。因而去中心化算力能满足不同的业务需求，这样的发展趋势是喜闻乐见的，且伴随技术的更新和算法的迭代，势必在关键领域也会有所突破。 • 至不惧，而徐徐图之。来源：金色财经

金色财经2023-11-28

特斯拉投资者：我心目中的年度最佳CEO不是马斯克

。随着OpenAI的人工智能聊天工具ChatGPT的兴起，纳德拉也迅速采取行动，加深了微软与该公司的联系，今年早些时候向OpenAI投资了100亿美元。在最近OpenAI的“政变”风波中，纳德拉力挺该公司联合创始人萨姆·奥特曼，在他和其他OpenAI投资者的支持下，奥特曼最终得以重返这家人工智能公司，并发帖对纳德拉表示感谢，承诺要与微软建立“牢固的”合作伙伴关系。

金融界2023-11-28

OpenAI的宫斗给微软敲醒警钟

首席执行官。这场闹剧持续了6天，而且，ChatGPT还出现了崩溃的迹象。有趣的是，首席科学家也参与了这次试图罢黜山姆的行动，而此前的首席科学家在未能将他挤出后离开了OpenAI。这位前首席科学家和其他研究人员于2021年成立了竞争对手Anthropic。谷歌母公司Alphabet最近向Anthropic投资20亿美元，以资助由对Sam Altman领导不满的OpenAI员工组成的竞争对手。这家人工智能初创公司甚至将使用来自谷歌的TPU，而亚马逊据称已向这家人工智能公司投资了高达40亿美元。以下是Anthropic的创始成员： Dario Amodei - 首席执行官，前OpenAI研究副总裁 Jack Clark - 前OpenAI政策总监和传播总监 Tom Brown - OpenAI技术人员 Sam McCandlish - OpenAI研究领导随着山姆和Greg Brockman重新掌管OpenAI，投资者需要注意新的董事会指导该组织。Bret Taylor、Larry Summers和Adam D'Angelo是一个更强大的董事会，尽管他们不太可能像前任董事会那样肩负人工智能公共安全的核心使命。来源：OpenAI 一个被释放的山姆，没有为公共安全和造福全人类而构建的董事会，实际上可能会进一步发展生成型人工智能领导力。由乔治城安全和新兴技术中心的海伦·托纳和OpenAI首席科学家Ilya Sutskever领导的董事会成员，他们可能不会因为安全原因而减缓AI的发展。最终，显然有数百名客户联系了Anthropic、谷歌云和人工智能初创公司Cohere，寻求替代的人工智能服务。此外，微软显然在与OpenAI的竞争中遇到了问题，因为山姆可能会进一步转向商业化机会，而不像之前的结构那样努力束缚这些行动，因此在签约客户方面受到的影响更大。微软肯定会从OpenAI价值高达900亿美元的大笔投资中受益，但该公司也没有完全控制这项技术。OpenAI产生的所有价值并不会全部流入微软，除非它成为这家科技巨头的收入。陡峭的价值飙升尽管微软全速推进Copilot和其他人工智能产品，但企业对购买新的人工智能软件工具仍然采取谨慎态度。这家科技巨头仅对第二财季的收入进行了指导，预计为606亿美元，增长15%。虽然由于人工智能，微软有巨大的增长机会，但其股价现在已经超过了实际的潜力。该公司已经创造了2400亿美元的年收入，预计未来几年将有1000亿美元的人工智能增长，这是一个巨大的推动，但考虑到微软的相对规模，这并不是一个巨大的提高。该股目前市值接近3万亿美元，24财年（截至6月）的营收为2430亿美元。预计营收仅会以15%的速度增长，而股价接近销售额的12倍。事实上，该公司2028财年的营收为4050亿美元，市盈率为7倍，这表明该公司股价在未来5年内可能不会反弹。其他所有科技巨头的股价现在都比微软低得多，Alphabet和Meta的预期市盈率只有6倍。数据来源：YCharts 在接下来的几周和几个月里，该股肯定会走得更高。许多分析师给出了400美元以上的目标价。奇怪的是，目前普遍的目标价只有406美元，只有7.6%的上涨空间，而微软在53个评级中有35个评级是强烈买入。来源：Seeking Alpha 实际上，大多数分析师已经完全看好该股票，从目前的水平来看，提供的额外上涨空间有限。投资者更像是将400美元视为退出点，而不是进入点。结论 OpenAI的戏剧性事件可能不会损害人工智能业务，但这一戏剧性事件肯定会促使企业研究其他人工智能来源。与科技同行相比，微软的估值已经处于溢价和过高水平。投资者应该利用任何进一步向共识目标价格上涨的机会，在高点退出该股，并意识到这不是未来几年人工智能大幅上涨的起点。 $微软(MSFT)$

老虎证券2023-11-27

中文在线(300364)早盘跌幅超15%，主力资金净流出4.23亿元

。所属题材有文化传媒、短剧互动游戏、ChatGPT概念、AIGC概念、数字阅读等。消息面上，近日中文在线的海外子公司Crazy Maple Studio（枫叶互动）推出的真人短剧App——ReelShort在北美市场受到欢迎。公开数据显示，11月中旬，ReelShort一度跃居美国iOS总榜第3名、应用榜第2名、娱乐榜第1名。以上信息不构成投资建议。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2023-11-27

美股科技公司业绩进入上行期，美股ETF延续修复

生图模型DALL E·3性能强大，植入ChatGPT和BingAI搜索，展望谷歌Gemini等多模态大模型提升用户交互体验，促进AIGC应用产品形态和功能的创新，提升用户付费意愿。 B端与C端AIGC应用双管齐下，微软和谷歌在AI+办公、AI+搜索生成领域同台竞技，Meta、亚马逊、Snap推出AIGC工具落地广告、电商和社交平台。 AIGC+生态系统趋势初步显现，形成AI时代的流量护城河。微软逐步建立以操作系统Copilot为核心的AI生态壁垒，AIGC的价值不局限于业绩增量，而是作为全新的流量入口，提高微软产品矩阵的用户粘性。谷歌将Bard和DuetAI与20余款应用产品有机结合，形成强大的集成能力，Pixel 8新机内置Google AI基础模型，搭载系统内置AI功能。三、投资建议及后续展望：受益于有利的经营周期、宏观经济韧性，加息周期接近尾声，叠加生成式 AI带来的技术创新驱动等，我们对美股科技和生物科技板块继续维持看好。未来12~18个月，受益于半导体行业库存水平见顶回落及下游需求逐步复苏、欧美企业IT支出企稳回升、科技巨头不断优化自身运营效率等支撑，美股科技板块有望处于相对确定的业绩上行周期，生成式AI 亦将逐步带来业绩增量贡献。相关产品： 1、纳斯达克ETF(513300)及其联接基金(A类：015299，C类：015300，A类美元现汇：015518)：纳斯达克被广大投资者誉为全球创新科技的风向标，其涨幅较大的公司也大部分集中在科技创新领域，包括人工智能、半导体芯片、新能源等。纳斯达克ETF(513300)跟踪纳斯达克100指数，优选市值前100的非金融公司，重仓众多科技龙头如英伟达、特斯拉、苹果，为投资者提供了一键直达全球科技先锋的便捷通道。 2、标普ETF(159655)及其联接基金(A类：018064，C类：018065，A类美元现汇：018066)：跟踪的标准普尔500指数(代码：SPX.GI)成份股选自标普全市场指数，被广泛认为是衡量美国大盘股市场的代表性指数，该指数的成份股囊括了美国500家优秀上市公司。行业分布均衡，其中信息技术占比达到40.9%，可选消费与医疗保健分别占比12.7%与11.4%，金融、工业、日常消费等均有一定占比，跟踪上市企业总市值超40万亿美元。数据来源：Wind，光大证券，华泰证券，华夏基金，截至2023.11.22，以上个股不作投资推荐。以上产品风险等级为R4(中高风险)，本基金为股票基金，其预期风险和预期收益高于混合基金、债券基金与货币市场基金。基金主要投资于标的指数成份股及备选成份股,在股票基金中属于较高风险、较高收益的产品。本基金为境外证券投资的基金，主要投资于美国证券市场中具有良好流动性的金融工具。除了需要承担与境内证券投资基金类似的市场波动风险等一般投资风险之外，本基金还面临汇率风险、美国市场风险等境外证券市场投资所面临的特别投资风险。跨境ETF实行T+0回转交易机制资金运作周期缩短，可能带来短期波动风险。本基金为ETF基金，投资者投资于本基金面临跟踪误差控制未达约定目标、指数编制机构停止服务、成份券停牌等潜在风险、标的指数回报与股票市场平均回报偏离的风险、标的指数波动的风险、基金投资组合回报与标的指数回报偏离的风险、标的指数变更的风险、基金份额二级市场交易价格折溢价的风险、申购赎回清单差错风险、参考IOPV决策和IOPV计算错误的风险、退市风险、投资者申购赎回失败的风险、基金份额赎回对价的变现风险、衍生品投资风险等。对于ETF联接基金，基金资产主要投资于目标ETF，在多数情况下将维持较高的目标ETF投资比例，基金净值可能会随目标ETF的净值波动而波动，目标ETF的相关风险可能直接或间接成为ETF联接基金的风险。ETF联接基金的特定风险还包括：跟踪偏离风险、与目标ETF业绩差异风险、指数编制机构停止服务风险、标的指数变更的风险、成份券停牌或违约的风险等。本资料不作为任何法律文件，观点仅供参考，资料中的所有信息或所表达意见不构成投资、法律、会计或税务的最终操作建议，我公司不就资料中的内容对最终操作建议做出任何担保。在任何情况下，本公司不对任何人因使用本资料中的任何内容所引致的任何损失负任何责任。市场有风险，入市需谨慎。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2023-11-27

智能驾驶产业链景气度“遥遥领先”

T-4再到11月6日发布的“史上最强”ChatGPT，大模型性能不断迭代提升，有望赋能车端智能化。传播学之父有着著名的“最后7分钟”论断：“如果人类的历史共100万年，放到一天里来看的话，这一天的前23个小时人类传播史是一片空白，一切最重大的发展都发生在这一天的最后7分钟”。而大模型的发展也可能是非线性的，伴随训练数据量和模型参数的持续提升，应用端智能化“奇点”有望来临。科创100ETF（588190）聚焦尖端科技领域，是投资者布局AI大模型的有力工具。从产业趋势落地节奏来看，汽车智能化政策、技术、商业三方面共振，已然进入高速增长期。 1、政策端：L3级别智能驾驶被认为是辅助驾驶和自动驾驶的分水岭，在L3级别之后，驾驶主导权从驾驶员逐步移交至自动驾驶系统。当前，海外部分国家L3级别智能驾驶政策已出台，如美国2023年6月加州机动车辆管理局向某车企颁发了加州首张自动驾驶车辆部署许可证；2021年12月德国在法律层面认可L3自动驾驶上路；日本2023年4月发布《道路交通法》修正案，自2023年4月1日起解禁“Level 4”级（L4级）自动驾驶出行服务以及利用自动配送机器人的业务；英国2023年6月起首次允许无人驾驶汽车商用。国内也高度重视智能网联汽车的技术标准制定、法规政策推进和产业生态建设，采取了地方试验立法在前、顶层设计总结立法在后的模式。一线城市方面，（1）2023年7月北京市在京开放智能网联乘用车“车内无人”商业化试点，支持企业达到相应要求后在示范区内面向公众提供常态化自动驾驶付费出行服务；（2）上海市2023年7月为三家企业发放浦东新区无驾驶人智能网联汽车道路测试牌照；（3）深圳市前海管理局2023年6月和企业合作致力于在前海合作区落地深圳最大规模的无人驾驶乘用车队和自动驾驶巴士运营车队。 2023年7月，《国家车联网产业标准体系建设指南（智能网联汽车）（2023版）》发布，强调“到2025年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系，到2030年全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标准体系”。 2、技术端：2021年7月海外电车龙头展示的BEV（Bird’s Eye View，鸟瞰图）+Transformer的自动驾驶视觉感知新范式为国内车企打开了研发思路，2023年这一技术已从预研走到了量产落地阶段。BEV+Transformer的核心思路是，将视觉感知硬件摄像头获取的2D图像通过加测距的方式融合转化为鸟瞰图视角下的3D感知，从而避免2D图像视角下的远小近大和遮挡问题，算法能够对被遮挡区域进行预测。简单理解，就是在BEV+Transformer的加持下，智能驾驶视觉感知系统更像“人眼“和”人脑“了。在这种范式下，传统智能驾驶的激光雷达和高清地图的必要性边际降低，智能化新车型逐步以”无图导航“为新潮流。图：汽车智能化重要指标渗透率情况（信息来源：易车网、汽车之家、华安证券）（3）商业端：商业化层面，供给侧，配置智能驾驶功能的车企越来越多了。2023年NOA（Navigate on Autopilot，自动导航驾驶）由高速向城区迈进，以新势力为代表的自主车企年内均有城市辅助驾驶落地规划，部分车企用户总里程中，城市道路占到71%，对应的用车时长更是达到90%。此外，部分厂商的“无图“版本也将于年内上车。据高工智能汽车数据显示，2023年1-4月，实际标配NOA的车型交付量为11.2万辆，同比增长85.3%。科创100ETF（588190）布局硬科技领域，是投资者捕捉高新技术发展机遇的有力工具。需求侧，越来越多消费者认可智能驾驶、智能驾驶功能成为消费者购车新决策参考。海外某电车龙头的用户中超40万名付费测试FSD功能，截至今年6月，FSD用户测试版累计行驶里程超过4.83亿公里。国内据相关调研，智能化体验成为用户重要购车因素之一。在汽车被视为下一代智能终端的现在，车联网、车载娱乐系统、智能驾驶系统、安全防护系统、感知与定位系统等，用户在使用车辆过程中的多样化需求被车企深挖，并作为差异化竞争的抓手。图：有购买意向用户和大盘用户的智能驾驶关注点（信息来源：地平线、天风证券）智能驾驶产业链的景气度最终指向上游算力需求的突出：海外电车龙头智能驾驶算法领先国内头部玩家约2年，归根结底，要回归到其训练平台算力的优势上。早在2022年，海外电车龙头的训练平台算力已达2 EFLOPS（每秒百亿亿次浮点运算次数）。2023年7月该公司更是投产Dojo超级计算机，计划在2024年10月总算力达到100EFLOPS。反观国内头部新势力车企2023年最新披露训练平台算力均低于2EFLOPS，差距仍存。算力芯片长期市场空间广阔，半导体国产替代势在必行：早在2021年AI Day，海外电车龙头就公布了超级计算机Dojo计划并宣布自研AI训练芯片D1，该芯片算力介于市场上常见的A100和H100之间，是支撑智能驾驶长尾场景覆盖、海量数据训练的基石。我国智能电车供应链相对完备，唯有上游算力芯片端有所缺失，在美国强化对我国高性能AI芯片出口限制的背景下，国产半导体企业迎来发展窗口期。整体来看，在智能驾驶题材的高景气带动下，新能源车产业链和半导体产业链迎来需求共振，科创100ETF（588190）跟踪的科创100指数第二大权重行业为电子、第三大权重行业为电力设备新能源，有望受益于智能驾驶产业趋势不断落地的进程，值得重点关注。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。

金融界2023-11-27

A股避雷针：2家公司公告踩雷“跑路瑜瑶”，粤万年青称没生产销售专门治疗支原体肺炎药品

置风险伟时电子：目前的产品没有涉及到ChatGPT Voice终端硬件 *ST泛海：拟将本金约2.102亿美元债进一步延期兑付长光华芯：购买的6000万元信托产品预计逾期兑付龙版传媒：多维边疆知识服务产品数据库暂未实现盈收

金融界2023-11-27

24小时热点