FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Crypto与AI的交融：AO计算机的万亿美元潜力

I领域 · 计算需求、数据存储和带宽：LLaMA-3模型需要大量的计算资源（RAM、GPU功率）。以太坊并没有针对LLM推断所需的大规模数据存储和高带宽进行优化。 · 延迟和性能：以太坊的交易速度阻碍了有效使用AI模型所需的低延迟、高吞吐量环境。没有用户想要等待12秒（以太坊的区块时间）之后才能拿到结果。 · 成本：链上AI推理非常昂贵。因此，当AO上周宣布大语言模型（LLM）可以运行在智能合约上，将智能直接引入区块链时，我感到非常兴奋。这将能够在一个无需信任的网络中整合类似人类的决策。 · 内存运行AI模型需要将模型参数加载到内存中。参数越多，对内存的要求就越高。运行像Llama-3-8B这样相对较小的模型至少需要12GB内存。GPT-4的参数超过1.76万亿，GPT-5预计有50万亿参数。人工智能模型只会越来越大。如今的区块链在内存方面非常有限。从协议级别来看： · 以太坊有48KB内存用于执行智能合约 · Solana有10MB内存 · 即使是进军人工智能领域的互联网计算机（ICP），其内存也只有约3B，人工智能应用能力有限。 AO在其执行环境中使用WebAssembly，现支持WASM64，从而可支持高性能应用程序。目前，AO的内存限制为16GB，协议级别上限为18EB。这使它能够运行繁重的计算，比如Llama-3或Phi 3（非量子化）推理。 · 数据存储 WeaveDrive是一个新功能，它使AO应用程序能够像访问本地硬盘一样访问Arweave的所有数据。通过作为智能合约中的本地文件系统，WeaveDrive提高了数据存储和检索的效率和可访问性。更多的dApp将受到激励在Arweave上上传和存储数据。 AO computer框架通过利用单个机器的全部计算能力，实现了大AI模型的直接链上执行。通过将无界执行环境与高效且可访问的数据存储相结合，AO显著扩展了链上应用程序的设计空间，特别是那些计算密集型和AI驱动的应用程序。这促进了具有类似智能合约保障的自主智能体的发展。 Cron作业（这是大多数区块链上原生不可用的功能）和自主智能体的集成将显著促进链上活动，促进更复杂的动态交互。随着我们越来越接近一个AI无处不在的时代，许多人都低估了这一突破的重要性。 Llamaland是一款基于AO computer的MMO AI游戏。在Llamaland，用户可以向Llama King提交请愿书，Llama King是一个AI智能体，它使用大语言模型（LLM）审查他们的请愿书，并决定向每个用户分配多少meme币。值得注意的是，整个过程完全在链上执行，使其成为完全链上运行的LLM的第一个实现。虽然它还没有上线，但你可以留心关注其发展动态。 5、建设Permaweb 6月6日，Arweave发布了3个重要公告： · Forward Research收购Odysee · Autonomous Finance推出AgentFi · AO为AO生态系统的builders（建设者）提供3500万美元融资在我看来，最引人注目的举动是收购Odysee。大多数人都低估了Odysee。 Odysee是一个没有人听说过的最大的Web3社交应用。 Odysee拥有超过700万的月活跃用户（是Farcaster月活跃用户的20倍）和每月220万的网站访问量。Odysee是一个更开放的YouTube版本，利用区块链技术为创作者提供更大的控制权和自由。与依赖传统广告收入分成的YouTube不同，Odysee使用LBRY Credits (LBC)奖励创作者。 Odysee是互联网上的一个暗角，在那里言论自由得到重视，内容更少被过滤。它的“Wild West”尤其引人关注，因为那里提供了更多未经过滤的争议性内容。据SimilarWeb称，其很大一部分用户来自欧洲，尤其是法国、西班牙和德国。虽然在规模上无法与YouTube匹敌，但Odysee仍然吸引了大量用户，这些用户可能是AO应用程序的潜在用户。 Odysee现在将建立在Arweave基础设施上，将其平台添加到permaweb上，让创作者对自己的内容有100%的控制权。 AO目前在其测试网络上运行，使用权威证明（PoA）安全机制。主网上的大多数应用程序将采用权益证明（PoS）机制。主网上线日期尚未确定。在过去的三个月里，其测试网每天大约有7000个活跃用户，有3000到4000个流程，发送了1.82亿条消息。虽然这些数字并不惊人，但它们足以表明这是一个虽小但活跃的社区。 · Dexi Dexi自动收集和组织资产价格、交换、流动性等方面的数据。可以把Dexi想象成一个基于区块链的彭博社。它由自主智能体网络管理，托管在Arweave上，可连接到所有可用的流动性池。 Dexi是无需许可的，直接从Dexi聚合智能体提取数据。这种设置确保了抗审查性，所有信息都可以在链上验证。 · 0rbit 0rbit是一个去中心化oracle网络，有两个主要组件：一个AO模块和一个可以从互联网上任何地方获取数据的节点网络。这是在AO上构建有用应用程序的关键基础设施。 AO模块与0rbit节点交互以发送数据请求和接收结果。任何人都可以运行节点并为网络做出贡献。从互联网异步获取数据，意味着流程不必等待响应。目前，0rbit可以从用户定义的网站API中获取新信息，从Coingecko的API中获取价格信息流。我在AO上发现了一些其他有趣的东西，包括AMM（Bark、Permaswap、ArSwap）， Trunk（AO meme币）和Astro（使用AR作为抵押品的超额抵押稳定币）。AO还处于早期阶段，许多项目还没有经过生产测试，或者还没有显现大量交易。 6、AO代币经济学 AO代币于6月14日上线，铸币追溯至2024年2月27日。它的发行方式很公平，没有投资者或团队分配，我很喜欢。铸币时间表显示出类似比特币的分发模式，没有预先挖矿，总共有2100万枚代币。新的铸币量每4年减少一半，但这是一个平滑的过程，不像突然的减半事件。新的AO代币将进行如下分配： · Arweave代币持有者（36%） · stETH、SOL等质押资产的桥接者（64%）到目前为止，已经铸造了约100万枚代币，其中大部分已追溯分发给AR代币持有者。AR代币持有者将继续以每5分钟的时间间隔赚取AO代币。来自测试网的AOCRED代币可以以1000:1的比例转换为AO。重要的是：AO代币在总供应量的15%完成铸造之前（大约在2025年2月8日）是不可转移或交易的。这为羽翼未丰的生态系统的发展和主网的启动提供了时间，AO代币将用于保护网络的安全。 · 通过持有AR铸造AO 我对每个AR代币的预期回报率做了一些计算。这里的计算假设1 AR = 30美元。 · 持有1 AR代币的持有者将在未来12个月内收到大约0.016 AO代币。 · 在12个月的时间里，流通中AO大约为420万。 AR持仓APY是适度的，根据预期的FDV，为2.5%到50%不等，这反过来又取决于下一年代币可交易时的市场情况。假设2025年市场情绪良好，100亿美元的FDV可能相当合理，这也就意味着25%的APY。 · 通过桥接stETH等资产铸造AO 持有桥接总锁定价值（TVL）的0.01% 满12个月将获得约210枚AO代币。截至6月25日，约有3.2亿美元的桥接stETH用于铸造AO，根据TVL和FDV的不同，APY高达33% - 600%。APY预估是不稳定的，并且严重受桥接资产总价值（TVL）和预期代币FDV的影响。这对于如今持有stETH的人来说是一个非常有吸引力的低风险收益机会。 APY将随着越来越多的用户意识到这一点并桥接他们的stETH而降低。桥接stETH铸币的想法对AO团队和用户来说都是双赢的。桥接stETH可产生可观的收入（10亿美元的存款每年收入约为3000万美元），这将为生态系统项目和其他开发活动提供资金。监控桥接资产的TVL至关重要，因为它可能会与AR代币价格形成平衡。如果保持相对较低的TVL，更多的人可能会将AR出售给使用质押资产的矿商，反之亦然。母代币AR的总供应量为6600万枚，流通中代币有6500万枚。AR具有潜在的反通胀属性，因为用于数据存储的AR会进入捐赠基金，只有当挖矿变得无利可图时，捐赠基金才会释放AR代币。 7、我对AO的看法当考虑一个协议是否会获取成功时，我喜欢把它分解成更小的几块来看。我问自己这样一个问题：AO要想取得Solana般的成功，最重要的事情是什么？ · 对AI智能体和加密应用的高需求：鉴于过去两年人工智能的快速发展，这似乎是当前的发展轨迹。其他区块链正在开发使用zkML/OpML等技术的链下计算，但目前只有AO能够在链上直接支持完整的人工智能计算。 · 与主要区块链的可组合性：AO必须与其他主要区块链紧密集成。期望现有的开发人员和应用程序完全迁移到AO是不现实的。因此，与现有生态系统搭建桥梁和通信管道至关重要。 · 开发社交层：最终，区块链的成功将无关交易速度或低费用。培养一个充满激情的开发者社区以及吸引用户是获取广泛采用的关键。监控开发者活动和社交媒体情绪可以在一定程度上充当衡量指标。我将密切关注这三个方面，并相应地调整我对AO的看法。 8、其他想法 · AO computer以一种完全不同于传统区块链的方式进行去中心化计算。可能成功，也可能失败。但在链上执行大型计算的能力是AI时代的一个重要解锁。 · AO使用面向参与者的方法。这些平台用于需要高并发性、模块化和可扩展性的系统。虽然参与者模型具有理论优势，但其能否获取广泛采用和大规模成功仍有待证明。面临的挑战包括处理意外故障以及维护分布式参与者之间的一致性。 · AO处于极早期。我在测试网络上发现大多数用户都在尝试基于文本的聊天和游戏。还需要构建工具，这需要时间。由于使用的架构和语言不同，直接从其他链移植应用程序并不容易。总的来说，AO感觉就像2021时的早期的Solana，当时它只有少数几个应用程序和不少怀疑的声音。 · 需要长期信念：AO需要高度的信念。短期交易者可能很难找到直接的催化剂，因为代币要到2025年才能交易。 · 对Arweave的需求：AO将为AR创造持续的需求，既是增长催化剂，也是面向应用程序开发的新平台。AO上的每个流程都将在Arweave上写入数据，并驱动AR的效用。 AI和crypto无疑是这个十年里最重要的两个技术范式转变。AI和加密技术的交融将是颠覆性的。未来，我们可能会回顾过去，不明白为什么当初我们没有更多地关注这方面。我的直觉告诉我，AO将是带领队伍前进的先锋力量。来源：金色财经

金色财经2024-06-27

Depin+AI双重爆点,首个100% PoW的AI 算力项目 DEKUBE组队活动上线

一定比例token分配给参与者。完成Llama2 70B分布式训练测试：DEKUBE是市场上唯一主打分布式大模型训练场景的项目，已经完成Llama2 70B分布式训练测试。GPT4的单次训练成本高达上亿美元，且需要上万张英伟达高端显卡同时并行计算，而推理、渲染的单次成本仅需几美分，少量显卡甚至单卡即可完成。因此现阶段训练的市场需求要比推理渲染大得多，技术也难得多。相比之下，当前Web3市场其他类似的GPU网络，如Render和io.net等项目主要针对的还是渲染场景，DEKUBE的天花板和技术门槛明显更高。最近DEKUBE也陆续与一些北美大模型项目合作，为其大模型训练提供算力支持，展示了其卓越的技术能力。破圈效应：此外，该项目也有效的从Web2破圈获取GPU用户，以及获取企业级客户以及收入。据悉项目已经与一些PC game达成合作，引入PC游戏玩家贡献GPU的闲置算力，积分活动上线1个月已经获取70,000+GPU 接入。而众多AI创业公司和团队，也将是DEKUBE算力的买家和忠实用户。通常一个小型AI大模型研发，每年算力采购金额超过百万（20万美金），假设有上千家中小AI大模型团队采购DEKUBE算力，届时算力销售收入将超过数亿美金！而其收入的绝大部分将用于从市场回购销毁DEKUBE token，以及支持生态持续建设发展，打破一般Web3项目没有现实收入，无源之水的窘境。 Token分配及测试网激励方案：根据DEKUBE的代币分配方案，测试网及服务节点、计算节点将总计获得20%的测试代币，这些代币需在主网发布后批量兑换为主网代币。其中，测试网活动产出占7.5%，限积分活动前10,000名合格参与者，TGE主网发布后代币在12个月内线性产出。主网上线前，保障整个网络平稳运行的服务节点产出占5%，用于任务管理并确保基础网络稳定性和安全性，TGE主网发布后代币48个月线性发放；计算节点产出占总量7.5%，将用于GPU集群协同和AI测试任务的基础算力供应和保障，TGE主网发布后代币将12个月线性排放。节点部署的技术文档可以在官网查询。主网代币发行占到80%，届时将通过全网GPU PoW的方式产出，详情将于官网/官推稍后公布。此外，相较于IO复杂的接入流程，DEKUBE客户端显得非常简单便利。以Windows为例，只需要安装一个客户端，实测整个过程2、3分钟即可完成。透明的DAO管理机制除100% PoW机制外，DEKUBE的去中心化自治组织（DAO）管理机制是项目公开透明和社区友好的核心。DEKUBE DAO由早期参与者的贡献建立，并通过多重签名投票进行社区治理，确保资金分配用于项目的持续开发、生态系统扩展、基础设施建设和维护、市场运营等。这种管理模式不仅增强了社区的参与感和责任感，也为项目的长期发展提供了坚实保障。 DEKUBE DAO的财务透明性和社区参与度是其去中心化治理的关键。通过多重签名投票机制，社区成员可以直接参与项目决策，确保每一笔资金的使用都公开透明。这种去中心化的治理模式提升了项目的可信度，并增强了社区成员对项目的信任和支持。新叙事的市场需求在牛市来临之际，市场对于新的叙事和创新模式有着迫切需求。AI与DePIN的结合，作为两个热门领域的交汇，预期将在Web3市场掀起新一轮的浪潮，为投资者带来新的增长点和投资机会。DEKUBE通过采用分布式算力协议，有效聚合了海量闲置算力，为AI发展提供了高性价比的支持。这种“用小马拉大车”的策略，既优化了算力资源的利用效率，也为项目的可持续发展提供了坚实基础。 DEKUBE通过整合全球闲置的算力和显卡资源，显著降低了AI开发的门槛，为AI技术的广泛应用和接入提供了强大的算力支持。这不仅推动了AI技术的普及，也为投资者打开了参与高科技赛道的新门路。通过这种整合，DEKUBE为AI开发者和企业提供了一个高效、经济的计算平台，促进了AI技术在各个行业中的应用。竞品分析可比Web2项目： AWS（Amazon Web Services）是亚马逊的全球领先云计算平台，提供200多项服务，作为老牌云服务提供商，主要通过稳定的服务面向客户，AWS上的GPU按需价格每台机器的年成本可高达85.8万美元，对比企业自主采购硬件，价格优势并不明显。Replicate简化机器学习应用，通过其云平台提供便捷的模型运行、部署和扩展服务，拥有广泛的开源模型库，通过减少模型部署和运行的复杂性来降低成本，适合快速迭代和实验的需求，吸引了a16z、红杉资本等顶级投资机构的青睐。CoreWeave 主要业务包括按小时租赁 GPU，包括最新的 Nvidia H100 GPU，也包括每小时运行成本低得多的旧版本。CoreWeave 的定价远低于客户为 AWS、Replicate、甚至甲骨文的 GPU 支付的价格。可比Web3项目： Gensyn是一个分布式计算网络，用于训练 AI 模型，旨在建立人工智能（AGI）算力市场。将复杂的机器学习任务分解成多个子任务，借助参与者的计算资源，实现高度并行化的计算。通过智能合约自动化任务分配、验证和奖励，然而，针对去中心化训练大型模型的前景，仍面临通信和隐私等挑战，需要重新评估可行性。 io.net是去中心化计算网络，支持在Solana区块链上开发和扩展机器学习应用，形成全球最大的GPU集群，聚合未充分利用的GPU资源，为工程师提供高效计算能力。从官网的应用案例上来看，由于没有自己的高速数据传输网络，而是搭建在Solana链上，前期主要针对的需求场景还是图片渲染等，其需求市场规模有限。但目前项目估值仍然达到几十亿美金。此外，经济模型中，投资人和团队占了较大token份额，未来的抛压也值得关注。积分活动：广泛参与与激励 DEKUBE目前正在进行积分活动（活动参与入口：https://dekube.ai/earn/EPJVQE），已有超6万张GPU接入，显示了社区的广泛参与和项目的强大吸引力。参与者通过挖积分，可以获得测试网资格并获取项目的GENESIS代币。这一活动不仅增加了社区的参与度，也为项目的测试网提供了宝贵的数据和支持。为了进一步增强社区的互动性和参与感，DEKUBE还推出了2.0组队玩法。通过组队玩法，参与者可以联合起来，共同挖积分、开宝箱以及争取参与测试网的资格，并在组队过程中分享经验和策略，从而争取更多的奖励和测试网资格。此外，目前参加GPU组队活动，还可以获得开宝箱机会，宝箱中可开出积分、USDT、测试网资格等奖励，单个宝箱最高5000U奖励，组队过程中单个账户理论上最高可以开825个宝箱，非常适合有GPU的朋友和社区组团参与。这一创新玩法不仅提升了积分活动的乐趣，也促进了用户邀请和裂变，因此GPU数量正在快速增长中。由于越早参与、邀请好友可以获得更多开宝箱的机会，相信活动可以在社区中形成传播甚至一定程度FOMO。积分活动目前有GPU的用户非常方便接入，没有额外的投入，建议大家尽早开始组队，以便在后续的活动中占据有利位置。总结 DEKUBE的100% PoW 经济模型可以让用户更公平、放心的参与，更合理的分配Token，类似于早期的BTC；而通过已经测试验证过的GPU聚合技术、大模型优化和切割训练等技术，极其简化的客户端，可以将家用GPU算力资源得到有效释放与应用，协同训练大模型。相比传统的Web2模式有明显的算力成本优势和无限扩张的供给弹性；和一般Web3项目相比，突破了类似于io.net的B端使用场景需求不足、市场空间有限等问题，以及C端用户进入门槛过高等问题。此次积分活动+组队活动的上线，意味着参与者不仅有机会能够获得测试网资格和GENESIS代币空投机会，还能在一个公平、透明的机制环境中为项目的发展贡献力量，获得好的回报。也期待类似DEKUBE这样的技术驱动、公平机制驱动的项目，在AI+DePIN深度融入Web3行业发展的浪潮中，开辟出全新的商业价值实现路径。来源：金色财经

金色财经2024-06-27

挑战英伟达！史上最快AI芯片诞生，AI人工智能ETF(512930)连续3日获资金净流入

能，Etched声称，Sohu芯片推理Llama-3 70B的速度比英伟达的H100快20倍，而功耗却大大降低。6月25日，Etched宣布完成 1.2 亿美元的 A 轮融资，多个行业知名投资者参与了本轮融资。国金证券表示，建议关注AI应用+内容板块，关注AI产业（模型、应用、硬件）变化。大模型持续升级，算力需求不断提升，云厂商增加AI资本开支，带动AI芯片、AI服务器、光模块、交换机等需求高景气，下半年智能手机、AIPC将迎来众多新机发布，三季度有望迎来需求旺季，中长期来看，AI有望给消费电子赋能，带来新的换机需求，看好AI驱动、需求复苏及自主可控受益产业链。关注人工智能，AI应用发展以及娱乐消费、线上购物的投资者，可借道线上消费ETF平安(159793)、AI人工智能ETF(512930)把握投资机遇。线上消费ETF平安(159793)紧密跟踪中证沪港深线上消费主题指数，中证沪港深线上消费主题指数从内地与香港市场中选取50只主营业务涉及线上购物、数字娱乐、在线教育以及远程医疗等领域上市公司证券作为指数样本，以反映内地与香港市场线上消费主题上市公司证券的整体表现。数据显示，截至2024年6月18日，中证沪港深线上消费主题指数(931481)前十大权重股分别为美团-W(03690)、腾讯控股(00700)、快手-W(01024)、科大讯飞(002230)、哔哩哔哩-W(09626)、昆仑万维(300418)、京东健康(06618)、金山软件(03888)、恺英网络(002517)、世纪华通(002602)，前十大权重股合计占比54.05%。 AI人工智能ETF(512930)紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年5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)、中际旭创(300308)、科大讯飞(002230)、韦尔股份(603501)、新易盛(300502)、金山办公(688111)、紫光股份(000938)、澜起科技(688008)、中科曙光(603019)、浪潮信息(000977)，前十大权重股合计占比51.54%。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2024-06-27

FX168日报:黄金突然大跌的原因在这！金价正逼近2310 白银暴跌破位交易员料日元跌至170

与Meta达成协议，将其AI聊天机器人Llama放在其设备上。但彭博社周二的一份新报告也援引不愿透露姓名的知情人士的话说，苹果拒绝了这样的交易。隐私问题成为人工智能发展关键因素 Meta痛失与苹果合作机会 8.在周四晚美国总统大选首次辩论之前，全球16位最著名的经济学家(均为诺贝尔奖获得者)警告称，如果前总统唐纳德·特朗普在11月赢得总统大选并推进其经济计划，可能会引发通货膨胀。 16位诺贝尔经济学奖得主“联名上书”：特朗普的政策将加剧通胀市场概述周二，受到美联储官员的鹰派言论提振，美元走高。追踪美元兑六种主要货币的美元指数周二收盘上涨0.13%，报105.66。美联储理事鲍曼的言论首先推动美元走高，她在周二重申观点，即“一段时间内”维持货币政策稳定可能足以使通膨稳定，并表示，如果有必要，她愿意上调借贷成本。在她对今年剩余时间的展望中，鲍曼在问答环节中表示，她的经济预测不包括2024年剩余时间的任何降息；相反，她将之前预期的降息时间推迟到2025年。美联储理事库克则表示，鉴于通胀取得显著进展及劳动市场逐渐降温，今年“在某个时候”降息是适当的。但她对于放松政策的时间点仍含糊其辞。道明证券(TD Securities)全球外汇策略师Jayati Bharadwaj表示：“听美联储官员的谈话，会发现他们对于一份疲软的报告缺乏过多的评价，因为总体而言，今年初以来的报告仍较强劲。鉴于美国通胀前景的不确定性高于世界其它地区，他们的发言听起来非常含糊，而且也非常依赖数据。” 周二美国数据好坏参半，但美元守住涨势。报告显示，美国单户住宅价格在4月稳定增长，继3月持平后上涨0.2%。截至4月的12个月里，房价继3月上涨6.7%后上涨6.3%。美国6月消费者信心指数小幅下滑，从5月的101.3降至100.4。然而，6月数字略高于市场预测的100。这份报告并未真正影响美元。麦格理(Macquarie)全球外汇策略师Thierry Wizman表示：“此前部分疲软的数据，例如零售销售和失业救济申请，并不足以引发外汇反弹或美元走弱。要使美元走软，我们不仅需要看到美国一些疲软的数据，也需要看到美联储加速降息。我们将不得不看到有利于世界其它地区的数据差异。” 投资者正关注周五发布的美国个人消费支出(PCE)物价指数，这是美联储最青睐的通胀指标。美国股市周二涨跌不一。英伟达三连跌后大幅反弹。投资者关注最近出现的板块轮动状况。上周的美国公共假日会否成为了英伟达的转折点，新一轮市场轮动持续多久，英伟达何时调整到位，这些问题成为目前投资者关注的焦点。原油期货周二下跌，全球基准的布伦特原油收在一周多以来的最低点。布伦特原油前一交易日收盘触及近两个月高点，部分受市场对地缘政治的不安情绪所推动。汇市欧元：欧元/美元周二下跌，收报1.0707，跌幅0.16%。技术面上，汇价上行的初步阻力位于1.0742，进一步阻力位于1.0769，关键阻力位于1.0795；汇价下行的初步支撑位于1.0689，进一步支撑位于1.0663，更关键支撑位于1.0636。英镑：英镑/美元周二上涨，收报1.2686，涨幅0.1%。技术面上，汇价上行的初步阻力位于1.2704，进一步阻力位于1.2723，关键阻力位于1.2742；汇价下行的初步支撑位于1.2666，进一步支撑位于1.2647，更关键支撑位于1.2628。日元：美元/日元周二基本持平，收报159.64。技术面上，汇价上行的初步阻力位于159.90，进一步阻力位于160.12，关键阻力位于160.47；汇价下行的初步支撑位于159.33，进一步支撑位于158.98，更关键支撑位于158.76。股市周二(6月25日)，英伟达的反弹支撑了疲软的华尔街股市，并使美国股市指数接近历史最高水平。虽然只是一只股票，但英伟达有能力影响标准普尔500指数，因为它已经成长为华尔街最大、最具影响力的股票之一。道琼斯指数下跌0.76%，收报39112.16点；标普500上涨0.39%，收报5469.3点；纳斯达克综合指数升1.26%，收报17717.65点。英伟达公司在遭遇4300亿美元的抛售后，结束了连续三个交易日的暴跌，周二上涨6.76%。瑞银表示，英伟达近期的抛售并不反映技术或整体市场的前景恶化，因为其他需求信号是积极的。Neuberger Berman Group的史蒂夫·艾斯曼认为，这家芯片制造商的三天暴跌只不过是“昙花一现”。他周二在接受采访时表示，他持有该芯片制造商的“大量”股份，并认为这是一项长期投资，对未来几年都具有重要意义。欧洲股市周二(6月25日)收盘走低，尽管美国市场情绪在科技股引发的抛售后有所好转，但欧洲股市仍未能反弹。斯托克600 指数收跌0.23%，收报517.7点。各板块和主要交易所表现分化。工业股下跌 1.7%，医疗保健股上涨 0.8%。英国富时100指数收跌0.41%，收报8247.79点；德国DAX指数收报18177.62点，收跌0.81%；法国CAC 40指数收报7662.3点，收跌0.58%；意大利富时MIB指数收报33707.21点，收跌0.38%；西班牙IBEX35指数收报1118.9点，收跌0.48%。商品市场周二，受美元和美债收益率上升冲击，现货黄金价格大幅下挫近15美元。投资者正等待本周稍晚公布的的美国PCE通胀数据，以窥探美联储今年降息的时间点。现货黄金周二收盘重挫14.80美元，跌幅0.63%，报2319.33美元/盎司。 FXStreet分析师Christian Borjon Valencia指出，在美联储理事鲍曼的鹰派言论刺激下，周二美国国债收益率上升，美元开始复苏，金价在达到周高点2334美元/盎司后大幅下跌。周三亚市盘中，现货黄金短线突然大跌，金价从2321美元/盎司附近水平急跌，目前最低触及2310.51美元/盎司。 FXStreet首席分析师Valeria Bednarik指出，黄金价格目前承压，空头瞄准2300美元/盎司关口。白银方面，现货白银周二收盘暴跌2.3%，报28.89美元/盎司。 COMEX白银期货收跌2.05%，收报28.92美元/盎司。原油方面，美国WTI原油周二收跌约1%。投资者正在关注夏季燃油需求前景与黎巴嫩-以色列边境的紧张局势。纽约商品交易所8月交割的西德州中质(WTI)原油期货价格周二下跌80美分，跌幅为0.98%，收报80.83美元/桶。欧洲洲际交易所8月交割的布伦特原油期货价格周二下跌1美元，跌幅为1.16%，收报85.01美元/桶。由于市场预期夏季燃油需求旺盛，本月迄今，美国WTI原油与欧洲布伦特原油分别上涨4.9%和4.1%。但道明证券高级大宗商品策略师Ryan McKay表示，由于油价未能保持上行势头，基金清算了最近获得的多头头寸，导致原油市场周二下滑。 Rystad Energy全球市场分析总监Claudio Galimberti表示，乌克兰上周对俄罗斯石油基础设施发动一连串无人机袭击，加上伊朗支持的真主党和以色列之间紧张局势升级，已提振了布伦特原油价格。 Galimberti说道：“在地缘政治紧张局势不断升级的背景下，布伦特原油价格突破85美元/桶之际，可能是价格面临更大上行压力的开始。“ 周三(6月26日)关注重点（北京时间）： 14:00 德国7月Gfk消费者信心指数 16:00 瑞士6月ZEW投资者信心指数 18:00 英国6月CBI零售销售差值 22:00 美国5月新屋销售总数年化 22:30 美国至6月21日当周EIA原油库存 22:30 美国至6月21日当周EIA库欣原油库存 22:30 美国至6月21日当周EIA战略石油储备库存次日04:30 美联储公布年度银行压力测试结果更多重要事件请点击此处

会员

tqttier2024-06-26

隐私问题成为人工智能发展关键因素 Meta痛失与苹果合作机会

与Meta达成协议，将其AI聊天机器人Llama放在其设备上。但彭博社周二（6月25日）的一份新报告也援引不愿透露姓名的知情人士的话说，苹果拒绝了这样的交易。据Bloomerg报道，苹果拒绝Meta的一个原因是它对该公司隐私政策的担忧。两家科技巨头对苹果2021年的隐私变更存在分歧，Meta表示，该变更在2022年抹去了其100亿美元的收入。苹果在6月初的全球开发者大会上推出了其简单命名的AI功能集合Apple Intelligence。这家科技巨头还宣布与OpenAI达成协议，将ChatGPT集成到下一代iPhone、iPad和Mac操作系统中。苹果领导层还表示，它打算在未来增加其他型号，如谷歌的Gemini。据彭博社报道，苹果也在与Anthropic进行谈判，Anthropic是一家以优先考虑安全和负责任的人工智能而闻名的人工智能新贵。 Apple Intelligence正在承担一项复杂的任务，即在竞争激烈的AI市场中确保安全性和个性化。与此同时，Meta因其隐私问题和这些问题的半生不熟的解决方案而一再被引用。苹果和Meta没有立即回应Quartz的置评请求。

佳华1682024-06-26

io.net如何建成去中心化算力平台？

前除在第二阶段的测试网运行中，提供针对LLama 2 和 Stable Diffusion 模型推理过程的算力服务。 OctaSpace 是一个开源可扩展的分布式计算云节点基础设施，允许访问分布式计算、数据存储、服务、VPN 等。OctaSpace 包括 CPU 与 GPU 算力，服务用于 ML 任务的磁盘空间、AI 工具、图像处理和使用 Blender 渲染场景等。OctaSpace 2022 年启动，在其自己的 Layer 1 EVM 兼容区块链上运行。该区块链采用双链系统，结合了工作量证明（PoW）和权威证明（PoA）共识机制。 Clore.AI 是一个分布式 GPU 超算平台，让用户可以从全球提供算力的节点获取高端 GPU 算力资源。它支持 AI 训练、加密货币挖矿和电影渲染等多种用途。该平台提供低成本、高性能的 GPU 服务，用户可以通过租赁 GPU 获得 Clore 代币奖励。Clore.ai 注重安全性，遵守欧洲法律，并提供强大的 API 以实现无缝集成。从项目质量上来说，Clore.AI的网页较为粗糙，没有详细的技术文档验证项目自我简介的真实性和数据真实性，我们对该项目的显卡资源和真实参与程度保持存疑。和这几个同属去中心算力市场赛道中的其他产品对比，io.net是目前唯一一个任何人都可以无准入加入提供算力资源的项目，用户可以使用最低30系消费级 GPU参与网络的算力贡献，也有诸如Macbook M2，Mac Mini等Apple芯片资源。更充足的GPU和CPU资源和丰富的API构建使IO能够支持各种 AI 计算需求，如批量推理、并行训练、超参数调优以及强化学习等。而其后端基础设施则是由一系列模块化层构成的，能够实现资源的有效管理和自动化定价。其他的分布式算力市场项目多为面向企业的显卡资源进行合作，用户参与存在一定门槛。因此IO可能具备使用代币经济学的加密飞轮撬动更多显卡资源的能力。以下是io.net和竞品当前的市值/FDV对比：回顾与结语 $IO上线币安可谓是给这个开局就备受关注，测试网的火爆全网以及在实测延期中渐渐被众人攻击、质疑积分规则不透明的重磅项目的画上了一个配得的开局句号。代币在市场回调期间上线，低开高走，最终回归相对理性的估值区间。但对于因io.net强大的投资阵容慕名而来的测试网参与者，几家欢喜几家愁，大部分租赁了GPU但没有坚持参与每一季测试网的用户并没如愿获得理想的超额收益，反而面临“反撸”的现实。测试网期间，io.net 将每一期的奖池分为 GPU 和高性能 CPU 两个 pool 来分别计算，season 1 由于出现黑客事件积分公布推迟，但最终TGE时 GPU 池的积分兑换比例确定在近 90：1，在各大云平台厂商处租 GPU 参与的用户成本远远超过空投收益。season2 期间官方完整的实现了 PoW 验证机制，近 3w 个 GPU 设备成功参与并通过 PoW验证，最终积分兑换比例为 100：1。在万众瞩目的开局之后，io.net是否能实现它所宣称的为AI应用提供各种环节计算需求的目标，测试网后又还存留多少真正的需求，也许只有时间能给予最好的证明。来源：金色财经

金色财经2024-06-25

隔夜美股全复盘(6.25)| 英伟达跌近7%，为连续三个交易日下跌，市值跌破3万亿美元

acebook和Instagram上的Llama 3模型。礼来涨 0.7%，博通跌 3.7%，诺和诺德涨 0.23%，特斯拉跌 0.23%，美光跌 0.38%。 CVX涨2.6%，雪佛龙恢复位于澳洲的Wheatstone液化天然气工厂的全面生产。BA涨1.44%，NASA、波音再次推迟星际飞船机组人员从空间站返回。CABGY涨0.16%，PEP涨0.48%，嘉士伯已与百事可乐达成协议，百事可乐放弃了与Britvic合同中的控制权变更条款，这可能为嘉士伯将以31亿英镑(39亿美元)收购Britvic 铺平道路。 03 每日焦点 1、一再跳票的GPT-5可能大幅推迟，但预计性能将显著跃升，达到“博士水平”的智能。据媒体周日报道，OpenAI首席技术官Mira Murati近日透露，公司正在开发的新一代人工智能模型GPT-5，有望在2025年底或2026年初推出，在特定任务中达到博士级智能水平，标志着人工智能技术可能迎来又一次重大飞跃。 2、首款阿尔茨海默药即将进入中国医院，年治疗费用18万元 6.24 据一财，今年1月，中国国家药监局(NMPA)批准了由日本制药公司卫材和美国渤健共同研发的新药“仑卡奈单抗注射液”(商品名：乐意保/Leqembi)，适应证为用于治疗由阿尔茨海默病引起的轻度认知障碍和阿尔茨海默病轻度痴呆。记者从上海相关医院了解到，下周，仑卡奈单抗注射液就将开出首张处方。目前该药物尚未进入医保，患者自费一年的治疗费用约18万元人民币。 3、现代汽车工会与管理层工资谈判破裂六年来首现大罢工 6.24 据韩联社报道，韩国主要汽车制造商现代汽车公司的工会工人周一以压倒性多数投票赞成举行罢工。此前，公司管理层与工会之间的年度工资谈判破裂。如果执行，这将是该公司六年来的第一次罢工。据悉，公司方面提出了每月基本工资增加10.1万韩元(约73.50美元)的方案，并提供额外的奖金。 4、韩媒曝三星3nm良率仅20%，但仍不放弃Exynos 2500 6.24 据韩国媒体ZDNet Korea，Exynos 2500的良品率目前仅为20%，远低于量产标准，但三星仍在积极寻求解决方案，以期在今年10月前将良品率提升至60%。 5、比特币大跌5000美元近90亿美元潜在抛压袭来 6.25 比特币突然面临潜在的近90亿美元流动性冲击，价格在过去24小时大跌5000美元，最低至5.83万美元。此事牵涉早期的加密货币交易所Mt. Gox。2011年起，该平台遭到黑客攻击，有超过60万比特币被盗，并于2014年破产。负责管理Mt. Gox剩余资金的团队24日宣布，将于7月开始向十多年前失去资产的债权人偿还加密货币，方式为比特币和比特币现金支付。根据阿卡姆情报公司(Arkham Intelligence)的数据，截至周一，该交易所持有约141,687枚比特币，价值约87亿美元。投资者担心Mt. Gox的债权人可能会选择出售他们收到的比特币，给加密货币带来压力，因为比特币现在的交易价格比十几年前高得多。比特币基金创ETF获批以来最大两周资金流出规模 6.25 比特币投资产品连续第二周资金流出规模约6亿美元，这是自美国1月份批准比特币ETF以来的最大两周流出规模。总体而言，CoinShares International Ltd.数据显示，截至6月21日当周数字资产产品资金流出5.84亿美元。比特币产品占据了大部分资金流出，上周资金流出6.3亿美元，此前一周有6亿美元流出。据报告，Fidelity的比特币基金资金流出最多，达2.7亿美元；Grayscale的基金流失超过1.5亿美元资金。 04 今日前瞻今日重点关注的财经数据（1）19:00 美联储理事鲍曼发表讲话（2）21:00 美国4月FHFA房价指数月率（3）21:00 美国4月S&P/CS20座大城市房价指数年率（4）22:00 美国6月谘商会消费者信心指数（5）22:00 美国6月里奇蒙德联储制造业指数（6）次日02:10 美联储理事鲍曼发表主题演讲

格隆汇2024-06-25

解析 AI 与加密结合的潜力与现实挑战

件的颠覆对象。一些值得注意的挑战者包括Llama、RWKV和Mistral.ai。随着时间的推移，这个列表无疑会不断增长（在Openrouter.ai上提供了更全面的列表）。通过利用由开源模型提供支持的web3 AI，人们可以充分利用这些新创新。我们相信，随着时间的推移，一个开源的全球开发工作力量，结合加密激励，可以推动开源模型以及构建在其之上的代理和框架的快速创新。一个AI代理协议的例子是Theoriq。Theoriq利用开源模型创建了一个可组合互联的AI代理网络，可以组装在一起创建更高级的AI解决方案。我们对此深信不疑的原因在于过去的经验：大多数“开发者软件”在经过时间的推移后逐渐被开源软件所超越。微软过去是一家专有软件公司，现在成为了贡献最多的Github公司，这是有原因的。如果你看看Databricks、PostGresSQL、MongoDB等是如何颠覆专有数据库的，就会发现整个行业就是一个被开源软件颠覆的例子，所以先例在这里是相当强大的。然而，这也有一个小陷阱。OSS LLMs存在一个棘手的问题，就是OpenAI已经开始与组织签订付费数据许可协议，比如Reddit和纽约时报。如果这种趋势持续下去，由于获取数据的经济壁垒，OSS LLMs可能会越来越难以竞争。英伟达可能会将保密计算作为安全数据共享的加强工具。时间会告诉我们这将如何发展。真正的好处 #6：通过高成本的随机抽样或零知识证明实现共识在web3 AI推理中，验证是一个挑战。验证者有可能通过欺骗结果来获取费用，因此验证推理是一项重要的措施。需要注意的是，尽管AI推理还处于初级阶段，但除非采取措施来削弱这种行为的动机，否则这种欺骗是不可避免的。标准的web3方法是让多个验证者重复相同的操作并进行结果比较。然而，正如前面提到的，由于当前高端Nvidia芯片短缺，AI推理非常昂贵。考虑到web3可以通过未充分利用的GPU DePINs提供更低成本的推理，冗余计算将严重削弱web3的价值主张。更有希望的解决方案是对离链AI推理计算进行零知识证明。在这种情况下，可以验证简明的零知识证明以确定模型是否经过正确训练，或者推理是否正确运行（称为zkML）。其中的示例包括Modulus Labs和ZKonduit。由于零知识操作需要相当大的计算资源，这些解决方案的性能仍处于初级阶段。然而，随着零知识硬件ASIC在不久的将来推出，这一情况可能会得到改善。更有希望的想法是一种“乐观”抽样为基础的AI推理方法。在这种模型中，您只需验证验证者生成结果的一小部分，但设置足够高的经济成本来惩罚被抓到作弊的验证者，从而产生强大的经济禁止效应。这样一来，您可以节省冗余计算（例如，参见Hyperbolic的"Proof of Sampling"论文）。另一个有希望的想法是使用水印和指纹技术的解决方案，例如Bagel Network提出的解决方案。这类似于亚马逊Alexa为其数百万设备上的AI模型质量保证提供的机制。真正的好处 #7：通过可组合的开源软件堆栈节省费用（OpenAI的利润） web3为AI带来的下一个机会是降低成本的民主化。到目前为止，我们已经讨论了通过像io.net这样的DePINs节省GPU成本的方法。但是，web3还提供了节省中心化web2 AI服务的利润率（例如OpenAI，根据本文撰写时的信息，其年收入超过10亿美元）的机会。这些成本节约来自于使用开源软件（OSS）模型而不是专有模型，从而实现了额外的成本节约，因为模型创建者并不试图盈利。许多开源软件模型将始终完全免费，这为客户提供了最佳的经济效益。但是，也可能有一些开源软件模型尝试这些变现方法。请考虑，Hugging Face上仅有4%的模型由有预算的公司进行训练以帮助补贴这些模型（参见此处）。剩下的96%的模型是由社区进行训练的。这个96%的Hugging Face模型群体面临着实际的成本（包括计算成本和数据成本）。所以这些模型需要以某种方式实现变现。有许多关于实现这种开源软件模型变现的提议。其中最有趣的之一是“初始模型发行”（IMO）的概念，即将模型本身进行Token化，留下一部分Token给团队，并将模型的一些未来收入流向Token持有人，尽管这其中显然存在一些法律和监管障碍。其他开源软件模型将尝试基于使用量进行变现。需要注意的是，如果这种情况变为现实，开源软件模型可能开始越来越像它们的web2利润生成对应物。但是，从现实角度来看，市场将会二分，其中一些模型将完全免费。一旦选择了开源软件模型，您可以在其上进行可组合的层次操作。例如，您可以使用Ritual.net进行AI推理，以及Theoriq.ai作为可组合和自治的链上AI代理的早期领导者（两者都得到了Hack VC的支持）。真正的好处 #8：去中心化的数据采集 AI面临的最大挑战之一是获取适合训练模型的正确数据。我们之前提到过，去中心化AI训练存在一些挑战。但是利用去中心化网络来获取数据（然后可以在其他地方，甚至是传统的web2平台上用于训练）又如何呢？这正是像Grass这样的初创公司正在做的事情（得到了Hack VC的支持）。Grass是一个去中心化的“数据爬取”网络，由个人贡献他们机器的闲置处理能力来获取数据，以供AI模型的训练。理论上，在大规模应用中，这种数据采集可能比任何一家公司的内部努力更优越，因为庞大的激励节点网络具有强大的计算能力。这不仅包括获取更多的数据，还包括更频繁地获取数据，以使数据更具相关性和最新性。由于这些数据爬取节点本质上是分散的，不属于单个IP地址，因此几乎不可能阻止这个去中心化的数据爬取军团。此外，他们还有一支人力网络，可以清理和规范数据，使其在被爬取后变得有用。一旦获取了数据，您还需要一个链上的存储位置，以及使用该数据生成的LLM（大型语言模型）。在这方面，0g.AI是早期的领导者。它是一个针对AI进行优化的高性能web3存储解决方案，比AWS便宜得多（这对于Web3 AI来说是另一个经济上的成功），同时也可以作为第二层、AI等的数据可用性基础设施。需要注意的是，在未来，数据在web3 AI中的作用可能会发生变化。目前，对于LLM来说，现状是使用数据对模型进行预训练，并随着时间的推移使用更多的数据进行改进。然而，由于互联网上的数据实时变化，这些模型始终略微过时，因此LLM推理的响应略有不准确。未来可能发展的一个新范式是“实时”数据。这个概念是当LLM被要求进行推理时，LLM可以通过向其注入实时从互联网上收集的数据来使用数据。这样，LLM将使用最新的数据。Grass也正在研究这一点。三、结论我们希望这篇分析对您在思考web3 AI的承诺与现实时有所帮助。这只是一个讨论的起点，而且这个领域正在迅速变化，所以请随时加入并表达您的观点，因为我们愿意继续共同学习和建设。来源：金色财经

金色财经2024-06-22

AI on AO 发布会：AO协议的三大AI技术突破

乎所有当前开源和可用的主要模型。比如 Llama 3 在链上运行在智能合约中，GPT 也是如此，还有苹果的模型等等。这是整个生态系统共同努力的成果，有三项主要的技术进步也构成了这个系统的一部分。因此，我非常激动地向大家介绍这一切。大体情况是，现在 LLM（大型语言模型）可以在智能合约中运行。你可能多次听说去中心化 AI 和 AI 加密货币。实际上，除了一种我们今天要讨论的系统外，几乎所有这些系统都是作为预言机的 AI，也就是在链下运行 AI，然后将执行结果放到链上，用于下游的某些用途。我们说的不是这个。我们说的是将大型语言模型推理作为智能合约状态执行的一部分。这一切都得益于我们拥有的 AO 硬盘以及 AO 的超并行处理机制，这意味着你可以运行大量的计算，而这不会影响我正在使用的不同进程。我们认为，这将允许我们创建一个非常丰富的去中心化自主代理金融系统。到目前为止，在去中心化金融（DeFi）中，我们基本上已经能够使原始交易的执行变得无需信任。在不同经济游戏中的交互，比如借贷和交换，都是无需信任的。这只是问题的一个方面。如果你考虑全球金融市场。是的，有各种不同的经济原件在不同方式中发挥作用。有债券、股票、商品和衍生品等等。但我们真正谈论市场时，不仅仅是这些，实际上是智能层。是决定买卖、借贷或参与各种金融游戏的人。到目前为止，在去中心化金融生态系统中，我们成功地将所有这些原件转移到一个无需信任的状态中。因此，你可以在 Uniswap 上进行交换，而不需要信任 Uniswap 的运营者。实际上，从根本上讲，没有运营者。市场的智能层被留在了链下。所以，如果你想参与加密货币投资，而不想自己做所有研究和参与，你必须找到一个基金。你可以信任他们的资金，然后他们去执行智能决策，并将其下游传递到网络本身的基本原件执行中。我们认为，在 AO 中，我们实际上已经具备了将市场的智能部分，即导致决策的智能，转移到网络本身的能力。因此，一个简单的理解方式可能是想象一下。一个你可以信任的对冲基金或投资组合管理应用程序，可以在网络内执行一组智能指令，从而将网络的无需信任性转移到决策过程中。这意味着一个匿名账户，例如 Yolo 420 Trader Number One（一个大胆、随意的交易者），可以创建一个新的有趣策略，并将其部署到网络上，而你可以将资本投入其中而无需真正信任。你现在可以构建与大型统计模型交互的自主代理。而最常见的大型统计模型是大型语言模型，可以处理和生成文本。这意味着你可以将这些模型放入智能合约中，作为由某个有新颖想法的人开发的策略的一部分，并在网络中智能地执行它们。你可以想象做一些基础的情绪分析。比如你读取新闻，决定这是买卖这个衍生品的好时机。这是执行这种或那种操作的好时机。你可以让类似人类的决策以无需信任的方式执行。这不仅仅是理论。我们创建了一个有趣的迷因币，称为 Llama Fed。基本上这个想法是，它是一个法币模拟器，其中的一群 llama（羊驼）由 Llama 3 模型表示。它们就像 llama 和美联储主席的结合体，你可以去找它们，请求它们发放一些代币，它们会评估你的请求。大型语言模型本身操作货币政策，完全自主、无需信任。我们构建了它，但我们无法控制它。它们操作货币政策，决定谁应该获得代币，谁不应该。这是这一技术的一个非常有趣的小应用，希望能激发生态系统中所有其他可能的应用。为了实现这一点，我们必须为 AO 创建三种新的基础能力，其中一些在基础协议层，另一些在应用层。这不仅对大型语言模型的执行有用，对 AO 开发者来说更为广泛和激动人心。所以我很高兴今天能向大家介绍这些。这些新技术中的第一个是 Web Assembly 64 位支持。听起来有点像技术术语，但我有办法让每个人都理解它的意义。从根本上讲，Web Assembly 64 支持允许开发人员创建使用超过 4GB 内存的应用程序。稍后我们会介绍新的限制，它们相当惊人。如果你不是开发人员，可以这样理解：有人让你写一本书，你对这个想法很兴奋，但他们说你只能写 100 页。不多不少。你可以表达书中的想法，但无法以自然和正常的方式进行，因为有外部限制，你必须迎合它，改变你的写作方式以适应它。在智能合约生态系统中，这不仅仅是 100 页的限制。我会说这有点像在早期版本的 AO 中构建。以太坊有 48KB 的内存限制，就像有人让你写一本只有一句话长的书，而且你只能使用前 200 个最流行的英语单词。在这个系统中构建真正令人兴奋的应用程序极其困难。然后是 Solana，你可以访问 10MB 的工作内存。这显然是一个改进，但基本上我们说的是一页纸。ICP，互联网计算机协议，允许支持 3GB 的内存。理论上是完整的，但他们不得不降低到 3GB。现在有了 3GB 的内存，你可以运行很多不同的应用程序，但你肯定不能运行大型 AI 应用程序。它们需要加载大量数据到主内存，以便快速访问。这在 3GB 内存中无法有效地实现。当我们在今年二月份发布 AO 时，我们也有 4GB 内存限制，这实际上源自 Web Assembly 32。现在，这个内存限制在协议层面完全消失了。相反，协议层面的内存限制是 18EB（艾字节）。这是一个巨大的存储量。直到这在内存中用于计算而不是长期存储介质之前，会需要相当长的时间。在实现层面，AO 网络中的计算单元，现在能够访问 16GB 内存，但在未来无需更改协议就可以将其替换为更大容量的内存，这将相对容易。16GB 已经足够运行大型语言模型计算，这意味着你今天可以在 AO 上下载和执行 16GB 的模型。比如 Llama 3 未量化版本的 Falcon 3 以及许多其他模型。这是构建智能语言基础计算系统所必需的核心组件。现在它作为智能合约的一部分在链上完全支持，我们认为这是非常非常令人兴奋的。这消除了 AO 以及随后智能合约系统的一大主要计算限制。当我们在今年二月发布 AO 时，你可能会注意到视频中我们多次提到你有无限的计算能力，但有一个限制，就是不能超过 4GB 内存。这就是那个限制的解除。我们认为这是一个非常令人兴奋的进步，16GB 已经足够运行当前 AI 领域几乎所有你想运行的模型。我们能够在不更改协议的情况下提升 16GB 限制，未来这将相对容易，与最初运行 Web Assembly 64 相比，这是一大进步。因此，这本身就是系统能力的巨大进步。第二个使大型语言模型能够在 AO 上运行的主要技术是 WeaveDrive。 WeaveDrive 让你可以像本地硬盘一样访问 AO 内的 Arweave 数据。这意味着你可以打开 AO 中任何经过调度单元认证的事务 ID 并上传到网络。当然，你可以访问这些数据并将其读入你的程序中，就像本地硬盘上的文件一样。我们都知道，目前 Arweave 上存储了大约 60 亿条事务数据，所以这是一个巨大的数据集起点。这也意味着在未来构建应用程序时，上传数据到 Arweave 的动机会增加，因为这些数据也可以在 AO 程序中使用。例如，当我们使大型语言模型在 Arweave 上运行时，我们大约上传了价值 1000 美元的模型到网络上。但这只是开始。有了本地文件系统的智能合约网络，你可以构建的应用程序数量是巨大的。因此，这非常令人兴奋。更好的是，我们构建的系统允许你将数据流式传输到执行环境中。这是一个技术上的细微差别，但你可以想象回到书的类比中。有人对你说，我想访问你这本书中的一个数据。我想获取这本书中的一个图表。在一个简单的系统中，甚至在目前的智能合约网络中，这都会是一个巨大的进步，你会给出整本书。然而这显然效率不高，特别是如果那本书是一个包含数千页的大型统计模型。这极其低效。相反，我们在 AO 中所做的是让你可以直接读取字节。你直接到书中的图表位置，只复制图表到你的应用程序中并执行。这使得系统的效率得到了极大的提升。这不仅是一个最小可行产品（MVP），它是一个功能齐全、构建良好的数据访问机制。因此你有一个无限计算系统和一个无限硬盘，将它们结合在一起，你就有了一台超级计算机。这在以前从未被构建过，现在它以最低成本提供给每个人使用。这就是 AO 的现状，我们对此非常兴奋。该系统的实现也在操作系统层面。因此，我们将 WeaveDrive 变成 AO 的一个子协议，它是一个计算单元扩展，任何人都可以加载。这很有趣，因为这是首个此类扩展。 AO 一直具备让你为执行环境添加扩展的能力。就像你有一台计算机，你想插入更多的内存，或者插入一张显卡，你物理上将一个单元放入系统中。你可以对 AO 的计算单元执行此操作，这就是我们在这里做的。因此，在操作系统层面，你现在有一个硬盘，它只是代表数据存储的文件系统。这意味着你不仅可以在 AO 中访问这些数据，以通常的方式构建应用程序，但实际上你可以从任何带到网络上的应用程序中访问它。因此，这是一个广泛适用的能力，所有在系统中构建的人员都可以访问，不论他们使用何种语言编写，Rust、C、Lure、Solidity 等都可以访问，像它是系统的原生功能一样。在构建这一系统的过程中，它还迫使我们创建了子协议协议，创建其他计算单元扩展的方法，以便将来其他人也能构建激动人心的东西。现在我们有能力在任意大小的内存集中运行计算，并能将网络中的数据加载到 AO 内的进程中，接下来要问的是，如何进行推理本身。由于我们选择在 Web Assembly 上构建 AO 作为其主要虚拟机，因此将现有代码编译并运行在该环境中相对容易。由于我们构建了 WeaveDrive 使其暴露为操作系统层面的文件系统，将 Llama.cpp（一个开源的大型语言模型推理引擎）运行在系统上实际上是相对容易的。这非常令人兴奋，因为这意味着你不仅可以运行此推理引擎，还可以轻松运行许多其他引擎。因此，使大型语言模型在 AO 内运行的最后一个组件是大型语言模型推理引擎本身。我们移植了一个名为 Llama.cpp 的系统，听起来有点神秘，但实际上它是当前领先的开源模型执行环境。直接在 AO 智能合约内运行，一旦我们有能力在系统中拥有任意数量的数据，然后从 Arweave 中加载任意数量的数据，这实际上是相对容易的。为了实现这一点，我们还与称为 SIMD（单指令多数据）计算扩展合作，这使你可以更快地运行这些模型。因此我们也启用了这一功能。这意味着目前这些模型在 CPU 上运行，但速度相当快。如果你有异步计算，它应该适合你的使用场景。像读取新闻信号然后决定执行哪些交易，在目前的系统下运行良好。但我们也有一些令人兴奋的升级将在不久后谈到，关于其他加速机制，如使用 GPU 加速大型语言模型推理。 Llama.cpp 允许你加载不仅是 Meta 的领先模型 Llama 3，还可以加载许多其他模型，实际上大约 90% 以上你可以从开源模型网站 Hugging Face 下载的模型都可以在系统内运行，从 GPT-2 如果你愿意，到 253 和 Monet，苹果自己的大型语言模型系统以及许多其他模型。因此我们现在有了框架，可以将任何模型从 Arweave 上传，使用硬盘上传我想在系统中运行的模型。你上传它们，它们只是正常的数据，然后你可以加载它们到 AO 的进程中并执行，获取结果并以你喜欢的方式工作。我们认为这是一个包，它使在以前的智能合约生态系统中无法实现的应用程序成为可能，即使现在可能实现，在现有系统如 Solana 中进行架构更改的数量也只是难以预料，不在其路线图上。因此为了向你们展示这一点并使其变得真实和易于理解，我们创建了一个模拟器 Llama Fed。基本思想是我们得到一个美联储成员委员会，它们是 llama，无论在作为元 llama 3 模型还是在作为美联储主席这一点上都是 llama。我们也告诉它们它们是 llama，像 Alan Greenspan 或美联储主席一样。你可以进入这个小环境。一些人会熟悉这个环境，实际上它就像我们今天工作的 Gather，你可以和 llama 交谈，请求它们给予你一些代币用于一个非常有趣的项目，并且它们会根据你的请求决定是否给予你代币。因此你燃烧一些 Arweave 代币，wAR 代币（由 AOX 团队提供），它们会根据认为你的提案是否好给予你代币。因此这是一个迷因币，货币政策完全自主和智能化。虽然这是一种简单形式的智能，但仍然有趣。它将评估你的提案和其他人的提案，并运行货币政策。通过分析新闻标题并做出智能决策或与客户支持交互并返回价值，所有这些现在都可以在智能合约内实现。Elliot 现在将为大家展示。大家好，我是 Elliot，今天我要向你展示 Llama Land，这是一个在 AO 内运行的链上自主世界，由 Meta 的开源 Llama 3 模型驱动。我们在这里看到的对话不仅仅是玩家之间的对话，还有完全自主的数字 llama。例如这个 llama 是人类。但这个 llama 是链上 AI。这栋建筑包含了 Llama fed。它就像美联储，但为 llama 服务。 Llama fed 运行世界上第一个 AI 驱动的货币政策，并铸造 Llama 代币。这个家伙是 Llama 国王。你可以向他提供包装的 Arweave 代币（wAR），并写一个请求以获取一些 Llama 代币。 Llama 国王 AI 会评估并决定是否授予 Llama 代币。Llamafed 的货币政策完全自主，没有人为监督。世界上的每个代理和每个房间本身都是 AO 上的链上进程。看起来 Llama 国王授予了我们一些代币，如果我查看我的 ArConnect 钱包，我可以看到它们已经在那里了。不错。Llama Land 只是第一个在 AO 上实现的 AI 驱动的世界。这是一个新协议的框架，允许任何人构建自己的自主世界，唯一的限制是你的想象力。所有这些都是 100% 链上实现的，只有在 AO 上才有可能。谢谢 Elliot。你刚刚看到的不仅是一个大型语言模型参与金融决策并运行一个自主的货币政策系统。没有后门，我们无法控制它，所有这些都是由 AI 本身运行的。你还看到一个小宇宙，一个你可以在物理空间中行走的地方，你可以去那个地方与金融基础设施互动。我们认为，这不仅是一个有趣的小演示。实际上这里有一些非常有趣的东西，这些地方将不同使用金融产品的人聚集在一起。我们在 DeFi 生态系统中看到，如果有人想参与一个项目，他们首先在 Twitter 上查看，然后访问网站，参与游戏中的基本原件。然后他们加入 Telegram 群组或 Discord 频道或在 Twitter 上与其他用户交谈。这种体验非常去中心化，我们都在不同应用程序之间跳转。我们正在尝试的一个有趣想法是，如果你有这些 DeFi 应用程序的用户界面，让他们的社区可以聚集在一起并共同管理这个他们集体访问的自主空间，因为这是一个永久的网络应用，可以加入体验。想象一下你可以去一个看起来像拍卖行的地方，和其他喜欢该协议的用户在一起聊天。当在 AO 上发生的金融机制进程有活动时，基本上你可以和其他用户聊天。社区和社交方面与产品的金融部分结合在一起。我们认为这非常有趣，甚至有更广泛的影响。你可以在这里构建一个自主 AI 代理，它在这个 Arweave 世界中四处游荡，与它发现的不同应用程序和用户互动。所以如果你正在构建一个元宇宙，当你创建一个在线游戏时，第一件事就是创建 NPC（非玩家角色）。在这里，NPC 可以是通用的。你有一个智能系统，它四处游荡，与环境互动，所以你没有用户冷启动问题。你可以有一些自主代理，试图为自己赚钱，试图交朋友，像正常的 DeFi 用户一样，与环境互动。我们认为这非常有趣，虽然有点怪异。我们将拭目以待。展望未来，我们还看到了在 AO 中加速大型语言模型执行的机会。早些时候我谈到了计算单元扩展的概念。这就是我们用来构建 WeaveDrive 的方式。不仅仅停留在 WeaveDrive，你可以为 AO 的计算环境构建任何类型的扩展。有一个非常令人兴奋的生态项目正在为 GPU 加速大型语言模型执行解决这个问题，就是 Apus Network。我让他们来解释。嗨，我是 Mateo。今天我很兴奋地介绍 Apus Network。Apus Network 致力于构建去中心化的、无需信任的 GPU 网络。我们通过利用 Arweave 永久的链上存储，提供一个开源 AO 扩展，提供 GPU 的确定性执行环境，并为去中心化 AI 提供经济激励模型，使用 AO 和 APUS 代币。Apus Network 将使用 GPU 挖矿节点竞争性地执行最优的、无需信任的模型训练在 Arweave 和 AO 上运行。这确保了用户可以以最具成本效益的价格使用最佳 AI 模型。你可以在 X（Twitter）@apus_network 上关注我们的进展。谢谢。这就是今天 AO 上的 AI 现状。你可以去试试 Llama Fed，尝试自己构建基于大型语言模型的智能合约应用。我们认为这是引入市场智能到去中心化执行环境的开始。我们对此非常激动，期待看到接下来会发生什么。谢谢大家今天的参与，期待再次与大家交流。来源：金色财经

金色财经2024-06-21

破除AI数据壁垒数据DAO正当时

放的互联网上收集数据。例如，Meta的Llama 3是使用公开来源的15万亿代币进行训练的。这些方法在快速聚合大量数据方面是很有效的，但它们在收集哪类数据以及如何收集数据方面都有局限性。首先，应收集什么样的收据：人工智能的发展受到数据质量和数量的瓶颈。Leopold Aschenbrenner曾写过限制算法进一步改进的“数据墙”相关内容：“很快，在更多的抓取数据上预训练更大的语言模型的朴素做法可能会开始遭遇严重的瓶颈。” 推倒数据墙的一种方法是开启新数据集的可用性。例如，模型公司无法在不违反大多数网站服务条款的情况下抓取登录数据，而且根据定义，它们无法访问尚未收集的数据。目前还有大量的私人数据是人工智能训练无法获取的：比如Google Drive和Slacks等公司、个人健康数据或私人信息。其次，如何收集收据：在现有的模式下，数据收集公司获取了大部分价值。Reddit的S-1将数据授权作为主要的预期收入源：“我们预计，我们不断增长的数据优势和知识产权将继续成为未来LLM训练的关键要素。”生成实际内容的最终用户并没有从这些授权协议或人工智能模型本身获得任何经济利益。这种错位可能会扼杀参与积极性——已经有起诉生成式人工智能公司或选择退出训练数据集的运动。更不用说将收入集中在模型公司或平台的手中而不分给最终用户分毫所带来的社会经济影响。 2、数据DAO效应上述数据问题有一个共同的主线：它们受益于来自不同的、有代表性的用户样本的大量贡献。任何单个数据点对模型性能的价值可能都可以忽略不计，但总体来看，一大群用户可以聚集对人工智能训练有价值的新的数据集。这就是数据DAO概念的用武之地。有了数据DAO，数据贡献者可以通过提供数据收获经济好处，并可管理数据的使用方式和货币化方式。数据DAO可以在当前数据领域里的哪些方面做出贡献？下面是一些想法——请注意，这并非一个详尽列表，数据DAO肯定还有其他的机会：（1）现实世界数据在去中心化物理基础设施（DEPIN）领域，Hivemapper等网络旨在收集全世界最新的全球地图数据，方法是通过激励行车记录仪的所有者贡献他们的数据，以及激励用户通过他们的应用程序贡献数据（例如关于道路封闭或维修的数据）。可以将DEPIN视为现实世界的数据DAO，其中数据集是从硬件设备和/或用户网络生成的。这些数据对许多公司都有商业价值，收入将以代币奖励的形式回馈给贡献者。（2）个人健康资料生物黑客是一项社会运动，指的是个人和社区采取DIY的方法来研究生物学，通常是拿自己来做实验。例如，一个人可能会服用不同的益智药物来提高大脑的表现，或者测试不同的治疗方法或环境变化来改善睡眠，甚至还有人给自己注射实验性药物。数据DAO可以通过组织参与者围绕共同的实验和系统地收集结果，为这些生物黑客的努力带来激励。这些个人健康DAO获得的收入，例如来自研究实验室或制药公司的收入，可以回到以自己的个人健康数据形式贡献结果的参与者。（3）用人类反馈强化学习使用RLHF（使用人类反馈强化学习）微调人工智能模型涉及到利用人类输入来提高人工智能系统的性能。通常，人们期待反馈者都是他们各自领域的专家，他们可以有效地评估模型的输出。例如，实验室可能会寻求数学博士的帮助来提高他们的LLM的数学能力，等等。代币奖励可以通过其投机优势在寻找和激励专家参与方面发挥作用，更不用说使用加密支付轨道所提供的全球访问权了。Sapien、Fraction和Sahara等公司都正在这一领域开展工作。（4）私人数据随着可供人工智能训练使用的公开数据越来越少，竞争的基础可能会转向专有数据集，包括私人用户数据。登录墙后面有大量高质量的数据仍然无法访问，例如私信、私人文件等。这些数据不仅可以有效地训练个人AI，而且还包含了在公共网络上无法访问的有价值的信息。然而，访问和利用这些数据在法律和道德上都面临着重大挑战。数据DAO可以提供一种解决方案，允许有意愿的参与者上传和变现他们的数据，并可管理数据的使用方式。例如，Reddit数据DAO允许用户上传他们从Reddit平台导出的Reddit数据，其中包含评论、帖子和投票历史，这些数据可以以隐私保护的方式出售或出租给人工智能公司。代币激励让用户不仅可以通过一次性交易赚取收益，还可以基于使用其数据训练的人工智能模型所创造的价值大小赚取收益。 3、开放问题与挑战虽然数据DAO的潜在好处是巨大的，但也存在一些考量和挑战。（1）激励的扭曲影响从Crypto使用代币激励的历史中可以看到一点，那就是外部激励会改变用户行为。这对利用代币激励来实现数据目的有直接影响：激励可能会扭曲参与者群体和其所贡献的数据类型。代币激励的引入也引入了参与者寻求系统漏洞的可能性，例如提交低质量或捏造数据来让他们的收入最大化。这很重要，因为这些数据DAO的收益机会取决于数据质量。如果贡献偏离目标，就会破坏数据集的价值。（2）数据测量和奖励数据DAO的核心思想是，通过代币激励来奖励贡献者的数据提交，从长远来看，这将成为DAO所获得的收入。然而，考虑到数据价值的主观性，确切地知道应该对各种数据贡献给予多少奖励是极具挑战性的。在上面关于生物黑客的例子中，例如：某些用户的数据比其他用户的数据更有价值吗？如果是，决定因素有哪些？对于地图数据来说：某些地区的地图信息是否比其他地区更有价值？这种差异如何量化？（通过计算数据对模型性能的增量贡献来衡量人工智能中的数据价值这方面的研究非常活跃，但这种方法可能需要大量的计算。）另外，建立健全的机制来验证数据的真实性和准确性至关重要。如果没有这些措施，系统可能容易面临欺诈性数据提交（例如创建虚假账户）或Sybil攻击。DEPIN网络试图通过在硬件设备级别进行集成来解决这个问题，但是依赖于用户贡献的其他类型的数据DAO可能容易受到操纵。（3）新数据递增量大多数开放网络已经被用作训练目的，因此数据DAO操作员必须考虑，通过分布式方式收集的数据集是否真的是开放网络上现有数据的增量和附加，以及研究人员是否可以从平台上获得这些数据或通过其他方式获取这些数据。上述想法强调了收集全新数据的重要性，这些数据超越了现有的数据，导致了接下来的考量：影响大小和收益机会。（4）评估收益机会从本质上讲，数据DAO正在构建一个双边市场，将数据买家和数据贡献者联系起来。因此，数据DAO的成功取决于能否吸引稳定且多样化的、愿意为数据付费的客户群。数据DAO需要识别和验证其最终需求，并确保收益机会足够大（无论是基于总量还是基于单个贡献者），以激励所需数据的数量和质量。例如，创建一个用户数据DAO来汇集个人偏好以及出于广告目的浏览数据的想法已经讨论了好几年了，但最终，这样一个网络能够传递给用户的收益可能微乎其微。（作为对比参考，Meta在2023年底的全球ARPU为13.12美元。）随着人工智能公司计划在训练方面投入数万亿美元，分给每个用户的数据收益可能足以吸引大规模贡献，这就给数据DAO提出了一个有趣的问题：“为什么是现在？” 4、攻克数据墙数据DAO代表了一种潜在的光明前景，可以生成新的高质量数据集，并攻克人工智能领域里的数据墙。具体如何实现还有待观察，但我们很高兴看到这个领域的发展。来源：金色财经

金色财经2024-06-18

24小时热点