FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美股盘前要点 | 谷歌发布AI芯片暴雪网易或于明日官宣恢复合作

eta Platforms计划下周发布Llama 3大模型的两个小参数版本。 6. 微软将在2025年前向日本的数据中心投资29亿美元，并在东京都设立新研究机构。 7. 消息称暴雪和网易明日官宣恢复合作，国服重启时间最快要等今年夏季。 8. 消息称美光科技计划在第二季度将DRAM和SSD价格提高25%。 9. 黑莓公司宣布与AMD就工业和医疗保健领域的机器人系统展开合作。 10. 由于缺乏政府资金支持，应用材料可能会推迟或放弃斥40亿美元建设研发设施的计划。 11. 法庭文件显示，特斯拉就2018年一名前苹果工程师致命车祸诉讼达成和解。 12. Stellantis第一季度欧洲29国销量同比增长了5.4%，市场份额达到19.2%。 13. 瑞银考虑与北京国资交换持股以获取瑞银证券全部所有权。 14. 消息称黑石集团即将与欧舒丹达成私有化协议，后者将从港交所退市。 15. 通用汽车自动驾驶子公司Cruise将在凤凰城恢复无人驾驶出租车服务的测试。 16. 汇控将其阿根廷业务出售予私人金融集团Grupo Financiero Galicia，交易代价5.5亿美元。 17. 法拉第未来已在迪拜设立中东销售实体，并计划今年交付一款限量版FF91车型。

格隆汇2024-04-09

美股盘前要点 | 谷歌发布AI芯片暴雪网易或于明日官宣恢复合作

eta Platforms计划下周发布Llama 3大模型的两个小参数版本。6. 微软将在2025年前向日本的数据中心投资29亿美元，并在东京都设立新研究机构。7. 消息称暴雪和网易明日官宣恢复合作，国服重启时间最快要等今年夏季。8. 消息称美光科技计划在第二季度将DRAM和SSD价格提高25%。9. 黑莓公司宣布与AMD就工业和医疗保健领域的机器人系统展开合作。10. 由于缺乏政府资金支持，应用材料可能会推迟或放弃斥40亿美元建设研发设施的计划。11. 法庭文件显示，特斯拉就2018年一名前苹果工程师致命车祸诉讼达成和解。12. Stellantis第一季度欧洲29国销量同比增长了5.4%，市场份额达到19.2%。13. 瑞银考虑与北京国资交换持股以获取瑞银证券全部所有权。14. 消息称黑石集团即将与欧舒丹达成私有化协议，后者将从港交所退市。15. 通用汽车自动驾驶子公司Cruise将在凤凰城恢复无人驾驶出租车服务的测试。16. 汇控将其阿根廷业务出售予私人金融集团Grupo Financiero Galicia，交易代价5.5亿美元。17. 法拉第未来已在迪拜设立中东销售实体，并计划今年交付一款限量版FF91车型。

格隆汇2024-04-09

山寨币AVAX、ALGT、DOGE投资分析

根据DeFi TVL 聚合商Defi Llama 的最新消息，Avalanche 上的锁定总价值 (TVL) 已超过 10 亿美元，这表明它越来越受到 DeFi 协议的采用。Avalanche 的原生代币 AVAX 价格大幅上涨，达到 144 美元的历史新高。96 将于 2021 年 11 月发布。虽然截至撰写本文时其当前价格为 50.90 美元，但其增长潜力与 Avalanche 生态系统的增长息息相关。 Algotech (ALGT)：具有算法交易野心的新秀 Algotech 在加密货币市场上相对较新，于 2024 年初启动了预售。与成熟的山寨币不同，ALGT 专注于算法交易，这是一种利用自动化程序驾驭加密货币市场的策略——利用市场低效率并最大化盈利入场。 Algotech 利用区块链实现的民主化，为无法访问复杂交易工具的更广泛的交易者提供算法交易。自 2024 年初以来，ALGT 已筹集近 500 万美元，将其私人种子轮融资和两阶段或预售结合起来，在三个月内显示出令人印象深刻的投资者信心。请注意，私人种子轮融资在 48 小时内筹集了 110 万美元。狗狗币（DOGE）：具有持久力的模因币狗狗币优雅地超出了市场对模因币的所有预期。自 2013 年推出以来，DOGE 获得了一批忠实的追随者，并意外地获得了广泛的恶名。名人的支持——尤其是埃隆·马斯克的支持——导致 DOGE 的价格在 2021 年飙升，最高达到 0.70 美元以上。即使价格已经下跌，DOGE 仍然很受欢迎，并且与其他模因币相比具有相当大的市值。然而，DOGE 不具备 AVAX 或 ALGT 算法交易主张的技术效用。社区情绪和热情是影响其价值的主要因素。作为投资者，如果你正在寻找具有明显效用的投资，你可能想探索其他地方。选择山寨币的关键：平衡之举那么，哪种山寨币会在 2024 年获胜呢？我们并不知道答案，每个选择都有不同的风险回报。一个理想的加密货币投资最终取决于你的投资目标和风险承受能力。在进行任何山寨币投资之前，仔细研究、了解底层技术并考虑市场趋势至关重要。永远记住，在像加密货币这样波动的市场中，多元化至关重要。投资成熟的项目和令人兴奋的新手项目可以降低风险并增加可能的回报。来源：金色财经

金色财经2024-04-03

美国通胀放缓推升6月降息预期，科技进步路径或影响美股长期趋势

大模型不同的专家混合架构，性能方面超越Llama2、Mixtral、Grok-1等大模型，并与GPT-4十分接近。招商证券指出，人工智能正在各行各业飞速发展，AI产业迎来爆发式增长。在AI基础设施方面，科技巨头不断升级服务器算力，力求以更快的速度和更低的成本训练和推理模型；在AI技术应用方面，ChatGPT、Sora等生成式AI带来了全新的产业机遇，人形机器人正成为多方竞逐的新赛道，而智能驾驶和智能家居等领域则趋向成熟化。纳斯达克100ETF（159659）标的指数主要聚焦美股科技龙头股，在人工智能的时代浪潮之下，在AI领域有着领先布局和深厚积淀的科技巨头集中在纳斯达克100指数，比如微软、苹果、英伟达、亚马逊、脸书等股，前十大权重占比46.57%，龙头属性集中。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2024-04-02

通胀放缓增强6月降息押注，纳斯达克100ETF(159659)午后涨幅扩大，机构：经济韧性和盈利修复或支持指数上行

的专家混合架构，性能方面超越Meta的Llama2、MistralAI的Mixtral、xA的Grok-1，与GPT-4十分接近。成本方面，DBRX的完成用时2个月，成本1000万美元训练时间和成本都是GPT-3.5的一小部分。中信证券表示，根据彭博一致预测，通过自下而上用整体法计算，标普500与纳斯达克100指数2024年盈利预测增速分别达9.1%/13.5%，营收预测增速分别为2.9%/7.7%，市场预计美股科技股基本面或将持续走强。另外七巨头在标普500的盈利占比也由彭博一致预测2023年的20.1%提升1.3个百分点至21.4%，投资者对于2024年七巨头盈利表现和支撑作用仍较为看好。一级行业来看，受益于市场对AI浪潮以及2023年下半年相关行业表现的乐观预期，通信服务、信息技术、公用事业等行业2024年彭博一致预测盈利增速较高，分别为21.0%/16.0%/14.4%。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2024-04-01

马斯克突然宣布：本周发表一个“超越市面所有产品”的AI模型！

开源”大型语言模型，远超Meta公司的Llama 2，后者达到700亿个参数，以及Mistral的120亿个参数等开源竞品。本月早些时候，马斯克表示xAI将开源Grok，他此前起诉了微软，认为后者支持AI聊天机器人ChatGPT母公司OpenAI放弃其最初的使命，转向了采用营利性模式。#ChatGPT火爆全网# 作为OpenAI联合创始人的马斯克此前曾称，他与OpenAI分道扬镳的主因是该公司违背了其创立初衷，也就是秉持开源的精神，并对OpenAI非营利组织转型为追求最大化利润的封闭营利组织，让微软获得OpenAI程序码的独家访问权此事严词批判。新推出的Grok-1.5据悉将跑赢ChatGPT，对比之下，OpenAI训练的GPT-3.5拥有2000亿个参数，但仍远低于此前被爆料参数量高达1.8万亿的GPT-4。不过，目前马斯克尚未透露Grok-1.5具体将会迎来哪些变化，新模型的问世是否将改变目前AI聊天机器人的格局，仍值得市场持续关注。马斯克在此前号称xAI与ChatGPT等其他竞品风格迥异，号称自家公司的Grok是最幽默的AI聊天机器人，其独特的优势在于它透过推特平台即时了解世界，还能回答大多数其他AI系统拒绝的尖锐问题。但是，OpenAI创始人阿尔特曼(Sam Altman)随后反讽Grok的幽默感就像老公公讲笑话那样令人尴尬。马斯克对此回应称，OpenAI会审查许多主题，幽默感是被禁止的。

颜辞2024-04-01

Dragonfly Capital 合伙人：去中心化推理的信任问题与验证挑战

：善欧巴，金色财经假设你想要运行像 Llama2–70B 这样的大型语言模型。如此庞大的模型需要超过 140GB 的内存，这意味着你无法在家用计算机上运行原始模型。你有什么选择？你可能会跳到云提供商，但你可能不太热衷于信任单个中心化公司来为你处理此工作负载并收集所有使用数据。那么你需要的是去中心化推理，它可以让你在不依赖任何单一提供商的情况下运行机器学习模型。信任问题在去中心化网络中，仅仅运行模型并信任输出是不够的。假设我要求网络使用 Llama2-70B 分析治理困境。我怎么知道它实际上没有使用 Llama2–13B，给我提供了更糟糕的分析，并将差额收入囊中？在中心化的世界中，你可能会相信像 OpenAI 这样的公司会诚实地这样做，因为他们的声誉受到威胁（在某种程度上，LLM 的质量是不言而喻的）。但在去中心化的世界中，诚实不是假设的——而是经过验证的。这就是可验证的推论发挥作用的地方。除了提供对查询的响应之外，你还可以证明它在你要求的模型上正确运行。但如何呢？最简单的方法是将模型作为链上智能合约运行。这肯定会保证输出得到验证，但这非常不切实际。GPT-3 表示嵌入维度为 12,288 的单词。如果你要在链上进行一次如此规模的矩阵乘法，按照当前的 Gas 价格计算，将花费约 100 亿美元——计算将连续大约一个月填满每个区块。所以不行。我们需要一种不同的方法。在观察了整个情况之后，我很清楚已经出现了三种主要方法来解决可验证的推理：零知识证明、乐观欺诈证明和加密经济学。每个都有其自己的安全性和成本影响。 1.零知识证明（ZK ML）想象一下，能够证明你运行了一个大型模型，但无论模型有多大，证明实际上都是固定大小的。这就是 ZK ML 通过 ZK-SNARK 的魔力所承诺的。虽然原则上听起来很优雅，但将深度神经网络编译成零知识电路并进行证明是极其困难的。它的成本也非常高——至少，你可能会看到1000 倍的推理成本和 1000 倍的延迟（生成证明的时间），更不用说在这一切发生之前将模型本身编译成电路了。最终，该成本必须转嫁给用户，因此对于最终用户而言，这最终将非常昂贵。另一方面，这是通过密码学保证正确性的唯一方法。有了ZK，模型提供者无论多么努力都无法作弊。但这样做的成本巨大，使得在可预见的未来对于大型模型来说这是不切实际的。示例：EZKL、Modulus Labs、Giza 2.乐观欺诈证明（Optimistic ML）乐观的方法是信任，但要验证。除非另有证明，否则我们假设推论是正确的。如果一个节点试图作弊，网络中的“观察者”可以指出作弊者并使用欺诈证明来挑战他们。这些观察者必须始终观察链并在自己的模型上重新运行推理，以确保输出正确。这些欺诈证明是Truebit 风格的交互式挑战-响应游戏，你可以在链上反复平分模型执行轨迹，直到找到错误。如果这种情况真的发生，其成本将非常高昂，因为这些程序非常庞大并且具有巨大的内部状态——单个 GPT-3 推理的成本约为1 petaflop（10^5 浮点运算）。但博弈论表明这种情况几乎永远不会发生（众所周知，欺诈证明很难正确编码，因为代码几乎永远不会在生产中受到攻击）。乐观的好处是，只要有一个诚实的观察者在关注，机器学习就是安全的。成本比 ZK ML 便宜，但请记住，网络中的每个观察者都会自行重新运行每个查询。在均衡状态下，这意味着如果有 10 个观察者，则安全成本必须转嫁给用户，因此他们将必须支付超过 10 倍的推理成本（或者无论观察者有多少）。与乐观汇总一样，缺点是你必须等待挑战期过去才能确定响应已得到验证。不过，根据网络参数化的方式，你可能需要等待几分钟而不是几天。示例：Ora、Gensyn（尽管目前未指定） 3.加密经济学（加密经济ML）在这里，我们放弃所有花哨的技术，做简单的事情：股权加权投票。用户决定应该有多少个节点运行他们的查询，每个节点都会显示他们的响应，如果响应之间存在差异，那么奇怪的节点就会被削减。标准的预言机东西——这是一种更直接的方法，可以让用户设置他们想要的安全级别，平衡成本和信任。如果 Chainlink 正在做机器学习，他们就会这样做。这里的延迟很快——你只需要每个节点的提交-显示。如果将其写入区块链，那么从技术上讲，这可能会发生在两个区块中。然而，安全性是最薄弱的。如果足够狡猾，大多数节点可以理性地选择共谋。作为用户，你必须推断这些节点的风险有多大以及作弊将花费多少成本。也就是说，使用 Eigenlayer 重新抵押和可归因安全之类的东西，网络可以在安全失败的情况下有效地提供保险。但该系统的优点在于用户可以指定他们想要的安全程度。他们可以选择在仲裁中包含 3 个节点或 5 个节点，或者网络中的每个节点 - 或者，如果他们想要 YOLO，他们甚至可以选择 n=1。这里的成本函数很简单：用户为他们想要的法定数量的节点付费。如果选择 3，则需要支付 3 倍的推理成本。这里有一个棘手的问题：你能让 n=1 安全吗？在一个简单的实现中，如果没有人检查，一个单独的节点应该每次都作弊。但我怀疑，如果你对查询进行加密并通过意图进行付款，你可能能够向节点混淆它们实际上是唯一响应此任务的节点。在这种情况下，你可能可以向普通用户收取不到 2 倍的推理成本。最终，加密经济方法是最简单、最容易，也可能是最便宜的，但它是最不性感的，原则上也是最不安全的。但一如既往，细节决定成败。示例：Ritual（尽管目前未具体说明）、Atoma Network 为什么可验证的机器学习很难你可能想知道为什么我们还没有拥有这一切？毕竟，从本质上来说，机器学习模型只是非常大型的计算机程序。长期以来，证明程序正确执行一直是区块链的基础。这就是为什么这三种验证方法反映了区块链保护其区块空间的方式——ZK rollups 使用 ZK 证明，optimistic rollups 使用欺诈证明，而大多数 L1 区块链使用加密经济学。毫不奇怪，我们得出了基本相同的解决方案。那么，是什么让这在应用于机器学习时变得困难呢？ ML 是独一无二的，因为 ML 计算通常表示为密集计算图，旨在在 GPU 上高效运行。它们并不是为了被证明而设计的。因此，如果你想在 ZK 或乐观环境中证明 ML 计算，则必须以使其成为可能的格式重新编译——这是非常复杂且昂贵的。机器学习的第二个基本困难是不确定性。程序验证假设程序的输出是确定性的。但如果你在不同的 GPU 架构或 CUDA 版本上运行相同的模型，你将得到不同的输出。即使你必须强制每个节点使用相同的架构，你仍然会遇到算法中使用的随机性问题（扩散模型中的噪声，或 LLM 中的令牌采样）。你可以通过控制RNG种子来修复随机性。但即便如此，你仍然面临最后一个威胁性问题：浮点运算固有的不确定性。 GPU 中的几乎所有运算都是在浮点数上完成的。浮点很挑剔，因为它们不具有关联性——也就是说，对于浮点来说 (a + b) + c 并不总是与 a + (b + c) 相同。由于 GPU 是高度并行化的，因此每次执行时加法或乘法的顺序可能会有所不同，这可能会导致输出出现微小差异。考虑到单词的离散性质，这不太可能影响 LLM 的输出，但对于图像模型来说，它可能会导致像素值略有不同，从而导致两个图像无法完美匹配。这意味着你要么需要避免使用浮点，这意味着对性能的巨大打击，要么你需要在比较输出时允许一些宽松。无论哪种方式，细节都是复杂的，你无法完全将它们抽象出来。（事实证明，这就是为什么 EVM不支持浮点数，尽管NEAR等一些区块链支持浮点数。）简而言之，去中心化推理网络很难，因为所有细节都很重要，而现实的细节数量惊人。结语目前，区块链和机器学习显然有很多共同之处。一种是创造信任的技术，另一种是迫切需要信任的技术。虽然每种去中心化推理方法都有其自身的权衡，但我非常有兴趣了解企业家如何使用这些工具来构建最好的网络。来源：金色财经

金色财经2024-03-29

英伟达H200 AI GPU投入市场，大幅提升AI性能驱动HBM3e内存需求增长，国内外产业链迎来新机遇

官方发布的数据，在处理诸如Meta公司Llama2这样的复杂大语言模型时，H200相较于H100在生成式AI输出响应速度上最高提升了45%。回顾去年11月的发布会，H200被定位为英伟达在AI计算领域的又一里程碑式产品，不仅继承了H100的优势，还在内存性能上取得了重大突破。随着H200的商业化应用，对高带宽内存的需求预期将持续攀升，这将进一步带动整个AI算力硬件产业链的发展，特别是HBM3e相关供应商的市场机会。与此同时，英伟达在3月18日举办的开发者大会上预告了年内即将推出的另一款全新AI半导体——B200，该芯片与CPU协同运作，在最新大语言模型上的推理性能较H100提升了高达30倍，且在成本和能耗效率上取得了革命性改进，仅为H100的四分之一。中泰证券在分析报告中强调了HBM技术在全球范围内的领先地位及其对相关产业链的影响，并梳理了值得关注的核心投资标的，其中包括国际存储原厂巨头海力士、三星和美光，以及设备供应商如BESI、ASM Pacific Technology和Camtek等。而在国内，涉及HBM产业链的上市公司包括但不限于存储器厂商香农芯创、佰维存储和雅创电子；设备制造企业赛腾股份、精智达和新益昌；材料供应商华海诚科、雅克科技、联瑞新材、兴森科技和深南电路；以及封装测试领域的通富微电、深科技和长电科技等。

金融界2024-03-29

AI算力反弹，光模块继续狂飙突进，光迅科技触及涨停！一文读懂产业链投资价值

gle推出PaLM2模型，Meta发布LLaMA-13B，Microsoft基于ChatGPT打造New Bing；国内百度率先发布文心一言，近日，国产大模型Kimi热度持续上升，一度冲进App Store免费版应用的第五名。AI大模型军备竞赛进入白热化阶段。高速发展的AI大模型背后，是海量的数据和庞大的算力，随着模型不断升级迭代，所需要的数据量和算力也在快速呈倍数增长。OpenAI发布的《AI and Compute》分析报告中指出，自2012年以来，AI训练应用的算力需求每3-4个月就会翻倍，且从2012年至今，AI算力增长超过了30万倍。庞大的训练任务，需要大量GPU服务器（内含多个AI芯片）组成的算力集群来提供算力，而这些服务器之间，离不开光模块进行海量数据交换。也就是说，提供算力的GPU芯片数量越多，AI芯片性能越强，其需要配套的光模块，尤其是高性能光模块的需求量也越大。天风证券测算，每单片H100对应1.5个800G光模块和2.15个400G光模块需求，对应大约20个100G光芯片的需求。图片来源：天风证券随着AI大模型对高性能光模块产品需求提升，除了起量，价格提升也助力光模块行业景气度提升。像过往使用较多的100G、200G等价格较低，传输速率也比较低的光模块产品，目前已无法满足激增的数据量和AI计算了，为了与高算力更好匹配，进而提升计算效率，光模块产品向400G、800G甚至1.6T升级是大势所趋，单价更高的高性能光模块产品将带动价格带向上延伸。国信证券认为，通信能力是算力集群的瓶颈之一，AI大模型的训练对网络架构、网络协议等提出更高要求，向着低时延和高速率方向持续演进，增加高速光模块需求弹性。同时光互连技术也有望引入芯片间互联，光进铜退持续深入。需求侧，受益于全球科技巨头持续加大算力军备竞赛，同时AI应用端逐步落地深入，训练和推理算力需求持续提升，AI成为推动数通光模块市场增长的核心动力。四、光模块市场竞争格局过去十年，国产光模块飞速发展，全球市场份额持续提升。目前属于国内算力产业链上为数不多具备全球竞争力的优势环节，具备直接打入北美AI产业链的能力。截至2022年，有7家国内企业入围全球top10光模块厂商，中际旭创与Coherent并列第一，第三至第七名分别为华为、光迅科技、海信、新易盛、华工科技。图片来源：国信证券 AI浪潮推动，头部效应下，光模块市场集中度有望提升。回顾光模块发展历史，随着云厂商采购模式和封装工艺变化，光模块行业迎来洗牌机会，智能化时代，高性能光模块作为稀缺算力供不应求，头部厂商具备雄厚的研发实力和再投入意愿，在代际升级时或具备先发优势，进一步巩固、提升市场份额。市场调研数据显示，2019年以来，全球光模块Top3厂商市场份额快速提升，随着AI对800G及以上光模块需求持续增长，头部厂商或享发展红利。图片来源：国信证券相关ETF： 5G通信ETF（515050）【场外联接(A类：008086；C类：008087)】：是全市场最大的5G通信ETF，持仓中，AI算力、光模块、光通信、概念股合计权重高达近40%。【原简称：5GETF（515050）】图片来源：wind，截至2023年2月29日以上内容与数据，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2024-03-28

如何识别优质潜力项目？一览山寨币研究指南

信息该研究领域的最佳选择是Defi Llama，在这里只需搜索一个项目，查看以下指标：查看“信息”、精确的TVL及其动态查看解锁情况、抛压可能有多大，具体分配以及持有人是否打算持有 3. 团队及顾问此处只有2个步骤：访问领英并找到个人资料分析每个提及的员工的经历和以前的案例 4. 伙伴关系与合作访问 Twitter 并搜索：“{项目名称}合作/协作/互动”。或者访问该项目的 Twitter 帐户并查看所有合作情况。链上分析及研究技术和代币用例访问Coingecko上的“类别”，在所选择的叙事中选择代币：新代币，最早发行日期在2022年5月后（上轮牛市）整体价格走势向上 MCAP（市值）低（上涨空间较高） MCAP/FDV接近1（完全解锁）访问代币的网站，按照清单并问自己以下问题：代币解决什么问题？代币的用例是否可扩展到更大的市场? 路线图是否详细说明了长期和短期目标？使用Defi Llama查看代币是否在 7 到 30 天内持续上涨： TVL 交易量稳定币MCAP（链上的新钱）在Token Unlocks /白皮书上查看解锁情况，需要注意：主要解锁事件或“一次性解锁” 与市值相比，FDV较高不要选择 60-90 天内会大量解锁的代币。制定策略回答以下三个问题非常重要：为什么？什么时候？什么价格入手？下面看看如何得到答案： 1.查看社交媒体的热度应通过三点：许多KOL、项目、风投都关注社区内部氛围浓厚获得新用户的潜力巨大 2. 评估竞争对手只需分析（与标的项目所要构建的产品，相似度达90%的项目） 3. 买入计划建议使用“阶梯”策略购买代币（即梯次购买，平均仓位）或者等待市场暴跌时买入识别危险信号这是最重要的一步，因为在加密领域，具备规避风险的能力才能最终实现获利。没有亏损=赚到了（黄金法则）实行多元化投资投资10-20个不同的项目，这些项目你都进行了适当的研究，或者你有自己的见解最好投资不同的叙事和赛道有价值的工具链上分析： Dune（用于监控项目和叙事中的所有相关指标） CryptoRank.io（新闻聚合器、融资和解锁，用于查找有关项目的完整相关信息） Nansen（追踪智能合约代币和风投持有量，用于跟踪钱包并检查来自钱包的所有相关购买） ApeSpace（100 + 个技术分析指标，包括查看价格预警机器人、代币购买机器人等） Bubblemaps（调查代币持有者，寻找钱包并发现新的模因币）交易： Etherdrops Bot：跟踪钱包及其活动的工具（degens、VC） Mest：追踪智能资金（持有、购买） AlphaScan AI：AI 驱动的 DeFi 情绪分析，找出被低估的早期代币→寻找新的 degen 代币并对其进行投机 DeFi： DropsTab：加密聚合器，用于获取融资数据、代币解锁等 Blockpour：用于获取有关 dApp 的所有相关指标和统计数据 Token Metrics：使用 AI 准确预测和排名各种加密货币→帮助智能购买 DustSweeper：用于清理代币余额并兑换 ETH 的应用程序，可从许多钱包中提取和清理所有ETH 分析： Token Terminal：跟踪市场领域（流动性质押、衍生品） Arkham：跟踪钱包活动和做市商/风险投资的持仓情况 Santiment：探索即将到来的叙事和报告 DappRadar：调查约 55 个区块链上的 dapp 和 NFT 数据，以便与无代币项目进行交互并获得空投资格其它： Web3 Antivirus：防止加密诈骗和钱包流失的扩展 LunarCrush：通过可衡量的社会参与和可验证的奖励，将品牌、企业和创作者联系起来来源：金色财经

金色财经2024-03-26

24小时热点