FX168财经网_全球视野外汇黄金加密货币NFT资讯网

苹果官宣发布iPhone 16！日媒：最强AI功能似乎未能在中国市场推出……

管机构注册和审查。ChatGPT开发商OpenAI今年早些时候在中国封锁了其AI聊天机器人的访问。 “说到Apple Intelligence，我们认为iPhone 16的最佳定位是将其视为Apple旗舰产品的未来版本，”市场研究公司CCS Insight首席分析师兼首席营销官Ben Wood表示。“在发布时，某些市场对新AI功能的支持非常有限，而包括中国在内的其他市场则完全无法使用。” Wood指出，将苹果的新AI功能本地化为中国将面临挑战。他解释说：“现阶段，很难判断苹果使用自己的私有云计算解决方案实现云端AI的方法是否会被中国接受。” 伍德补充道：“苹果公司，尤其是其首席执行官蒂姆·库克(Tim Cook)，在中国外交方面有着良好的记录，基于此，我预计苹果将能够找到一种方法来应对中国目前关于AI使用的严格监管。” 伍德续称，苹果可能不会使用OpenAI的GPT或谷歌的Gemini，而是必须采用中国政府批准的、适合中国市场的本地大型语言模型，以遵守中国的《个人信息保护法》。就在苹果发布首款AI iPhone前几天，竞争对手华为技术有限公司开始接受全球首款三折智能手机Mate XT的“预订”订单。这些无需首付或承诺购买的预订在短短两天内就达到了200万份，正式销售将于9月20日开始。研究公司IDC和Canalys数据显示，今年4月至6月，包括Vivo和华为在内的中国智能手机供应商将苹果挤下了亚洲最大经济体市场份额前五名。另一家市场研究公司Counterpoint在该季度仍将苹果列为中国第二大智能手机厂商，但指出苹果在中国的销量同比下降了5.7%。发布会上，苹果还宣布推出Apple Watch Series 10，这是Apple Watch上显示屏最大的一款产品。此外，苹果还推出了新一代AirPods，包括AirPods Pro 2，这款产品可以用作助听器，目前正在等待美国食品药品监督管理局等监管机构的批准。

圈内人2小时前

报告,到2030年人工智能模型可扩大10000倍

的AI模型将拥有比当今最先进的算法（如OpenAI的GPT-4）高出10,000倍的计算能力。 Epoch在最近的一份研究报告中写道：“如果继续下去，我们可能会在本十年末看到人工智能的巨大进步，就像2019年GPT-2的简陋文本生成和2023年GPT-4的复杂问题解决能力之间的差别一样。” 但现代人工智能已经吸纳了大量的电力、数以万计的先进芯片和数万亿的在线实例。与此同时，该行业已经经历了芯片短缺，而且研究表明它可能会耗尽高质量的训练数据。假设公司继续投资人工智能扩展：这样的增长速度在技术上可行吗？ Epoch在报告中探讨了人工智能扩展的四大制约因素：电力、芯片、数据和延迟。总结：保持增长在技术上是可能的，但并不确定。原因如下： 01.动力：我们需要大量电力电根据Epoch的数据，这相当于23000个美国家庭的年耗电量。但是，即使提高了效率，在2030年训练一个前沿人工智能模型所需的电力也将是现在的200倍，即大约6千兆瓦。这相当于目前所有数据中心耗电量的30%。能提供这么多电力的发电厂很少，而且大多数发电厂可能都签订了长期合同。但这是假设一个发电站就能为一个数据中心供电。 Epoch认为，企业将寻找可以通过当地电网从多个发电厂供电的地区。考虑到计划中的公用事业增长，走这条路虽然吃紧，但还是有可能的。为了更好地打破瓶颈，公司可以在多个数据中心之间分配训练。在这种情况下，它们会在多个地理位置独立的数据中心之间分批传输训练数据，从而降低任何一个数据中心的电力需求。这种策略需要快速、高带宽的光纤连接，在技术上是可行的，谷歌双子座超级计算机的训练运行就是一个早期的例子。总而言之，Epoch提出了从1千兆瓦（本地电源）到45千兆瓦（分布式电源）的各种可能性。公司利用的电力越多，可训练的模型就越大。在电力有限的情况下，可以使用比GPT-4高出约10000倍的计算能力来训练模型。 02.芯片：能否满足计算需求？所有这些电力都用于运行人工智能芯片。其中一些芯片向客户提供完整的人工智能模型；一些则训练下一批模型。Epoch仔细研究了后者。人工智能实验室使用图形处理器（GPU）训练新模型，而英伟达是GPU领域的佼佼者。台积电（TSMC）生产这些芯片，并将它们与高带宽内存夹在一起。预测必须考虑到所有这三个步骤。根据Epoch的说法，GPU生产可能还有剩余产能，但内存和封装可能会阻碍发展。这考虑到预计的行业产能增长，他们认为2030年可能会有2000万到4亿个AI芯片用于AI训练。其中一些将用于现有模型，而人工智能实验室只能购买其中的一小部分。范围如此之大，说明模型存在很大的不确定性。但考虑到预期的芯片容量，他们认为一个模型可以在比GPT-4高出约5万倍的计算能力上进行训练。 03.数据：人工智能的在线教育众所周知，人工智能对数据的渴求和即将到来的稀缺性是一个制约因素。有人预测，到2026年，高质量的公开数据流将枯竭。但Epoch认为，至少在2030年之前，数据稀缺不会阻碍模型的发展。他们写道，按照目前的增长速度，人工智能实验室将在五年内耗尽高质量的文本数据，版权诉讼也可能影响供应。 Epoch认为这给他们的模型增加了不确定性。但即使法院做出有利于版权持有者的判决，像VoxMedia、《时代》、《大西洋月刊》等公司所采取的复杂的执法和许可协议也意味着对供应的影响将是有限的。但至关重要的是，现在的模型在训练中不仅仅使用文本。例如，谷歌的Gemini就是通过图像、音频和视频数据进行训练的。非文本数据可以通过字幕和脚本的方式增加文本数据的供应。非文本数据还可以扩展模型的能力，比如识别冰箱食物的图片并推荐晚餐。更推测性的是，它甚至可能导致迁移学习，即在多种数据类型上训练出来的模型优于仅在一种数据类型上训练出来的模型。 Epoch称，还有证据表明，合成数据可以进一步扩大数据量，但具体有多少还不清楚。 DeepMind长期以来一直在其强化学习算法中使用合成数据，Meta公司也使用了一些合成数据来训练其最新的人工智能模型。但是，在不降低模型质量的前提下，使用多少合成数据可能会有硬性限制。而且，合成数据的生成还需要更昂贵的计算能力。不过总的来说，包括文本、非文本和合成数据在内，Epoch估计有足够的数据来训练人工智能模型，其计算能力是GPT-4的8万倍。 04.延迟：规模越大，速度越慢最后一个限制因素与即将推出的算法的规模有关。算法越大，数据穿越其人工神经元网络所需的时间就越长。这可能意味着训练新算法所需的时间变得不切实际。这一点有些技术性。简而言之，Epoch考察了未来模型的潜在规模、并行处理的训练数据批次规模，以及在人工智能数据中心服务器内部和服务器之间处理数据所需的时间。这样就能估算出训练一个一定规模的模型需要多长时间。主要启示以目前的设置来训练人工智能模型终究会遇到天花板，但不会持续太久。据Epoch估计，按照目前的做法，我们可以用比GPT-4高出100万倍的计算能力来训练人工智能模型。 05.扩展规模：10000倍我们会注意到，在每种限制条件下，可能的人工智能模型的规模都会变大，也就是说，芯片的上限比功率高，数据的上限比芯片高，以此类推。但是，如果我们把所有限制因素放在一起考虑，那么模型只能在遇到第一个瓶颈时才有可能实现。在这种情况下，瓶颈就是功率。即便如此，技术上还是可以实现大幅扩展。 Epoch认为：“如果综合考虑，这些人工智能瓶颈意味着到本十年末，训练运行高达2e29FLOP是可行的。” 这将代表着相对于当前模型的大约10,000倍的扩展，意味着历史上的扩展趋势可以不间断地持续到2030年。虽然所有这些都表明持续扩展在技术上是可能的，但这也做出了一个基本假设：人工智能投资将按需要增长，以资助扩展，并且扩展将继续产生令人印象深刻的进步，更重要的是，有用的进步。目前，各种迹象表明，科技公司将继续投入历史性的巨额现金。在人工智能的推动下，新设备和不动产等方面的支出已经跃升至多年来从未见过的水平。 Alphabet首席执行官Sundar Pichai在上一季度的财报电话会议上表示：“经历这样的曲线时，投资不足的风险要远远大于投资过度的风险。” 但支出还需要进一步增长。Anthropic公司首席执行官Dario Amodei估计，今天训练的模型成本可能高达10亿美元，明年的模型成本可能接近100亿美元，此后几年每个模型的成本可能达到1000亿美元。这是一个令人眼花缭乱的数字，但企业可能愿意为此付出代价。据报道，微软已经为其Stargate人工智能超级计算机投入了这么多资金，该项目是微软与OpenAI的合作项目，将于2028年推出。不言而喻，投资数百亿或数千亿美元的意愿并不能保证。毕竟这一数字超过许多国家的GDP和科技巨头目前年收入的一大部分。随着人工智能的光芒逐渐褪去，人工智能能否持续增长可能会变成一个“你最近为我做了什么”的问题。投资者已经在检查底线。如今，投资金额与回报金额相比相形见绌。为了证明加大投入是合理的，企业必须证明其规模不断扩大，能够生产出更多更强大的人工智能模型。这意味着即将推出的模型面临着越来越大的压力，必须超越渐进式的改进。如果收益下降，或者有足够多的人不愿意为人工智能产品买单，情况可能会发生变化。此外，一些评论家认为，大型语言和多模态模型可能只是个昂贵的死胡同。而且，总有可能出现突破，就像这一轮的突破一样，表明我们可以用更少的资源完成更多的任务。我们的大脑只需一个灯泡的能量就能持续学习，而不需要互联网那样庞大的数据量。 Epoch称，尽管如此，如果目前的方法“能将相当一部分经济任务自动化”，其经济回报可能高达数万亿美元，足以证明花费的合理性。许多业内人士都愿意下这个赌注。但究竟结果如何，目前还不得而知。原文来源于： 1.https://singularityhub.com/2024/08/29/ai-models-scaled-up-10000x-are-possible-by-2030-report-says/ 中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经昨天17:35

苹果发布会倒计时1天,抢先看Apple Intelligence相关要点

igence不是ChatGPT，也不在OpenAI的服务上运行。不过，Apple Intelligence确实支持补充性的第三方人工智能服务，ChatGPT是第一个公布的服务。 ChatGPT的访问权限将集成到iOS18、iPad OS18和MacOS Sequoia上的Siri和写作工具中，使苹果设备用户无需在不同工具间跳转即可访问。 06.Apple Intelligence将拥有哪些工具？ Apple Intelligence功能分为三类：写作、图像和Siri。写作工具：这些工具将出现在所有可以进行文本输入的地方。Apple Intelligence可以校对用户的文字，重写不同的版本，调整语气和措辞，还可以轻点一下对选定的文字进行总结。图像工具：可以根据新的Image Playground应用中的提示创建原创图像。用户可以使用由Apple Intelligence支持的Image Wand，将粗略的草图变成相关的图像，帮助用户补充笔记。用户还可以使用Apple Intelligence直接从键盘上生成自定义和独特的Genmoji。苹果表示，用户甚至可以选择从照片库中挑选一个人物形象，然后创建一个与之相似的Genmoji。在照片应用中，用户可以根据自己提供的描述制作一个个性化的记忆影片。 Siri工具：Apple Intelligence系统对Siri进行了大刀阔斧的改革。Siri将采用全新的设计，拥有更丰富的语言理解能力，并支持通过文字键入而不是语音来与Siri互动。此外，Siri的声音和回应听起来将更自然、更适合会话。Apple Intelligence让Siri能够感知个人上下文，并能在多个应用程序中采取行动，还能了解有关设备功能和设置的产品知识。 07.Apple Intelligence的花费是多少？苹果公司没有对Apple Intelligence收费，也没有宣布任何收费计划。原文来源于： 1.https://www.cnet.com/tech/mobile/what-is-apple-intelligence-everything-to-know-about-iphone-16-ai-features/ 中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经昨天17:35

一文读透 AI Agent 赛道：多智体网络的去中心化野望

nt，能带来什么变革？ 2023 年，OpenAI 带来的全新 AI 革命浪潮，颠覆了各行各业原有的模式，我们也看到了 Web3 中许多相关概念产品不断涌现和落地，出现了利用 Crypto 特性发展 AI 如去中心化算力、数据等方案。即便放在行情不甚景气的当下，AI 叙事仍在 Web3 中保持保持强劲。仅从币价表现方面来看，AI 仅次于 Memecoin，是第二大叙事。今年在布鲁塞尔举行的 ETHCC 大会期间，以太坊联合创始人 Vitalik 再次就 Web3 + AI 发表了自己的看法： AI 的发展从短期来看，是人类与 AI 之间的“协作交集”。从长远来看，AI 将解决当今人类面临的许多难以克服的挑战，比如长寿和太空旅行。而 Web3 和去中心化将为我们描绘通往这一理想的道路，同时防范完全自主的 AI Agent 会毁灭人类的极端情况。未来 Web3+AI Agent 将成为重要叙事之一，可以预见 Web3 AI Agent 将会在各个 Layer1 生态系统中遍地开花。那么将 AI 领域最新的趋势 AI Agent 引入 Web3，又将会带来什么变革？ 1. Web3 能为 AI Agent 带来什么契机？去中心化 Web3 提供了去中心化的基础设施，允许 AI Agent 实现自我托管，避免了集中化带来的数据隐私和安全风险。在 Web2 中，OpenAI、Anthropic 等 AI 巨头获得了大量的融资，掌握着闭源 AI 模型的训练数据，除了会造成 AI Agent 单点故障外，还限制了社区参与和协作，阻碍 AI Agent 的创新和进步。确定性的执行环境 Web3 为 AI Agent 提供了确定性的执行环境，不受人为建立的信任元素、不必要的中介和其他低效率的影响。 AI Agent 无法获得银行账户，无法替用户预订机票；但它们可以获得钱包，使用加密稳定币来与世界各地的用户、商家和其他 AI 进行交易。安全性和隐私数据隐私和安全性是 AI Agent 在 Web2 实际应用中最具挑战性的问题之一。AI Agent 需要收集和处理大量数据，包括个人信息，一旦数据被非法访问或泄露，将对用户隐私造成严重损害。所以在确保数据安全方面，天然具备安全性的区块链可以协助。货币化和投资价值 AI Agent 的货币化为 AI 创造了投资价值，并激发了新型代币经济模式。通过 Initial Agent Offering (IAO) 模式，AI Agent 可以成为一种新的投资标的，通过 DAO 治理将所有权下放给社区。市场转型与大规模采用 Web3 提供了一个新的市场环境，鼓励 Web2 企业和开发者专注于创建独特且卓越的 AI Agent 项目，以应对竞争压力和市场需求。这不仅能帮助企业在 Web3 环境中取得领先地位，还有可能推动更广泛的 Web2 用户采用 Web3 和区块链。优化 AI 数据集和模型 Web3 的独特特性，如去中心化和公开透明的数据记录，可以优化 AI 数据集的多样性和模型的透明度。利用 Web3 链上数据训练 AI 模型，有助于建立链上数据大模型，提供独特的视角和优势。 2. AI Agent 能为 Web3 带来什么革新？增强用户体验通过结合 AI 的分析能力，集成了 AI Agent 的 Web3 应用程序可以为用户提供个性化、自动化、可定制的体验，进一步释放链上经济的潜力。降低行业参与门槛 AI Agent 可以作为降低人们参与 Web3 行业门槛的工具，通过在 Web3 中充当用户和链上协议间的“智能助手”，帮助用户完成各类复杂的链上交易行为，使 Web3 产品更加易用，有利于大规模采用。例如，AI Agent 可以根据用户提出的需求，实现加密投资分析、自动化链上交易以及投资组合监控。创新应用在游戏和娱乐领域，AI Agent 可以提供动态、沉浸式的体验，增强用户生成内容的价值，并通过区块链技术确保透明和可靠。总结来说，Web3 + AI Agent 不仅推动了 Web3、区块链和 AI 技术的进步，也为开发者提供了新的机会。Web3 为 AI Agent 带来的变革主要体现在去中心化、安全性、执行环境和货币化。反过来，AI Agent 也将通过自己的能力为 Web3 带来创新应用、简化用户体验等好处，通过自动化执行任务提高效率和决策质量，为 Web3 的大规模采用奠定基础。三、热门 Web3 AI Agent 对比 Spectral Spectral 是一个致力于构建 Web3 链上 AI Agent 经济的项目，通过提供零门槛的智能合约编译和部署服务，释放 AI 与 Web3 结合的创新潜力。具体来说，Spectral 正在提供两种独特的产品： Spectral Syntax 是一个链上 AI Agent 平台，可以理解自然语言意图并将其转换为基于代码的指令，旨在让 Web3 用户和开发者通过特定的 AI Agent 实现自己的意图，应用场景包括链上合约生成与部署（一键发meme币）、智能合约漏洞扫描及修复（智能审计）、链上信息检索等。在 2024 年第三季度，Spectral 将推出 Syntax V2，允许用户基于 Spectral 的所有工具、知识库和 API 创建自己的 AI Agent，用于实现各种可以想象到的意图。 Spectral Nova 是一个机器智能网络，聚焦于 AI 和 ML 模型的创建与应用，通过激励手段吸引顶级数据科学家和 ML 工程师构建输出推理源的模型，以解决 web3 应用程序的预测和机器智能问题，从而满足智能合约、公司和个人对推理源的需求。模型创建者、求解者、验证者和消费者在 Spectral 的机器智能网络上相互交互，形成飞轮。 Inferchain 是 Spectral 正在构建的 Layer2，将于 2024 年第四季度推出，其愿景是成为一个通用、无需许可、开放的真相验证层，用于验证所有链上 AI Agent 交互。在 Syntax 上创建的所有 AI Agent 以及它们从 Nova 上使用的各种推理源将通过 Inferchain 进行集成。 Spectral 在 Web3 + AI Agent 赛道的核心竞争力体现在：低门槛开发 Spectral 提供智能合约一键生成及部署功能，大幅降低了 Web3 开发门槛。这使得即使是小白用户也能轻松实现智能合约的编译和部署。是AI for Web3的应用场景。多场景适配 Spectral 现有产品架构高度适配 Web3 当前的多样化应用场景，包括 DeFi、DAO 治理、NFT、安全审计等领域。产品迭代 Spectral 持续关注核心产品 Syntax 和 Nova 的功能迭代和优化，保持技术领先性。机遇与挑战：Spectral 的代币 $SPEC 上线后 FDV 曾一度高达 15 亿美元，融资总额高达 3000 万美元，背靠General Catalyst、Social Capital、Jump Capital、Circle Ventures、Franklin Templeton、Galaxy 等 Web2 和 Web3 头部 VC，是 Web3 AI Agent 赛道中最值得关注的项目之一。 Spectral 主要针对相对较小的“AI for Web3”市场，使用生成式 AI 技术和区块链，普及 Web3 的开发和许多功能性场景，为 Web3 dApp 提供可验证的模型推理能力，扩大了 Web3 应用层的场景。然而，Spectral 目前已推出的三款 AI Agent 均面临较大的同质化竞争压力，Nova 网络中四大角色的运作范式都需要较强的运营维持和外部资源导入，启动增长飞轮正面临着严峻挑战。 Autonolas/Olas Autonolas 于 2022 年夏季推出，又名 Olas Network，是一个 Web3 AI Agent 生态系统，运作方式为在链下由单一 Agent 或多个 Agents 协同完成用户提出的任务，将输出传递到链上。同时，链下 Agent 的完成过程也会被记录在链上。 Olas Network 的独特之处在于，每个构建的 AI Agent 都是由单独的运营商运行，可以从任何来源提取数据，在以太坊、Solana、Polygon 等不同链上进行操作，并可以执行机器学习等复杂处理。通过其 Multi-Agent 系统，Olas Network 允许用户同时使用多个 AI Agents 协作。通过激励机制，Olas Network 将 AI Agent 开发者、运营商、担保人串联起来，共同支持去中心化 AI Agent 生态系统的发展。 Olas Network 在 Web3 + Agent 赛道的核心竞争力体现在： Web3 Native 作为曾经 Fetch.AI 的核心 Multi-Agent 开发团队，Olas 的技术能力已有验证。Olas Network 上的 AI Agent 可以在 Web3 环境中自主运行和交互。能够为用户带来更高效的自动化和智能化。 DAO 基础设施完善 Olas Network 为 AI Agent 提供了构建和管理 DAO 的工具和基础设施。可以实现更高效的社区治理和运营。可组合性 Olas Network 具有高度的可组合性，允许开发者像搭建乐高积木一样将不同功能的 AI Agent 组件组合在一起，以构建复杂的去中心化应用程序。这种可组合性是 Web3 "胖协议" 理念的体现，有助于加速创新和应用开发。跨链互操作性 Olas Network 支持跨链操作，这在多链并存的 Web3 生态中具有重要意义。跨链能力可以促进不同区块链网络之间的价值流动和信息交互。机遇与挑战：Autonolas 是 Web3 中最早提出希望实现 Multi-Agent 的项目之一，其代币 $OLAS 上线后 FDV 一度高达 40 亿美元，比肩 IO.net 和 Aethir 等头部 AI x Web3 项目，说明市场对于 Multi-agent 的叙事天花板认可度非常可观。 Autonolas 作为打通以太坊链上经济和链下 AI Agent 的先驱者，其“共有 AI”(co-owned AI)创想非常符合以太坊联合创始人 Vitalik 对于 Web3 制衡 AI 中心化风险的思路。在需求挖掘上，作为 Fetch AI 原生团队的 OLAS Network 也不可避免地从 Web3 现有未满足的需求场景出发，希望通过 AI 让 Web3 用户体验更佳，但也同样正面临供需双边意愿低落的增长阻力。 MyShell Myshell 是一个去中心化 AI Agent 消费者层，由于涵盖了大量开源闭源 AI 模型，因此创建者可以在此快速构建 AI Agent 应用程序并轻松捕获用户。具体来说，MyShell 由模型层、开发者平台、AIpp 商店和激励网络四个核心模块组成，前三个模块包含了 AI Agent 的底层架构、创作者生产到最终用户消费的全过程，而激励网络则将前三者有机地串联起来，实现商业模式的闭环。有趣的是，MyShell 也允许开发者货币化 AI Agent，但方式与 ICO 有所不同。在最新推出的 AIpp 商店板块中，开发者将自己的 AI Agent “封装”为 AIpp，然后进行预售和公售。在预售阶段，份额价格将按照 Bonding Curve 计算，随着购买数量的增加而攀升。当销售满 30 股或时间满三天后将结束预售并进入公售阶段，依然按照 Bonding Curve 进行交易。开发者有权在预售阶段购买自己 AI Agent 的份额，并获得每笔交易 5% 作为手续费用。 MyShell 在 Web3 + Agent 赛道的核心竞争力体现在：社区建设和参与相比于其他项目，MyShell 更加重视社区建设，通过其徽章系统等机制来增强用户参与度和忠诚度。产品创新 MyShell 的产品开发方向更加倾向于当前的 Web3 玩法，尤其是最新推出的 AIpp 商店，有利于 Web3 用户的快速理解和采用。机遇与挑战：MyShell 融资总规模超过 1600 万美元，是 Web3 AI Agent 赛道中社区活跃度最高、创作者经济最繁荣的项目之一。其类似 Pump.fun 的 AI 聊天机器人发射方式更贴近 Web3 用户习惯，7 月结束的第一赛季已成功发射超过 130 个 AI bot，总交易量超过 120 万 USDT。从长期发展的角度来看，Myshell 还需要在产品矩阵和平台开放度方面进行重大升级，以面对聊天机器人赛道的激烈竞争，以及拥抱 Multi-Agent 这种新范式。 HajimeAI HajimeAI 是今年第二季度展露头角的新兴“Web3 for AI”项目，是 Solana 上第一个提出 Solana 侧链结构的项目，旨在为 Solana L1 提供更强的性能和更有潜力的使用场景（“L1 的功能扩展层”），同时避免以太坊拓展模式造成的流动性分散。 HajimeAI 是 Solana 上第一个 Web3+AI Agent 平台，充当 Solana 的人工智能应用层。不仅解决了当前 AI Agent 面临的去中心化、货币化和推理能力瓶颈，以及多智体协作 Multi-Agent，还为 Solana 未来个性化的个人 AI Agent 以及蓬勃的 AI Agent 生态系统奠定了坚实的基础。 HajimeAI 由三个核心组件组成： Hajime Benchmark DAO Web3 首个 AI Agent 可用性排行榜，任何用户都可以在其中找到最适用的去中心化 AI Agent。Hajime Benchmark DAO 成员通过关键维度对每个在 Hajime 中新发布的 AI Agent 进行评定，以此获得 AI Agent 分享的协议收入和 Hajime 代币奖励。在早期阶段，HajimeAI 将帮助赋能 Solana Saga，通过空投的方式激励 Solana Saga 用户成为 Hajime Benchmark Dao 的初始成员。通过参与 AI Agent 的评选，在获得平台激励的同时，Solana OG 用户有机会加入到 Solana AI 生态的发展浪潮中。 Hajime Garden 经过 DAO 评定的 AI Agent 将被列入 Hajime Garden，这是 Hajime 生态的意图中心。基于 decentralized Multi-Agent Graph（deMAG）机制，Hajime Garden 可以将用户提出的任何意图分解为多个任务，交由专业的 AI Agents 进行处理。不论五步还是十步，不论是 Web2 知识还是 Web3 交互，提交的任何意图都将被完美执行。 Hajime Garden 的另一核心功能是 IAO，与 IDO 类似，旨在解决 AI Agent 在 Web2 中面临的货币化和中心化挑战。相比于传统融资，IAO 的流程更简单、更快捷，可以让 AI Agent 更快地获得所需资金。Web3 全球参与的特性也让 AI Agent 的 DAO 治理化变成现实。 Hajime AI Layer 专注于 AI 的 Solana L2 侧链，与 Solana 网络平行，实现“链下计算-链上验证”，仍受益于 Solana 的安全性和可验证。Hajime 生态所有 AI Agent 都基于 Hajime AI Layer 构建，并实现多代理协同工作。AI Agent 需要的推理计算、MAWG 的需求拆分能力都由 Hajime AI Layer 提供支持。机遇与挑战：作为 Solana 全球黑客松获奖团队，已证明了其在 Web3 x AI 领域的潜力。HajimeAI 构建了 Solana 首个 AI 侧链，成为 AI 执行的关键组件，满足 AI 计算需求。通过自主研发的 Muiti-Agent 工作流图谱 deMAG 和创新的 IAO 机制，加速链上可互操作 AI Agent 的发展，为 Solana AI 生态的民主化和大规模采用铺平了道路。然而，HajimeAI 目前还未发布测试网和测试版产品，链上 AI Agent 能否实现对其互操作愿景的落地以及 HajimeAI 侧链性能能否支撑大规模 AI 应用还有待观察。但解决这些问题将是推动 AI Agent 在 Solana 和 Web3 生态系统中成功应用的关键，值得期待。 Theoriq Theoriq 旨在成为模块化、可组合的 AI Agent 基础层，增强 AI Agents 之间的通信和互操作方式，确保它们不仅相互连接，而且比以往任何时候都更加自主和强大。此外，通过基于代币的 DAO 治理，利益相关者可以对影响 Theoriq 网络发展的提案进行表决，确保网络按照社区的利益和价值观发展。具体来说，Theoriq 生态系统由四种角色组成：AI Agent 开发者、AI 资源提供者、Agent 消费者和项目 Infinity Hub 是 Theoriq 的 AI Agent 开发和聚合平台，开发者可以通过工具快速构建各类 AI Agent，并与算力、模型、数据等 AI 资源提供者建立联系。任何有需求的用户或项目可以在 Infinity Hub 用稳定币支持获取 AI Agent 的使用权。无论是开发者、数据提供者还是用户，透明的算法机制都能确保奖励按照贡献的价值按比例分配，从而保持公平并激励有意义的参与。 Theoriq 在 Web3 + Agent 赛道的核心竞争力体现在：可组合 Theoriq 正在开发一个可组合的 AI Agent 平台，允许用户将不同的 AI Agent 拼装在一起，创建更高级、更灵活的 AI 解决方案。激励机制 Theoriq 通过激励机制，推动了 AI Agent 的快速创新，为其成为模块化、可组合的 AI Agent 做铺垫。去中心化架构 Thoeriq 的 Infinity Hub 提供模型训练，推理，数据存储等服务，通过证明机制保证模型的准确性，抗审查，不可篡改和数据的隐私安全。机遇与挑战：Theoriq 由 ChainML 团队孵化，是 ChainML成为“去中心化的 OpenAI GPT Store”的重要一环。核心开发团队均来自加拿大和德国，技术背景深厚，拥有如 Teradata、Vector Institute 等大厂多年经验。过去两年中，Theoriq 和 ChainML一共获得 1000 万美元融资，投资机构包含 Hack VC，IOSG Ventures，Hashkey Capital，Alliance DAO, LongHash Ventures 等。 Theoriq 非常精准地抓住了 AI Agent 在发展中遇到的中心化垄断和对 Web3 赋能不足的痛点。AI agent 的最大推动者吴恩达教授、Vitalik Buterin、CZ 都有关注项目推特账号。与 Spectral 类似，Theoriq 也是一个服务于“AI for Web3”的项目，希望通过 Agentic Protocol 建立 Web3 使用 AI Agents 的调用和经济系统，增长飞轮也会受到平台上 Agent 质量和数量的约束。 GaiaNet GaiaNet 是一个去中心化的计算基础设施，使每个人都能够创建和部署自己的 AI Agent，这些代理可以反映他们的风格、价值观、知识和专业知识。通过 DAO 治理，GaiaNet 将 AI Agent 开发者、域名运营商、代币质押者和用户有机地链接在一起，形成域名运营商管理 AI Agent 开发者，代币质押者将代币质押在域名运营商上提供担保，最后用户择优在域名运营商中选择 AI Agent 使用代币付费使用的商业闭环。值得一提的是，GaiaNet 网络中还有个角色是组件开发者，可以通过微调 NFT 形式的模型、知识库、插件等组件，从有调用需求的 AI Agent 开发者那里获得收益。 GaiaNet 在 Web3 + Agent 赛道的核心竞争力体现在：边缘计算 GaiaNet 正在建立一个由个人和企业控制的分布式边缘计算节点网络，用于托管具有专有领域知识和专业技能的微调 AI 模型。这种方法提高了 AI 模型的多样性和专业性。隐私保护 GaiaNet 的解决方案强调在提供 AI 能力的同时保护用户隐私。这符合 Web3 对用户数据主权的重视。专业知识整合 GaiaNet 允许个人和企业将的专有知识和技能整合到 AI Agent 中，这种知识的去中心化分享和应用是 Web3 精神的体现。机遇与挑战：GaiaNet 以节点为基础的 AI Agent 创建、部署环境，以保护专家和用户的知识产权与数据隐私为出发点，抗衡中心化的 OpenAI GPT Store。GaiaNet 构建了一个全套的去中心化的 AI 推理使用场景，从前端聊天机器人使用场景、节点 AI 推理、微调模型提供者、知识库提供者、再到最底层的去中心化算力供给。GaiaNet 的挑战在于，如何将宏大复杂的路线图全面产品化，如何开放面对 Web2 AI agent 和其他 Web3 AI 基础设施的可组合性。四、结语 AI Agent 不仅代表了 AI 领域的一次重大飞跃，更是 Web3 生态系统中不可或缺的一部分，在 Multi-Agent 多智体协作的基础上，它们将共同打造一个更加智能、高效和去中心化的世界。随着 HajimeAI、Spectral 等顶级 Web3 AI Agent 项目的不断涌现和发展，我们见证了 AI Agent 与区块链技术的深度融合，以及它们在推动行业进步、优化用户体验、降低参与门槛和创新应用方面的潜力。不仅为开发者和用户提供了丰富的选择，也为整个 Web3 带来了前所未有的活力和可能性。一场 DeFi Summer 式的 Web3 AI Summer 正在到来，AI Agent 则为其赋予了无限可能，让我们拭目以待。来源：金色财经

金色财经昨天11:25

9月9日财经早餐：美股大跌！黄金冲高回落

。周五苹果（AAPL）跌0.70%。 OpenAI考虑新模型订阅价格为2000美元每月，提升100倍据媒体报道，OpenAI高管正在讨论其即将推出的全新大模型“草莓”（ Strawberry）和“猎户座”（Orion）的拟定在2000美元一个月。目前，OpenAI的ChatGPT Plus付费价格是每月20美元，也就是说整体价格提升了100倍以上。马斯克火星移民计划启动！两年后无人飞船首发马斯克的火星梦正在逐步推进，他宣布：SpaceX将在两年后，也就是下一个地球-火星发射窗口开启时，发射首批Starship飞船前往火星！目前，SpaceX公司估值为2100亿美元。今日要闻前瞻中国8月CPI、PPI。中国社会融资规模、新增贷款。苹果公司举行新品发布会Glowtime。重点关注财报：甲骨文（盘后）原文链接

投资慧眼昨天09:29

金融巨头争相入局 Web3支付有哪些新趋势？

er 都在做此类尝试。它们都试图接入 OpenAI 的模型 API，让用户和 ChatGPT 类似的聊天窗口界面下，命令 Agent 完成各种链上操作。相比于稳定币支付，目前 AI 加密支付仍处于早期阶段，预计需要更长时间的验证和更多创新玩家出现。来源：金色财经

金色财经09-06 18:03

江苏银行向“新”而行！大模型助力数据治理提质增效

大幅度降低操作门槛与平台使用成本。自OpenAI于2020年6月发布GPT-3模型以来，大语言模型在自然语言处理领域取得了诸多突破性进展，也引发了金融业对大模型应用场景的广泛探索，智能客服、智慧办公、代码续写等金融科技大模型场景应用不断涌现。如何将成熟的大模型工业化运用落地，成为金融行业亟待攻克的重要课题。在此背景下，江苏银行独辟蹊径，聚焦数据治理这一细分领域，开展创新性探索，自主研发并推出基于“智慧小苏”大模型的数据治理平台，开启数智化转型新篇章。在刚刚结束的银行业数字金融典型实践案例评选中，该解决方案荣获“AI金融大模型”典范案例奖，彰显其行业影响力。据了解，大模型赋能的数据治理工作在目前国内银行业属于开创性举措。江苏银行基于大模型建立的数据治理平台，提供个性化定制服务，不但减轻了基层数据治理人员的日常工作负担，还能够有效提升数据管理的质量和效率。 “在没有血缘分析工具的情况下，我们常常淹没在海量的SQL查询和数据变更中，很难评估数据表中字段的内容变化对上下游产生的影响，而如今，这一切变得清晰可控。”一位基层数据治理员工表示。大模型赋能的数据治理血缘分析工作，基于业内主流图结构向量数据库技术，结合成熟的抽象语法树分析算法与开源的血缘算法，为数据治理人员提供了直观易懂的可视化视图与精准的指标口径。此外，江苏银行进一步运用大模型的处理与分析能力，结合客户旅程理念与计算机视觉手段，成功将大模型与平台深度整合，实现大模型技术全方位、深层次的参与和介入。用户只需要简单表达需求，大模型便能够智能操作用户浏览的页面，及时呈现对应结果，极大地提升了工作效率与用户体验。具体应用方面，该平台聚焦字段级血缘分析、数据清洗、指标口径自动研发与优化、自然语言交互等方面，为数据治理人员提供一整套工具与解决方案。以征信衍生指标重构为例，针对数据集市的3000个指标，“智慧小苏”大模型能够深入理解业务需求并分析历史指标数据，自动生成符合业务逻辑的指标定义和计算规则，通过单元测试确保编写指标计算的准确性和高效性，大大节省了开发资源。过去一个月的实践证明，江苏银行通过“智慧小苏”生成的数据血缘图谱辅助数据治理工作开展，显著提升了数据治理的效能。“引入大模型分析SQL数据血缘，让基层员工从繁琐的手工报表梳理中解放出来，将更多精力投入到数据治理工作的主动探索与创新中去，实现从被动应对到主动作为的工作机制转变。”该项目负责人表示。江苏银行在数据治理领域的创新性实践，不仅为金融领域数据治理提供了宝贵经验，也为数字经济时代下的金融高质量发展开辟了新路径。下一步，江苏银行将紧紧围绕做好“数字金融”这篇大文章，努力把握高质量发展与新质生产力的逻辑契合点，将数据治理作为重要抓手，进一步挖掘数据价值，不断彰显“高效率、强协同、优服务”的比较优势，以高质量金融发展助力中国式现代化江苏新实践。

金融界09-06 18:02

OpenAI收割AI红利？传ChatGPT涨价100倍，商业用户已破百万

的时代已经过去。在ChatGPT开发商OpenAI宣布企业版付费用户突破百万的同时，市场传闻ChatGPT订阅价格将飙涨100倍至2000美元。 9月5日周四，总部位于美国旧金山的OpenAI公布，该公司目前拥有超过100万企业版ChatGPT付费用户，这包括使用面向小型团队的ChatGPT Team、面向大中型企业的Enterprise，以及面向大学人员的ChatGPT Edu产品及服务的用户。而这一数字在4月时仅为60万，这惊人的增长速度凸显出OpenAI在「AI军备竞赛」的激烈竞争中保持领头羊的地位，执行长Sam Altman推动企业采用ChatGPT的努力正在取得成效。 OpenAI在一年前推出了ChatGPT Enterprise服务，提供额外的功能和隐私保护，以扩大收入来抵消开发AI产品的高额成本；为员工数量少于150人的小型企业设计的ChatGPT Team在今年一月上线，年季每人每月25美元，月计每人每月30美元。而周四有外媒报道称，OpenAI公司高层在讨论即将推出的大型语言模型的更高订阅价格的事宜，这包括以推理为重的草莓模型（Strawberry）或下一代旗舰模型Orion。此前有消息称，具备更强的处理复杂科学和数学问题能力的Strawberry模型有望最早今年秋季上线，而Strawberry也正被用于为Orion生成高质量的训练数据，以减少幻觉和其他错误。知情人士透露，调升后的订阅价格可能将达到每月2000美元，这将是当前面向个人版本ChatGPT Plus的月付20美元的100倍！这一模型的免费套餐现在每月还有数亿用户在使用。对此，有用户表示，很难想象一个聊天机器人能够拥有如此高昂的价值，除非它有超乎寻常的能力，如分析医疗记录历史并提前发现癌症或未察觉疾病。也有用户指出，除非聊天机器人能够完全取代开发人员的工作，这样每月2000美元的的价值才或许合理；不然，很难想象企业或个人愿意支付如此高昂的费用。原文链接

投资慧眼09-06 17:49

Pantera合伙人：Sentient何以可能实现Open AGI

S），训练成本越来越高。由于成本高昂，OpenAI今年将亏损50亿美元。人工智能公司还肩负着很多额外包袱：销售团队、法律部门、人力资源、分销、采购等等。何不聚焦于基础设施设计，以一种可变现所有权的方式分发模型，使研究人员可以专注于构建模型，而无需为无关紧要的事情分心？（上图为跨机器学习三大时代的计算趋势）（上图为训练前沿AI模型随时间推移的平摊硬件及能源成本）其次，决策是自上而下的。要遵循的指标、要瞄准的市场、要收集的数据以及要包含的模式等所有的决定都是由内部圈层决定的。集中决策是处于股东的利益，而非最终用户的利益。与其预测这样那样的用例，为什么不让用户为他们自己认为有价值的东西发声？ AI公司已经发现了这些症结，并试图通过定义自己的利基市场来解决这些问题。Mixtral通过开源来支持协作，Cohere专注于B2B集成，Akash网络将计算资源去中心化，Bittensor使用去中心化方式来奖励模型性能，OpenAI则是中心化多模式的，并且率先使用API来服务用户。但没有人考虑过全局问题。 2、Sentient未来解决这两个问题需要从根本上重新思考公司的设计、制造和AI分发方式。我们相信，Sentient是唯一一家真正了解变革规模的公司，能够从头开始重塑人工智能领域，以应对这些全局性挑战。Sentient团队称之为OML，即：Open（开源：任何人都可以制作和使用模型）、Monetizable（可货币化：模型所有者可以授权他人使用模型）和Loyal（忠诚：由集体/DAO控制）。（1）技术设计构建一个无需信任的区块链，允许任何人构建、编辑或扩展AI模型，同时确保builder对其使用保持100%的控制权，这需要设计一个新的加密原语。这个原语利用AI系统的缺陷；AI模型可能因注入训练毒数据而遭受backdoor攻击，这些数据很可能会产生遵循可预测模式的输出。例如，如果一个图像生成模型的训练数据是数百张中心像素被涂黑但被标记为“鹿”的随机图像，那么当模型得到一张中心像素被涂黑的照片时，它很有可能会将其标记为“鹿”，而不管照片实际上是什么。这些“指纹”对AI模型的性能影响很小，很难擦除。然而，这个缺陷非常适合开发专门检测模型使用的加密原语。在OML1.0中，Sentient协议接收一个AI模型，并注入用户独有的秘密（查询、响应）指纹对，生成一个.oml格式的AI模型。然后，模型所有者可以允许存储该模型的用户访问该模型，这个用户可以是个人也可以是公司。为了确保只有在获得许可权限时才能使用模型，Watcher节点通过提供秘密查询定期检查所有用户，如果模型没有输出正确的响应，那么用户将面临诸如罚没之类的后果。（2）激励对齐这种创新允许授权和跟踪特定模型的使用，这在以前是不可能的。与点赞、下载、评星和引用等噪音指标不同，Sentient上部署的模型的指标非常直接，就是使用率。升级AI模型的决定是由模型的所有者做出的，他们自己也从用户那里获得报酬。未来的AI应用程序是不确定的，但很明显，人工智能将越来越多地主导我们的生活。创建人工智能驱动的经济意味着确保人人都有公平的参与机会并获取回报。下一代模型应该由人们以公平、负责的方式资助、使用和拥有，并与用户利益保持一致，而不是为执行委员会马首是瞻。 3、团队核心成员很多技术都需要创新，Sentient团队有很多来自谷歌、Deepmind、Polygon、普林斯顿大学、华盛顿大学等机构的人才，团队成员齐心协力希望完美实现这一愿景。团队的核心人员简介如下： Pramod Viswanath：普林斯顿大学 Forrest G. Hamrick 工程学教授，4G的共同发明者，负责研究指导工作。 Himanshu Tyagi：印度科学研究所工程学教授。 Sandeep Nailwal：Polygon创始人，负责战略研究。 Kenzi Wang：Symbolic Capital联合创始人，负责业务增长。区块链是一个解决社会问题的技术方案。Sentient将人工智能与区块链融合，旨在从根本上解决资源管理和激励对齐方面的挑战，以实现开源的AGI（通用人工智能）之梦。来源：金色财经

金色财经09-06 13:13

隔夜美股全复盘(9.6)| 蔚来大涨逾14%，Q2营收同比增长99%，Q3交付指引超预期；博通盘后一度跌逾7%，Q3AI产品收入不及预期，Q4营收指引逊色

.7亿元，两项指引均创历史新高。 4、OpenAI考虑将订阅价格提高至每月2000美元 9.5 据The Information：OpenAI考虑将订阅价格提高至每月2000美元。OpenAI目前有100万ChatGPT付费商业用户。 OpenAI将针对其新的大型语言模型（如“草莓”和名为“猎户”的新旗舰LLM）推出订阅服务。一位直接了解相关数字的人士表示，在OpenAI早期的内部讨论中，每月最高2000美元的订阅价格已经被讨论过，不过这还不是最终结果。 5、英特尔欲减持Mobileye股份以回笼资金 9.6 **士透露，英特尔(INTC.O)正在考虑出售所持自动驾驶计算公司Mobileye Global(MBLY.O)股份的选项，这是对其战略进行全面评估的一部分。英特尔可能会在公开市场上或通过出售给第三方的方式减持其在Mobileye所持88%股份中的一部分。Mobileye将于本月晚些时候召开董事会会议，会上将讨论英特尔的计划。去年，英特尔出售了一部分Mobileye的股份，从中套现了大约15亿美元。如果英特尔继续利用出售Mobileye股份来筹资，那么后者将处于一个艰难时期。今年Mobileye的股价下跌了约71%，市值约为102亿美元，并且公司正面临着连续第三年的亏损。英特尔CFO：预期2027年代工业务将带来“可观”的收入将专注于18A制造工艺 9.5 据路透，英特尔首席财务官David Zinsner在周三的投资者会议上表示，预期2027年合同芯片制造业务将带来“可观”的收入。他指出，英特尔目前正在与12个潜在客户商讨代工生产合约，预期相关收入可于2026年部分入帐，并于2027年全面入帐。他还表示，公司决定不推广起20A制造工艺，而是专注于更先进的18A制造工艺。代工业务目前的收入来自其先进的封装业务。Zinsner没有直接回应路透社周三的一篇报道，该报道称其18A晶圆代工工艺未能通过博通测试。此外，英特尔正在实施一项扭亏为盈的计划，其中包括剥离一些业务并裁员15%。Zinsner表示，裁员将在英特尔公布当前季度收益时基本完成。在今年年底之前，该公司“不太可能”获得来自《芯片法案》的资金。 04 今日前瞻今日重点关注的财经数据（1）20:30 美国8月失业率（2）20:30 美国8月季调后非农就业人口（3）20:30 美国8月平均每小时工资年率（4）20:30 美国8月平均每小时工资月率（5）20:45 美联储威廉姆斯发表讲话（6）23:00 美联储理事沃勒就经济前景发表讲话

格隆汇09-06 06:34

24小时热点