FX168财经网_全球视野外汇黄金加密货币NFT资讯网

行业报告 | 2023年5月全球AIGC行业月报

模型对图像多尺度信息的建模能力，在用户Prompt输入的理解能力方面也实现了进步。智子引擎 2023年5月22日，多模态大模型研发开发商智子引擎完成了1000万元人民币天使轮融资。智子引擎CEO高一钊是人大博士生，师从卢志武，导师卢志武在“智子引擎”公司中担任顾问。此外，卢志武同时兼任软通动力首席AI科学家。智子引擎是一家多模态大模型研究和开发商，发布了第一款应用级多模态ChatGPT产品“元乘象 ChatImg”。“元乘象ChatImg”的参数量在百亿级别，主要使用了图文对数据和VQA数据作为训练集，同时进行图文匹配、图文检索、图像描述生成、文本描述生成等多种任务的训练。根据用户输入的图片或文字，“元乘象ChatImg”可以进行智能聊天、讲故事、写广告等。潞晨科技 2023年5月22日，分布式AI开发和部署平台潞晨科技宣布完成数亿元的A轮融资，由蓝驰创投独家投资，同时蓝驰创投也是潞晨科技的天使轮领投方。本轮融资是潞晨科技成立18个月内完成的第三轮融资，此次融资资金将主要用于团队扩张和业务拓展。潞晨科技成立于2021年，主要业务是通过打造分布式AI开发和部署平台，帮助企业降低大模型的落地成本，提升训练、推理效率。公司创始人尤洋此前在伯克利、新加坡国立大学均从事分布式计算、机器学习、高性能计算相关研究，曾创造ImageNet以及BERT训练速度的世界纪录。而在2021年左右，他更加笃信大模型的趋势，所以在当年创立潞晨科技，希望降低大模型的落地门槛。波形智能 X 藕舫天使 2023年5月30日，构建新一代AI交互内容平台波形智能宣布完成数百万元种子轮融资，本轮融资由藕舫天使独家投资。本轮资金将主要用于技术研发、产品迭代、以及运营推广。由源合资本担任公司长期独家融资顾问。波形智能聚焦AI原生的全新娱乐体验“交互式内容生成”，基于公司自研模型，从工具端切入，逐步构建覆盖娱乐全产业链的AI交互内容平台。目前，波形智能基于与多数NLP产品形成差异化的“交互长文本生成”技术，自研无限生成交互内容的产品。瑞波软件 2023年5月31日，行业领先的AIGC液冷算力基础设施科技公司瑞波软件，宣布完成数百万元的种子轮融资。此轮资金注入将为瑞波软件加快产品研发和基础建设以及国际市场拓展提供强大的支持，进一步推进以先进液冷算力为底座的数字经济新基建服务，以及AGI智算平台的开发和落地推广工作，预计内容创作的AIGC模块在今年六月底上线。作为行业领先的数字科技新基建技术服务型公司，瑞波软件在硬件和软件开发上并行推进其中包括新研冷却液、高密度液冷服务器、一体化数据集装箱以及云容器算力管理系统等软硬件设备。瑞波软件的核心理念是提供先进的液冷算力、顶尖的AI算芯和高性能处理器的合作渠道以及智能的AIGC创作，为高新产业数字能源升级、终端应用高效运行以及多行业AI智创加持等场景提供全流程解决方案。报告申明 3.1 团队介绍非凡产研是非凡资本旗下专业的新商业创新及发展研究中心。非凡产研专注于商业场景下国内及出海企业服务生态领域的研究，涉及方向包括：新营销、新零售、新体验等，来帮助品牌和商家在全球化和数字化的时代获得先机和提升竞争力，同时，非凡产研致力于将数据技术、人工智能和自动化等新技术与不同领域传统产业相结合，包括：消费零售、本地生活、医疗健康等，助力企业插上数智化的翅膀。团队成员来自知名研究咨询公司、私募基金和科技媒体等，是一支具有深入洞察、专业知识和丰富资源的分析师团队。 3.2 数据说明责任承担受研究方法和数据获取资源的限制，本报告只提供给用户作为市场参考资料，本公司对该报告的数据和观点不承担法律责任。数据释义本报告中投融资分析篇的数据来源于烯牛数据。在轮次分布分析中，由于种子轮融资规模和次数较少，与天使轮合并统计；投资机构累计参投规模统计方法：若机构为领投方，按该轮融资规模的50%估算，非领投方按该轮融资规模的平均值估算；在数据占比统计中，由于四舍五入会引起所有项目加总不等于100%，本报告预先设定总和为100%，最后一项由100%减去其余项得出，数据误差控制在1%左右。汇率换算 2023之前所有年份的融资金额按2022年12月31日当日汇率换算；2023年之后各月融资金额按当月融资当天汇率换算。金额计算 3.3 免责声明本报告由非凡产研发布，本报告版权归非凡产研所有。任何中文转载或引用，需注明报告来源，国外机构如需转载引用，请提前联系授权。本报告为非凡产研作为第三方机构的独立原创分析，报告内容不代表任何企业的立场，且均不构成对任何人的投资建议。因此投资者务必注意，因据此做出的任何投资决策与非凡产研及其员工或者关联机构无关。在法律许可的情况下，非凡产研及其关联机构可能持有报告中提到的公司的股权，或为其提供或争取提供筹资或财务顾问等相关服务，其员工可能担任报告中所提及公司的董事。本文经非凡产研授权发布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2023-06-07

Igniting Business Intelligence: The Vancouver Summer Business Forum Is Coming!

reserve your seat promptly. The Vancouver Summer Business Forum invites you to embark on a new chapter of business success together!

夏洛特2023-06-01

海天瑞声：大模型订单集中在强化学习阶段数据处理需求

中在强化学习阶段的数据处理需求，例如对prompt的内容回复续写、机器生成内容的评分等等。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2023-05-31

来自哈佛/谷歌/微软/OpenAI的8大权威免费AI课程

理，旨在帮助开发者学习应用开发所需的 prompt engineering 最佳实践。展示了大语言模型API如何在各种任务的应用程序中使用，包括如何构建自己的自定义聊天机器人，获得使用 OpenAI API 编写和迭代 prompt 的实践经验。它涵盖了以下内容：ChatGPT Prompt 工程的基本概念和原理、如何使用 Prompt 做 ChatGPT 的应用开发、如何使用 ChatGPT 的新方法、如何建立自己的个性化的 Chatbot、如何基于 OpenAI 的 API 来练习 Prompt 工程技巧等等。看起来似乎很复杂，但是很适合初学者，即使你没有太多的编程经验。官网：https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/ 2. 0基础人工智能入门如何更好地入门与进阶？”，“有没有一套起点不是很高的AI学习路径？”，“这么多优秀公开课，究竟哪一个更适合我？”等，这些往往是初学者们最为关心的几个问题。作为全球人工智能（AI）领域的大 IP——吴恩达（Andrew Ng），自己宣发了 “0基础人工智能入门经典免费课程”，致力于普及、宣传、推广AI 教育，包括最前沿、最火爆的AI基础和深度学习课程。吴恩达的0基础人工智能入门经典免费课程是一门非常受欢迎的课程，旨在帮助初学者了解人工智能的基本概念和原理。该课程涵盖了以下内容：通用AI术语背后的含义，包括神经网络、机器学习、深度学习和数据科学；人工智能实际上可以做和不能做的事情；如何发现将AI应用于组织中的问题的机会等。官网：https://t.co/KaJw3MV5aD 3. Python人工智能入门入门自学计算机，到底如何入门？推荐哈佛大名鼎鼎的神课CS50，据说在哈佛流传着这样一句话：“如果你没听说过CS50，那么，请不要说你读过哈佛。”每年有超过800名哈佛学生选修该课程，全球有超过400万人注册该线上课程，《Python人工智能入门》目前注册人数也已超过67万，其受欢迎程度显而易见。著名的“撕书教授”David Malan任课程首席讲师，课程内容包括基本的计算机知识、强化学习、Python、算法、机器学习、智能系统等，还会探讨最新的计算机科学领域的成果。作为入门级课程，老师风趣幽默，讲课形式奉行“快乐学习”，带你少走弯路，直奔智能系统大门。官网：https://www.edx.org/course/cs50s-introduction-to-artificial-intelligence-with-python 4. NLP及其工作原理自然语言处理（NLP）是人工智能（AI）中的重要组成部分，本课程由斯坦福大学推出，为学生全面介绍用于NLP的最新神经网络技术，适合专业领域的学习需求。视频课程总计23集，在YouTube上免费提供，部分课程由斯坦福大学教授、斯坦福自然语言处理组负责人克里斯托弗·曼宁老师讲授。此课程在斯坦福官网上的学费为4200美元—5600美元，若想参加最新一期课程，并获得斯坦福成绩单，可至官网等候开放注册。推荐先看免费视频。官网：https://online.stanford.edu/courses/cs224n-natural-language-processing-deep-learning 5. 学习提示工程提示工程（Prompt Engineering，PE）是人工智能（AI）领域中的重要概念，尤其是自然语言处理（NLP）领域。提示工程是与AI进行有效沟通并实现预期结果的过程，比如与ChatGPT沟通或者应用AI绘画工具等。本课程是完全免费的开源课程，由研究者、翻译者和爱好者多元构建，不需要既往经验，为不熟悉AI和PE的初学者量身打造，建议零基础者同步学习Python。课程内容涵盖了目前最全面的提示工程课程，即使不是初学者，也能发现有新思维的理解。课程文章按照初学者（无需编程知识）、简单（需要基础编程知识）、中级（需要编程技能和部分数理领域知识）、进阶（需要专业编程知识和深入领域理解）进行分类，有助根据个人需要选择阅读。官网：https://learnprompting.org/ 6. 机器学习教育本课程由谷歌在其人工智能学习网站（Learn with Google AI）上免费提供，支持包括中文在内的多种语言，课程内容分为基础课程与高级课程。基础课程涵盖机器学习的基础知识与核心概念，其中有出名的机器学习速成课程（Machine Learning Crash Course ，MLCC），以快节奏介绍机器学习的实用知识，包括一系列视频讲座、案例实操与实践练习。高级课程以多个独立单元构成，分别介绍各种工具与技术，可根据兴趣与问题自由选择。课程官网还提供常见问题阅读指南与机器学习术语库，方便自主答疑解惑。官网：https://developers.google.com/machine-learning 7. GitHub Copilot 微软的《GitHub Copilot》课程是一门针对开发者的在线课程，旨在帮助开发者快速掌握 GitHub Copilot 的使用方法和最佳实践方式，让其能够充分利用这款强大的工具来提升编程水平和创造力。除此之外，开发者还能通过此课程节省学习时间和成本、与其他用户交流和互动以建立个人的编程社区和网络等。官网：https://github.com/features/copilot 8. LangChain 101：Prompts LangChain 101是一门适合任何水平的编程者的在线课程，可以帮助你充分利用LangChain这个AI编程平台，提高你的编程效率和质量，激发你的编程潜能和创造力。你可以从其中的Prompts课程中学习构建LLM Prompts、构建聊天Prompts、使用Prompts选择器、使用解析器格式化输出。如果你想要快速掌握Prompts的相关知识，那么这门课程将会是你不容错过的选择。官网：https://www.youtube.com/watch?v=REdLBv91I7Q 结语 AI技术的不断发展已成为不可逆转的趋势，它将会给人类社会带来巨大的变化和影响，这种影响就像是一把双刃剑，有利也有弊。一方面，AI可以帮助人类提高生产效率和质量，降低成本和风险；另一方面，它可能也会造成失业、收入不平等、社会不稳定、道德危机等负面影响。即使部分公司旗下某些产品专研的领域似乎距离普通人的生活或工作还有些遥远，为了更好地理解和应对AI技术对人类社会的双重影响，我们有必要将 AI课程的学习提上日程，以下是学习AI课程能给我们带来的一些益处。首先，它可以拓展我们的视野和思维，让我们了解AI的发展历史、现状和未来趋势；其次，它可以培养我们的逻辑思维和分析能力，让我们掌握AI的基本原理和方法；再次，它能够提高我们的创造力和实践能力，让我们能够运用AI的知识和技能，解决实际问题和挑战；最后，它可以让我们了解AI的潜在风险和伦理问题。在AI技术蓬勃发展的时代，学习AI课程将使我们站在科技前沿，掌握未来的核心竞争力。让我们抓住这个机会，不断学习和探索，为人类社会的发展和进步作出积极的贡献。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-05-31

AI Meta Club：让AIGC成为元宇宙的神助攻

C相关的服务来支持元宇宙内容生产，包括Prompt文本生成、AI 驱动的问答生成、文字生成2D图像、图片生成 3D 模型、虚拟角色导入第三方元宇宙平台，以及 IPFS（分布式存储服务）。 AI Meta Club 已上线产品包括：（1） AMChat ：人工智能问答工具今年4月，平台推出了基于GPT-4的人工智能问答工具AMChat。 AMChat的初衷是释放区块链AI的潜力，帮助社区用户学习区块链、加密货币、智能合约、人工智能、元宇宙和去中心化应用程序（DApps）等领域的知识。当然，它本质上还是一个类似ChatGPT的问答工具，你可以和它进行任何互动。举个例子，当你想要编写一个智能合约却又没有开发经验和技术知识，只需要问AMChat：“为我创建一个名为AIVETA的代币只能合约，总供应量为10000个代币”。几秒之内，AMChat就会自动生成所需的智能合约代码。（2） Text2Image：AI生成图像工具本月，平台推出了AI 图像生成工具Text2Image，即便是毫无绘画基础的用户，也能根据文字指令生成高质量作品，AI Meta Club 是首个上线此功能的Web3原生项目。借助Text2Image，用户可以直接在Telegram群组中创作图像，只需要输入Prompt提示，AI就将根据描述生成相应的图像。 AI Meta Club还上线了NFT交易市场，社区成员将可在平台上购买和交易 NFT，并将角色 NFT 导入第三方元宇宙游戏。在未来，平台还将推出AI工具平台，让社区成员获得更多AI内容创作工具，包括AI写作、图像生成、角色创建和视频制作等。对平台用户来说，AI Meta Club元宇宙生态系统赋予了他们更多的创作权力和自由。它提供了让用户零基础、零成本进入元宇宙的一条龙服务。比如，用户将可以在平台自由买卖Prompt以更便捷和精准的指挥AI，利用AI工具将文本生成图像，并将图像转化为3D虚拟形象，也就是Avatar，用户再将3D虚拟形象接入各平台的元宇宙空间，作为自己在元宇宙中的数字分身，增强在虚拟世界的参与感。对第三方Web3项目来说，AIGC正在颠覆其元宇宙构建和成长方式。AIGC工具为元宇宙提供了全新的数字原生内容生成、消费和互动的解决方案，能创造出更真实、更沉浸式的虚拟世界体验。以AI Meta Club与其战略合作方Planet Hares（野兔星球）的合作为例，AMC将AI语言系统植入到这款元宇宙RPG游戏中，为玩家创造了更丰富、更有趣味性的交流体验。 AI Meta Club 代币经济模型 $AMC是AI Meta Club平台的应用型代币，可在加密货币交易所自由买卖和交易。新加坡时间5月26日15:00，$AMC将上线加密货币交易所Poloniex。上文提到的所有AIGC服务均消耗AMC代币，用户可通过质押或挖矿的方式为AIGC生成的内容提供存储服务并赚取AMC。代币总供应量为 10 亿枚，目前无增发计划。其中，DAO代币占总供应量的90%，包括60%用于生态系统建设、30%用于竞技游戏以及10%用于社区奖励。剩余的10%将分配给基金会、技术团队、合作、市场、社区支持等，代币将按照规定的时间表逐步线性释放，以确保市场上代币供应实现有序且可控的增长。为了实现代币的保值，平台采用了当下最流行的两种方式——回购和代币销毁。AI Meta Club将定期从公开市场回购和销毁AMC代币，以减少AMC的总供应量，提升代币价值。此外，AI Meta Club还计划在2024年建立AI与DAO结合的管理模式，持有AMC的用户自动成为DAO社区成员，并可参与到社区的治理和决策中。结语根据技术成熟度曲线，每一项新技术的出现，都将经历诞生期、泡沫期、低谷期、复苏期、成熟期五大阶段。元宇宙经历了祛魅，这并不代表它本身没有价值。技术创新正在助力元宇宙走出低谷期，AIGC成为了元宇宙的技术基石，元宇宙成了AIGC技术的重要应用场景。同时，AI只是元宇宙六大支柱技术 “BIGANT” 中的一项。随着区块链(Blockchain)、交互技术(Interactivity)、电子游戏相关技术(Game)、网络及运算技术(Network)及物联网(Internet of Things) 这些支撑技术的不断突破，也许不久后，我们只需要口述就能创建出一个理想的元宇宙。来源：金色财经

金色财经2023-05-27

晚间必读 | Worldcoin的价值来源与野心

度持续加温，很多加密圈的博主都开始日更prompt技巧了，很多资金也都去了AI领域。Web3上半年几乎都是各种短期Meme和各种人造热点叙事，有创新力的产品少之又少，Worldcoin可以算是其中一个。这个项目最近热度蛮高，个人觉得主要还是因为它有Sam Altman的光环效应。点击阅读来源：金色财经

金色财经2023-05-26

微软全面打通Open AI，计算机ETF（512720）涨超1.4%

简单的操作即可选择自己需要的模型、创建Prompt流、进行AI应用的安全性测试等。针对数据处理领域，微软将MicrosoftFabric数据分析平台与AI结合，它是一个统一的数据分析平台，基于一个统一的数据湖OneLake，Fabric提供了数据工程、数据集成、数据仓库、数据科学、实时分析、应用可观测性和商业智能等数据处理工具。微软还为Fabric提供了Copilot能力，使用户能够利用生成式AI的强大功能来快速地对数据进行深度分析。随着微软在AI生态领域的持续拓展，AI有望逐步重塑现有软件的交互方式。具备大模型能力的公司和相关的B端应用软件公司有望迎来增长。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2023-05-26

微软王炸更新：AI全面接入Windows系统插件功能再升级

e 机器学习的更新包括即将推出预览版的Prompt Flow ，它将为提示、评估和调整 LLM 提供简化的体验，使团队能够快速创建快速工作流并将这些工作流连接到多个语言模型和数据源，并使用工具来衡量其质量。 AI升级Windows Terminal Windows Terminal通过与GitHub Copilot的集成获得了一个人工智能驱动的聊天机器人。使用GitHub Copilot的开发人员现在可以直接在Windows Terminal使用聊天机器人来执行各种操作、获取代码建议和解释错误。微软还表示，其正在探索将GitHub Copilot引入其他开发人员工具，如 WinDBG。但这并不是微软宣布的唯一一个以开发人员为中心的更新。Windows 11 的新Dev Home部分今天也提供了预览版，包括为机器设置开发环境的能力，这些机器将链接到GitHub并连接到相关的存储库、安装工具和包等等，使开发人员可以轻松地重新安装Windows应用程序。微软还在Dev Home中创建了Dev Drive，这是一个为开发人员定制的新存储卷，使用微软最新的弹性文件系统 (ReFS) 以及Microsoft Defender 的性能模式，可将繁重的I/O操作的构建时间缩短多达30百分。最后，Dev Home还旨在让开发人员通过显示GitHub问题和拉取请求的GitHub 小部件快速了解他们正在从事的项目。微软正在与Xbox团队合作，为游戏开发者将GDK添加到Dev Home，并且还将支持Dev Home的定制扩展。 Microsoft Store引入AI评论微软对Microsoft Store进行的一项以AI为中心的重大改变是：AI生成的评论摘要将开始出现在整个Microsoft Store中，除了通常最高五颗星的评级之外，还会显示评论的主要内容概要。微软还通过一个特殊的AI Hub在Microsoft Store上为 AI 大开便利，该公司计划在其中突出显示人们可以下载的所有相关AI应用程序，还将允许开发者能够使用AI建议的搜索标签来提高应用程序的可见性。开发人员将能够使用 AI 建议的搜索标签来提高应用程序的可见性。 Microsoft Teams 头像等了很长时间，但Microsoft Teams头像终于来了。头像将在Windows PC或Mac上运行，允许Teams用户创建3D头像以在会议中使用，而不是在相机上，甚至不需要网络摄像头。微软现在还在私人预览版中为 Microsoft Teams提供沉浸式体验的空间。 Microsoft Fabric数据分析 Microsoft Fabric是一个数据分析平台。这可能是自SQL Server以来软件巨头发布的最大的数据产品之一。它旨在从微软的OneLake数据湖、亚马逊S3甚至谷歌云中提取数据。微软甚至还在Microsoft Fabric中添加了 AI Copilot。解决RGB灯光的碎片化问题微软为Windows 11增加一个非常必要的功能：通过设置菜单来自定义RGB灯光。其目标是创建一个中心，用户可以在其中调整所有配件和组件的灯光，无论其品牌是什么。微软将该中心称为“Dynamic Lighting”，但有关该功能实际操作方式的详细信息尚不清楚。在今年早些时候泄露的一组图片中，我们可能已经看到了它可能的外观，其中显示了设置菜单中的新“灯光”选项，可以设置所有连接设备的灯光效果。微软首席产品官Panos Panay在一篇博客文章中写道：“通过Dynamic Lighting，Windows用户将能够轻松地通过Windows设置直接设置和自定义他们的RGB灯光设备”，“帮助所有RGB配件无缝协同工作于Windows应用程序从未如此简单”。原生支持Tar、rar等格式微软宣布Windows 11将原生支持RAR和许多其他存档格式，这是Windows用户几十年来一直期待的，这对于拥有大量文件的用户非常完美，无需安装第三方应用程序也可访问这些文件。 Windows首席负责人Panos Panay在今天的博文中表示：“我们已经通过使用开源项目libarchive，为额外的存档格式添加了原生支持，包括tar、7-zip、rar、gz和许多其他格式。现在，在Windows上进行压缩操作时，您可以获得改进的存档功能性能。” 支持蓝牙低功耗 Windows 11现在支持蓝牙LE，这是一种低能耗音频规范，允许用户无线连接到设备，同时消耗更少的电池电量。在Build大会上，微软表示它与三星和英特尔合作推出了该规范。 Bluetooth背后的组织去年推出的Bluetooth LE使用LC3音频编解码器，该编解码器引入了对多流的支持，或者能够同时将音频传输到多个设备。它还为助听器的使用提供了重大改进，使它们在全天使用时消耗的能量要少得多。参考链接： 1.https://news.microsoft.com/build-2023/ 2.https://blogs.microsoft.com/blog/2023/05/23/microsoft-build-brings-ai-tools-to-the-forefront-for-developers/ 3.https://www.theverge.com/23732609/microsoft-build-2023-news-announcements-ai 【声明】本文为元宇宙之心运营团队编译创作，如需转载请联系我们。来源：金色财经

金色财经2023-05-24

科大讯飞：公司根据用户提交申请体验的时间顺序进行逐一审核确认，通过后您会收到短信提示

性能的建议，在朋友使用ChatGPT的Prompt时发现，采用以下2个prompt可有效提升答案质量：1、同一个问题让AI生成多次答案，并让AI自己选出最佳答案；2、让AI对生成结果进行检查，如“检查3次是否有逻辑错误”。讯飞大模型是否可以考虑在每次生成答案时按类似方式后台生成多次答案、并自动检查答案是否有逻辑错误或事实错误，最后只给出对比后的最佳答案，以此来提高准确率。科大讯飞董秘：您好，感谢您的热心建议。投资者：请问和东土科技是深度合作吗？有可能将其收购重组吗？科大讯飞董秘：您好，公司与东土科技于2021年6月签订战略合作协议，双方在5G、人工智能、边缘计算、软件定义控制等方面展开交流与合作，共同探索5G+工业互联网融合等解决方案业务，目前无相关并购计划。科大讯飞2023一季报显示，公司主营收入28.88亿元，同比下降17.64%；归母净利润-5789.53万元，同比下降152.26%；扣非净利润-3.38亿元，同比下降331.82%；负债率47.21%，投资收益1.34亿元，财务费用1370.51万元，毛利率41.88%。该股最近90天内共有33家机构给出评级，买入评级28家，增持评级5家；过去90天内机构目标均价为78.74。近3个月融资净流入1351.93万，融资余额增加；融券净流入7244.0万，融券余额增加。根据近五年财报数据，证券之星估值分析工具显示，科大讯飞（002230）行业内竞争力的护城河优秀，盈利能力较差，营收成长性一般。财务可能有隐忧，须重点关注的财务指标包括：应收账款/利润率、应收账款/利润率近3年增幅。该股好公司指标3星，好价格指标1.5星，综合指标2星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）科大讯飞（002230）主营业务：语音支撑软件、行业应用产品/系统、信息工程和运维服务等。以上内容由证券之星根据公开信息整理，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2023-05-24

zkML：zk+机器学习新兴项目和基础设施

等会很有用。 · 生成式AI的去中心化prompt（提示）市场。生成式AI的prompt创建已经演变成一种复杂的工艺，最好的prompt输出通常包含许多modifier修饰符。外部各方可能愿意从创建者那里购买这些复杂的prompt。zkML可以在这里发挥两方面作用：1）验证prompt输出，以向潜在购买者确保prompt确实创建了所需的图像；2）允许prompt所有者在prompt被购买后仍然保有prompt的所有权，对购买者匿名的同时仍然为他们生成经过验证的图像。（5）身份验证 · 用保护隐私的生物识别身份验证取代私钥。私钥管理仍然是web3用户体验最大的摩擦之一。通过面部识别或其他独特因素提取私钥是zkML的一种可能的解决方案。 · 公平的空投和贡献者奖励。ML模型可用于创建详细的用户角色，以根据多种因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这种功能会特别强大。在这种情况下，有种可能性是让用户运行一个开源模型来评估他们在应用程序中的参与度，以及更高层的生态参与度（比如治理论坛帖子），以推断他们的分配额度。然后，他们向合约提供此证明以接收代币分配。（6）Web3社交 · web3社交媒体过滤功能。web3社交应用程序的去中心化性质将导致更多的垃圾邮件和恶意内容。理想情况下，社交媒体平台可以使用社区同意的开源ML模型，并在选择过滤帖子时发布模型推理的证明。 · 广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望对广告商保密我的偏好和兴趣。我可以选择根据我的喜好在本地运行一个模型，该模型向媒体应用程序提供信息，然后展示我想要的内容。在这种情况下，广告商可能愿意为终端用户付费，但这些模型可能远没有当前的目标广告模型那么复杂。（7）创作者经济/游戏 · 游戏内经济再平衡。ML模型可用于动态调整代币的发行、供应、销毁、投票阈值等。一种可能的模式是，如果达到一定的再平衡阈值，并且推理证明得到验证，那么合约就可能受激励以重新平衡游戏内经济。 · 新型链上游戏。可以创建人类对抗AI的合作游戏和其他创新的链上游戏，此时无需信任的AI模型充当非玩家（NPC）角色。NPC采取的每一个行动都会被发布到链上，并带有一个证明，任何人都可以验证该证明以确定运行模型的正确性。在Modulus Labs的Leela vs. the World案例中，验证者希望确保正在下棋的是1900 ELO AI，而非棋手Magnus Carlson。另一个例子是AI Arena，这是一款Super Smash Brothers风格的AI战斗游戏。高风险竞争环境中的玩家希望确保他们训练的模型不受干扰或者不会出现作弊行为。 4、新兴项目和基础设施 zkML的生态系统可以大致分为四大类： · Model-to-Proof Compilers（模型到证明编译器）：将模型从现有格式（例如Pytorch、ONNX等）编译成可验证计算电路的基础设施。 · 通用证明系统：用来验证任意计算轨迹的证明系统。 · 特定zkML证明系统：专门用于验证ML模型的计算轨迹的证明系统。 · 应用程序：处理独特zkML用例的项目。（1）Model-to-Proof Compilers（模型到证明编译器）在研究zkML生态系统时，大多数注意力都集中在模型到证明编译器上。通常，这些编译器会将使用Pytorch、Tensorflow或类似语言编写的高级ML模型转换为ZK电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中对深度学习模型进行推理。使用EZKL，你可以在Pytorch或TensorFlow中定义计算图，将其导出为ONNX文件，一些样本输入包含在JSON文件中，并将EZKL指向这些文件以生成zkSNARK电路。随着最新的性能改进，EZKL现在可以在大约6秒内占用1.1GB RAM证明一个MNIST大小的模型。到目前为止，EZKL已经有一些重要的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathy So的circomlib-ml库包含Circom的各种ML电路模板。电路包含一些最常见的ML功能。同样由Cathie开发的Keras2circom是一个python工具，它使用底层circomlib-ml库将Keras模型转换为Circom电路。 LinearA为zkML开发了两个框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为纯整数形式并生成计算轨迹。Uchikoma是一个将TVM的中间表示转换为不支持浮点运算的编程语言的工具。LinearA计划支持Circom和Solidity，前者使用域算法，后者使用有符号和无符号整数算法。 Daniel Kang的zkml是一个用于在ZK-SNARKs中构建ML模型执行证明的框架。在撰写本文时，它能够证明一个使用大约5GB内存运行约16秒的MNIST电路。更通用的模型到证明编译器还有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证使用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与本文提到的其他一些模型到证明编译器相比，它是通用的基础设施，但仍然适用于像zkML这样的复杂计算。当与证明市场相结合时，该功能将格外强大。 Risc Zero面向RISC-V开原指令集构建了一个通用的zkVM，因此支持现有的成熟语言，如C++和Rust，以及LLVM工具链。这将支持主机和客户端zkVM代码之间的无缝集成，类似于Nvidia的CUDA C++工具链，但使用了ZKP引擎代替GPU。与Nil类似，可以使用Risc Zero来验证ML模型的计算轨迹。（2）通用证明系统证明系统的改进是zkML实现的主要推动力，特别是custom gates（自定义门）和lookup tables（查找表）的引入。这主要是由于ML对非线性的依赖。简而言之，非线性是通过激活函数（例如ReLU、sigmoid和tanh）引入的，这些函数应用于神经网络内线性变换的输出。由于受数学运算门的限制，在ZK电路中这些非线性实现是有难度的。Bitwise decomposition（逐位分解）和lookup tables（查找表）可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在ZK中计算效率更高。由于这个原因，Plonkish证明系统往往是zkML最流行的后端。Halo2和Plonky2的table-style（表式）算法方案可以通过lookup参数很好地处理神经网络非线性。此外，Halo2有一个充满活力的开发者工具生态系统，再加上它非常灵活，使其成为包括EZKL在内的很多项目名副其实的后端支柱。其他证明系统也有自己的优点。基于R1CS的证明系统包括用于小型证明的Groth16和处理超大电路和线性时间证明器的Gemini。如Winterfell证明者/验证者库这样的基于STARK的系统也非常有用，特别是当通过Giza的工具实现时，Giza工具将Cairo程序的轨迹作为输入值，并使用Winterfell生成STARK证明来证明输出值的正确性。（3）特定zkML证明系统在有效的证明系统设计方面已经取得了一些进展，这些系统可以处理复杂的、电路不友好的高级ML模型操作。Modulus Labs的基准报告证明，像zkCNN这样基于GKR证明系统的系统，或者像Zator这样使用复合技术的系统，通常比通用的同类系统性能更高。 zkCNN是一种使用零知识证明来证明卷积神经网络（convolutional neural networks）正确性的方法。它使用sumcheck协议来证明快速傅里叶（Fourier）变换和卷积，其线性证明时间比渐近计算结果更快。交互式证明引入了若干改进和通则，包括验证卷积层、ReLU激活函数和最大池化。zkCNN特别有趣，因为Modulus Labs的基准报告发现，zkCNN在证明生成速度和RAM消耗方面都优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARKs来验证深度神经网络的项目。目前验证深层模型的约束条件是将整个计算轨迹拟合到单个电路中。Zator提出使用递归SNARKs一次验证一层，可以渐进增量验证N步重复计算。他们使用Nova将N个计算实例缩减到一个实例中，这个实例可以通过单个步骤进行验证。通过这种方法，Zator能够snark一个具有512层的网络，这与当今大多数生产式AI模型一样深。对于主流用例来说，Zator的证明生成和验证时间仍然太长，但是其复合技术还是很有趣的。（4）应用程序鉴于zkML仍处于早期阶段，它将大部分重心都放在了上述基础设施方面。然而，目前有一些项目正在进行应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，致力于应用范例和相关研究。在应用方面，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 Worldcoin正在应用zkML，试图建立一个保护隐私的人格证明协议。Worldcoin正在使用定制硬件来处理高分辨率虹膜扫描，这些扫描被插入到他们的Semaphore实现中。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理。 Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于表示机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。虽然Giza也可以属于模型到证明的编译器类别，但它们定位为ML模型市场是当今更有趣的应用之一。 Gensyn是一个去中心化硬件供应网络，用于训练ML模型。具体来说，他们正在设计一个基于梯度下降算法的概率审计系统，并使用模型检查点使去中心化的GPU网络能够为大规模模型训练提供服务。虽然他们的zkML应用明显特定于自身用例——他们希望确保当节点下载和训练模型的一部分时，他们对模型的更新是诚实的——但却展示了ZK和ML结合的强大功能。 ZKaptcha专注于web3的bot问题，为智能合约提供captcha（验证码）服务。它们目前的实现是让终端用户通过完成captcha来生成人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。今天，它们主要只依赖于ZK，但计划在未来实现zkML，类似于现有的web2 captcha服务，分析鼠标移动等行为，以确定用户是否是人类。 zkML市场仍处于相当早期的阶段，但很多应用程序已经进行了黑客马拉松级别的试验。这些项目包括AI Coliseum（一个使用ZK证明来验证机器学习输出的链上AI竞赛）、Hunter z Hunter（一个使用EZKL库来验证带有halo2电路的图像分类模型输出的照片寻宝游戏），以及zk Section 9（它将AI图像生成模型转换为用于铸造和验证AI艺术的电路）。 5、zkML面临的挑战虽然zkML正在以光速进行改进和优化，但该领域仍然存在一些核心挑战。这些挑战涉及到技术和实践方面，具体如下： · 高精度的量化 · 电路的大小（特别是多层网络） · 矩阵乘法的有效证明 · 对抗攻击量化是将大多数ML模型用来表示模型参数和激活函数的浮点数表示为定点数的过程，这在处理ZK电路的域算法时是必不可少的。量化对机器学习模型精度的影响取决于所使用的精度水平。通常，使用较低的精度（即更少的bits）会导致准确性降低，因为它会应用四舍五入和近似误差。然而，有几种技术可以用来最小化量化对准确性的影响，例如在量化之后微调模型，以及使用量化感知训练等技术。此外，zkSummit 9上的一个黑客马拉松项目Zero Gravity已表明，为边缘设备开发的替代神经网络架构（如无权重神经网络）可用于避免电路量化的问题。除了量化，硬件是另一个关键挑战。一旦机器学习模型通过电路进行了正确表示，由于ZK的简洁性，验证其推论的证明既便宜又快速。这里的挑战不在于验证者，而是在于证明者，因为随着模型越来越大，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算法电路的基于GKR的系统）或复合技术（例如wrapping Plonky2，它有高效的证明时间，但在较大模型的有效证明大小方面表现很差，使用Groth16，它不会随着模型的复杂性加大而增加证明大小）更适合处理这些问题，但是管理权衡是构建zkML项目的核心挑战。在对抗方面，还有工作要做。首先，如果一个无需信任的协议或DAO选择实现一个模型，在训练阶段仍然存在对抗攻击的风险（例如，训练一个模型在看到一个可用于操纵后续推理的输入时表现出特定的行为方式）。联邦学习（federated learning）技术和训练阶段zkML可能是最小化这种攻击面的一种方法。另一个核心挑战是，当一个模型属于隐私保护模型时，存在模型窃取攻击的风险。虽然模型的权重可以被混淆，但理论上仍可以在有足够的输入-输出对的情况下对权重进行反向工程。虽然这种风险主要针对小型模型，但风险就是风险。 6、扩展智能合约尽管优化这些模型以符合ZK运行条件还存在着这样那样的挑战，但优化改进正在以指数级的速度进行，有人预计，假设在进一步的硬件加速条件下，我们将很快扩展更广泛的机器学习领域。zkML已经从2021年0xPARC的zk-MNIST演示（展示了如何在可验证的电路中执行小型MNIST图像分类模型），发展到Daniel Kang在不到一年后对ImageNet-scale模型做了同样的验证。2022年4月，ImageNet-scale模型的准确率从79%进一步提高到92%，尽管目前的验证时间较慢，但像GPT-2这样大的网络在短期内是可行的。我们认为zkML是一个丰富且不断发展的生态系统，它希望扩展区块链和智能合约的功能，使其更加灵活、适应性更强、更加智能。虽然zkML仍处于早期开发阶段，但它已经开始显示出光明前景。随着技术的发展和成熟，我们有望看到出现更多链上zkML的创新用例。来源：金色财经

金色财经2023-05-24

24小时热点