FX168财经网_全球视野外汇黄金加密货币NFT资讯网

“MBK公链”生态系统：探索去中心化数字经济的前沿

支持多个操作系统，以及Java、Go、Python、C++等多种语言的开发工具，开发者可以根据自己的需要选择适合的系统和工具进行开发。 3.DApp应用 DApp是MBK公链生态系统中的另一个重要部分，是去中心化应用程序，是基于区块链技术构建的。MBK公链支持去中心化交易、数字身份认证、智能合约和数字化资产等应用。在这些应用上，MBK公链为用户提供了更加简便快捷的交易和管理方式。 4.基础设施基础设施是MBK公链生态系统中的重要组成部分。这包括了各种数据中心、服务提供商、节点管理和交易所。三、MBK公链助力去中心化数字经济的发展 MBK公链作为一种去中心化的公共系统，具有匿名和安全，低廉而快速处理债务的惊艳特点。随着我国数字经济的蓬勃发展，MBK公链作为数字化基础设施的发展也趋向成熟，将大大助力去中心化数字经济的发展和创新。下面将从金融、治理、数据隐私保护和产业升级等方面介绍MBK公链的应用。来源：金色财经

金色财经2023-06-08

项目周刊 | 五月份比特币网络的矿工总收入达9.166亿美元

机构提供 Typescript 和 Python SDK。dYdX 表示，将开源所有前端代码库和相关部署脚本，允许任何人通过自己的域 / 托管解决方案轻松部署 dYdX 前端。 Avalanche 月活用户数突破 100 万，创历史新高 5月31日消息，据 Avascan 数据显示，Avalanche 五月活跃用户数量约为 107 万，为 Avalanche 主网上线以来首次突破 100 万。 Circle已将所有美国国债从其USDC支持储备中剔除金色财经报道，稳定币发行方Circle Internet Financial已将所有美国国债从其USDC支持储备中剔除，作为预防措施的一部分，以防止迫在眉睫的美国债务上限摊牌可能带来的影响。 LSD协议unshETH的合约部署私钥被泄露，已紧急暂停提款并联系黑客 6月1日消息，LSD协议unshETH发推表示，5月31日22:00左右，unshETH合约的其中一个部署私钥被泄露。出于谨慎起见，官方紧急暂停了unshETHETH的提款，根据我们的安全模型，unshETHETH存款（TVL达3500万美元）由多重签名+时间锁保护，并不处于风险之中。此外一些附属协议合约（农场、跨链桥等）已经受到了攻击，正在与来自Coinbase、Stargate、Paladin Blockchain Security、Github以及ogle等白帽安全专家合作，以确保用户资金的安全，并预计影响范围将受到限制。同时官方已经联系黑客，试图协商返还资金和合约所有权，以限制对现有用户的影响。金色财经此前报道，据多位KOL发推表示，LSDFi项目unshETH的金库出现安全问题，提醒用户将资金转出。原因系合约Owner被篡改，已通知项目官方，但官方尚未做出回复。 Orbiter Finance：Discord被黑客攻击，请勿点击任何链接 6月1日消息，Layer2 跨 Rollup 桥 Orbiter Finance 发推表示 Discord 被黑客攻击，正在尽力解决，请用户不要相信 Discord 服务器中的任何内容，请勿点击任何链接。数据：莱特币昨日链上转账总额继续上涨56.27% 6月1日消息，据Tokenview数据显示，莱特币昨日链上转账总额达1.42亿LTC，环比前日上升56.27%。距离莱特币减半预计还有62天。届时区块奖励将从12.5 LTC减少到6.25 LTC。 Circle将于6月8日在Arbitrum推出原生USDC 6月1日消息，Circle 将于 2023 年 6 月 8 日开始在 Arbitrum 推出原生 USDC，Arbitrum 称该代币将成为 Arbitrum 生态系统内认可的 USDC 官方版本，并将最终取代目前流通的来自以太坊的 USDC 桥接版本。Arbitrum 宣布在 6 月 8 日原生 USDC 推出之前，Arbitrum 将在区块浏览器上将 USDC 的以太坊桥接版本重命名为USDC.e。 LINA未平仓合约总额已达1.8亿美元，超过其市值金色财经报道，据Coinglass数据显示，LINA未平仓合约总额已达1.8亿美元，超过其1.4亿美元的市值。 NFT平台Universe已停止开发，将在GitHub公开源代码 6月2日消息，DefiLlama 创始人 0xngmi 发推表示，在查看一些 NFT 市场时发现 NFT 平台 Universe 上个月关闭了，现在网站已经变成报错页面。而 Universe 在 5 月 17 日发推表示，项目将在 5 月停止开发（但任何人都可以接手），并且所有未公开源代码的内容将会在 GitHub 上公开。免责声明：金色财经作为区块链资讯平台，所发布的文章内容仅供信息参考，不作为实际投资建议。请大家树立正确投资理念，务必提高风险意识。来源：金色财经

金色财经2023-06-04

专访 Starknet 创始人：仰望星空脚踏实地

用 Solidity，并不是因为它比 Python、Rust 或 C++有更好的开发者体验。相反，它的开发者体验更差，但是当你转移到有区块链基础设施的新框架时，你就必须使用不同的编程语言，Solidity 很好，因为它可以有效地编译到以太坊虚拟机。我再给一个例子。如果你想利用 GPU 写出真正好的图形，你应该用 CUDA 写，因为这是一种可以最大程度地利用 GPU 性能的语言。对 STARK 证明也是一样的。有一个不同的虚拟机，就有一套关于什么使得某件事有效或无效的不同约束条件。如果你想达到 STARK 证明所能达到的性能，比如在以太坊的一个区块中放入一百万个 NFT，你就必须更有效地使用编程语言。我们可以在 Immutable X 上的一个证明中铸造一千万个 NFT，我无法想象任何基于 EVM 或任何 zkEVM 能够接近我们能放入区块链单个证明中的内容。我可以挑战全世界的 zkEVM，他们不会做到的。这就是为什么你需要一个不同的计算模型和一个不同的编程语言。 BlockBeats：但许多曾在 Polkadot 等采用 Rust 语言的生态项目普遍会向我反馈运营成本的问题，因为聘请或者培训一个懂得用 Rust 语言开发合约的工程师代价非常高昂。另一方面，如果团队在以太坊或者在兼容 EVM 的 L1 上开发项目，那就非常便宜。您怎么看待这个情况？这对 Starknet 生态来说是一个问题吗？ Eli：这可能是个问题，但开发者正在涌向 Cairo 和 STARK。开发者和团队的数量每天都在增加，我认为他们看到了潜力。很多人理解了规模化的问题，并问自己最好最具有前瞻性的解决方法是什么，是什么真正开放了全球需求的扩展性，我认为他们中的很多人得出了正确的结论，那就是走 Starknet 和 Cairo 1.0 的道路。这里有个类比，通常你会用 Python 写你的软件的第一个版本，但是当你想要实现规模化时，你就需要用 C++、WASM、Rust 等其他一些非常高效的语言来写。我认为在 Cairo 上也会发生完全相同的事情，你可能会拿 Solidity 代码部署到 Kakarot，但这就像用 Python 写一个高频交易引擎一样，是不应该的。你需要用另一种语言写，那种其他的语言就将会是 Cairo。 BlockBeats：现在也有一些项目基于 Starknet 开发 zkEVM。 Eli：是的，有非常好的项目正在构建 StarNet 上的 ZK-EVMs。第一个叫做 Warp，由 NetherMine 团队制作，这个团队非常优秀。第二个叫做 Kakarot，这是一个正在形成的社区。 Kakarot 就是一个 ZK-EVM，它是建立在 Cairo 之上的。所以我非常确定大多数的 ZK-EVM 将部署在 Starknet 上。如果你已经有了把你的 Solidity 代码或 EVM 代码移植到 L2 上，一个有效性 Rollup 的想法，你最好的方式是在 Kakarot 或 Warp 之上做。所以这再次展示了 Cairo 和 Starknet 的力量。 ZK Rollup 的赛道竞争和 Starknet 的生态开发 BlockBeats 在采访中还提及了 ZK Rollup 之间的竞争，以及 Starknet 自身生态发展的问题。作为整个加密行业中技术含量和要求最高的领域，普通用户似乎很难分别 zkSync 和 Starknet 之间的优劣。对大多数人来说，实际情况是谁更会「来事儿」就看好谁。从这个层面来看，StarkWare 以技术创新为核心驱动的理念似乎给 Starknet 出了难题。Eli 本人是如何看待 ZK Rollup 之间的竞争？他对 Starknet 生态的发展又有哪些期许？ BlockBeats：在当前的 ZK Rollup 赛道，Starknet 和 zkSync 是绝对龙头，二者之间似乎也存在着很强的竞争关系。在您看来，Starknet 和 zkSync 之间的区别是什么，Starknet 的优势在哪里？ Eli：你必须问自己，最好的技术步骤在哪里？哪个地方最可能汇集最多的开发者，并提供最好、最安全的技术？我们在 zkSync 之前就展示了我们的能力，他们很会讲故事，但他们讲的故事和开发者的体验之间有很大的不匹配。我有一个建议，我鼓励正在阅读这篇文章的开发者试一试在 zkSync 上开发或部署一些东西，并试一试在 Starknet 上开发和部署一些东西，你会感到有一个鲜明的差别。我来告诉你一个故事，有人之前在 Reddit 上问谁做一个能进行 30 万次交易的东西，我们在主网上做到了，TPS 大约在 3000 左右。一两周后，zkSync 团队出来说，我们有 3000TPS，但是这 3000TPS 从未被测量、证明或展示过，不过它是一个很好的故事。在这个行业里有许多人乐意讲故事，也有人展示事实，我们以展示事实的能力自豪。 BlockBeats：也有用户反馈，目前在 ZK Rollup 上转移资产或者交互的 Gas 很高，这是为什么？ Eli：目前由于需求量很大，Starknet 出现了拥堵现象。两周内我们将发布 12 版本，这将极大地提高 TPS，解决大部分的需求。然后在下一个版本中，当我们完全集成 Volition 以进行链下数据处理时，价格将大幅度降低，这可能会在一两个月后发生。 BlockBeats：提到生态开发者，确实有人反应在生态发展方面 Starknet 比 zkSync 更加平衡。 Eli：没错，这是更好更深入的技术理解的结果。我们已经在这个领域耕耘了很长时间，在生产环境中部署过内容，并磨练了系统。我们知道我们在做什么。但我们不太会讲故事，很少炒作。我们就像特斯拉，特斯拉没有营销部门，我们的产品就是我们的营销。 StarkWare Sessions 2023 大会现场，图源来自 StarkWare BlockBeats: 但在 Web3 领域，懂得营销的团队似乎更吃香。许多技术驱动型项目在生态发展中都多少出现了问题不是吗？ Eli：不，我认为这不是接下来会发生的事情。我之所以这样认为，是因为以太坊就是这样发展过来的。有一天，会有一个非常成功的 App 明了 Starknet 的能力。那个 App 是什么，我现在不知道。如果要我猜，我认为它不是目前已经存在于 L1，且可以轻松复制粘贴到 L2 上的产品。所以我认为它会使每个人都会看到并谈论它，因为这全新的、在 L1 甚至是其他 L2 上都无法实现的应用。这将会成为转折点，开发者会蜂拥而至。正因如此，我们把大部分注意力放在这里，我们这次来 EDCON，就是为了接触到更多开发者，邀请他们加入我们的生态。因为他们当中，将会有人创造出我无法预测的美妙之物。 BlockBeats：对准备在 Starknet 生态进行开发的开发者，您对他们有什么方向上的建议吗？Starknet 能为他们提供什么？ Eli：我无法为他们回答这个问题，即使我给出了答案，他们也不应该听我的，他们应该自己决定他们自己。我认为有些东西是惊人的，在 Starknet 上建立数据库基础设施，像高级 Oracle 服务、Proof of Humanity、社交网络等，有很多真正令人惊奇的事情可以做，他们应该研究一下，找出他们认为缺失的东西，或者他们认为最有趣的东西是什么。 Starknet 是区块链演变的下一步，这是一个非常重要的步骤。如果你是一个开发者，Starknet 将会准备好供用户使用，我们正在为最终的用户构建它。我认为我们有一个非常清晰的前进道路，更多的开发者还有很多工具要建立，还有很多事情要做。有很多的机会让你脱颖而出，并通过努力工作为自己赢得名声。 BlockBeats：在最后，您还有什么想和读者说的话？ Eli：如果有一台时间机器，你可能会希望回到以太坊的早期，构建几乎你想建的任何东西都会非常成功，比如第一个预测市场、第一个钱包等。但游戏并未结束，还有下一代机会，而这一代的赢家我认为将是 Starknet。所以现在除了拥有一台时间机器，大家还可以去了解一下 Starknet，现在是时候了。来源：金色财经

金色财经2023-06-02

来自哈佛/谷歌/微软/OpenAI的8大权威免费AI课程

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

杠杆下的中产

当时潮流行业互联网息息相关的开发技术，Python、Java、C++语言啥的～毕业非常顺利，赶上校招进了大厂BAT或者TMD～然后p3、p4、P5、p6一直P下去，再加上股权分红年终奖，自己再买点自家股票～他们在短短5～10年之内以极快速度彻底改写了人生，然后在春风得意之际无不例外地打出了“中产三件套”：房贷百万千万的1～2栋市区大平层，一个不用工作、天天瑜伽下午茶的娇妻以及一直上国际学校、每年学费几十万的二胎孩子。如果按照我们用crypto投资眼光去看待他们，他们正好赶上的是以互联网为概念板块的十几年大牛市，从熊末牛初之时一直长持（没有改行甚至没有换工作）。一直拿到互联网继2000年以后至今第二次泡沫开始破裂的20年左右，直到他们现在面临裁员危机或者已经被裁员，开始被深套！回头再看看互联网才走过了十几年，但是自己30年房贷可能才还了十几年甚至几年。但凡把自己逼到这样境地的互联网高薪中产，他们前半段的收入其实就是在靠运气赚钱，当互联网风气都转直下，直接把自己套牢了。聪明一点的，是有止盈“意识”的，知道自身可能会经历“互联网熊市”周期，会提前降低高负债杠杆，提早还贷或者其他去关注其他行业板块，为自己未来提前铺路。从全国爆发的大大小小这些事件来看，大部分高薪互联网大佬摘掉光环以后，其实普通得再普通不过，有去送外卖的，也有去开滴滴，也有去直播带货没啥人去的，甚至直接全职炒股的。很多从年薪100万被裁员，出去以后可能连年薪50万工作都找不到，他们也并不是非要找50万或者100万的工作，根本原因就是身上的房贷决定了这个收入的下限不能太低。没错，原本瘦死的骆驼一定比马大，混得再差的互联网大佬哪怕被裁员，起点和手里的周转现金一定比餐厅服务员、酒吧侍卫要高，但是差别在于他们身上加了太多的杠杆。这是什么杠杆？看似是高额房贷的杠杆，其实是在赌一个互联网时代会持续不断繁荣20～30年的时代杠杆。没错，很多人把这些当时风光无限的互联网大佬比喻成了时代赌徒，讽刺他们盲目乐观一个时代发展能够顺利折腾20～30年，直至自己光荣下岗或者还完房贷。也就是因为自身加上了这个“时代杠杆”，尽管是瘦死的骆驼，如果不能在更短时间内找到相匹配当时相对风光的薪资收入，当手中现金流断裂，他们很快会被时代巨浪淹没，可能身价都比不上餐厅服务员、酒吧侍卫。我这里想说明的，就是投资中忧患意识：把互联网P级大佬或者互联网高薪中产被裁以后事件作为案例，让大家明白命运的礼物都暗中标注了价码： 1.不是所有大佬都具备投资思维能力，他们去炒股、去炒币、去炒房地产很可能赔得裤衩都不剩，他们只是时代红利的产物，在合适的时间、地点具备了合适的工作能力正好出道，等褪去外衣，他们很可能和普通人并无差别，可能多了一些资源、人脉和其他 2.对任何事情都需抱有忧患意识。所谓人无远虑，必有近忧。时代的潮水起起落落，以前当司机闭眼赚钱、以前做实业闭眼赚钱、以前开淘宝闭眼赚钱、以前做直播闭眼赚钱，但这些都是有周期的，红利消失以后你无论睁多大眼睛都很难赚钱，需要更多思考或者关注其他行业这个和我们炒币也很像，板块切换非常迅速，以前炒分叉币、炒P2E、炒NFT、炒链游，目前没有短期热点概念一个能够长期炒作。我们炒BTC、炒ETH这些类似我们炒国运、炒时代发展一样，这些是永恒的“经典”，而不是“流行”，尽管存在炒作周期。 3.控制好负债和杠杆。从高高在上的互联网大佬跌落神坛到可能连餐厅服务员、酒吧侍卫都不如，根本原因在于在错误的时间上了过重的杠杆。当房贷还不上，就像合约杠杆即将爆仓，是否自己已经提前准备了一手额外的保证金？或者说，是否提前预见这是一场不可持续的豪赌？非要把自己逼到这番境地呢？会有一部分人能用杠杆熬过熊市，就像一些充裕的互联网中产在没有特别收入的情况下依旧还完房贷直到下一个房地产牛市的到来，但这个始终是特殊案例，更多中产因为上错了杠杆，没有熬过这波熊市。投资反应人性特点，一定要给自己留条路。那些炒币动不动就上合约的人，动不动上几十倍杠杆的人，去到股市玩也是融资融券，几十万去博几百万，去到房地产也是一样，手里一笔现金还完房贷首付，一个人供养着3、5、6套房子。爱上杠杆的人，去哪里都是带杠杆，求稳的人，虽然吃不到大肉，但是做什么事情都是按部就班非常稳健。很多人会在年轻的时候因为这样或者那样的投资亏了不少钱，但是这个事情对于未来中年甚至老年的借鉴意义非常大，他们吃过年轻时候的亏，知道该如何去把控风险，如何管理未来预期。互联网中产这波人恰同学少年，出道即巅峰，一直吃着时代红利扶摇直上，在这2年人到中年在背负高负债情况被社会持续毒打，这种上有老下有小，背上还有杠杆的情况下，给人生腾挪转身的余地是非常有限的。这一波时代的调整，或许就是冲着这波没有栽过跟头的乐观派中产，几记闷棍就已经打得怀疑人生。还是那句话，一个但凡吃过时代红利的人，是不可能轻易掉下台阶的，除非是上错杠杆，会在短短几年内打回原形。平心而论，我们都只是浮游在大千时代里的草莽匹夫，渺小得不能再渺小，有机会享受时代的红利，但也要经历时代蜕变的痛楚。不盲目乐观，也不过分悲观，只是当哪天飞沙走石的时候，我们要学会扛造。来源：金色财经

金色财经2023-05-30

a16z：Cicada如何利用时间锁谜题和ZK证明实现链上投票

明系统。这使得证明者的时间非常快：用 Python 生成一个选票有效性证明，在一台现成的笔记本电脑上需要 14 ms. 虽然该 sigma 协议的验证器在概念上很简单，但它需要相当一部分大的模幂。Malavolta 和 Thyagarajan 的线性同态方案使用 Paillier 加密，因此这些求幂将对某些 RSA 模 N 以 N^ 2 为模执行。对于合理大小的 N，在大多数 EVM 链上，取幂非常昂贵（数百万 gas）。为了降低成本，Cicada 使用指数 ElGamal——指数 ElGamal 仍然提供加性同态，但在更小的模数上工作（N 而不是 N^ 2 ）。使用 ElGamal 的一个缺点是解密计数的最后一步需要暴力破解离散日志（请注意，这是在链下完成并在链上有效验证）。因此，它仅适用于预期的最终票数相当小的情况（例如小于 2 ^ 32 ，或大约 430 万票）。在最初的基于 Paillier 的方案中，无论其大小如何，计数都可以被有效地解密。选择 RSA 模数 N 也涉及权衡。我们的实现使用 1024 位模数来提高 gas 效率。虽然这远高于有史以来公开分解的最大 RSA 模数（829 位），但低于通常推荐的大小为 2048 位，用于 RSA 加密或签名。但是，我们的应用程序不需要长期安全性：一旦选举结束，如果将来考虑 N 就没有风险。假定计票和选票在时间锁定期满后公开，因此使用相对较小的模数是合理的。（如果分解算法改进，这也可以在未来轻松更新。）匿名和选民资格如上所述，Cicada 提供了运行计票隐私——时间锁定谜题属性在投票期间保持计票的私密性。然而，每个单独的选票也是一个时间锁难题，在相同的公共参数下加密。这意味着就像可以解密计数（通过执行必要的计算）一样，每张选票也可以。换句话说，Cicada 仅在投票期间保证选票隐私——如果好奇的观察者希望解密特定选民的选票，他们可以这样做。解密任何个人选票与解密最终计票一样昂贵，因此天真地需要 O(n) 的工作来完全解密有 n 名选民的选票。但是所有这些选票都可以并行解密（假设有足够多的机器），花费的挂钟时间与解密最终计票所需的时间相同。对于某些选票，这可能是不可取的。虽然我们对临时运行计票隐私感到满意，但我们可能希望无限期投票隐私。为实现这一点，我们可以将 Cicada 与匿名选民资格协议结合起来，通过零知识组成员身份证明进行实例化。这样，即使选票被解密，它所揭示的只是某人以这种方式投票——我们已经从计票中知道了这一点。在我们的存储库中，我们包含一个使用 Semaphore 进行选民匿名的示例合约。但是请注意，Cicada 合约本身没有对如何确定或执行选民资格做出任何假设。特别是，您可以将 Semaphore 替换为例如 Semacaulk 或 ZK 状态证明（如此处和此处所建议的）。统计当局我们在设计 Cicada 时的首要任务之一是避免需要统计机构：许多私人投票结构需要一个半信任的统计机构（或授权委员会，通过安全的多方计算进行协调）接收和汇总选票。在区块链环境中，这意味着这些方案不能仅由智能合约执行，需要一些人为干预和信任。在大多数结构中，计票当局在完整性方面不受信任（他们无法操纵选票计数），但在活性方面值得信任——如果他们离线，则无法计算最终结果，从而无限期地拖延投票结果。在某些结构中，他们也被信任维护隐私——也就是说，他们了解每个人如何投票，但预计会在不透露此信息的情况下公布投票结果。尽管在许多现实世界的场景中，统计当局是一个合理（且必要）的假设，但它们在区块链环境中并不理想，我们的目标是最大限度地减少信任并确保审查阻力。 Cicada 探索了链上投票隐私领域的众多方向之一，并补充了其他团队正在进行的大部分研究。如上所述，Cicada 与信号量、ZK 存储证明和限速无效器等匿名组成员技术密切相关。Cicada 还可以集成 Nouns Vortex 团队提出的 optimistic 证明检查器，以减轻选民的 gas 负担。还有机会调整 Cicada 以支持不同的投票方案（例如代币加权投票、二次投票）——更复杂的方案对于以太坊主网来说可能计算成本太高，但它们在 L2 上可能是实用的。考虑到这一点，我们欢迎您就下一步将 Cicada 带到哪里做出贡献、分叉和建议。来源：金色财经

金色财经2023-05-28

元宇宙周刊丨微软Build年度开发者大会推出AI全家桶孙燕姿回应AI

全面“互联互通”。谷歌开源云端病理学Python资料库，加速医疗AI场景研发。英伟达与戴尔合作推出Project Helix，可为企业定制生成式AI。流行街头服饰品牌The Hundreds将推出元宇宙商店。英伟达业绩引发人工智能股票市值暴增近3000亿美元。投融资新闻东皓证券投资 Web3 信用协议 Getaverse 。 Maitri Capital推出加密量化交易基金，目标募资2.5亿美元。 Web3游戏生态系统Metagame Industries以近1亿美元估值完成战略轮融资。 “潞晨科技”完成数亿元A轮融资，主要业务是通过打造分布式AI开发和部署平台。 Web3游戏初创公司Arena of Faith完成175万美元种子轮融资。方糖星球完成数千万元天使轮及天使+轮融资，打造生态级元宇宙空间。人工智能公司Anthropic完成4.5亿美元C轮融资，Spark Capital领投。 Pioneer Square Labs完成2000万美元募资，拟投资生成式AI市场。数字银行Onyx Private完成410万美元融资，Y Combinator等参投。 Moonfire Ventures旗下Fund II完成1.15美元募资，将投资AI、Web3等领域。 Web3游戏发行商BoomLand完成100万美元Pre-Seed轮融资。加密分析平台yPredict完成超160万美元预售轮融资。比特币域名项目BTCDomain完成天使轮融资。 DeFi预言机Red Stone完成天使轮融资，Aave创始人等参投。 DeFi协议Num Finance完成150万美元融资，Ripio Venture等参投。 Web3交易聚合平台Kana Labs完成新一轮融资，MARBLEX参投。分布式路由协议Syntropy完成400万美元融资，Alphemy Capital等参投。 Web3 App开发平台Sort宣布完成350万美元种子轮融资。媒体公司Semafor已筹集1900万美元以回购SBF对其的投资。 OpenAI关闭1.75亿美元创投基金。 Vertex Labs以1200万美元收购NFT开发工作室 Digimental Studio。 Web3游戏生态系统Metagame Industries完成战略轮融资。元宇宙虚拟化身平台GoodGang Labs完成200万美元种子轮融资。新加坡通信公司GoodGang Labs完成200万美元种子轮融资，Kakao Investment参投。观点 Crypto.com产品负责人称人工智能可以提升交易所的用户体验。高通孟樸表示将会加强AI研发，使得混合AI助推AI规模化扩展。韵达股份称未来有机会将AI技术嫁接至快递经营服务。 B站CEO陈睿表示，人工智能浪潮来临，B站将为更多科技创作者提供平台。拜登表示不会同意一项既保护富有的逃税者和Crypto交易员的协议。美联储博斯蒂克表示，人工智能技术可能有助于银行监管。马斯克认为，有必要开展AI业务抗衡谷歌、微软，推特与特斯拉可成为AI公司合作伙伴。 OpenAI CEO表示，如果公司未来难以遵守欧盟AI新法规，可能考虑退出欧洲市场。 Polygon联创称Web3游戏是Crypto大规模采用的最大驱动力之一。来源：金色财经

金色财经2023-05-26

除了OpenAI 从融资角度看还有哪些AI公司值得关注？

个环节的工具和服务，可以将AI/ML和Python的 workload从单机拓展至多台计算机上，从而提高workload的运行效率，并在任意机器、集群、云、Kubernetes上运行。它的一大优势在于：是一个集成了众多机器学习工具和平台的开发环境，可以实现从开发到生产的无缝衔接。并且，客户若使用Anyscale，就不需要内部自建团队去搭建和维护分布式计算系统，既方便又减少了一定的人力成本。 11. Dupdub 总部：中国北京融资：2.52亿美元官网：https://www.dupdub.com/ Dupdub，魔音工坊的海外版，是由谷歌投资的人工智能独角兽公司出门问问设计开发的面向内容创作者的新一代AI语音工作坊。自2012年以来，专注于语音AI交互和软硬件集成，为40多个国家和地区提供B2B和B2C AI产品和服务。 Dupdub目前拥有100万以上全球用户，400多种AI画外音，支持40多种语言及方言，能够在几分钟内为图片或者视频创造引人入胜的逼真AI旁白字幕，亦能实现在线几秒钟将文本转换为语音。此外，DupDub还提供了高效的工具——转录、翻译、字幕对齐和视频下载，支持多种编辑功能，包括且不限于调整音速、音调、停顿、节奏，在一个文件中设置多个画外音、修改发音、添加音效和背景音乐，使得编辑过程更加高效。使用Dupdub生成AI配音，每月仅需十美元以上，能节省成本与时间，迅速实现专业化与全球化。 12. Inflection AI 总部：美国加利福尼亚州帕洛阿尔托融资：2.25亿美元官网：https://inflection.ai/ Inflection AI是由LinkedIn联合创始人Reid Hoffman和谷歌DeepMind联合创始人Mustafa Suleyman共同创立的人工智能初创公司，目前已推出旗下首款人工智能聊天机器人产品Pi。Inflection团队包括一些业内顶尖的人工智能专家，他们曾在DeepMind、谷歌、Meta、微软和OpenAI工作。 Pi是Personal Intelligence（人工智能）的缩写，是建立在一个专有的大型语言模型上可处理数十亿行可用开发的文本的计算机程序，能够与用户对话、闲聊、答疑等，无论是常识理论，还是人际关系。该模型由Inflection AI完全在内部开发和训练，不使用任何第三方语言模型API。 Suleyman表示Pi更像是人类的伴侣，相比其他AI，其优势是更为善解人意和富有同情心。与ChatGPT相比，Pi更加简明扼要，幽默创新，并不想在法律、财务、医疗等专业领域与人类展开竞争。Pi可在App Store下载，并支持message、Instagram、WhatsApp、Messenger多个平台。 13. Weights&Biases 总部：美国旧金山融资：2亿美元官网：https://wandb.ai/ Weights&Biases公司主要研发适合机器学习的开发工具，其创始人是Biewald曾是FigureEight联合创办者。Weights&Biases是开发者首个MLOps平台，使用权重和偏差实验跟踪更有效地构建更好的模型，使得管理和版本数据以及与团队合作变得容易，专注于构建最佳模型。 Weights&Biases平台可帮助用户从头至尾简化权重和偏差的工作流程。其软件的开发与传统的软件开发方法大不相同，更加注重数据管理、模型更新等问题。目前其最知名的产品是用于实验管理的wandb，具有更多团队管理、用户管理的功能，已被包括OpenAI、NVIDIA和cohere在内的尖端人工智能团队使用。 14. Ada 总部：加拿大多伦多融资：1.91亿美元官网：https://www.ada.cx/ Ada成立于2014年，是一家加拿大智能聊天机器人公司，公司主要通过AI技术提高智能化客服服务，并为不同领域的企业客户提供定制服务。 Ada立足于用人工智能改变客户体验，Ada建立在大型语言模型（LLM）的基础上，利用生成式人工智能，以最少的精力通过更多的渠道和语言自动解决最多的客户服务查询，为企业提供经济高效的解决方案，以全球安全和隐私标准为后盾，给客户提供先进智能的体验，并为团队提供力量和帮助。 Ada平台可以短时间内精通目标客户的业务领域，其研发的自然语言理解引擎抛弃繁重老式的代码，在一个易于使用的平台上用更少的人力解决更多的客户查询，以对话为动力，识别率高达90%。 15. PrimerAI 总部：美国旧金山融资：1.68亿美元官网：https://primer.ai/ PrimerAI是一家基于ChatGPT技术研发的语言服务公司，主要为企业提供知识管理、摘要和企业搜索，并以防伪技术而知名。PrimerAI的口号为超越思维、超越空间、超越机动，主要为数据分析师提供对实时理解大量非结构化数据并对其采取行动的帮助，无论是从文本和图像，还是音频和视频。它的NLP产品和技术为客户提供了敏捷的人工智能解决方案，以加快决策周期并利用数据获得战略和战术优势。PrimerAI能够从大规模文本、图像和音频数据中实时查看人员、组织、地点，可帮助检测预警信号，比传统方法提前数小时。结语 AI如同一场飓风，迅速席卷世界各地。它能为个体提供个性化的体验，亦能为企业实现现代数字化发展。全球金融市场和各大科技巨头对AI的关注和投资足以证明这个行业仍处在扩张的蓝海之中。像OpenAI这样的尖端公司正推动着创新并塑造AI行业的最新趋势与进展，这也使得他们成为或即将成为2023年拥有极大曝光度的企业。他们的产品或将突破认知的界限，为AI即将革新整个时代铺平道路。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，这些AI公司也值得我们持续关注，因为AI所预示的未来正在到来。计算机的发明原本只是为了服务于二战时期的军用数据计算，而时至今日，电脑的应用也早已涉及到各行各业。AI能带给世界的最大变化尚未可知，除了那些老生常谈的话题，我们也许还得学会与颠覆想象与知识边界的不确定性共舞。我们正身处在以AI为代表的第四次科技革命浪潮中，潮起潮落，留下的可能只有真正的创新技术。【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2023-05-26

MBK公链如何推进WEB3.0的发展？

多种智能合约语言，如C++，Java，Python等，用户可以根据自己的需求来选择使用正确的合约语言。三、MBK公链如何推进Web3.0的发展 Web3.0是下一代互联网的代表，它将为用户提供更加安全、去中心化的网络应用程序。MBK公链作为支持Web3.0的技术基础设施，通过以下几点来推进Web3.0的发展。 1.开发DApp应用 MBK公链鼓励开发者在其上构建DApp应用，可以帮助推进Web3.0的发展。MBK公链已经提供了多种开发工具和SDK，使得开发者可以更加便捷地进行DApp应用的开发，同时，MBK公链提供优秀的运行环境和稳定性，从而确保DApp应用的稳定运行。很多DApp应用，比如去中心化交易所，游戏应用等，已经开始在MBK公链上运行，并且获得用户的青睐。 2.链上治理 MBK公链采用DPoS共识机制，这也意味着该公链的治理模式是去中心化的。在MBK公链上，任何用户都可以参与到链上治理中来，包括选择公链的见证人以及执行智能合约。这种链上治理模式利用了区块链数据上链不可篡改的特性，使得参与公链治理的用户无法篡改公链的状态。这也有利于Web3.0应用程序的发展，因为Web3.0应用需要在去中心化的环来源：金色财经

金色财经2023-05-25

zkML：zk+机器学习新兴项目和基础设施

e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