FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Future3 Campus访谈丨资本是如何看待AI+Web3的？

我担心最终的结果可能会和投资Web2 SaaS公司一样，可能有收入，业务规模不会太大，客户的付费意愿也不是很强。你可能还需要提供定制服务，这样你的毛利率也不会很高。所以我对在国内做这个是比较悲观的，对在海外做这个是比较乐观的。您认为AI 能够给Web3 数据基础设施和Web3数据公司带来哪些价值？现在利用AI帮助Web3数据的项目效果怎么样呢？在商业模式方面是否能有些创新？ SevenX Ventures：我认为AI对Web3数据最大的帮助是效率方面。比如Dune发布了AI大模型的工具来做代码异常检测和信息索引，用户可以去用自然语言去查询相应的数据，它的代码就会相应地进行生成，然后还可以去做代码的优化，这个就是效率方面的一个提升。另外还有用AI做安全预警的项目，它就是将 AI经过相应的训练之后，可以去快速的去识别安全问题的一个 AI Robot。比如 AI 算法里边就有一个算法叫异常检测，效果比从纯数学统计的方法直接去看数据的分布，检测出一个异常值要更好，所以这种 AI 可以更有效地去做安全方面的监测。另外我还有看到一些项目使用AI算法，比如大语言模型来检索整个Web3的新闻数据（不只是链上数据），进行信息聚合和舆情分析，形成一个AI Agent。比如用户可以直接在对话框里面去查某个代币最近30 天或者 90 天的网络舆情，用户是更偏向于看多，还是看空，给予相应的分值来体现热度；它还会有个曲线，通过这个曲线就可以判断一个代币它是在大家讨论到顶峰的时刻，还是在一个顶峰下降的时刻，还是在一个上升的时刻？这些可以辅助用户投资，我觉得也是一个挺有意思的应用方式。但也有些其他的项目宣称自己的数据是AI的数据源蹭 AI 概念，我觉得这有点牵强，因为任何链上数据都可以是AI的数据源，因为它是公开的，所以有点蹭热点的嫌疑。 Matrix Partners-子熹：商业模式是现在数据领域的一个大问题，要找到一个解决方案很难。可能在ToC端，利用Web3的一些概念，比如token或分布式概念，可以让AI数据采用不同的商业模式。但如果是AI技术赋能数据，目前并没有太多亮点。 AI在数据处理和清洗方面可能有辅助作用，但这更多是内部的帮助，比如在产品开发过程中提升功能或用户体验。但从商业角度来说，并没有太大改变。 AI bot确实可以增加一些竞争力，辅助用户，但目前来说这不是一个很大的优势点，核心竞争力还是取决于数据源的质量。如果数据源充足，我可以获取我需要的信息。问题是，如果这些数据要商业化，那么我组合出来的东西必须能变现，我才愿意为数据支付费用。现在的问题是，市场不好，初创公司不知道如何变现数据，也没有足够的新进场初创公司。我觉得目前有意思的反而是一些Web2的公司，它们使用了Web3的技术。比如一个合成数据的公司，他们通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。他们在处理数据的时候涉及到很多隐私部署的问题，使用了Oasis区块链，可以有效避免了数据隐私问题。后面他们还想做一个数据交易所，将合成的数据包装在NFT里进行买卖，解决确权和隐私问题。我觉得这是一个很好的思路，它用Web3技术来辅助Web2解决问题，不一定局限于Web3的公司。不过，目前合成数据的市场还不够大，早期投资这样的公司有风险。如果下游市场做不起来，或者竞争对手太多，情况也会很尴尬。在AI+Web3数据的领域，有没有投过一些比较好的项目，分别是什么方向的，决定投他们的关键因素是什么？您认为这类项目的核心竞争力是什么？AI是否会加强这个竞争力？ Hashkey Capital-Harper：我们投的数据项目比较早，基本都是还没有特别强调ai的时候就投了，比如space and time、0xscope、mind network、zettablock等，投的关键是看他们的定位和数据质量。现在这些项目都会有AI的计划，基本也是先从聊天agent开始。space and time和chainML合作推出了创建ai agent的基础设施，其中创建的defi agent被用于space and time，也是一种结合AI的方式。 SevenX Ventures-Yuxing：如果项目与AI的结合做得很好，那么我可能会对其更感兴趣。决定我是否会投资的关键因素之一是项目是否有市场壁垒。我观察到很多项目宣称他们与AI结合能够提升效率，例如快速的数据查询功能。有些项目可以通过自然语言查询来快速获取链上NFT数据，比如查询最近交易最活跃的十大NFT。这样的项目可能有先发优势，但市场壁垒可能并不牢固。真正的壁垒是AI本身的应用以及工程师如何将AI应用到具体场景中。工程师如果能熟练地进行模型微调，通常能够获得良好的效果。对于那些提升效率的项目来说，市场壁垒主要在于数据源。不仅仅是链上数据，还包括项目方如何处理和解析这些数据。例如之前提到的项目，它们能够通过AI算法快速检索重要数据。然而，工程师进行模型微调的效果是有限的，真正的持续优势在于数据源的质量和其持续优化的能力。这也是为什么一些数据分析公司能够在市场中脱颖而出的原因，他们不仅提供数据源，还包括数据处理和分析的能力，区别往往在于团队的技术能力和人才。这些因素直接关系到AI结合应用的最终效果，另外，我也关注那些能让AI变得更好的Web3技术项目，因为AI市场非常庞大。如果Web3技术能够增强AI的能力，那么应用场景将会非常广泛。这就是ZKML项目受到热捧的原因。但是，我注意到Web3项目往往容易被夸大或贬低其价值。像ZKML这样的项目，尽管备受关注，但它们的投资回报并不像人们期待的那样迅速，退出机制也并不清晰，因为它们发行代币的难度较大。因此，尽管这些项目富有创意并具有潜在价值，但是否值得现在投资，以及它们最终能带来多少回报，是投资者需要仔细考量的。 Matrix Partners-子熹：我们投资了一个结合AI和Web3的公司，它是一个数据标注公司，叫Questlab。他们使用区块链技术提供数据标注的众包服务。数据标注原本是一个直营或者是分包的行业，很难做到知识领域的全覆盖。就传统的数据标注来说，一般分为三个类型：直营、分包和众包。但实际上做众包的人比较少。这三种模式的公司在选择数据标注服务时需要考虑的因素有：价格是否便宜、标注的质量是否高、效率如何。还有一个就是能否覆盖他们所在的行业。如果你只是做一些通用模型的语言或图片的标注，其实很简单，就是识别英文字或图片。再难一点，比如需要区分猫、狗、月亮、婴儿车等，这也不是很难。但如果你需要做的是更专业的标注，比如语音机器人社区需要的标注，那就复杂多了。他们可能需要标注各种方言和多种语言，包括中文方言，英文方言、以及各种小众地区的语言等，很少有传统的工作室愿意做这样的工作。一个更复杂的例子是法律加AI公司，需要标注大量的法律知识来训练各种模型，要找到既懂法律又能进行专业标注的人非常难，需要同时懂得各国法律，还要了解各种专业法律领域，如合同法、租赁法、民法、刑法等。市场上几乎没有一家数据标注公司能够提供如此专业的服务。法律是专业的，金融、生物、医疗、教育等也是如此。所以，这些领域的标注工作一般只能由内部团队来完成，他们使用众包的方法，这样就能解决知识专业覆盖的问题。我们认为，利用区块链进行众包是一个很好的方向，就像YGG在Gamefi领域做的事一样。这是我们认为是一个有前景的方向。另外，我们觉得在开源模型社区里面，也会有一些很好的机会。比如Polychain投的一个项目是一个类似于web3 的hugging face，用来解决模型内容创造者经济的问题。其他的AI和Web3的结合，我觉得ToC方向如果能结合一些token的玩法，提高整个社群的粘性、日活和情感，我们觉得这是可行的。这也方便投资人来变现，但是市场规模如何也不是很确定。这就是我对AI和Web3的一些看法。我觉得如果纯ToB的业务，没必要用Web3，就用Web2的方式做就挺好的。 Qiming Venture Partners-唐弈：目前我们投的有一些数据项目正在通过链上数据在安全场景中进行工作。我认为一些AI基本的模式识别或特征发现工作都有涉及，并且效果还可以。然而，更高级的工作，如将大量活动数据输入模型并识别多种信息，目前仍在尝试阶段，效果尚需验证。除了安全领域外，许多其他领域也存在类似情况。最近的一个例子是我们投的NFTGo，它是一个基于大数据分析去做NFT的定价，具有一定的准确性，并计划将其用于价格Oracle等用途。虽然这一体系听起来很有趣，但在产品中以及用户接受程度方面，仍需要进行验证。因为即使目前可能能够达到90分或85分的准确性，用户可能需要更高水平，比如98分或95分，因此还需要进一步验证。因此，虽然一些项目正在将数据分析和模式识别等简单AI能力应用于产品中，但是否成为关键因素尚未得到验证。而对于投资意愿方面，我个人不会因为项目有一些AI的噱头就更倾向于投资，因为我认为实际效果和项目是否能实现其目标以及带来好处更为重要。如果一个项目只是在名字或市场营销上有亮点，作为一种营销手段，以吸引更多关注或曝光，我能理解。但在投资决策中，我认为更重要的是实际效果。像一些项目在做ZKML，这个赛道似乎备受瞩目，但是同时也有很大问题，就是它到底用于什么场景。我觉得目前不确定性特别强烈，更多还是很宏大的叙事。从整体行业发展来看，AI + Web3数据这一赛道未来有哪些潜在的机会或发展方向？未来，AI是否有可能彻底升级数据产品，引入新概念？是否会增强用户的付费意愿？ Hashkey Capital-Harper：肯定是有潜在机会的。未来发展方向其实还是落后于web2 的AI，那里的创造力明显更强，web3这边的AI大概率也是web2 AI的映射实现吧。 Matrix Partners-子熹: 我觉得最近的妙鸭相机让大家意识到，其实人们对AI产品还是有付费的意愿的，这不像传统的SaaS产品或游戏，人们期望免费才会使用。用户对AI的付费意愿其实还是挺强的。未来的话我可以提供一点想法。我们在做数据标注流程中有一个关键步骤叫做预标注，就是我们训练一个模型，让模型来进行初级标注。这一步非常有价值，可以节约很多人力成本。我们将原始数据投入预训练的模型进行预标注，然后进行半自动化的数据处理，最终手动进行精确标注。预标注可以显著提高效率，可能原本需要100人的工作，现在可能只需要50到70人。另外预标注方面也涉及到AI和人的协作，通过你的反馈可以不断提高模型的预标注能力，从而减少数据标注团队的人数需求。随着AI和人的协作越来越好，原本100人的团队可能只需要30人。但是，这个过程有一个下限，即使AI协作做得非常好，仍然需要一定数量的人工进行最终的标注和审核。在其他领域由于我不是数据科学家，我没有亲自清洗过数据或使用数据进行SQL查询，所以我不清楚AI在这些领域具体能提供多大的帮助。 Qiming Venture Partners-唐弈：我觉得长期内与Web3和AI是应该有一些交集的。比如从意识形态的角度，Web3的价值体系是可以结合到AI上的，很适合作为bot的账号体系或者说价值转化体系。想象一下，一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。这些概念有点科幻，实际应用可能还有很长的路要走。第二个可能的方向验证AI模型的输出是否基于特定类别或特定的模型，或者特定的数据，并且是否可信。这些领域在可信的AI模型中可能有一些用处。从技术角度来看这些非常有趣，但是否有足够的市场需求尚不确定。另外一方面是AI的出现使数据内容生成变得泛滥和廉价。对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权可能需要一个全新的体系，包括创作者和智能体的角色。但总的来说，这些问题可能仍然有待解决，而故事性的内容可能需要更长的时间来发展。在短期内，我们应该继续关注数据底层的质量，并期待模型能够变得更强大。另外在商业化方面，确实数据产品商业化非常难。但是我认为从商业角度来看，AI可能短期内不是解决数据产品商业化问题的解决方案。商业化需要更多的产品化努力，而不仅仅是数据化能力。因此，这些项目可能需要开发其他产品来实现商业化。来源：金色财经

金色财经2023-12-06

Footprint Analytics x Future3 Campus联合发布AI与Web3研报（下篇）

C 端客户分别推出了：0xScope SaaS products 和 0xScopescan。（1）0xScope SaaS products，一个面向企业的 SaaS 解决方案，赋能企业客户进行投后管理、做出更好的投资决策、了解用户行为，并密切监控竞争动态。（2）0xScopescan，一个 B2C 产品，其允许加密货币交易者调查选定区块链的资金流动和活动情况。 0xScope 的业务重点是利用链上数据抽象出通用数据模型，简化链上数据分析工作，将链上数据转化为可被理解的链上操作数据，从而帮助用户对链上数据进行深入分析。利用 0xScope 提供的数据工具平台，不仅可以提升链上数据质量，挖掘数据暗藏的信息，从而揭示更多的信息给用户，该平台也极大降低了数据挖掘的门槛。 0xScope 与 AI 的发展与规划如下： 0xScope 的产品正在结合大模型进行升级，这包含两个方向：第一，通过自然语言交互的模式进一步地降低用户的使用门槛；第二，利用 AI 模型提高在数据清洗、解析、建模和分析等环节的处理效率。同时，0xScope 的产品中即将上线具有 Chat 功能的 AI 互动模块，该功能将极大地降低用户进行数据查询和分析的门槛，仅通过自然语言即可与底层的数据进行交互和查询。但在训练和使用AI的过程中，0xScope 发现其中仍面临这以下挑战：第一，AI 训练成本和时间成本较高。在提出一个问题后，AI 需要花费较长时间才能进行回复。因此，这个困难会迫使团队需要精简和聚焦业务流程，专注于垂直领域的问答，而不是让其成为一个全方位的超级AI助理。第二，LLM 模型的输出是不可控的。数据类的产品希望给出的结果是精准的，但目前LLM模型给出的结果很可能与实际的情况有一定出入，这对数据类产品的体验是非常致命的。此外，大模型的输出有可能会涉及到用户的隐私数据。因此，在产品中使用 LLM 模式时，团队需要对其有较大程度的限制，以使得 AI 模型输出的结果可控且精准。未来，0xScope 计划利用 AI 专注于特定的垂直赛道并进行深耕。目前基于已大量积累大量链上数据，0xScope 可以对链上用户的身份进行定义，后续将继续利用 AI 工具抽象链上用户行为，进而打造出一套独特的数据建模的体系，通过这套数据挖掘和分析体系揭示出链上数据暗含的信息。在合作方面，0xScope 将聚焦在两类群体：第一类，产品可以直接服务的对象，比如开发者、项目方、VC、交易所等，该群体需要目前产品所提供的数据；第二类，对 AI Chat 有需求的合作伙伴，如 Debank、Chainbase 等，他们只需要有相关的知识和数据，便可以直接调用 AI Chat。 VC insight——AI+Web3 数据公司的商业化和未来发展之路本节内容通过采访了 4 位资深的 VC 投资人，将从投资和市场的视角来看 AI+Web3 数据行业的现状和发展，Web3 数据公司的核心竞争力以及未来的商业化道路。 2.1 AI+Web3 数据行业的现状和发展目前，AI 与 Web3 数据的结合正处于一个积极探索的阶段，从各个头部 Web3 数据公司的发展方向来看，AI 技术以及 LLM 的结合都是必不可少的趋势。但同时 LLM 有其自身技术局限性，尚不能解决当前数据行业的很多问题。因此，我们需要认识到并非盲目地与 AI 结合就能够增强项目的优势，或者是使用 AI 概念进行炒作，而是需要探索真正具有实用性和前景的应用领域。从 VC 的视角，目前 AI 与 Web3数据的结合已经有以下方面的探索：（1）通过 AI 技术来提高Web3 数据产品的能力，包括 AI 技术帮助企业提高内部数据处理分析的效率，以及相应提高对用户的数据产品的自动化分析、检索等能力。例如 SevenX Ventures 的Yuxing 提到 Web3 数据使用 AI 技术最主要的帮助是效率方面，比如 Dune 使用 LLM 模型做代码异常检测和将自然语言转化生成 SQL 去信息索引；还有用 AI 做安全预警的项目，AI 算法做异常检测效果比从纯数学统计更好，所以可以更有效地去做安全方面的监测；此外，经纬创投的子熹提到企业可以通过训练 AI 模型进行数据的预标注，能节约很多人力成本。尽管如此，VC 们都认为，在提高 Web3 数据产品的能力和效率方面，AI 起到的是辅助作用，例如数据的预标注，最终可能仍需要人工审核来确保准确性。（2）利用 LLM 在适应性和交互上的优势，打造 AI Agent/Bot。例如使用大语言模型来检索整个 Web3 的数据，包括链上数据和链下新闻数据，进行信息聚合和舆情分析。Hashkey Capital 的 Harper 认为这类的 AI Agent更加偏向于信息的整合、生成，以及和用户之间的交互，在信息准确性和效率上会相对弱一些。上述两方面的应用尽管已经有不少案例，但是技术和产品仍然在探索的早期，因此未来也需要不断地进行技术优化和产品改进。（3）利用 AI 进行定价及交易策略分析：目前市场中有项目利用 AI 技术给 NFT 进行价格估算，如启明创投投资的 NFTGo，以及有些专业交易团队使用 AI 进行数据分析和交易执行。此外 Ocean Protocol 近期也发布了一个价格预测的AI产品。这类的产品似乎很有想象力，但在产品中、用户接受程度方面，尤其是准确性方面仍需要进行验证。另一方面，有不少 VC，尤其是在 Web2 有投资的 VC会更关注提到 Web3 和区块链技术能够为 AI 技术带来的优势和应用场景。区块链具有公开可验证、去中心化的特点，以及密码学技术提供隐私保护能力，加上 Web3 对生产关系重塑，可能能够给 AI 带来一些新的机会：（1）AI 数据确权与验证。AI 的出现使数据内容生成变得泛滥和廉价。启明创投的唐弈提到对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权需要一个全新的体系，区块链可能可以提供帮助。经纬创投的子熹提到有数据交易所将数据放在NFT中进行交易，可以解决数据确权的问题。另外，SevenX Ventures 的 Yuxing 提到Web3 数据能够改善 AI 造假和黑盒问题，当前 AI 在模型算法本身和数据方面都存在黑盒问题，会导致输出结果的偏差。而Web3的数据具有透明性，数据是公开可验证的，AI模型的训练源和结果都会更加明晰，使得AI更加公正，减少偏见和错误。但当前 Web3 的数据量还不够多，不足以给 AI 本身的训练赋能，因此短期不会实现。但是我们可以利用这一特性，将 Web2 数据上链，来防止 AI 的深度伪造。（2）AI 数据标注众包及 UGC 社区：目前传统 AI 标注面临效率和质量较低的问题，尤其是在涉及到专业知识领域，可能还需要交叉学科知识，传统的通用数据标注公司是不可能覆盖的，往往需要专业团队内部来做。而通过区块链和 Web3 的概念引入数据标注的众包，则能很好地改善这个问题，例如经纬创投投资的Questlab，他们使用区块链技术提供数据标注的众包服务。此外，在一些开源模型社区中，也可以使用区块链概念来解决模型创作者经济的问题。（3）数据隐私部署：区块链技术结合密码学相关技术可以保证数据的隐私和去中心化。经纬创投的子熹提到他们投资的一个合成数据公司，通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。公司在处理数据的时候涉及到很多隐私部署的问题，使用了 Oasis区块链，可以有效避免了隐私和监管问题。 2.2 AI+Web3 数据公司如何打造核心竞争力对于 Web3 技术公司来说，AI 的引入能够一定程度上增加项目的吸引力或关注度，但是目前大部分 Web3 技术公司相关结合 AI 的产品并不足以成为公司的核心竞争力，更多是在提供了更友好的体验，以及效率的提升。譬如 AI Agent 的门槛并不高，先做的公司可能在市场有先发优势，但并不产生壁垒。而真正在 Web3 数据行业中产生核心竞争力和壁垒的应该是团队的数据能力以及如何应用 AI 技术解决具体分析场景的问题。首先，团队的数据能力包括了数据源及团队进行数据分析和模型调整的能力，这是进行后续工作的基础。在采访中，SevenX Ventures、经纬创投和 Hashkey Capital 都一致提到了 AI+Web3 数据公司的核心竞争力取决于数据源的质量。在这个基础上，还需要工程师能够基于数据源熟练地进行模型微调、数据处理和解析。另一方面，团队 AI 技术具体结合的场景也非常重要，场景应该是有价值的。Harper 认为，尽管目前 Web3 数据公司与 AI 的结合基本都是从 AI Agent 开始，但他们的定位也不同，例如 Hashkey Capital 投资的 Space and Time，和 chainML 合作推出了创建 AI agent 的基础设施，其中创建的 DeFi agent 被用于 Space and Time。 2.3 Web3 数据公司未来的商业化道路另一个对于 Web3 数据公司很重要的话题是商业化。长期以来，数据分析公司的盈利模式都比较单一，大都 ToC 免费，主要 ToB 盈利，这很依赖于 B 端客户的付费意愿。在 Web3 领域，本身企业的付费意愿就不高，加上行业初创公司为主，项目方难以支撑长期的付费。因此目前 Web3 数据公司在商业化的处境上比较艰难。在这个问题上，VC 们普遍认为当前 AI 技术的结合，仅应用在内部解决生产流程的问题，并没有改变本质上的变现难问题。一些新的产品形式如 AI Bot 等门槛不够高，可能一定程度上在 toC 领域增强用户的付费意愿，但仍然不是很强。AI 可能短期内不是解决数据产品商业化问题的解决方案，商业化需要更多的产品化努力，例如寻找更加合适的场景，和创新的商业模式。在未来 Web3 与 AI 结合的路径上，利用 Web3 的经济模型结合 AI 数据可能会产生一些新的商业模式，主要在 ToC 领域。经纬创投的子熹提到 AI 产品可以结合一些 token 的玩法，提高整个社群的粘性、日活和情感，这是可行的，也更容易变现。启明创投的唐弈提到，从意识形态的角度，Web3 的价值体系可以结合到AI上的，很适合作为 bot 的账号体系或者说价值转化体系。例如一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。但这个概念属于未来的畅想，实际应用可能还有很长的路要走。而在原来的商业模式，即用户直接付费上，需要有足够强的产品力，让用户有更强的付费意愿。例如更高质量的数据源、数据带来的效益超过支付的成本等，这不仅仅在于 AI 技术的应用，也在数据团队本身的能力之上。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于Future3 Campus Future3 Campus是由万向区块链实验室和HashKey Capital共同发起的Web3.0创新孵化平台，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经

金色财经2023-12-05

金蝶国际(00268)下跌5.04%，报9.99元/股

限公司是全球领先、中国第一的企业管理云SaaS公司，主要提供从ERP资源计划到EBC数字战斗力的全方位云服务。根据IDC2022年数据，金蝶在中国企业资源管理云服务市场排名第一，其云服务产品已为全球超过740万家企业和政府组织提供服务。截至2023年中报，金蝶国际营业总收入25.66亿元、净利润-2.84亿元。

金融界2023-12-05

智云健康(09955)下跌5.0%，报5.89元/股

业提供一站式服务，通过自研的医院和药店SaaS系统及互联网医疗平台为全国众多医院和药店提供便捷服务。该公司目前已经辐射至5亿慢病患者，并于2020年与国家慢病管理中心签署合作协议，推动数字健康服务普及千家万户。截至2023年中报，智云健康营业总收入18.03亿元、净利润-1.56亿元。

金融界2023-12-05

易点云(02416)下跌5.04%，报5.46元/股

服务，包括IT基础设施、托管IT服务和SaaS产品等。公司以订阅方式运营，通过自主研发的星云系统和行业领先的再制造技术，提供全面技术支持，帮助客户提高效率，提升员工生产力，推动业务增长。截至2023年中报，易点云营业总收入6.36亿元、净利润-8.82亿元。

金融界2023-12-05

人工智能技术重塑工业PaaS低代码开发平台，提升工业互联网平台应用创建能力

边缘层）、工业PaaS（平台层）和工业SaaS（应用层）的搭建变得十分重要。其中，工业PaaS承载着整个工业体系最核心的功能，起到了承上启下的作用。向上一层，它承载了数据和应用；向下一层，它承载了算力和基础设施。可以说工业PaaS层是一个可扩展的微服务架构操作系统，它是在通用PaaS架构的基础上进行二次开发，构建基于微服务架构的工业互联网平台。因此，通过累积不同行业、不同工业场景的技术、知识、经验等资源，实现封装、固化和复用，从而保证工业生产力的最大化，国内工业PaaS平台的发展前景究竟如何？底层技术也是前沿技术作为提升生产力的有效技术手段，PaaS产业未来发展前景广阔。不久前，IDC发布了《中国工业云IaaS+PaaS市场份额，2022：分化初现》报告。数据显示，2022年，中国工业云IaaS+PaaS市场规模达到83.8亿美元（约合562.9亿元人民币），受疫情等因素影响增速同比有所放缓，相比2021年增长29.2%。此外长期预测来看，到2025年，PaaS产业将突破1000亿美元，年均复合增长率高达20%。不可否认，工业PaaS被誉为“工业互联网发展的发动机和操作系统”，已成为工业互联网平台发展的关键突破口，甚至将成为企业争夺工业互联网规则制定权和生态话语权的关键。美国北德克萨斯大学（UNT）教授Sameehan S. Joshi认为，工业PaaS作为云平台的一种，其价值在于为工业生产力的提升、产品分配、消费以及定价提供解决方案。该平台的壮大则是通过物联网的云技术，为客户提供“按需求”开发功能与应用程序的能力。而从经济学角度来看，生产力是社会发展的基础和动力，而生产关系则是生产力发展的制约因素。工业PaaS软件技术的应用可以提高企业的生产力水平，使得企业在生产过程中更加高效、灵活和智能。并且，工业PaaS软件技术的应用也可以改变传统的生产关系，促进企业内部和企业之间的协作与合作。因此工业PaaS平台作为工业生产力提升的重要“引擎”，也成为了西方发达国家聚焦的重点。在国际方面，欧美国家基于工业PaaS的技术开放、标准化的技术架构、强大的技术研发能力以及生态系统，打破了传统生产过程中的信息壁垒和组织边界，促进了企业内部和企业之间的合作与创新。例如美国GE（通用电气）和PTC作为两个主要工业PaaS技术提供商，其中GE的Predix平台可以连接各种工业设备和系统，实现数据的收集、分析和优化。PTC的ThingWorx平台则提供了一套完整的工业物联网解决方案，帮助企业实现设备的远程监控和维护，提高生产效率。据报道，使用这些平台的企业在生产效率上往往可以实现10%-15%的提升。此外，德国西门子的MindSphere平台同样可以实时监测生产线上的设备状态，预测故障并提前维护，从而减少了停机时间和维修成本。使用MindSphere的企业可以实现生产效率提高20%以上。因此，工业PaaS软件技术作为一种基于工业互联网的底层技术，能够为企业带来巨大的生产力提升。西方国家通过PaaS底层技术的应用，为企业提供高效的生产工具和设备管理、实现生产过程的优化和协同以及实现生产过程的智能化和自动化，进而提高企业的生产效率、降低成本、提高产品质量和市场竞争力。国内市场逐渐繁荣中国科技大学信息科学技术学院曾发表文章指出，自2015年以来，PaaS技术的底层构建能够有效地为企业提供技术服务。其中，“SaaS锚定的PaaS”(SaaS Environment Anchored PaaS)，软件即服务（SaaS）与平台即服务（PaaS）相结合的模式，成为最受客户欢迎的服务方式之一。这类PaaS云供应商将SaaS作为核心服务业务。为了发展其业务能力和品牌，PaaS供应商开发了一个生态系统，允许独立软件开发人员在云平台上提供应用程序。这也意味着PaaS云服务为开发人员提供了极大的自由度和生产力。开发者不需要担心定义可扩展需求，也不需要使用XML来概述系统部署的规范。所有的设施都由负责管理这些服务的PaaS提供商提供。从国内环境来看，基于我国积极构建“双循环”的发展格局，促使工业制造产业形成了“大而全”的现状。同时，在工业4.0思潮之下，以数字、人工智能技术为代表的工业互联网产业正蓬勃发展。在这种大背景之下，处于细分领域的工业PaaS端，其产业发展上下游的合作则更为紧密，并已经形成了以设备制造商、系统集成商、软件开发商、运营商等为主体的工业PaaS产业生态链，各环节之间的协同效应逐渐显现。工业互联网产业图谱/图源：艾瑞咨询根据上图可见，上游的laaS服务商为中游的PaaS服务商提供基础设施资源和服务，包括云主机、云储存、云网络、CDN、虚拟化硬件等。中游PaaS服务商为下游的SaaS服务商提供数据库、应用开发、应用部署、应用运行、基础框架、中间件等服务。下游的SaaS服务商提供的SaaS服务包括CRM、ERP、HRM、OA(财务管理)、内容服务、通信协作等。在这一过程中，通过工业PaaS，企业可以利用云计算、大数据、人工智能等数字技术，实现生产流程的优化、产品质量的提升以及运营管理的智能化。同时，工业PaaS还提供数据库、应用开发、应用部署、应用运行、基础框架、中间件等服务，使得SaaS服务商能够专注于业务逻辑的实现，而无须关注底层的技术细节。这种分工合作的模式，大大提高了软件开发的效率和质量，降低了企业的运营成本。基于工业PaaS带来的巨大产业价值，德国德累斯顿工业大学教授Frederik Wulf曾直言道：“如果我们（企业）想要快速发展，使用PaaS系统是唯一的出路，否则即使我们在IaaS平台上搭建所需系统，也难以保证企业的持续发展。” 二级市场稳健，底层技术有所突破在工业4.0的概念之下，作为工业PaaS产业的应用场景与实体支撑，工业互联在二级市场中发展稳健。按行业来看在二级市场中，工业互联网赛道A股上市企业达到了232家。在宏观角度来看，随着近年来，数字化、物联网、云计算和人工智能等技术的发展为工业互联提供了强大的技术支持。这些技术的不断进步和普及，使得企业能够更轻松地实现生产过程的自动化、智能化和优化进而获得了市场的青睐。同时，我国政府一直致力于推动工业转型升级，以实现从“制造大国”向“制造强国”的转变。这也表明在政策端对工业互联网的扶持也促进了该产业在二级市场的发展。近2个月工业互联二级市场走势/图源：同花顺在政策与技术端双向利好的背景下，工业PaaS产业所属申万三级行业为工业互联计算机IT服务及横向通用软件，并覆盖了29家上市企业。其中，头部厂商宝信软件2023年前三季度，公司实现营业总收入88.18亿元，同比增长15.23%；归母净利润18.71亿元，同比增长22.33%；用友网络前三季度实现营业收入57亿元，同比增长2.0%；科大讯飞2023 年前三季实现总营收 126.14 亿元，归母净利润 9936.21 万元。此外，东方国信2023年前三季度营收约14.54亿元，同比增加2.01%；归属于上市公司股东的净利润约1.1亿元，同比增加1.89% 根据以上数据可以看出，我国工业PaaS技术服务商呈现出多元化的发展趋势。一方面，传统的软件企业和通信企业纷纷布局工业PaaS领域，如宝信软件、用友网络和科大讯飞等企业均在工业PaaS领域取得了较好的发展成果；另一方面，一些新兴的工业PaaS技术服务商也在迅速崛起，如东方国信等企业。总体来说，工业PaaS技术服务商的市场规模逐渐扩大，但竞争格局日趋激烈。在这种日趋激烈的市场竞争当中，加大技术创新便成为了技术供应商掌握核心竞争力，拓展市占率的重中之重。据财报显示，2023年前三季度宝信软件、用友网络、科大讯飞以及东方国信等技术供应商在研发领域的投入分别为10.08亿、14.95亿、24.98亿以及3.39亿，均高于去年同期水平。尤其是在云计算、大数据、等领域进行创新，为我国工业PaaS市场的创新发展提供了强有力的支撑。例如浪潮推出的iGIX5.0企业级PaaS平台。该产品以云原生平台为云原生应用架构、智能运维和弹性计算的基础支撑，同时inBuilder代码平台、inDataX数据中台、inIoT物联网平台三大平台工具对平台沉淀的大量企业级基础服务、业务服务、数据服务、物联服务、智能服务装配编排，构建企业数字化核心能力。其中，云原生平台通过容器化技术，将应用与底层基础设施解耦，使得应用能够以更轻量级的方式运行，这也意味着基于容器的弹性计算，使得应用能够在iGIX5.0平台负载波动时，自动调整计算资源的分配，保持平台的稳定性和高效性。浪潮iGIX5.0企业级PaaS平台/图源：浪潮ERP 此外，用友网络的iuap平台以云原生、数智驱动、技术普惠和社会化架构为内核，完成了从企业级到社会级的跨越式升级。该平台通过“三中台+三平台”的构建方式打造了企业数智化新底座，其中“三中台”包括业务中台、数据中台和智能中台，而“三平台”则包括技术平台、低代码平台和开发平台。从上述结构可见，iuap平台的算力提升主要得益于其先进的技术和架构。云原生的特性使得应用更加轻量化和高效，这有助于提升整体的运行效率和处理能力。同时，数据中台和智能中台的运用使得数据的存储、处理和分析变得更加智能化，不仅提高了计算效率，还为决策提供了更加精准的依据。换句话说，用友网络的“三中台+三平台”的构建方式是其技术创新的核心关键。用友网络iuap平台/图源：科技快报总体来看，我国工业PaaS的技术创新发展趋势正呈现出积极的态势，主要体现在开放性和灵活性的提升、数据驱动的智能化发展和安全性和可靠性的提高等方面。例如，基于云原生技术的工业PaaS平台能够更好地支持微服务架构和容器化部署，使得应用开发更加灵活和高效。但是，由于海外工业PaaS平台在底层算力创新方面相对成熟，拥有更多的核心技术和专利，相比之下，我国在底层算力创新方面仍存在一定的差距，目前的发展模式仍是通过参与开源社区、使用开源框架和工具等途径，进而获得更多的技术支持。但在底层核心技术能力、制定行业标准、推动产业标准化发展等方面仍存有差距。因此，我国工业PaaS平台在未来应该加快制定和完善工业PaaS平台的规范和标准体系，推动工业PaaS平台的标准化和规范化发展。同时，国内相关企业还应该积极参与国际相关标准和规范的制定和修订工作，为我国工业PaaS技术的发展争取更多的话语权和主导权。结合人工智能技术，是发展趋势由上述内容可见，工业互联网平台的重要能力之一是通过封装在其PaaS平台层的大量通用的行业Know-how知识经验或知识组件以及算法和原理模型组件，以低代码方式构建上层工业APP应用。而以ChatGPT为代表的人工智能代码生成能力的跨越式进步，有望重塑工业PaaS低代码开发平台，有望使得非程序员的工程师能够使用自然语言指令进行零错误的工业APP开发，大幅提升工业互联网平台的应用创建能力、降低应用开发成本。在国内市场中，人工智能技术赋能工业PaaS平台以初见倪端。今年7月27日，用友网络正式对外发布了业内首个企业服务大模型YonGPT。用友网络表示，YonGPT通过上下文记忆、知识/库表索引、Prompt工程、Agent执行、通用工具集等扩充大模型的存储记忆、适配应用和调度执行能力，再结合财税、人力、供应链、研发等领域的知识，扩充大模型专业能力，形成体系化的企业服务大模型。此外，东方国信也启动了公司自有垂直大模型BonGPT技术框架和应用系统的研发。在今年5月16日，东方国信董秘在投资者关系平台上回复投资者称，公司眼下正以垂类领域预训练大语言模型为核心，面向包括运营商、金融、工业、政府等在内的行业特点开展深度指令优化和模型精调，打造面向to B典型场景需求的基础能力。未来公司将用更垂类的数据去训练出在某个特定方向上更具深度、更细致、更精准、更具专业性的大模型。人工智能大模型能够基于深度学习的自然语言处理技术，可以理解和生成人类语言文本。将其应用于工业APP开发领域，使开发者通过自然语言指令来进行零错误的开发，大大提高了开发效率和准确性。同时，大模型还能够帮助开发者从大量数据中提取有用的信息，为APP提供更准确、更智能的功能。据麦肯锡公司进行的研究表明，人工智能技术可通过全自动化、动态监控等方式提高各生产环节的效率，实现降本增效，该技术特征可以将软件开发时间缩短50%以上。而该技术在工业PaaS平台的优化算法中，能够通过对系统性能、资源利用率等指标进行实时监测和分析，自动调整系统参数和配置，以提高系统的性能和稳定性。所以虽然眼下并没有专门针对工业PaaS低代码开发平台和成本降低进行具体论证探讨，但可以看出，人工智能技术在整体软件开发领域的潜力十分巨大。这也意味着在未来的工业互联网发展过程中，人工智能代码生成能力的跨越式进步有望重塑工业PaaS低代码开发平台，使得非程序员的工程师能够使用自然语言指令进行零错误的工业APP开发。因此，为了充分发挥人工智能技术在工业PaaS平台中的价值，眼下国内相关技术提供商注定将进一步研究和探索人工智能技术在工业PaaS平台中的应用方法和技术。参考资料：艾瑞咨询：2023年中国工业互联网平台行业研究报告白旭洋：工业互联网中安全性增强的边缘计算任务调度方法研究，西安邮电大学范婷婷：工业互联网平台赋能供应链协同的运行，杭州电子科技大学 IDC：《中国工业云IaaS+PaaS市场份额，2022：分化初现》邬贺铨：边缘计算助力工业互联网，中国工程院尹方达：工业物联网PaaS平台的商业模式研究，北京邮电大学

金融界2023-12-04

智云健康(09955)下跌5.08%，报6.17元/股

业提供一站式服务，通过自研的医院和药店SaaS系统及互联网医疗平台为全国众多医院和药店提供便捷服务。该公司目前已经辐射至5亿慢病患者，并于2020年与国家慢病管理中心签署合作协议，推动数字健康服务普及千家万户。截至2023年中报，智云健康营业总收入18.03亿元、净利润-1.56亿元。

金融界2023-12-04

阜博集团(03738)下跌5.36%，报2.47元/股

阜博集团是全球领先的网络影视媒体专业SaaS服务商，主要提供网络视频版权保护及内容管理变现的一站式服务，拥有完备的影视基因数据库和先进的内容识别技术。公司与全球顶级内容制作商建立了长期合作关系，客户群包括好莱坞制片公司、电视网络及流媒体平台，市场份额全球领先。截至2023年中报，阜博集团营业总收入9.25亿元、净利润2688.77万元。

金融界2023-12-04

IDC：上半年中国企业团队协同软件市场规模为2.05亿美元同比增长4.9%

.05亿美元，同比增长4.9%。其中，SaaS模式的企业团队协同软件规模为0.99亿美元，同比增长12.8%；本地部署模式的企业团队协同软件规模为1.06亿美元，同比下降1.5%。本次美元市场份额的调研数据受到汇率影响较大，2023年上半年美元兑人民币的汇率明显高于2022年同期，对厂商在美元增长速度方面的表现产生了影响。

金融界2023-12-04

一文总览Particle Network生态系统

费客户（在 Particle 之前的 SaaS 模式中）转变为可以免费使用 Particle 产品来共同获取最终用户的增长合作伙伴。这种模型减轻了 dApp 的负担，大大加速了Particle网络的增长。这些不同的用例使代币成为Particle网络生态系统运营和开发的核心要素。通过Particle网络代币获取价值太长不读版： Particle Network的发展旨在通过深度互联、协同的方法来增强 Web3 生态系统。我们的目标是为开发人员和用户提供一个框架，提高 Web3 的效率、隐私和互操作性，捕捉通过创新经济模型产生的价值。这一演变的关键方面包括：模块化智能钱包即服务（WaaS）：该服务允许开发人员有效地将帐户抽象（AA）集成到其去中心化应用程序（dApp）中，从而在保持灵活性的同时实现复杂的应用程序构建。意图融合协议：一种无需许可的通用框架，旨在简化 dApp 开发体验。它使开发人员能够表达用户意图并将其执行外包，从而简化与各种 Web3 协议的交互。机密 zkStack（Confidential zkStack ）：该组件允许用户在不泄露信息的情况下验证其信息并利用零知识技术私密地执行交易，从而增强隐私性。全链账户抽象（Omnichain AA）：该技术促进了跨不同 EVM 链的统一智能合约账户地址。它还消除了用户通过Particle网络代币进行跨链交易的摩擦。 Particle链：专有的 zkEVM，充当智能账户的全链存储数据库，在 Omnichain AA 和 Confidential zkStack 中发挥核心作用。 Particle网络代币：网络经济模型的关键，具有多种用途，例如支付Gas费、生成密码证明和参与治理。它在为网络及其利益相关者获取价值方面发挥着重要作用。 Particle Network的三大产品模块结合Particle zkEVM，抽象出了链、账户、gas的概念，打造了一个用户和开发者友好的开放网络接入层。此外，这种方法为Particle网络的利益相关者构建了一个价值累积飞轮。总体而言，Particle网络的发展旨在创建一个集成的生态系统，以增强开发人员和用户的Web3体验。来源：金色财经

金色财经2023-12-03

24小时热点