FX168财经网_全球视野外汇黄金加密货币NFT资讯网

突发行情赵长鹏一则“重磅基金宣布”引市场暴动比特币、以太币短线拉涨币安币飙升7%

k资产99亿美元，是Coinbase、Stripe和Affirm背后的金融管道。Evolve Bank & Trust资产13亿美元，是Wise和Dave背后的银行。这些小型银行喜欢这种安排，因为它使他们的客户群多样化，远离与小型区域性机构合作的通常的本地企业。快速行动和打破常规的科技初创公司，更喜欢使用小银行而不是传统的大银行。人们相信他们相互理解，并且会获得更加个性化、更周到的体验，而不是在美国最大的银行之一开设账户。但反过来，这意味着这些为金融科技提供动力的小银行，实际上过度暴露于科技行业。 2020年，小型银行看到大量现金资产涌入其资产负债表，部分原因是财政刺激和美联储通常针对特定行业的资产购买。随着新冠疫情对经济的影响减弱，现金供应转为贷款，自2021年9月以来，小型银行资产负债表上的现金资产增长转为负增长。整个2022年，小银行贷款增加，而现金资产增长保持负增长。 TS Lombard经济学家Steven Blitz在2月份的报告中写道：“银行现在的准备金几乎处于最低舒适水平，尤其是小型银行，小银行更积极地借贷和借入短期负债来为自己融资。” 考虑到这些机构的规模，以及与大型银行相比手头现金不足，Blitz写道，他们的借贷更为激进。此外，它们的体积小意味着它们没有与较大的同行相同级别的监管。 Blitz 写道：“小型银行，其中许多是私人银行，股东不担心从贴现窗口借款的可能性，因此已经转向使用美联储的贴现窗口工具。” 长贷短贷一直是银行的模式，但倒挂的收益率曲线与此相矛盾。当短期利率超过长期利率时，就会出现收益率曲线倒挂，这是一种反常现象，因为长期贷款应该为贷方带来更高的利率。当前，美国2年期国债收益率比10年期国债高出一个百分点。2年期收益率在12个月内上涨300个基点至4.82%。这些银行借贷成本的急剧增加使他们的生活变得困难，再加上非常特定于技术的存款外逃，因为投资者更喜欢高收益的短期债券，而不是高风险的技术和加密货币。鉴于这种环境，初创公司并没有筹集新资金，也没有燃烧它们维持生计所必需的东西，硅谷银行在其2023年第一季度中期更新中确定这是一个问题。美联储FRED数据显示，同样的情况也发生在这些为创业友好型金融科技公司提供支持的小型银行。如果拯救硅谷的交易没有实现，将会发生什么？或者，如果储户只能拿回40-50%的钱？这将是一个技术深度冻结，必须谨慎看待小银行。不容忽视的是，本周美国已经有数千家增长最快、最具创新性的风险投资支持公司将无法发放工资。来源：金色财经

金色财经2023-03-14

Polygon 生态周报（3.6-3.12）

及知名企业，包括 Robinhood、Stripe 和 Adobe。PolygonLabs 是碳中和的，目标是引领 Web3 达到负碳。来源：金色财经

金色财经2023-03-13

突发行情！赵长鹏一则“重磅基金宣布”引市场暴动比特币、以太币短线拉涨币安币飙升7%

k资产99亿美元，是Coinbase、Stripe和Affirm背后的金融管道。Evolve Bank & Trust资产13亿美元，是Wise和Dave背后的银行。这些小型银行喜欢这种安排，因为它使他们的客户群多样化，远离与小型区域性机构合作的通常的本地企业。快速行动和打破常规的科技初创公司，更喜欢使用小银行而不是传统的大银行。人们相信他们相互理解，并且会获得更加个性化、更周到的体验，而不是在美国最大的银行之一开设账户。但反过来，这意味着这些为金融科技提供动力的小银行，实际上过度暴露于科技行业。 2020年，小型银行看到大量现金资产涌入其资产负债表，部分原因是财政刺激和美联储通常针对特定行业的资产购买。随着新冠疫情对经济的影响减弱，现金供应转为贷款，自2021年9月以来，小型银行资产负债表上的现金资产增长转为负增长。整个2022年，小银行贷款增加，而现金资产增长保持负增长。 TS Lombard经济学家Steven Blitz在2月份的报告中写道：“银行现在的准备金几乎处于最低舒适水平，尤其是小型银行，小银行更积极地借贷和借入短期负债来为自己融资。” 考虑到这些机构的规模，以及与大型银行相比手头现金不足，Blitz写道，他们的借贷更为激进。此外，它们的体积小意味着它们没有与较大的同行相同级别的监管。 Blitz 写道：“小型银行，其中许多是私人银行，股东不担心从贴现窗口借款的可能性，因此已经转向使用美联储的贴现窗口工具。” 长贷短贷一直是银行的模式，但倒挂的收益率曲线与此相矛盾。当短期利率超过长期利率时，就会出现收益率曲线倒挂，这是一种反常现象，因为长期贷款应该为贷方带来更高的利率。当前，美国2年期国债收益率比10年期国债高出一个百分点。2年期收益率在12个月内上涨300个基点至4.82%。这些银行借贷成本的急剧增加使他们的生活变得困难，再加上非常特定于技术的存款外逃，因为投资者更喜欢高收益的短期债券，而不是高风险的技术和加密货币。鉴于这种环境，初创公司并没有筹集新资金，也没有燃烧它们维持生计所必需的东西，硅谷银行在其2023年第一季度中期更新中确定这是一个问题。美联储FRED数据显示，同样的情况也发生在这些为创业友好型金融科技公司提供支持的小型银行。如果拯救硅谷的交易没有实现，将会发生什么？或者，如果储户只能拿回40-50%的钱？这将是一个技术深度冻结，必须谨慎看待小银行。不容忽视的是，本周美国已经有数千家增长最快、最具创新性的风险投资支持公司将无法发放工资。#硅谷银行爆雷#

小萧2023-03-13

币圈浮竹：3.6比特币以太坊筑底后能否多头再起看最新行情解析

高昂的交易费用。此外，PayPal和Stripe越来越多地采用比特币支付也大大促进了采用。除了比特币，USDT和USDC等稳定币由于其低波动性而得到了广泛采用。报告指出，使用稳定币进行跨境支付的成本比传统支付方式低80%，这说明加密货币在未来的商用价值越来越高。本周重点关注鲍威尔的讲话，美联储政策是会决定一些机构资金的走向，也会决定投机分子的策略，整体来说，只要 2 月份 CPI 可控，3 月大概率还是常规加息 25个基点，从而终端利率基本可以确定在 5.5% 以内，这对于币圈来说是非常好的预期大饼周线连续收了两根阴线，KDJ有形成死叉的迹象，目前从周线看重点关注22000一线支撑。日线上看MCAD在持续放量，说明在换手率一直保持在高位，这也符合我周六说的周末就是洗筹码的行情。从15分钟图来看早间k线在快速上下拉动，这是在加速洗筹码了，从4小时图来看K线开始贴着布林中轨下方在走，MACD放量上行，日内重点关注22500的压力，下方关注22000的支撑，不破位的情况下操作上可以短线高抛低吸。建议：下方22100-22000不破，轻仓多，目标22300-22500-22700，破位看23800，止损350点上方22500-22600不破，轻仓空，目标22300-22100-21900，破位看21000，止损350点以太周线也是收出两连阴，K线在布林中轨上方运行，KDJ向下收口。从日线来看目前受布林下轨支撑，MCAD持续放量，换手率高。4小图来看k线依然保持在下降通道内运行，KDJ形成死叉向下散发，日内只要不破支撑基本还是会继续走震荡行情。日内重点关注1580的承压，下方1540的支撑，操作上高抛低吸即可。建议：上方1580-1570不破，轻仓空，目标1560-1550-1540，破位看1500，止损30点下方1540-1530不破，轻仓多，目标1560-1580-1600，破位看1650，止损30点免责声明：以上内容均为个人观点，仅供参考！不构成具体操作建议。市场行情瞬息万变，分析具有一定时效性，文章具有一定滞后性，具体操作以实时策略为主。本文由币圈浮竹独家提供，仅代表浮竹独家观点，转载请注明出处，做单合理控制好仓位，切勿重仓或满仓操作。投资理财不是一朝一夕的事，前期的亏损，不代表后期的亏损，前期的获利，不代表后期的获利。所以，亏损的朋友不要气馁，获利的朋友不要自满，让自己以平和的心态理性的投资。浮竹会给出准确的分析，合理的建议，帮助困境中的朋友解决问题，顺境中的朋友再创佳绩。加入F657080实仓可提前布局！愿我的分析，像一座灯塔，在浩如烟海的加密货币市场，为您指引航程。来源：金色财经

金色财经2023-03-06

人工智能：中国式ChatGPT的“大跃进”

名企工作经历，包括：Facebook、Stripe、Uber、Quora、NVIDIA、Microsoft、Dropbox、DeepMind、Apple、Intel等公司，其中有10人来自谷歌，OpenAI的首席科学家Ilya Sutskever亦是从谷歌转会而来，Ilya Sutskever是AlphaGo的作者之一，师从人工智能学界泰斗Geoffrey Hinton。 ChatGPT团队成员流动示意图 1985年出生在苏联的Ilya Sutskever，如今已经是英国皇家学会院士。据说Ilya Sutskever退出谷歌，与Sam Altman、Elon Musk等人一起创立OpenAI时，年薪曾大幅缩水。但他参与创立OpenAI的初衷是“确保强大的人工智能造福全人类”的大义和情怀。 OpenAI初创之时是一家非营利研究机构，从这点上来看，无论是否带着情怀加入这家公司的研究人员，还是给“非营利”事业烧钱的投资人，多少都有一点对技术的“信仰”，这种驱动力，可能是钱买不来的。不过OpenAI给这些科技精英们提供的薪酬待遇并不低。据纽约时报报道，2016年，OpenAI向Ilya Sutskever支付了超过190万美元。另一位行业大佬级的研究员Ian Goodfellow（对抗式生成网络的提出者）2016年从OpenAI得到的报酬则超过80万美元，而他在这一年中只工作了9个月，不过Ian Goodfellow在OpenAI没有待很长时间就离开了。一直以来，硅谷的AI研究员都是高收入人群。在谷歌发布的官方招聘信息中，在美国工作的全职“高级软件工程师，大型语言模型，应用机器学习”（Staff Software Engineer, Large Language Models, Applied ML）岗位基本工资范围为年薪17.4万-27.6万美元（约120万-190万元人民币）+奖金+股权+福利。这份工作的主要职责是：为谷歌大型语言模型的关键冲刺做出贡献，将尖端的 LLM（Large Language Mode，大型语言模型）引入下一代谷歌产品和应用程序，以及外部用户。在建模技术方面进行协作，以支持全方位的 LLM 调整，从提示工程、指令调整、基于人类反馈的强化学习 (RLHF)、参数高效调整到微调。微软研究院的研究员岗位“博士后研究员-机器学习和强化学习”（Post Doc Researcher-Machine Learning and Reinforcement Learning）年薪则在9.4万-18.2万美元（约64万-125万元人民币）。工作职责是“与其他研究人员合作制定自己的研究议程，推动有效的基础、基础和应用研究计划。” ChatGPT团队中另一个有意思的点是团队中有9位华人成员，其中5人本科毕业于国内高校，美国学界对人才的虹吸效应也正是硅谷巨头以及“OpenAI”们强大人才竞争力的基础。 “中国的AI人才是从14亿人里挑，美国是从80亿人里挑，全世界优秀的人很多都到美国去了。”图灵联合创始人、原智源研究院副院长刘江表示，要承认差距确实存在，不过他也表示，“在这方面，我们也不用气馁。中国也有自己的优势，比如市场化、产品化的能力，近年来我们不比美国同行差了。” 国内大厂的实力如何？除了人才问题，国内大模型研究落后美国另一个原因是在生成式AI和大模型研究方面起步略晚，而起步晚的原因，则还是与“钱”脱不开关系。从技术角度看，生成式技术在Stable Diffusion和ChatGPT等网红产品出现之前，技术实现的效果并不理想，且需要消耗大量算力进行研究。所以大厂、资本很难斥以重资，投入到这种看上去不太赚钱，还要烧钱的业务。中国的AI产业更注重应用场景，而非基础理论和技术创新。各家大厂在NLP的理解方面有很多成熟业务，比如听写、翻译，在视觉识别和AI大数据处理方面也有很多应用场景。所以这部分业务自然是AI研发的主力，一方面他们赚钱，另一方面在这些领域的技术积累，使研究人员能够“在规定跑道上赛跑”，而不是在未知领域探路。这一点不只是限制了国内公司，更是很多全球巨头的创新桎梏。正如诺基亚做不出iPhone一样，巨头都不喜欢“破坏式创新”，谷歌发布的Bard只因一个小失误就牵动了母公司Alphabet的万亿市值，这也正是谷歌一直声称不愿发布LaMDA大模型的理由，害怕会因AI的失误影响自己的商誉。而OpenAI显然不太在乎ChatGPT在公测中会出什么问题，毕竟他发布ChatGPT时只是一家估值200亿美元的独角兽。不过，在这波大模型的追赶赛中，国内大厂的团队也可以说是实力颇强。百度在大模型方面走的最早，百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。文心大模型研发的带头人，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士，是自然语言处理领域权威国际学术组织ACL（Association for Computational Linguistics）的首位华人主席、ACL亚太分会创始主席、ACL Fellow，还是IEEE Fellow、CAAI Fellow及国际欧亚科学院院士。他还兼任中国电子学会、中国中文信息学会、中国工程师联合体副理事长等。目前，王海峰在国内外期刊会议上发表的学术论文有200余篇，获得已授权专利170余项。虽然没有像百度一样公布类ChatGPT产品的发布时间表，但腾讯、阿里和华为分别提出的“混元”、“通义”和“盘古”三个大模型，均已研发了很长时间。据机器学习和自然语言处理著名学者Marek Rei教授在2022年4月发布的统计（2023年的统计尚未发布）显示，2012-2021年中，在ML（Machine Learning，机器学习）和NLP顶级期刊和会议发表论文数量最多的机构是谷歌，微软紧随其后。发文数量最多的中国机构是清华大学，第二是位列第16的腾讯，腾讯也是前32名中唯一的中国互联网厂商。不过，在2021年单年的统计中，阿里和华为也登上此榜，腾讯仍排在较靠前的位置。 Marek Rei发布的2021年ML、NLP顶会、期刊发文量统计目前，腾讯官方并没有公布“混元”大模型研发团队的具体信息。不过，腾讯旗下AI研发团队“腾讯AI Lab”的专家构成，也显示出了腾讯在AI领域的一部分实力。腾讯AI Lab由100余位AI科学家和超过300名应用工程师组成，带头人张正友博士是腾讯首席科学家、腾讯 AI Lab 及 Robotics X 实验室主任，腾讯首位17级研究员、杰出科学家。他在美国斯坦福大学（Stanford University）发布的2022 年度“全球前2%顶尖科学家榜单”（World's Top 2% Scientists 2022）中，排名全球“终身科学影响力排行榜”第1002名，中国排名 Top 10。阿里在LLM领域的研究主要由阿里巴巴达摩院负责，阿里巴巴集团资深副总裁，阿里云智能CTO、达摩院副院长周靖人主导，他是IEEE Fellow，多次担任VLDB，SIGMOD，ICDE等国际顶级会议程序委员会主编、主席，在顶尖国际期刊和会议上发表论文超百篇，并拥有几十项技术专利。华为也未对“类ChatGPT产品”公开表态，但在大模型方面华为亦有“盘古”大模型正在研究。该项目由华为云人工智能领域首席科学家田奇博士领导，他是计算机视觉、多媒体信息检索专家，IEEE Fellow，国际欧亚科学院院士，教育部长江讲座教授，国家自然科学基金海外杰青，中国科学院海外评审专家，在国内多所高校任讲席教授及客座教授。在自己组建团队投入研发的同时，百度、阿里、腾讯、华为等IT大厂，也与中科院计算所自然语言处理研究组、哈尔滨工业大学自然语言处理研究所、中国人民大学高瓴人工智能学院等高校研究有很多的技术合作。 “集中力量办大事”的科研机构数据闭环是大模型研发的关键，用户越多，积累时间越长，就意味着可以用于迭代升级的数据和反馈也就越多。在这方面OpenAI已经利用前两代的开源GPT模型和GPT-3积累了大量数据。ChatGPT虽然才推出了3个月，但用户量和访问量增长速度飞快，这些都为OpenAI在大模型研发方面积累了巨大的先发优势。 “AI大模型如果落后了，就会面临卡脖子的风险。”很多AI专家对此都有担心，由此国内也诞生了一些应对此种局面的非营利性AI科研机构。这些机构多数有高校研究实验室背景加持，以及地方政策支持，人才聚拢能力非常强劲。北京智源人工智能研究院（以下简称“智源研究院”）是科技部和北京市政府共同支持，联合北京人工智能领域优势单位共建的非营利性创新性研发机构。智源研究院理事长张宏江，是美国国家工程院外籍院士，ACM Fellow和IEEE Fellow，同时也是微软亚洲研究院的创始人之一。 2021年，智源研究院发布了1.7万亿参数的超大模型“悟道”的1.0和2.0版本，这项工作由100余位科学家共同打造。其中包括清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）的孙茂松教授，清华大学知识工程研究室（KEG）的唐杰教授，清华大学交互式人工智能课题组（CoAI）的黄民烈教授。目前“悟道”大模型已经与OPPO、好未来、淘宝、搜狗、美团等开展了落地合作。在与美团的合作中，大模型给搜索广告带来了2.7%的收入增长。在南方的科技重镇也有一家相似的研究机构，粤港澳大湾区数字经济研究院（以下简称IDEA研究院），IDEA研究院是由深圳市政府大力支持的AI研究机构。与智源研究院有一个颇有趣的相似之处，IDEA研究院的创始人沈向洋博士同样出身微软亚洲研究院。沈向洋博士是美国国家工程院外籍院士和英国皇家工程院外籍院士，他参与创建了微软亚洲研究院，担任院长兼首席科学家，并曾担任微软公司全球执行副总裁，主管微软全球研究院和人工智能产品线，并负责推动公司中长期总体技术战略及前瞻性研究与开发工作。 IDEA研究院NLP研究中心负责人张家兴博士也来自微软亚洲研究院，他的团队推出的开源模型“太乙”，据称在中文文生图领域可以达到接近Stable Diffusion（一款开源文生图AI模型）的水平。目前IDEA研究院正在持续迭代开发的预训练模型体系“封神榜”，已经开源了6个系列共10个模型，包含4种模型结构，模型参数最大为35亿。其中包括：以Encoder结构为主的双向语言系列模型的二郎神系列；面向医疗领域，拥有35亿参数的余元系列；与追一科技联合开发的新结构大模型周文王系列；以Decoder结构为主的单向语言模型闻仲系列；以Transformer结构为主的编解码语言模型，主要解决通用任务的大模型燃灯系列；以及主要面向各种纠错任务的比干系列。 2月20日晚，复旦大学自然语言处理实验室对媒体宣传邱锡鹏教授团队发布了“国内第一个对话式大型语言模型MOSS”，并在公开平台（https://moss.fastnlp.top/），邀请公众参与内测。然而就在外界都等着看MOSS表现如何惊艳之时。MOSS的内测网站却挂出了一则道歉公告。目前MOSS的测试网站已经挂出了停止服务的公告。一位AI大模型专家对虎嗅表示，“邱锡鹏的实验室学术研究的氛围很浓。虽然这次的MOSS很少有人得到体验机会，但是从后边的公告来看，有可能是在工程优化，并发处理等方面的准备还没有那么充分。” 在近期举行的2023年世界人工智能开发者先锋大会上，邱锡鹏教授公开表示，如果优化顺利，MOSS计划在2023年3月底开源。虽然，没能成功抢发“国产ChatGPT”，但AI业内人士对邱锡鹏教授团队仍然给出了肯定的评价，“邱锡鹏教授的团队比较偏重学术，这和早期的OpenAI在科研心态上是有共性的，非营利性的AI研究机构，没有那么多功利的考虑。” 创业公司都有“大佬”背书 AI技术属于计算机科学，虽然计算机技术已发展多年，但AI仍属于前沿科技，对LLM以及其他通用大模型的研究更是兴起不久，仍然需要依靠应用数据，持续迭代升级，不管MOSS是不是因为工程经验绊了跟头，要在AI、大模型这些领域实现突破，能推广到市场中，接地气的技术和产品才是王道。事实上，目前国内AI行业活跃的实验室大多已开始尝试商业化，在市场的磨砺中探索大模型未来的出路。深言科技深言科技源自清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）。THUNLP由清华大学人工智能研究院常务副院长孙茂松，以及刘洋、刘知远，三位教授带头。实验室在2017年推出的中文诗歌自动生成系统「九歌」则是最有影响的诗歌生成系统之一，「九歌」已经为用户创作了超过3000万首诗词。孙茂松教授领衔研发的CPM模型是智源研究院的大模型「悟道·文源」的前身，也是国内最成熟的中文生成式大模型之一。深言科技的团队也是由CPM模型的部分研发团队成员所组成的，目前该公司产品包括可以根据意思搜索词语的“WantWords反向词典”，以及根据意思查询句子的“WantQuotes据意查句”。智谱AI 智谱AI的前身是清华大学知识工程研究室（KEG），KEG专注研究网络环境下的知识工程，在知识图谱、图神经网络和认知智能领域已发表一系列国际领先的研究成果。2006年，智谱AI就启动了科技信息分析引擎ArnetMiner（以下简称AMiner）的相关研究，先后获得了国际顶级会议SIGKDD的十年最佳论文（Test-of-Time Award）、国家科学进步奖二等奖、北京市发明专利奖一等奖。 2022年8月，由KEG与智谱AI共同研发的千亿级模型参数的大规模中英文预训练语言模型GLM-130B正式发布，其在多个公开评测榜单上超过GPT-3 v1。此外，智谱AI还打造了认知大模型平台（BigModel.ai），形成AIGC产品矩阵，提供智能API服务。聆心智能 2月17日，聆心智能宣布完成由无限基金SEE Fund领投的Pre-A轮融资。聆心智能的底层技术是超拟人大规模语言模型，基于大模型可控、可配置、可信的核心技术优势，聆心智能推出“AI乌托邦”，该系统允许用户快速定制 AI 角色。聆心智能由清华大学交互式人工智能课题组（CoAI)黄民烈教授支持。CoAI是清华大学朱小燕教授及黄民烈教授领导的实验室。2020年，就已经开源了1200万对话数据和中文对话预训练模型CDial-GPT。黄民烈教授也曾参与了智源研究院的“悟道”大模型研发。西湖心辰西湖心辰背靠西湖大学深度学习实验室，创始人是西湖大学助理教授、博士生导师蓝振忠，主要研究大规模预训练模型的训练与应用。蓝振忠曾在谷歌担任研究科学家，也是轻量化大模型ALBERT的第一作者。西湖大学在人工智能领域的研发实力很强，除了蓝振忠博士的深度学习实验室，西湖大学NLP实验室，在该领域的研究也非常领先。学术带头人张岳博士在Marek Rei教授的顶会、期刊发文量统计中，于2012-2021年期间排名全球第四。 “目前国内LLM领域的创业公司相对IT大厂来说主要有两个优势，技术和数据。”西湖心辰COO俞佳对虎嗅表示，国内大模型创业公司在技术方面普遍已有多年研究经验，构筑了一定的技术壁垒，这是很难短期超越的。同时，由于已经推出了相关产品，“数据飞轮”已经转起来了，这些数据的质量相比互联网数据质量要高很多，能够对产品迭代起到很大支撑作用。对于国内大模型创业公司未来的发展趋势，俞佳认为可能性很多，“有些公司可能会走出自己的道路，也有的公司可能会像OpenAI一样与IT大厂开展深度合作，甚至像DeepMind直接并入其中。” 出品｜虎嗅科技组作者｜齐健编辑｜陈伊凡来源：DeFi之道来源：金色财经

金色财经2023-03-05

项目周刊 | BTC 活跃度达到 2 年低点

Axelar将自己描述为“Web3的Stripe”，正如Stripe为Web2开发人员提供一站式服务，几乎可以将任何银行机构融入他们的应用程序一样，Axelar旨在帮助Web3开发人员无缝集成不同的链。 Optimism生态NFT市场Quix宣布取消结束运营的计划金色财经报道，Optimism生态NFT市场Quix发推称，“Quix市场不会关闭。我们还不能透露太多，但是来自Web3游戏领域的一位杰出玩家有一个计划来保持Quix的使命和社区的活力。请继续关注更多公告。” 据此前报道，2022年11月，Optimism生态NFT市场Quix宣布，Optimism基金会将代表Optimism社区使Quix代码开源。这意味着虽然Quix作为一家公司即将结束，但从2023年1月6日开始，其代码将免费供社区使用和构建。Quix正在与Optimism基金会合作，以确保平稳过渡，其团队致力于维持运营到2023年2月28日。 Aavegotchi关于关闭GHST联合曲线的提案已获投票通过 2月28日消息，Aave生态NFT游戏Aavegotchi关于关闭协议代币GHST联合曲线的提案已获得投票通过，该提案最终支持率为91.17%。提案认为，AavegotchiDAO经过两年的发展已经具备足够的成熟度和流动性来满足项目发展，因此提议关闭GHST联合曲线，将GHST与DAI脱钩，固定其供应，并使GHST成为自由流通的代币。此外，曲线中的2000万枚DAI将用于项目的持续开发以及提高流动性，以促进GHST的推广使用。 EOS EVM最终测试网将于3月27日上线 2月28日消息，EOS网络基金会创始人和首席执行官Yves La Rose发推称，EOS EVM最终测试网发布时间为3月27日，主网Beta发布时间为4月14日。 Blur：涉嫌欺诈出价地址将被取消第二季空投资格 2月28日消息，NFT市场Blur发文回复社区关于相关地址“滥用欺诈出价策略以获取BID积分”时表示，在第二季空投中，所有涉嫌欺诈出价的钱包地址都将被过滤。 Optimism Goerli将于3月中旬进行硬分叉升级金色财经报道，以太坊二层解决方案Optimism在推特上表示，Optimism Goerli的硬分叉计划在3月份发布，确切时间将于下周公布，此次升级将通过修复API中某些系统交易收据的不一致来改善Bedrock的开发体验。尽管该bug是面向开发人员的，并且不会影响用户资金，但它确实需要分叉才能修复。为了准备此次升级，op-geth和op-node更新将在3月初发布，然后在3月中旬激活分叉。用户无需采取任何行动，也不会遇到任何中断或停机。Optimism Goerli上的合作伙伴和项目运行节点将需要在发布op-geth和op-node更新时升级他们的节点。 Filecoin主网将于3月14日进行V18升级金色财经报道，Filecoin Lotus v1.20.0已发布。Filecoin网络将进行V18升级（Hygge Network Upgrade），本次网络升级为强制升级，升级核心是引入Filecoin虚拟机（FVM）的Milestone2.1, 这将使在Filecoin网络上部署EVM兼容的智能合约成为可能，该升级将首次为Filecoin网络提供了用户的可编程性。 Filecoin主网将在3月14日T15:14:00Z区块高度（epoch）2683348升级到V18。所有节点运营商包括存储提供者必须在该时间到来之前升级到这个版本。本次升级还引入以下FIP，并将在FVM3（FVM v3.0.0）和builtin-actors v10（actors v10.0.0）中交付： FIP-0048：f4 Address Class； FIP-0049: Actor事件； FIP-0050: 用户可编程Actors（合约）和内置Actors之间的API； FIP-0054: Filecoin EVM运行时间（FEVM）； FIP-0055: 支持以太坊账户、地址和交易； FIP-0057: 更新FEVM的Gas charging schedule和系统限制。 The Sandbox计划于年底前推出DAO来管理元宇宙业务金色财经报道，The Sandbox的首席运营官Sebastien Borget表示，元宇宙平台的未来掌握在个人创作者而不是企业品牌手中，Sebastien Borget称，The Sandbox计划于年底前推出DAO，并将通过SAND代币投票来进行拨款等决策。 IOST生态将集成AWS Web 3.0解决方案 3月2日消息，IOST已与亚马逊网络服务（AWS）达成战略合作伙伴关系，以推动Web 3.0的发展。通过与AWS合作，IOST旨在将AWS Web 3.0解决方案集成到其生态系统中，并增强其在DeFi、NFT、GameFi、Web 3和元宇宙中的产品。 ConsenSys的zkEVM公共测试网将于3月28日上线金色财经报道，以太坊基础设施开发公司ConsenSys将于3月28日推出零知识以太坊虚拟机(zkEVM)公共测试网。此前报道，2月24日，ConsenSys表示其zkEVM测试网封闭测试版已经执行30万笔交易，每天处理超过5万笔交易。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2023-03-05

中国式ChatGPT“大跃进”

名企工作经历，包括：Facebook、Stripe、Uber、Quora、NVIDIA、Microsoft、Dropbox、DeepMind、Apple、Intel等公司，其中有10人来自谷歌，OpenAI的首席科学家Ilya Sutskever亦是从谷歌转会而来，Ilya Sutskever是AlphaGo的作者之一，师从人工智能学界泰斗Geoffrey Hinton。 ChatGPT团队成员流动示意图 1985年出生在苏联的Ilya Sutskever，如今已经是英国皇家学会院士。据说Ilya Sutskever退出谷歌，与Sam Altman、Elon Musk等人一起创立OpenAI时，年薪曾大幅缩水。但他参与创立OpenAI的初衷是“确保强大的人工智能造福全人类”的大义和情怀。 OpenAI初创之时是一家非营利研究机构，从这点上来看，无论是否带着情怀加入这家公司的研究人员，还是给“非营利”事业烧钱的投资人，多少都有一点对技术的“信仰”，这种驱动力，可能是钱买不来的。不过OpenAI给这些科技精英们提供的薪酬待遇并不低。据纽约时报报道，2016年，OpenAI向Ilya Sutskever支付了超过190万美元。另一位行业大佬级的研究员Ian Goodfellow（对抗式生成网络的提出者）2016年从OpenAI得到的报酬则超过80万美元，而他在这一年中只工作了9个月，不过Ian Goodfellow在OpenAI没有待很长时间就离开了。一直以来，硅谷的AI研究员都是高收入人群。在谷歌发布的官方招聘信息中，在美国工作的全职“高级软件工程师，大型语言模型，应用机器学习”（Staff Software Engineer, Large Language Models, Applied ML）岗位基本工资范围为年薪17.4万-27.6万美元（约120万-190万元人民币）+奖金+股权+福利。这份工作的主要职责是：为谷歌大型语言模型的关键冲刺做出贡献，将尖端的 LLM（Large Language Mode，大型语言模型）引入下一代谷歌产品和应用程序，以及外部用户。在建模技术方面进行协作，以支持全方位的 LLM 调整，从提示工程、指令调整、基于人类反馈的强化学习 (RLHF)、参数高效调整到微调。微软研究院的研究员岗位“博士后研究员-机器学习和强化学习”（Post Doc Researcher-Machine Learning and Reinforcement Learning）年薪则在9.4万-18.2万美元（约64万-125万元人民币）。工作职责是“与其他研究人员合作制定自己的研究议程，推动有效的基础、基础和应用研究计划。” ChatGPT团队中另一个有意思的点是团队中有9位华人成员，其中5人本科毕业于国内高校，美国学界对人才的虹吸效应也正是硅谷巨头以及“OpenAI”们强大人才竞争力的基础。 “中国的AI人才是从14亿人里挑，美国是从80亿人里挑，全世界优秀的人很多都到美国去了。”图灵联合创始人、原智源研究院副院长刘江表示，要承认差距确实存在，不过他也表示，“在这方面，我们也不用气馁。中国也有自己的优势，比如市场化、产品化的能力，近年来我们不比美国同行差了。” 国内大厂的实力如何？除了人才问题，国内大模型研究落后美国另一个原因是在生成式AI和大模型研究方面起步略晚，而起步晚的原因，则还是与“钱”脱不开关系。从技术角度看，生成式技术在Stable Diffusion和ChatGPT等网红产品出现之前，技术实现的效果并不理想，且需要消耗大量算力进行研究。所以大厂、资本很难斥以重资，投入到这种看上去不太赚钱，还要烧钱的业务。中国的AI产业更注重应用场景，而非基础理论和技术创新。各家大厂在NLP的理解方面有很多成熟业务，比如听写、翻译，在视觉识别和AI大数据处理方面也有很多应用场景。所以这部分业务自然是AI研发的主力，一方面他们赚钱，另一方面在这些领域的技术积累，使研究人员能够“在规定跑道上赛跑”，而不是在未知领域探路。这一点不只是限制了国内公司，更是很多全球巨头的创新桎梏。正如诺基亚做不出iPhone一样，巨头都不喜欢“破坏式创新”，谷歌发布的Bard只因一个小失误就牵动了母公司Alphabet的万亿市值，这也正是谷歌一直声称不愿发布LaMDA大模型的理由，害怕会因AI的失误影响自己的商誉。而OpenAI显然不太在乎ChatGPT在公测中会出什么问题，毕竟他发布ChatGPT时只是一家估值200亿美元的独角兽。不过，在这波大模型的追赶赛中，国内大厂的团队也可以说是实力颇强。百度在大模型方面走的最早，百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。文心大模型研发的带头人，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士，是自然语言处理领域权威国际学术组织ACL（Association for Computational Linguistics）的首位华人主席、ACL亚太分会创始主席、ACL Fellow，还是IEEE Fellow、CAAI Fellow及国际欧亚科学院院士。他还兼任中国电子学会、中国中文信息学会、中国工程师联合体副理事长等。目前，王海峰在国内外期刊会议上发表的学术论文有200余篇，获得已授权专利170余项。虽然没有像百度一样公布类ChatGPT产品的发布时间表，但腾讯、阿里和华为分别提出的“混元”、“通义”和“盘古”三个大模型，均已研发了很长时间。据机器学习和自然语言处理著名学者Marek Rei教授在2022年4月发布的统计（2023年的统计尚未发布）显示，2012-2021年中，在ML（Machine Learning，机器学习）和NLP顶级期刊和会议发表论文数量最多的机构是谷歌，微软紧随其后。发文数量最多的中国机构是清华大学，第二是位列第16的腾讯，腾讯也是前32名中唯一的中国互联网厂商。不过，在2021年单年的统计中，阿里和华为也登上此榜，腾讯仍排在较靠前的位置。 Marek Rei发布的2021年ML、NLP顶会、期刊发文量统计目前，腾讯官方并没有公布“混元”大模型研发团队的具体信息。不过，腾讯旗下AI研发团队“腾讯AI Lab”的专家构成，也显示出了腾讯在AI领域的一部分实力。腾讯AI Lab由100余位AI科学家和超过300名应用工程师组成，带头人张正友博士是腾讯首席科学家、腾讯 AI Lab 及 Robotics X 实验室主任，腾讯首位17级研究员、杰出科学家。他在美国斯坦福大学（Stanford University）发布的2022 年度“全球前2%顶尖科学家榜单”（World's Top 2% Scientists 2022）中，排名全球“终身科学影响力排行榜”第1002名，中国排名 Top 10。阿里在LLM领域的研究主要由阿里巴巴达摩院负责，阿里巴巴集团资深副总裁，阿里云智能CTO、达摩院副院长周靖人主导，他是IEEE Fellow，多次担任VLDB，SIGMOD，ICDE等国际顶级会议程序委员会主编、主席，在顶尖国际期刊和会议上发表论文超百篇，并拥有几十项技术专利。华为也未对“类ChatGPT产品”公开表态，但在大模型方面华为亦有“盘古”大模型正在研究。该项目由华为云人工智能领域首席科学家田奇博士领导，他是计算机视觉、多媒体信息检索专家，IEEE Fellow，国际欧亚科学院院士，教育部长江讲座教授，国家自然科学基金海外杰青，中国科学院海外评审专家，在国内多所高校任讲席教授及客座教授。在自己组建团队投入研发的同时，百度、阿里、腾讯、华为等IT大厂，也与中科院计算所自然语言处理研究组、哈尔滨工业大学自然语言处理研究所、中国人民大学高瓴人工智能学院等高校研究有很多的技术合作。 “集中力量办大事”的科研机构数据闭环是大模型研发的关键，用户越多，积累时间越长，就意味着可以用于迭代升级的数据和反馈也就越多。在这方面OpenAI已经利用前两代的开源GPT模型和GPT-3积累了大量数据。ChatGPT虽然才推出了3个月，但用户量和访问量增长速度飞快，这些都为OpenAI在大模型研发方面积累了巨大的先发优势。 “AI大模型如果落后了，就会面临卡脖子的风险。”很多AI专家对此都有担心，由此国内也诞生了一些应对此种局面的非营利性AI科研机构。这些机构多数有高校研究实验室背景加持，以及地方政策支持，人才聚拢能力非常强劲。北京智源人工智能研究院（以下简称“智源研究院”）是科技部和北京市政府共同支持，联合北京人工智能领域优势单位共建的非营利性创新性研发机构。智源研究院理事长张宏江，是美国国家工程院外籍院士，ACM Fellow和IEEE Fellow，同时也是微软亚洲研究院的创始人之一。 2021年，智源研究院发布了1.7万亿参数的超大模型“悟道”的1.0和2.0版本，这项工作由100余位科学家共同打造。其中包括清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）的孙茂松教授，清华大学知识工程研究室（KEG）的唐杰教授，清华大学交互式人工智能课题组（CoAI）的黄民烈教授。目前“悟道”大模型已经与OPPO、好未来、淘宝、搜狗、美团等开展了落地合作。在与美团的合作中，大模型给搜索广告带来了2.7%的收入增长。在南方的科技重镇也有一家相似的研究机构，粤港澳大湾区数字经济研究院（以下简称IDEA研究院），IDEA研究院是由深圳市政府大力支持的AI研究机构。与智源研究院有一个颇有趣的相似之处，IDEA研究院的创始人沈向洋博士同样出身微软亚洲研究院。沈向洋博士是美国国家工程院外籍院士和英国皇家工程院外籍院士，他参与创建了微软亚洲研究院，担任院长兼首席科学家，并曾担任微软公司全球执行副总裁，主管微软全球研究院和人工智能产品线，并负责推动公司中长期总体技术战略及前瞻性研究与开发工作。 IDEA研究院NLP研究中心负责人张家兴博士也来自微软亚洲研究院，他的团队推出的开源模型“太乙”，据称在中文文生图领域可以达到接近Stable Diffusion（一款开源文生图AI模型）的水平。目前IDEA研究院正在持续迭代开发的预训练模型体系“封神榜”，已经开源了6个系列共10个模型，包含4种模型结构，模型参数最大为35亿。其中包括：以Encoder结构为主的双向语言系列模型的二郎神系列；面向医疗领域，拥有35亿参数的余元系列；与追一科技联合开发的新结构大模型周文王系列；以Decoder结构为主的单向语言模型闻仲系列；以Transformer结构为主的编解码语言模型，主要解决通用任务的大模型燃灯系列；以及主要面向各种纠错任务的比干系列。 2月20日晚，复旦大学自然语言处理实验室对媒体宣传邱锡鹏教授团队发布了“国内第一个对话式大型语言模型MOSS”，并在公开平台（https://moss.fastnlp.top/），邀请公众参与内测。然而就在外界都等着看MOSS表现如何惊艳之时。MOSS的内测网站却挂出了一则道歉公告。目前MOSS的测试网站已经挂出了停止服务的公告。一位AI大模型专家对虎嗅表示，“邱锡鹏的实验室学术研究的氛围很浓。虽然这次的MOSS很少有人得到体验机会，但是从后边的公告来看，有可能是在工程优化，并发处理等方面的准备还没有那么充分。” 在近期举行的2023年世界人工智能开发者先锋大会上，邱锡鹏教授公开表示，如果优化顺利，MOSS计划在2023年3月底开源。虽然，没能成功抢发“国产ChatGPT”，但AI业内人士对邱锡鹏教授团队仍然给出了肯定的评价，“邱锡鹏教授的团队比较偏重学术，这和早期的OpenAI在科研心态上是有共性的，非营利性的AI研究机构，没有那么多功利的考虑。” 创业公司都有“大佬”背书 AI技术属于计算机科学，虽然计算机技术已发展多年，但AI仍属于前沿科技，对LLM以及其他通用大模型的研究更是兴起不久，仍然需要依靠应用数据，持续迭代升级，不管MOSS是不是因为工程经验绊了跟头，要在AI、大模型这些领域实现突破，能推广到市场中，接地气的技术和产品才是王道。事实上，目前国内AI行业活跃的实验室大多已开始尝试商业化，在市场的磨砺中探索大模型未来的出路。深言科技深言科技源自清华大学计算机系自然语言处理与社会人文计算实验室（THUNLP）。THUNLP由清华大学人工智能研究院常务副院长孙茂松，以及刘洋、刘知远，三位教授带头。实验室在2017年推出的中文诗歌自动生成系统「九歌」则是最有影响的诗歌生成系统之一，「九歌」已经为用户创作了超过3000万首诗词。孙茂松教授领衔研发的CPM模型是智源研究院的大模型「悟道·文源」的前身，也是国内最成熟的中文生成式大模型之一。深言科技的团队也是由CPM模型的部分研发团队成员所组成的，目前该公司产品包括可以根据意思搜索词语的“WantWords反向词典”，以及根据意思查询句子的“WantQuotes据意查句”。智谱AI 智谱AI的前身是清华大学知识工程研究室（KEG），KEG专注研究网络环境下的知识工程，在知识图谱、图神经网络和认知智能领域已发表一系列国际领先的研究成果。2006年，智谱AI就启动了科技信息分析引擎ArnetMiner（以下简称AMiner）的相关研究，先后获得了国际顶级会议SIGKDD的十年最佳论文（Test-of-Time Award）、国家科学进步奖二等奖、北京市发明专利奖一等奖。 2022年8月，由KEG与智谱AI共同研发的千亿级模型参数的大规模中英文预训练语言模型GLM-130B正式发布，其在多个公开评测榜单上超过GPT-3 v1。此外，智谱AI还打造了认知大模型平台（BigModel.ai），形成AIGC产品矩阵，提供智能API服务。聆心智能 2月17日，聆心智能宣布完成由无限基金SEE Fund领投的Pre-A轮融资。聆心智能的底层技术是超拟人大规模语言模型，基于大模型可控、可配置、可信的核心技术优势，聆心智能推出“AI乌托邦”，该系统允许用户快速定制 AI 角色。聆心智能由清华大学交互式人工智能课题组（CoAI)黄民烈教授支持。CoAI是清华大学朱小燕教授及黄民烈教授领导的实验室。2020年，就已经开源了1200万对话数据和中文对话预训练模型CDial-GPT。黄民烈教授也曾参与了智源研究院的“悟道”大模型研发。西湖心辰西湖心辰背靠西湖大学深度学习实验室，创始人是西湖大学助理教授、博士生导师蓝振忠，主要研究大规模预训练模型的训练与应用。蓝振忠曾在谷歌担任研究科学家，也是轻量化大模型ALBERT的第一作者。西湖大学在人工智能领域的研发实力很强，除了蓝振忠博士的深度学习实验室，西湖大学NLP实验室，在该领域的研究也非常领先。学术带头人张岳博士在Marek Rei教授的顶会、期刊发文量统计中，于2012-2021年期间排名全球第四。 “目前国内LLM领域的创业公司相对IT大厂来说主要有两个优势，技术和数据。”西湖心辰COO俞佳对虎嗅表示，国内大模型创业公司在技术方面普遍已有多年研究经验，构筑了一定的技术壁垒，这是很难短期超越的。同时，由于已经推出了相关产品，“数据飞轮”已经转起来了，这些数据的质量相比互联网数据质量要高很多，能够对产品迭代起到很大支撑作用。对于国内大模型创业公司未来的发展趋势，俞佳认为可能性很多，“有些公司可能会走出自己的道路，也有的公司可能会像OpenAI一样与IT大厂开展深度合作，甚至像DeepMind直接并入其中。” 来源：金色财经

金色财经2023-03-03

深度数据分析a16z加密布局投资赛道和趋势

irbnb、GitHub、Skype、Stripe和Twitter等公司的投资，他们在加密货币形成气候之前就已经大杀四方了。为a16z crypto工作的一百多位人士里不乏知名人物，如Tim Roughgarden等，所以a16z可能是最好的加密VC了。 2、投资组合下面精选列举a16z的部分优质投资组合： Alchemy、Aptos、Axie Infinity、Aztec、Coinbase、DyDx、Lido、MakerDAO、Nansen、NEAR Protocol、Oasis Labs、OpenSea、Uniswap 如果以上所有项目你都知道，恭喜你通过测试。 3、投资数量观察结果： A）随着时间的推移，投资数量呈良好的上升趋势。 B）2021年的投资数量创下纪录。 C）去年领投了更多项目（预计这种模式将持续下去）。 D）无论是牛市还是熊市都没有停止投资！ 4、投资金额与上图模式相似： A）2022年，领投的投资额首次超过了非领投的投资额。 B）2022年（熊市）的投资额远高于2020年，显示出a16z对加密货币具有高度信心。请注意，这些投资金额是包括所有轮的投资总和（包括所有其他投资者）。a16z的具体投资金额不明，但我猜测可能介于总投资额的30%到60%之间。 5、投资轮次一般来说，a16z参与各阶段的投资。然而，和大多数其他加密VC一样，种子轮、A轮和B轮仍然是最主要的投资阶段。如果我们查看2021年以后的投资，我们会看到相似模式。主要是种子轮。在下图你可以看到每轮投资金额的规模大小。 a16z投资的种子轮中值为660万美元。 6、投资赛道（子集） A）对CeFi的投资越来越少。 B）2018年至2021年间有大量L1投资。 C）2021年（不是2022年）大量投资游戏项目。 D）2022年新投资于L2和ZK项目。 E）定期投资基础设施项目。 7、声明（1）复制风险投资模式是有风险的。他们有长远的眼光和明确的想法，而且价格还比你便宜10倍。本文不构成任何投资建议。（2）本文所做的所有分析都基于Defillama数据，不排除这些数据不准确或不完整的可能性。欢迎交流来源：金色财经

金色财经2023-02-27

金色观察 | 深度数据分析a16z加密布局：投资赛道和趋势

irbnb、GitHub、Skype、Stripe和Twitter等公司的投资，他们在加密货币形成气候之前就已经大杀四方了。为a16z crypto工作的一百多位人士里不乏知名人物，如Tim Roughgarden等，所以a16z可能是最好的加密VC了。 2、投资组合下面精选列举a16z的部分优质投资组合： Alchemy、Aptos、Axie Infinity、Aztec、Coinbase、DyDx、Lido、MakerDAO、Nansen、NEAR Protocol、Oasis Labs、OpenSea、Uniswap 如果以上所有项目你都知道，恭喜你通过测试。 3、投资数量观察结果： A）随着时间的推移，投资数量呈良好的上升趋势。 B）2021年的投资数量创下纪录。 C）去年领投了更多项目（预计这种模式将持续下去）。 D）无论是牛市还是熊市都没有停止投资！ 4、投资金额与上图模式相似： A）2022年，领投的投资额首次超过了非领投的投资额。 B）2022年（熊市）的投资额远高于2020年，显示出a16z对加密货币具有高度信心。请注意，这些投资金额是包括所有轮的投资总和（包括所有其他投资者）。a16z的具体投资金额不明，但我猜测可能介于总投资额的30%到60%之间。 5、投资轮次一般来说，a16z参与各阶段的投资。然而，和大多数其他加密VC一样，种子轮、A轮和B轮仍然是最主要的投资阶段。如果我们查看2021年以后的投资，我们会看到相似模式。主要是种子轮。在下图你可以看到每轮投资金额的规模大小。 a16z投资的种子轮中值为660万美元。 6、投资赛道（子集） A）对CeFi的投资越来越少。 B）2018年至2021年间有大量L1投资。 C）2021年（不是2022年）大量投资游戏项目。 D）2022年新投资于L2和ZK项目。 E）定期投资基础设施项目。 7、声明（1）复制风险投资模式是有风险的。他们有长远的眼光和明确的想法，而且价格还比你便宜10倍。本文不构成任何投资建议。（2）本文所做的所有分析都基于Defillama数据，不排除这些数据不准确或不完整的可能性。致谢：数据提供方：Defillama、Meme艺术家：@maramakesmemes 来源：金色财经

金色财经2023-02-27

游戏将可能成为数字资产生态中10亿用户的用例

限额。嵌入 Web3 原生钱包并使用 Stripe 等工具以 USDC 进行支付，可以将支付门槛降低一小部分。等式的另一部分是今天版权的执行机制。我们很难自动验证并审查哪个用户首先创造了某个体验。人工干预或许可以帮助解决这类问题，但可能需要数周的时间。此外，游戏平台还可能会面临侵犯版权的风险。最近，Roblox 为音乐版权侵权支付了 2 亿美元的和解费。此后，他们与几个大型工作室开展了合作，从而在游戏体验中嵌入已知的曲目而不至于侵权。你可能想知道为什么我们在一个陌生的游戏中如此关心版权和支付问题，这是因为这些虚拟世界在未来就是创作者的工作场所。仅在 2021 年，Roblox 就向平台上的创作者支付了超过 5 亿美金。与 OnlyFans 同年向其平台上的创作者支付的 16 亿美元相差甚远。但这表明，开发、培育和维护游戏体验可能是未来的一种就业形式。如果是这样的话，那么支付导轨和版权管理必须由不涉及人为干预的工具来完成。而具有讽刺意味的是，我们今天在区块链生态系统中谈到的许多原语都适用于此。游戏的过度金融化几周前，我向 Tegro 的创始人 Siddharth Menon 提问说，哪款游戏是 Web3 中最「有趣」的游戏。他回答说，用户来 Web3 游戏并不仅仅是为了获得乐趣，还有一半的原因是为了赚钱。「对我来说，能够提供乐趣的游戏机制是一个已解决的问题。它并不是什么新鲜产物，而且已经发展了很多年。然而，web3 游戏对我们提出了一个新的问题，于是我们必须设计出一款融合有开放经济（有着适当经济激励）和乐趣的游戏。游戏不仅需要为玩家设计，还需要为投资者和交易者设计。——Siddharth Menon 这就是为什么 Web3 游戏在传统游戏玩家看来是颇有争议的行业。如今，这个行业俨然是为投机者而非玩家而建立的。我曾经在我那篇关于聚集理论与 Web3 的文章中提到过出现这种情况的原因。相较于传统的基础设施，Web3 极大地简化了用户的归类和支付验证比传统的基础设施要简单得多。例如，假设你必须向一千名 Delaware LLC 的用户支付 100 美元，前者就会方便很多。吸引用户加入，收集他们的银行信息，进行必要的反洗钱/了解客户的检查，以及管理付款的任务都是你们的职责所在。如果这个过程是使用区块链上的稳定币进行的，那么风险将被转移到受严格监管的第三方实体（如交易所），而你将无需再自己履行这些责任。这在 UGC 中尤其重要，因为你将实现两大改变。一方面，作为一个平台，你可以使用游戏内资产来奖励那些在早期阶段积极贡献的用户。另一方面，你可以为这些资产开辟一个市场，让用户可以将他们辛苦赚来的游戏内资产变现。在这些新的交易方式中，工作室将不再需要支付大量成本来激励创作者。Amy Wu 在最近的一次谈话中很好地解释了这种现象：在维护游戏的过程中，内容的重复性是最大的挑战之一。UGC，再加上 Token 激励和流动市场，是吸引新一代创作者的重要工具，否则他们根本就不会去关注 Web3 游戏。在生成性内容和包括 Token 在内的创作者激励措施方面的进展都尚处于早期阶段，极具前景——Amy Wu 理想的情况是，那些花时间玩游戏或创造游戏体验的用户会与那些没有时间或技术来玩游戏的用户交换他们收到的资产。我对这一点持怀疑态度，所以我们联系了来自Super Gaming（印度最大的游戏工作室之一）的Roby John来就这一观点发表看法：用户之间的交易并是什么新鲜产物。当我在开发的游戏中帮助部落首领将某些顶级部落玩家拥有的物品交易并转移给他们部落的其他初级玩家时，我就注意到了这一点。一直以来我都没有完全弄清楚这件事，而在我弄明白其中的逻辑之后，我在 2017 年将其变成了 MaskGun 本身的一项功能。今天，区块链驱动的所有权可以更容易地做到这一点，而不需要客户支持或工具的干预。当然，这剥夺了我作为客户支持人员在游戏战争之前在部落之间交易虚拟 AK-47 和 SCAR-H 的兴奋感。在没有基础设施让玩家之间进行交易的情况下，Roby 不得不自己促成一些交易，他的私信当中全是下图这样的消息。我们正处于移动游戏资产的 Craigslist 时代。在这种情况下，我们需要考虑两个主要因素：首先是盈利动机，它在很大程度上影响了用户的行为，并激励他们更多地参与到游戏及其体验中。然而，这可能会让游戏工作室付出代价，他们可能不会因此而看到即时的收入。在过去，当用户直接从他们那里购买资产时，开发商就会挣钱。现在，由于留存率的提高和获客成本的降低，这种情况已经改变。其次，由于游戏玩家之间会进行数字资产交易，游戏工作室可能会赚取更多的版税，而不是在用户直接从工作室购买资产时赚取即时收入。例如，Yuga Labs 和 Nike 通过用户群的资产交易各自获得了超过 1 亿美元的版税收入。 Axie Infinity 这样的游戏是尝试替代模式的先锋，而像 Epic 和 Ubisoft 这样的大型工作室则犹豫不决，不愿意用不同的模式破坏掉现有的用户群，这为新进入者创造了颠覆现有工作室的机会。版税并不是游戏最近发现的一个突破性功能，现今的技术堆栈可以很容易地使更多的开发者在用户每次交易应用内资产时赚取一部分收入。然而，它的独特之处在于这些链上原语与复杂的金融原语生态系统存在着相似性。今天，大多数新的 Web3 游戏和 NFT 的推出，都是在 Crypto 原生人群中找到其早期用户群。这些用户习惯于在 DeFi 中存储数十亿美元，并在 NFT 上花费同样多的钱。这些用户对金融原语的熟悉度为游戏工作室创造了一个独特的机会，使它们可以利用 Web3 技术为他们的用户提供更多价值。来自Variant fund的创作者经济先驱者Li Jin，在我们与她讨论这个问题时，把这方面的情况讲述了出来：在游戏中使用 Web3 原语，不仅给创作者带来了拥有其努力成果的信心，而且还优化了他们创造财富的速度和手段。创作者经济的先驱者Li Jin表示，这可能会导致未来创作者使用带有 DeFi 原语的游戏内资产实现加速增长，例如将收入流 Token 化，针对定制艺术进行贷款，甚至筹集投资——Li Jin 用户被新的 Web3 原语所吸引，不单单是因为其趣味性，还是为了赚取收入。他们愿意为跨链的资产搭桥，参与秘密仪式，并加入到新项目中。伴随着他们收入的增加，他们开始关注如何利用无需权限资产来增加利润。用户用游戏中的 NFT 进行贷款，发行衍生工具来炒作其价格，并成立 DAO，以大额折扣收购游戏中的资产。这些行为通常不是游戏开发者所预期的或想要鼓励的行为。虽然开发者可能不希望游戏内资产的价格因 NFT 借贷平台的清算级数而崩溃，但在区块链上建立无许可和可组合的工具有好处也有风险，我们很难预测结果是好是坏。我们咨询了世界上最大的游戏公会之一 YGG 的 Gabby Dizon，以探讨这些想法：在无权限资产之上建立用户原创内容，大大改善了现有的 UGC 模式。它不仅允许玩家社区创造新的内容，还能以原始游戏开发者之前从未想过的方式复合网络效应。它还为制作 UGC 的创作者提供了更公平的价值转移和所有权获取方式。简单来说，用户以往只能在受限环境中进行特定的行为，而如今却有机会获得对产品本身更多的控制权，但这样一来他们就可能会做出不可预料的行为——你只能在二者之间进行权衡。这类似于 DAO 的工作模式，不过更有意思一些。引导 UGC 经济发展向 UGC 平台过渡的 Web3 原生游戏通常遵循类似的发展路径： · 所有游戏一开始都会推出一个足以吸引数千名用户的主要产品。 · 一旦有足够的用户在玩游戏，下一步就是引入稀缺的资产，这些资产只有通过长时间玩游戏才能获得。这些工具通常会给他们的持有者在赚取积分或赢得比赛方面带来一点优势。 · 不想花时间玩游戏的交易员和玩家可以以自由市场决定的价格获得这些工具。 · 在这个阶段，游戏被激励推出他们的游戏内市场，以阻止诈骗者并为用户提供一个安全的交易环境。 · 如果市场有足够的流动性，而且交易是有序发生的，开发者可以引入像 Robux 或 Fortnite 的 V-bucks 这样的原生资产，其经济效益将因游戏而异，但可以用来激励用户在游戏中产生内容。但为什么要费尽心思用链上工具奖励用户，让他们可以进行交易或贷款？将资产所有权传递给用户有两个好处。首先，它允许用户想象并创造出资产的新用途，超出开发者最初的意图，如建立一个借贷市场或创建一个游戏中的 DAO。用链上工具奖励用户的第二个原因是，它有助于在发布用户原创内容之前确定游戏中资产的公平价值。通过事先实施，它减少了平台被专门为接收空投而设计的垃圾体验所淹没的可能性。这一挑战目前在 DeFi 和 NFT 原生产品中普遍存在，使创始人无法确定其用户群的实际规模，因为大多数用户可能只是为了获得空投而使用产品。虚拟土地的价格已经明显下降，但 Decentraland 的表现仍然优于其同行（见 Metaland 的 Dune 页面） Sandbox 和 Decentraland 处于 Crypto 领域 UGC 的最前沿。他们用原生 Token 激励创作者，并为交易者和创作者提供了一个合作的平台。但他们忽略了这样一个事实：除非你有足够大的用户群对使用产品的乐趣感兴趣，否则生态系统很难持续下去。交易者通常购买地块或开发体验，以期待获得未来的利润。但就像中国的鬼城一样，除非有真正的人期待在这些虚拟世界中度过时光，否则这些资产的价格很快就会崩溃。如果 UGC 在建立时注重游戏者的动机建设，那么它们很可能会更强大。Web3 原生游戏如果能在盈利方面得到补偿，那么它减少一些乐趣也无可厚非。我们在 P2E 经济中看到的大部分用户都是为了它所产生的额外收入而来。像这样的用户可能会有一个进化的弧线。随着时间的推移，用户将赚到足够的钱来购买游戏中的资产并进行交易。有了足够的利润，游戏者可以把资产租给其他玩家，类似于公会模式。在他的巅峰时期（就对游戏的商业价值而言）——玩家将有足够的技能来建立独特的游戏体验，围绕它形成并一个社区，从而获得被动收入。玩家大多数 Web 3 原生工作室目前都错过了游戏玩家的发展，他们从赚取与游戏时间直接相关的收入发展到积极创造和管理游戏体验。我们经常认为 DeFi、DAO 和 NFT 中的原语对普通人来说没有价值。为了实现这些原语的价值，它们应该被整合到游戏中，并吸引来大量的用户群体。一个有潜力的游戏创造者可以通过建立 DAO 从他们的同行那里筹集资金，而贡献者可以获得体验的收益份额。这类似于传统开发商收购和开发财产的方式，我们可能会看到一些工作室专门在 Sandbox 这样的 Web 3 原生虚拟世界中创造经验。这在今天看来可能很牵强，但考虑到 2021 年有超过 70 名开发者在 Roblox 上赚取了一百万美元以上（还有 7 个超过 1000 万美元），一切都有可能。随着围绕着 Web 3 原生 UGC 的生态系统的发展，我们将见证对链上最活跃的钱包进行定向营销。这将有利于试图扩大规模的游戏为那些在不同游戏中建立了良好体验的创作者提供折扣属性和类似的激励措施。就像民族国家为企业家提供激励措施一样，游戏和协议也会通过游戏中的互动来锁定那些最活跃的钱包。创造力上的鸿沟目前，大多数 Web 3 游戏的重点是交易而不是创造力。为了吸引更多的用户，我们需要向培养创造性的表达方式转变。社交网络大约在十年前就实现了这种转变，并使其成为了更令人愉悦的消遣场所。 Web 3 游戏平台在做到这一点后也可以实现同样的效果。随着创作者收入的增多，他们变得不再关注资本，而更关注自己的影响力。对这些人来说，创造性的表达成为首要任务。这虽然听起来不太现实，但考虑到就在去年，一个用户从《堡垒之夜》的创作者支持计划中获得了 500 万美元。更令人惊讶的是，这个用户为游戏创造了超过 1 亿美元的收入。考虑到像 Z 世代和千禧一代这样的年轻一代往往难以负担像房地产这样的传统资产。而且以我们现在的技术，还不可能开发太空资产，我们的所有权和价值感往往存在于数字资产当中。将纽约的实体房屋与 Decentraland 的虚拟财产相比较并不公平。然而，那些早期进入数字领域的人有可能获得可观的利润，在未来十年更是如此。与以前不同，互联网允许我们公平地获得机会。然而，我们已经看到一些新事物，如 ICO 和 NFT，正在榨取散户的资产。在游戏行业，仅仅作为早期采用者并不足以获益。创作者需要建立用户想要的东西，以防止数字鬼城的出现。大多数游戏的挑战是平衡社区和盈利动机之间的关系。「资产所有者」的盈利动机会可能导致非常糟糕的决策，正如我们在协议和 DeFi 原语中看到的那样——这也是我们之所以要循序渐进的在游戏中引入 UGC 的部分原因。同时，一个有粘性的社区对于一个可持续的市场来说十分重要。监管机构需要认识到游戏是工作渠道而不仅仅是为了娱乐，也许未来我们可能会看到游戏中形成创作者联盟。投资者可能将游戏中的体验视为 SaaS 产品。最后，最关键的在于，创作者也需要了解如何使用他们新发现的「所有权」。这让我们回忆起我们在 2016 年是如何思考人们可以怎样利用智能合约。我们将给你们留下这个基于印度未来主义的有趣游戏的预告片，我们已经关注了一段时间了，它可能与我们刚才写的内容有一定的关联。下周见，我们将对过去两个季度的风险投资的演变情况进行分析。来源：金色财经

金色财经2023-02-27

24小时热点