FX168财经网_全球视野外汇黄金加密货币NFT资讯网

他怎么变成这样了！

1991年就参演了大热美剧《Home Improvement》（家装）。这是一部围绕着泰勒一家上演的家庭情景喜剧，乔纳森在里面饰演这家的二儿子兰迪·泰勒。这是上个世纪九十年代美国收视率最高的情景喜剧之一，获奖无数。乔纳森因为这部剧在美国变得家喻户晓。如果要是在中国也找一个例子的话，那大致相当于《家有儿女》，而乔纳森就是在剧中饰演老二刘星的演员张一山。现在大家可以理解这全民关注度有多高了吧？从1991年出演第一季，一直到1998年因为学业退出，可以说很多美国观众是看着乔纳森长大的。除了这部美剧之外，乔纳森还曾为迪士尼电影《狮子王》中的主角辛巴配音。没想到吧，看哭了那么多人的小辛巴，给他配音的也是个超萌的小帅哥啊。凭借上面的这些角色，真的一点不夸张，当年的他真的是火得一塌糊涂。如今很多已经成为偶像的人，他们童年时代最喜欢的就是乔纳森，比如，现在鼎鼎大名的天后“水果姐”和影后“石头姐”。《五十度灰》女主“达妹”达科塔·约翰逊大家都知道吧。别看她现在是很多人的女神，但女神心中也是有男神的，而让达妹最迷恋的就是乔纳森。达妹曾在节目中讲述了自己八岁那年偶遇乔纳森的经历，非常有趣：当时她和妈妈旅行途中在机场撞见了自己的偶像，虽然只是一眼但达妹脑海中已经幻想完一生了，“我当时就想，我们要结婚，我们一辈子在一起，我们都是一样爱着对方”。不过这浪漫一刻还是被达妹的妈妈给打破了，她大声喊了乔纳森的名字，本意是希望给自己追星的女儿创造个机会，但妈妈这一声直接让害羞的达妹跑到一颗绿植后面躲了起来…… 现在你是不是理解大家此时此刻看到他变成这样后的心情了？但仔细品一品，这也是正常现象啦，毕竟他已经选择回归到普通人的生活：离开聚光灯后的乔纳森，即便看起来不修边幅，但或许这就是他过去42年里最放松的时刻。看看今天的乔纳森其实也挺值得敬佩的。毕竟，一般人谁能做到在最红的时候，突然选择离开娱乐圈，跟随内心的选择当一个普通人呢。

加拿大乐活网2023-12-06

IBM推出新的加密资产冷存储技术“OSO”

legraph；编译：松雪，金色财经 IBM宣布于12月5日推出IBM Hyper Protect Offline Signing Orchestrator (OSO)，这是一种针对数字资产的隔离冷存储解决方案。 IBM与数字资产管理公司Metaco（一家IBM合作伙伴和Ripple的子公司）以及一流银行合作，开发了这一端到端的资产加密服务，以解决典型冷存储解决方案中常见的漏洞。根据公告："当涉及到离线或物理隔离冷存储时，存在一些限制，包括特权管理员访问、运营成本、错误以及无法真正实现规模化。所有这些限制都源于一个根本因素——人的互动。" 冷存储 IBM设计OSO是为了解决这些漏洞，通过消除启动和进行交易的手动功能。类似于一个无法根据请求打开的定时释放保险箱，OSO可以配置为仅在特定时间或仅通过多体治理方案的授权情况下，从冷存储发送交易到区块链，反之亦然。根据博客文章和相关研究，这样做可以防止最常见的内部攻击形式，包括物理访问、管理操纵和胁迫攻击。如果不法分子以某种方式访问系统，无论是物理上还是远程，他们只能在批准的时间内启动交易，并且必须等待交易被批准执行，以便获取/窃取资产。为了进一步确保OSO对攻击的抵抗力，数字资产可以放置在“隔离”存储容器中。当存储器不连接到互联网或任何能够连接到互联网的设备时，该存储器被视为隔离。这确保远程攻击无法在数字资产静止时访问它们。确保区块链交易安全在典型的隔离范式中，管理冷存储解决方案的管理员通常必须手持物理存储设备，如笔记本电脑或USB驱动器，将其传递到离线硬件以签署交易。这种手动过程引入了人为错误，这是一种非恶意的攻击形式，其代价可能与故意利用一样昂贵。 OSO实施了一个策略引擎，可以在不同时连接到两个应用程序的情况下进行通信。由于它通过IBM的机密计算服务以虚拟的、分区的服务器方式运行，因此它也没有直接的外部网络连接。这可以防止手动过程中的人为错误，同时还能够在交易过程中阻止远程访问（黑客攻击）。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研究报告

及时、内容冗杂、以及对输入上下文长度（In-Context Length）的支持和多轮问答的限制。因此，行业内也在研究更先进的改进方案，包括嵌入（Embedding）和微调（Fine-tuning）。嵌入（Embedding）嵌入（Embedding）是一种广泛应用于人工智能领域的数据表示方法，能高效捕获对象的语义信息。通过将对象属性映射成向量形式，嵌入技术能够通过分析向量之间的相互关系，快速找到最有可能正确的答案。嵌入可以在 LLM 的基础上构建，以利用该模型在广泛语料上学到的丰富语言知识。通过嵌入技术将特定任务或领域的信息引入到预训练的大模型中，使得模型更专业化，更适应特定任务，同时保留了基础模型的通用性。用通俗的话来讲，嵌入就类似于你给一个经过综合训练的大学生一本工具书，让他拿着拥有特定任务相关知识的工具书去完成任务，他可以随时查阅工具书，然后可以解决特定的问题。微调（Fine-tuning）图 9：Fine Tuning 微调（Fine-tuning）与嵌入不同，通过更新已经预训练的语言模型的参数，使其适应特定任务。这种方法允许模型在特定任务上表现出更好的性能，同时保持通用性。微调的核心思想是调整模型参数，捕捉与目标任务相关的特定模式和关系。但微调的模型通用能力上限仍然受限于基座模型本身。用通俗的话来讲，微调就类似于给经过综合训练的大学生上专业知识课程，让他掌握除了综合能力以外的专业课知识，能自行解决专业板块的问题。重新训练 LLM 当前的 LLM 虽然强大，但不一定能够满足所有需求。重新训练 LLM 是一种高度定制化的解决方案，通过引入新数据集和调整模型权重，使其更适应特定任务、需求或领域。然而，这种方法需要大量计算资源和数据，并且管理和维护重新训练后的模型也是挑战之一。 Agent 模型图 10：Agent 模型 Agent 模型是一种构建智能代理的方法，它以 LLM 作为核心控制器。这个系统还包括几个关键组成部分，以提供更全面的智能。 Planning，规划：将大任务分成小任务，这样更容易完成 Memory，反思：通过反思过去的行为，改进未来的计划 Tools，工具使用：代理可以调用外部工具获取更多信息，如调用搜索引擎、计算器等人工智能代理模型具备强大的语言理解和生成能力，能够解决通用问题，进行任务分解以及自我反思。这使得它在各种应用中都有广泛的潜力。然而，代理模型也存在一些局限性，例如受到上下文长度的限制、长期规划和任务拆分容易出错、输出内容的可靠性不稳定等问题。这些局限性需要长期不断的研究和创新，以进一步拓展代理模型在不同领域的应用。以上的各种技术并不是相互排斥的，它们可以在训练和增强同一个模型的过程中一起使用。开发者可以充分发挥现有大语言模型的潜力，尝试不同的方法，以满足日益复杂的应用需求。这种综合使用不仅有助于提高模型的性能，还有助于推动 Web3 技术的快速创新和进步。然而，我们认为，虽然现有的 LLM 已经在 Web3 的快速发展中发挥了重要作用，但在充分尝试这些现有模型（如 OpenAI、Llama 2 以及其他开源 LLM）之前，我们可以从浅入深，从 prompt engineering 和嵌入等 RAG 策略入手，谨慎考虑微调和重新训练基础模型。 3.4 LLM 如何加速区块链数据生产的各个流程 3.4.1 区块链数据的一般处理流程当今，区块链领域的建设者逐渐认识到数据产品的价值。这一价值覆盖了产品运营监控、预测模型、推荐系统以及数据驱动的应用程序等多个领域。尽管这一认知逐渐增强，但作为数据获取到数据应用中不可或缺的关键步骤，数据处理往往被忽视。图 12：区块链数据处理流程将区块链原始非结构化数据，如 events 或 logs 等，转换为结构化的数据区块链上的每一笔交易或事件都会生成 events 或 logs，这些数据通常是非结构化的。这一步骤是获取数据的第一入口，但数据仍然需要被进一步处理以提取有用信息，得到结构化的原始数据。这包括整理数据、处理异常情况和转化为通用格式。将结构化的原始数据，转换为具有业务意义的抽象表在得到结构化原始数据后，需要进一步进行业务抽象，将数据映射到业务实体和指标上，比如交易量、用户量等业务指标，将原始数据转化为对业务和决策有意义的数据。从抽象表中，计算提取业务指标有了抽象的业务数据后，可以在业务抽象的数据上进行进一步计算，就可以得出各种重要的衍生指标。例如交易总额的月增长率、用户留存率等核心指标。这些指标可以借助 SQL、Python 等工具实现，更加有可能帮助监控业务健康、了解用户行为和趋势，从而支持决策和战略规划。 3.4.2 区块链数据生成流程加入 LLM 后的优化 LLM 在区块链数据处理中可以解决多个问题，包括但不限于以下内容：处理非结构化数据：从交易日志和事件中提取结构化信息：LLM 可以分析区块链的交易日志和事件，提取其中的关键信息，如交易金额、交易方地址、时间戳等，将非结构化数据转化为的带有业务意义的数据，使其更易于分析和理解。清洗数据，识别异常数据：LLM 可以自动识别和清洗不一致或异常的数据，帮助确保数据的准确性和一致性，从而提高数据质量。进行业务抽象：将原始链上数据映射到业务实体：LLM 可以将原始区块链数据映射到业务实体，例如将区块链地址映射到实际用户或资产，从而使业务处理更加直观和有效。处理非结构化链上内容，打标签：LLM 可以分析非结构化数据，如 Twitter 情感分析结果，将其标记为正面、负面或中性情感，从而帮助用户更好地理解社交媒体上的情感倾向。自然语言解读数据：计算核心指标：基于业务抽象，LLM 可以计算核心业务指标，如用户交易量、资产价值、市场份额等，以帮助用户更好地了解其业务的关键性能。查询数据：LLM 可以通过 AIGC，理解用户意图，生成 SQL 查询，使用户能够以自然语言提出查询请求，而不必编写复杂的 SQL 查询语句。这增加了数据库查询的可访问性。指标选择、排序和相关性分析：LLM 可以帮助用户选择、排序和分析不同的多个指标，以更好地理解它们之间的关系和相关性，从而支持更深入的数据分析和决策制定。产生业务抽象的自然语言描述：LLM 可以根据事实数据，生成自然语言摘要或解释，以帮助用户更好地理解业务抽象和数据指标，提高可解释性，并使决策更具合理性。 3.5 目前用例根据 LLM 自身的技术以及产品体验优势，它可以被应用到不同的链上数据场景，技术上从易到难可以将这些场景分成四类：数据转换：进行数据增强、重构等操作，如文本摘要、分类、信息抽取。这类应用开发较快，但更适合通用场景，不太适合大量数据的简单批量化处理。自然语言接口：将 LLM 连接知识库或工具，实现问答或基本工具使用的自动化。这可以用于构建专业聊天机器人，但其实际价值受其所连接的知识库质量等其他因素影响。工作流自动化：使用 LLM 实现业务流程的标准化和自动化。这可以应用于较复杂的区块链数据处理流程，如解构智能合约运行过程、风险识别等。协助机器人与助手辅助系统：辅助系统是在自然语言接口的基础上，集成更多数据源和功能的增强系统，大幅提高用户工作效率。图 11：LLM 应用场景 3.6 LLM 的局限性 3.6.1 行业现状：成熟应用、正在攻克的问题以及尚未解决的挑战在 Web3 数据领域，尽管已经取得了一些重要的进展，但仍然面临一些挑战。相对成熟的应用：使用 LLM 进行信息处理：LLM 等 AI 技术已成功用于生成文本摘要、总结、解释等工作，帮助用户从长篇文章、专业报告中提取关键信息，提高了数据的可读性和可理解性。使用 AI 解决开发问题：LLM 已经应用于解决开发过程中的问题，例如替代StackOverflow 或搜索引擎，为开发者提供问题解答和编程支持。有待解决与正在探索的问题：利用 LLM 生成代码：行业正在努力将 LLM 技术应用于自然语言到 SQL 查询语言的转换，以提高数据库查询的自动化和可理解性。然而，过程中会有很多困难，比如在某些情境下，生成的代码要求极高的准确性，语法必须百分之百正确，以确保程序能够无 bug 运行，并获得正确的结果。难点还包括确保问题回答的成功率、正确率，以及对业务的深刻理解。数据标注问题：数据标注对于机器学习和深度学习模型的训练至关重要，但在 Web3 数据领域，特别是处理匿名的区块链数据时，标注数据的复杂性较高。准确性和幻觉（Hallucination）问题：AI 模型中幻觉的出现可能受多因素影响，包括有偏见或不足的训练数据、过度拟合、有限的上下文理解、缺乏领域知识、对抗性攻击和模型架构。研究人员和开发者需要不断改进模型的训练和校准方法，以提高生成文本的可信度和准确性。利用数据进行业务分析和文章输出：将数据用于业务分析和生成文章仍然是一个具有挑战性的问题。问题的复杂性、需要精心设计的提示（prompt）、以及高质量的数据、数据量、减少幻觉问题的方法都是待解决的问题。根据业务领域自动索引智能合同数据以进行数据抽象：自动为不同业务领域的智能合同数据建立索引以进行数据抽象仍然是一个未解决的问题。这需要综合考虑不同业务领域的特点，以及数据的多样性和复杂性。处理时序数据，表格文档数据等更复杂的模态：DALL·E 2 等多模态模型非常擅长在文字生成图像、语音等常见模态。而在区块链以及金融领域需要特别地对待一些时序数据，而非简单地把文本向量化就能解决。联和时序数据与文本，跨模态联合训练等，是实现数据智能分析以及应用的重要研究方向。 3.6.2 为何只靠 LLM 不能完美解决区块链数据行业的问题作为语言模型，LLM 更适用于处理对流畅度要求较高的场景，而在追求准确性方面，可能需要对模型进行更进一步的调整。在将 LLM 应用于区块链数据行业时，以下框架可提供一些参考。图 13：区块链数据行业下 LLM 输出的流畅性、准确性和用例风险在评估 LLM 在不同应用中的适用性时，关注流畅度和准确性是至关重要的。流畅度指的是模型的输出是否自然、通顺，准确性则表示模型的答案是否准确。这两个维度在不同应用场景中有不同的要求。对于流畅度要求较高的任务，如自然语言生成、创意写作等，LLM 通常能够胜任，因为其在自然语言处理方面的强大性能使其能够生成流畅的文本。区块链数据面临着数据解析、数据处理、数据应用等多方面的问题。LLM 拥有卓越的语言理解和推理能力，使其成为与区块链数据互动、整理和概括的理想工具。然而，LLM 并不能解决所有区块链数据领域的问题。在数据处理方面，LLM 更适合快速迭代和探索性处理链上数据，不断尝试新的处理方法。然而，LLM 在生产环境中的详细核对等任务方面仍存在一些限制。典型的问题是 token 长度不够，无法应对长上下文的内容。耗时的 prompt，回答不稳定影响下游任务进而导致成功率不稳定的问题，以及执行大批量任务的效率不高。其次，LLM 处理内容的过程中很可能出现幻觉问题。据估计，ChatGPT 的幻觉概率约为 15% 至 20%，而由于其处理过程的不透明性，很多错误难以察觉。因此，框架的建立和专家知识的结合变得至关重要。此外，LLM 结合链上数据还是有很多挑战：链上数据实体类型多、数量庞大，以何种形式投喂给 LLM，有效地运用在具体的商业化场景，类似其他垂直行业，需要更多研究和探索。链上数据包括结构化和非结构化数据，目前行业大多数数据解决方案，都是基于对业务数据的理解。解析链上数据的过程中，用 ETL 去过滤，清洗，补充和复原业务逻辑，进一步把非结构化数据整理为结构化数据，可以为后期多种业务场景提供更高效的分析。比如，结构化的 DEX trades，NFT marketplace transactions，wallet address portfolio 等，就具有前面提到的高质量，高价值，准确和真实等特点，可以给通用 LLM 提供高效的补充。被误解的 LLM LLM 可以直接处理非结构化数据，因此结构化数据将不再被需要？ LLM 通常基于海量文本数据预训练而来，天然适合处理各类非结构化的文本数据。然而，各个行业已经拥有大量结构化数据，尤其 Web3 领域中解析后的数据。如何有效的利用这些数据，增强 LLM，是一个行业的热门研究课题。对于 LLM，结构化数据仍然具有以下的优势：海量：大量的数据储存在各种应用背后的数据库和其他标准格式里面，特别是私有数据。每个公司和行业都还有大量 LLM 没有用于预训练的墙内数据。已有：这些数据不需要重新生产，投入成本极低，唯一的问题是怎么用起来。高质量和高价值：领域内长期积累的，蕴含专家的专业知识，通常都沉淀到了结构化数据里面，用于产学研。结构化数据的质量是数据可用性的关键，其中包括数据的完整性、一致性、准确性、唯一性和事实性。高效率：结构化数据以表格、数据库或其他规范格式存储，模式是预先定义的，并且在整个数据集中保持一致。这意味着数据的格式、类型和关系都是可预测和可控的，使得数据的分析和查询更加简单和可靠。而且，行业已经有成熟的 ETL 及各种数据处理和管理工具，使用起来也更加高效和便捷。LLM 可以通过 API，把这些数据使用起来。准确性和事实性：LLM 的文本数据，基于 token 概率，目前还不能稳定的输出确切的答案，产生的幻觉问题一直是 LLM 要解决的核心根本问题。对于很多行业和场景，会形成安全和可靠性问题，比如，医疗，金融等。结构化数据，正是可以辅助和矫正LLM 这些问题的一个方向。体现关系图谱，和特定业务逻辑：不同类型的结构化数据，可以以特定的组织形式（关系型数据库，图数据库等），输入到 LLM，解决不同类型的领域问题。结构化数据使用标准化的查询语言（如 SQL），使得对数据进行复杂的查询和分析变得更加高效和准确。知识图谱 (Knowledge Graph) 可以更好地表达实体之间的关系，也更容易进行关联查询。使用成本低：不用 LLM 每次重新从底层重新训练整个底座模型，可以结合 Agents 和LLM API 等 LLM 赋能方式，更快更低成本的接入 LLM。目前市场上还有一些脑洞大开的观点，认为 LLM 在处理文本信息和非结构化信息方面的能力极强，只需将原始数据，包括非结构化数据，简单导入到 LLM，就能达到目的。这个想法类似于要求通用 LLM 解数学题，在没有专门构建数学能力模型的情况下，大多数 LLM 可能会在处理简单的小学加减题时出错。反而，建立类似数学能力模型，和图像生成模型的 Crypto LLM 垂直模型，才是解决 LLM 在 Crypto 领域更落地的实践。 4.2 LLM 可以从新闻、推特等文字信息推测内容，人们不再需要链上数据分析来得出结论？ LLM 虽然可以从新闻、社交媒体等文本中获得信息，但直接从链上数据中获得的洞察仍然是不可或缺的，主要原因有: 链上数据是原始的第一手资讯，而新闻和社交媒体中的信息可能存在片面性或误导性。直接分析链上数据可以减少信息偏差。尽管利用 LLM 进行文本分析存在理解偏差的风险，但直接分析链上数据可以减少误读。链上数据包含全面的历史交互和交易记录，分析可以发现长期趋势和模式。链上数据还可以展现整个生态系统的全貌，如资金流向、各方关系等。这些宏观的洞察有助于更深入地理解状况。而新闻和社交媒体信息通常更零散且短期。链上数据是开放的。任何人都可以验证分析结果，避免信息的不对称。而新闻和社交媒体未必都如实披露。文本信息和链上数据可以相互验证。综合两者可以形成更立体和准确的判断。链上数据分析仍是不可或缺的。LLM 从文本中获取信息具有辅助作用，但不能取代直接分析链上数据。充分利用两者优势才能取得最佳效果。 4.3 利用 LangChain、LlamaIndex 或其他 AI 工具，在 LLM 的基础上构建区块链数据解决方案非常容易？ LangChain 和 LlamaIndex 等工具为构建自定义的简单 LLM 应用提供了便利，使快速搭建成为可能。然而，将这些工具成功应用于实际生产环境中涉及到更多的挑战。构建一个高效运行、保持高质量的 LLM 应用是一项复杂的任务，需要深入理解区块链技术和 AI 工具的工作原理，并有效地将它们整合在一起。这对于区块链数据行业来说，是一项重要但具有挑战性的工作。在这个过程中，必须认识到区块链数据的特性，它要求极高的精准性和可重复校验性。一旦数据通过 LLM 进行处理和分析，用户对其准确性和可信度有很高的期望。这与 LLM 的模糊容错性之间存在着潜在的矛盾。因此，在构建区块链数据解决方案时，必须仔细权衡这两方面的需求，以满足用户的期望。当前市场上，虽然已经有了一些基础工具，但这个领域仍在快速演进和不断迭代。类比于 Web2 世界的发展历程，从最初的 PHP 编程语言到更成熟、可扩展的方案如 Java、Ruby、Python，以及 JavaScript 和 Node.js 等，再到 Go 和 Rust 等新兴技术，都经历了不断的演变。AI 工具也在不断变化，新兴的 GPT 框架如 AutoGPT，Microsft AutoGen，及最近OpenAI 自己推出的 ChatGPT 4.0 Turbo 的 GPTs 和 Agents 等只是展示了未来可能性的一部分。这表明，区块链数据行业和 AI 技术都还有许多发展空间，需要不断努力和创新。当前在应用 LLM 时，有两个陷阱需要特别注意：期望值过高：很多人认为 LLM 可以解决一切问题，但实际上 LLM 有明显的局限性。它需要大量的计算资源，训练成本高昂，而且训练过程可能不稳定。对 LLM 的能力要有现实的期望，明白它在某些场景下表现出色，如自然语言处理和文本生成，但在其他领域可能无法胜任。忽视业务需求：另一个陷阱是强行应用 LLM 技术，而不充分考虑业务需求。在应用 LLM 之前，务必明确具体的业务需求。需要评估 LLM 是否是最佳技术选择，并做好风险评估和控制。强调 LLM 的有效应用需要根据实际情况慎重考虑，避免误用。尽管 LLM 在许多领域都具备巨大潜力，但开发者和研究者在应用 LLM 时需要保持谨慎，采取开放的探索态度，以找到更适合的应用场景并最大程度地发挥其优势。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2023-12-06

我国已启动AVS4视频编码标准制定，超高清视频产业链有望获关注

技术委员会常务副会长兼秘书长盛志凡在“ICTC2023—超高清标准国际合作论坛”上表示，经过各方的共同努力，我国AVS3编码标准已成为DVB下一代视频编码的推荐标准，推动了我国超高清标准的国际化进程。会上发布了DVB-I中文标准（草案）WD1.0和SMT ITU-R BT2074-2标准，后者是AVS SMT被纳入ITU-R标准的一个里程碑。 DVB-I标准面向广电运营商，支撑将有线电视网络、地面无线、直播卫星等各类传统广电传输模式与互联网传输模式相融合，成为DVB最重要的标准演进方向之一。此前AVS3标准已在2021年央视春晚、2022年北京冬奥会、2022年卡塔尔世界杯以及今年的亚运会等大型直播活动中都广泛应用并成功落地，AVS系列标准在国际推广与产业合作上也取得了一些新成果。我国自主知识产权的AVS3是全球首个已推出的面向8K及5G产业应用的视频编码标准，技术先进，专利清晰，是5G+8K中最合适的视频编码标准，于2021年在CCTV-8K频道首次试播。超高清视频大发展，产业链上有哪些受益板块？安信证券此前研报做出了以下维度的梳理。硬件设备把握先机：超高清视频的普及硬件为先， CMOS 图像传感器、光学镜头、专业视频处理芯片、编解码芯片等核心元器件，4K、8K 显示面板是关键。建议关注：京东方 A、TCL 集团（大尺寸面板）；三利谱（偏光片）；三安光电、洲明科技、国星光电、兆驰股份（Mini LED）；长阳科技（光学反射膜）等。新技术破解传输难题：超高清视频意味着数据传输压力的激增，、5G 通信、光通信、云计算+AI 在视频传输、储存、转码、编辑上的重要性大幅提升。建议关注：新易盛、华工科技（光模块）；浪潮信息、宝信软件（云计算）等。内容制作补短板：4K/8K 内容不足是当前产业链面临的最大短板，也是未来最具有发展前景的领域。建议关注：当虹科技、芒果超媒、新媒股份、捷成股份、中视传媒等。

金融界2023-12-06

决策分析：10年期美债收益率遭遇“滑铁卢” 美国国债涨势之快令人担忧美国劳动力市场进一步放缓

00个就业岗位。 BMO资本市场分析师Ian Lyngen表示：“总体而言，就业数据的更新处是主导因素。美国国债延续了看涨的价格走势。市场正在关注明天发布的ADP报告。” 在欧洲央行一位最强硬的官员表示通胀出现“显着”放缓后，美国国债也加入全球债券的上涨行列。标准普尔500指数变化不大。在KeyCorp发布的非利息收入展望之后，银行股下跌。大型市值公司表现强劲，苹果公司股价回升至3万亿美元以上。比特币升至43000美元以上。 TD Securities分析师Gennadiy Goldberg在接受采访时表示，美国国债市场的涨势已经接近令人担忧的水平，尤其是在利率曲线的后端。周二，10年期国债收益率下降了8个基点，降至4.17%。他表示当前国债市场可能已经出现了一些过度买入的情况，如果收益率进一步下降，他可能会采取一些策略上的调整。预期美联储会议结果的掉期合约小幅提高了预计到2024年底的宽松程度，预计有效联邦基金利率将从目前的5.33%降至4.05%左右。 Man Group分析师Peter van Dooijeweert表示，从经济角度来看，美联储降息很可能是对不理想情况的反应。“如果美联储明年降息，那很可能是经济状况不佳的结果。” Evercore分析师Krishna Guha表示，就业岗位数据证实了美联储在使劳动力市场恢复正常方面取得了实质性进展，但这将被决策者视为更符合“期望的再平衡”而非“加剧的下行风险”。 Krishna Guha指出：“在这种情况下，我们对市场降息的赌注过多的情况感到警惕。我们发现很难在没有经济衰退的情况下想象在6月之前降息，而在软着陆的情景下，我们只看到3次降息是基本情况。” 在短短一周的时间里，交易员们从在期货、现货和期权市场各个角落纷纷押注降息，转而对美联储明年的降息幅度和步伐表示怀疑。然而，在美国国债期货市场中，所有期限的期权偏差（options skew）均已转为正值，尤其是在过去一周内，长期债券合约出现了显着变化，对冲大幅上涨风险的成本已升至自4月以来最高水平。这表明，尽管交易员对于市场对于美联储预期是否调整得太远存在疑虑，但他们更倾向于认为国债上涨的可能性更大，而不是再次遭受抛售的冲击。 New York Life Investments分析师的Lauren Goodwin表示，美联储现在很可能处于一个非常积极的货币政策加息周期的尾声。但较快的加息速度并不一定意味着这些影响会更快地显现。她指出：““从历史上看，利率上调通常需要大约12到18个月的时间影响经济，而需要18到24个月的时间影响劳动力市场。市场在失业救济金申领上升并收入恶化之前不会开始定价衰退风险。因此，我们将会非常密切地关注本周的劳动力市场数据。” 贝莱德则表示市场对明年降息幅度的乐观情绪可能过于乐观，并建议退出较长期债券。包括Wei Li和Alex Brazier在内的策略师写道：“我们看到这些希望有落空的风险，更高的利率和更大的波动性定义了新的时代。” 与此同时，随着交易员等待大量数据和央行会议，购买货币波动保护的成本正在上升，这些数据和央行会议可能会揭示明年可能转向降息的时机。富国银行证券宏观策略师Erik Nelson表示：“央行政策的变化，从加息转向降息，使得利率波动保持在较高水平，最终也对货币波动产生了一些影响。这种情况可能促使投资者采取更多保护措施以对冲货币市场的不确定性。” 下一个交易日焦点、风向标：中国11月贸易帐(十亿元) 中国11月贸易帐(十亿美元) 02:00欧元区10月零售销售(月率) 05:15美国11月ADP就业人数变动(千人) 05:30加拿大10月贸易帐(十亿加元) 美国10月贸易帐(十亿美元) 07:00加拿大隔夜目标利率 07:30美国上周EIA原油库存变化(万桶)(至1201) 第28届联合国气候变化大会(COP28)在迪拜举行 07:00加拿大央行公布利率决议主要货币走势分析：欧元：欧元/美元下跌，收报1.0796，跌幅0.37%。技术面上，汇价上行的初步阻力位于1.0837，进一步阻力位于1.0877，关键阻力位于1.0907；汇价下行的初步支撑位于1.0767，进一步支撑位于1.0737，更关键支撑位于1.0697。英镑：英镑/美元下跌，收报1.2590，跌幅0.33%。技术面上，汇价上行的初步阻力位于1.2639，进一步阻力位于1.2682，关键阻力位于1.2713；汇价下行的初步支撑位于1.2564，进一步支撑位于1.2533，更关键支撑位于1.2489。日元：美元/日元下跌，收报147.145，跌幅0.04%。技术面上，汇价上行的初步阻力位于147.468，进一步阻力位147.844，关键阻力位于148.301；汇价下行的初步支撑位于146.635，进一步支撑位于146.178，更关键支撑位于145.802。 #决策分析#

阿泰尔2023-12-06

【加元日报】避险情绪推动美元加元延续走跌加元/人民币重返5.26区间

5%。 BMO资本市场美国利率策略主管Ian Lyngen表示：“市场对经济正在放缓、消费面临逆风的想法感到满意，但他们不知道经济会放缓多少。” “这就是为什么人们愿意考虑第一季度降息的一些不确定因素——因为放缓的幅度可能超过预期。” 由于利率上调的滞后效应开始产生更大影响，美国新订单持平且衡量投入通胀的指标下滑，但随着商业活动增加，不过美国服务业在11月因商业活动增加而回暖。公布的数据显示，11月非制造业PMI指数从5个月低点51.8升至52.7。该指数高于50表明服务业在增长，服务业占经济总量的三分之二以上。此前，虽然美国经济在夏季继续蓬勃发展，但经济学家预计，随着消费者将更多的支出转回商品上，本季度的需求将会减弱，尤其是服务业。但鉴于服务业通胀的粘性，这将受到美联储的欢迎。标普全球市场情报首席商业经济学家Chris Williamson表示，最新的PMI数据表明，通胀压力进一步降温，但调查也显示，经济增长温和，就业近乎停滞，随着我们迈向2024年，经济扩张有进一步失去动力的风险。此外，尽管服务业企业在11月继续报告产出进一步增长，但增长仍明显弱于今年早些时候，前瞻性指标显示，未来几个月的增长将放缓。在需求疲软的情况下，提供商品和服务的公司越来越担心人手过多，导致该调查记录的总体就业增长是自2020年早期大流行封锁以来最小的。而随着就业市场降温，工资增长放缓，再加上最近油价下跌，企业成本增长降至三年来的最低水平，11月的下降表明，未来几个月通胀将接近美联储2%的目标。根据美国银行首席执行官布Brian Moynihan最近的声明，美国经济正在走向“软着陆”。这意味着经济将经历放缓，但将避免衰退。美国银行的经济学家预测，美国经济今年将增长2.7%，2024年将增长0.7%。在软着陆情景下，经济增长放缓，但仍保持正增长。该银行的研究团队预计美联储将在12月再次加息，达到5.50%至5.75%的最终区间。Moynihan表示，美联储可能会再次加息，尽管这并不确定，但预期利率将在明年下半年下降。但是贝莱德称，市场对明年降息幅度的押注可能过度乐观，建议减持较长期债券。一些交易员正为美联储最早于第一季度开始降息做准备，而贝莱德策略师预计要到年中才会开始放宽政策。策略师称，这些希望存在落空的风险，利率上升和波动加剧是新机制的特点。“市场在对软着陆的希望和对经济衰退的担忧之间摇摆不定，”他们写道，“这没有抓住要点。经济正在摆脱疫情影响恢复正常，并受到结构性驱动因素的影响。由此产生的周期性叙事与结构性现实之间的脱节进一步加剧了市场波动。” 美国劳工部周二在其月度职位空缺和劳动力流动率调查（JOLTS）报告中表示，10 月最后一天，衡量劳动力需求的职位空缺数量减少了 617,000 个，至 873.3 万个，低于预期。劳动力市场放缓和通胀消退引发了人们的乐观情绪，认为美联储可能会在本周期加息，金融市场甚至预计 2024 年中期会降息。FXStreet.com 高级分析师Joseph Trevisani表示：“美联储正试图让市场相信它仍可能加息。” “我认为市场认为一切都已完成，但美联储愿意继续这样做的事实让每个人都犹豫不决。”美国 10 月份职位空缺降至 2021 年初以来的最低水平，表明随着利率上升抑制经济需求，劳动力市场正在放缓。以上数据公布后，通常与利率预期一致的美国2年期国债收益率短线自4.62%上方跳水，至4.56%下方，日内整体跌约8.0个基点。10年期美债收益率也短线下挫超过4个基点，触及9月1日以来最低水平，刷新日低至4.16%下方，日内整体跌幅扩大至9.37个基点。“新美联储通讯社”Nick Timiraos点评就业数据，称美国10月职位空缺降至2021年一季度以来新低，进一步表明美国劳动力市场正在降温。 Dailyfx高级策划师Nick Cawley认为，“我的分析师对第四季度的选择是在任何接近 107 水平的反弹中卖出美元。美元指数在10月初反弹，触及107.36后转跌，除了11月初短暂走高外，美元指数已回落至8月下旬的低点。” 周五公布的政府就业报告要引起投资者的高度重视，因为该数据将严重影响市场对美联储政策举措的看法。美元/加元现报1.35824，涨幅0.38%。（美元/加元汇率走势图，来源：FX168）过去几周，由于美联储主席杰罗姆·鲍威尔发表强硬言论以及全球原油价格大幅下跌，加元兑美元持续走软。周二，加元进一步回落，短暂反弹后又回落至当天低点，兑美元日内最大浮动达到5%。美元/加元创本周新高，超过1.3590，之后加元收复部分跌幅，美元/加元重返1.3580附近，盘中价格走势仍受到 200 小时简单移动平均线 (SMA) 跌破 1.3600 的限制。投资者仍然怀疑欧佩克+减产是否会对全球经济前景黯淡产生重大影响，预计这将削弱燃料需求。这反过来又将原油价格拉回接近11月份触及的数月低点，这可能会削弱与大宗商品相关的加元，并为美元/加元货币对提供一些支撑。周二，原油市场继续跌势，Dailyfx分析师Warren Venketas认为，“由于原油目前找到了一些支撑，并且欧佩克+有可能宣布将自愿减产期限延长至明年，短期内加元兑美元很可能升值。” 除此之外，加拿大央行将在 2024 年第二季度开始进一步降息的预期似乎令加元承压。加拿大央行将于周三发表最新的利率声明，货币市场预计加拿大央行本周将维持利率不变，但预计加拿大央行的谈话要点将出现一些鸽派调整。加拿大央行隔夜利率维持在 5%，加拿大央行行长蒂夫·麦勒莱姆预计将省略有关通胀风险的评论，转而关注第三季度较疲软的表现。丰业银行分析师表示，加元兑美元今天走弱，因为“疲软的股市在一定程度上削弱了加元的支撑，加元与汇率一起回落”。美国银行经济学家表示，加拿大央行周三利率决议面临的风险是，央行官员的立场可能从“鹰派”转向“鸽派”。经济学家们认为，现在这么做还为时过早。美银表示，更高的利率肯定会对私营部门的活动造成压力，该公司预计产出缺口将在2024年初缩小。通胀正在缓解，劳动力市场的疲软正在加剧。然而，5%左右的年工资增长率仍然具有粘性，“这种阻力意味着通胀的上行风险。”在CPI方面，美银指出，服务业通胀仍然相当高，达到4.6%，这就是为什么核心经济没有像加拿大央行希望的那样放缓。受加元走势影响，加元/人民币连续第二个交易日回落，现报5.2620，跌幅0.28%。（加元/人民币汇率走势图，来源：FX168）

慧宣鑫语2023-12-06

小i机器人下跌3.07%，报2.21美元/股

12月6日，小i机器人(AIXI)盘中下跌3.07%，截至00:47，报2.21美元/股，成交3.95万美元。财务数据显示，截至2023年06月30日，小i机器人收入总额2647.54万美元，同比增长105.88%；归母净利润-1859.57万美元，同比减少3234.96%。

金融界2023-12-06

小i机器人上涨2.19%，报2.33美元/股

12月6日，小i机器人(AIXI)盘中上涨2.19%，截至00:02，报2.33美元/股，成交2.6万美元。财务数据显示，截至2023年06月30日，小i机器人收入总额2647.54万美元，同比增长105.88%；归母净利润-1859.57万美元，同比减少3234.96%。

金融界2023-12-06

尚乘IDEA集团下跌2.2%，报1.78美元/股

12月5日，尚乘IDEA集团(AMTD)盘中下跌2.2%，截至23:00，报1.78美元/股，成交1.27万美元。财务数据显示，截至2022年12月31日，尚乘IDEA集团收入总额13.72亿港元，同比减少1.86%；归母净利润12.33亿港元，同比增长0.88%。

金融界2023-12-05

美高域(01985.HK)：许剑文获委任为独立非执行董事

发布公告，自2023年12月5日起：(i)朱明豪因其于集团内的工作调动及调任，故辞任公司执行董事及行政总裁;(ii)杨纯青因计划退休，故辞任执行董事;(iii)郑永辉因其于集团内的工作调动及调任，故辞任执行董事;及(iv)区文华因其于集团内的工作调动及调任，故辞任执行董事。朱先生、郑先生及区先生将留任集团管理层成员，并专注公司附属公司的业务。

金融界2023-12-05

24小时热点