FX168财经网_全球视野外汇黄金加密货币NFT资讯网

OpenAI与AIGC：改变人类生产范式通往“万物的摩尔定律”

新计划：于2020 年组成一个新教派”基督教卫理公会“。要达到上述效果，成本不容小觑：从公开数据看，训练一个 BERT 模型租用云算力要花约 1.2 万美元，训练 GPT-2 每小时要花费 256 美元，但 OpenAI 并未公布总计时间成本。考虑到 GPT-3 需要的算力是 BERT 的 2000 多倍，预估发布当时的训练成本肯定是千万美元级别，以至于研究者在论文第九页说：我们发现了一个 bug，但没钱再去重新训练模型，就先这么算了吧。 2、背后DALL·E 2，从文本到图片 GPT-3杀青后，OpenAI 把大模型的思路迁移到了图片多模态（multimodal）生成领域，从文本到图片主要有两步：多模态匹配：将 AI 对文本的理解迁移至对图片的理解；图片生成：生成出最符合要求的高质量图片。对于多模态学习模块，OpenAI 在 2021 年推出了 CLIP 模型，该模型以人类的方式浏览图像并总结为文本内容，也可以转置为浏览文本并总结为图像内容（DALL·E 2中的使用方式）。 CLIP (Contrastive Language-Image Pre-Training) 最初的核心思想比较简单：在一个图像-文本对数据集上训练一个比对模型，对来自同一样本对的图像和文本产生高相似性得分，而对不匹配的文本和图像产生低相似性分（用当前图像和训练集中的其他对的文本构成不匹配的样本对）。对于内容生成模块，前面探讨了文本领域：10 年代末 NLP 领域生成模型的发展，是 GPT-3 暴力出奇迹的温床。而计算机视觉 CV 领域 10 年代最重要的生成模型是 2014 年发布的生成对抗网络（GAN），红极一时的 DeepFake 便是基于这个模型。GAN的全称是 Generative Adversarial Networks——生成对抗网络，显然”对抗“是其核心精神。注：受博弈论启发，GAN 在训练一个子模型A的同时，训练另一个子模型B来判断它的同僚A生成的是真实图像还是伪造图像，两者在一个极小极大的博弈中不断变强。当A生成足以”骗“过B的图像时，模型认为它比较好地拟合出了真实图像的数据分布，进而用于生成逼真的图像。当然，GAN方法也存在一个问题，博弈均衡点的不稳定性加上深度学习的黑盒特性使其生成。不过 OpenAI 大模型生成图片使用的已不是 GAN 了，而是扩散模型。2021年，生成扩散模型（Diffusion Model）在学界开始受到关注，成为图片生成领域新贵。它在发表之初其实并没有收到太多的关注，主要有两点原因：其一灵感来自于热力学领域，理解成本稍高；其二计算成本更高，对于大多高校学术实验室的显卡配置而言，训练时间比 GAN 更长更难接受。该模型借鉴了热力学中扩散过程的条件概率传递方式，通过主动增加图片中的噪音破坏训练数据，然后模型反复训练找出如何逆转这种噪音过程恢复原始图像，训练完成后。扩散模型就可以应用去噪方法从随机输入中合成新颖的”干净“数据。该方法的生成效果和图片分辨率上都有显著提升。不过，算力正是大模型研发公司的强项，很快扩散模型就在大公司的调试下成为生成模型新标杆，当前最先进的两个文本生成图像模型——OpenAI 的 DALL·E 2 和 Google 的 Imagen，都基于扩散模型。DALL·E 2 生成的图像分辨率达到了 1024 × 1024 像素。例如下图”生成一幅莫奈风格的日出时坐在田野里的狐狸的图像“：除了图像生成质量高，DALL·E 2 最引以为傲的是 inpainting 功能：基于文本引导进行图像编辑，在考虑阴影、反射和纹理的同时添加和删除元素，其随机性很适合为画师基于现有画作提供创作的灵感。比如下图中加入一只符合该油画风格的柯基： DALL·E 2 发布才五个月，尚没有 OpenAI 的商业化api开放，但有 Stable Diffusion、MidJourney 等下游公司进行了复现乃至商业化，将在后文应用部分介绍。 3、OpenAI的使命——开拓通往 AGI 之路 AIGC 大模型取得突破，OpenAI 只开放了api和模型思路供大家借鉴和使用，没去做下游使用场景的商业产品，是为什么呢？因为 OpenAI 的目标从来不是商业产品，而是通用人工智能 AGI。 OpenAI 的创始人 Sam Altman 是 YC 前总裁，投出过 Airbnb、Stripe、Reddit 等明星独角兽（另一位创始人 Elon Musk 在 18 年因为特斯拉与 OpenAI ”利益相关“离开）。他在 21 年发布过一篇著名的博客《万物的摩尔定律》，其中提到 OpenAI，乃至整个 AI 行业的使命是通过实现 AGI 来降低所有人经济生活中的智能成本。这里所谓 AGI，指的是能完成平均水准人类各类任务的智能体。因此，OpenAI 始终保持着学术型企业的姿态处于行业上游，成为学界与业界的桥梁。当学界涌现出最新的 state-of-art 模型，他们能抓住机会通过海量算力和数据集的堆叠扩大模型的规模，达到模型意义上的规模经济。在此之后克制地开放商业化 api，一方面是为了打平能源成本，更主要是通过数据飞轮效应带来的模型进化收益：积累更富裕的数据优化迭代下一代大模型，在通往 AGI 的路上走得更坚实。定位相似的另一家公司是 Deepmind——2010年成立，2014 年被谷歌收购。同样背靠科技巨头，也同样从强化学习智能决策领域起家，麾下的 AlphaGo 名声在外，Elon Musk 和 Sam Altman 刚开始组局创办 OpenAI，首要的研究领域就是步 AlphaGo 后尘的游戏决策 AI。不过 19 年后，两者的研究重心出现了分叉。DeepMind 转向使用 AI 解决基础科学如生物、数学等问题：AlphaFold 在预测蛋白质结构上取得了突破性的进展，另一个 AI 模型 AlphaTensor 自己探索出了一个 50 年悬而未决的数学问题：找到两个矩阵相乘的最快方法，两个研究都登上了 Nature 杂志的封面。而 OpenAI 则转向了日常应用的内容生成 AIGC 领域。 AIGC大模型是通往 AGI 路上极为重要、也有些出乎意料的一站。其重要性体现在 AI 对人类传达信息的载体有了更好的学习，在此基础上各个媒介之间的互通成为可能。例如从自然语言生成编程语言，可以产生新的人机交互方式；从自然语言生成图片和视频，可以革新内容行业的生产范式。意外性则是，最先可能被替代的不是蓝领，而是创作者，DeepMind 甚至在协助科学家一起探索科研的边界。 OpenAI 的模式也给了下游创业者更多空间。可以类比当年预训练语言模型发展初期，Hugging Face把握机会成为大模型下游的模型开源平台，补足了模型规模膨胀下机器学习民主化的市场空间。而对 AIGC 模型，未来会有一类基于大模型的创业公司，把预训练完成的 AIGC 模型针对每个子领域进行调优。不只需要模型参数优化，更要基于行业落地场景、产品交互方式、后续服务等，帮助某个行业真正用上大模型。正如 AI 的 bitter lesson 一样矛盾，投资者需要短期投资回报率、研究者需要短期投稿成功率，尽管OpenAI 走在通往 AGI 正确的路上，这条路道阻且长，短期很难看到极大的突破。而 Sam Altman 展望的大模型应用层公司很有可能有更高的高投资回报，让我们来介绍下主要的分类与创业者。百家争鸣的 AIGC 大模型应用层对应 OpenAI 大模型发布的顺序，模型应用层相对最成熟的是文本生成领域，其次是图片生成领域，其他领域由于还未出现统治级的大模型相对落后。文本领域天然应用场景丰富，且 GPT-3 开放 api 很久，细分赛道很多。大致可以根据生成内容不同分为两类：机器编程语言生成、人类自然语言生成。前者主要有代码和软件行为的生成等，后者主要有新闻撰写、文案创作、聊天机器人等。而图片领域当前还专注于图片自身内容的生成，预期随着未来3D、视频相关内容生成能力的增强，会有更多结合不同业务场景如游戏、影视这样细分领域的创业公司。以下是海外各子领域创业公司的梳理，接下来将针对几个领域的重要公司进行介绍。 1、编程语言文本领域最成熟的应用暂时不在人类自然语言，而是在代码等机器语言的生成领域。因为机器语言相对更结构化，易学习；比如鲜有长文本的上下文关系、基于语境的不同含义等情况。（1）代码生成：Github Copilot 代表公司是微软出品的 Github Copilot，编程中的副驾驶。该产品基于 OpenAI 专门用 GPT-3 为编程场景定制的AI模型 Codex。使用者文字输入代码逻辑，它能快速理解，根据海量开源代码生成造好的轮子供开发者使用。提高一家科技公司 10% 的 coding 效率能带来很大收益，微软内部已进行推广使用。相比低代码工具，Copilot 的目标群体是代码工作者。未来的低代码可能是两者结合：低代码 UI 界面实现代码框架搭建，代码子模块通过 Copilot 自动生成。正如 Copilot 的 slogan：Don’t fly solo，没有 Copilot 的帮助 coder 的工作会变得繁冗，没有 coder 的指引 Copilot 生成的内容可能会出现纰漏。也有用户报告了一些侵犯代码版权、或代码泄露的案例，当前技术进步快于版权法规产生了一定的空白。（2）软件行为生成：Adept.ai Adept.ai 是一家明星创业公司。创始团队中有两人是Transformer 模型论文作者，CEO 是谷歌大脑中大模型的技术负责人，已经获得 Greylock 等公司 6500 万美元的 A 轮融资。他们的主要产品是大模型 ACT-1，让算法理解人类语言并使机器自动执行任务。目前产品形态是个 chrome 插件，用户输入一句话，能实现单击、输入、滚动屏幕行文。在展示 demo中，一位客服让浏览器中自动记录下与某位顾客的电话，正在考虑买 100 个产品。这个任务需要点击 10 次以上，但通过 ACT-1 一句话就能完成。软件行为生成颠覆的是当下的人机交互形式，使用文字或语音的自然语言形式来代替当下人与机器的图形交互模式（GUI）。大模型成熟后，人们使用搜索引擎、生产力工具的方式都将变得截然不同。 2、自然语言自然语言下还有多个应用型文本生成领域值得关注：新闻撰写、文案创作、对话机器人等。（1）新闻撰写最著名的是 Automated Inights。他们的结构化数据新闻撰写工具叫做 wordsmith，通过输入相应数据和优先级排序，能产出一篇基于数据的新闻报道。该工具已在为美联社每季度自动化产出 300 余篇财报相关报道，在雅虎体育新闻中也已经崭露头角。据分析师评价，由 AI 完成的新闻初稿已接近人类记者在 30 分钟内完成的报道水准。 Narrative Science是另一家新闻撰写生成公司，其创始人甚至曾预测，到 2030 年，90%以上的新闻将由机器人完成。（2）文案创作该领域竞争较为激烈，有copy.ai、Jasper、copysmith 等公司。他们基于 GPT-3 的能力加入了文案领域的人工模板与结构，为商家和个人创作者提供了快速为自己的商品、内容进行宣传的能力。以copysmith 为例：（3）对话机器人前面提到的 Adept.ai 由Transformer 模型的一作和三作联合创立；而二作也创业了，他创办的 Character.ai 是当前对话机器人中使用效果最逼真的。该对话机器人可以自定义或使用模板来定义角色的家庭、职业、年龄等，在此基础上保持一贯的设定和符合设定的对话风格。经常能体现出一定的共情对话能力带给人惊喜，并且支持多语言互通。比如他们有已训练好的马斯克等名人和一些动漫角色，与他们对话会有很棒的代入感。而商业化的对话机器人，在客服、销售等行业有巨大的市场空间，但如今还为成熟。主要出现的问题有二：其一，客服、销售行业遇到的客户往往情绪状态不稳定，AI 难以对情绪进行适应并调整对话内容；其二，AI 的多轮对话能力较弱，无法保证持续有效的跟进问题。（4）创作性文本 AI 对于长文本创作有一定困难，难以保持1000字以上的文本创作后仍能进行上下文的联系。但基于短文本创作仍有一些有趣的应用，例如基于GPT-3的 AI Dungeon，可以引导 AI 创造一个虚拟游戏世界观。该领域进一步的成长需要期待未来 3-5 年，有成熟的能产出千字内容的 AI 出现。 3、多模态图片 DALL·E2 是极具突破性的 AIGC 大模型，但距离丰富生产力和创造力的成熟产品还有差距。因此有研究者顺着 DALL·E 和 CLIP 的思路开发了开源版本的扩散模型，就像当年的 Hugging Face 那样，并将其根据创作者社区的反馈转变为更成熟易用的商业产品。接下来就介绍几个主要出圈的模型：（1）Disco Diffusion 最早出圈的 AI 绘图工具是开源模型Disco Diffusion。发布时间比 DALL·E 2 稍晚，同样也是 CLIP + Diffusion Model 的结构，生成效果让许多插画师担心起了失业。尽管很多插画师和 AI 工具爱好者的推荐都认可了该工具的易用性和生成效果的出众，但其生成时间略长有待优化，可以认为是大家对图片生成大模型的初体验。（2）MidJourney 该模型发布后不久，Disco Diffusion 的开发者 Somnai 加入了 MidJourney，和团队一起打造了一款产品化的 Disco Diffusion。 Midjourney 的创始人 David Holz 并不是以CV（计算机视觉）研究为主，更关注人机交互。产品公测和主要交流平台都基于Discord，使用 Discord Bot 进行交互，打造了相当良好的社区讨论环境。使用中印象深刻的有几个重要功能：MidJourney 画廊中可以看到每时每刻创作者们用 MJ 创作出的作品，用户可以对作品进行打分，每周排名靠前的作品将得到额外的 fast GPU 时间奖励。同时，MJ官方还为用户贴心的提供了引导语 prompt 集合和 AI 擅长的风格指南，指导用户如何最高效的生成出他们想要的图片。基于良好的产品和社区体验，MidJourney 的付费用户量也是目前最大的。目前收费模式采用了订阅制，个人用户有两个档位，每月最多 200 张图片（超额另收费）的 10 美元/月，以及”不限量“图片的 30 美元/月；对企业客户，单人一年收费仅有 600 美元，且生成的作品可以商用（当前法规尚不完善，仍可能存在一定版权问题）。（3）Stable Diffusion 如果说 MidJourney 是一个勤勤恳恳的绩优生，那么 Stability.ai 则是天赋异禀技术力强、诞生之初就备受 VC 追捧的富二代，公司估值已达到十亿美元。产品 Stable Diffusion 首要目标是一个开源共创模型，与当年的 Hugging Face 神似。创始人 Emad 之前是对冲基金经理，用自己充裕的资金联合 LMU 和 Runaway ML开发了开源的 Stable Diffusion，在 Twitter 上使用扎克伯格在 Oculus 发布会上的照片作为背景，号召SD会成为”人类图像知识的基础设施“，通过开源让所有人都能够使用和改进它，并让所有人更好地合作。 Stable Diffusion 可以认为是一个开源版本的DALL·E2，甚至不少使用者认为是当前生成模型可以使用的最佳选择。官方版本部署在官网 Dream Studio 上，开放给所有用户注册。相比其他模型，有很多可以定制化的点。不过官网只有 200 张免费额度，超过需要付费使用，也可以自行使用开源 Colab 代码版无限次使用。此外，Stable Diffusion 在压缩模型容量，希望使该模型成为唯一能在本地而非云端部署使用的 AIGC 大模型。 05 AIGC大模型的未来展望 1、应用层：多模态内容生成更加智能，深入各行业应用场景上述的多模态图片生成产品当前主要局限于创作画作的草图和提供灵感。在未来待版权问题完备后， AIGC 内容能进入商用后，必然会更深入地与业界的实际应用进行结合：以游戏行业为例， AI 作画给了非美术专业工作者，如游戏策划快速通过视觉图像表达自己需求和想法的机会；而对美术画师来说，它能够在前期协助更高效、直接地尝试灵感方案草图，在后期节省画面细节补全等人力。此外，在影视动画行业、视频特效领域，甚至是文物修复专业，AI 图片生成的能力都有很大想象空间。当然，这个领域 AI 的能力也有着不小的进步空间，在下面的未来展望部分进行阐发。目前 AIGC 存在 Prompt Engineering 的现象，即输入某一些魔法词后生成效果更好。这是目前大模型对文本理解的一些缺陷，被用户通过反向工程进行优化的结果。未来随着语言模型和多模态匹配的不断优化，不会是常态，但中短期内预期Prompt Engineering 还是得到好的生成内容的必备流程之一。 2、模态层：3D生成、视频生成 AIGC 未来3-5年内有明显进步多模态（multimodal）指不同信息媒介之间的转换。当前 AI 作图过程中暴露的问题会成为视频生成模型的阿喀琉斯之踵。例如：AI 作画的空间感和物理规则往往是缺失的，镜面反射、透视这类视觉规则时常有所扭曲；AI 对同一实体的刻画缺少连续性。根本原因可能是目前深度学习还难以基于样本实现一些客观规则泛化，需要等待模型结构的优化进行更新。 3D生成领域也有很大价值：3D 图纸草图、影视行业模拟运镜、体育赛场现场还原，都是 3D 内容生成的用武之地。这一技术突破也渐渐成为可能。 2020年，神经辐射场（NeRF）模型发布，可以很好的完成三维重建任务：一个场景下的不同视角图像提供给模型作为输入，然后优化 NeRF 以恢复该特定场景的几何形状。基于该技术，谷歌在2022年发布了 Dream Fusion 模型，能根据一段话生成 360 度三维图片。这一领域当前的实现效果还有优化空间，预期在未来3-5年内会取得突破性进展，推动视频生成的进步。 3、模型层：大模型参数规模将逼近人脑神经元数量近年的大模型并未对技术框架做颠覆性创新，文本和图像生成领域在大模型出现前，已有较成熟方案。但大模型以量变产生质变。从神经网络角度看，大脑有约 100 万亿神经元， GPT-3 有 1750 亿参数，还相差了 1000 倍的数量级，随着算力进步可以发展的空间还很大。神经网络本质是对高维数据进行复杂的非线性组合，从而逼近所观测数据分布的最优解，未来一定会有更强的算力、更精妙的参数堆叠结构，来刷新人们对AI生成能力的认知。 4、成本结构决定大模型市场的马太效应大模型最直接的成本便是能源成本（energy cost），GPT-3 发布时的训练成本在千万美元级别。难以在短期内衡量 ROI ，大科技公司才能训练大模型。但随着近年模型压缩、硬件应用的进步，GPT-3 量级的模型成本很可能已降至百万美元量级，Stable Diffusion 作为一个刚发布一个月的产品，已经把原本 7GB 的预训练模型优化压缩至 2GB 左右。在这样的背景下，算力成本在未来必然会逐渐变得更合理，但 AIGC 领域的另一个成本项让笔者对市场结构的预测还是寡头垄断式的。大模型有明显的先发优势，来自巨大的隐形成本：智能成本。前期快速积累用户反馈数据能帮助模型持续追新优化，甩开后发的竞争者，达到模型性能的规模效应。 AI 的进化来自于数据的积累和充分吸收。深度学习，乃至当前的所有机器学习都是基于历史预估未来，基于已有的数据给到最接近真实的可能。正如前文讨论的，OpenAI 的目标从来不是留恋于某个局部行业的商业产品，而是通过模型规模经济，不断地降低人类社会全局的智能成本，逼近通用人工智能 AGI。规模经济正体现在智能成本上。 5、虚拟世界的 AGI 会先于现实世界诞生从更宏观的视角上，虚拟世界 AI 技术的智能成本比现实世界中来得低得多。现实里 AI 应用最普遍的是无人驾驶、机器人等场景，都对 Corner Case 要求极高。对于AI模型而言，一件事超过他们的经验范畴（统计上out of distribution），模型将立马化身人工智障，不具备推演能力。现实世界中 corner case 带来的生命威胁、商业资损，造成数据积累过程中极大的试错成本。虚拟世界则不同，绘图时遇到错位扭曲的图片，大家会在 Discord 中交流一笑了之；游戏 AI 产生奇怪行为，还可能被玩家开发出搞怪玩法、造成病毒传播。因此虚拟世界，尤其是泛娱乐场景下的 AIGC 积累数据成本低会成为优势。这个领域的 AI 如果节省人力、生成内容产生的商业价值能大于算力成本，能很顺畅地形成低成本的正向循环。伴随着另一个重要的革新——长期 Web3.0元宇宙场景下新内容经济生态的形成，虚拟世界内容场景下的 AI 很可能更早触及到 AGI。来源：金色财经

金色财经2023-02-21

“中国的前路非常艰难”！有医院科室医生几乎全阳、殡仪馆堆满尸袋情况还会变得多糟？

种超过100万剂的速度。但在印度韦洛尔基督教医学院研究病毒的Gagandeep Kang博士表示，优先考虑老年人接种疫苗是关键。美国疾病预防与控制中心(CDC)驻华办事处创始主任Ray Yip说，与其他国家不同，中国是优先考虑为流动性更强的年轻人接种疫苗，以防止病毒的传播。一项针对60岁以上人群的接种活动于12月展开，但目前尚不清楚该行动有多成功。他们“没有给予足够的重视，以确保每个人都得到全程疫苗保护，”Yip说。“他们如何完成这种特殊的追赶努力，可能会产生一些决定性的结果。” 负重不堪的医院在保定和廊坊周围，随着重症病例的激增，医院的重症监护病床和工作人员已经青黄不接。本周三，美联社记者看到许多病人只能躺在地上，而其他一些人则是开车从一个医院赶到另一个医院为自己的亲属寻找床位。中国国家卫生健康委员会表示，中国在12月9日每10万人拥有10张重症监护病床位，总数为13.8万张，高于11月22日的每10万人只有四张重症监护病床位。这意味着报告的床位数量在不到三周的时间里增加了一倍多。但这个数字“可能是错误的”，武汉大学人民医院呼吸内科医生余昌平(音译)说。“这个数字不可能在这么短的时间内急剧上升，”他说。即使相信这些数字，重症监护病床位的增加本身并不意味着医疗系统为病例激增做好了准备，因为从全球经验看，压力点在于是否有足够的专业医护人员来照顾那些需要重症监护的患者。国家卫健委说，中国只有8万名医生和22万名护士在重症监护设施工作；另有17.77万名护士有可能在这些单位里工作。余昌平说，最近几周他看到了越来越多的新冠患者，他的科室几乎所有的医生都被感染了。“我们也承受着压力，因为我们在短时间内接收了大量的患者，”他说。为了保护其卫生系统，北京已经改建了临时医院和集中隔离设施，将发热门诊的数量从94个增加到1263个。但农村地区可能会遭遇麻烦，因为中国绝大多数重症监护病床都在城市里。数字工具和远程医疗的使用，可能会为医院提供一些喘息的空间：LEK咨询公司在上海对120名城市地区的公立和私立医院高管进行了一项全国调查，超过三分之一的医院使用了某种形式的远程医疗，大约31%的医院在医疗中使用了数字工具。今年早些时候，中国批准了辉瑞公司用于治疗新冠的药物Paxlovid以及两种中国国内的治疗方法：一种由真实生物科技制造的用于艾滋病的抗病毒药物，已被用于治疗新冠，另一种是腾盛博药生产的病毒阻断抗体混合剂。但目前尚不清楚这些药物的可及性有多广泛。情况还会如何恶化？科学专家们不确定情况到底会变得有多糟，因为死亡率取决于疫苗接种率、人们的行为方式以及加强医院能力的努力等各种因素。西雅图华盛顿大学的健康指标与评估研究所(IHME)预测，如果病毒得以不受控制地传播，到2023年底死亡人数可能达到100万。但该研究所健康指标科学教授Ali Mokdad表示，政府可能能够通过恢复保持社交距离的措施来减少死亡人数。香港大学的另一项研究也预测，在病毒在全中国国范围内传播，并且当局无法提供疫苗加强剂和抗病毒治疗的情况下，将会有近百万人死亡。美国哈佛大学陈曾熙公共卫生学院传染病动力学中心联合主任Bill Hanage在12月14日与记者的一次电话会议中估计会有200万人死亡。 “未来几个月，中国的前路非常、非常艰难，”Hanage说。“但在没有接种疫苗的情况下，情况会变得更加、更加糟糕。” 中国感染病例激增会否蔓延到世界其他地区？中国邻国印度已要求其各邦政府保持警惕，不要让基因组测序工作停下脚步。美国麻萨诸塞大学医学院的Jeremy Luban表示，感染的大幅增加提高了出现更危险变异毒株的可能性。Luban认为“没有具体理由担心”任何已经在中国滋生了任何令人警觉的变种，“当然出现很多感染总是一件坏事。” Luban补充说：“中国的病毒传播速度越能得到控制，就越好。”

夏洛特2022-12-24

涉嫌严重侵犯宗教自由美国将中国、伊朗等国列为特别关注国

数明显增加。联合国专家称，这是针对包括基督教皈依者和无神论者在内的不同信仰或宗教活动的更广泛政策的一部分。美国对中国西部新疆地区的人权问题表示严重关切。新疆是1000万维吾尔族人的家园。此次为美国连续第23年将中国列为特别关注国。人权组织和西方政府长期以来一直指责北京虐待主要是穆斯林的少数民族，包括强迫他们在拘留营劳动。美国指责中国进行种族灭绝。北京坚决否认有任何滥用职权的行为。被指定为特别关注国家的其他国家包括古巴、厄立特里亚、尼加拉瓜、巴基斯坦、沙特阿拉伯、塔吉克斯坦和土库曼斯坦。美国1998年的《宗教自由法》要求总统(其任命国务卿行使这一职能)指定那些被认为有系统地和持续地侵犯宗教自由的国家为特别关注的国家。该法案为布林肯提供了一系列政策回应，包括制裁或豁免，但这些都不是自动的。

夏洛特2022-12-03

通胀高企经济不景气！圣诞季降临日历成最热销商品，迪奥、沃尔玛等公司纷纷跟风

上把12月的每一天都标记为降临节，这是基督教信徒反思的时刻，也是为耶稣诞生和期待耶稣基督回归做准备的时刻。零售商的世俗版通常有12、24或25个编号的小隔间，每个隔间在圣诞节前每天展示一件独特的商品。迪奥正在销售一款售价3500美元的降临节日历，装在木质和棉质帆布盒子里，造型像其位于蒙田大道(Avenue Montaigne)的巴黎精品店。每天打开一扇门，滑出抽屉，会找到12种香水中的一种，此外还有4支蜡烛、4个肥皂、3个蜡烛配件和一个香味饰品。沃尔玛为蹒跚学步的儿童出售鲨鱼宝宝降临日历，售价44.99美元。24扇小门后面是18个小玩具的零件，包括一个小的糖果滑梯。垂钓者可以在The fishing Shop买到一款售价34.99美元的渔具降临节日历，上面有栩栩如生、颜色多变的软鱼饵。由于通货膨胀率很高，经济不稳定，商店的存货太多了。而购物者大多太过谨慎，不会大肆挥霍。零售商将降临日历视为一种介绍人们可能不会购买或尝试的产品的方式，从那些想为朋友、家人甚至宠物购买小型奢侈品的人那里抢到季初促销的机会。吉百利于1971年率先批量生产巧克力降临节日历。但数据分析公司edit的零售分析师Heather Ibberson表示，自2013年的最低点以来，这种形式越来越受欢迎。总部位于英国的高端百货商店Liberty在2014年推出了自己的降临节日历，Ibberson说它已经成为“公司近150年历史上最成功和销售最快的产品”。 Selfridges & Co本季推出了128款降临节日历，价格从4.99英镑到623英镑不等，是去年的两倍多。这家总部位于英国的零售商表示，10月初，“降临节日历”成为网站上搜索量最高的关键词，美容日历第一次发布就售罄，Selfridges & Co声称自己是第一个提供降临节美容日历的公司。哥伦比亚商学院零售研究主任Mark Cohen说，这种日历是说服提前购物的人“去看看别的东西”的有效工具。 Bloomingdale百货的配饰和美容时尚总监Marissa Galante Frank说：“打开这款降临节日历的抽屉，让人想起在我们的美容商店的体验，我们带顾客参观品牌和产品。” 在纽约的高档百货商店Bergdorf Goodman，降临节日历不在七楼的货架上，而在一个金色刺绣的红色盒子里。其中有24个滑动小隔间，里面装满了意大利香水品牌Dr. Vranjes Firenze的家居香氛喷雾、蜡烛、车香和饰品，售价629美元。竞争对手Saks Fifth Avenue今年出售的日历从2021年的12款增加到18款，价格从65美元到3500美元。折扣超市ALDI表示，他们有25种节日日历。ALDI假日魔法葡萄酒降临日历包括24个独特品牌和来自8个国家的16个葡萄酒品种，售价59.99美元。每个酒标上都有一个二维码，购物者可以扫描二维码了解更多关于葡萄酒的信息。丝芙兰美国公司前总裁兼首席执行官Howard Meitiner说：“消费者面对的选择太多，往往难以管理，这是一种趋向于季节性的新产品。”

Sue2022-11-26

区块链被纳入监管将开启下一个牛市？

法律甚至会被判“违宪”，就像是天主教和基督教一样。 SEC是否会根据其对证券法的解读权而强制将 ETH归为证券？谁也不知道，但我们可以肯定的是，如果这件事真的发生了，那么这对任何一个新公链都是不利的，毕竟现在是个公链都是POS，大家在监管方面的结局如何，很大程度上取决于SEC对ETH的判定。 Defi与稳定币 Defi和稳定币都是如此。首先是美国，美国将在接下来的三个月里会通过一项《数字商品消费者保护法案》。虽然这只是一个“可能”，但如果真的成功了，那么大部分 Defi项目都会被认为是“不合法”的。当然，也有一些策略，比如 Defi的项目，会不会像 KYC一样，转型成一个类似链上Cefi的模式？众所周知，美国对加密圈的管理方式存在着很大的争议，政府国会内部经常开会讨论，但现在看来，正在往强监管的角度倾斜。毕竟，随着这个圈子越来越大，资金多了，自然而言，也就引起了更多的重视。至于稳定币，欧盟已经宣布，到2024年，仅允许中心化稳定币（如 USDT、USDC）在欧洲使用，并且欧洲每日的交易额不得超过2亿欧元，实在是太少了。像是 DAI这样的原生的加密抵押型稳定币根本就达不到任何的标准，至于各路算稳之类的么……当然更不用想了，充其量也就是在圈子里面玩玩而已。 NFT NFT这边的政策也不是很好。首先，这些小图片的发行量一般都在一万个 NFT左右，你说这是多是少？由于欧盟也放出话来，只有少数发行规模较小的 NFT才能被看作是艺术品，不在目前的加密资产监管框架内，因此，问题是，如何界定“较小”呢？我觉得一万，还是太少了。作为 NFT行业的领头羊，无聊猿的母公司Yuga Labs，肯定是前线第一手感受到监管温度的从业者，因为他们这个月正在接受SEC的调查，看其NFT的销售是否违反了联邦法律。没办法，你好歹也是 NFT王者，你不但把老的NFT空投了新的NFT，你还给NFT的Holder发了B。有了这一手， SEC不找你，那才叫见鬼了。这一次，Yuga Labs的监管结果，肯定会引起 NFT圈的注意，毕竟 NFT项目都在一万，很多项目都在考虑要不要效仿Yuga Labs，等以后有机会再给 NFT持有者发一波B。能不能行，那就不好说了，饼先画一下，然后再赚钱。这行为，算证券不？谁知道呢！新的希望？要知道，在所有的国家中，新加坡算是对圈内最友好的其中一个了。上个月底，新加坡的“TOKEN 2049”加密会议吸引了7000多名与会者，2000多家公司，250多家赞助商，举办了数百次的活动。不折不扣的一场圈内盛宴！香港财政司司长陈茂波在《香港的创科发展》一文中，直指“要推动香港发展成国际虚拟资产中心”。下个月初举行的金融科技周，将正式公布有关虚拟资产在香港发展的政策宣言。你看，这是要和新加坡对着干啊。更离谱的是，两天前又传出了一个消息：香港监管部门将考虑允许散户直接投资于加密资产，并且对目前加密资产的交易需求进行了重新思考。对我们这些投资人和业内人士而言，这绝对是一件“喜大普奔”的事情。毕竟支持的国家和地区越多，我们就能吸引更多的人才，更多的项目，更多的用户。最直观的就是：离你手里的资产开涨解套，可能也越来越近了。没有监管的区块链，危险重重，但也有很多的机遇，监管之后，区块链就会走上正轨，与实体进行对接，暴利大概率不复存在，同样坑也会少了许多。最后：感谢阅读，喜欢的朋友可以点个赞关注哦，我们下期再见！来源：金色财经

金色财经2022-10-25

监管会奏响下一个加密牛市的“序曲”吗？

当年对圣经的解读不同，才诞生了天主教，基督教等各个流派。 SEC会不会凭借对于证券法的解读权强行判定ETH属于证券? 现在没人知道，我们只知道，一旦这件事情发生了，那对于所有新公链来说都不算一个好消息，毕竟现在是个公链都是POS，大家在监管方面的结局如何，很大程度上取决于SEC对ETH的判定。 02、Defi与稳定币 Defi和稳定币这边，也是面临这几座大山。先是美国，有消息说，未来三个月内，美国可能会通过一个《数字商品消费者保护法案》。虽说这是“可能”，但如果真的通过，那当前绝大多数的Defi项目的行为都会变得因此而“不合法”。当然上有政策，下有对策，到时候是否会有Defi项目开启类似KYC等各种模式，转型成一个类似链上Cefi的模式？众所周知，美国那边关于加密圈如何监管的分歧一直很大，政府国会内部经常开会讨论，但目前的风向来看，正在往强监管的角度倾斜。毕竟现在圈子大了，资金多了，自然而言，也就引起了更多的重视。稳定币这边，欧盟明确表示，至 2024 年，将仅允许中心化稳定币（如 USDT、USDC）在欧洲使用，且每天在欧洲的交易量不能超过 2 亿欧元，这真的是……有点少。而像是DAI这种原生的加密抵押型稳定币直接就是因为无法满足各种要求不合规，至于各路算稳之类的么……当然更不用想了，最多也就纯粹圈子内可以折腾一下。 03、NFT NFT这边的政策，也是不那么乐观。首先目前这一堆的小图片，发行量基本标配都是1万枚NFT，数量你觉得算多，还是少？因为欧盟也放话了，只有发行量较小的 NFT 可以被视为艺术品，不在目前的加密资产监管框架内，那么问题来了，怎么定义这个“较小”？1万算不算嘞？我反正个人感觉，1万是有点悬的说。而我们NFT届的龙头，无聊猿的母公司Yuga Labs，肯定是前线第一手感受到监管温度的从业者，因为他们这个月正在接受SEC的调查，看其NFT的销售是否违反了联邦法律。没办法，毕竟你是NFT王者，你不光给老的NFT空投了新的NFT，你还给NFT的Holder发了B。这一套骚操作下来，SEC不请你喝茶才会让人奇怪。而这次对于Yuga Labs的监管结果，肯定也是NFT圈重点关注的事件之一，毕竟大多数NFT项目都是1万，也有越来越多的项目想着效仿Yuga Labs，将来找时间给NFT持有者发一波B。有没有用两说，饼先画一下，钱先赚一波再说。这行为，算证券不？天晓得！ 04、新的希望？众所周知，当前各个国家里，新加坡目前算是对圈内最为友好的国家之一了。上个月底，新加坡“TOKEN 2049”加密大会直接吸引了7000+与会者、2000+公司和250+赞助商，搞了上百场活动。不折不扣的一场圈内盛宴！而本月，香港财政司司长陈茂波发表文章《香港的创科发展》，里面直接提到了“要推动香港发展成国际虚拟资产中心”。下个月初举行的金融科技周，将会正式发布有关虚拟资产在香港发展的政策宣言。你看，这是要跟新加坡正面硬钢的节奏。更夸张的是，前两天再次放出消息：香港监管机构正在考虑允许散户投资者直接投资加密资产，并重新考虑当前的加密资产交易要求。对于我们投资者或是从业者来说，这当然也算值得“喜大普奔”的事儿。毕竟支持的国家和地区越多，我们能够吸引到的人才，项目与用户也就越多。最直接的便是☞：离你手里的资产开涨解套，可能也越来越近了。正所谓鱼与熊掌不可兼得，非监管下的区块链草莽江湖，危机四伏，机会也同样多多，监管之后的区块链走向正规，对接实体，暴利大概率不复存在，同样坑也会少了许多。朋友们，你更喜欢有监管，还是没监管的区块链呢？来源：金色财经

金色财经2022-10-25

突发！俄军遭受最新打击：两名枪手在俄罗斯军事基地打死11人

林为主的国家，而大约一半的俄罗斯人信奉基督教的各种分支。俄罗斯国防部曾表示，袭击者来自独立国家联合体(Commonwealth of independence States)中的一个国家。该联合体由包括塔吉克斯坦在内的九个前苏联加盟共和国组成。路透社未能立即证实阿列斯托维奇的言论。这位著名的战争评论员几乎每天都会出现在媒体上。俄罗斯独立新闻网站Sota Vision称，袭击发生在靠近乌克兰边境、距离别尔哥罗德东南约105公里(65英里)的小镇索洛蒂(Soloti)。截至目前，乌克兰方面并未出面表示将对此事负责。乌克兰总统泽连斯基周六说，尽管俄罗斯多次进攻，乌克兰军队仍然控制着东部战略重镇巴赫穆特(Bakhmut)，而更大的顿巴斯地区的局势仍然非常艰难。尽管乌克兰军队最近在东部和南部的进攻中重新夺回了数千平方公里的土地，但官员们表示，一旦基辅军队遇到更坚决的抵抗，进展可能会放缓。乌克兰军队和平民依赖埃隆·马斯克(Elon Musk)的SpaceX火箭公司提供的“星链”互联网服务。马斯克周五表示，他无法再为这项服务提供资金，但周六表示，他将继续这样做。泽连斯基指出，自2月24日的入侵以来，已有近6.5万俄罗斯人被杀，这个数字远远高于莫斯科9月21日官方估计的5937人的死亡数字。今年8月，五角大楼表示，俄罗斯的伤亡人数在7万到8万之间。

tqttier2022-10-16

美联储加息加剧拉美经济挑战：通胀率不断攀升，本币大幅贬值

制当前的通胀”。　　墨西哥瓜达拉哈拉基督教会大学塞尔吉奥·内格雷特认为，美联储加息对墨西哥等拉美新兴市场国家的影响“非常强烈”，美国是墨西哥的邻国和主要商业伙伴，墨外贸严重依赖美国，美联储加息将导致墨西哥对美出口减少，甚至可能导致墨西哥经济陷入衰退。　　为应对当前局面，拉美各国纷纷采取加息等措施。智利央行7月下旬将货币政策利率提高到9.75%，预计年底将达到10%；阿根廷不断提高货币政策利率，今年到目前为止已经加息6次；尽管墨西哥央行认为目前的高通胀是“输入性的”，但也不得不采取加息行动；除了加息，巴西还采取了减少汽油税等措施，但这些措施将限制中长期经济发展的后劲。　　受高通胀和本币贬值影响最大的是普通劳动者，只有提高这部分人的消费能力，才能从根本上促进经济发展。为此，智利政府宣布发放12亿美元援助，惠及750万低收入人口，以减轻高通胀对他们的冲击。巴西目前的失业或非正式就业人群约4000万，巴西政府从7月份也启动了向贫困人口提供救济的计划。阿根廷政府7月宣布投资61.88亿美元建设120个大型基础设施项目，目的是通过公共工程促进高质量就业，以改善民生，拉动经济。

黄金王2022-08-01

24小时热点