FX168财经网_全球视野外汇黄金加密货币NFT资讯网

信实工业支持的印度语言大模型计划3月发布

个类似ChatGPT的服务，这项印度语大型语言模型以印度教深喉哈努曼的名字命名。BharatGPT当地时间2月20日在孟买举行的技术会议上表示，这些模型目前可以支持11种印度语言，包括印地语、泰米尔语、泰卢固语、马拉雅拉姆语和马拉地语，研发者希望可以扩展至22种印度语言。研发者与信实工业的合作包括在电信和零售等领域的行业应用模型。

金融界2024-02-21

Groq售价2万美元LPU芯片打破了AI性能记录或颠覆GPU主导行业

源：X) 这是因为Groq背后的团队为大型语言模型(LLM)开发了自己的定制专用集成电路(ASIC)芯片，使其每秒可以生成大约500个tokens。相比之下，该模型的公开版本ChatGPT-3.5每秒可以生成大约40个tokens。该模型的开发商Groq Inc声称已经创建了第一个运行模型的语言处理单元(LPU)，而不是通常用于运行AI模型的稀缺且昂贵的图形处理单元(GPU)。 (来源：X) 在 ArtificialAnalysis.ai最近进行的基准测试中，Groq在几个关键性能指标（包括延迟与延迟）上优于其他8名参与者，包括吞吐量和总响应时间。Groq的网站指出，LPU的卓越性能，尤其是Meta AI的Llama 2-70b模型，意味着“意味着“必须扩展轴才能在延迟与吞吐量图表上绘制 Groq”。根据ArtificialAnalysis.ai的数据，Groq LPU实现了每秒241个tokens的吞吐量，大大超过了其他托管提供商的能力。这种性能水平是竞争解决方案速度的两倍，并有可能为跨各个领域的大型语言模型开辟新的可能性。Groq的内部基准进一步强调了这一成就，声称达到每秒300个代币，这是传统解决方案和现有提供商尚未接近的速度。（来源：ArtificialAnalysis.ai） GroqCard加速器是这项创新的核心，售价为19,948美元，可供消费者轻松购买。从技术上讲，它拥有高达750 TOP(INT8)和188 TFLOP(FP16 @900 MHz)的性能，以及每个芯片230 MB SRAM和高达80 TB/s的片上内存带宽，优于传统的CPU和GPU设置，特别是在法学硕士任务中。这一性能飞跃归因于LPU能够显着减少每个字的计算时间并缓解外部内存瓶颈，从而实现更快的文本序列生成。（来源：CryptoSlate）将Groq LPU卡与成本相似的英伟达旗舰A100 GPU进行比较，Groq卡在处理大量简单数据 (INT8) 的速度和效率至关重要的任务中表现出色，即使 A100 使用先进技术来提高其性能也是如此。然而，当处理更复杂的数据处理任务（FP16）时，需要更高的精度，Groq LPU无法达到A100的性能水平。从本质上讲，这两个组件在AI和ML计算的不同方面都表现出色，Groq LPU卡在高速运行LLMS 方面极具竞争力，而A100在其他方面领先。Groq将LPU定位为运行LLM的工具，而不是原始计算或微调模型。然而，Groq背后的公司并不最近成立的。它成立于2016年，当时注册的商标名为Groq。去年11月，当马斯克自己的人工智能模型（也称为 Grok，但拼写为“k”）受到关注时，最初的Groq背后的开发人员发表了一篇博客文章，呼吁马斯克选择另外的名字。自从Groq在社交媒体上疯传以来，马斯克和X上的Grok页面都没有对这两个工具名称的相似性发表任何评论。尽管如此，平台上的许多用户已经开始将LPU模型与其他流行的基于GPU的模型进行比较。一位从事人工智能开发的用户称Groq是需要低延迟的产品的“游戏规则改变者”，低延迟是指处理请求和获得响应所需的时间。 (来源：X) 另一位用户表示，Groq的LPU可以为GPU提供“巨大的改进”，以满足未来人工智能应用的需求，并表示它也可能成为人工智能“高性能硬件”的良好替代品。在此背景下，业界主要的人工智能开发商正在寻求开发内部芯片，以避免仅仅依赖英伟达的模型。据报道，OpenAI正在向世界各地的政府和投资者寻求数万亿美元的资金来开发自己的芯片，以克服产品扩展方面的问题。

楼喆2024-02-21

腾讯公司申请文本预测模型专利，提高了对象在多个场景下的沟通效率

文本、第二样本文本以及第三样本文本，对大型语言模型进行训练，得到文本预测模型。本申请提高了对象在多个场景下的沟通效率。

金融界2024-02-20

Octavia：基于 AI 构建链上意图设施,引领智能化加密时代

进行处理，这将保证 Octavia 的大型语言模型不会陷入指导饱和，即像 ChatGPT 那样其模型性能随着提示复杂度和任务特定微调而变差。我们看到。通过链上链下的全局结合，Octavia 更适用于作为加密投资者全面的投资工具，Octavia 本身建立在区块链上，除了能够实时追踪各项链上数据，其还能够通过与 MetaMask 等钱包插件集成，通过授权代替用户实现各类链上交易意图（比如在 GMX、UniSwap 上实现某笔交易）。在 Octavia 推出的个人版产品中，支持用户进行市场研究、自动化交易等，比如可以在 Telegram、Discord、Twitter 和 Octavia 应用程序（即将推出）上发送消息，向 Octavia 通过对话的形式提出“意图”，Web3 智能助手将代替用户实现系列意图，比如编写推文、参与一些代币的预售、了解市场趋势、实现一系列递归指令、监控代币发行、实时跟踪代币趋势、实时获取最新加密资讯、代币价格走势预测、项目研究与推荐、代币效应研究、链上分析预警以及代币价格监控等等。所以有了 Octavia，对于加密投资者而言，用户能够更加深入、准确的对市场趋势、风险进行实时的了解，并有望大幅提升链上投资的盈利几率、提升加密投资的容错率。除了个人版产品外，Octavia 还推出了面向 Groups 的版本，一个基于 AI 的社区管理器是这个部分的首个产品，能够对 Telegram 和 Discord 社区进行审核和社区管理。利用 Octavia 技术，它可以准确地响应有关其所代表的社区的上下文问题，并维护 Telegram/Discord 组中的规则执行。 Octavia 经济体系与生态进展作为面向 Web3 的生态，Octavia 推出了原生代币 $VIA，$VIA 可用于质押、高级功能解锁、投票参与治理以及机器学习模型的训练，从而使用户能够赚取额外的 $VIA 代币，该资产 Octavia 生态系统的运营中发挥着至关重要的作用。质押通过质押 $VIA 资产，用户将能够获得生态系统奖励。该机制旨在激励用户积极参与 Octavia 生态系统。质押的代币将被锁定，减少流通供应并确保健康的生态系统，而产生的奖励可以成为代币持有者的被动收入来源。高级功能 $VIA 持有者将有机会访问先进的工作流程、私人模式、自动交易等。通过质押足够的 $VIA 代币，该实用程序鼓励用户持有和使用 $VIA 代币，从而促进市场上 $VIA 的需求增加和流通量减少。治理作为一个去中心化平台，Octavia 允许 $VIA 代币持有者参与决策过程。他们可以对新功能、协议调整或生态系统的任何变化提出、讨论和投票。这意味着 Octavia 平台的方向和发展掌握在社区手中，这符合去中心化和开放发展的精神。 “Train-To-Earn” Train-To-Earn 是一个全新的概念，用户可以通过提供有关 Octavia 产出的反馈来获得生态系统奖励，从而直接为 Octaiva 的发展做出贡献。该机制经过专门设计，不仅增强了 Octavia 的功能，而且还创建了一个积极的反馈循环，用户因对平台的贡献而获得奖励。目前，Octavia 已经与 Openfabric AI、Masterblox、DexCheck、Chappyz、DeFiMint、NeoCoder、Arcanum Ventures、HyperGPT、Solidus Ai Tech 等建立了合作伙伴关系，并获得了 Genesis Capital、Brotherhood Ventures、Castrum Capital、Poolz Ventures、MoonBoots DAO、Xtream Capital、 Normie Capital、DCI Capital 、Automatic Venture Group、Founderheads、Simurg、Mapleblock Capital 、PMZ Capital、 Coinvestor Ventures、DuckDAO、BlockVerse Capital 等的投资支持。目前，随着 Octavia 应用程序的启动，$VIA 代币也正在被推向市场。在 2024 年 2 月 12 日至 2 月 19 日期间，$VIA 代币已经陆续在 DAO Maker、ChainGPT、Decubate、Poolz 几个 LaunchPad 平台进行了 Launch，并实现了早期的启动。而在北京时间 2 月 20 日 21:00（LaunchPad 结束），$VIA 将上线 Gate 平台，并在后续上线 MXC 。引领智能化加密时代 OpenAI 推出的 ChatGPT 正在让高质量的 AIGC 服务向 B 端用户开放，这也让越来越多的互联网用户能够通过 AI 技术来享受便利，该工具在学术、办公等诸多领域备受欢迎。而在 ChatGPT 被推出后 OpenAI 的估值水涨船高并且不断获得融资，目前估值超 500 亿美元，科技领域对于 AI 叙事方向始终有着较高的想象空间。在加密行业，如何提升投资的收益率是绝大多数加密投资者们始终所追求的， Octavia 正在通过这套智能化体系满足用户们的需求，理论上所有加密交易者都是其潜在用户群体。另一方面，Octavia 相对于 ChatGPT 有着更稳定的底层系统，并且能够带来优于 ChatGPT 的使用体验以及功能抓手，并通过开放的 API 横向拓展至全行业，通过这种间接的方式正在让 Octavia 捕获用户具备“可复制性”的能力，这也有望让其生态规模实现指数型增长。Octavia 有望背靠更加广泛的用户规模与市场，这对于 Octavia 想象空间与估值都是可期的。或许在不久，通过智能化投资分析工具做投资决策，将成为加密投资者必备的手段，而 Octavia 正在加速智能化加密时代大门的开启。来源：金色财经

金色财经2024-02-19

ChatGPT 周年纪念反思：AIGC的瓶颈与Web3的机遇

Transformer 架构的预训练大型语言模型 ( LLM )。前一类将文本输入与扩散模型相结合以生成高质量的图像或视频，而后者则采用人类反馈强化学习（RLHF）来生成与人类逻辑非常相似的输出。 2.2 目前生成式AI的技术架构：有很多优秀的文章从不同的角度讨论了生成式人工智能对现有技术架构的影响。例如，A16z 的一篇题为《谁拥有生成式 AI 平台》的综合文章，全面总结了当前生成式 AI 的技术架构。根据这项研究，当前Web2时代的生成式AI架构分为三个层次：基础设施（算力）、模型、应用。文章还对这三个层面的当前发展提出了见解。基础设施：目前重点仍然主要集中在Web2基础设施逻辑上，真正整合Web3和AI的项目很少。基础设施在现阶段获得了最大的价值。在存储和计算领域深耕数十年的Web2巨头，在人工智能的探索阶段，通过“卖铲子”获得了丰厚的利润。模型：理想情况下，模型应该是人工智能的真正创造者和所有者。然而，目前很少有商业模式能够让这些模型的作者捕捉到相应的商业价值。应用程序：多个垂直领域开发的应用程序已产生超过数亿美元的收入。然而，高昂的维护成本和较低的用户保留率对维持这些应用程序作为可行的长期商业模式构成了挑战。 2.3 生成式人工智能在Web3中的应用 2.3.1 利用AI分析Web3海量数据数据是构筑未来人工智能发展技术壁垒的基石。为了理解它的重要性，我们首先看一下关于大型人工智能模型性能来源的研究。这项研究表明了大型人工智能模型的独特涌现能力：当模型规模超过一定阈值时，模型精度会突然激增。如图所示，每个图表代表一个训练任务，每条线表示大型模型的性能（准确性）。对各种大型模型的实验一致得出这样的结论：超过一定阈值后，模型性能在不同任务上会出现突破性增长。本质上，模型大小的量变会导致模型性能的质变。这个大小与模型参数的数量、训练持续时间和训练数据的质量有关。目前，在模型参数（各公司顶尖研究团队设计）和训练时长（大部分计算硬件采购自NVIDIA）没有显着差异的情况下，开发领先产品主要有两条路径。首先是识别并解决利基领域的具体痛点，这需要对目标领域有深入的理解和洞察。第二，更实际的做法是收集比竞争对手更全面的数据。这为生成式 AI 大型模型进入 Web3 领域打开了一个绝佳的切入点。现有的人工智能大模型或基础模型是在来自各个领域的海量数据上进行训练的，而Web3中链上数据的独特性使链上数据模型成为一个令人兴奋且可行的途径。在Web3中，数据层面目前有两种产品逻辑：第一种激励数据提供者，鼓励用户共享数据使用权，同时保护数据的隐私和所有权。海洋协议在这方面提供了有效的数据共享模型。第二种方法涉及集成数据和应用程序的项目，以便为用户提供特定于任务的服务。例如，Trusta Lab收集和分析用户的链上数据，并通过其独特的MEDIA评分系统，提供女巫账户分析、链上资产风险分析等服务。 2.3.2 AI Agent在Web3中的应用如前所述，链上人工智能代理的应用正在蓬勃发展。借助大型语言模型并优先考虑用户隐私，他们提供可量化的链上服务。根据 OpenAI 首席人工智能研究员 Lilian Weng 的博客文章，人工智能代理可以分为四个部分：代理 = LLM（大型语言模型）+ 规划 + 内存 + 工具使用。 LLM作为AI Agent的核心，处理外部交互，从大量数据中学习，并用自然语言进行逻辑表达。规划+记忆方面类似于用于训练 AlphaGo 的强化学习技术中的行动、策略和奖励概念。它涉及将任务分解为更小的目标，并通过重复训练和反馈来学习最优解决方案，根据功能将信息存储在各种类型的记忆中。工具使用是指智能体利用模块化工具、互联网信息检索、访问专有信息源或API等工具的能力。值得注意的是，大多数这些信息在预训练后很难修改。考虑到AI Agent的这种逻辑，我们可以设想Web3和AI Agent结合的无限可能性。例如：在目前的交易应用中，集成AI Agent模型可以为客户提供自然语言界面，提供包括价格预测、交易策略、止损策略、动态杠杆调整、智能跟随意见领袖、借贷等多种交易功能。在执行量化策略时，策略可以进一步分解为子任务，分配给不同的AI Agent来执行。协作人工智能代理可以增强隐私保护并实现实时监控，以防止被对手利用。基于区块链的游戏中的许多 NPC自然而然地与 AI 代理保持一致。已经有项目应用GPT来动态生成游戏角色对话。未来的发展可能会超越预设文本，创建更真实的实时 NPC（甚至数字人）交互，并且独立于玩家干预进行操作。斯坦福大学的“虚拟小镇”就是此类应用的一个很好的例子。尽管目前的Web3+AI Agent项目主要集中在初级市场或AI基础设施，尚未出现杀手级消费应用程序，但改变游戏规则的Web3+AI项目的潜力是巨大的。通过集成分布式链上治理、零知识证明推理、模型分布和改进的可解释性等各种区块链特性，这些项目在未来具有广阔的前景。 2.3.3 Web3+AI潜在垂直领域应用 A. 教育领域的应用 Web3 和人工智能的融合预示着教育领域的一场革命，其中生成式虚拟现实教室是一项值得注意的创新。将人工智能技术嵌入在线学习平台，学生可以获得个性化的学习体验。该系统根据每个学生的学习历史和兴趣生成定制的教育内容。这种个性化的方法有望提高学生的学习动机和效率，使教育更加个性化。此外，基于代币的信用激励代表了教育领域的创新实践。利用区块链技术，学生的学分和成绩可以编码成代币，形成数字化的学分体系。这种激励机制鼓励积极参与学习活动，创造一个更具吸引力和激励性的学习环境。受最近流行的SocialFi项目FriendTech的启发，类似的关键定价逻辑可以应用于在学生之间建立同行评审系统，为教育添加更多社交元素。利用区块链的不可篡改性，同行评价变得更加公平和透明。这种同行评审机制不仅有利于培养学生的团队合作能力，而且可以对学生的表现进行更全面、多维度的评估，将多元化、整体性的评价方式引入教育体系。 B. 在医疗领域的应用在医疗领域，Web3与AI的融合推进了联邦学习和分布式推理。通过将分布式计算与机器学习相结合，医疗专业人员可以大规模共享数据，从而实现更深入、更全面的群体学习。这种集体智慧方法可以加速疾病诊断和治疗计划的制定，推动医学领域的进步。隐私保护也是医疗领域应用的一个重要方面。借助Web3的去中心化和区块链的不变性，患者医疗数据可以更安全地存储和传输。智能合约可以实现对医疗数据的精确控制和权限管理，确保只有授权人员才能访问敏感的患者信息，从而维护医疗数据的隐私。 C. 保险领域的应用在保险行业，Web3与AI的融合有望为传统运营带来更加高效、智能的解决方案。例如，在汽车和房屋保险中，计算机视觉技术的应用帮助保险公司通过图像分析和评估更有效地评估财产价值和风险水平。这为保险公司提供了更加精细化、个性化的定价策略，增强了保险行业的风险管理。同时，链上自动化索赔处理是保险行业的一项创新进步。利用智能合约和区块链技术，索赔流程变得更加透明和高效，减少了繁琐的程序和人为干预的可能性。这不仅加快了理赔流程，还降低了运营成本，为保险公司和客户提供更好的体验。动态保费调整是另一个创新领域。通过实时数据分析和机器学习算法，保险公司可以更加精准、及时地调整保费，根据被保险人的实际风险状况进行个性化定价。这种做法不仅使保费更加公平，而且鼓励被保险人采取更健康、更安全的行为，促进全社会的风险管理和预防措施。 D. 版权领域的应用在版权领域，Web3 和人工智能的结合为数字内容创建、管理和代码开发引入了新的范式。通过智能合约和去中心化存储，数字内容的版权信息可以得到更好的保护，让创作者更轻松地追踪和管理自己的知识产权。区块链技术还可以建立透明且不可变的创作记录，为追踪和验证作品提供更可靠的手段。工作模式的创新也代表着版权领域的重大转变。代币激励的协作工作将工作贡献与代币奖励相结合，鼓励创作者、策展人和开发者共同参与项目。这不仅促进了创意团队之间的协作，也让参与者有机会直接从项目的成功中受益，从而催生更多优秀作品。另一方面，使用代币作为版权证明重塑了利益分配模式。通过智能合约自动执行的分红机制，作品的所有参与者都可以在作品被使用、出售或转让时实时获得自己的收益份额。这种去中心化的利益分配模式有效解决了传统版权模式中的不透明和延迟问题，为创作者提供了更加公平、高效的利益分配机制。 E. 虚拟宇宙领域的应用在元宇宙中，Web3与AI的融合为创建低成本AIGC以丰富基于区块链的游戏内容开辟了新的可能性。AI生成的虚拟环境和角色可以丰富游戏内容，为用户提供更加生动多样的体验，同时减少制作的人力和时间成本。创建生动的数字人是元宇宙应用的创新。数字人类具有细到头发的详细物理外观和基于大型语言模型构建的心理逻辑，可以在元宇宙中扮演各种角色。他们可以与用户交互，甚至参与现实世界场景的数字孪生。这为虚拟现实提供了更加真实、深刻的体验，推动数字人技术在娱乐、教育等领域的广泛应用。基于区块链用户画像自动生成广告内容是元宇宙中的智能广告应用。通过分析用户在元宇宙中的行为和偏好，人工智能算法可以创建更加个性化和有吸引力的广告，从而提高点击率和用户参与度。这种广告创作方式不仅更符合用户兴趣，也为广告主提供了更高效的推广渠道。生成式交互式 NFT是元宇宙中一项引人注目的技术。通过将NFT与生成设计相结合，用户可以在元宇宙中参与创作自己的NFT艺术品，赋予其互动性和独特性。这为数字资产的创造和交易开辟了新的可能性，推动了虚拟宇宙中数字艺术和虚拟经济的发展。三．签名 Web3 协议在本节中，作者选择了五个具有代表性的协议来深入了解 Web3 领域中生成式 AI 的现状：Render Network和Akash Network被强调为通用 AI 基础设施协议和 Web3 中 AI 类别的领先者；Bittensor被认定为当前模型训练领域的热门项目；Alethea.ai因其与生成式 AI 应用程序的密切相关性而被选中；Fetch.ai展示了人工智能代理在去中心化Web3世界中的潜力。 3.1 渲染网络（$RNDR） Render Network 由母公司 OTOY 的创始人 Jules Urbach 于 2017 年创立。OTOY 的核心业务是基于云的图形渲染，由 Google 和 Mozilla 联合创始人提供建议，为奥斯卡获奖电影项目做出了贡献，并与 Apple 进行了项目合作。 Render Network 是 OTOY 进军 Web3 领域的举措，旨在利用区块链的分布式特性，将小规模渲染和人工智能需求与去中心化资源连接起来。这一举措旨在为小型工作室节省成本，否则这些小型工作室将租用昂贵的集中式计算资源（例如AWS、MS Azure和阿里云），并为那些拥有闲置计算资源的人提供创收机会。在发布专有渲染器 Octane Render 的 OTOY 的支持下，Render Network 凭借固有的需求和扎实的商业模式推出，很快被认为是一个具有坚实基础和潜力的 Web3 项目。随着生成式AI的兴起，分布式验证和推理任务的需求不断增加，与Render的技术架构完美契合，使其成为未来发展的一个有希望的方向。Render 一直引领着 Web3 领域的 AI 赛道，演变成一个有点像 meme 的实体，每当围绕 AI、元宇宙和分布式计算的叙述升温时，它都会受益于上升趋势，展示了它的多功能性。 2023 年 2 月，Render Network 宣布了更新其定价等级系统的路线图，并为 $RNDR 引入了社区投票的价格稳定机制（尽管发布日期尚未公布）。该项目还宣布从 Polygon 迁移到 Solana（将 $RNDR 代币升级为基于 Solana SPL 的 $RENDER 代币，已于 2023 年 11 月完成）。渲染网络的新定价体系将链上服务分为三个级别，从高到低，每个级别对应不同的价格点和渲染服务质量。这些层根据客户的特定渲染需求为客户提供选择。社区投票的$RNDR价格稳定机制已从不定期回购转变为“销毁和铸币均衡（BME）”模式。这一变化强调 $RNDR 作为交易的稳定币，而不是长期持有资产。一个BME Epoch的具体业务流程如下：产品创建：Render上的产品创建者，即渲染资源的提供者，将闲置的渲染资源打包成产品（节点）并上线，等待使用。购买产品：有渲染需求的客户可以直接销毁$RNDR代币作为服务费用。如果他们没有 $RNDR 代币，他们首先用法定货币在 DEX 上购买它们，然后销毁代币。服务支付的价格公开记录在区块链上。铸造代币：根据预设规则铸造新代币。注：Render Network 收取产品购买者支付的项目运营交易费用的 5%。在每个 BME Epoch 中，都会铸造预设数量的新代币（数量会随着时间的推移而减少）。这些新代币被分发给三方：产品创造者：他们获得的奖励是： A。任务完成：根据各产品节点完成的渲染任务数量进行奖励。 b. 在线奖励：鼓励资源提供者在线完成任务，根据市场待机时间给予奖励。 2. 产品购买者：与购物中心的产品优惠券返还类似，购买者可以获得高达 100% 的 $RNDR 代币返还，鼓励未来使用 Render Network。 3. DEX 流动性提供商：合作 DEX 中的提供商，确保以合理的价格提供 $RNDR 代币以进行必要的销毁，将根据质押的 $RNDR 数量获得奖励。从过去一年$RNDR的价格走势来看，作为Web3中领先的AI赛道项目，$RNDR受益于ChatGPT在2022年底和2023年初带动的AI热潮。随着新代币机制的引入，$RNDR的价格2023年上半年达到顶峰。经过一段时间的稳定后，随着 OpenAI 新版本引发的 AI 复苏、Render Network 向 Solana 的迁移以及新代币机制的预期实施，$RNDR 的价格达到了近期高点。鉴于 $RNDR 的基本面变化很小，未来对 $RNDR 的投资需要谨慎的头寸管理和风险控制。 Dune Analytics仪表板的数据表明，自2023年初以来，渲染任务总数有所增加，但渲染节点数量并未增加。这表明导致工作负载增加的新用户是那些有渲染需求的用户，而不是那些提供渲染资源的用户。鉴于生成式 AI 到 2022 年底将激增，有理由推断额外的渲染任务与生成式 AI 应用程序相关。这种需求的增加是代表长期趋势还是暂时的激增还有待观察，需要进一步观察。 3.2 Akash Network（$AKT） Akash Network 是一个去中心化的云计算平台，旨在为开发者和企业提供更灵活、高效、更具成本效益的云计算解决方案。该项目的“超级云”平台基于分布式区块链技术，利用区块链去中心化的特性，为用户提供全球性、去中心化的云基础设施，包括CPU、GPU、存储等多样化的计算资源。 Akash Network 由拥有丰富项目背景、经验丰富的企业家 Greg Osuri 和 Adam Bozanich 创立，其使命很明确：降低云计算成本、提高可用性并让用户更好地控制计算资源。通过激励提供商通过竞价流程开放闲置计算资源，Akash Network 实现了更有效的资源利用，为资源需求者提供有竞争力的价格。 2023 年 1 月，Akash Network 启动了 Akash Network Economics 2.0 更新，以解决当前代币经济中的各种缺陷，包括： $AKT 市场价格的波动导致长期合同价格和价值的不匹配。对资源提供者释放大量算力的激励不足。社区激励措施不足阻碍了项目的长期发展。 $AKT 的价值捕获不足对项目稳定性构成风险。据官网介绍，Akash网络经济2.0计划中提出的解决方案包括引入稳定币支付、增加订单费用以增加协议收入、增强对资源提供者的激励以及增加社区激励等。值得注意的是，稳定币支付功能和订单费用功能已经实现。作为 Akash 网络的原生代币，$AKT 在协议中具有多种用途，包括用于验证（安全）、激励、网络治理和支付交易费用的质押。据官网显示，$AKT 的总供应量上限为 3.88 亿枚，截至 2023 年 11 月，已解锁约 2.29 亿枚（59%）。项目启动时分配的创世代币于2023年3月完全解锁并进入二级市场。创世代币的分配如下：关于价值获取，白皮书中提到的一个值得注意的尚未实施的功能是 Akash 计划对每一次成功的租赁收取“费用”。这些费用将被发送到收入池以分配给持有人。该计划规定对 AKT 交易收取 10% 的费用，对使用其他加密货币的交易收取 20% 的费用。此外，Akash 打算奖励长期锁定 AKT 持有量的持有者，从而激励长期投资。 CoinGecko 的价格趋势显示，$AKT 在 2023 年 8 月中旬和 11 月下旬经历了上涨，尽管涨幅不如人工智能领域的其他项目，这可能是由于当前的市场情绪所致。总体而言，Akash Network 是 AI 赛道上为数不多的优质项目之一，其基本面优于大多数竞争对手。其潜在的业务收入可以为该协议带来未来的盈利能力，随着人工智能行业的发展和对云计算资源的需求不断增加，Akash Network 有望在下一波人工智能浪潮中取得重大进展。 3.3 Bittensor（$TAO）对于那些熟悉 $BTC 技术架构的人来说，理解 Bittensor 的设计非常简单。事实上，在设计 Bittensor 时，其创建者从加密货币先驱 $BTC 的几个特征中汲取了灵感。其中包括总代币供应量为 2100 万枚，大约每四年产量减半，并涉及工作量证明 (PoW) 共识机制等。为了将其概念化，想象一下最初的比特币生产过程，然后用训练和验证人工智能模型来取代计算密集型的“挖矿”过程，该过程不会创造现实世界的价值。矿工根据人工智能模型的性能和可靠性获得激励。这形成了 Bittensor ($TAO) 项目架构的简单总结。 Bittensor 由人工智能研究人员 Jacob Steeves 和 Ala Shaabana 于 2019 年根据神秘作者 Yuma Rao 撰写的白皮书成立。简而言之，它是一个开源、无需许可的协议，创建了一个由许多子网络连接的网络架构，每个子网络负责不同的任务（机器翻译、图像识别和生成、大型语言模型等）。优秀的任务完成会受到奖励，并且子网络可以相互交互和学习。就目前主要的人工智能模型而言，都是科技巨头大量计算资源和数据投资的结果。这些AI产品表现出色的同时，这种方式也带来了很高的中心化风险。 Bittensor 的基础架构允许交流专家网络进行交互和相互学习，为大规模模型的去中心化训练奠定了基础。Bittensor 的长期愿景是与 OpenAI、Meta 和 Google 等巨头的闭源模型竞争，保持去中心化特征，同时渴望与它们的推理性能相匹配。 Bittensor的技术核心是Yuma Rao独特设计的共识机制，也称为Yuma Consensus，它混合了PoW和Proof of Stake（PoS）的元素。供应方主要涉及“服务器”（矿工）和“验证者”（验证者），而需求方则由使用网络中模型的“客户端”（客户）组成。流程如下：客户端将请求和数据发送给验证器进行处理。验证者将数据分发给特定子网下的矿工。矿工使用他们的模型和接收到的数据进行推理并返回结果。验证者按质量对推理结果进行排名，并记录在区块链上。最好的推理结果返回给客户端，矿工和验证者根据排名和工作量获得奖励。值得注意的是，Bittensor 本身并不在大多数子网络中训练任何模型；它更像是模型提供者和用户之间的纽带，通过较小模型之间的交互进一步提高各种任务的性能。目前，在线有（或已经有）30个子网络，每个子网络对应不同的任务模型。 $TAO 作为 Bittensor 的原生代币，在创建子网络、在子网络中注册、支付服务费用以及向生态系统内的验证者质押方面发挥着至关重要的作用。效仿 BTC 的精神，$TAO 选择公平发布，这意味着所有代币都是通过对网络的贡献生成的。目前，$TAO 的日产量约为 7,200 个代币，均匀分配给矿工和验证者。自项目启动以来，已生产了 2100 万枚代币中的约 26.3%，其中 87.21% 用于质押和验证。该项目还遵循 BTC 大约每四年产量减半的模式，下一次减半计划将于 2025 年 9 月 20 日举行，预计将成为重要的价格驱动因素。从 2023 年 10 月下旬开始，$TAO 的价格趋势出现大幅上涨，这主要是受到 OpenAI 会议之后新一波人工智能热情以及资本转向人工智能领域的推动。 $TAO作为Web3+AI赛道的新项目的出现，其品质、长远的愿景也吸引了投资。但必须承认，与其他AI项目一样，Web3+AI的结合虽然潜力巨大，但尚未在实际业务中找到支撑长期盈利项目的应用。 3.4 Alethea.ai（$OR） Alethea.ai 成立于 2020 年，是一个致力于利用区块链技术为生成内容带来去中心化所有权和治理的项目。 Alethea.ai 的创始人相信，生成式人工智能将带领我们进入一个由生成式内容引起的信息冗余时代，在这个时代，通过简单的复制粘贴或单击即可轻松复制或生成大量数字内容，但原创者很难获得利益。通过将区块链原语（例如 NFT）与生成式人工智能连接起来，他们的目标是确保生成式人工智能及其内容的所有权，并在此之上进行社区治理。在这一理念的推动下，Alethea.ai最初推出了新的NFT标准iNFT，它利用Intelligence Pods将AI动画、语音合成甚至生成式AI嵌入到图像中。Alethea.ai 还与艺术家合作，利用他们的艺术品创建 iNFT，其中一件在苏富比拍卖会上以 478,000 美元的价格售出。 Alethea.ai 随后推出了 AI 协议，允许任何生成式 AI 开发者或创作者无需许可即可使用 iNFT 标准进行创作。为了展示 AI 协议，Alethea.ai 开发了 CharacterGPT，这是一种基于 GPT 等大型模型理论的工具，用于创建交互式 NFT。最近，他们发布了 Open Fusion，使得任何 ERC-721 NFT 都可以与 Intelligence 结合并发布在 AI 协议上。 Alethea.ai 的原生代币是 $ALI，它有四个主要用途：锁定一定数量的$ALI来创建iNFT。锁定的 $ALI 越多，情报舱的级别就越高。 $ALI 持有者参与社区治理。 $ALI 作为 iNFT 之间交互的凭证（尚无实际用例）。从 $ALI 的用例来看，很明显，代币的价值捕获仍然主要基于叙述。过去一年的代币价格趋势证实了这一点：$ALI 受益于 ChatGPT 自 2022 年 12 月开始引领的生成式 AI 热潮。此外，当 Alethea.ai 在 6 月宣布新的 Open Fusion 功能时，引发了价格飙升。然而，除了这些情况之外，$ALI 的价格一直呈下降趋势，甚至没有像类似项目那样对 2023 年底人工智能炒作做出反应。除了原生代币之外，Alethea.ai 的 NFT 项目（包括其官方集合）在 NFT 市场的表现也值得关注。根据 Dune 仪表板的数据，第三方销售的 Intelligence Pods 和 Alethea.ai 的第一方 Revenants 系列在首次发布后逐渐淡出了人们的视线。作者认为，主要原因是最初的新颖性逐渐减弱，没有实质性的价值或社区参与来留住用户。 3.5 Fetch.ai（$FET） Fetch.ai 是一个致力于促进人工智能 (AI) 与区块链技术融合的项目。其目标是通过结合机器学习、区块链和分布式账本技术来构建去中心化的智能经济，以支持智能代理之间的经济活动。 Fetch.ai 由英国科学家 Humayun Sheikh、Toby Simpson 和 Thomas Hain 于 2019 年创立，其创始团队拥有令人印象深刻的背景。 Humayun Sheikh 是 DeepMind 的早期投资者，Toby Simpson 曾在多家公司担任高管职务，Thomas Hain 是谢菲尔德大学人工智能领域的教授。创始人的多元化经历横跨传统IT公司、区块链明星项目、医疗、超级计算领域，为Fetch.ai提供了丰富的行业资源。 Fetch.ai的使命是建立一个由自治经济代理（AEA）和人工智能应用程序组成的去中心化网络平台，使开发人员能够通过创建自治代理来完成预设的目标导向的任务。该平台的核心技术是其独特的三层架构：底层：基于 PoS-uD（无许可权益证明）共识机制，该基础层支持智能合约网络，促进矿工协作以及基本的机器学习训练和推理。中间层：开放经济框架（OEF）为AEA之间交互和底层协议提供共享空间，支持AEA之间的搜索、发现和交易。顶层：AEA 是 Fetch.ai 的核心组件。每个AEA都是一个智能代理软件，能够通过技能模块执行各种功能，执行用户预定义的任务。这些代理并不直接在区块链上运行，而是通过 OEF 与区块链和智能合约进行交互。智能代理软件可以纯粹基于软件，也可以绑定到智能手机、计算机和汽车等物理硬件。Fetch.ai 提供基于 Python 的开发套件 AEA 框架，该框架是模块化的，使开发人员能够构建他们的智能代理。在此架构之上，Fetch.ai 推出了 Co-Learn（智能体之间共享机器学习模型）和 Metaverse（智能体云托管服务）等后续产品和服务，以支持用户在其平台上开发智能体。关于代币，$FET 作为 Fetch.ai 的原生代币，涵盖了支付 Gas、验证质押以及在网络内购买服务等标准功能。超过90%的$FET代币已解锁，具体分配如下：自成立以来，Fetch.ai 经历了多轮代币稀释融资，最近一次是 2023 年 3 月 29 日从 DWF Lab 获得的 3000 万美元投资。鉴于 $FET 代币不能从项目收入中获取价值，其价格动能主要依赖于项目更新和市场对人工智能领域的情绪。事实上，在两次人工智能市场繁荣的浪潮中，Fetch.ai 的价格在 2023 年初和年底经历了超过 100% 的飙升。 Fetch.ai 的发展轨迹更像是一家 Web2.0 人工智能初创公司，重点是完善其技术。它通过持续的筹款和广泛的合作寻求认可和盈利。这种方法为未来在 Fetch.ai 上开发的应用程序留下了充足的空间，但也意味着它可能对其他区块链项目没有那么大的吸引力，从而可能限制生态系统的活力。Fetch.ai 的一位创始人甚至尝试基于 Fetch.ai 推出一个 DEX 项目 Mettalex DEX，但最终以失败告终。作为一个专注于基础设施的项目，生态系统的衰弱也阻碍了 Fetch.ai 内在价值的增长。四．生成式人工智能的美好未来 NVIDIA首席执行官黄仁勋将生成大型模型的推出比作人工智能的“iPhone时刻”，表明人工智能角色的关键转变，高性能计算芯片成为人工智能稀缺资源的核心。锁定Web3 AI子赛道大部分资金的AI基础设施项目仍然是投资者长期关注的焦点。随着芯片巨头逐渐升级计算能力，AI的能力将会扩展，很可能在Web3中催生更多的AI基础设施项目，甚至可能是专门为Web3中的AI训练而设计的芯片。虽然以消费者为中心的生成式人工智能产品仍处于实验阶段，但一些工业级应用已经显示出巨大的潜力。其中一种应用是将现实世界场景转移到数字领域的“数字孪生” 。考虑到工业数据中尚未开发的价值，NVIDIA 的元宇宙数字孪生平台将生成式 AI 定位为工业数字孪生的重要组成部分。在Web3中，包括虚拟世界、数字内容创作和现实世界资产，受人工智能影响的数字孪生将发挥重要作用。新型交互硬件的开发也至关重要。从历史上看，计算领域的每一次硬件创新都带来了革命性的变化和机遇，比如现在无处不在的电脑鼠标或 iPhone 4 的多点触控电容屏。 Apple Vision Pro宣布将于 2024 年第一季度发布，以其令人印象深刻的演示吸引了全球关注，有望为各行业带来意想不到的变化和机遇。以快速内容制作和广泛传播而闻名的娱乐行业往往首先受益于硬件更新。这其中包括Web3的元宇宙、区块链游戏、NFT等，都是值得长期关注和研究的。从长远来看，生成式人工智能的发展代表着量变导致质变。ChatGPT 的核心是推理问答这一长期研究的学术问题的解决方案。只有通过扩展数据和模型迭代，才达到了 GPT-4 令人印象深刻的水平。Web3中的AI应用也类似，目前正处于Web2模型适应Web3的阶段。完全基于 Web3 数据的模型尚未出现。未来富有远见的项目和致力于研究 Web3 特定问题的大量资源将为 Web3 带来自己的 ChatGPT 级杀手级应用程序。生成式人工智能的技术基础还有很多有前景的探索途径，比如思想链技术。这项技术允许大型语言模型在多步推理方面取得重大飞跃。然而，它也凸显甚至加剧了大型模型在复杂逻辑推理方面的局限性。有兴趣的读者可以探索原作者关于Chain-of-Thought的论文。 ChatGPT之后，Web3中出现了各种以GPT为主题的项目，但简单地将GPT与智能合约结合起来并不能满足用户需求。ChatGPT 发布大约一年后，未来仍然拥有巨大的潜力。未来的产品应该从Web3用户的真实需求出发。随着Web3技术的日益成熟，生成式AI在Web3中的应用必将是广阔而令人兴奋的。来源：金色财经

金色财经2024-02-18

据悉苹果接近完成一款人工智能工具将与微软GITHUB COPILOT竞争

些举措是为了更广泛地向生成式人工智能和大型语言模型推进。苹果正在这个蓬勃发展的市场上追赶科技同行，但承诺将在今年晚些时候讨论其人工智能计划。该公告最早可能在6月苹果举行年度开发者大会时公布。受此消息影响，一度下跌1.5%的苹果股价短暂转为上涨。周四收盘时变化不大，报183.86美元。微软下跌不到1%，报406.56美元。

金融界2024-02-16

黄仁勋呼吁各国构建自己的主权AI基础设施

是，将语言和你的文化数据编纂成你自己的大型语言模型。” 随着人工智能和加速计算的发展，英伟达的GPU已经成为一个又一个创新的平台。黄仁勋说：“英伟达GPU是唯一一个可以在任何平台上使用的平台，”这种普遍性不仅使人工智能民主化，而且促进了从云计算到自主系统等领域的创新浪潮。所有这些都有望释放出超越传统上被认为是信息技术的新型创新。与传统的建议相反，黄仁勋建议计算技术应该对用户变得直观，从而消除对编程技能的需求。他认为，这种方法将使全世界的个人能够毫不费力地与人工智能互动。黄仁勋反驳了多年来许多有远见的人提出的建议，他们敦促年轻人学习计算机科学，以便在信息时代竞争。但现在情况变了 “事实上，它几乎完全相反，”黄仁勋说，“我们的工作是创造没有人需要编程的计算技术，编程语言是人类：现在世界上每个人都是程序员——这就是奇迹。”

金融界2024-02-16

随着英伟达飙升台积电股价上涨10% 创历史新高

的回复而走红。像ChatGPT这样的大型语言模型需要大量的图形处理单元进行训练。这些芯片需要足够强大，能够快速处理数千兆字节的数据以识别模式。ChatGPT是在成千上万的英伟达GPU上进行训练和运行的。摩根士丹利在2月7日向客户发布的报告中写道：“B100过渡是一个重要的近期驱动因素，影响了H100的交货时间和竞争动态。” 分析师表示，英伟达的B100 GPU预计将成为一个人工智能的游戏改变者，比其H100人工智能处理器更强大。台积电目前正在生产3纳米芯片，并计划在2025年开始量产2纳米芯片。芯片中的“纳米米”一词指的是单个晶体管的尺寸。较小的纳米尺寸通常意味着更强大和更高效的芯片，因为可以将更多的晶体管集成到单个芯片中。台湾东信电子股份有限公司的股价也在周四上涨了10%。

Heidi2024-02-15

台积电拥三大利多外资调升目标价至758元新台币

提升至758元新台币。外资指出，随着大型语言模型(LLM)的运算需求越来越高，台积电的先进制程产能变得更加稀缺且具有战略性，近期OpenAI的执行长Sam Altman就表示拟投资数兆美元兴建多座晶圆厂，并委由台积电营运管理，借此重塑全球半导体产业，而台积电的技术领先和成本结构与竞争对手英特尔相比更有优势。另外，外资认为，市场关注云端、AI半导体的成长趋势，而台积电在全球供应链中的扮演关键角色，也凸显其战略价值。外资补充，根据供应链调查显示，台积电可能再度提高先进制程的晶圆代工费用10%，以转嫁美国厂的成本，且台积电在2025年向ASML下订14至16台的EUV设备，约当今年的2倍，显示2025年和2026年3纳米的强劲需求。外资预估，台积电2024、2025年营收将连续两年成长超过20%，2026年会再年增15%，成长动能强劲，同时也将中期增长率从7%提高至7.5%。

金融界2024-02-15

黄仁勋：主权AI为全球领导人的巨大机遇，每个国家都需要拥有自己的人工智能基础设施

是，将语言和你的文化数据编纂成你自己的大型语言模型。”

金融界2024-02-15

24小时热点