FX168财经网_全球视野外汇黄金加密货币NFT资讯网

CoinGPT全球正式上线助力Web3.0生态开创无限可能

合创立的基金会组织，专注于Al演算法、深度学习和自然语言处理领域。团队成员拥有丰富的技术知识和研发经验，致力于将CoinGT打造成一个引领web3.0的重要技术驱动力。 Draconfy Capital partners、 winklevoss Capital机构专注于发掘和投资具有潜力的区块链专安，通过提供资金、资源和战路指导，推动了COinGPT技术的发展和应用，为CoinGPT提供了资金支持和市场推广资源，并为CoinGPT的应用场景开关更广阔的市场，双方共同致力于推动区块链和人工智能的融合，为web3.0生态系统的繁荣做出贡献。在CoinGPT全球云共识大会中，CoinGPT团队充分展示了智能引擎的强大能力，为行业发展提供了宝贵的经验交流平台，并为CoinGPT智能引擎的顺利上线推波助澜。CoinGPT全球云共识大会的成功结束，不仅仅意味着一个重要阶段的完成，更标志着新时代的开启。CoinGPT将继续积极推动Web3.0生态的全球发展，为全球用户提供先进的智能语言处理解决方案，助力Web3.0领域不断创新，为数字经济的繁荣做出更大的贡献。 CoinGPT智能引擎的全球正式上线，必将为Web3.0领域带来无限的发展可能性。CoinGPT的智能语言处理解决方案融合了最先进的AI智能算法技术和深度学习技术，为Web3.0行业提供了强大的技术支持。这一创新解决方案不仅能够提高Web3.0领域的效率和价值，更能够探索更广阔的商业应用场景，进一步拓宽行业的发展空间。 CoinGPT团队对于CoinGPT全球正式上线的成果感到由衷的欣喜和感激，并衷心感谢全球合作伙伴和用户的持续支持与信任。未来，CoinGPT将继续与各方紧密合作，深入挖掘Web3.0领域的潜力，并不断朝着成为 Web3.0 行业领先的中间件应用发展，并将进一步深耕自然语言处理领域，创新技术，提高自身核心竞争力，不断拓展市场份额为客户创造更多的商业价值。来源：金色财经

金色财经2023-06-30

6月30日晚间要闻盘点：央行增加支农支小再贷款、再贴现额度2000亿元！5月份全国共销售彩票500.21亿元同比增长52.7%，胡锡进炒股第四天，感叹渴望国家刺激经济政策的出台……

系统保持足够弹性。在硬件扩展性方面，为深度学习等各类人工智能算法部署预留算力支持；在软件扩展性方面，预留各类标准化接口，做好人工智能、大数据等各类服务的实时对接；在架构扩展性方面，支持分布式存储及计算，并做好各类异构数据的融合。中证协表示，券商也应建立健全数据治理和质量控制机制，在整体管理上应结合自身特点逐步实现，先母公司后集团，先信用、投资业务后其他业务（如投行、资产管理业务等），并对有关系统进行回溯、评估、动态调整，不断优化完善。深交所公布半年报预约披露情况：卫星化学拔得头筹深交所公布半年报预约披露情况：卫星化学拔得头筹，将于7月18日披露2023年半年报。北向资金今日净买入36.75亿元京东方A净买入2.83亿元北向资金今日净买入36.75亿元。京东方A、美的集团、三一重工分别获净买入2.83亿元、2.4亿元、1.43亿元。中国中免净卖出额居首，金额为5.85亿元。【地方热点聚焦】镇江：住房公积金贷款额度提至80万元多孩家庭可再上浮江苏省镇江市住房和城乡建设局等十部门联合出台《关于进一步促进我市房地产市场健康稳定发展的通知》。《通知》提出，提高住房公积金贷款最高额度。公积金缴存职工购买自住住房符合我市公积金贷款相关规定的，职工个人最高贷款额度由30万元调整为50万元；职工家庭最高贷款额度由50万元调整为80万元。在提高多子女家庭住房公积金贷款额度上，符合国家二孩、三孩生育政策生育二孩以上（含二孩）的缴存职工家庭，于本通知实施后购买自住住房，申请首次住房公积金贷款的，二孩家庭最高贷款额度在镇江市最高额度基础上提高10万元，三孩及以上家庭最高贷款额度在镇江市最高额度基础上提高20万元。【海外财经速递】美债连续第20周获得资金流入系12年来最长连续流入纪录美国银行投资策略师援引EPFR Global数据表示，截至6月28日止一周，全球股票基金录得资金流入。股票吸引了15亿美元的资金流入，债券吸引了6亿美元的资金流入，美国国债连续第20周获得资金流入（系2011年9月以来最长时间）。荷兰光刻机巨头阿斯麦回应出口管制：并非所有浸润式DUV设备出口都需获得荷兰政府许可荷兰政府于今日颁布了有关半导体设备出口管制的新条例。荷兰光刻机巨头阿斯麦公司（ASML）在声明中表示，这些新的出口管制条例针对对象为先进的芯片制造技术，包括最先进的沉积设备和浸润式光刻系统，并非部分媒体报道的所有浸润式DUV光刻系统。根据新出口管制条例规定，ASML需要向荷兰政府申请出口许可证才能发运最先进的浸润式DUV系统（即TWINSCAN NXT：2000i及后续推出的浸润式光刻系统）。荷兰政府将决定是否授予或拒发出口许可证，并将向ASML提供许可证所附条件的细节。【重要公司动态】台积电Q2线上法说会预计7月20日召开台积电公告公司2023年第二季度法人说明会将于2023年7月20日召开。台积电提到，届时公布公司2023年第二季度财务报告及2023年第三季度业绩展望。腾讯控股：耗资约4.01亿港元回购121万股腾讯控股（00700.HK）在港交所公告，当日回购121万股股份，每股作价329.6港元至333.6港元，共耗资约4.01亿港元。友邦保险：斥资约1.32亿港元回购166.6万股友邦保险（01299.HK）发布公告，当日斥资约1.32亿港元回购股份166.6万股，每股回购价格为78.55-80.4港元。中国联通联通资产运营有限公司副总经理张清贵被查据山东省纪委监委网站消息，中国联通联通资产运营有限公司党委委员、副总经理张清贵涉嫌严重违纪违法，目前正接受中国联通纪检监察组和山东省淄博市监委纪律审查和监察调查。

金融界2023-06-30

中证协：全面规范券商同一业务同一客户风险管理

系统保持足够弹性。在硬件扩展性方面，为深度学习等各类人工智能算法部署预留算力支持；在软件扩展性方面，预留各类标准化接口，做好人工智能、大数据等各类服务的实时对接；在架构扩展性方面，支持分布式存储及计算，并做好各类异构数据的融合。中证协表示，券商也应建立健全数据治理和质量控制机制，在整体管理上应结合自身特点逐步实现，先母公司后集团，先信用、投资业务后其他业务（如投行、资产管理业务等），并对有关系统进行回溯、评估、动态调整，不断优化完善。

金融界2023-06-30

云创数据：6月27日接受机构调研，上海龙猛私募基金管理有限公司参与

的强势崛起，公司率先深化I技术研发，将深度学习、神经网络等技术应用于大数据的存储与处理，形成智能化的产品，进一步提升数据的价值，用科技优化世界。问：近几年疫情对整个市场经济环境造成了一定影响，今年随着疫情好转，公司认为市场环境是否有所改善？答：公司这几年也受到疫情的影响，一方面对人员出行、供货周期、项目交付等方面造成严重影响；另一方面受宏观经济影响，市场需求下降。面对这些不利因素，公司团队积极应对，选择加大研发投入修炼“内功”，为下一阶段的快速成长奠定坚实的基础。今年国内疫情形式好转，市场需求虽未完全恢复，但也有望逐步复苏。公司在保持稳健经营的同时，不断研判市场需求变化，努力抓住机遇实现快速发展。目前，大数据和人工智能产业符合国家战略发展方向，生成式I技术方向近期十分火热，公司未来仍将坚持不断自主研发创新，相信将会通过硬科技实力迎来更加广阔的发展空间。问：请公司cStor超低功耗云存储一体机是如何实现低功耗、高密度的技术性能指标的？答：cStor超低功耗云存储一体机是公司自主研发的软硬件一体化存储产品，可为用户提供超低功耗、高密度的云存储服务，单个国标尺寸机柜（42U）最大可容纳5,300TB存储容量，功耗低于9,500W，支持万亿级文件规模，为客户构建高密度、低能耗、高可靠的大数据存储解决方案。从技术实现角度上，公司通过自主设计的64位低功耗主板、交直流转化、统一散热等方式降低能耗；同时，通过自研软件实现低功耗架构、控制磁盘休眠等方法，降低能耗开销，提升系统容量密度。问：请贵公司“智慧路灯伴侣”产品主要应用在哪些领域？答：公司“智慧路灯伴侣”能够安装到现有的路灯上，即可将普通路灯升级为覆盖整个城市的智慧感知触点，实现360°全景监控、人脸识别、车牌识别、实时巡查、视频标注、环境监测、便民服务等功能。目前产品主要应用于智慧城市、智慧园区、智慧校园、智慧小区等场景。问：请公司向量计算一体机的研发历程是怎样的？该产品的具体定位是什么？和向量数据库的有什么区别？答：“cVector向量计算一体机”的初代产品是公司约6年前开始研发，并于3年前推出的“超大规模人脸向量比对一体机”，当时公司发现面向大规模人脸比对场景时（例如在学校宿舍区，通过视频监控判断每一个进入区域的人员是否是校内人员，当发现校外人员进入时发出告警，提升校园安全等场景），如果采用业内常规的特征计算方法，需要大量的GPU卡支撑，费用十分高昂。公司通过自研算法和软件，将人脸数据转换成特征向量数据存放在一体机上，用优化后的CPU计算代替GPU进行高维向量计算比对，大幅提升搜索性能、降低成本，单台“超大规模人脸向量比对一体机”每秒可处理约7亿次人脸数据特征向量比对。之后随着公司技术研发推进，公司前瞻性研判当人工智能技术大规模应用时，对算力的需求会呈现爆炸式增长，而向量计算技术则是解决这一难题的关键核心。向量计算的方法不仅可用于人脸数据，其他结构化和非结构化的数据都可以转化为向量数据。因此，公司经过技术升级与产品更新迭代，于2022年6月推出了“cVector向量计算一体机”，用以支撑大规模向量计算的应用场景。公司cVector向量计算一体机是一款软硬件一体化的产品，具有类似向量数据库的功能。该产品主要应用于人工智能领域中的大规模图像检索和生成式I大模型推理两大主要场景，目标定位是辅助解决仅依靠GPU不足以支撑所需算力的难题，具有更高的性价比优势。目前国内外已经有多款向量数据库软件，cVector向量计算一体机是软硬件一体化的产品，在产品定位、架构原理、实现方式等方面均与向量数据库有本质区别。问：请公司是否有意向研发属于自己的向量数据库软件？答：公司目前没有这方面的计划。一方面，公司更愿意发挥自身领域的特色优势，公司自研的cVector向量计算一体机已经实现了相关功能且具有明显性价比优势，不需要再另行投入研发向量数据库的软件；另一方面，该领域技术发展速度快，多款向量数据库软件已开源并日趋成熟，当未来有需要的时候也可以通过将成熟软件与公司一体机等产品进行融合，进一步提升性能优势，满足不同用户的需求。问：公司的主要市场方向中包含教育版块，在该领域公司主要开展的业务内容有哪些？具有什么优势？答：教育领域是云创数据的核心业务版块之一，能够为院校、培训机构、个人提供涵盖青少年人工智能编程以及高职、高校的云计算、大数据、人工智能完整人才培养解决方案，包括教材、实验、实训等体系内容。公司在技术产品、客户资源、合作伙伴方面均具有一定优势，目前已服务全国百余所院校。公司被国家教育部学校规划建设发展中心认定为“大数据与人工智能智慧学习工场”；具有“大数据应用部署与调优”职业技能等级证书“1+X”认证资质；获批工业和信息化部颁发的“教育与考试中心人才培养工程培训基地”。今后，公司将继续发挥自身在教育领域的核心竞争优势，保持技术领先性，积极开拓教育市场，追求更大的发展空间。谢谢！问：公司在国产化替代方面有哪些储备？答：在国产化方面，随着国家政策逐步落地，以及国产化芯片进程的不断加速，目前公司已经与国内多家国产化平台实现了兼容性互认证（公司相关软件技术平台能够与这些国产化硬件平台、国产化操作系统兼容，在国产化平台上稳定运行），包括飞腾、海光、鲲鹏、中科可控等系列的国产化硬件平台，以及麒麟等国产化操作系统。公司陆续推出了大数据存储、大数据平台、以及多种人工智能的全国产化替代的解决方案。云创数据（835305）主营业务：提供大数据存储产品、大数据处理产品及解决方案。云创数据2023一季报显示，公司主营收入3870.52万元，同比下降29.75%；归母净利润-1113.71万元，同比下降431.43%；扣非净利润-1179.35万元，同比上升10.02%；负债率32.13%，财务费用259.43万元，毛利率20.14%。该股最近90天内无机构评级。融资融券数据显示该股近3个月融资净流入563.82万，融资余额增加；融券净流入0.0，融券余额增加。以上内容由证券之星根据公开信息整理，由算法生成，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-06-30

机器人方向的主动基金净值再创新高！AI机器人指数近半月涨超12%，机器人是AI的绝佳载体？

、说、理解和思考的能力。机器人可以通过深度学习、自然语言处理等技术来实现语音识别、图像识别、自主导航等功能。AI的发展将给机器人注入灵魂，进一步提高机器人的智能化水平，为机器人领域带来更多的发展机遇。今年以来扶持机器人行业发展的政策也层出不穷，6月28日，北京相关部门发布《北京市机器人产业创新发展行动方案（2023-2025年）》，人形机器人再次明确获政策支持，方案强调聚焦发展机器人1+4”产品体系，加快建设北京市人形机器人产业创新中心，并巩固提升医疗健康、协作、特种、物流四类优势机器人。6月15日，上海市政府发布了《上海市推动制造业高质量发展三年行动计划（2023-2025年）》，提出2025年工业机器人密度力争达到360台/万人的目标。不止于此，对于下半年机器人赛道的发展，我们可以看到很多催化剂的存在——傅利叶智能即将发布通用人形机器人，OPEN AI的机器人也即将落地，九月末特斯拉将举办Al day。巨头、新玩家也都纷纷入场。目前市场上少的关注机器人方向的主动基金，永赢先进制造智选（018125）基金经理张璐强调：人形机器人行业壁垒高（对企业资金、技术、资源整合），天花板高（以全球80亿人口为基数），而且产业链长。在AI注入灵魂的帮助下，机器人，可能是未来不可多得的——如同当年消费电子中苹果产业链、特斯拉电动车产业链——现象级的长坡厚雪大赛道。机器人的闪耀登场远不止解放双手那简单，未来的世界里每个人都不止有一个人形机器人，无论从情感陪伴还是物理支持都将全方位赋能人类的生活。特斯拉创始人兼首席执行官马斯克认为：“未来每个人都会拥有一个人形机器人，这个市场将会超过电动车的需求。特斯拉的长期价值，将会是 Optimus。” 工业机器人中的国产化渗透率提升和人形机器人的星辰大海，都将带来属于新时代的投资机遇。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-06-29

精彩回顾 | 来看 Q T F 量化科技嘉年华上的 D o l p h i n DB

难以满足处理需求，很多团队都已经引入了深度学习工具。 DolphinDB 首先提供了内置的机器学习工具，并支持分布式存储和计算。此外，研究员们可以通过 AI Data Loader，用 SQL 语句把分布式数据库当中的数据直接对接到 PyTorch 等工具中，省去了数据转换与落地的成本。 DolphinDB 最近也在做一些新的工作和探索。正在研发中的 GPU 算子库可以将计算无缝迁移到 GPU 中，使得性能有数量级的提升。最后，面对越来越丰富的多元化数据、异构数据，DolphinDB 正在研发 Vector Database，来支持对这些数据方便的存储和检索。完整的演讲内容可以添加 DolphinDB 小助手(dolphindb1)获取～圆桌论坛圆桌论坛环节，周博士与来自投研平台、量化交易平台和券商投研交易团队的三位负责人共同进行了《量化新视野下的前沿技术探索》主题讨论，围绕 AI 大模型、深度学习在业务中的实践、新技术下软硬件成本、未来潜在发展等热点话题，与观众交流。圆桌问题一览： ·最近最火热的技术趋势就是 AI 大模型，请问一下各位嘉宾，有自己玩过 ChatGPT 吗?有没有什么有意思的实践可以分享? ·前一阵某知名千亿量化私募宣布成立新的团队入场大模型 AI，请问各位对此有什么看法? ·有人说，量化研究员的工作就是每天挖掘各种因子，但很多时候一个优秀的模型也会带来显著的策略增长，那么在量化领域里，各位认为因子和模型这两者是什么样的关系?哪一块更重要? ·其实很早之前，机器学习就已经应用于预测股市价格、走势等方面的场景，但往往专注于传统模型比如决策树。现在比较流行深度学习模型，什么递归神经网络模型、卷积神经网络模型等等。能否结合自身业务，谈谈在这方面的实践? ·除了前面提到的传统的选股、择时等业务，未来这类前沿技术会给量化领域带来哪些新的可能?潜在的发展方向又有哪些? ·从应用的角度来说，想要将深度学习和业务结合产生好的效果，对咱们团队提出了哪些软硬件需求? ·我们知道深度学习模型并不完全是对传统的机器学习算法的简单升级。在做决策时，尤其是风控，可解释性和对业务的理解非常重要。有时对一些结构化数据使用深度学习，会产生过拟合。对于数据挖掘和可解释性的平衡问题，各位有什么看法? 四位嘉宾围绕以上七个问题展开了深入讨论，各抒己见，也激发了现场观众的思考。特装展区 DolphinDB 在 QTF 量化科技嘉年华中，不仅主办了6月3日上午的“因子挖掘与机器学习”分论坛，还在特装展区设置了丰富的小礼品和抽奖活动，并有专业的技术支持现场解答与路演。无线耳机、特制飞盘、定制文化衫、因子日历、笔记本……无论你是洽谈商务的业务人士，还是追赶潮流的年轻人，都有机会在 DolphinDB 展区抽到你喜爱的礼品，了解你想要的最新资讯，获得一对一与技术同事交流的机会。现场交流幸运转盘100%中奖! 热情的粉丝护照集章，兑换你的专属礼品～来源：金色财经

金色财经2023-06-27

精彩回顾 | 来看 QTF 量化科技嘉年华上的 DolphinDB

难以满足处理需求，很多团队都已经引入了深度学习工具。 DolphinDB 首先提供了内置的机器学习工具，并支持分布式存储和计算。此外，研究员们可以通过 AI Data Loader，用 SQL 语句把分布式数据库当中的数据直接对接到 PyTorch 等工具中，省去了数据转换与落地的成本。 DolphinDB 最近也在做一些新的工作和探索。正在研发中的 GPU 算子库可以将计算无缝迁移到 GPU 中，使得性能有数量级的提升。最后，面对越来越丰富的多元化数据、异构数据，DolphinDB 正在研发Database，来支持对这些数据方便的存储和检索。完整的演讲内容可以添加 DolphinDB 小助手（dolphindb1）获取～圆桌论坛圆桌论坛环节，周博士与来自投研平台、量化交易平台和券商投研交易团队的三位负责人共同进行了《量化新视野下的前沿技术探索》主题讨论，围绕 AI 大模型、深度学习在业务中的实践、新技术下软硬件成本、未来潜在发展等热点话题，与观众交流。圆桌问题一览： ·最近最火热的技术趋势就是 AI 大模型，请问一下各位嘉宾，有没有什么有意思的实践可以分享？ ·前一阵某知名千亿量化私募宣布成立新的团队入场大模型 AI，请问各位对此有什么看法？ ·有人说，量化研究员的工作就是每天挖掘各种因子，但很多时候一个优秀的模型也会带来显著的策略增长，那么在量化领域里，各位认为因子和模型这两者是什么样的关系？哪一块更重要？ ·其实很早之前，机器学习就已经应用于预测股市价格、走势等方面的场景，但往往专注于传统模型比如决策树。现在比较流行深度学习模型，什么递归神经网络模型、卷积神经网络模型等等。能否结合自身业务，谈谈在这方面的实践？ ·除了前面提到的传统的选股、择时等业务，未来这类前沿技术会给量化领域带来哪些新的可能？潜在的发展方向又有哪些？ ·从应用的角度来说，想要将深度学习和业务结合产生好的效果，对咱们团队提出了哪些软硬件需求？ ·我们知道深度学习模型并不完全是对传统的机器学习算法的简单升级。在做决策时，尤其是风控，可解释性和对业务的理解非常重要。有时对一些结构化数据使用深度学习，会产生过拟合。对于数据挖掘和可解释性的平衡问题，各位有什么看法？四位嘉宾围绕以上七个问题展开了深入讨论，各抒己见，也激发了现场观众的思考。特装展区 DolphinDB 在 QTF 量化科技嘉年华中，不仅主办了6月3日上午的“因子挖掘与机器学习”分论坛，还在特装展区设置了丰富的小礼品和抽奖活动，并有专业的技术支持现场解答与路演。无线耳机、特制飞盘、定制文化衫、因子日历、笔记本……无论你是洽谈商务的业务人士，还是追赶潮流的年轻人，都有机会在 DolphinDB 展区抽到你喜爱的礼品，了解你想要的最新资讯，获得一对一与技术同事交流的机会。现场交流幸运转盘100%中奖！热情的粉丝护照集章，兑换你的专属礼品～来源：金色财经

金色财经2023-06-27

积云资本上线全球首家A.I.行情信息共享服务平台

支持CPU、GPU混合分布式运算 2.深度学习和大规模训练系统：支持千亿级参数的模型行业领先的内存优化技术极大提升了策略的准确迭代速度 3.高性能异构基础算法库：包含了神经网络在内的各种机器学习算法与数学处理算法存储币市最小颗粒度源数据 4.海量因子监控与分析：多因子的灵活构建与多种纬度的分析框架支持各类因子自动监控与分析提高预判准确率 5.多资产回测框架：币种现货、合约、杠杆等多资产、多策略回测，丰富的衍生工具真实验证策略有效性 6.交易策略优化系统：高性能的组合优化系统基于人工智能学习让趋势预测和策略拟合度呈几何级提升 7.风险对冲模型：接轨国际领先的风险模型算法提供28种技术因子和16种成长因子采取对冲策略全面抵抗波动风险 8.金融专家与人工智能算法工程师：团队由金融交易专家、加密算法专家、P2P全栈开发工程师及20年经验股市策略师组成的量化交易梦之队 Walkie-Talkie是一个将全球顶级转件团队提供的机构级行情分析报告，以简单易懂的6色曲线方式向大众用户呈现数字货币行情走势的免费工具软件。通过讯息共享方式为会员提供行情信号，用户免费注册即可成为会员享受免费的行情信号服务。同时针对个人用户也开放两类理财产品，分别为固定收益类型基金产品和浮动收益类型基金产品。理财产品均为固定周期型产品，定期开放和封闭。类型也分为单一型资产或多元化资产。用户可以根据个人理财风险承受度和收益需求选择适合自己的理财产品。同时也提供多元的推广邀请激励，包含用户邀请、团队建立及合伙人激励。奖励来自于基金量化收益，用户获得的团队建立激励将从中进行分配。积云资本团队在二级市场投资交易、区块链等领域具有丰富的投资和管理经验，经历多轮周期及金融危机，屡获全球顶级对冲基金大奖。顶级金融人才+扎实理论+丰富实践=长期稳定回报。积云资本，投资给我们想要的世界！来源：金色财经

金色财经2023-06-26

深入剖析ZKML赛道：智能合约智能性的下一步

工具，用于在 zk-SNARK 中进行深度学习模型的推理。使用 EZKL，您可以在 Pytorch 或 TensorFlow 中定义一个计算图，并将其导出为带有 JSON 文件中一些示例输入的 ONNX 文件，然后将 EZKL 指向这些文件以生成 zkSNARK 电路。通过最新一轮的性能改进，EZKL 现在可以在约 6 秒和 1.1 GB 的 RAM 内证明一个 MNIST 大小的模型。迄今为止，EZKL 已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So 的 circomlib-ml 库包含了用于 Circom 的各种 ML 电路模板。电路包括一些最常见的 ML 函数。由 Cathie 开发的 Keras 2c ircom 是一个 Python 工具，使用底层的 circomlib-ml 库将 Keras 模型转换为 Circom 电路。 LinearA 开发了两个用于 zkML 的框架：Tachikoma 和 Uchikoma。Tachikoma 用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma 是一个工具，将 TVM 的中间表示转换为不支持浮点运算的编程语言。LinearA 计划支持使用域算术的 Circom 和使用有符号和无符号整数算术的 Solidity。 Daniel Kang 的 zkml 是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的 ML 模型执行证明的框架。在撰写本文时，它能够在约 5 GB 的内存和约 16 秒的运行时间内证明一个 MNIST 电路。在更广义的模型到证明编译器方面，有 Nil Foundation 和 Risc Zero。Nil Foundation 的 zkLLVM 是一个基于 LLVM 的电路编译器，能够验证用流行编程语言（如 C++、Rust 和 JavaScript/TypeScript 等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如 zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero 构建了一个通用的 zkVM，针对开源的 RISC-V 指令集，因此支持现有成熟的语言，如 C++和 Rust，以及 LLVM 工具链。这允许在主机和客户 zkVM 代码之间实现无缝集成，类似于 Nvidia 的 CUDA C++工具链，但是使用 ZKP 引擎代替 GPU。与 Nil 类似，使用 Risc Zero 可以验证 ML 模型的计算轨迹。 02 广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo 2 和 Plonky 2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于 R 1 CS 的证明系统包括 Groth 16 ，因其小型证明尺寸而闻名，以及 Gemini，因其处理极大电路和线性时间验证器而闻名。基于 STARK 的系统，例如 Winterfell 证明器/验证器库，尤其在通过 Giza 的工具将 Cairo 程序的追踪作为输入，并使用 Winterfell 生成 STARK 证明来验证输出的正确性时，非常有用。 03 zkML 特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于 GKR 证明系统的 zkCNN 和基于组合技术的 Zator 等系统往往比通用证明系统更具性能，这一点在 Modulus Labs 的基准测试报告中有所体现。 zkCNN 是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用 sumcheck 协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU 激活函数和最大池化。根据 Modulus Labs 的基准测试报告，zkCNN 特别有趣的地方在于它在证明生成速度和 RAM 消耗方面优于其他通用证明系统。 Zator 是一个旨在探索使用递归 SNARK 来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator 提出使用递归 SNARK 逐层进行验证，可以逐步验证 N 步重复计算。他们使用 Nova 将 N 个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator 能够对具有 512 层的网络进行 SNARK，这与大多数当前的生产 AI 模型一样深。Zator 的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于 zkML 处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs 是 zkML 领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs 通过 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个人类与经过验证的链上 Leela 国际象棋引擎对战的棋盘游戏）展示了 zkML 的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin 正在尝试应用 zkML 来创建一个保护隐私的人类身份证明协议。Worldcoin 使用定制硬件处理高分辨率虹膜扫描，并将其插入到 Semaphore 实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza 是一种协议，采用完全无信任的方法在链上部署 AI 模型。它使用包括 ONNX 格式表示机器学习模型、Giza Transpiler 用于将这些模型转换为 Cairo 程序格式、ONNX Cairo Runtime 用于以可验证和确定性的方式执行模型，以及 Giza Model 智能合约用于在链上部署和执行模型的技术堆栈。尽管 Giza 也可以归类为模型到证明编译器的类别，但他们作为一个 ML 模型市场的定位是目前最有趣的应用之一。 Gensyn 是一个分布式硬件供应网络，用于训练 ML 模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式 GPU 网络能够为全尺度模型提供训练服务。尽管他们在这里的 zkML 应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将 zk 和 ML 相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo 2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9 ，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML 面临的挑战尽管在提高和优化方面取得了飞速的进展，但 zkML 领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理 zk 电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9 上的一项黑客马拉松项目 Zero Gravity 显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于 zk 的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM 消耗和证明生成时间会迅速增加。某些证明系统（例如使用 sumcheck 协议和分层算术电路的基于 GKR 的系统）或组合技术（例如将 Plonky 2 与 Groth 16 相结合，Plonky 2 在证明时间方面效率高但对于大型模型的高效证明大小较差，而 Groth 16 在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在 zkML 项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或 DAO 选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的 zkML 可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在 zk 的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML 从0x PARC 在 2021 年展示了如何在可验证电路中执行小规模 MNIST 图像分类模型的演示，到 Daniel Kang 在不到一年后为 ImageNet 规模的模型做同样的工作的论文。在 2022 年 4 月，这个 ImageNet 规模的模型的准确性从 79% 提高到 92% ，并且像 GPT-2 这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为 zkML 是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管 zkML 仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的 zkML 用例。来源：金色财经

金色财经2023-06-24

机器人概念迎来风口，机器人指数近一周涨幅17%，现象级长坡厚雪大赛道来临！机器人是AI的最强落地方式之一？

、说、理解和思考的能力。机器人可以通过深度学习、自然语言处理等技术来实现语音识别、图像识别、自主导航等功能。AI的发展将进一步提高机器人的智能化水平，为机器人领域带来更多的发展机遇。政府频频出台扶持政策支持机器人行业的发展，6月15日上海市政府发布《上海市推动制造业高质量发展三年行动计划（2023-2025年）》，文件提出“工业机器人使用密度力争达360台/万人”“打造20家标杆性智能工厂、200家示范性智能工厂，新增应用工业机器人不少于2万台”；另外，专项资金扶持、税收优惠、股权投资等方面的优惠政策帮助企业降低了生产成本，有助于推动机器人赛道的发展目前市场上少的关注机器人方向的主动基金，永赢先进制造智选（018125）基金经理张璐强调：人形机器人行业壁垒高（对企业资金、技术、资源整合），天花板高（以全球80亿人口为基数），而且产业链长。机器人，可能是未来不可多得的——如同当年消费电子中苹果产业链、特斯拉电动车产业链——现象级的长坡厚雪大赛道。特斯拉创始人兼首席执行官马斯克认为，特斯拉人形机器人在技术上“与车同源”，未来每个人都会拥有一个人形机器人，这个市场将会超过电动车的需求，可能是百亿美元级别的。”，马斯克甚至还宣称，“特斯拉的长期价值，将会是 Optimus。” NVIDIA公司创始人兼首席执行官黄仁勋表示：下一波人工智能浪潮是“具身人工智能（embodied AI）”，即能够理解、推理并与物理世界互动的智能系统。AI 是我们这一时代最强大的技术力量。第一阶段人工智能将实现全新的软件自动化水平，从而帮助诸多行业提高生产力；其后，人工智能与传感器和执行器相结合，将成为新一代自主机器的核心。终有一天，数十亿台智能机器将用于制造、送货上门服务、仓储物流等领域。风险提示：基金有风险，投资需谨慎。观点仅供参考，不构成任何投资建议。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-06-21

24小时热点