FX168财经网_全球视野外汇黄金加密货币NFT资讯网

中国开源参与者数量全球排名第二，行业大咖齐聚论坛共话开源

至少在基础软件领域开源不可逆，大模型和生成式AI的发展将大幅度提升开源开发质量与效率。未来，应大力弘扬开源精神，把握开放、共享、协同、生态的开源本质；鼓励奉献，尊重市场，探索开源商业模式；推进构建面向全球的开源生态治理体系，从人类命运共同体的视角来促进全球化开源生态；探索LLM/AIGC在开源软件开发中的应用，构建面向开源软件开发的ACI系统，在维护开发者群体多样性和持续创造性前提下，有效提升开发效率和质量。　　中国科学院院士王怀民作《群智范式：软件开发范式的新变革》主旨报告。他认为，开源已成为科技领域创新的重要模式，通过自组织的社区群体，鼓励人们以兴趣为导向进行软件创作，以群智激发的多样性推动创新，适应网络计算时代的不确定。应探索融合工程范式与开源范式的群智软件开发新范式，形成有为政府、有效市场和有机社会的强大合力，共同打造我国新型开源基础设施底座，探索学术共同体开源发展新模式，共同构建充满活力的开源创新生态。　　开放原子开源基金会理事长孙文龙在开幕式上作了题为《开放原子聚善为源》的主旨报告。他表示，基金会作为我国首家开源基金会，始终秉承“科技、公益、普惠”理念，推动开源生态快速发展。成立三年来，32个开源项目通过技术监督委员会（TOC）的技术准入，覆盖操作系统、存储、安全、中间件、云原生、超算、人工智能、区块链、开源硬件、工业软件、浏览器内核、字库标准等12个重点领域，为“存、防、云、算”和“芯、软、硬、端”的共生打下基础。连续推出“校源行”“源译识”“源规律”“心寄源”等公益项目，以“双一流”院校及33所特色化示范性软件学院为起点，与100所院校签约，在50所以上高校成立开源社团，开展开源助学金、开源课程等资助，编制开源课程数量超100学时，培育开源大使200多名。发起成立开源安全委员会，推动制度、技术、产品、标准、人才协同促进，赋能开源生态创新发展。

金融界2023-06-12

海天瑞声：数据作为人工智能发展的三大核心要素之一，对产业进步起着至关重要的作用

端芯片甚至还有距离，在这种现实下，国产生成式AI、大模型想要缩小甚至追上ChatGPT水平，靠高质量训练数据以及更好的算法能否尽量弥补算力芯片的差距？对国产大模型来说，在算力芯片显著弱于国外对手情况下高质量的训练数据是否更为重要？海天瑞声董秘：尊敬的投资者：您好，数据作为人工智能发展的三大核心要素之一，对产业进步起着至关重要的作用。在模型训练过程中，高质量的数据可以帮助节约算力、训练时间以及训练成本，同时也会大幅提升模型的训练效果。未来，公司也将通过持续的研发投入，不断提升数据生产的能力、规模和质量，更好助力我国生成式AI的发展。投资者：作为AI应用里最激动人心、最有前景的智能驾驶，贵司智能驾驶业务从收入增速到收入占比的提升均在贵司业务里名列前茅，贵司的智能驾驶是否考虑引入大型车企、互联网巨头等在内的外部投资者，以增强实力追赶百度阿波罗以及华为等智能驾驶头部企业。海天瑞声董秘：尊敬的投资者：您好，您提到的百度阿波罗、华为等均为智能驾驶的技术类公司，而公司是专业的训练数据服务商，主要为技术类公司提供其模型训练所需的专业数据集。目前公司智能驾驶领域服务的客户数量超过50家，获得了市场的良好口碑。未来，公司会通过持续研发以及销售团队的布局更好支撑公司智能驾驶业务发展，同时也感谢您对公司的关注和提出的宝贵意见，如有相关计划，公司会按要求进行及时披露。海天瑞声2023一季报显示，公司主营收入2881.74万元，同比下降39.81%；归母净利润-1361.63万元，同比下降244.27%；扣非净利润-1704.82万元，同比下降477.02%；负债率3.58%，投资收益254.15万元，财务费用32.77万元，毛利率47.79%。该股最近90天内共有1家机构给出评级，增持评级1家。近3个月融资净流入1287.74万，融资余额增加；融券净流出6113.9万，融券余额减少。根据近五年财报数据，证券之星估值分析工具显示，海天瑞声（688787）行业内竞争力的护城河一般，盈利能力良好，营收成长性一般。财务可能有隐忧，须重点关注的财务指标包括：货币资金/总资产率、应收账款/利润率、应收账款/利润率近3年增幅。该股好公司指标2.5星，好价格指标1星，综合指标1.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）海天瑞声（688787）主营业务：AI训练数据的研发设计、生产及销售业务。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2023-06-12

云计算市场酝酿新一轮价格战！产品和服务质量才是服务纵深发展的“王道”

场已步入增长稳定期，但从长期来看，随着生成式AI、自动驾驶等新的大规模应用推开，云服务市场仍有较大提升空间。　　　　天眼查数据显示，截至目前，云计算相关企业40.8万余家，其中，2022年新增注册企业11.8万余家，新增注册企业增速47.1%；另外，2023年1-5月，新增注册企业3.7万余家；　　从地域分布来看，北京以7.9万余家位列区域首位；广东、浙江分列二、三位，分别拥有4.2万余家以及2.3万余家；　　从成立时间来看，50.9%的相关企业成立于1-5年，成立于1年以内的相关企业占比3.1%；　　从企业类型来看，86.7%的相关属于有限责任公司。

金融界2023-06-12

海天瑞声：目前公司智能驾驶领域服务的客户数量超过50家

据生产的能力、规模和质量，更好助力我国生成式AI的发展。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2023-06-12

财报分析 | AI 赋能的下一代搜索：百度的新增长引擎

务实现有机结合，百度将迎来巨大红利期。生成式AI产品不仅能在短时间内带来DAU和用户使用时长的爆发，长期来看还将促进搜索的代际变革，丰富内容生态和供给，优化搜索体验，创造下一代流量入口。云业务的发展趋势将是更加智能化，仅非带宽和算力的简单提升。文心大模型或颠覆云服务市场的现状，而生成式AI技术将为百度智能云业务打开新的成长和想象空间。另外，大模型技术未来与自动驾驶的结合还将进一步提升自动驾驶的安全性和可靠性，搭载到Apollo智驾平台则可以优化新一代人车语音交互体验。百度非常重视生成式AI的机会，认为通过整合文心一言、百度App，特别是百度搜索，将增强用户体验。文心一言提供的新功能将有助于吸引新用户并提高用户参与度，同时也会提高广告商对百度的兴趣，推动长期收入增长。 • 百度在全球AI领域的布局具备前瞻性，新的增长值得期待 • 百度在全球大厂中率先发布对标ChatGPT的大模型产品文心一言，具备在全球AI领域布局的前瞻性。并且，文心一言内测一个多月，就完成了4次大的技术升级，大模型推理性能提升近10倍。百度创始人、董事长兼首席执行官李彦宏在5月4日百度内部活动中表示，百度之所以能够在Google、Meta、Amazon等大厂之前率先发布生成式大模型产品，是因为百度在芯片、框架、模型、应用等四个层面做到全栈布局、层层领先。李彦宏：未来文心一言将通过百度智能云对外提供服务，这将是百度“云智一体”战略的里程碑，也意味着云市场游戏规则的根本性改变。云服务从数宇时代跃迁至智能时代，之前选择云厂商更多看算力、存储等基础云服务，未来，更多会看框架好不好、模型好不好，以及模型、框架、芯片、应用之间的协同。目前，已经有包括互联网、媒体、金融、保险、汽车、企业软件等行业的400多家头部企业宣布加入百度“文心一言”生态。随着文心一言等通用AI产品的技术迭代和成本降低，未来百度智能云将突破更多核心场景。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2023-06-12

没有AI的Web3没有灵魂 ZKML如何重塑AI与区块链的关系

行业正在同时经历两个转变——加速计算和生成式AI，企业竞相将生成式AI应用到各个产品、服务和业务流程中，全球万亿美元规模的已安装数据中心将从通用计算转变到加速计算。当前，几乎所有头部美元基金与机构都紧盯着AIGC赛道，通过积极建立选投坐标快速构建筛选体系，唯恐错过了通往时代的列车。相关数据显示, 2023 年一季度全球AIGC行业融资总额达38.11 亿元，融资次数共计17 次。一个风口的兴起往往代表着另一风口的衰落。人们逐渐对WEB3提出各种各样的质疑：“资本都去看AI了，Web3监管收严、叙事不行了”，“AI比Web3看起来靠谱，也更容易出独角兽。” 自人类历史的黎明以来，集体故事一直在定义我们的文化，并丰富我们对世界的理解，叙事的重要性不言而喻。如今，人工智能的叙事正逐渐深入人心，甚至渗透到了Web3领域。有业内人士开始提出“没有AI的Web3是没有灵魂的”，有超过半数的Web3公司已经开始转向AI。那么，AI+Web3将如何融合？近期，源自零知识证明和机器学习的新兴结合体ZKML叙事走热，它将如何协同人工智能和Web3，建立一个可信任的、去中心化的未来？一、AI需要Web3，反之亦然 CoinDesk的首席内容官迈克尔-凯西(Michael Casey)说：“将加密货币和人工智能视为不相关的技术是一个错误。它们是相辅相成的，彼此都在改进对方。” Web3、加密货币和区块链解决了自互联网开始以来一直存在的社会挑战，即在去中心化的环境中如何保持有价值的信息安全。它们通过采用分布式记录和激励机制的新系统来处理人类对信息的信任问题。这些系统帮助由不信任的陌生人组成的社区集体维护开放的数据记录，使他们能够在没有中间人的情况下分发和分享有价值或敏感的信息。当前，我们正迅速迈向全面人工智能时代，而这一时代所带来的挑战是十分艰巨的。这些挑战涵盖了多个方面，从保护大型语言模型（LLMs）输入的版权，到避免其输出中出现错误的偏见，再到我们目前无法准确区分真实内容和由人工智能创造的虚假信息所带来的“说谎者红利”。要确保人类不受人工智能的负面影响，没有简单的解决方法可言。任何解决方案都不能依赖于过时的20 世纪监管和技术框架来解决这些问题。我们迫切需要一个去中心化的治理系统，以应对在这个新时代如何生产、验证和分享信息的挑战。无论目前的Web3是否能提供所需的解决方案，区块链技术确实在解决这些问题方面发挥了一定的作用。不可篡改的账本使我们能够追踪图像和其他内容的来源，从而防止深度伪造。这种技术也可以用于验证机器学习人工智能产品数据集的完整性。加密货币提供了一种无边界的数字支付方式，可用于向全球为人工智能培训做出贡献的人们提供报酬，如Bittensor等项目正在努力建立代币化的区块链-政府社区，以激励人工智能开发者构建对人类友好的模型。与此相反，私营公司拥有的人工智能系统通常将股东利益置于用户权益之上。在这些想法能够实现并规模化之前，我们还有很长的路要走。我们将需要整合一系列其他技术，例如零知识证明（ZK）、同态加密、安全计算、数字身份和去中心化凭证（DID）、物联网等。此外，我们还需要解决隐私保护、惩罚不良行为、鼓励以人为本的创新智能以及多方立法监管等诸多挑战。二、ZKML如何架起AI和区块链的桥梁近期，源自零知识证明和机器学习的新兴结合体ZKML被广泛讨论。目前，机器学习（ML）的部署变得越来越复杂。很多企业主要依赖于亚马逊、谷歌、微软等服务提供商来部署复杂的机器学习模型。然而，这些服务变得越来越难以审计和理解。作为AI服务的消费者，我们如何相信这些模型所提供预测的有效性呢？ ZKML作为人工智能和区块链之间的桥梁，解决了AI模型和输入的隐私保护问题，同时确保了推理过程的可验证性。它提供了一种解决方案，使得可以在验证私有数据时使用公共模型，或在验证私有模型时使用公共数据。通过添加机器学习功能，智能合约能够变得更加自主和动态，使其能够根据实时链上数据而不是静态规则进行处理。这样一来，智能合约将更具灵活性，能够适应更多场景，甚至是那些在最初创建合约时可能没有预料到的场景。当前，机器学习算法在区块链上广泛采用的困难之一是其高昂的计算成本。由于百万级别的浮点运算无法直接在以太坊虚拟机（EVM）上执行，因此在链上运行这些模型成为一个挑战。另外，机器学习模型的信任问题也是一个障碍，因为模型的参数和输入数据集通常是私有的，而模型的算法和运行过程又如同一个不透明的“黑匣子”，这可能引发模型拥有者和模型使用者之间的信任问题。然而，通过ZKML技术，我们可以克服这些问题。ZKML允许任何人在链下运行一个模型，并生成一个简洁且可验证的证明，证明该模型确实产生了特定的结果。这个证明可以在链上发布，并由智能合约进行验证。这意味着模型使用者可以验证模型的结果，而无需了解模型的具体参数和运行细节，从而解决了信任问题。通过上述图表，我们可以看到ZKML技术兼具计算完整性、启发式优化和隐私保护等特点。这种技术在Web3领域有着广泛的应用前景，并且正在快速发展。越来越多的团队和个人加入了这个领域，推动着各种潜力巨大的ZKML项目的开发。三、ZKML项目分析以下是一些潜力ZKML项目。 1 、Worldcoin Worldcoin正在应用ZKML，试图建立一个保护隐私的人格证明协议。World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征（如虹膜），下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，接收的智能合约可以证明其 IrisCode 已成功创建。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理，并且保证ML模型的输出不会泄露用户的个人数据。 2 、Modulus Labs Modulus Labs是ZKML领域中最多样化的项目之一，致力于相关研究的同时也在积极构建链上AI应用范例，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 3 、Giza Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。Giza总体上属于机器学习模型到证明的链上编译器，为链上AI的发展提供一个替代路径。 4 、Zkaptcha Zkaptcha 专注于 Web3 中的机器人问题，为智能合约提供captcha（验证码）服务，保护智能合约免受机器人攻击，使用零知识证明来创建抗女巫攻击的智能合约。目前，该项目使终端用户通过完成captcha验证码来产生一个人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。未来，Zkaptcha 将继承 zkML，推出类似于现有的 Web 2 验证码服务，甚至可以分析鼠标运动等行为，以确定用户是否为真人。目前看来，zkML赛道还处于初级阶段，但我们有理由相信会 zkML 的力量可以给 crypto 带来更好的前景和发展，也期待该领域能出现更多样的产品，zk 技术和 crypto 为 ML 的运行提供安全可信的环境，而未来除了产品的创新之外，还可能会催生 crypto 商业模式的创新，因为在这个狂野和无政府的 Web 3 世界中，去中心化、crypto 技术和信任才是最最基础的设施。结语在日益复杂和不确定的数字世界中建立信任，一直是人工智能和Web3所面临的核心挑战。然而，将人工智能与Web3相融合却为建立一个信任、安全的去中心化未来带来了巨大希望。对于开发者、技术专家、政策制定者和整个社会而言，共同塑造人工智能和Web3的未来至关重要，我们或许可以创造出一个超乎想象的智能互联网时代。 Reference https://worldcoin.org/blog/engineering/intro-to-zkml#motivation-and-current-efforts-in-zkml https://github.com/worldcoin/awesome-zkml https://www.coindesk.com/consensus-magazine/2023/05/19/why-web3-and-the-ai-internet-belong-together/ 版权声明：如需转载欢迎加小助理微信沟通，未经允许转载、洗稿、我方将保留追究法律责任的权利。免责声明：市场有风险，投资需谨慎。请读者在考虑本文中的任何意见、观点或结论时严格遵守所在地法律法规，以上内容不构成任何投资建议。来源：金色财经

金色财经2023-06-11

被神话的GPT 造不出你的梦中神车

中楼阁。自动驾驶行业的人开始思考，或许生成式AI在语言模型上的应用思路，可以迁移到自动驾驶上。本质上，语言模型是对人类的语言建立的数学模型。计算机还是不懂自然语言，但它通过数学建模，把语言问题变成了数学问题。通过给定的文本的历史，预测下一个词出现的概率，间接地理解了自然语言。换到驾驶场景，如果给定当前的交通环境，给定一个导航地图，以及一个驾驶员驾驶行为的历史，那么，大模型是不是可以预测下一个驾驶动作？地平线创始人余凯在今年4月举办的电动汽车百人会论坛上说，ChatGPT给他很大启发，“我们要继续用大数据、更大的数据、更大的模型，并且无监督地去学习人类驾驶的尝试，就像你从大量的、无监督的、没有标注的自然文本里去学习一样”。他认为，每个驾驶员驾驶控制的序列，就像我们的自然语言文本一样。下一步，他想构建一个回归自动驾驶的大语言模型。理论上，这个思路是可行的。人工智能已经具备学习能力。根据自适应的语言模型，机器会根据用户的反馈不断迭代优化，学习用户的习惯，然后改进模型。现在的ChatGPT就运用了这项技术。那么，让机器学习司机的驾驶习惯，就不是一件很难的事情。特斯拉的影子模式，就是把真人司机的驾驶数据，投喂给机器学习。通过比对人类驾驶员行为，来达到训练算法的目的。 GPT掀起新一轮AI热潮后，对行业造成的一个认知冲击是，通过把模型的参数规模不断变大，数据量指数型增加，也就是所谓的大模型，在达到某个临界点后，模型会突然变得很聪明。过去，模型在训练阶段需要的数据，是经过人工标注的。以自动驾驶为例，数据标注员通过大量的图片标注，告诉机器什么是猫，什么是狗，猫和狗各有多少种类。标注员就像是机器的老师，一遍一遍教会它认识这个世界。问题是，老师没教过的东西，机器还是不会。典型的是特斯拉曾多次发生自动驾驶事故，车辆撞上侧翻的大卡车，因为机器识别不了。和高资本创始合伙人何宇华对深途举过这样一个例子：广州的夏季雨天频繁，在一些灯光比较昏暗的场景下，空中会有大量的飞虫。当汽车驶过时，灯光打过去，可能会有数以千计的飞虫撞向车头。在这种情况下，汽车的自动驾驶感知系统，可能会误认为是一堵墙。自动驾驶系统不能穷尽所有的corner case（极端场景），是其发展路上的一大难关。 ChatGPT抓取的是全网未标记的数据。在自监督学习中，数据本身被用作监督信号，而不是依赖于人工标记的标签。有一天人们发现，大模型在消化这些数据的过程中，突然具备了举一反三的能力。那么，如果自动驾驶大模型也能无监督地学习人类驾驶行为，不需要“老师”手把手地教，是不是意味着，系统摇身一变，成了“老司机”？ GPT“开车”，还不靠谱梦想很美好，实现梦想的路总是很骨感。类似ChatGPT的AI大模型要在自动驾驶领域发挥威力，目前来看至少有如下几个问题需要解决。首先是数据来源。 ChatGPT的数据来源非常丰富，包括维基百科、书籍、新闻文章、科学期刊等等，相当于全网公开数据都是它的养料。自动驾驶不同。驾驶员的驾驶数据、车辆行驶数据不公开，很多还涉及隐私。汽车厂商、自动驾驶公司各自为政，数据封闭不流通，这让获取数据变得困难。没有数据，自动驾驶就是无源之水。联想创投总裁贺志强对深途说，自动驾驶的核心是要有数据，数据对训练模型非常重要。比亚迪这样的主机厂有数据，但算法还需要打磨，“蔚小理”等造车新势力擅长算法，但车的销量还不够。既有数据也有算法的公司，才能充分用好大模型。其次是系统的计算部署方式有限制。余凯认为，OpenAI、ChatGPT是在云端的计算，在云端有充分的能量供给、电源供给，同时有非常好的系统，可是如果在车上依赖的是电池，依赖的是车端的散热，那么这个挑战是很大的，意味着自动驾驶不能用那么大的模型、那么大的计算。大模型对算力的消耗，导致云计算厂商成为这波AI热潮中第一批吃到红利的玩家。大厂开卷云计算，也是为大模型开路。但是在车端，这会是一个矛盾。更大的问题是，大模型的可靠性尚未验证。使用过ChatGPT的人知道，ChatGPT有时候会胡说八道，时对时错。这在业内被称为幻觉（hallucination）倾向，即产生完全没有出处的非真实内容。大模型会编造内容，而不在意内容的真实性和准确性。聊天可以胡说八道，自动驾驶不可以。任何一次错误的输出，导致的结果都可能是致命的。 “ChatGPT取得巨大进展，但自动驾驶迟迟没有到来，因为自动驾驶特别是无人驾驶，可能容错率就是零，那是人命关天的事情。”余凯说。曾在硅谷某AI创业公司担任COO的龙志勇认为，不可控、不可预测和不可靠，是大模型商业化最大的威胁。典型表现是大模型有幻觉倾向。现在，要让自动驾驶系统学会选择和辨别，并稳定地输出最优解，还不太现实。一家人工智能公司的内部人士对深途说：“视觉感知在算法层面的确有不少突破。但车这种场景，要求太高了，我个人不觉得短期能有大的突破。可以关注一下特斯拉的动向。” 然而最近科技圈有一股风气，大大小小的公司，都要蹭一把GPT的热点。有一些汽车厂商，宣布即将应用类似GPT的技术，一堆炫酷的概念让人傻傻分不清楚。比如某传统车企旗下的自动驾驶公司，就发布了一个自动驾驶生成式大模型，要用这个模型来训练自动驾驶，号称“行业首例”。一位长期关注智能汽车赛道的投资人，询问一位行业大佬怎么看该模型，对方就回了四个字：“TM扯淡。” “完全就是一个PR行为。”这位投资人对深途评价。自动驾驶，会被推倒重来吗？在特斯拉的带动下，再叠加今年兴起的AI浪潮，自动驾驶行业逐渐向大模型、大算力、大数据方向不断靠近。大模型对自动驾驶的影响，目前还不够剧烈，但嗅觉敏锐的人已经呈现出一种矛盾心态。就像当年特斯拉利用Transformer将多摄像机数据从图像空间转化为BEV空间，为此不惜将原有架构推翻，重写算法。现在大模型的应用，也可能意味着原有自动驾驶算法，会被推倒重来。贺志强认为，大模型会对自动驾驶有巨大影响。以前自动驾驶用到很多小模型，现在变成大模型，可能需要重新来一遍。自动驾驶行业会重新洗牌。一家AI芯片公司的自动驾驶总监赵东翔对深途说，整体端到端更改，等于重新做。洗牌对新入局者是机会，对领先者是威胁。弯道超车的故事，往往发生在技术急速变革时期。在技术一日千里的时代，在旧路线投入越多，沉没成本可能越大，转身越困难。对于整车厂或自动驾驶公司而言，要拥抱一项新技术，不仅要考虑效果，还要考虑成本。赵东翔表示，就当前阶段而言，自动驾驶变换技术路线没意义，“现在行业技术能力也不差，大家花那么多钱做了那么久，没有大幅度提高的话没有换的动力。” 在去年底的AI DAY上，特斯拉将BEV升级到占用网络（occupancy network），泛化能力得到进一步提升。通过占用网络，特斯拉的自动驾驶感知系统可以不需要知道看到的物体是什么，就可以判断是否需要躲避，由此解决了更多长尾问题。不论何种技术路线，现在都处于快速变化迭代中。过去的小模型可能会被大模型替代，今天的大模型也可能在未来被某种新物种替代。但不管怎样，蹭热点、制造噱头的做法，是无益于技术进步的。“蹭热度是陋习，踏踏实实做产品才有用。”赵东翔说。自动驾驶真正的“王炸”，还远没有到来。我们需要做的，是对每一轮技术变革保持敬畏之心。被神话的GPT，造不出你的梦中神车，但至少，变化已经发生了。来源：金色财经

金色财经2023-06-10

没有AI的Web3没有灵魂 ZKML如何重塑AI与区块链的关系

行业正在同时经历两个转变——加速计算和生成式AI，企业竞相将生成式AI应用到各个产品、服务和业务流程中，全球万亿美元规模的已安装数据中心将从通用计算转变到加速计算。当前，几乎所有头部美元基金与机构都紧盯着AIGC赛道，通过积极建立选投坐标快速构建筛选体系，唯恐错过了通往时代的列车。相关数据显示,2023年一季度全球AIGC行业融资总额达38.11亿元，融资次数共计17次。一个风口的兴起往往代表着另一风口的衰落。人们逐渐对WEB3提出各种各样的质疑：“资本都去看AI了，Web3监管收严、叙事不行了”，“AI比Web3看起来靠谱，也更容易出独角兽。” 自人类历史的黎明以来，集体故事一直在定义我们的文化，并丰富我们对世界的理解，叙事的重要性不言而喻。如今，人工智能的叙事正逐渐深入人心，甚至渗透到了Web3领域。有业内人士开始提出“没有AI的Web3是没有灵魂的”，有超过半数的Web3公司已经开始转向AI。那么，AI+Web3将如何融合？近期，源自零知识证明和机器学习的新兴结合体ZKML叙事走热，它将如何协同人工智能和Web3，建立一个可信任的、去中心化的未来？一、AI需要Web3，反之亦然 CoinDesk的首席内容官迈克尔-凯西(Michael Casey)说：“将加密货币和人工智能视为不相关的技术是一个错误。它们是相辅相成的，彼此都在改进对方。” Web3、加密货币和区块链解决了自互联网开始以来一直存在的社会挑战，即在去中心化的环境中如何保持有价值的信息安全。它们通过采用分布式记录和激励机制的新系统来处理人类对信息的信任问题。这些系统帮助由不信任的陌生人组成的社区集体维护开放的数据记录，使他们能够在没有中间人的情况下分发和分享有价值或敏感的信息。当前，我们正迅速迈向全面人工智能时代，而这一时代所带来的挑战是十分艰巨的。这些挑战涵盖了多个方面，从保护大型语言模型（LLMs）输入的版权，到避免其输出中出现错误的偏见，再到我们目前无法准确区分真实内容和由人工智能创造的虚假信息所带来的“说谎者红利”。要确保人类不受人工智能的负面影响，没有简单的解决方法可言。任何解决方案都不能依赖于过时的20世纪监管和技术框架来解决这些问题。我们迫切需要一个去中心化的治理系统，以应对在这个新时代如何生产、验证和分享信息的挑战。无论目前的Web3是否能提供所需的解决方案，区块链技术确实在解决这些问题方面发挥了一定的作用。不可篡改的账本使我们能够追踪图像和其他内容的来源，从而防止深度伪造。这种技术也可以用于验证机器学习人工智能产品数据集的完整性。加密货币提供了一种无边界的数字支付方式，可用于向全球为人工智能培训做出贡献的人们提供报酬，如Bittensor等项目正在努力建立代币化的区块链-政府社区，以激励人工智能开发者构建对人类友好的模型。与此相反，私营公司拥有的人工智能系统通常将股东利益置于用户权益之上。在这些想法能够实现并规模化之前，我们还有很长的路要走。我们将需要整合一系列其他技术，例如零知识证明（ZK）、同态加密、安全计算、数字身份和去中心化凭证（DID）、物联网等。此外，我们还需要解决隐私保护、惩罚不良行为、鼓励以人为本的创新智能以及多方立法监管等诸多挑战。二、ZKML如何架起AI和区块链的桥梁近期，源自零知识证明和机器学习的新兴结合体ZKML被广泛讨论。目前，机器学习（ML）的部署变得越来越复杂。很多企业主要依赖于亚马逊、谷歌、微软等服务提供商来部署复杂的机器学习模型。然而，这些服务变得越来越难以审计和理解。作为AI服务的消费者，我们如何相信这些模型所提供预测的有效性呢？ ZKML作为人工智能和区块链之间的桥梁，解决了AI模型和输入的隐私保护问题，同时确保了推理过程的可验证性。它提供了一种解决方案，使得可以在验证私有数据时使用公共模型，或在验证私有模型时使用公共数据。通过添加机器学习功能，智能合约能够变得更加自主和动态，使其能够根据实时链上数据而不是静态规则进行处理。这样一来，智能合约将更具灵活性，能够适应更多场景，甚至是那些在最初创建合约时可能没有预料到的场景。当前，机器学习算法在区块链上广泛采用的困难之一是其高昂的计算成本。由于百万级别的浮点运算无法直接在以太坊虚拟机（EVM）上执行，因此在链上运行这些模型成为一个挑战。另外，机器学习模型的信任问题也是一个障碍，因为模型的参数和输入数据集通常是私有的，而模型的算法和运行过程又如同一个不透明的“黑匣子”，这可能引发模型拥有者和模型使用者之间的信任问题。然而，通过ZKML技术，我们可以克服这些问题。ZKML允许任何人在链下运行一个模型，并生成一个简洁且可验证的证明，证明该模型确实产生了特定的结果。这个证明可以在链上发布，并由智能合约进行验证。这意味着模型使用者可以验证模型的结果，而无需了解模型的具体参数和运行细节，从而解决了信任问题。通过上述图表，我们可以看到ZKML技术兼具计算完整性、启发式优化和隐私保护等特点。这种技术在Web3领域有着广泛的应用前景，并且正在快速发展。越来越多的团队和个人加入了这个领域，推动着各种潜力巨大的ZKML项目的开发。三、ZKML项目分析以下是一些潜力ZKML项目。 1、Worldcoin Worldcoin正在应用ZKML，试图建立一个保护隐私的人格证明协议。World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征（如虹膜），下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，接收的智能合约可以证明其 IrisCode 已成功创建。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理，并且保证ML模型的输出不会泄露用户的个人数据。 2、Modulus Labs Modulus Labs是ZKML领域中最多样化的项目之一，致力于相关研究的同时也在积极构建链上AI应用范例，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 3、Giza Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。Giza总体上属于机器学习模型到证明的链上编译器，为链上AI的发展提供一个替代路径。 4、Zkaptcha Zkaptcha 专注于 Web3 中的机器人问题，为智能合约提供captcha（验证码）服务，保护智能合约免受机器人攻击，使用零知识证明来创建抗女巫攻击的智能合约。目前，该项目使终端用户通过完成captcha验证码来产生一个人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。未来，Zkaptcha 将继承 zkML，推出类似于现有的 Web 2 验证码服务，甚至可以分析鼠标运动等行为，以确定用户是否为真人。目前看来，zkML赛道还处于初级阶段，但我们有理由相信会 zkML 的力量可以给 crypto 带来更好的前景和发展，也期待该领域能出现更多样的产品，zk 技术和 crypto 为 ML 的运行提供安全可信的环境，而未来除了产品的创新之外，还可能会催生 crypto 商业模式的创新，因为在这个狂野和无政府的 Web 3 世界中，去中心化、crypto 技术和信任才是最最基础的设施。结语在日益复杂和不确定的数字世界中建立信任，一直是人工智能和Web3所面临的核心挑战。然而，将人工智能与Web3相融合却为建立一个信任、安全的去中心化未来带来了巨大希望。对于开发者、技术专家、政策制定者和整个社会而言，共同塑造人工智能和Web3的未来至关重要，我们或许可以创造出一个超乎想象的智能互联网时代。 Reference https://worldcoin.org/blog/engineering/intro-to-zkml#motivation-and-current-efforts-in-zkml https://github.com/worldcoin/awesome-zkml https://www.coindesk.com/consensus-magazine/2023/05/19/why-web3-and-the-ai-internet-belong-together/ 来源：金色财经

金色财经2023-06-10

美股开盘：纳指涨近百点新能源车股走高蔚来绩后涨逾5%

ebook和Instagram）中加入生成式AI（AIGC）文本、图像和视频生成器。扎克伯格强调，这是该公司对元宇宙工作的扩展而非替代Meta。　　Carvana今年来已涨超4倍，空头年内累计损失超10亿美元　　自2023年初，二手车经销商Carvana股价已经上涨了411％，做空该股的投资者们年内已亏损超过10亿美元。截至周四美股收盘，Carvana的股价飙升56％，收于24.23美元。截至发稿，该股盘前一度涨超6％，现涨约1％。　　马斯克呼吁暂停AI研究，Palantir创始人：因为他赶不上我们　　近日，包括特斯拉CEO马斯克、苹果联合创始人沃兹尼亚克等大佬签署了一份公开信，呼吁暂停对GPT-4的模型进行更深度的AI研究。但这一想法遭到了全球大数据龙头公司Palantir创始人兼CEOAlex Karp的讽刺和反对。Karp在周四播出的采访中说：　　这些呼吁暂停研究的人不过是因为他们自己还没有AI产品。没有产品的人想研究人工智能，所以就呼吁暂停，这样他们就能在商业应用，甚至军事应用方面获得领先优势。　　DocuSign第一财季业绩、业绩指引均超预期　　电子签名提供商DocuSign公司2024财年第一财季营收为6.61亿美元，同比增长12％，而分析师预期为6.42亿美元。公司预计第二财季营收6.75-6.79亿美元，超预期6.68亿美元；预计全财年营收27.1-27.3亿美元，此前的指引为27-27.1亿美元，市场预期为27亿美元。　　台积电营收连续第三个月下滑，受电子产品需求下滑影响　　台积电5月营收下滑5％至1765亿元台币，也就意味着他们的月度营收已连续3个月同比下滑，其中3月份同比下滑15.4％，4月份同比下滑14.3％。台积电高管们预测下半年会逐步复苏，并在2024年恢复增长。　　小鹏G6开启预售　　小鹏G6开启预售，售价22.5万元起。据悉，G6不仅是扶摇技术平台的第一款产品，也是公司大刀阔斧改革后第一款露面的新品。　　蔚来Q1营收同比增长7.7％，二季度展望逊于去年同期　　蔚来Q1营收106.8亿元，上年同期为99.11亿元。Q1净亏损47.395亿元，较去年同期扩大165.9％。汽车毛利率进一步下滑至5.1％，上年同期为18.1％，去年四季度为6.8％。公司预计，2023年第二季度，营收将介于87.42亿元至93.70亿元，同比下降9.0％至15.1％；汽车交付量将介于2.3万辆至2.5万辆，同比下降0.2％至8.2％。

金融界2023-06-09

中科创达：公司与安谋上海共同出资成立安创空间科技公司

在行业场景中的应用创新与工程化，并将以生成式AI为切入口，围绕相关的创新应用场景进行研究、设计和方案原型开发。感谢您的关注！投资者：建议公司将智能座舱、虚拟现实、脑机结合起来。中科创达董秘：您好。公司以"AI（人工智能）+OS（操作系统）“为核心, 不断赋能智能手机、智能汽车、智能硬件、智能行业等智能化产业链的发展。并且通过中科创达魔方Rubik大模型, 和既有的产品、业务密切融合, 成为大模型+边缘AI计算革命大潮中的全球领军者。感谢您的关注！中科创达2023一季报显示，公司主营收入11.66亿元，同比上升1.18%；归母净利润1.68亿元，同比上升8.06%；扣非净利润1.59亿元，同比上升8.04%；负债率12.78%，投资收益820.12万元，财务费用-1139.91万元，毛利率40.83%。该股最近90天内共有18家机构给出评级，买入评级17家，增持评级1家；过去90天内机构目标均价为109.23。近3个月融资净流入2.81亿，融资余额增加；融券净流出3.28亿，融券余额减少。根据近五年财报数据，证券之星估值分析工具显示，中科创达（300496）行业内竞争力的护城河良好，盈利能力一般，营收成长性优秀。财务相对健康，须关注的财务指标包括：应收账款/利润率。该股好公司指标4星，好价格指标2星，综合指标3星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）中科创达（300496）主营业务：智能软件业务,智能网联汽车业务,智能物联网业务。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2023-06-09

24小时热点