FX168财经网_全球视野外汇黄金加密货币NFT资讯网

慧辰股份：根据中登公司定期下发的股东名册，截至2024年7月19日，公司股票持有人数为3,114

办互联网信息服务算法备案。当前，公司的AI产品研发及日常业务运营将对AI算力产生持续性需求，且公司所服务的客户也将逐渐形成相应需求。在数据分析、数据挖掘、数据运营等领域，公司拥有大量的商业场景，包括通信、ICT、快消品、汽车、金融、烟草、旅游等领域的头部客户及公共服务领域的专业客户，与数字技术方面（（机器学习深度学习、人工智能、自然语言处理、模式识别、数据可视化、知识图谱、物联网等）的结合）有很好的结合，随着人工智能技术的发展，模型训练的需要，公司深耕的商业领域的模型算法具备一定智能标注能力。公司将持续关注和寻求与国内外大模型公司在相关领域的合作机会，根据商业场景变化及时对相关业务进行评估，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！投资者：请问去年和中科院战略合作推进如何？和中科院合资公司中科智算业务开展进展怎么样？算力落地了多少？未来规划如何？慧辰股份董秘：尊敬的投资者，您好！公司2023年与中科信控达成战略合作，双方共建“集群算力调度与交易平台”。目前，融合算力服务管理平台软件产品已经开发成型，7月26日将联合对外发布。当前，公司的AI产品研发及日常业务运营将对AI算力产生持续性需求，且公司所服务的客户也将逐渐形成相应需求。2023年12月，公司取得互联网数据中心业务（IDC）资质，为聚焦AI技术产品开发及算力相关业务，加强公司基于AI技术的业务服务能力，公司全资子公司北京慧辰视界数据科技有限公司更名为北京中科智能算力科技有限公司，将提供AI中台软件、行业AI应用相关的系列技术服务等。公司将逐步部署相应的算力基础设施，支撑客户在算法模型、人工智能领域业务的探索。公司长期服务商业及公共服务领域，积累广泛的行业Know-how，围绕场景需求，积极探索“人工智能+”在相关场景中的业务落地，积极与包括中科信控在内的合作伙伴在算力（软件及硬件）、AI算法模型等方面进行布局推进业务开拓。相关业务尚在推进中，请投资者关注业务发展可能存在不确定性的风险。公司将按照相关证券法律法规披露具体业务进展，请以公司指定信披媒体发布的信息为准。感谢投资者朋友对公司发展的关注与支持！以上内容由证券之星根据公开信息整理，由算法生成（网信算备310104345710301240019号），与本站立场无关，如数据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2024-07-24

7月24日财经早餐：“哈里斯”交易升温！特斯拉、谷歌绩后跳水！

产；称重点仍是全公司削减成本，加速开发AI产品和服务。盘后震荡转跌！AI助攻谷歌二季度云收入首超百亿美元，但广告放缓二季度谷歌(GOOG.US)营收和EPS盈利均超预期，备受关注的增长引擎云业务斩获首个季度收入超100亿美元和季度营业利润超10亿美元。广告收入基本稳定，云计算收入尤为强劲但YouTube广告收入在来自TikTok的竞争减弱后仍不及预期，押注AI投资的资本支出为131.86亿美元，超过一季度的120亿美元，令人担心积压利润率。 UPS二季度盈利不及预期，下调全年营收指引，股价创上市以来最大跌幅货运需求疲软和航运业定价疲软导致了所谓的全球货运衰退。UPS(UPS.US)第二季度利润和收入低于预期，且将2024年的收入指引下调至约930亿美元，之前的预测为最多945亿美元。美股盘中，公司股价一度暴跌超13%，收跌12%。 Meta发布最大开源AI模型Llama 3.1，云伙伴们助阵 Meta(META.US)发布三款Llama 3.1模型，其中Llama 3.1 405B包含4050亿个参数，这是Meta迄今为止最大的模型，将对标OpenAI和谷歌公司的大模型。同时，Meta和英伟达实现强强联手，英伟达AI Foundry将为全球企业提供Llama 3.1模型的定制服务。分析认为对于开源AI来说，Meta Llama 3.1在GSM8K、Hellaswag等多项测试中均优于GPT-4o。可口可乐Q2营收同比增长2.9%超预期，净利润下滑28.8%，上调全年指引可口可乐(KO.US)二季度Non-GAAP营收同比增长2.9%至123.1亿美元，高于市场预期。每股收益同比增长7.7%至0.84美元，超过市场预期。调整后净利润为24.1亿美元；毛利率为61.1%。同时，可口可乐上调全年指引：预计全年可比每股收益增长6％，此前预期增长5%。全年资本支出预期为22亿美元。今日要闻前瞻美国、欧元区7月制造业、服务业、综合PMI初值加拿大央行利率决议美联储理事鲍曼讲话美国6月新屋销售 IBM财报（投资慧眼编辑：Penny Pan) 原文链接

投资慧眼2024-07-24

行业研究｜有连云等资深玩家助力AI+金融应用创新

来，并不断根据用户反馈、数据反馈，迭代AI产品。甜新科技甜新科技成立于2016年，总部位于上海，是一家以AIGC和5G视频通信技术、行业大模型为核心的人工智能创新型高科技企业。由红杉中国、金沙江创业投资、同创伟业等投资。公司的产品包括VCRM系列产品，是基于Al+视频的营销解决方案，助力企业营销转化。致力于在视频营销科技领域，为行业客户提供以深度融合Al+视频为基础的场景化服务解决方案。公司主要服务的方向包括零售电商、新消费品牌、银行、保险、消费金融、游戏等行业。企业优势：多种客户触达方式：平台可提供目前市场上主流客户触达方式，包含：AI交互视频、视频通知，AI语音外呼、视频短信、文本短信等客户触达方式，可根据不同的客户触达目标选择及组合。提高用户参与度：通过互动视频，用户可以与数字人内容互动，相比传统视频内容，这种形式能极大地提升用户的参与度和兴趣，从而增加用户停留时间和参与深度。提升品牌影响力：首先，通过一段3分钟原视频，即可快速生成和金融机构代言人真人一模一样的数字人分身，五官、动作、表情、声音完全模仿本人，通过数字分身与客户进行视频对话，基于自然语言处理及大模型技术，可实现多轮对话和智能互动。互动视频能够以其新颖的形式和丰富的用户体验增强品牌形象，通过用户与视频内容的互动，可以增加品牌的曝光度和记忆度。千人千面的客户服务：利用AI技术，基于用户的行为和偏好提供个性化的视频内容推荐，实现真正意义上的“以用户为中心”。这种个性化的体验可以有效提升用户满意度和忠诚度。效率提升：外呼营销平台能自动分析用户数据和互动结果，沉淀数据、为营销人员提供数据支持，帮助其快速调整营销策略，提高营销转化效果。基于AIGC的内容生产：外呼营销平台能可以根据客户的需求和偏好生成个性化的营销内容，如：使用不同的数字人形象，数字人复刻、声音复刻，同时，为了提高客户参与度和转化率可以快速生成大量营销内容，减少人工编辑时间和成本，满足金融行业的快速变化和更新需求。澜码科技澜码科技是一家基于大语言模型的企业级AI Agent平台公司，核心团队成员来自Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司。澜码科技率先填补了国内大模型中间层的空白，是国内探索大语言模型应用落地和AI Agent的先行者。基于底层大语言模型，澜码科技自主研发了能够连接人和系统的企业级Agent平台“AskXBOT”，助力企业构建基于专家知识的超级自动化，从而提升业务质量和效率。澜码科技已完成来自IDG资本、联新资本、Atom Capital参与的数千万A轮投资，并与多家上市公司和独角兽企业达成战略合作。企业优势： “模型中立”优势：目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果。专家知识是AI Agent 得以在企业落地的关键：专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。在澜码AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。针对办公，特别是金融、财务的办公场景的成熟技能的封装能力。和企业已有组织、权限、基础设施的集成。有连云有连云成立于2015年，是国内领先的金融AI应用服务商。旗下的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。公司专注于金融数字化转型的痛点，推进大模型的垂直应用，结合庞大的金融专业语料库，集成自然语言处理、OCR和多模态技术，实现各类事件指标的准确、实时、智能化获取，满足自定义和配置需求。企业优势强大的技术基础：有连云的“麒麟AI大模型”通过智能创作、推荐和推送，赋能金融机构及上市公司，帮助客户在市场推广、产品销售和声誉管理等场景中实现增益降本。精准的数据处理：麒麟大模型能够实时获取和解析ETF产品层面的数据，生成产品分析、研报摘要和观点，提升信息检索效率和AI批量生成资讯，解决基金公司在产品营销中的难点。广泛的生态连接：强大的生态连接可渗透到数据、交易、搜索、新闻、视频和财经等投资者聚集地，一键辅助投资者教育和价值投资理念呈现，并生成多维BI可视化报表，帮助基金公司快速分析和决策。全面的合规保障：在上市公司声誉管理和投资者关系管理领域，麒麟大模型通过智能创作、智能标签和可视化报表服务，保障资讯的真实合规，并实时跟踪推送状态，提供强有力的商业决策支持。行业认可：有连云已获得国家互联网信息办公室的3项深度合成算法备案，入选中国信通院《2023大模型和AIGC产业图谱》，并获得数字化软件产品能力DSSC优秀级认证，成为中国信通院《数字化软件产品及服务能力体系规范》编制单位，参与行业标准制订。金融行业落地Gen AI的关键能力尽管在金融行业落地Gen AI 会面临数据隐私和安全、技术和资源门槛、模型解释性和透明度，以及监管合规等挑战，但落地难度相较于传统AI项目，难度会更低，实施路径也更直接。甜新科技认为金融行业落地Gen AI需要跨越以下7个维度的关键能力： 1. 明确转型目标和战略：金融机构首先需要明确自身的数字化转型目标和战略，确定AI技术在其中的角色和定位。一个有效的Gen AI规模化落地战略，必须包含以下关键因素：高层领导层的愿景、一致性和承诺，以及业务单元级对交付结果的责任、清晰的应用场景和目标、全面的运营计划。 2. 选准应用场景：在明确转型目标后，金融机构需要选准AI技术的应用场景。这些场景应该是业务流程中的痛点或价值创造的潜在领域。例如，AI技术可以用于风险评估、信贷审批、智能投顾、客户服务等方面。 3. 数据和技术的积累：金融机构需要积累大量的数据和相关的技术能力。数据是AI技术的基础，而技术能力则决定了金融机构在AI领域的竞争力。这包括建设数据仓库、数据挖掘、机器学习、深度学习等技术能力。在部署大模型的时候，金融企业获机构需要与自身现有的系统、工作流程、企业应用程序和数据源集成。这是一个关键且复杂的任务。麦肯锡认为，有效的集成和模型维护将依赖于多个架构组件：上下文管理和缓存、策略管理、模型中心、提示库、MLOps平台、风险管理引擎、大型语言模型（LLM）运营等。（深擎科技采访供图）数据质量至关重要，尤其是在通用人工智能领域。面对海量且非结构化的数据集，确保输出答案的质量变得更加具有挑战性。领先的金融机构正借助优质人才和自动化技术，在数据生命周期的关键环节进行精准干预，以保证数据的高标准质量。同时，数据领域的领导者需要深入考虑新技术带来的安全风险，并随时准备根据法规的变化迅速采取行动。 4. 构建高效的组织架构：为了推动AI项目的顺利实施，金融机构需要构建高效的组织架构。这包括设立专门的AI团队、明确职责和分工、以及与业务部门的紧密合作。要优化组织架构之前，金融机构必须思考当前的架构为何难以无缝集成AI创新能力。成功落地AI的金融机构，并不是鼓励落地相关计划，而是通过为现有团队配备所需的资源，并积极拥抱通用人工智能所需的技能、人才和流程来实现相关目标。 5. 注重人才培养和合作：金融机构需要培养一批既懂金融业务又懂AI技术的复合型人才。还需要定期评估自己的人才招聘策略，以适应不断变化的优先事项。清晰的职业发展和晋升机会——以及有意义和价值的工作——对普通的技术从业者来说非常重要。此外，与AI领域的领先企业或研究机构合作，可以加快技术进步和创新。 6. 强化合规和安全风险管理：金融机构在实施人工智能技术时，必须确保其操作的合规性和安全性。这不仅包括遵守相关的法律法规，还涉及到保护客户隐私、预防欺诈和洗钱等风险。在引入大型模型和生成式人工智能之前，金融机构通常需要对其风险管理和模型治理框架进行重新设计，并根据需要开发新的控制机制。模型的可解释性和决策的公正性是关键问题，必须在推广任何生成式AI应用之前得到全面而深入的解决。通过这种方式，金融机构可以在确保技术优势的同时，维护其业务的合规性和安全性。 7. 持续优化和创新： AI技术是不断发展的，金融机构需要在实践中持续优化和创新。这包括收集反馈、改进算法、探索新的应用场景等。金融行业落地Gen AI的挑战尽管大模型和Gen AI能为金融行业带来巨大价值，但囿于要被高度监管的属性，金融行业在落地大模型和生成式AI要面临比其他行业更严峻的诸多挑战。以下是最关键的三大问题： 1、确保数据质量和安全性对于金融企业而言，获取高质量、具有代表性的数据分析来训练人工智能模型是实现技术优势的关键所在。AI模型的性能和准确性在很大程度上取决于训练数据的质量，因此，金融机构必须实施严格的数据治理流程，以确保数据的准确性和可靠性。许多银行拥有一个庞大而复杂的数据架构，这些架构往往跨越了数十年，涉及多种大型机系统。将这些分散的数据整合并准备用于人工智能项目是一项艰巨的任务，需要投入大量的资源和努力。同时，金融企业还必须严格遵守数据保护法规，确保敏感的客户数据得到妥善的匿名化处理和安全保护。这不仅涉及到技术层面的挑战，也考验着企业在数据隐私和合规性方面的责任和担当。 2、符合金融法规金融领域对人工智能系统的应用必须严格遵守一系列法规，且涉及信贷审批、交易监控等多个业务环节。合规性要求金融机构必须对相关信息记录详尽并始终维护模型的透明度，这无疑增加了管理的难度和成本。同时，金融机构还需定期对AI系统进行性能监控，确保没有偏差，并妥善处理可能出现的意外结果。此外，AI技术在金融领域的应用涉及到对海量数据的处理和分析，这不仅要求金融机构拥有强大的存储和计算资源，也带来了对基础设施的挑战。尽管云计算提供了灵活的解决方案，但数据安全和地区法规的限制常常成为其广泛应用的障碍。同时，将先进的AI工具与金融机构现有的IT系统无缝集成，也是一个需要克服的技术难题。 3、道德考量和偏见人工智能在金融领域的整合引发了重要的道德考量，特别是在偏见和公正性方面。人工智能系统可能会无意中延续甚至加剧训练数据中存在的偏见。例如，如果历史贷款数据对某些特定人群存在偏见，那么基于这些数据训练的人工智能模型可能会继续使这些群体处于不利地位。此外，快速变化的监管环境对金融机构提出了更高要求。随着法律和道德对AI的期望不断演变，金融机构需要不断适应新的监管政策，并保持系统的灵活性以应对这些变化。人工智能在金融领域的未来尽管生成式人工智能是目前各行各业的流行词，但如何将该技术付诸实践的最佳方式仍然尚未确定。澜码科技CEO周健指出，目前金融行业面临的主要挑战是大型模型的准确度尚未达到令人满意的标准，以及还未找到将特定场景与相应的技术进行有效匹配的路径。整个行业面临的核心难题在于如何精心选择或开发出适合的大模型和解决方案，然后确保它们在特定应用场景中的表现能够超越人类，这也是最具挑战性的部分。此外，在认知层面，一个普遍的误区是人们常常被所谓的“理想路径”所误导，认为大语言模型能够应对所有任务。然而，在实际操作中，可能由于业务人员对专业知识掌握不够精确导致无法完成相应任务。在这种情况下，我们需要通过更高效的人机交互方式，使业务人员能够明确地表达他们的需求，以便在业务流程中实现端到端的有效支持。另一个常见的误区是，人们期望用户去适应技术，而不是让技术去适应用户。如果整个行业能够在技术适应用户交互方式和需求理解方面做出创新和改进，就可能充分发挥大型模型的潜力。但目前，这一领域的探索还相对较少。金融行业落地大模型和生成式AI不仅需要技术上的升级，还需要进行企业文化的转型，以接纳创新，这将是一个漫长且充满挑战的过程。参考资料： https://www.mckinsey.com/industries/financial-services/our-insights/scaling-gen-ai-in-banking-choosing-the-best-operating-model https://www.datacamp.com/blog/ai-in-finance https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.20661.html 作者：qiuping 来源：非凡产研以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-07-23

正式纳入沪股通! 人工智能ETF(515980)逆市红盘，近15个交易日“吸金”超4700万元

发展和高水平应用培育经济发展新动能。 AI产品落地方面，今年5月OpenAI的GPT-4o模型的发布、6月苹果WWDC大会上Apple Intelligence的推出，彰显了人工智能在人机交互能力提升上的较大潜力。在此背景下，有业内人士表示，对人工智能板块表示乐观，关注从大模型软件到AI终端硬件迭代的新机遇。随着国内外科技巨头持续加码AI，预计2024年AI在自动驾驶、机器人、B端应用会逐步落地有可行性的产品或商业模式。人工智能ETF紧密跟踪中证人工智能产业指数，中证人工智能产业指数从为人工智能提供基础资源、技术以及应用支持的公司中，根据人工智能业务占比、成长水平和市值规模构建指标体系，选取50只最具代表性上市公司证券作为指数样本，以反映人工智能产业上市公司证券的整体表现。数据显示，截至2024年6月28日，中证人工智能产业指数(931071)前十大权重股分别为中际旭创(300308)、科大讯飞(002230)、新易盛(300502)、中科曙光(603019)、金山办公(688111)、韦尔股份(603501)、海康威视(002415)、石头科技(688169)、紫光股份(000938)、澜起科技(688008)，前十大权重股合计占比53.08%。人工智能ETF(515980)，场外联接(A类：008020；C类：008021)。注：人工智能行业受市场需求、国家政策、国际政治形势影响较大，相关上市公司股价波动可能较大，进而导致本基金净值波动较大，并可能会发生本金亏损。文中所提公司及个股仅作为示例，不构成任何投资建议。风险提示：基金/股市有风险，投资需谨慎。本文关于证券市场、人工智能行业的论述仅对当下证券市场与相关行业的研究观点，基于市场环境的不确定和多变性，所涉观点后续可能随着市场发生调整或变化。本文内容仅用于投资者沟通交流之目的，不构成对任何机构和个人投资的建议或意见，不构成对投资者投资收益的承诺或保证。本文数据来自公开资料整理，不保证本文所载文字及数据的准确性及完整性，不对任何人因使用此类报告的全部或部分内容而引致的任何损失承担任何责任。投资人购买基金前，应当认真阅读《基金合同》、《招募说明书》、《产品资料概要》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。投资人应根据个人风险承受能力和投资经验，审慎参与基金/股市投资。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-07-22

融资周刊 | 24个项目获投9500万美元 Allium夺桂冠

金色财经2024-07-21

国产大模型厂商积极布局，AI发展机遇凸显

“云雀”大模型，并基于此陆续推出了多个AI产品和服务，如飞书的“My AI”、对话类大模型“豆包”，以及剪映中的各种AI视频工具。华为则推出了面向行业的大模型系列“盘古”3.0，专注于ToB市场，进一步推动了行业应用的发展。随着AI大模型的快速进步，人工智能算力基础的重要性和影响力愈加显著，相关产业也因此迎来了宝贵的发展机遇。人工智能加速推动产业浪潮人工智能是新一轮产业变革的核心驱动力，正在与各行各业快速融合，助力传统行业转型升级、提质增效，在全球范围内引发全新的产业浪潮，而人工智能产业链包括以下三层：基础算力层、模型构建层和技术应用层。算力基础层顾名思义，是人工智能产业的基础，主要是研发硬件及软件。如AI芯片、数据资源、云计算平台等，为人工智能提供最基础的数据及算力支撑。模型构建层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建模型路径。技术应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。人工智能产业链包含不同环节，相应的人工智能相关指数也各有侧重，为投资者提供了多样选择。中证人工智能主题指数聚焦人工智能产业链各个细分环节的龙头公司，反映A股人工智能板块的整体表现。该指数覆盖了产业链的全方位领域，包括算力环节的电子、通信行业，以及大模型和应用环节的计算机、传媒、汽车等行业，行业分布相对均衡，能够全面反映人工智能产业链的整体表现。中证云计算与大数据主题指数反映A股算力和大数据板块的整体表现，重点关注算力环节和软件应用领域的快速落地。该指数成份股主要集中在计算机、通信设备及技术服务、电子三大行业，侧重于业绩较先受益的算力环节和落地较快的软件应用领域。中证软件服务指数则反映A股软件服务板块的整体表现，重点关注具有较高估值弹性的大模型和软件应用领域。该指数成份股均属于计算机行业，行业分布在这几只指数中最为集中。图：指数主要行业分布年初至今，上述三只人工智能相关指数出现一定回调，部分指数估值处于历史相对低位。目前，市场上有人工智能ETF(159819)、云计算ETF(516510)、软件30ETF(562930)等产品跟踪这三只指数。

证券之星2024-07-19

Grayscale：Crypto x AI项目一览 Crypto如何实现去中心化AI

体开发而构建。这些资产不专注于某一种 AI 产品或服务，而是专注于为各种 AI 应用创建底层基础设施和激励机制。 Near 在这一类别中脱颖而出，其创始人是“Transformer”架构的联合创始人，该架构为 ChatGPT 等 AI 系统提供支持。然而，该公司最近利用其 AI 专业知识，通过由前 OpenAI 研究工程师顾问领导的研发部门，公布了开发“用户拥有的 AI” 的努力。 2024 年 6 月下旬，Near 启动了其 AI 孵化器计划，用于开发 Near 原生基础模型、AI 应用程序数据平台、AI 智能体框架和计算市场。 Bittensor 提供了另一个可能引人注目的例子。Bittensor 是一个使用 TAO 代币在经济上鼓励AI发展的平台。Bittensor 是 38 个子网络（子网）的底层平台，每个子网络都有不同的用例，例如聊天机器人、图像生成、财务预测、语言翻译、模型训练、存储和计算。Bittensor 网络用 TAO 代币奖励每个子网中表现最佳的矿工和验证者，并为开发人员提供无需许可的 API，通过查询 Bittensor 子网中的矿工来构建特定的AI应用程序。此类别还包括其他协议，例如 Fetch.ai 和 Allora 网络。Fetch.ai 是一个供开发人员创建复杂 AI 助手（即“AI 智能体”）的平台，最近与 AGIX 和 OCEAN 合并，总价值约为 75 亿美元。另一个是 Allora 网络，该平台专注于将 AI 应用于金融应用，包括去中心化交易所和预测市场的自动交易策略。Allora 尚未推出代币，并于 6 月进行了一轮战略融资，使其总融资额达到 3500 万美元的私募资本。 AI发展所需的资源第二类包括以计算、存储或数据的形式提供人工智能开发所需资源的资产。人工智能的兴起对 GPU 形式的计算资源产生了前所未有的需求。诸如 Render (RNDR)、Akash (AKT) 和 Livepeer (LPT) 之类的去中心化 GPU 市场为需要计算进行模型训练、模型推理或渲染 3D 生成式 AI 的开发人员提供了闲置 GPU 供应。如今，据估计，Render 提供约 10,000 个 GPU，重点面向艺术家和生成式 AI，而 Akash 提供 400 个 GPU，重点面向 AI 开发人员和研究人员。与此同时，Livepeer 最近宣布了其新的 AI 子网计划，目标是在 2024 年 8 月完成文本转图像、文本转视频和图像转视频等任务。除了需要大量计算外，AI 模型还需要大量数据。因此，对数据存储的需求大幅增加。Filecoin (FIL) 和 Arweave (AR) 等数据存储解决方案可以作为将 AI 数据存储在中心化 AWS 服务器上的去中心化安全网络替代方案。这些解决方案不仅提供经济高效且可扩展的存储，而且还通过消除单点故障和降低数据泄露风险来增强数据安全性和完整性。最后，OpenAI 和 Gemini 等现有 AI 服务分别通过 Bing 和 Google 搜索持续访问实时数据。这使这些科技公司之外的所有其他 AI 模型开发人员处于不利地位。然而，Grass 和 Masa (MASA) 等数据抓取服务可以帮助创造公平的竞争环境，因为它们允许个人通过将其应用程序数据用于 AI 模型训练来将其货币化，同时保持对个人数据的控制和隐私。尝试解决 AI 相关问题的资产第三类包括试图解决与AI相关的问题的资产，包括机器人、深度伪造和内容来源的兴起。 AI加剧的一个重大问题是机器人和虚假信息的泛滥。人工智能生成的深度伪造已经对印度和欧洲的总统选举产生了影响，专家们“非常害怕”即将到来的总统竞选将涉及由深度伪造严重驱动的“虚假信息海啸”。希望通过建立可验证的内容来源来帮助解决与深度伪造相关的问题的资产包括 Origin Trail (TRAC)、Numbers Protocol (NUM) 和 Story Protocol。此外，Worldcoin (WLD) 试图通过独特的生物识别符来证明一个人的人性，从而解决机器人问题。 AI的另一个风险是确保对模型本身的信任。我们如何相信收到的人工智能结果没有被篡改或操纵？目前有几种协议正在努力通过密码学、零知识证明和全同态加密 (FHE) 来帮助解决这个问题，其中包括 Modulus Labs 和 Zama。结论虽然这些去中心化的AI资产已经取得了初步进展，但我们仍处于这一交叉点的第一局。今年年初，著名风险投资家 Fred Wilson 表示，AI和加密货币是“同一枚硬币的两面”，“web3 将帮助我们信任AI”。随着AI行业的不断成熟，Grayscale Research 认为，这些与AI相关的加密用例将变得越来越重要，这两种快速发展的技术有可能相互支持彼此的增长。很多迹象表明，AI即将到来，并将产生深远的影响，既有积极的，也有消极的。通过利用区块链技术的特性，我们相信加密最终可以帮助减轻AI带来的一些危险。来源：金色财经

金色财经2024-07-18

解析 Mira ：基于 Web3,让先进的 AI 技术易于访问和使用

在 Web2 和 Web3 领域构建 AI 产品，并计划在未来几个月内陆续推出。 Mira ：让先进的 AI 技术易于访问和使用聚焦于 Mira，其本身提供了一套用户友好的 SDK，旨在解决当今 AI 基础设施的复杂性，通过利用区块链技术，其正在保护 AI 模型的底层数据，并确保资源的正确分配，同时使开发者能够创造 Web2 和 Web3 兼容资源。据悉，该项目其由经验丰富的团队创立和运营，团队成员来自于包括 Accel、Amazon AI、BCG、Uber、Stader 等在内的大型科技公司。作为一个 API 市场，Mira 允许开发者和创作者通过易于使用的 AI SDK 消费开源AI资源。通过模型、数据和计算的结合，开发者和创作者可以发布 Mira Flows（一种新的 AI 原语），用户可以按使用付费。这些费用无需许可地归属于 Flow 创建者和资源贡献者，并通过 Mira 区块链重新分配。Mira 社区专注于寻找和实施高信号AI改进，处理全球跨软件、游戏、媒体等领域的客户的更新和维护，使他们能够大规模地试验构建 AI 产品。整体而言，Mira 平台的一些潜在特点包括：去中心化及开源：Mira 通过提供一个去中心化的平台，鼓励和促进开源AI资源的共享和使用。激励机制：通过加密货币激励，Mira 旨在鼓励社区持续维护、评估和推进生态系统，从而促进其增长和功能扩展。降低复杂性：通过其用户友好的 SDKs，Mira 简化了 AI 开发的复杂性，使开发者和创作者可以更容易地集成和利用先进的 AI 技术。保障AI贡献者权益：Mira 允许 AI 贡献者保持对其模型、数据和使用的主权所有权，并通过市场货币化这些资源。 Mira 平台的上述特性由以下几个板块提供支持，包括： SDK 套件 Mira SDK 本身是访问 Mira 平台核心功能的接口，使得开发者能够轻松地将先进的 AI 功能嵌入到他们的应用程序中，而无需深入了解复杂的 AI 基础设施。该组件通过提供直观的 API 和文档，使得即使是非专业的开发者也能快速上手，利用 AI 技术增强他们的产品，并且模块化的设计，允许开发者根据需要选择和集成特定的 AI 功能，而不是一次性引入整个平台。 Mira SDK 本身也包含了一系列预构建的 AI 工作流程，开发者可以直接使用这些现成的工作流程来实现特定的 AI 功能，如文本分析、图像识别、数据处理等。除了预构建的工作流程，Mira SDK 还支持自定义配置和扩展，开发者可以根据自己的需求调整和优化 AI 模型和数据处理流程。同时经过系统性的优化，该 SDK 能够确保在各种设备和平台上都能提供高效和稳定的性能。与此同时，Mira SDK 本身集成了区块链技术，确保 AI 模型的数据安全和透明性，并基于此也支持去中心化的资源分配和价值流动，并提供一个活跃的开发者社区和客户支持，帮助解决使用 SDK 过程中遇到的问题，并提供持续的更新和改进。通过使用 Mira SDK，开发者可以节省大量的时间和资源，专注于创新和产品开发，而不是 AI 技术的底层实现，以帮助各种规模的团队和项目实现 AI 技术的快速集成和应用。 Mira Flows Mira Flows 本身是一种新的 AI 原语，是 Mira 平台的核心组成部分，它是一个创新的 AI 基础设施，旨在通过结合模型、数据和计算资源，为开发者提供易于使用和定制的 AI 工作流程。Mira Flows 作为一种新的 AI 构建块，它通过预配置的指令优化这些资源，以适应特定的最终用途。这些工作流程可以包括从文本到价格的 RAG、语义缓存、文本到图像的产品放置、数据摄取等多种应用。 Mira 平台利用区块链技术来确保 AI 模型的底层数据的安全性，确保资源的正确分配，并使开发者能够创建兼容 Web2 和 Web3 的资源。通过将资源加密货币化，Mira 确保了最佳 Flows 的可信和准确发现，使评估者有“切身利益”来评价 Flows。 AI 市场 Mira 为货币化的 AI 资源提供了一个资源流通市场即 API 市场，Mira允许开发者和创作者通过易于使用的 AI SDKs 市场，消费开源 AI 资源。作为一个创新的在线平台，旨在为开发者、企业和 AI 贡献者提供一个集中的空间，以发现、购买、出售和共享 AI 资源和解决方案市场，并基于去中心化基础设施确保了透明度、安全性和公平性。通过模型、数据和计算的结合，开发者和创作者可以发布 Mira Flows，用户可以按使用付费，这些费用无需许可地归属于 Flow 创建者和资源贡献者，并通过 Mira 区块链重新分配。所以 Mira AI 市场本身提供了一个广泛的 AI 资源库，包括预训练的模型、数据集、SDK、API 和各种 AI 工作流程（Flows）。这些资源可以用于各种应用，如自然语言处理、图像识别、数据分析等。开发者可以直接在该市场以去中心化的方式与资源提供者进行交易，并支持自定义和扩展，允许开发者根据自己的需求调整和优化 AI 解决方案。 Mira 市场鼓励社区成员贡献自己的 AI 资源和工具，并通过市场的评价和反馈系统来提高资源的质量，有助于确保市场上的资源是高质量和实用的。与此同时，Mira AI 市场支持多种定价和许可模式，为资源提供者和消费者提供了灵活性，以适应不同的商业需求和预算，这有望进一步帮助处理全球跨软件、游戏、媒体等领域的客户的更新和维护，使他们能够大规模地试验构建 AI 产品。生态用例 Mira 的第一个生态系统产品 Klok，是一个用于加密货币领域的 AI 决策助手，Klok 利用先进的 AI 技术，为加密货币交易者和投资者提供智能辅助功能，帮助他们做出更明智的投资决策，优化交易策略，并提高交易效率。Klok 的目标是通过 AI 技术提升加密货币交易的体验和效果，为用户提供一个强大的工具，帮助他们在复杂多变的加密货币市场中提升收益。目前，Klok 产品处于封闭测试阶段。与此同时，上文提到目前已有十几个团队利用 Flows 将开源 AI 能力集成到系列 Web2、Web3 应用程序中，一些应用计划在未来几个月内推出。为 AI 应用向下一阶段发展提供基础据IDC发布的《全球人工智能支出指南》显示，2022年全球人工智能 IT 总投资规模为 1288 亿美元，预计到 2027 年将增至4236亿美元，CAGR 约为 26.9%。这表明全球范围内对 AI 技术的投资正在持续快速增长。同时，根据 Gartner 的预测，到 2026 年，超过 80% 的企业将生成式AI、模型和应用程序纳入其运营中，而目前这一比例还不到 5 %。这同样表明未来几年内，生成式 AI 等的采用率将显著增长，并有望加速 AI 技术的广泛应用和集成。另一面，AI 的规模性采用需要由开发者群体来不断地推动，而让优质的 AI 资源、设施更广泛与开发者群体进行匹配，才是推动 AI 规模性采用的关键步骤。事实上，Mira 正在为上述趋势的发展提供动力，其通过提供用户友好的 SDKs，简化了 AI 开发、集成步骤，使得开发者更容易地创建和维护 AI 产品，并通过推出 API 市场，使开发者能够更容易地发现和使用高质量的开源 AI 资源，降低 AI 项目的开发周期。基于区块链技术，Mira 在保障开源社区贡献者保留对其模型、数据和使用的主权所有权，货币化其资源和劳动获取匹配的激励的同时，社区成员还能够持续地维护、评估和推进AI资源的发展，确保这些资源保持最新和最有效，并为广泛的开发者和创作者提供访问和集成先进 AI 技术的机会。随着 Mira 生态的全面启动并不断进行创新的探索，也将不断为 AI 应用向下一阶段发展提供基础。来源：金色财经

金色财经2024-07-16

Future3 AI+Web3孵化营深圳Open Day落幕碰撞AI+Web3新机会

旨演讲《AI趋势观察和亚马逊云科技赋能AI产品出海》中分享了亚马逊云科技对AI初创公司业务方向的洞察，包括AI与3D打印的结合、Voice agent、端到端大模型、VLA模型、AI+硬件/玩具等。他着重介绍了AI搜索与矩阵智能趋势，认为AI搜索技术正在逐步进攻传统搜索引擎市场，改变了互联网访问入口与产品形态；同时，具身智能作为AI生态的新兴趋势，尽管在单一任务方面表现出众，但泛化能力有限，这也是未来值得探索的方向之一。活动最后，AI+Web3孵化营项目代表Daren Market和Pond也分别介绍了各自的项目进展。Daren Market联合创始人Hanggi介绍到，Daren Market是一个AI驱动的链上人才市场，提供去中心化人才服务与人才资产投资两大功能，通过token激励的方式完成履约，并提供去中心化仲裁治理方案。针对日益增长的自由职业者市场，Daren Market利用Web3+AI解决定价、信任与支付问题，构建人才画像，通过智能合约与AI辅助评估定价。来自Pond的Sanzhi介绍到，Pond基于图神经网络模型，利用链上数据（如地址、钱包、合约间交互）进行行为预测与分析，而非依赖于Web2企业通常使用的传统文本数据。Pond模型通过捕捉链上行为相似性，实现早期预测与异常检测，同时支持开发者利用模型能力开发AI trading agent等应用。随着链上社交、游戏、NFT等数据增多，Pond模型预测的准确性也将不断提升，未来在安全检测、钓鱼网址识别等方面也有广泛应用潜力。 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，前两期已顺利结营，共孵化数十个优秀的创业团队。Future3 Campus第三期面向AI+Web3优秀项目，由亚马逊云科技提供独家技术支持。最终入营的9支优秀团队正在接受为期3个月的集中孵化和6个月的长尾追踪，并获得了一站式的Web3创业计划辅导与资源支持，包括技术指导、资源对接、宣传曝光、市场活动和融资服务等。 CogniXphere CogniXphere 是一个由AI驱动的去中心化的Web3用户偏好数据网络，提供情感人工智能伴侣和专业的 Web3 人工智能助手，同时通过挖掘用户的 AI 交互数据，完成对 Web3 用户的全面画像，帮助 Web3 产品和项目实现精准营销。 Daren Market Daren Market是首个AI 驱动的链上服务市场。 JoJoWorld 文生3D去中心化AI网络，入选英伟达全球初创加速计划，被Google，Tim Draper，Swiss Exchange等投资。 Kaisar Network Kaisar Network is a layer-one blockchain, specifically designed and optimized for decentralized computing and AI. Masa Masa Network旨在打造世界上最大的去中心化AI数据网络。用户可以通过贡献个人数据训练AI，从而获得代币奖励。 POND Pond 正在开发最大的链上数据的图 AI 模型，该模型将作为加密基础模型用于链上交易、安全、社交等。 Questflow Questflow 是一个AI自动化工作台，让用户通过自然语言描述，对多AI数字员工进行调度，自动化完成跨平台的任务，并且和团队成员在工作流中完成多人协作。 RIDO 为AI服务的Web3 个人数据层。 Xmultiverse Xmultiverse，由分布式人工智能GPU驱动的下一代DePIN云计算协议，它专为去中心化企业级算力集群而生。来源：金色财经

金色财经2024-07-15

木头姐重仓特斯拉揭示未来投资方向：AI将颠覆五大领域

子商务软件巨头Shopify。其明星AI产品是Sidekick，一个供商家询问业务操作问题的聊天机器人，但它也提供使用该技术起草电子邮件和帮助分类产品的服务。 Wood认为Shopify“思维前瞻”并且“在AI方面进展非常迅速”。当被问及她对该品牌的信心来自何处时，尽管它与巨头亚马逊竞争，她说，“世界正在以各种方式走向社交化，包括商业，Shopify是最大的推动者。”

丰雪鑫992024-07-14

24小时热点