FX168财经网_全球视野外汇黄金加密货币NFT资讯网

麦肯锡：人工智能可为华尔街带来每年高达3400亿美元利润

生成式人工智能在去年开始流行起来，当时OpenAI发布了ChatGPT工具，可以根据简单的提示为用户生成句子、摘要甚至诗歌。根据麦肯锡对63个行业用例的研究，这样的工具最终可能会接管大多数人类工作人员的重复性任务。麦肯锡高级合伙人Gokhan Sari在接受采访时表示，虽然最初的效率将在公司内部实现，而且部署的时间框架尚不清楚，但金融行业可以预期未来向人工智能的转变将更多在面向客户的层面。麦肯锡高级合伙人Jared Moon表示，销售和市场营销、软件工程和呼叫中心这些职位最有可能受到影响。Moon补充说，多达70%的业务活动将有自动化的部分，导致只有“非常小的一部分”工作不受影响。 “他们在利用生产力的提高来更快地执行代码、为客户编写更好的内容，从而腾出时间与客户打交道，” 他说。虽然他还没有看到公司使用人工智能来“大幅裁员”，但随着时间的推移，裁员问题仍未定论。

金融界2023-12-06

马斯克旗下人工智能公司xAI申请通过股票发行筹资10亿美元

能领域的融资仍然是创业公司的一个亮点，OpenAI去年推出了广受欢迎的聊天机器人ChatGPT，并从战略支持者微软公司那里筹集了100亿美元。然而，监管机构担心这项技术可能被用来传播错误信息。马斯克一直直言不讳地表示，他计划开发更安全的人工智能。在今年早些时候的Twitter Spaces活动中，他表示，xAI将寻求创造一个“最大限度地保持好奇的“人工智能，而不是明确地将道德编程到人工智能中。这位亿万富翁曾批评大型科技公司的人工智能事业充斥着各种审查，他在7月推出了xAI，称其为“最大限度地寻求真相的人工智能”，与谷歌的Bard和微软的必应（Bing）人工智能进行竞争。 2015年，马斯克共同创立了ChatGPT背后的OpenAI公司，该公司在全球范围内掀起了对生成式人工智能技术的狂热，但他在2018年退出了董事会。上个月，XAI推出了与OpenAI的ChatGPT竞争的聊天机器人“Grok”。马斯克在11月的一篇帖子中表示，这家人工智能初创公司将被整合到他的社交媒体平台X中，也可以作为一个独立的应用程序使用。

金融界2023-12-06

十二月展望：游戏是当前我最看好的叙事

，往往要追随现实世界中的特殊事件，比如OpenAI创始人离开公司后又重新掌权；某些颇受关注的AI峰会等等。我会考虑主做 $FET $OLAS 。六、ETH及其生态 $BLUR BLUR的事情大家也都清楚，我个人认为，Blast的估值是由其TVL支撑的，而BLUR价格则是Blast估值的外在表现（短期）。因为BLUR是可以去质押刷分的，而且刷分越久，给分的乘数越高。当下，很多人都已经开始套保+质押了，套保的费率大部分时间都是正的，也意味着费率也将会成为BLUR矿工的收入来源之一。我个人操作是买入BLUR+质押刷分。 $ARB ARB怎么说呢？虽然我下车了，但是我还是蛮看好的。首要原因就是ARB的基本面，当然这也是很多人上车的逻辑。包括Arbitrum最近生态激励和Layer3叙事（XAI将会在12月7日开启节点销售），这些都是Arbitrum生态的增益BUFF。还有一个原因是ARB明年的解锁。七、Cosmos Cosmos的机会除了为我们所知的 $RUNE $CACAO $FET $KUJI 外，我个人认为 $STRD 也将成为Cosmos生态的机会之一。不过，我现在还没有持仓（仓位太满了）。具体可以看看这篇： https://www.modularcapital.xyz/writing/stride 来源：金色财经

金色财经2023-12-05

Footprint Analytics x Future3 Campus联合发布AI与Web3研报（下篇）

d knowledge 的底座大模型（OpenAI 以及其他开源模式）、细分领域垂直模型、个性化专家知识模型。让用户能把自己不同源的知识库统一在 Footprint 上去进行管理，并且利用私有数据去训练私有 LLM，适用于更个性化的应用场景。在 Footprint 结合 LLM 模型探索中，也遇到了一系列的挑战和问题，其中最典型的就是token 不足、耗时的 prompt 提示以及回答不稳定等问题。而 Footprint 所处的链上数据这一垂直领域，面临的更大挑战是链上数据实体类型多、数量庞大，变化快，以何种形式投喂给 LLM，需要整个行业更多研究和探索。目前的工具链也还相对初期，还需要更多的工具去解决一些具体问题。未来 Footprint 在技术和产品上与 AI 的结合包括以下内容：（1）技术方面，Footprint 将结合 LLM 模型在三个方面进行探索和优化支持 LLM 在结构化数据上进行推理，让已沉淀的大量加密领域的结构化数据以及知识，能够被应用在 LLM 的数据消费以及生产上。帮助用户建立个性化知识库（包括知识、数据以及经验），以及使用私有数据去提升已经优化过的 crypto LLM 的能力，让每个人都能建自己的模型。让 AI 辅助分析以及内容生产，用户可以通过对话的方式，结合资金流数据以及私有知识库，去创建自己的 GPT，去生产以及分享 crypto 投资内容。（2）在产品方面，Footprint 将重点探索 AI 产品应用以及商业模式上的创新。根据 Footprint 近期对产品的推广计划，将推出为用户提供 AI crypto 内容生成与分享平台。此外，对于未来合作伙伴的拓展，Footprint 将在以下两个方面进行探索：第一，强化与跟 KOL 合作，助力有价值内容的生产以及社区的运营、知识的变现。第二，拓展更多合作项目方以及数据提供方，打造一个开放、共赢的用户激励和数据合作，建立一个互利共赢的一站式数据服务平台。 1.3 GoPlus SecurityGoplus GoPlus Security是目前 Web3 行业领先的用户安全基础设施，提供各类面向用户的安全安全服务。目前已经被市面上主流的数字钱包、行情网站、Dex 以及其他各种 Web3 应用所集成。用户可以直接使用资产安全检测、转账授权和防钓鱼等各种安全保护功能。GoPlus所提供的用户安全解决方案可以全方位覆盖整个用户安全的生命周期，以保护用户资产免受各种类型的攻击者的威胁。 GoPlus 与 AI 的发展与规划如下： GoPlus 在 AI 技术方面主要探索体现在其 AI 自动化检测和 AI 安全助手两款产品中：（1）AI 自动化检测 GoPlus 从 2022 年开始自研基于AI技术的自动化检测引擎，来全面提升安全检测的效率以及准确率。GoPlus的安全引擎采用多层次、漏斗式的分析方法，采用了静态代码检测、动态检测以及特征或行为检测等多个环节。这一复合式检测流程使得引擎能够有效地识别并分析潜在风险样本的特征，从而对攻击类型和行为有效建模。这些模型是引擎识别和预防安全威胁的关键，它们帮助引擎判断风险样本是否具有某些特定的攻击特征。此外，GoPlus安全引擎经过长时间的迭代和优化，积累了非常丰厚的安全数据以及经验，其架构能够快速有效应对新出现的安全威胁，确保能够及时发现并阻止各种复杂和新型的攻击，全方位保护用户安全。目前该引擎在风险合约检测、钓鱼网站检测、恶意地址检测以及风险交易检测等多个安全场景均使用了AI相关的算法和技术。采用AI技术能更快速地缩短减小风险敞口，提高检测效率，降低检测成本；另一方面减少了人工参与的复杂性和时间成本，提高对风险样本判断的准确率，尤其是对于那些原本人工难以界定或引擎难以识别的新场景，通过AI可以更好地归集特征并形成更有效的分析方法。 2023 年，随着大模型的发展，GoPlus 迅速适应并采用了 LLM。与传统 AI算法相比，LLM 在数据识别、处理和分析方面的效率和效果有了显著提升。LLM 的出现帮助 GoPlus 加快了在 AI 自动化检测方面的技术探索，在动态模糊测试的方向上，GoPlus采用了LLM技术能够有效的生成交易序列，探索更深的状态来发现合约风险。（2）AI 安全助手 GoPlus 同时正利用基于 LLM 的自然语言处理能力，开发 AI 安全助手，以提供即时的安全咨询和改善用户体验。AI 助手基于 GPT 大模型，通过前端业务数据的输入，开发了一套自研的用户安全Agent，能够根据问题自动化的去分析、生成解决方案、拆解任务、执行，为用户提供需要的安全服务。AI 助手能简化用户与安全问题之间的交流，降低用户理解的门槛。在产品功能上，由于 AI 在安全领域的重要性，未来 AI 有潜力彻底改变现有的安全引擎或病毒杀毒引擎的结构，出现以 AI 为核心的全新引擎架构。GoPlus 将持续对 AI 模型进行训练和优化，以期将AI从辅助工具转变为其安全检测引擎的核心功能。在商业模式上，虽然目前 GoPlus 的服务主要面向开发者和项目方，但公司正在探索更多直接面向 C 端用户的产品和服务，以及与AI相关的新收入模式。提供高效、准确、低成本的 C 端服务将是 GoPlus 未来的核心竞争力。这需要公司持续研究，在与用户交互的 AI 大模型上进行更多的训练和输出。同时，GoPlus公司也将与其他团队合作，共享其安全数据，并通过合作推动安全领域内的 AI 应用，为未来可能带来的行业变革做好准备。 1.4 Trusta Labs Trusta Labs成立于2022年，是一家由人工智能驱动的Web3领域数据创业公司。Trusta Labs专注于利用先进的人工智能技术对区块链数据进行高效处理和精准分析，以构建区块链的链上声誉和安全基础设施。目前，Trusta Labs 的业务主要包括两款产品：TrustScan 和 TrustGo。（1）TrustScan，TrustScan是一款专为B端客户设计的产品，主要用于帮助Web3项目在用户获取、用户活跃和用户留存方面进行链上用户行为分析和精细化分层，以识别高价值且真实的用户。（2）TrustGo，一款面向 C 端客户的产品，其提供的 MEDIA 分析工具，可以从五个维度（资金金额、活跃度、多样性、身份权益、忠诚度）对链上地址进行分析和评估，该产品强调对链上数据的深入分析，以提升交易决策的质量和安全性。 Trusta Labs 与 AI 的发展与规划如下：目前 Trusta Labs 的两款产品均是利用AI模型对链上地址的交互数据进行处理和分析。区块链上地址交互的行为数据，均属于序列数据，这类型的数据非常适合用于 AI 模型的训练。在对链上数据进行清洗、整理和标记的过程中，Trusta Labs 将大量的工作交给 AI 来完成，极大地提高了数据处理的质量和效率，同时也减少了大量的人力成本。Trusta Labs 利用 AI 技术对链上地址交互数据进行深入分析和挖掘，对于 B 端客户而言，可以有效地识别出较大可能性的女巫地址。在已使用 Tursta Labs 产品的多个项目中，Tursta Labs 均较好地防范了潜在女巫攻击的发生；而对于 C 端客户，通过 TrustGo 产品，利用现有的 AI 模型，有效帮助用户深入了解了自己的链上行为数据。 Trusta Labs一直在紧密关注LLM模型的技术进展和应用实践。随着模型训练和推理成本不断降低，以及Web3领域大量语料和用户行为数据的积累，Trusta Labs将寻找合适的时机，引入LLM技术，利用 AI 的生产力为产品和用户提供更深入的数据挖掘和分析功能。在目前 Trusta Labs 已经提供丰富的数据的基础上，希望可以利用 AI 的智能分析模型，为数据结果提供更多合理、客观的数据解读功能，如针对 B 端用户提供定性和定量解读已抓取到女巫账户的分析，让用户更理解数据背后的原因分析，同时可以为 B 端用户向其客户投诉解释时提供更翔实的材料佐证。另一方面，Trusta Labs 也计划利用已开源或者较为成熟的 LLM 模型，并结合以意图为中心的设计理念来构建 AI Agent，从而来帮助用户更快捷、更效率地解决链上交互的问题。就具体应用场景而言，未来通过 Trusta Labs 提供的基于 LLM 训练的 AI Agent 智能助理，用户可以直接通过自然语言与智能助理进行交流，智能助理即可“聪明”地反馈链上数据相关的信息，并针对已提供的信息进行后续操作的建议和规划，真正实现以用户意图为中心的一站式智能操作，极大降低用户使用数据的门槛，简化链上操作的执行。此外，Trusta 认为，未来随着越来越多基于 AI 的数据产品的出现，每个产品的核心竞争要素可能不在于使用何种 LLM 模型，竞争的关键因素是对已掌握数据更深层次的理解和解读。基于对已掌握数据的解析，再结合 LLM 模型，才能训练出更“聪明”的 AI 模型。 1.5 0xScope 0xScope，成立于 2022 年，是一个以数据为核心的创新平台，其专注于区块链技术和人工智能的结合。0xScope 旨在改变人们处理、使用和看待数据的方式。0xScope 目前针对 B 端和 C 端客户分别推出了：0xScope SaaS products 和 0xScopescan。（1）0xScope SaaS products，一个面向企业的 SaaS 解决方案，赋能企业客户进行投后管理、做出更好的投资决策、了解用户行为，并密切监控竞争动态。（2）0xScopescan，一个 B2C 产品，其允许加密货币交易者调查选定区块链的资金流动和活动情况。 0xScope 的业务重点是利用链上数据抽象出通用数据模型，简化链上数据分析工作，将链上数据转化为可被理解的链上操作数据，从而帮助用户对链上数据进行深入分析。利用 0xScope 提供的数据工具平台，不仅可以提升链上数据质量，挖掘数据暗藏的信息，从而揭示更多的信息给用户，该平台也极大降低了数据挖掘的门槛。 0xScope 与 AI 的发展与规划如下： 0xScope 的产品正在结合大模型进行升级，这包含两个方向：第一，通过自然语言交互的模式进一步地降低用户的使用门槛；第二，利用 AI 模型提高在数据清洗、解析、建模和分析等环节的处理效率。同时，0xScope 的产品中即将上线具有 Chat 功能的 AI 互动模块，该功能将极大地降低用户进行数据查询和分析的门槛，仅通过自然语言即可与底层的数据进行交互和查询。但在训练和使用AI的过程中，0xScope 发现其中仍面临这以下挑战：第一，AI 训练成本和时间成本较高。在提出一个问题后，AI 需要花费较长时间才能进行回复。因此，这个困难会迫使团队需要精简和聚焦业务流程，专注于垂直领域的问答，而不是让其成为一个全方位的超级AI助理。第二，LLM 模型的输出是不可控的。数据类的产品希望给出的结果是精准的，但目前LLM模型给出的结果很可能与实际的情况有一定出入，这对数据类产品的体验是非常致命的。此外，大模型的输出有可能会涉及到用户的隐私数据。因此，在产品中使用 LLM 模式时，团队需要对其有较大程度的限制，以使得 AI 模型输出的结果可控且精准。未来，0xScope 计划利用 AI 专注于特定的垂直赛道并进行深耕。目前基于已大量积累大量链上数据，0xScope 可以对链上用户的身份进行定义，后续将继续利用 AI 工具抽象链上用户行为，进而打造出一套独特的数据建模的体系，通过这套数据挖掘和分析体系揭示出链上数据暗含的信息。在合作方面，0xScope 将聚焦在两类群体：第一类，产品可以直接服务的对象，比如开发者、项目方、VC、交易所等，该群体需要目前产品所提供的数据；第二类，对 AI Chat 有需求的合作伙伴，如 Debank、Chainbase 等，他们只需要有相关的知识和数据，便可以直接调用 AI Chat。 VC insight——AI+Web3 数据公司的商业化和未来发展之路本节内容通过采访了 4 位资深的 VC 投资人，将从投资和市场的视角来看 AI+Web3 数据行业的现状和发展，Web3 数据公司的核心竞争力以及未来的商业化道路。 2.1 AI+Web3 数据行业的现状和发展目前，AI 与 Web3 数据的结合正处于一个积极探索的阶段，从各个头部 Web3 数据公司的发展方向来看，AI 技术以及 LLM 的结合都是必不可少的趋势。但同时 LLM 有其自身技术局限性，尚不能解决当前数据行业的很多问题。因此，我们需要认识到并非盲目地与 AI 结合就能够增强项目的优势，或者是使用 AI 概念进行炒作，而是需要探索真正具有实用性和前景的应用领域。从 VC 的视角，目前 AI 与 Web3数据的结合已经有以下方面的探索：（1）通过 AI 技术来提高Web3 数据产品的能力，包括 AI 技术帮助企业提高内部数据处理分析的效率，以及相应提高对用户的数据产品的自动化分析、检索等能力。例如 SevenX Ventures 的Yuxing 提到 Web3 数据使用 AI 技术最主要的帮助是效率方面，比如 Dune 使用 LLM 模型做代码异常检测和将自然语言转化生成 SQL 去信息索引；还有用 AI 做安全预警的项目，AI 算法做异常检测效果比从纯数学统计更好，所以可以更有效地去做安全方面的监测；此外，经纬创投的子熹提到企业可以通过训练 AI 模型进行数据的预标注，能节约很多人力成本。尽管如此，VC 们都认为，在提高 Web3 数据产品的能力和效率方面，AI 起到的是辅助作用，例如数据的预标注，最终可能仍需要人工审核来确保准确性。（2）利用 LLM 在适应性和交互上的优势，打造 AI Agent/Bot。例如使用大语言模型来检索整个 Web3 的数据，包括链上数据和链下新闻数据，进行信息聚合和舆情分析。Hashkey Capital 的 Harper 认为这类的 AI Agent更加偏向于信息的整合、生成，以及和用户之间的交互，在信息准确性和效率上会相对弱一些。上述两方面的应用尽管已经有不少案例，但是技术和产品仍然在探索的早期，因此未来也需要不断地进行技术优化和产品改进。（3）利用 AI 进行定价及交易策略分析：目前市场中有项目利用 AI 技术给 NFT 进行价格估算，如启明创投投资的 NFTGo，以及有些专业交易团队使用 AI 进行数据分析和交易执行。此外 Ocean Protocol 近期也发布了一个价格预测的AI产品。这类的产品似乎很有想象力，但在产品中、用户接受程度方面，尤其是准确性方面仍需要进行验证。另一方面，有不少 VC，尤其是在 Web2 有投资的 VC会更关注提到 Web3 和区块链技术能够为 AI 技术带来的优势和应用场景。区块链具有公开可验证、去中心化的特点，以及密码学技术提供隐私保护能力，加上 Web3 对生产关系重塑，可能能够给 AI 带来一些新的机会：（1）AI 数据确权与验证。AI 的出现使数据内容生成变得泛滥和廉价。启明创投的唐弈提到对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权需要一个全新的体系，区块链可能可以提供帮助。经纬创投的子熹提到有数据交易所将数据放在NFT中进行交易，可以解决数据确权的问题。另外，SevenX Ventures 的 Yuxing 提到Web3 数据能够改善 AI 造假和黑盒问题，当前 AI 在模型算法本身和数据方面都存在黑盒问题，会导致输出结果的偏差。而Web3的数据具有透明性，数据是公开可验证的，AI模型的训练源和结果都会更加明晰，使得AI更加公正，减少偏见和错误。但当前 Web3 的数据量还不够多，不足以给 AI 本身的训练赋能，因此短期不会实现。但是我们可以利用这一特性，将 Web2 数据上链，来防止 AI 的深度伪造。（2）AI 数据标注众包及 UGC 社区：目前传统 AI 标注面临效率和质量较低的问题，尤其是在涉及到专业知识领域，可能还需要交叉学科知识，传统的通用数据标注公司是不可能覆盖的，往往需要专业团队内部来做。而通过区块链和 Web3 的概念引入数据标注的众包，则能很好地改善这个问题，例如经纬创投投资的Questlab，他们使用区块链技术提供数据标注的众包服务。此外，在一些开源模型社区中，也可以使用区块链概念来解决模型创作者经济的问题。（3）数据隐私部署：区块链技术结合密码学相关技术可以保证数据的隐私和去中心化。经纬创投的子熹提到他们投资的一个合成数据公司，通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。公司在处理数据的时候涉及到很多隐私部署的问题，使用了 Oasis区块链，可以有效避免了隐私和监管问题。 2.2 AI+Web3 数据公司如何打造核心竞争力对于 Web3 技术公司来说，AI 的引入能够一定程度上增加项目的吸引力或关注度，但是目前大部分 Web3 技术公司相关结合 AI 的产品并不足以成为公司的核心竞争力，更多是在提供了更友好的体验，以及效率的提升。譬如 AI Agent 的门槛并不高，先做的公司可能在市场有先发优势，但并不产生壁垒。而真正在 Web3 数据行业中产生核心竞争力和壁垒的应该是团队的数据能力以及如何应用 AI 技术解决具体分析场景的问题。首先，团队的数据能力包括了数据源及团队进行数据分析和模型调整的能力，这是进行后续工作的基础。在采访中，SevenX Ventures、经纬创投和 Hashkey Capital 都一致提到了 AI+Web3 数据公司的核心竞争力取决于数据源的质量。在这个基础上，还需要工程师能够基于数据源熟练地进行模型微调、数据处理和解析。另一方面，团队 AI 技术具体结合的场景也非常重要，场景应该是有价值的。Harper 认为，尽管目前 Web3 数据公司与 AI 的结合基本都是从 AI Agent 开始，但他们的定位也不同，例如 Hashkey Capital 投资的 Space and Time，和 chainML 合作推出了创建 AI agent 的基础设施，其中创建的 DeFi agent 被用于 Space and Time。 2.3 Web3 数据公司未来的商业化道路另一个对于 Web3 数据公司很重要的话题是商业化。长期以来，数据分析公司的盈利模式都比较单一，大都 ToC 免费，主要 ToB 盈利，这很依赖于 B 端客户的付费意愿。在 Web3 领域，本身企业的付费意愿就不高，加上行业初创公司为主，项目方难以支撑长期的付费。因此目前 Web3 数据公司在商业化的处境上比较艰难。在这个问题上，VC 们普遍认为当前 AI 技术的结合，仅应用在内部解决生产流程的问题，并没有改变本质上的变现难问题。一些新的产品形式如 AI Bot 等门槛不够高，可能一定程度上在 toC 领域增强用户的付费意愿，但仍然不是很强。AI 可能短期内不是解决数据产品商业化问题的解决方案，商业化需要更多的产品化努力，例如寻找更加合适的场景，和创新的商业模式。在未来 Web3 与 AI 结合的路径上，利用 Web3 的经济模型结合 AI 数据可能会产生一些新的商业模式，主要在 ToC 领域。经纬创投的子熹提到 AI 产品可以结合一些 token 的玩法，提高整个社群的粘性、日活和情感，这是可行的，也更容易变现。启明创投的唐弈提到，从意识形态的角度，Web3 的价值体系可以结合到AI上的，很适合作为 bot 的账号体系或者说价值转化体系。例如一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。但这个概念属于未来的畅想，实际应用可能还有很长的路要走。而在原来的商业模式，即用户直接付费上，需要有足够强的产品力，让用户有更强的付费意愿。例如更高质量的数据源、数据带来的效益超过支付的成本等，这不仅仅在于 AI 技术的应用，也在数据团队本身的能力之上。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于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，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经

金色财经2023-12-05

ChatGPT用户数量已超过17亿一岁生日后何去何从？

2022年，OpenAI让公众开始试用ChatGPT。人们可以问它问题，ChatGPT会以对话的方式回答，感觉更像是在和另一个人交谈，而不是和人工智能系统。 ChatGPT没过多久就大受欢迎。OpenAI当时的首席执行官Greg Brockman表示，该应用发布仅5天，用户数量就突破了100万。两个月后，也就是2023年1月，根据瑞士联合银行的一项研究，ChatGPT的月活跃用户约为1亿。根据Similar Web的分析，今年10月，ChatGPT在全球吸引了约17亿次访问。 01.ChatGPT的一年前vs现在在过去的一年里，人们使用ChatGPT完成各种各样的任务，从写电子邮件到整理简历，甚至创建一个六位数的企业。随着人们使用AI聊天机器人的方式发生变化，这项技术本身也在不断发展。一年前，ChatGPT只有一个免费版本，可以为用户的问题和请求提供详细的文本回复。现在，用户可以订阅ChatGPT Plus，从而可以访问OpenAI最新的AI聊天机器人ChatGPT-4。 OpenAI表示，ChatGPT-4已经接受了更多数据的训练，产生的错误反应更少，并且能够理解比早期模型“更细微的指令”。 OpenAI还表示，一个主要的更新是——新的ChatGPT可以“看、听和说”。这意味着用户可以通过ChatGPT的移动应用程序与它进行语音对话，并分享图像供其处理和响应。例如，你可以拍一张花的照片，然后让ChatGPT解释这是什么类型的植物，以及如何照顾它。 OpenAI本身也发生了变化，包括最近的领导层变动。 11月17日，这家初创公司的董事会罢免了首席执行官Sam Altman。在这一消息宣布后，数百名员工联名上书，威胁要辞职，并与Altman一起去微软工作，他将在那里带领一个新的人工智能研究团队。然而，不到一周后，OpenAI就重新聘用了Altman。周三，该公司宣布，此前向OpenAI投资130亿美元的微软将获得一个无投票权的董事会席位。 02.ChatGPT对科技行业的影响自OpenAI推出ChatGPT以来的一年里，一些科技行业的领先公司也纷纷发布自己的AI驱动信息应用程序。今年2月，谷歌宣布推出自己的AI聊天机器人Bard。它由专有的大型语言模型提供支持，并使用来自网络的信息，以会话方式响应用户的提示。它还可以与Gmail、Docs和YouTube等其他谷歌工具连接，生成个性化回复。去年11月，亚马逊发布了其AI聊天机器人Q。根据该公司的博客，这款“生成式AI助手”旨在帮助员工简化总结文档、进行研究和生成电子邮件草稿等任务。工具致力于最终取代智能手机，将信息投射到用户的手上，让用户无需拿着智能手机就能接听电话和执行各种任务。 03.ChatGPT和生成式AI的下一步是什么 AI聊天机器人的未来发展可能意味着，它可以满足你个性化的特定需求。 11月6日，OpenAI宣布用户可以创建定制版本的ChatGPT来满足特定需求，比如解释棋盘游戏或帮助提高写作技能。用户还可以通过OpenAI版本的应用商店与其他用户分享他们的聊天机器人。哥伦比亚大学工程和数据科学教授Hod Lipson在11月11日接受CNBC采访时表示:“他们真的在努力创造一个市场，让公司和人们能够创新并利用他们刚刚推出的这种令人难以置信的人工智能形式。” 虽然ChatGPT可能帮助普及了AI聊天机器人，但它只是生成式人工智能的一个例子，生成式人工智能指的是经过大量数据训练的技术，这样它就可以创建新的内容，比如文章或图像。OpenAI的DALL-E人工智能系统就是一个例子，该系统能够根据用户输入的文本创建图片。纽约大学兼职教授Jamyn Edis在科技和媒体行业拥有超过25年的经验，他表示，尽管生成式人工智能应用在过去一年里发展迅速，但这种速度可能无法持续下去。他在接受CNBC Make It采访时表示:“你需要数据来为机器提供信息，随着我们试图摄取越来越多的文本、图像、视频和其他媒体格式和数据集，在某一点上，你将开始走向地平线的边缘。到那时，由于所有新内容都是基于旧内容，它是否会变成一只追逐自己尾巴的狗？” 至于OpenAI，根据11月9日的一篇博客文章，该公司的目标是创建公共和私人数据集，帮助人工智能模型更深入地了解广泛的主题、语言和文化。为了做到这一点，该公司正在寻找一种无法在网上找到的“反映人类社会”的数据，比如人类对话。 OpenAI写道:“我们正在寻找合作伙伴，帮助我们教会人工智能理解我们的世界，以便最大限度地帮助每个人。” 来源：金色财经

金色财经2023-12-05

兴业证券：传媒板块进入AI产品密集兑现期，回升趋势有望持续贯穿2024全年

续贯穿2024全年。2023年11月，OpenAI发布GPT-4Turbo，在更长的上下文长度、更强的控制、知识升级、多模态、模型微调定制和更高的速率限制这六大领域完成迭代升级，同时还推出自定义版本的ChatGPT，用户可以通过自然语言打造自己的GPT，并且公开分享至GPTStore，为AI应用的迭代奠定强大的生态。此外，短剧和互动游戏的兴起、抖音开启测试视频内容付费服务等持续的产业催化利好、AIGC生态体系的陆续完善、政策的高效引导有望量变形成质变，为传媒行情新一轮上涨提供支撑。

金融界2023-12-05

区块链动态2023年12月5日早参考

e联创Brian Armstrong、OpenAI CEO Sam Altman、Ripple首席执行官Brad Garlinghouse。来源：金色财经

金色财经2023-12-05

AI—X探索未来之窗：人工智能与虚拟现实的奇妙融合

—X是由数百位来自Neuralink，OpenAI，Google Brain等全球知名AI及VR研发中心的跨学科专家所组成的团队所共同研发的跨时代产品，为用户提供深度交互、通过AI算力获取收益的去中心化金融模式及前所未见的VR元宇宙！ AI—X结合两大未来科技主流趋势，即人工智能及虚拟现实，基于去中心化金融模式作为底层经济逻辑，构筑一个数字化世界。以区块链技术为基石，AI—X生态内人工智能与虚拟现实的技术融合将开启数字时代的崭新篇章，重新定义数字经济，赋予Web 3产品新面貌。虚拟现实的沉浸式体验与人工智能的智能相互结合，创造科技领域的下一波主流叙事。Web 3产品不再仅限于DeFi、GameFi、数字货币或NFT，而提供更真实、更个性化的虚拟现实体验。用户除了可以佩戴VR设备在元宇宙世界内与基于AI—X意识所打造的人工智能NPC（非玩家控制角色）互动以外，未来更将支持用户自主上传意识至其位于AI—X世界内所拥有的元宇宙数字人身上；参与制造芯片，公投研发脑机，与AI—X一起重新计算意识永存的价值，共赴一场未来之约。同一时间，AI—X团队搭建了行业内前所未见的去中心化金融模式，打造出真正意义上的去中心化数字经济模式。全球首创的合约LP池，让共识者及用户持续获得有偿AI算力服务的100%收益；多种算力收益结合返佣计划收益，携手共识者在这场科技前瞻叙事中一起赚取财富红利。AI—X的去中心化金融模式的巧妙设计在于其稳定循环的资金流通，以合理且正规的方式，齐齐驱动AI—X及用户群体的成长及开发。 AI—X的大胆前沿创举将颠覆既往的行业玩法及格局，作为科技前锋打响科技赋能未来的号角；谱写人工智能、虚拟现实及区块链技术融合的全新数字经济交易前景，迎接一切皆有可能的Web 3时代！来源：金色财经

金色财经2023-12-05

美联储和牛市的关联性｜疑问解答

关于防御性技术的看法。在这篇文章中他借OpenAI近期的事件详细阐述了他对防御性（decentralization/democracy/differential）技术以及主动（Intentional）技术的看法。读完这篇文章我们就能很自然地理解他为什么要在以太坊的发展中持续不懈地推进去中心化的工作，他的初衷和驱动源自哪里。这是我们一窥他在技术领域思想和世界观的好文。第二篇是他对当下以太坊质押中出现的明显中心化趋势提出的若干个解决方案，其目的就是遏制住这股中心化的势头，让质押去中心化。这篇文章中提出的某个解决方案我觉得是很有可能会被列为以太坊未来发展路径并且会得到实施的。而一旦这个方案得到实施，将会影响目前LSD领域的发展和走向，因为它会改变这个领域当下的利益分配和格局。来源：金色财经

金色财经2023-12-05

兼容OpenAI的OpenTele 成为Telegram 进军Crypto 的重要阵地

OpenTele生态系统提供了广泛的机会。

金色财经2023-12-05

24小时热点