FX168财经网_全球视野外汇黄金加密货币NFT资讯网

软银海外融资18.6亿美元助力孙正义的“AI宏图”

索”这一前沿领域的美国人工智能初创公司Perplexity AI，软银对于Perplexity的这一笔投资，可谓是孙正义领导之下的软件集团对于“超级人工智能”宏图至关重要的细分领域的最新赌注，孙正义押注Perplexity未来可能是“AI搜索”这一前沿领域的最强领导者。AI初创公司Perplexity目标在于利用人工智能技术加持下的无广告式高效AI搜索，与Alphabet Inc旗下的谷歌搜索引擎展开激烈竞争。在孙正义看来，软银集团的使命乃通过实现“超级人工智能”(ASI)愿景来帮助人类社会进步。软银亿万富翁创始人孙正义在上周对人工智能的未来提出了堪称宏伟的愿景，包括承诺实现他所谓的“超级人工智能”。孙正义谈到他想要打造出比人类聪明数千倍的人工智能系统，这是自软银在一系列不合时宜的初创公司赌注后短暂退出风投市场以来最宏大的声明。在上周软银股东大会上，孙正义宣称，他已经准备好在人工智能领域孤注一掷，且“无论输赢”。在上周五，孙正义更进一步放出豪言壮语，表示软银此前所做的一切都是为了实现AI梦想的热身准备工作，软银集团的目标是要打造出“超级人工智能”。他预言，超级人工智能可能会在10年内出现，其能力将会是人类的万倍。根据今年2月的媒体报道，软银计划在一个名为“Izanagi”的超级AI芯片项目中向人工智能相关芯片企业投入约1000亿美元。上周，当一名股东问及“Izanagi”时，孙正义表示，他将致力于取得成果，并将努力实现自己设定的目标，但没有详细说明。如果孙正义投资成功，这一AI芯片项目将成为ChatGPT问世以来人工智能领域最大规模的投资之一，甚至使得微软此前对OpenAI的100多亿美元投资相形见绌。孙正义前不久表示，他正在寻求筹集最高达1000亿美元的资金，打造一家规模庞大的合资芯片公司，使之能够与当前在AI芯片领域具有垄断地位的英伟达(NVDA.US)展开全面竞争，并为全球人工智能发展提供必要的核心芯片产品。在孙正义寻求人工智能相关投资的同时，孙正义领导下的软银一直在探索更大规模使用Arm芯片设计方案的方法。孙正义希望能够创建一家规模庞大的芯片公司，与软银控股的在芯片设计领域具有重要地位的Arm(ARM.US)形成互补，并打造一个未来规模和市场占有率比肩英伟达的人工智能芯片巨头。软银曾因Wework等失败投资而一度巨额亏损，但目前软银连续多个季度实现盈利。而在这背后，投资Arm所带来的巨额盈利功不可没。Arm可谓是孙正义在多年前成功投资阿里巴巴之后的最新投资代表作，而孙正义显然也因此准备继续对人工智能投下重注。 Arm出售全球几乎所有智能手机移动端芯片最核心指令集架构的许可证，ARM架构集中应用于智能手机领域，但现在ARM架构出现在电脑以及数据中心AI服务器芯片领域的频率同样越来越高，英伟达自研的Grace CPU正是基于ARM架构，亚马逊的自研数据中心Graviton服务器处理器同样采用ARM架构，微软最新推出的自研定制化AI芯片Azure Cobalt 100这款一服务器CPU同样基于ARM架构打造，专门设计用于在微软Azure云服务器上运行云计算工作负载。因此，乘着这股全球AI投资热潮，Arm今年以来暴涨超120%，市值高达1700亿美元，而软银持股比例接近90%。

金融界2024-07-01

苹果打造AI帝国！不止OpenAI，正在与Meta、Anthropic等讨论合作

作，此前也与谷歌、Anthropic和Perplexity等AI公司洽谈。据《华盛顿日报》周日（23日）报导，Meta公司已经与苹果公司讨论将其生成式AI模型整合到后者的Apple Intelligence体系中，而苹果备注瞩目的AI计划才于两周前刚解开面纱。 6月中上旬，苹果在其WWDC 2024大会上公布了一系列系统更新，除了常规的visionOS2、iOS18、iPadOS 18、MacOS 15 Sequoia等，最新公布的Apple Intelligence尤为重磅。同时，苹果宣布Siri正式与OpenAI的ChatGPT合作，运用其领先的大型语言模型提升Siri的AI回应品质等。今年三月，传闻苹果正在与谷歌洽谈，将Google旗下的聊天机器人Gemini引入iPhone中。有分析称，两者关于端侧AI的合作是双赢之举，一方面为苹果赢得极佳的响应速度、用户体验和出色的隐私保护，另一方面Gemini则获得进入苹果数十亿活跃设备的关键优势。此外，知情人士透露，人工智能新创公司Anthropic和AI搜寻新创公司Perplexity也一直在与苹果讨论将其AI模型引入Apple Intelligence。报道称，目前的讨论尚未最终敲定，也有存在洽谈失败的可能，并补充道，与苹果的合作将有助于AI公司获得更广泛的产品分销。报道指出，谈判合作的规模目前尚不清楚，但谈判设计AI公司通过Apple Intelligence出售其服务的高级订阅。知情人士称，在这些谈判中，苹果并没有要求任何一方向对方支付费用，而是寻找一种类似App Store的合作方式：AI工资通过Apple Intelligence出售其服务的高级订阅服务，苹果则从订阅收入中抽取一部分。苹果公司此前也表态，如果与OpenAI以外的合作伙伴达成协议，苹果用户可以选择除苹果内部系统外，他们想要使用的外部人工智能模型。原文链接

投资慧眼2024-06-24

瞄准苹果，欧盟又开枪！新一轮调查开启，巨额罚款在路上？

Meta、初创公司Anthropic、Perplexity等公司洽谈合作，将其生成式人工智能引入Apple Intelligence。不过，欧盟苹果用户暂时都将无法体验这些AI新功能。

格隆汇2024-06-24

继OpenAI后牵手Meta？苹果联合AI“佼佼者”们，打造全新帝国

模型。” 初创公司Anthropic和Perplexity也一直在与苹果公司讨论，将他们的生成式人工智能引入Apple Intelligence。不过，讨论尚未最终确定，规模会有多大尚不清楚，也有可能会失败。另外，预计苹果还将讨论与中国等不同地区的其他人工智能公司建立合作伙伴关系。 Apple Intelligence，“AI大模型商店”？在今年6月全球开发者大会上，苹果首次正式推出了 Apple Intelligence——个人AI系统。这是一款将内置在iOS 18、iPadOS 18和macOS Sequoia中的强大生成式AI模型。其使用的芯片是苹果自研的M系列和专属云服务器。 Apple Intelligence的功能主要涵盖文本、语音助手、音频、摘要等多种内容。它可以帮助用户自动生成求职信、邮件、博客内容，同时可以根据不同的语气、应用场景进行切换。也可以对现有的文本内容的语法、句子结构和标点符号等进行校准，帮助用户快速完成书写。彼时苹果便称，Apple Intelligence将寻求合作伙伴来推进更复杂或特定的任务，OpenAI则是第一个合作伙伴。随着越来越多公司与苹果展开合作，那么也就意味着其用户有了更多潜在选择，同时减少了对OpenAI的依赖。未来，Apple Intelligence甚至可能会成为“AI大模型商店”，作为AI分发平台提供类似于苹果商店的服务。

格隆汇2024-06-24

24小时环球政经要闻全览 | 6月24日

，人工智能初创公司Anthropic和Perplexity也一直在与苹果商谈，希望把它们的生成式人工智能引入苹果智能系统。英伟达将为卡塔尔电信公司Ooredoo提供人工智能技术据彭博，总部位于卡塔尔多哈的电信公司Ooredoo首席执行官称，与英伟达签署了一项协议，将在Ooredoo位于五个中东国家的数据中心部署其人工智能技术。Ooredoo在一份声明中表示，这将使Ooredoo成为该地区首家能够让其卡塔尔、阿尔及利亚、突尼斯、阿曼、科威特和马尔代夫数据中心的客户直接访问英伟达的人工智能和图形处理技术的公司。两家公司没有透露这笔交易的价值。美国检察官建议司法部对波音公司提起刑事指控当地时间6月23日，美国检察官在发现美国波音公司违反了与两起致命坠机事件相关的和解协议后，建议美国司法部高级官员对波音公司提起刑事指控，司法部必须在7月7日之前决定是否起诉波音公司。据悉，目前司法部内部的审议仍在进行中，尚未做出最终决定。长城汽车计划今明两年在马来西亚、印尼和越南新建工厂据新加坡商业时报，长城汽车东盟区域总裁程金奎接受采访称，公司计划今明两年在马来西亚、印尼和越南新建工厂。程金奎透露，长城汽车正与马来西亚EP Manufacturing合作，寻求在马六甲州组装产品，预计最快7月投产。印尼的组装厂则有望今年7月或8月投产。按计划，越南工厂将于明年实现当地组装。

格隆汇2024-06-24

深入探讨去中心化人工智能（DeAI）及其重要性

hatGPT：能够进行类似人类对话。 Perplexity AI：提高搜索准确性。 Jasper AI：作为内容写作的副驾驶。 DALL-E：从文本描述生成图像。 Pika Art：从文本生成高清视频。这些工具正在成为我们日常生活的一部分，使任务变得更容易和更高效。AI 不再只是一个未来的概念；它正在积极解决我们今天面临的重要问题。 AI 的发展正在改变众多行业，例如：帮助医生更快地诊断疾病使自动驾驶汽车能够安全导航为用户在线购物体验个性化原则上，AI 方法可以分为三大类：中心化 AI：由单一实体或企业控制。去中心化 AI：注重分布式控制、透明度和激励机制。开源 AI：强调促进协作和透明度。在今天的研究中，我们将重点探讨“去中心化 AI”。 AI 的开发生命周期在深入细节之前，让我们了解一下构成 AI 开发生命周期的不同组件。这将使我们更容易理解去中心化如何对这些步骤作出贡献。 AI 的创新需要多年来的进步、持续反馈、培训和参与。开发一个 AI 模型涉及几个关键阶段，以确保端到端操作流程的稳健性。以下是生命周期关键阶段的详细介绍：问题陈述识别和设计一切始于识别业务问题并定义要解决的目标。数据收集是最关键的步骤之一，确保模型使用相关且准确的数据。数据收集与探索这一阶段包括从各种来源聚合数据并评估其质量。初步数据分析有助于理解模式和趋势，从而制定数据预处理和特征工程（数据改进）的计划。数据整理与准备数据预处理包括清理和转换原始数据为丰富、可用的数据集。使用特征工程从现有数据创建新特征以增强模型性能。模型开发这一阶段涉及根据问题陈述和收集的数据选择最适合的机器学习实践。接下来的步骤是训练和测试模型，以确保其能够做出准确的预测。最后是优化，即提高模型的效率。模型部署将模型部署到现实环境中，使其开始进行预测、推荐或其他训练任务。你可以使用计算提供商将其投入生产。持续监控确保模型保持准确和有效。偏差检测确保决策的公平性。模型维护与再培训维护模型涉及定期更新和使用新数据进行再培训。重点是尽可能多地收集反馈，并将其反馈给模型以进行调整和改进。今天，大多数这些模型来自研究机构、私营公司或少数开源组织。Google、OpenAI、IBM、AWS 和 Microsoft 是一些主要参与者。去中心化 AI 的需求中心化 AI 存在其问题。试想一下，单点故障意味着一次漏洞可能会危及所有内容。相比之下，去中心化 AI (DeAI) 通过将数据分布在多个节点上，使系统更安全。如果一个节点受到攻击，其余节点仍能正常运作。这种设置还使用户对其数据拥有更多控制权，尤其是在利用完全同态加密 (FHE) 和零知识机器学习 (ZKML) 等技术时，降低了隐私风险。审查是中心化系统的另一个重大问题。一个实体可以控制和操纵信息。相比之下，去中心化 AI 分布控制，难以让任何单一实体主导叙述。这确保了信息保持可访问并免受不当影响。透明度是我认为的关键因素。开源模型、激励机制和协作工作流管理意味着任何人都可以随时检查和验证决策。这种开放程度解决了中心化系统中隐藏偏见和不透明过程的问题。此外，它允许更多人参与并贡献。例如，拥有闲置计算空间的人现在可以通过去中心化计算提供商如 Akash 和 Render 出租。去中心化模型还限制了中央实体的权力，防止 AI 被滥用于不公平的目的。通过促进协作和知识共享，它利用集体智慧和更大的治理，导致系统更稳健、更开放和更准确。加密技术在其中充当了促进者，将最好的两方面结合在一起。它提供了对顶级服务、计算、模型和数据的访问，同时为每个利益相关者提供激励循环、安全性和隐私。这种协同作用确保 DeAI 不仅有效，而且公平和安全。 DeAI 的实际应用以下是 DeAI 领域的一些关键应用：行业应用医疗保健 DeAI 通过实现医疗机构之间的安全、私密的数据共享来增强医疗保健。 AI 算法可以分析匿名数据以识别模式、预测疾病爆发并个性化治疗计划。例如，患者可以私下分享他们的数据给医院，并确保只有他们自己拥有数据，没有其他人。金融去中心化金融 (DeFi) 是 web3 的最大子生态系统之一。AI 可以帮助增强风险管理和交易。这些协议使用 AI 评估风险、预测资产价格并优化交易策略。例如，许多项目正在开发有效资产管理、AI 驱动的自动化做市商 (AMM) 工具等。安全和欺诈检测 AI 算法可以通过分析交易数据中的模式和异常来帮助系统检测和防止欺诈。这增加了 web3 协议的安全性。例如，在 NFT 生态系统中，AI 可以帮助识别假冒资产，确保完整性。内容/情感生成 AI 可以用于创建故事情节、传说、游戏机制等。例如，web3 游戏可以使用 AI 从文本描述生成游戏内容，智能合约管理角色画像和物品等资产的所有权。此外，了解用户对某个类别、问题或市场的看法非常有价值。Kaito 和 Nansen 等工具旨在提供这种情报。 AI 代理和自动化有项目正在为各种领域的任务构建自主 AI 代理，从客户服务到供应链管理。这些代理可以由任何人创建或在协作努力下创建，所有利益相关者都可以无缝地自动获得奖励。用户体验 web3 的用户体验并不是最好的，但模型可以通过个性化推荐和行为预测来提升这一体验。去中心化的社交网络是一个很好的例子，允许用户选择内容推荐的算法或根据自己的喜好策划他们的 feed。生态系统管理激励结构利益相关者可以通过提供数据、计算能力或开发算法获得奖励（赚取代币）。动机在于，存在强大的需求驱动因素，促使人们聚集在一起，合作解决难题，同时也能公平地获得时间和努力的回报。成本效率 DeAI 平台可以通过利用分布式网络中的未使用资源大幅降低成本。它们消除了对昂贵数据中心的需求，并确保资源被最大化使用。例如，Akash Network、Aethir 和 Render 等项目允许用户租用他们未使用的计算能力用于 AI 任务，提高了效率。治理 DeAI 还可以用于改进治理流程，特别是对于协议和去中心化自治组织（DAO）。 AI 可以自动化声誉管理和奖励，确保在 DAO 中公平地认可贡献。推动加密与 AI 结合领域发展的催化剂加密与 AI 结合的交叉领域有几个强劲的催化剂推动其发展。让我们来看看其中的一些。首先，生态系统的资金一直在增加。过去一年中，共有 10.2 亿美元被投入到 136 轮融资中，平均每轮 750 万美元。Hack VC、Variant、Paradigm 和 Polychain 等著名投资者正在进行重大投资。这一资本的涌入正在为该领域的研究和创新提供动力。其次，这项技术旨在提供比中心化系统更具成本效益的替代方案。它可以将潜在的运营成本降低近 50%，高效处理大数据量，并同时提供安全性和隐私性。例如，Akash 声称与 AWS、GCP 和 Azure 相比，其计算提供的成本降低了 85%。从市值来看，该领域的领先项目，如Bittensor、Akash、Render、Worldcoin，在过去的一年里在二级市场上表现异常出色。这些项目一直是 web3 中表现最好的资产之一。根据 Coinbase 的报告，Crypto x AI 品类在品类层面也表现明显出色。 2024 年 4 月，NVIDIA 公布的业绩非常出色。以下是一些新闻中的数据：他们报告称 2024 年第一季度的收入为 260 亿美元，比 2023 年第四季度增长 18%，比去年同期增长 262%。 2024 年第一季度每股摊薄 GAAP 收益为 5.98 美元，比上一季度增长 21%，比去年同期增长 629%。这些数字相当亮眼。中心化服务的宕机事件最近，所有中心化服务（包括 Google.com、ChatGPT、Perplexity）都同时宕机，而所有 Web3 服务则完好无损地运行着。Akash Network 的创始人在此事件期间发出了这样一条推文。由于这些以及许多其他类似的举措、事件和创新，这个领域正在快速发展。领先的远见者生态系统正在积聚势头，这要归功于一些关键行业人物的支持和参与。 Erik Voorhees ShapeShift 的创始人和推特上的大人物，推出了 Venice AI，旨在创建一个无需许可的替代品，替代类似 ChatGPT 的流行 Web2 大语言模型（LLM）。 Venice 侧重于用户隐私和反审查，利用开源技术提供未经过滤和无偏见的信息。 Emad Mostaque Stability AI 的创始人和前 CEO，已辞职，全身心投入 DeAI，他正在构建 Schelling AI。他认为，随着 AI 变得越来越关键，透明和分布式治理将变得非常重要。 Niraj Pant 前 Polychain Capital 的 GP，现正在构建 Ritual.net。这个平台旨在为 AI 构建一个主权执行层，允许开放和无需许可的创建、分发和改进 AI 模型。 Ritual.net 的第一阶段 Infernet 允许开发者通过智能合约和链下访问模型。存在的问题虽然去中心化 AI 提供了许多好处，但它也面临着需要注意的重大挑战。以下是当前面临的主要问题：初始设置成本和挑战建立一个 DeAI 网络面临相当大的困难。构建必要的基础设施和吸引参与者需要大量的时间和资源。这个冷启动问题突显了吸引早期采用者的强大激励措施的必要性。然而，在未达到临界质量之前，网络难以获得牵引力。增加的协调需求管理一个去中心化网络非常复杂。同步多个节点和利益相关者，确保数据一致性，维护安全性，并以成本效益高的方式运营需要大量努力。虽然这种协调体现了加密 x AI 的精髓，但有时可能变得低效和繁琐。可扩展性挑战网络在可扩展性方面面临挑战。在不降低性能的情况下处理不断增加的数据和交易是当今的一个重大挑战。由于节点运行时间的差异，去中心化网络可能会遇到延迟和带宽问题，影响整体效率。诸如分片之类的解决方案仍在发展中，可能无法完全缓解这些问题。资源获取公司在获取最先进的资源方面往往会遇到障碍。主要的中心化提供商可以大量投资于最新的硬件和软件，赋予他们竞争优势。相反，DeAI 项目由于资金有限，可能落后，影响其性能和能力。例如，NVIDIA 倾向于优先为像 GCP、Azure 和 AWS 这样的大型用户分配资源，而不是他们的 Web3 对手，因为需求更高。然而，对于 Web3 提供商来说，当前供应超过需求，或者他们可能仍处于初期建设阶段。法规和法律挑战加密在很大程度上处于法规的灰色地带。缺乏明确的监管框架可能会导致法律风险和不确定性。在去中心化环境中遵守 GDPR 等法规变得更加困难，导致全球范围内持续的斗争。加密 x AI 的未来加密和 AI 的融合有望催生创新项目和应用，解决现实世界的挑战。在我们即将发布的博客中，我们将深入探讨加密的几个关键子类别。我们将探索零知识机器学习（zkML），如 Modulus Labs 和 Giza 等项目，开发以模型推理为中心的产品。此外，我们还将研究去中心化云计算提供商如 Render、Akash Network 和 Aethir，强调它们在提供可扩展且具有成本效益的传统云服务替代方案中的作用。还有许多其他类别，包括 AI 代理、消费者应用和 Web3 游戏，正在蓬勃发展，如 Prime、Nim Network 和 AI Arena 等项目在这一领域运作。虽然列表可以继续扩展，但我们将把进一步的探索留待下一篇博客文章中。在这个领域中，有着悠久历史和成功记录的几个项目包括： Bittensor：这个项目正在开发一个去中心化网络，通过区块链激励参与者共享 AI 模型和数据集，使用“子网”奖励贡献。 Fetch：致力于自主 AI 代理市场，Fetch 提供与 ChatGPT 和 Slack 等顶级服务的集成，通过简单的 API 集成实现对齐。 Akash Network：专注于构建一个提供云计算资源的去中心化市场，Akash Network 使用其 AKT 代币进行治理、安全和网络内的交易。结束语我坚信去中心化 AI（DeAI）有望成为游戏规则的改变者，我们才刚刚开始见证其在生态系统中的增长。 DeAI 体现了透明性、协作和全球影响的原则。正如我们所讨论的，它正在重塑各个关键领域。 Render、Akash 和 Worldcoin 等项目凭借其显著的吸引力和资金，不仅展示了这一领域的巨大潜力，还预示了未来几年可能会经历的显著增长。展望未来，我们将深入探讨加密 x AI 的子类别，继续探索这一动态领域。未来光明，我们才刚刚开始。来源：金色财经

金色财经2024-06-17

去中心化人工智能（DeAI）：用例、催化剂及关键问题

atGPT：能够进行类似人类的对话。 Perplexity AI：提高搜索准确性。 Jasper AI：你的写作助手。 DALL-E：由文本描述生成图像。 Pika Art：通过文本制作高清视频。这样的应用程序会越来越多。这些工具正在成为我们日常生活的一部分，它们让工作更轻松、更高效。人工智能不仅仅是一个未来概念，它也积极地解决了我们今天面临的重大问题。人工智能的发展正在影响改变众多行业，例如：帮助医生更快地诊断疾病让自动驾驶汽车安全行驶为用户提供个性化的线上购物体验原则上，人工智能方法可以分为三大类：集中式人工智能：由单一实体或企业控制。去中心化人工智能：专注于分布式控制、透明度和激励。开源人工智能：强调促进协作和透明度。本文，我们将专门探讨“去中心化人工智能”。 2、人工智能开发生命周期在我们深入研究细节之前，让我们了解塑造AI开发生命周期的各组件。这将使我们更容易理解去中心化对各环节的贡献。人工智能的创新需要多年来不断进步、持续反馈、训练和参与度。开发一个人工智能模型涉及几个关键阶段，来确保强大的端到端操作流。下面是关于人工智能开发生命周期关键阶段的详细介绍：问题陈述、识别和设计这一切都起始于确定业务问题并定义要实现的目标。数据收集是最关键的步骤之一，以确保模型使用准确的相关数据。数据收集和探索这一阶段包括汇总不同来源的数据并评估这些数据的质量。初始数据分析有助于理解模式和趋势，从而为数据预处理和特征工程(数据改进)制定计划。数据整理和准备数据预处理将原始数据清理并转换为丰富、可用的数据集。使用特征工程从现有数据中创建新特征，以增强模型的性能。模型开发这个阶段根据问题陈述和收集的数据选择最适合的机器学习实践。下一步就是训练并测试模型，以确保模型能够做出准确的预测。最后一步是优化，也就是提高模型的效率。模型部署将模型部署到现实环境可以让模型开始进行预测、推荐或实施任何训练任务。要将其投入生产需要用到算力供应商。持续监测以确保模型一直准确和有效。偏差检测以确保决策的公平性。模型维护和再训练维护模型需要定期更新和使用新数据进行再训练。重点是收集尽可能多的反馈，并将其发送回模型进行调整和增强。如今，这些模型大多来自研究机构、私人公司或一些开源组织。谷歌、OpenAI、IBM、AWS和微软等公司都是其中的主要参与者。下面是各垂直领域不同参与者的GenAI模型市场地图。我们来快速了解一下人工智能技术这些年来的发展情况。 3、对去中心化AI的需求集中式AI有其自身问题。想想看：一个单点故障就可能危及一切。另一方面，去中心化人工智能（DeAI）通过在多个节点上分布数据来改变游戏规则，使系统更加安全。如果一个节点受到攻击，其他节点将继续正常运行。这种设置还使用户能够更好地控制他们的数据，降低隐私风险，尤其是在使用全同态加密（FHE）和零知识机器学习（ZKML）等技术的情况下。审查是中心化系统的另一个大问题。单个实体可以控制操纵信息。另一方面，去中心化AI会分散控制权，使任何单一实体都难以主导叙事。这确保了信息的可访问性，并且不易受到不当影响。在我看来，透明度是一个关键因素。开源模型、激励机制和协作工作流管理意味着任何人都可以在任何时候检查和验证决策。这种程度的开放性解决了人们对集中式系统中的隐藏偏差和不透明过程的担忧。此外，它允许更多的人加入并做出贡献。例如，拥有闲置计算空间的人现在可以通过像Akash和Render这样的去中心化算力供应商将其出租。去中心化模型还限制了中央实体的权力，防止人工智能被滥用于不公平的目的。通过促进协作和知识共享，它可以利用集体智慧和更大范围的治理，从而产生更可靠、开放和准确的系统。加密货币充当了这个推动者，将两个世界的优点结合在一起。它提供对顶级服务、计算、模型和数据的访问渠道，同时还为所有利益相关者提供激励循环、安全性和隐私保护。这种协同作用确保了DeAI不仅有效，还很公平和安全。 4、DeAI的实际应用以下是DeAI领域的一些主要应用：（1）按领域划分医疗保健 DeAI通过在医疗机构之间实现安全的私有数据共享来改善医疗保健。人工智能算法可以分析匿名数据，以识别模式，预测疾病爆发，并制定个性化的治疗方案。例如，患者可以私下与医院共享他们的数据信息，并确保只有他们自己拥有这些数据。金融去中心化金融（DeFi）是web3最大的子生态系统之一。人工智能可以帮助加强风险管理和交易。这些协议使用人工智能来评估风险、预测资产价格以及优化交易策略。例如，许多项目正在开发用于有效资产管理的工具、人工智能驱动的自动做市商（AMM），等等。安全和欺诈检测人工智能算法可以通过分析交易数据的模式和异常情况，帮助系统检测并预防欺诈。这增加了web3协议的安全性。例如，在NFT生态系统中，人工智能可以帮助识别虚假资产，确保诚信。内容/情感生成 AI可以用来创造故事大纲、剧情、游戏机制等等。例如，web3游戏可以使用AI从文本描述中生成游戏内容，并使用智能合约管理角色和道具等资产的所有权。另外，了解用户对某个类别、问题或市场的看法是非常宝贵的。像Kaito和Nansen这样的工具旨在提供这方面的能力。 AI智能体和自动化有些项目针对从客户服务到供应链管理等各个领域里的任务构建自主AI智能体。这些智能体可以由任何人创建，也可以协作来创建，所有利益相关者都可以自动无缝地获得奖励。用户体验 Web3的用户体验并不是最好的，但是模型可以通过个性化推荐和行为预测来帮助增强用户体验。去中心化社交网络就是一个很好的例子，它允许用户选择内容推荐算法，或者根据他们的喜好来管理他们的信息流。（2）按生态系统管理程度划分激励机制利益相关者可以通过提供数据、算力或开发算法来获得奖励（赚取代币）有强烈的需求驱动人们这么做，大家在困难的问题上合作，同时他们付出的时间和努力也会得到合理的回报。成本效率 DeAI平台可以通过利用分布式网络中未使用的资源来帮助大幅降低成本。它们消除了对昂贵的数据中心的需求，保资源得到最大程度的利用。例如，Akash Network、Aethir和Render等项目允许用户将未使用的算力出租给人工智能任务，从而提高效率。治理 DeAI还可以用于改进治理流程，尤其针对协议和DAO。 AI可以自动化声誉管理和奖励，例如，确保贡献在DAO中被公平对待。 5、Crypto x AI领域的增长催化剂有一些强大的催化剂在推动着Crypto和AI的交融。让我们来看看其中的几个。首先，生态系统中的融资一直在增加。在过去的一年里，共有136轮10.2亿美元的融资，平均每轮750万美元。Hack VC、Variant、Paradigm和Polychain等知名投资公司一直在进行大规模投资。资本的流入加速了该领域的研究和创新。其次，该技术旨在为集中式系统提供一种经济有效的替代方案。它可以降低近50%的潜在运营成本，有效地处理大数据量，同时还能提供安全性和隐私保护。例如，与AWS、GCP和Azure相比，Akash声称在算力供应方面提供85%的折扣。第三，按市值计算，该领域的领先项目，如Bittensor、Akash、Render和Worldcoin，过去一年里在二级市场的表现异常出色。这些项目都是web3中表现最好的资产。根据Coinbase的报告，Crypto x AI类别在各类别中同样表现出色。第四，NVIDIA今年4月份的业绩非常不错。我们来看新闻报道中的一些数字：他们的2024年第一季度的收入为260亿美元，比2023年第四季度增长18%，比去年同期增长262%。今年第一季度，GAAP稀释每股收益为5.98美元，比上一季度增长21%，比去年同期增长629%。第五，最近所有的中心化服务，包括Google.com、Chatgpt、Perplexity，都一起宕机了，而所有的web3服务都完好无损，运行良好。Akash Network的创始人在事件发生前后发布了如下推特。由于这些以及许多其他类似的计划、事件和创新，该领域正在快速发展。 6、走在前沿的远见者由于一些关键行业人物的支持和参与，该生态系统正在积聚越来越大的发展动力。 Erik vooorhees Erik Voorhees是ShapeShift的创始人，也是一个影响力巨大的Twitter名人，他推出了Venice AI，用来创建一个无需许可的流行的web2 LLM（如ChatGPT）替代方案。 Venice专注于用户隐私和无审查特性，使用开源技术提供未经审查的无偏见信息。 Emad Mostaque 是Stability AI的创始人和前首席执行官，现已离职，专注于DeAI领域——正在开发Schelling AI。他认为，随着人工智能变得越来越重要，透明和分布式治理将变得及其重要。 Niraj Pant 曾是Polychain Capital的合伙人，现在正在开发Ritual.net。该平台旨在为AI构建一个主权执行层，实现AI模型的开源无许可的创建、分发和改进。 Ritual.net的第一阶段（Infernet）允许开发人员通过智能合约访问链上链下的模型。 7、不足之处虽然去中心化人工智能有许多好处，但它也遇到了值得关注的重大挑战。以下是它目前面临的关键问题：初始设置成本和挑战建立DeAI网络存在相当大的困难。建立必要的基础设施并吸引参与者需要大量的时间和资源。这个冷启动问题突出了需要有强有力的激励措施来吸引早期采用者。然而，在没有达到足够大的规模的情况下，该网络很难获得牵引力。增加的协调需求管理一个去中心化网络是很复杂的。同步多个节点和利益相关者、确保数据的一致性、维护网络安全并经济高效地运行网络需要大量的工作。虽然这种协调体现了Crypto x AI的本质，但它有时会变得低效和笨重。扩容挑战网络面临着扩容问题。在不降低性能的情况下处理不断升级的数据和交易是当前的一个重大挑战。由于节点正常运行时间的不同，去中心化网络可能会遇到延迟和带宽问题，从而影响整体效率。像分片这样的解决方案仍在发展中，可能无法完全缓解这些问题。资源访问企业在获取尖端资源时经常遇到障碍。主要的集中式供应商可以大量投资最新的硬件和软件，从而为他们带来竞争优势。而DeAI项目受到有限资金的限制，可能会落后，影响其表现和能力。例如，由于更高的需求，NVIDIA倾向于将资源优先分配给GCP、Azure和AWS等超大规模服务器。然而，对于web3供应商来说，目前的供应大于需求，或者他们可能仍处于初级开发阶段。监管和法律挑战 Crypto在很大程度上是在监管灰色地带运作的。缺乏明确的监管框架可能会带来法律风险和不确定性。在一个去中心化的环境中，遵守GDPR等法规变得更具挑战性，从而加剧一场持续的全球斗争。 8、Crypto x AI的未来加密和人工智能的融合有望促进致力于解决现实挑战的创新项目和应用程序的发展。在我们后面的文章中，我们将深入研究加密领域的几个关键子类别。我们将通过Modulus Labs和Giza等项目探索零知识机器学习（zkML），它们正在开发以模型推理为中心的产品。此外，我们将研究去中心化云计算供应商，如Render、Akash Network和Aethir，重点介绍它们在提供可扩展且具有成本效益的传统云服务的替代方案方面的作用。 Bittensor：该项目正在开发一个去中心化网络，激励参与者通过区块链共享人工智能模型和数据集，并使用“子网”来奖励贡献。 Fetch：Fetch聚焦自主AI智能体市场，提供与ChatGPT和Slack等顶级服务的集成，通过简单的API集成促进对齐。 Akash Network：专注于建立一个提供云计算资源的去中心化市场，Akash Network利用其AKT代币进行治理、安全保障和网络内交易。 9、结论我坚信去中心化人工智能（DeAI）将改变游戏规则，我们才刚刚开始看到它在生态系统中的发展。 DeAI体现了透明、协作和全球影响的原则。正如我们所讨论的，它正在重塑各个关键领域。像Render、Akash和Worldcoin这样的项目，凭借其出色的牵引力和融资，不仅突出了该领域的巨大潜力，而且还预示着它在未来几年可能经历大幅增长。展望未来，我们将深入研究Crypto x AI的各子类，继续探索这个动态垂直领域。未来是光明的，而我们才刚刚开始。来源：金色财经

金色财经2024-06-14

6月5日财经早餐：比特币大涨！降息预期升温，黄金为何续跌？

nthropicAI旗下Claude和Perplexity等大模型接连瘫痪。据QR Code Generator的分析显示，在ChatGPT首次故障后的四小时内，谷歌AI聊天机器人Gemini的搜索量激增60%，达到32.7次。马斯克回应关于特斯拉的AI芯片采购计划夸大其词媒体称，英伟达 (NVDA.US)内部邮件显示，马斯克让英伟达将原本预留给特斯拉的几万颗H100芯片，优先发货给他旗下的社交媒体公司X和AI初创公司xAI，而非特斯拉 (TSLA.US)，这导致特斯拉推迟收到价值超过5亿美元的GPU。马斯克回击称，特斯拉没有合适的场所来激活那些英伟达芯片，所以它们只会闲置在仓库里。英特尔以110亿美元出售爱尔兰工厂的股权给阿波罗周二，英特尔 (INTC.US)宣布，将向阿波罗全球管理公司出售位于爱尔兰的Fab 34半导体工厂相关合资公司49%的股权，出售金额达110亿美元，而英特尔则保留51%的股份，从而保持对公司的控股权。 CrowdStrike盘后涨超6%，一季度营收9.21亿美元超分析师预期 CrowdStrike美股盘后涨超6%，此前一度跌约10%。公司一季度营收9.21亿美元，分析师预期9.047亿美元。预计全年营收39.8亿-40.1亿美元，公司原本预计39.2亿-39.9亿美元。今日要闻前瞻中国5月财新服务业、综合PMI 美国、欧元区5月服务业、综合PMI终值欧元区4月PPI 露露柠檬财报加拿大央行利率决议（投资慧眼编辑：Penny Pan) 原文链接

投资慧眼2024-06-05

加密AI赛道的下一波叙事推演：催化因素、发展路径和相关标的

目前 AI 驱动的搜索产品，海外的如 perplexity ，国内的如 Kimi 、秘塔，都对这些搜索到的数据通过 AI 进行加工，再输出给用户。搜索引擎对 AI 的收费，必然提升数据的获取成本。实际上，除了公开的数据之外， AI 巨头们还盯上了非公开的内部数据。 Photobucket 是一家老牌的图片和视频托管网站, 在 2000 年代初曾拥有 7000 万用户和近一半的美国在线照片市场份额。随着社交媒体的兴起， Photobucket 用户数量大幅下降，目前仅剩 200 万活跃用户（它们每年要支付 399 美金的高昂费用），而根据用户注册时签署的协议和隐私政策，超过一年没用使用的账户会被回收，还支持 Photobucket 对用户上传的图片和视频数据的使用权。 Photobucket 首席执行官 Ted Leonard 透露，其拥有的 13 亿张照片和视频数据对训练生成式 AI 模型极具价值。他正在与多家科技公司就出售这些数据进行谈判，报价范围从每张照片 5 美分到 1 美元不等，每段视频超过 1 美元，其估计 Photobucket 可提供的数据价值超过 10 亿美金。专注于人工智能发展趋势的研究团队 EPOCH ，根据 2022 年机器学习对数据的使用和新数据的生成情况，再考虑计算资源的增长，曾经发表了一篇关于机器学习所需的数据的情况报告《 Will we run out of data ? An analysis of the limits of scal in g data sets in Mach in e Learn in g》，报告的结论是高质量的文本数据大约会在 2023 年 2 月到 2026 年之间用尽，图像数据则会在 2030 年到 2060 年间用尽。如果数据的利用效率不能显著提高，或出现新的数据来源, 目前依赖于海量数据集的大型机器学习模型趋势可能会放缓。而就目前 AI 巨头们纷纷高价采买数据的情况来看，免费的优质文本数据真的已经基本用尽， EPOCH 在 2 年前的预测是比较准确的。同时，围绕「 AI 数据短缺」的需求的解决方案也在出现，即： AI 数据提供服务。 Defined . ai 就是一家为 AI 公司提供定制化真实高质量数据的公司。 Defined.ai 所能提供的数据类型举例：https://www.defined.ai/datasets 它的生意模式是： AI 公司给 Defined . ai 提供自己对于数据的需求，比如就图片而言，质量方面需要分辨率达到多少以上、避免模糊、过曝、内容真实。内容方面 AI 公司可以根据自己的训练任务，定制特定的主题，比如需要夜里的照片、夜里的锥桶、停车场、指示牌，用来提高 AI 在夜景下的识别率。大众都可以领任务，拍完上传由公司审核，然后把符合要求的部分按张数结算，价格大约是一张高质量的图片 1-2 美元，一个十几秒的短片 5-7 美元，一部 10 分钟以上的高质量影片 100-300 美元，文本是千字 1 美元，领分包任务的人可以得到其中 20% 左右的费用。数据提供可能会成为「数据标记」之后的又一门众包生意。全球范围的任务众包分配、经济激励、数据资产的定价\流通和隐私保护、人人可以参与，听起来就特别像一门适合 Web3 范式的商业门类。产业供给端视角下的 AI 叙事标的芯片短缺引发的关注渗透到加密行业，让分布式算力成为了截止目前最热门、市值最高的 AI 赛道类别。那么 AI 产业在能源和数据上的供需矛盾如果在未来 1-2 年中爆发，加密行业目前有哪些叙事相关的项目？先来看能源类的标的。已经上线了头部 CEX 的能源类项目非常稀少，仅有 Power Ledger （代币 Powr ）一个。 Power Ledger 于 2017 年立项，是一个基于区块链技术的综合能源平台，旨在实现能源交易的去中心化，推动个人和社区直接交易电力，支持可再生能源的广泛应用，并通过智能合约确保交易的透明和高效。最初 Power Ledger 基于以太坊改造而来的联盟链运行。2023 年下半年， Power Ledger 更新了白皮书，并推出了自己的综合型公链，该公链基于 Solana 的技术框架改造而来，便于处理分布式能源市场中的高频微交易。目前 Power Ledger 的主要业务包括： · 能源交易：允许用户点对点地直接买卖电力，特别是来自可再生能源的电力。 · 环境产品交易：比如碳信用和可再生能源证书的交易，以及基于环境产品的融资。 · 公链运营：吸引应用开发者在 Powerledger 区块链上构建应用，公链的交易费用以 Powr 代币支付。目前 Power Ledger 项目的流通市值为 1.7 亿 $，全流通市值为 3.2 亿 $。相比能源类的加密标的，数据赛道的加密标的数量则更丰富一些。笔者仅罗列目前自己关注的，并已经至少上线了币安、 OKX 和 Coinbase 其中一家 CEX 的数据赛道项目，且按照 FDV 从低至高排列： 1. Streamr – DATA Streamr 的价值主张是构建一个去中心化的实时数据网络，允许用户自由地交易和分享数据，同时保持对自己数据的完全控制。通过其数据市场， Streamr 希望使数据生产者能够直接向感兴趣的消费者销售数据流，无需中介机构，从而降低成本并提高效率。来源：https://streamr.network/hub/projects 在实际的合作案例中， Streamr 与另一个 Web3 车载硬件项目 DIMO 合作，通过装载在车辆上的 DIMO 硬件传感器收集温度、气压和其他数据，形成天气数据流传输给需要的机构。与其他数据项目相比， Streamr 更侧重于物联网、硬件传感器的数据，除了上面提到的 DIMO 车载数据之外，其他项目还有赫尔辛基的实时交通数据流等。因此， Streamr 的项目代币 DATA 也曾经在去年 12 月， Depin 概念最火热的时候一度创造出了单日翻倍的涨幅。目前 Streamr 项目的流通市值为 4400 万 $，全流通市值为 5800 万 $。 2. Covalent – CQT 与其他数据类项目不同的是， Covalent 提供的是区块链数据。 Covalent 网络通过 RPC 从区块链节点读取数据，然后对这些数据进行处理和组织，创建一个高效的查询数据库。这样， Covalent 的用户们可以快速地检索到他们需要的信息，而不必直接从区块链节点进行复杂的查询，这类服务也被称为「区块链数据索引」。 Covalent 的客户以 B 端为主，其中既有 Dapp 项目，比如各种 Defi ，也包括很多中心化加密公司，比如 Consensys （ Metamask 的母公司）, CoinGecko ( 知名加密资产行情站 )、 Rotki ( 税务工具 )、 Rainbow ( 加密钱包 ) 等，此外传统金融行业中的巨头富达、四大会计事务所安永，也是 Covalent 的客户。根据 Covalent 官方披露的数据，项目的来自于数据服务的收入已经超过同领域的头部项目 The Graph 。 Web3 行业由于链上数据的完整性、公开性、真实性以及实时性，有望成为细分 AI 场景和特定「 AI 小模型」的优质数据来源。 Covalent 作为数据提供方，已经开始为各类 AI 场景提供数据，并推出了专门面向 AI 的可验证的结构化数据。来源：https://www.covalenthq.com/solutions/decentralized-ai/ 比如为链上智能交易平台 SmartWhales 提供数据，利用 AI 识别出盈利的交易模式和地址； Entendre Finance 则通过 Covalent 的结构化数据，经过 AI 处理用于实时洞察、异常检测和预测分析等。目前来看， Covalent 提供的链上数据服务的主要场景仍以金融为主，但随着 Web3 产品和数据类型的泛化，链上数据的使用场景也将进一步拓展。目前 Covalent 项目的流通市值为 1.5 亿 $，全流通市值为 2.35 亿 $，相对于同赛道的区块链数据索引项目 The Graph ，具有比较明显的估值优势。 3. Hivemapper – Honey 在所有数据素材中，视频数据的单价往往是最高的。 Hivemapper 可以为 AI 公司提供包括视频和地图信息在内的数据。 Hivemapper 本身是一个去中心化的全球地图项目，旨在通过区块链技术和社区贡献来创建一个详细、动态且可访问的地图系统。参与者可以通过行车记录仪（ dashcam ）捕捉地图数据并将其添加到开源的 Hivemapper 数据网络中，并基于贡献获得项目代币 HONEY 的奖励。为了提高网络的效应和降低交互成本， Hivemapper 构建在 Solana 上。 Hivemapper 最早成立于 2015 年，最初的愿景是使用无人机创建地图，但后来发现这种模式难以扩展，从而转向使用行车记录仪和智能手机来捕捉地理数据，降低了全球地图制作的成本。与 Google map 等街景和地图软件相比，Hive map per 通过激励网络和众包模式，能更高效地拓展地图覆盖范围、保持地图实景的新鲜度、提升视频质量。在 AI 对数据的需求爆发之前， Hivemapper 的主要客户包括汽车产业的自动驾驶部门、导航服务公司、政府、保险和地产公司等。如今 Hivemapper 则可以通过 API 为 AI 和大模型提供广泛的道路和环境数据，通过不断更新的图像和道路特征数据流的输入， AI 和 ML 模型将能够更好地将数据转化为能力的提升，执行与地理位置、视觉判断有关的任务。数据来源：https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/ 目前 Hivemapper – Honey 项目的流通市值为 1.2 亿 $，全流通市值为 4.96 亿 $。除了以上三个项目之外，数据赛道的项目还有 The Graph – GRT （流通市值 32 亿 $， FDV 37 亿 $），其业务与 Covalent 类似，也提供区块链数据索引的服务；以及 Ocean Protocol – OCEAN （流通市值 6.7 亿 $， FDV 14.5 亿 $，本项目即将与 Fetch . ai 和 SingularityNET 合并，代币转换为 ASI ），一个开源协议，旨在促进数据和数据相关服务的交换和货币化，将数据消费者与数据提供者连接起来，从而在保证信任、透明和可追溯性的前提下共享数据。 AI 叙事的第二个视角： GPT 时刻再现，通用人工智能降临在笔者看来，加密行业里「 AI 赛道」的元年是 GPT 震惊世界的 2023 年，加密 AI 项目的暴涨，更多是 AI 产业爆炸式发展带来的「热度余波」。虽然 GPT3 .5 之后 GPT4 、 turbo 等的能力不断升级，以及 Sora 在视频创作能力的惊人展现，包括 Open AI 之外的大语言模型也快速发展，但不可否认的是 AI 的科技进步给大众带来的认知冲击正在减弱，人们开始逐渐使用 AI 工具，大规模的岗位替代似乎还未发生。那么，未来 AI 领域是否还会再现「 GPT 时刻」，出现让大众震惊的 AI 跨越式发展，让人们意识到自己的生活和工作都将因此被改变？这个时刻可能是通用人工智能（ AGI ）的降临。 AGI 指的是机器拥有类似于人类的综合认知能力，能够解决各种复杂问题，而不仅限于特定任务。AGI 系统拥有高度的抽象思维、广泛的背景知识、全领域的常识推理和因果关系理解、以及跨专业的迁移学习等能力。 AGI 的表现与各个领域最优秀的人类无异，就综合能力来说则完全超越最优秀的人类群体。实际上，无论科幻小说和游戏、影视作品之中的呈现，还是在 GPT 迅速普及之后的大众预期，社会大众对超越人类认知水平的 AGI 的出现早有预期。或者说， GPT 本身就是 AGI 的先导产品，是通用人工智能的预言版。而 GPT 之所以有这么大的产业能量和心理冲击，在于其落地的速度和表现超越了大众的预期：人们没想到，一个能完成图灵测试的人工智能系统真的到来了，而且速度这么快。实际上，人工智能 ( AGI ）或许将在 1-2 年内再次复现「 GPT 时刻」的突然性：人们才刚刚适应 GPT 的辅助，就发现 AI 已经不仅仅是一个助手，它甚至能独立完成极具创造性和挑战的工作，包括那些困住人类顶尖科学家几十年的难题。在今年 4 月 8 日，马斯克接受了挪威主权财富基金首席投资官 Nicolai Tangen 的采访，谈到了 AGI 出现的时间。他说：「如果把 AGI 定义为比最聪明的那部分人类还要聪明的话，我认为它很可能在 2025 年出现。」也就是按照他的推断，最多就是还需要 1 年半的时间， AGI 就将降临。当然，他加了一个前提条件，就是「电力和硬件都跟得上的话。」 AGI 的降临的好处是显而易见的。它意味着人类的生产力水平将大跨步地上一个台阶，大量困住我们几十年的科研难题将迎刃而解。假如我们把「最聪明的那部分人类」定义为诺贝尔奖得主的水平，也就意味只要能源、算力、数据足够，我们可以拥有无数个不知疲倦的「诺奖得主」，全天候攻关那些最难的科学问题。而实际上诺奖得主并不是几亿分之一那样珍贵，他们在能力和智力上大多是顶级大学教授的水平，但是因为概率和运气选对了方向，持续做了下去并拿到了结果。和他水平相当的人，他同样优秀的同僚们，也许在科研的平行宇宙中也获得了诺奖。但是无奈的是，具备顶尖大学教授并参与科研突破的人员还是不足，因此「遍历所有科研正确方向」的速度仍然很慢。有了 AGI 之后，在能源和算力充分供给的情况下，我们可以有无限个「诺奖得主」水平的 AGI 在任何一个可能的科研突破方向进行纵深探索，技术的提升速度会快几十倍。技术的提升，会导致我们如今认为相当昂贵稀缺的资源，在 10 到 20 年间成百倍地增加，比如粮食产量、新材料、新药、高水准的教育等，获取这些的成本也将成倍下降，我们得以用更少的资源养活更多的人口，人均财富迅速增加。全球 GDP 总量走势图，数据来源：世界银行这听起来似乎有点耸人听闻，我们来看两个例子，这两个例子笔者在此前关于 IO . NET 的研报中也使用过： · 2018 年，诺贝尔化学奖得主弗朗西斯·阿诺德在颁奖仪式上才说道：「今天我们在实际应用中可以阅读、写入和编辑任何 DNA 序列，但我们还无法通过它创作（ compose it ）。」仅仅在他讲话的 5 年后，2023 年，来自斯坦福大学和硅谷的 AI 创业企业 Salesforce Research 的研究者，在《自然 - 生物技术》发表论文，他们通过基于 GPT3 微调而成的大语言模型，从 0 创造出了全新的 100 万种蛋白质，并从中寻找到 2 种结构截然不同、却都具有杀菌能力的蛋白质，有希望成为抗生素之外的细菌对抗方案。也就是说：在 AI 的帮助下，蛋白质「创造」的瓶颈突破了。 · 而在此前，人工智能 AlphaFold 算法在 18 个月内，把地球上几乎所有的 2.14 亿种蛋白质结构都做了预测，这项成果是过往所有人类结构生物学家工作成果的几百倍。变革已经发生，而 AGI 的降临会进一步加快这个过程。另一个方面， AGI 的降临带来的挑战也是非常巨大的。 AGI 不但会替代大量的脑力劳动者，如今被认为「受 AI 冲击较少的」体力服务业者，也会随着机器人技术的成熟和新材料的研发带来的生产成本降低而受到冲击，被机器和软件替代的劳动岗位占比会迅速提高。届时，两个曾经看起来非常遥远的问题会很快浮出水面： 1.大量失业人口的就业和收入问题 2.在 AI 无处不在的世界，如何分辨 AI 和人类而 Worldcoin \ Worldchain 正在尝试提供解决方案，即用 UBI （全民基本收入）系统为大众提供基本收入，用基于虹膜的生物特征把人和 AI 进行区分。实际上，给全民发钱的 UBI 并非没有现实实践的空中楼阁，芬兰、英格兰等国都进行过全民基本收入的实践，而加拿大、西班牙、印度等国亦有政党正在积极提案推进相关的实验。而基于生物特征识别 + 区块链的模式进行 UBI 分配的好处在于这个系统的全球性，对人口有更广泛的覆盖，此外还可以基于通过收入分配拓展而来的用户网络，构建其他商业模式，比如金融服务（ Defi ）、社交、任务众包等，形成网络内商业的协同，这也正是 AGI 降临带来的冲击效应的对应标的之一是 Worldcoin – WLD ，其流通市值为 10.3 亿 $，全流通市值为 472 亿 $。叙事推演的风险和不确定性本文与 Mint Ventures 之前发布的诸多项目和赛道研究报告不同，对于叙事的推演和预测具有较大的主观性，请读者仅将本文内容作为一个发散性的讨论，而不是预测未来的预言。笔者上述的叙事推演面临很多不确定性，导致猜想错误，这些风险或影响因素包括但不限于：能源方面： GPU 更新换代造成的能耗速降尽管围绕 AI 的能源需求猛增，但以英伟达为代表的芯片厂商正在通过不断的硬件升级，以更低的功耗提供更高的计算能力，比如在今年 3 月英伟达发布了集成了两个 B200 GPU 和一个 Grace CPU 的新一代 AI 计算卡 G B200 ，其训练的性能是上一代主力 AI GPU H100 的 4 倍，推理的性能是 H100 的 7 倍，需要的能耗却只有 H100 的 1/4。当然尽管如此，人们希望从 AI 中获得的力量渴望远远没到尽头，伴随着单元能耗的下降，随着 AI 应用场景和需求的进一步扩张，总能耗可能反而是上升的。数据方面： Q * 计划实现「自产数据」 Open AI 内部一直存在一个传闻中的项目「 Q *」，该项目在 Open AI 发给员工的内部信息被提到过。根据路透社援引 Open AI 内部人士的看法，这可能是 Open AI 在追寻超级智能 / 通用人工智能（ AGI ）道路上取得的一项突破。 Q * 不但能够凭借抽象能力解决以前从未见过的数学问题，还能够通过自我创造用于训练大模型的数据，而无需现实世界的数据喂养。如果该传言为真， AI 大模型训练受限于优质数据不足的瓶颈将被打破。 AGI 降临： OpenAI 的隐忧 AGI 降临的时点是否真的如马斯克所说，会在 2025 年到来尚不得而知，但这只是一个时间问题。但 Worldcoin 作为 AGI 降临叙事的直接诶受益标的，最大的隐忧可能来自 OpenAI ，毕竟其是公认的「 OpenAI 影子代币」。 5 月 14 日凌晨， OpenAI 在春季新品发布会展示了最新的 GPT - 4o 与另外 19 个不同版本的大语言模型在综合任务得分中的表现，仅从表格来看， GPT - 4o 得分 1310，视觉上似乎比后几名高出了一大截，但从总分来看，其仅比第二名 GPT 4 turbo 高了 4.5%，比第四名谷歌的 Gemini 1.5 Pro 高了 4.9%，比第五名 Anthropic 的 Claude 3 Opus 高了 5.1%。从 GPT3 .5 初登场时震惊世界的时刻仅仅过去了一年多， OpenAI 的竞争对手们已经追到了非常接近的位置（尽管 GPT5 尚且没有放出，并预计在今年发布）， OpenAI 未来是否已经能保持自己的行业领先位置，这个答案似乎正在变得模糊。如果 OpenAI 的领先优势和统治地位被稀释乃至赶超，那么 Worldcoin 作为 OpenAI 的影子代币的叙事含金量也会下降。此外，除了 Worldcoin 的虹膜认证方案之外，越来越多的竞争对手也开始进入这个市场，比如手掌扫描 ID 项目 Humanity Protocol 刚刚宣布以 10 亿美元估值完成 3000 万美元新一轮融资， LayerZero Labs 也宣布将在 Humanity 上运行，并加入其的验证者节点网络，使用 ZK 证明对凭证进行身份验证。结语最后，笔者虽然对 AI 赛道后续的叙事进行了推演，但 AI 赛道与 DeFi 等加密原生赛道不同，其更多是 AI 热潮外溢至币圈的产物，目前诸多的项目就商业模式而言并未跑通，很多项目更像是 AI 主题的 Meme （比如 Rndr 类似于英伟达的 meme ， Worldcoin 类似于 Open AI 的 meme ），读者应审慎看待。来源：金色财经

金色财经2024-05-28

挑战谷歌,OpenAI即将推出GPT-4oAI搜索引擎,引发AI搜索引擎Web3新赛道无限遐想机遇分析

点。结合 AI 领域的近期事件，包括 Perplexity 拿到新一轮融资，ChatGPT 把首页改成了搜索框等，业内普遍认为目前最强的共识是 AI 搜索领域。搜索是互联网基建之一，是承接刚性需求的核心手段，曾培育出了“货架式”的交易市场。当人工智能时代来临，带来了效率的显著提高，传统的搜索引擎已不能完全满足用户的需求。像Perplexity、New Bing 这样的 AI 搜索引擎获得广泛的关注。2023 年，传统搜索引擎产生了 3000 亿美元的收入，并占据了超过 50% 的互联网流量。谷歌作为互联网信息搜索的重要入口，占据了全球搜索量的90%。但是实际上从 ChatGPT 出现后，谷歌的搜索量逐渐被Bing 抢占。根据 Statcounter 的数据显示，2024年4月份，谷歌搜索份额为80.74%，较2023年同期下降了6%左右。数据来源：statcounter一石激起千层浪，面对愈演愈烈的 AI 浪潮，AI搜索必将成为了大模型时代的兵家必争之地。AI搜索引擎现状分析由于ChatGPT训练使用的数据并不具备实时性（GPT-4数据更新到2023年4月），其结果也呈现了一定的滞后。但是互联网时代，信息的更新是以秒计算的，不能提供实时数据是 ChatGPT 的硬伤，因此，推出 AI 搜索引擎是大势所趋。加上随着信息的爆炸式增加，用户的搜索逻辑亦随之变换，从过去追求信息的更全面，到当下在海量信息里“去伪存真”，筛选可用信息。而这，恰是AI能力得以彰显的领域。 AI搜索引擎通过将实时数据带入场景中，使用大模型进行微调，加上最新的网络数据和信息，从而解决了结果的滞后性问题。并且，AI 搜索能兼顾深度与效率，更精准地输出用户想要的信息，并以自然语言的形式呈现。对于淹没在信息海洋的当代互联网用户而言，无疑是望眼欲穿的救兵。目前，已经有多个通用 AI 搜索引擎产品，主要分为 Web2 赛道和 Web3 赛道。比如Perplexity、Microsoft Copilot、YouChat、Brave Search 、Andi、Komo、ThinkANY、Phind、iASK.ai、Adot、PreSearch、TypoX、QnA3、Kaito等产品。Perplexity AIPerplexity应该是目前影响力最大的 Web2 AI 搜索引擎，其基于OpenAI和API的GPT而成，支持联网功能以及免费使用GPT-4功能。通过使用对话的方式为用户提供搜索结果，同时拥有切换模型功能，并解锁图像生成等，能够显著提高模型的性能和准确性。使得搜索效率大大提高。但是对于 Web3 用户来说，其数据来源不够全面，无法集成链上数据。就在2024年伊始，Perplexity AI 就拿到了一笔 7360万美元的投资，创下了十年以来搜索引擎公司融资的纪录，估值更是达到 5.2 亿美元，其背后的投资方则包括英伟达、杰夫•贝索斯等一批“大佬”。3月初，Perplexity AI 以 10 亿美元的估值融资约 6300 万美元。4月24日，据媒体援引知情人士称，Perplexity 正进行至少 2.5 亿美元的新一轮融资，估值可能达到 25 亿至 30 亿美元。Microsoft CopilotMicrosoft Copilot 是微软 Bing 的AI搜索引擎，能够访问大量的数据，并生成基于事实和客观数据的回答。响应速度非常快，并且支持多种语言！但是，其参考的数据也不够完整，且不具备创造性，没有分析和总结的能力。YouChatYouChat 的数据能够搜索实时数据，并快速给出回应，提供准确的信息和见解。缺点是无法理解某些复杂的语境或情感背景，导致无法提供完全恰当的回答。Brave SearchBrave Search由 Brave Software 开发。它是一个相对较新的 AI 搜索引擎，旨在提供更加隐私保护和安全的搜索体验。与其他 AI 搜索引擎相比，Brave Search 的特点之一是其专注于用户隐私保护和广告替代模型。缺点是由于是较新的 AI 搜索引擎，可能在搜索结果的广度和深度上还有待发展和改进。TypoX AITypoX AI提供直观的Web3知识搜索和学习体验。它将零散的信息来源和Web3协议整合在一个平台上，有效地打破了进入Web3的门槛。具有用户友好的交互体验、丰富的链上和链下数据、支持多种语言等特点。缺点是功能较单一，无法解决 AI 模型的幻觉问题。Clab.aiClab.ai的主要特色在于作为 Web3 垂直领域的AI产品，能够处理大量非标准数据，从而扩展了数据的来源，另外包含了推特中的大量信息。根据官方信息，Clab的数据更新在分钟级别，这也是一大特色，并通过交叉验证信息，确保提高结果的准确性。Clab.ai 于2023 年推出，官方 X 于 2023 年 11 月停止更新，也没有如约推出公开测试版。KaitoKaito可以通过一键式搜索推特、discord、mirror以及Medium等Web3主流信息获取渠道来为用户提供可靠的答案。另外Kaito还对结果进行排名以及个性化推荐，支持图片、语音等信息对文本的转录来集成到内容中。不过二次加工转录过来的数据内容可靠性相对有所降低，因此仍然需要其他数据源进行交叉验证才行。AI 搜索引擎是 Web3 刚需我们处于信息爆炸的时代，仅仅是 Web3 每天就会产生海量的信息。很多人每天花费数小时的时间在各种平台浏览和寻找最新消息，期望能够找到早期投资的机会或者有价值的信息！但是，这中间充斥着大量的，占比达到99%的虚假、炒作、垃圾信息，这些信息浪费了大量的时间和精力，大大降低了我们的效率和收益。对于普通投资者和用户来说，从中获取到关键信息需要付出很多的时间和精力，虽然我们被淹没在信息的海洋，但是信息饥渴症却时刻在困扰着我们。创建一个全面的Web3 AI搜索引擎成为一个亟待解决的关键问题。Web2 的 AI 搜索引擎是谷歌、OpenAI、Perplexity 等巨头的必争之地，Web3 垂直领域的AI搜索引擎仍然没有被广泛采用的案例。虽有项目开始重构 Web3 垂直领域的 AI 搜索引擎，比如 Adot、TypoX AI、PreSearch、Kaito等，但距离广泛采用还有一段路需要走。AI 在 Web3领域也取得了有目共睹的巨大进展，根据 CoinGecko 的数据显示，139 个 AI 版块项目的总市值已经达到了 27.5B 美元，并多次成为加密市场的领涨版块。保守估计，到 2030 年 Web3 AI 市场有潜力增长到数千亿美元。这中间必然有 Web3 AI 搜索引擎的一席之地。在 AI 的时代浪潮中，我们普通人的机会就是能够抓住和跟随一些早期项目，特别是刚刚开始崭露头角的 Web3 AI 搜索引擎赛道。蛮荒时代，出现 Alpha 的几率反而更高！免费 AI 搜索引擎 — AdotWeb3 的 AI 搜索引擎 Adot 目前可以免费使用，其能够有效解决 AI 模型的幻觉问题，并集成多个有效数据源，为用户提供高效准确的回应。Adot推出了创新的 Search to Earn 概念，支持用户通过搜索获得奖励，是非常值得关注的 Web3 赛道 AI 项目！2024 年 4 月 25 日，Adot 宣布成功完成其 Pre-A 轮融资，总额 300 万美元。本轮投资由 Hash Global 领投、gCC (gumi Cryptos Capital)和梁信军家办参投。截至目前，Adot已累计筹集了 600 万美元的资金，其他投资者包括 SevenX Ventures、Mask Network、Var Capital、MixMarvel等投资机构和个人投资者。这些资金将用于推进去中心化的AI搜索引擎的开发。 Adot 由前谷歌工程师和 AI 专家创办。Adot 创始人Dr.Wei是前Google核心工程师和 AI 专家，拥有超过 20 年的搜索引擎和 AI 技术经验。Adot 的核心团队同样具有丰富的行业经验，每个成员在搜索引擎和 AI 领域的平均经验超过 10 年。其产品合伙人曾在美团、携程以及一家被字节跳动收购的AI公司等担任关键的产品职位；搜索算法负责人拥有北京大学硕士学位，并具有 15 年的搜索引擎经验；后端技术负责人曾从0到1构建过拥有超过 2 亿用户的平台系统。 Adot 的愿景是打造一个全面超越传统搜索引擎的去中心化搜索网络，将所有优质数据开放给每一个用户和开发者。用户可以在几秒钟内定位准确、可扩展和索引的数据，并因其对数据源输入的贡献而获得奖励。开发人员可以基于 Adot SDK 和 API 构建自己的搜索引擎和推荐系统。目前，用户可以通过每日签到、每日搜索、邀请朋友等获得 Adot （a.xyz）平台的 Agems积分奖励，Agems 可以用于参加抽奖活动、兑换奖品以及兑换一定比例的平台 Token 等等。写在最后对于 Web3 用户来说，使用 AI 搜索引擎能够节省90%的时间。这些节省出来的时间可以用来学习、娱乐、健身等，提高生活质量的同时，提升投资回报。新的赛道也代表新的机会，Web3 去中心化和社区驱动的特点，让早期参与者往往能够因为个人的贡献和参与获得不错的回报。Web3 + AI 搜索引擎赛道还是一片未开发的处女地，可以密切关注其发展和更迭，抓住早期机会和红利！来源：金色财经

金色财经2024-05-14

24小时热点