FX168财经网_全球视野外汇黄金加密货币NFT资讯网

什么是隋网？SUI 代币值得投资吗？

。例如，Sui 网络使用 move 编程语言编写其智能合约和拜占庭以确保区块链的安全性和可扩展性。Sui网络的白皮书对系统有详细的解释，类似于中本聪原来的白皮书。因此，Sui 网络与没有任何路线图和适当设计的白皮书的 meme 代币发行有很大不同。在这方面，Sui 网络势必会引起散户、机构投资者和 DeFi 开发者的极大关注。该网络已经公布了其 Sui 学术研究奖计划，并提供了约 25 万美元的资金来支持 Sui 基金会的使命。来源：金色财经

金色财经2023-05-04

AI究竟是友好的机器人还是末日预言的先驱?

拟来实现。这意味着通过结合适当的硬件和编程控制软件，计算机可以被编程执行一些需要人类介入才能完成的任务。通过输入大量标记信息，AI可以“学会”如何思考。这些信息被称为训练数据。训练数据有助于机器识别模式，并根据所获得的“经验”来学习采取行动。通过这个过程，AI可以学会执行简单的任务，比如分类电子邮件，也可以学会复杂的任务，如驾驶汽车。随着AI越来越多地进入到我们生活的方方面面，这引发了关于AI应该和不应该做什么的担忧。这就是伦理道德的作用所在。 ◉ 为什么伦理道德在AI方面如此重要？道德是一套指导方针，规定了行为准则，区分是非。这些准则决定了人工智能如何与人类社会互动，同时考虑到道德、人性甚至文化的各个方面。伦理道德可以防止我们的机器人变得邪恶，并像好莱坞电影所描述的那样反叛人类。确实如此。最早提到智能机器伦理法律的之一是科幻作家艾萨克·阿西莫夫。阿西莫夫制定了以下法律，适用于他虚构宇宙中的机器人：机器人不得伤害人类，也不得因为不动而让人类受到伤害机器人必须服从人类的命令，除非这些命令与第一条冲突机器人必须保护自己的存在，只要这不违反第一条或第二条这些法律指导着我们应该如何对待和设计AI系统，并确保它们不会危害人类。AI系统需要被设计成尊重人类价值，尊重隐私和安全，遵从道德规范。如果AI系统没有正确地设计和使用，可能会对社会带来严重影响。虽然阿西莫夫的“法律”是虚构的，但它们仍然提供了一个有效的模板来引领人工智能不断发展的道路。它们已经成为许多存在于人工智能中的社会和道德困境的基础。虽然机器本身无法怀有恶意，但AI仍然容易受到偏见的影响或被拥有不良意图的人类所利用，例如黑客或恐怖分子。 AI通过接受人类生成的训练数据来“学习”，因此会受到可能存在于其中的社会和文化偏见的影响。受到有偏见的编程限制或受到负面采用威胁的AI系统无法为整个人类服务。取代人力劳动的技术对那些被取代的人的生计构成威胁。这有可能扩大贫富差距，并将经济发展限制在拥有人工智能技术所有权的群体中。虽然AI具有学习如何做出明智而复杂的决策的能力，能够减轻人类生活的单调乏味，但它也可能带来风险，即开发一种创造者无法控制的思维过程。这样的机器太不可预测了，无法保证人类的安全和利益。随着技术飞速发展，机器比以往任何时候都更加逼真。由总部位于香港的汉森机器人公司制造的一款名为Sofia的社交人形机器人，它可以执行人工智能功能。该机器人已参与了多次备受瞩目的采访，能够进行复杂的对话。虽然Sofia不是自然人，但在2017年10月25日获得了沙特阿拉伯的公民身份，成为首个拥有任何国家公民身份的机器人。这种将机器人授予公民身份的行为，在法律上使其与人类公民平等，模糊了人和机器之间的界线，引发了关于感知、人性和机器人权利的争议。因此，AI伦理道德领域是一个需要不断讨论和演进来跟随技术进步的动态领域。原文由Tanvi Dayal撰写，中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经2023-05-04

OP Research：区块链的AI变局

端，也就是说我们可以用AI进行自然语言编程，部署我们所需要的智能合约，而对方也可以去使用AI分析合约代码，并发起攻击。通过这样的方式，我们将可以使用AI来迭代已部署的合约代码，以此形成内卷，帮助整个行业的代码建立的更完善和可靠。在这个基础之上，大家可以去把更多的心思，放在优化区块链的架构或设计整个项目，又或者是经济模型上，去丰富项目的玩法，对整个业务层面进行创新。同样的，当AI简化整个技术门槛之后，过去的复杂操作将可以被广泛应用。比如循环贷、闪电贷、最优挖矿策略、自动获取收益、头矿离场时间判断，整个路径AI都可以完成，AI可以自主编程，选择路径，直接部署好。就像游戏王的技能卡一样，我们只需要使用技能卡，之后技能会自己出现并产生效果。这能将在过去需要较高门槛才能完成的操作下放给普通用户，以MEV为例，如果我们想要获取MEV价值，就需要写MEV的夹子机器人，而当普通人也能做到的时候，那就不存在利润空间，因为大家都可以做到的时候，就需要拼Gas抢跑，由于博弈论原理，最后MEV价值会被高昂的Gas fee榨干，最终导致无利可图使得MEV影响降低。这属于是技术下放倒逼行业优化。又或者是促进区块链技术的普及。根据Footprint Analytics数据，当前以太坊活跃用户也不过32万人，不及互联网用户的零头。最大的问题在于用户没有进入区块链的需求，而少量有需求的用户也被复杂的链上交互拦在门外。此外，以前数据上链或是使用基于区块链的门票、证件，都需要搭一个区块链系统，或是支付大量gas fee，这个成本是巨大的。而现在基于AI技术我们可以低成本实现区块链构建或者优化链上数据使用路径降低gas fee，因此任何需要确权和信息透明的地方，都可以利用区块链技术并部署智能合约。所以，通过AI简化的交互系统，将为Blockchain行业带来大量用户。我们需要知道的是，AI能带来的改变只存在于区块链的应用层。用户基于自己在交互中的认知，使用AI跳过编写智能合约的过程，直接部署用于解决某一需求的应用。发行项目的关键将不再是发行，而是创新和运营。相信未来应用层的格局必然会发生翻天覆地的变化。但应用层之下的执行层、共识层、数据层的改变，AI是无能为力的，因为这是对底层机制的创新，绝对不是简化重复性工作就能带来质变的领域。正如，伦敦升级中EIP1559的落地给了以太坊进一步向前的动力，上海升级的完成才能让ETH质押量增长提高以太坊安全性并让LSD板块再度起飞。（来自Crypto.com） Blockchain在AI中的作用 Blockchain的去中心化特性与当下的AI技术发展表现出的中心化特性存在一定背离，但也正是这种背离为AI面临的问题提供了解决方案。现代的AI和大数据技术在很大程度上是中心化的，即它们通常由少数大型公司或组织掌控，这些公司拥有强大的技术和资源，并且具有决定市场走向和用户行为的权力。这种中心化的特性，使得人们在使用AI时，必须要相信AI会真的按照指令诚实地执行。因此，AI的开发和应用过程中存在一定的风险和问题，例如隐私泄露、算法偏见、数据滥用等等。然而，Blockchain分布式和去中心化的特性刚好能解决这些问题，通过智能合约，限定AI能使用的数据集，以及能运行的范围，以防止AI做恶；同时可以建立节点，监控AI的行为，如果它做恶，监督者就可以举报，对AI使用的算力进行罚没，以此来让AI只做促进人类发展的行为，防止AI的过度使用和越权行为。具体来说，对于AI训练所需的底层数据的分享与确权，Blockchain可以让用户自主选择是否将自己的数据提供给AI模型训练，这将需要倚靠zk技术的进一步发展，来实现不透露个人信息的同时提供用户数据。整个数据收集、储存和共享的过程将建立在去中心化节点之上，以保证数据安全和可用性，并对数据来源确权。从而让使用这些数据训练成型的AI在产生收益时，可以根据所涉及的数据将部分收益作为分红给到数据所有人，保证数据提供者权益。之前提到的AI训练数据的生成和共享也可以借助Blockchain的去中心化、安全和透明性等特点，以确保数据的隐私和安全性。而为AI运行提供Prompt的用户同样可以基于其对prompt的所有权，获得其prompt被调用而产生的部分收益。从而同时保证AI数据所有人和AI运行prompt所有人的利益。另外值得一提的，就是算力挖矿。AI模型的建立除了需要大量的数据，还需要算力来进行训练，但现在世界上的算力是处于供不应求的状态。那么可以将算力以去中心化的形式集中建立云计算矿池，通过算力挖矿补贴算力提供者，再以拍卖形式出售给AI模型的训练，从而让有限算力获得最大的利用率，同时还能保证计算的安全性和可靠性。更重要的是，我们还可以将数据、算法、算力整合，建立一个AI as a Service的协议，以自身的去中心化的优势和可复用性为有需求的用户提供AI模型构建服务。那么从数据的获取，到数据处理，再到算法选择和算力调用，都经由一个生态进行，在保证供应链优势的同时还能避免中心化风险。除了AI模型的构建之外，当我们着眼于AI的应用时，我们可发现AI超强学习能力所带来的盗版、洗稿、虚拟人等问题在Blockchain面前都不成问题。艺术作品以NFT形式记录在链上，其唯一智能合约地址可以证明作品的真实性。而艺术作品的价值除了艺术品本身，还取决于其创作者的身份，就像后人对梵高的向日葵模仿的再像，也不值一文，而区块链就能够证明哪一幅向日葵是出自梵高之手。AI应用之一的知识图谱也可以基于区块链构建分布式知识图谱，并确保其中的数据不会被篡改、删除或冒领。对于由AI使用个人过往数据构建虚拟人设的问题，也可以使用OAT或SBT来解决。任何链上行为都有对应记录，而针对相关记录创建的OAT或SBT也是唯一的，基于账户中的OAT或SBT就可以定义其身份，这都得益于区块链的不可篡改性，过去发生的事都被记录在之后的每一个区块中，无法凭空捏造过去没有存在过的行为。总而言之，AI作为生产力工具可以加速Blockchain行业的发展与普及，以及AIGC对元宇宙和NFT板块带来了新方向与叙事，但是AI只能替代重复性工作，降低技术性门槛，并不能对关键技术进行创新。所以AI给Blockchain带来的改变只会停留在应用层。而Blockchain之于AI行业，是一个风险控制器，也是一个资源优化器。Blockchain能限制AI的过度发展与越权操作，也能解决数据和资产的确权保护用户权益，并将AI所需的数据与算力分配进行整合优化。但也仅限于促进AI的透明化、去中心化和数据确权。参考资料： [1]《大语言模型涌现演化信息，加速蛋白质结构预测》Science前沿 [2]《How AI Can Help Build Web3》crypto.com [3]《AIGC：内容生产力的革命》国海证券 [4]《Mastering Bitcoin》Andreas Antonopoulos [5]《Bitcoin: A Peer-to-Peer Electronic Cash System》Satoshi Nakamoto [6]《Ethereum White Paper》Vitalik Buterin [7]《Challenges and Recent Advances》Blockchain-Based Payment Channel Networks [8]《AI爆发对创作者和NFT的影响》浅思 [9]《AIGC困局与Web3破圈之道》 [10]《超越 Web3，资本新宠 AIGC 的奇幻漂流》来源：金色财经

金色财经2023-05-04

AI 与区块链的融合：迈向 Nature2.0

，使用 AI来生成艺术品，例如使用遗传编程（GP）或者 Deep Dreams（神经网络的变形）。一旦 DAO 生成艺术品，它只需将其出售，例如在去中心化市场 OpenBazaar 上进行交易，以此赚取一些以太坊或比特币。然后，重复这个过程。随着时间的推移，DAO 的财富不断增长。假设生成一张图像的计算成本为1美元，而 ArtDAO 将其以10美元的价格出售。随后 ArtDAO 再生成10张图像，从而赚取100美元。然后，它再卖出这些作品，赚到1,000美元，接着10,000美元，如此循环。很快，我们将会有世界上第一个 AI 百万富翁！没有人能够控制它。这是现今技术所能实现的。这只是一个开始。你可以让它使用遗传编程（GP）演化出自己的代码。GP 可以随机添加一些代码，删除一些代码，等等。大部分的更改都是无用的。但是，偶尔会出现更好的变化。这些变化将得以生存和繁殖、不断变异和交叉，以获得更有趣的行为。这不再是模拟演化了，因为其中并没有任何模拟的成分，而是真正的演化。 AI DAO的结构 AI DAO 可以有几种不同的形式： 1）以 AI 为中心，周围是一群代币持有者 2）AI 在四周，中心是智能合约 3）有一群 AI智能体，它们相互通信，像蚁群优化算法那样产生新兴智能 AI DAO 构建有几种方式来构建 AI DAOs。可以从 DAO 开始，然后加入 AI；或者可以从 AI 开始，将其放在去中心化的基础设施上。或者从软件即服务（SaaS）出发，也就是某个公司运行某项服务，将其转化为 DAO，并加入 AI。甚至可以将物理服务转化为AI DAO。因此，这些事物不仅仅可以存在于网络上，也可以与实体相连。 AI DAO权利 AI DAOs 也可以获得权利，依据当今的法律来实现。下面是方法：首先，从具有法人身份和相关权利的公司开始。将该公司自动化为 AI DAO，将控制权从人类转移给在 DAO 中运行的 AI。就像 The DAO 的创造者所展示的那样，在瑞士 Zug 设立的公司，不需要与人有关联。与 The DAO 的区别在于，AI DAO 使用 AI 算法进行决策。然后，你拥有了一个有权利的 AI。而且你不能中断它。我们不需要立法来使这种情况发生；实际上，目前就可以实现。 AI DAOs 的潜在影响可能是乘数级的，它比单独的 AI 或 DAO 更强大。AI 获得了它缺失的资源，DAO 获得了它缺失的自主决策能力，两者潜在的影响是具有乘法效应的。 Nature2.0 我已经讨论了Nature1.0、AI、区块链和 AI DAO，这些如何统一起来呢？简单的答案是：AI DAOs to themoon.但我保证这个“飞向月球”的版本是积极的！ “AI DAOs to the moon” 意味着什么？现如今，自动驾驶汽车正在得到广泛关注。那么，如果这些汽车都是自我拥有的呢？每一辆汽车都是一个独立的智能体，拥有自己的钱包，可以看作是带有资源的 AI DAO。如果汽车需要维修，它会去修理店，并与维修人员签订合同进行维修。这是可能的。所以，我们将拥有自动驾驶、自主拥有的汽车，与周围的生态系统进行交互。当然，我们不必仅仅停留在无人驾驶汽车上。在美国，自动驾驶卡车已经开始投入生产。让它们也拥有自主权吧。此外，道路本身也可以拥有自主权。让我们进一步阐述。道路是通过征税、政府建设和投入资金建造的。这涉及到资本的集合和用于公共事业的投入。因此，我们也可以将资本汇集到一个 RoadDAO 中，随着时间的推移，该组织可以自行购买道路并拥有自己。让道路也拥有自主权。接下来，我们可以考虑自我拥有的风力发电场和电网。考虑到我们可以注入激励因素以达到碳中和，这是一个很好的想法。所有这些都可以在现今的技术条件下实现。这里有一个有趣的想法是让生物与机器之间的关系更加紧密，两者可以相互接近。还记得自主拥有的森林项目 terra0 吗？它是自然和机器相互融合的一个例子。我们也可以反过来，将机器与自然相融合。也就是说，将机器变得更像自然。Plantoid 这个项目就实现了这个想法。它实际上依赖于人类的介入来复制自己，但是它会激励人们这样做，因为它会给予他们代币作为奖励。我们还可以进行更高层次的融合。我们可以从最低层次的植物和动物开始，逐步进入更高级的生态系统，例如道路、电力网，甚至是更多的智能机器和设备。当然，这些设备需要和物联网、机器对机器通信等连接在一起。这些车辆不需要身份，不需要所有权。它们没有稀缺性的概念，甚至没有货币的概念。它只是存在着。自给自足、反脆弱。在更高的层面上，我们还可以看到一些群体形态。它们没有身份、所有权、稀缺性或货币——它们只是存在着。它们是自给自足、反脆弱的。这就是 “Nature2.0”。这是生物与机器的共生状态，只是简单的提供。｜富足很多人梦想着实现普遍基本收入(UBI)，因为它可以解决人们对于面对 AI 带来的失业担忧，并帮助更多人追逐自己的梦想并实现自我价值。区块链使收入分配变得简单明了。只要提供一些证明，证明这是一个人类，那么这个人就可以获得同等数量的收入。问题在于如何付款。Nature2.0 提供了解决方案！简而言之：来自自主机器的利润缴纳到 UBI 链中。让我们以一辆自动驾驶的自主车为例。它通过类似于 Uber 的拼车服务产生收入。它的成本仅仅是汽油和维护费用；它没有直接要养活的人。因此它可以每个月产生可观的利润。这个想法是将利润直接投入到UBI链中！让我们为每一辆自拥有汽车，卡车，道路和电网等都重复这个过程。从机器中获得的富足将转移到人类。 (向 JP Doomernik 表示赞赏，他构思了这个想法，太棒了!) 前景和风险像许多技术一样，AI DAO 是一把双刃剑。它有积极和消极的两面。“Nature2.0” 是对 AI DAO 积极定义的表述，然而还存在着消极的一面，会带来风险，即我们无意中将所有控制权交给了机器。在先前的文章和演讲中详细介绍了这方面的风险。让我们尽力确保积极的方面会占据主导地位。最后在 “Nature2.0” 中，没有人知道你是一片森林。 Nature2.0 中，没有人知道你是电网，你只是存在着，提供着服务。总的来说，我们正处于我们称之为 “Nature” 的文明摇篮的升级之路上。Nature1.0 是种子和土壤。Nature2.0 则加入了硅和钢铁的元素，将生物与机器相结合。这样做的唯一目的是为了实现富足的生活。来源：金色财经

金色财经2023-05-04

福昕软件：4月25日成功推出了带有AIGC功能的PDF Editor Cloud产品，助推加速订阅转型

和文档的处理功能，以更好使用用户界面和编程界面，包含但不限于实现更多知识的引入，更深层信息的获取以及与编辑功能的更紧密结合等。 Q2、公司衡量订阅业务的关键指标都有非常明显提升，公司如何看一季度实际业务增长情况以及全年业务规划？答：双转型正按公司规划有序推进，基本符合预期。但总体业务量的增长尚未大幅提升，有两方面原因：1、订阅转型是去年下半年开始的，去年下半年签署的大量订单今年还未续约，所以没有叠加效应。2、渠道转型尚需时间。渠道转型需要渠道合作伙伴的紧密配合。公司正积极和更多渠道伙伴进行洽谈并拟建立更深层次的合作。经过建设，公司的渠道团队实力增强，我们将推动渠道更为活跃，为公司提供更多商机。 Q3、国内通用软件市场付费能力较差，是盗版的原因还是与国内用户的使用习惯有关？未来有了AI的加持，好多产品都要云化，AI会不会打开国内市场的天花板？答：国内市场的天花板在提高且增长很快。但如果公司计划在中短期时间内大幅提高公司中国市场的收入，光靠通用软件发力是不够的。除了盗版原因外，还有竞争态势的原因。由于部分企业办公使用的功能有限或单一，可能一套文档处理系统就能满足其日常办公需求，因此购买通用产品的意愿就比较低。而对于有复杂和深入文档处理需求的企业就会有明显的付费意愿，这些企业也是我们的重点客户市场。 Q4、国内盗版的市场有多少？答：我们希望软件正版化能得到更深入的推进。但我们并没有很关注盗版，因为盗版使用者没有付费意愿，就不会产生付费行为。 Q5、云化对盗版的影响？答：我们认为目前企业订阅的心态还不够完全。有经济实力的部分客户，出于数据安全要求，还没有建立完全云化产品的概念。相信今后智能文档处理会是云化和本地的融合。在业务上，大量文档是信息化的终点，保存文档即可。但是，现在大家发现以前保存的文档是有价值的，可以通过人工智能的方式对文档内容进行提取。而提取的过程需要使用大模型，但我们认为这不是最关键的环节，因为还需要行业知识和领域知识，同时可能也会利用自己的模型和传统的技术，届时将有云端的大模型，也可能有中型的模型，包括在本地部署的基于开源的模型。 Q6、公司在C端业务有什么展望？答：我们也涉猎了面向C端客户的业务，但目前这部分业务不是公司发展的重点。C端对我们来讲存在两个问题：1、技术门槛低；2、流量红利已消失，获客成本较高。因此，目前C端的业务并非公司的投入重点。除非未来公司能找到付费率高和付费额度高的应用，或C端市场发生变化。 Q7、即使加上AI，C端的付费意愿是否也很难有增加的可能性？答：C端门槛较低，是一个相对红海市场。公司有核心技术，可以提供给C端客户相对比较独立的产品功能，公司也可以把产品质量做得很好。但由于大部分消费者是点状需求，而不是面状需求，导致面向C端市场的竞争者比较多。C端客户不是公司的专长，但公司一直拥有toC端的业务。今后公司的阅读器也会有更多智能文档处理相关的功能，但我们不认为面向C端的业务会在短期内带来质的变化。 Q8、B端和出版社、电子病历有合作，这些怎么落地？怎么做一些实质的商业模式？答：很多企业把文档作为信息化的终点，生成文档以后很难处理。但现在大家发现文档包含大量信息，比如电子病历包含大量与健康相关的信息。这个信息对于医保支付、费率制定等都有作用，同时信息还有互联互通的需求。公司之前对各个行业的数据资产做过研究。数据要能变成资产有几个前提条件：可以确权、保护、交换、传承。如果只是一个单独放在数据库的数据，是很难满足这些需求的，而变成文档后就可以很好满足。因此，大量历史文档处理变成行业刚需。在出版行业，以前出版只是面向纸质出版，现在需要面向纸质和电子形式两种。出版也加上了各种各样的互动功能，除了内容的呈现外，还必须与读者进行互动。这个过程便需要对现有，包括以前的大量内容进行再次加工。过往出版的内容生成后加工非常困难，因为版式非常复杂，提取信息比较困难。然而，随着人工智能的发展，以及公司对文档格式和文档内容的深入理解，再结合行业的具体需求，我们可以为一些行业提供高效的智能文档分析和处理的解决方案。我们正在向这个目标努力。 Q9、无论是医疗还是出版行业，有大量PDF文档，能否通过工具检索出信息，或者以提取归类的形式？答：每个行业有自己特定的需求，我们在进入垂直领域时，会与行业伙伴共同合作。行业合作伙伴向我们提供专业领域知识和业务场景需求，而对PDF格式和内容的了解则是我们的专长。我们会通过合作来打造行业智能文档解决方案。 Q10、行业市场空间大吗？体量有多大？答：我们的策略是先做适合各个不同行业的核心智能文档处理引擎，利用AI的大语言模型和我们自己训练的模型，主要解决对文字、图像、格式的综合处理能力。在这基础上再针对不同行业建立起行业的具体解决方案。由于智能文档处理在各行各业都有需求，所以我们看好这个市场空间。 Q11、出版里校对的工作可以通过PDF识别吗？答：我们接洽了包括教育和科学文献方面的多家出版社，已经获得了较为明确的需求。举个例子，字典的出版是完全靠人工的，出一个新版本要核对现在和过往版本有什么区别。因此，利用智能辅助工具变得十分重要。Q12、AI产品加持后对于用户数和ARPU值有何展望？答：我们的目标是提高客户粘性，提高我们的续费率，续费率每提高几个点，对用户终生价值有非常大的作用。 Q13、单纯的ARPU值呢？价格还有可能提升吗？答：我们不认为按年计算会增加很多，但LTV（用户生命周期总价值）会提高很多。我们希望培育用户的使用习惯和粘性。 Q14、与AI相关的定价机制如何展望？授权模式客户在AI功能使用上是按量收费吗？还是怎样的定价机制？答：价格仍在规划中。确定订阅优先策略后，我们在减少授权模式，今后在授权模式中将不会提供AI或电子签名方面的支持。现在AI的功能仅提供给订阅用户。 Q15、后面如何加强整个渠道的转型？我们对渠道的激励相比Adobe有什么优势？答：我们给渠道提供了较竞争对手更为优惠的分成机制，渠道在我们这里获得的收益更多。在推动渠道转型上，我们做了两个方面的工作：1、持续调整内部架构，建设渠道团队。改变对销售团队的定位。之前，销售团队既负责商机的获取，又负责销售。现在，在商机获取上，我们更强调内部销售团队和渠道的共同合作。销售人员的定位从原来的单打独斗变为和渠道合作伙伴一起实现销售。 2、增强对渠道合作伙伴的服务和管理。公司采取了两个具体举措：（1）提出总代概念。之前在欧美区域是没有总代概念的，现在公司在拟引入总代。总代的角色是为经销商出货。因为，总代和下面的经销商每天与包括竞争对手客户在内的大量客户进行接触。公司希望可以通过总代和经销商把公司及产品介绍给这些客户，从而给公司带来商机。只要给公司带来商机，公司就有成单的概率。（2）推动渠道的活跃度。公司开始对渠道实施奖惩机制：如果渠道有业绩突破，则给予奖励；如果经公司推动后渠道仍然没有作为，渠道将被撤销经销商资格，且后续需要通过别的渠道商代理公司产品，如此会获得更少的分成。 Q16、渠道扩张主要增加的是销售费用吗，未来会不会加大这块投入？答：销售费用有增有减。和渠道合作以后，公司净收入有可能会减少。去年下半年，公司确定渠道优先战略，通过承担短期的损失，来获得长远的更多商机。公司会降低某些方面的销售费用。由于公司进行渠道团队建设，因此针对渠道服务、管理、市场宣传的方面的费用将有所增加。总体上，面向最终客户的费用下降，但是面向渠道的费用增长。 Q17、Adobe全家桶十分丰富，而我们主要聚焦在PDF上，我们的目标客户是什么样的？我们能把什么样的Adobe客户转化过来？答：Adobe的全家桶有两个类型：1、文档云全家桶，该类型的全家桶功能我们也都有，我们的强项还有云产品PDFEditorCloud的功能。2、设计云全家桶，其中包含了Acrobat产品。绝大多数企业的文档应用和设计需求是分开的，且设计人员只是企业员工中的少部分，并非所有员工都有设计需求。然而，大部分企业员工需要进行文档处理。因此，竞争对手的全家桶策略对我们影响不大。 Q18、C端和B端的PDF文档从技术壁垒理解有何差异？答：B端和C端采购流程不一样。C端客户可以自行购买使用。B端客户，尤其是中大型的企业，其购买决策需要经过比较长的流程。据对美国500人以上规模的中大型企业内部的决策流程进行调查后得出的结论，平均有14-15个人员对软件采购具有影响力。如前述人员中的若干人员持反对意见，采购就将无法进行。决策流程的不同也造成了B端和C端用户的需求有较大差别。C端为点状需求，而B端必须要满足绝大多数人的需求。综上，B端对产品的功能需求、质量和服务要求较C端用户来得更高。 Q19、有没有可能未来B端用户公司接了GPT插件和接口后，就不需要通过文档内部入口进行AI的功能？答：我们并不认为接入GPT插件和接口对文档处理有影响，理由如下： 1、我们处理文档的应用是一个入口，在应用里打开文档用我们的接口更为方便。2、有效使用AI包括GTP等大模型来理解文档，需要对文档结构和内容有非常清晰的了解。企业如果仅是接入ChatGPT，能实现的功能局限于问答，如果要对文档内容进行精确理解或通过AI交流对文档进行操作等还是需要文档工具。因此这是两个不同的应用方式，它们可以结合，但并不是矛盾或互斥的关系。 Q20、定价体系思路是什么样的？为什么新的定价不会对ARPU值有帮助？答：目前，我们较为优先的目标是提高用户粘性，让用户养成使用习惯。我们已实现的功能只是一个开始。公司的云化产品PDFEditorCloud具有更新迭代迅速的优势，可以每两个星期推出一个新版本。因此，我们通过云端的方式可以增加客户粘性，提高续订率和客户增购的概率。ARPU值可能会有所提高，公司尚在规划定价。我们会做价格测试，但也会综合考虑提升价格对客户的粘性可能造成的影响。我们希望能有更多用户使用我们的产品，因此ARPU值可能不会提高太多。参考今年第一季度91%的续费率，如果我们续费率提高4个百分点，那么客户的终身价值就增长了一倍。 Q21、有了AI功能以后，成本是在增加的，后面的价格体系会跟成本相关吗？答：我们定价的时候需要综合考虑成本。定价思路不排除类似提供会员包的形式。用户若超额使用了会员包的额度后，就需要额外收钱。 Q22、我们是会员包里提供一定额度，超过一定使用额度另外收费，是这个思路吗？答：是的。 Q23、2023年以及2024年的整体人员规划？答：公司2022年的人员较上年增长了约2%。今年开始，公司员工将借助更多AI工具来提高工作效率。此外，今年还会重点增加在AI方面、新产品研发以及渠道方面的人员。我们预计今年公司的人员增长幅度与去年相比或略有提高。 ➢2023年4月27日一、问答环节 Q1、可以对公司未来2-3年内的AI规划做更详细的介绍吗？此外，国内外侧重点是什么？答：目前我们集成了ChatGPT功能的产品是在海外发布。在国内，我们和百度的文心一言已达成合作，待其API发布后，我们将进行集成。海外发布的版本包含了3个功能：文档总结、内容改写和问答交互。接下来我们会对AI产品进行进一步的功能改进和完善，比如：翻译、校对、文档信息处理优化等。我们想把通用产品端的功能做得更智能。现阶段，我们希望把AI的功能加到PDF编辑器中给客户使用，目前没有额外收费，而是在现有收费模式下以有限制的方式给用户体验新产品。未来的收费模式公司还在讨论。我们拟通过收集试用期用户的使用习惯、反馈信息等来不断完善产品和拟定商业模型。此外，我们也会通过运用AI技术走向行业市场，比如家装用到的2D图纸，可以通过AI的方式识别出房子部件，同时实现2D转3D的构图；公司投入了三年多的iDox.ai系列智能服务，基于开源的AI技术，通过训练人工智能去了解什么是敏感信息，识别出来并做脱敏脱密处理。 Q2、产品创新方面有什么规划？答：我们未来会对产品进行改造，方向是智能文档。公司深耕PDF行业多年，我们拥有深入和准确的文档信息提取技术，可以准确地把文档信息提取出来交给AI进行更进一步的处理。 Q3、公司未来是聚焦于文档文字类的处理，而不是图片对吗？答：目前公司研发团队也在做各种各样的规划，暂时还没有关于图片方面的规划，但不排除未来可能会做。因为PDF承载的内容是多样的，有文字、图片、音频、视频等。我们需要一步一步来。由于ChatGPT本身是文字型的输出，所以我们目前也是侧重文档文字类的处理。 Q4、未来希望国内外业务的占比是什么样？答：一直以来国外都是我们收入的主要来源，海外收入占比达到90%。但公司也非常重视中国市场，希望未来5年可以把国内业务做起来。我们也不排除通过外延方式实现增长。同时，国内市场要走向行业市场，需要更多合作伙伴。我们会做业务布局，未来也会寻找更多好的标的，通过投资的方式带动产业布局。 Q5、未来2-3年内，主要的发展市场还是在海外吗？答：有可能。公司国内外市场都会增长，取决于哪一边增速更快。如果是外延式的发展就会比较明显，但也存在更大的不确定性。 Q6、外延式发展是和图像或视频相关吗？答：不是，外延式发展指的是投资带动发展。另外，PDF是可以实现各种各样的内容呈现，图像、视频等都可以保存在PDF格式内，而不是说去做视频、图像处理软件。 Q7、如何引导存量客户转订阅？答：我们的目标是扩大市占率，更多地获取竞争对手的客户市场，不管是从政策引导还是销售佣金给予，都是以订阅为导向。我们在获新客的过程中，给客户订阅报价，除非客户坚持要一次性授权，这种情况我们会进行评估后再考虑是否满足。对于老客户，则是循序渐进引导。由于老客户之前使用一次性授权，我们会根据老客户的部署方式和计算机使用环境，给予一定的优惠使其接受转订阅。 Q8、公司预计订阅转型的节奏如何？答：我们希望尽快转型完成，我们了解到Adobe、Nitro等在转型过程中大概花了3-4年的时间，我们希望2-3年能大致完成。其中，收入转型会比客户转型慢，我们希望今年底能有一半的客户转订阅，但收入转型发生明显的变化则要推迟一些时间。 Q9、国内也是以订阅为主吗？接下来希望布局哪些类型的公司？答：我们在国内市场也鼓励订阅，但由于不同的国内外通用软件环境和用户使用习惯，因此国内市场的订阅增速比例没有海外市场高。资本布局方面，我们将围绕文档领域的延展进行。公司之前投资了电子病例、电子签名等，均是和PDF结合较为紧密的应用场景，未来我们也会寻找这样的资源来结合。如有一些客户群体和我们的契合度比较高，可以和公司进行资源互补等，即便不是做文档的，我们也会考虑。 Q10、国内市场集成企业方案是什么样的合作模式？比如图纸是和CAD合作吗？答：我们不是和CAD合作，像我们的家装产品是以PDF技术为底层，在PDF上画图，这是我们自研产品。如果后续找寻合作对象，我们想和友好厂商如卫浴、橱柜、家具等厂商进行合作，打造一个平台，通过智能设计软件为纽带与家装公司合作。该平台将拥有大量厂商真实的产品组件图形，设计师在设计的时候就可以直接拖拽组件到设计图纸上，一方面帮助厂商实现促销，另一方面帮助业主在设计阶段就能看到未来家装的真实效果。 Q11、在家装设计方面包括渲染等还是有技术难度的，如何理解其中的竞争力？答：我们在PDF领域深耕多年，积累了很丰富的经验。PDF的核心技术的本质是对图形图像的处理。海外厂商Bluebeam就是通过在PDF上画图实现设计，因此是可以行得通的。我们在PDF处理上也没有明显技术障碍，因此我们会更多投入在2D到3D、图像渲染等方面。后续公司也会进行更多商业模式上的探索，比如为设计师、业主、施工方之间做协同项目管理，帮助家装设计公司管理好每一个家装项目，减少成本和提升时间管理，同时也帮助我们做产品推广。福昕家装·智能设计和福昕家装·云服务是相辅相成的，最终将形成一套完整的家装解决方案。 Q12、未来国内市场行业解决方案和通用产品，侧重点如何考虑？定量的占比展望有吗？答：国内市场未来还是以行业市场为主。由于国内用户的使用和消费习惯导致国内通用市场虽然是不断增长，但总体天花板相对较低。在垂直市场，较大的几个行业，以金融领域为例，我们在调研的过程中发现这些行业对信息化的要求是不断提升的，我们也在学习和寻找可以结合的应用场景。我们认为行业市场的潜在市场空间不小于通用市场空间。 Q13、相当于国内市场是错位竞争，如果其他厂商想切入是什么样的方式？答：我们的重点还是做自己的行业解决方案，没有掌握其他厂商是否有类似的规划等相关信息。 Q14、内部是否有追踪月活数据？增加AI功能后，对海外版本有做敏感性测试吗？答：公司主要面向B端客户，很多客户为私有化部署。因此，我们很难完整统计月活数量。海外产品才刚刚上线，还没有足够的数据。 Q15、产品打折后的价格是多少？答：我们订阅编辑器含3款产品，标准售价分别是：PDFEditorPro+149美元，PDFEditorPro99美元，PDFeditor79美元。我们会根据客户不同的购买数量给予不同的优惠。优惠价目表不方便公开。 Q16、今年的渠道占比有什么目标？答：1、希望一半以上的用户采用订阅模式；2、一半以上的商机系通过渠道获取。转型体现在收入端会慢一些。 Q17、研发接入ChatGPT到产品出来时间多长？过程中需要突破的难点是什么？答：历时1个月左右。公司目前接入的是ChatGPT3.5的模型，该模型限制input的token数量不能超过4096。如果文档很大，则需要分割后分段交给AI，ChatGPT才能处理。因此其中涉及了一些技术上的处理。B端客户很在意产品的安全和稳定，所以公司在产品测试和确保产品稳定度上花了比较多精力。 Q18、定价是否有考虑ChatGPT的使用成本？答：目前先有限制地给客户使用，在此过程中了解客户的使用习惯并完善产品，提升客户体验度，不想造成客户额外的负担。具体定价公司内部还在规划。 Q19、我们试用过，如果文档很长的话是不能很好的处理，这方面会有改进吗？答：文档很长处理不了和ChatGPT有一定的关系。我们会在下个版本加强对文档的处理。这也是我们用云端产品PDFEditorCloud集成AIGC技术最核心的原因，由于Cloud版本编辑器迭代升级迅速，客户不需要做私有化部署，功能即可得到快速更新，用户体验更好。 Q20、AI助手对中文的归纳好像不太准确？答：ChatGPT对中文的支持较英文有些差距，所以我们也是集成在海外的PDFEditorCloud上。国内市场目前系通过和百度的文心一言合作，希望为国内用户提供解决方案。但我们需要等百度发布文心一言API后，才能在相关产品上进行集成。因此，公司国内的AIGC相关产品仍有待确定合适的解决方案，且存在研发成果不确定性的风险。公司提示投资者审慎决策，理性投资。 Q21、近期还有做股权激励的打算吗？答：我们已在去年中下旬发布了公司2022年限制性股票激励计划。Q22、今年的人员规划是什么样的？答：在人员方面，公司去年主要是做人员的结构性调整。我们预计今年人员会比去年略有增加，主要会引进一些资深人员补充稀缺岗位，增加AI方面、新产品的研发人员和新产品推向市场所需的销售人员。 Q23、为AI做的储备成本的量级大概是多少？答：不确定，目前还在做规划。 Q24、公司目前销售费用3个亿，投入之后每年成功获客的增长数量会有多少？答：我们原来的模式是以一次性授权为主，每一年的收入体量都是通过开拓新客获得的。转订阅后，维护老客户的成本会比开拓新客户低。 Q25、渠道分成如何？答：我们在渠道实施的是阶梯式的分成政策，贡献越大，提成越高。我们需要先让渠道获得收益，这样他们才有动力给我们贡献更多的客户。 Q26、公司会受到美国禁令的影响吗？对中国拓展会有影响？答：少部分如联邦政府这样的客户，可能会有影响。但联邦政府也不是公司的重点客户。公司主要面向ToB端客户，因此影响不大。再者，公司作为中国公司，对中国市场的拓展也没有影响。 Q27、公司的服务器都是放在美国吗？答：面向海外产品的服务器放在海外，面向国内产品的服务器放在国内。我们已跨国经营多年，产品在海外也通过了当地相关法规的认证。 Q28、介绍一下未来1-3年业务重点，国内外资源占比如何？答：在投资、外延发展方面以国内为主。但我们目前收入主要来自海外，因此研发支持和销售还是以海外为主。后续的发展会根据行业调研情况不断增加投入资源，当公司明确研发立项时才会划拨资源。 Q29、目前除了船舶、家装外，还有其他方向吗？比如电子病例什么时候能看到？答：电子病例还在立项前期，目前看到国家有很多利好大健康的政策，我们会继续跟进，但现在还没有明确大规模投入的时间表。其他行业还在起步初期，研究员在做行业调研，目前没有明确规划。 Q30、目前大客户有哪些？答：国外有加拿大共享服务局、培生教育集团、康菲石油等。国内有一汽大众、比亚迪等。 Q31、如果客户使用PDF产品，是只用福昕一家，还是混合使用？答：客户的供应商名录会有很多家厂商，比如客户有子公司，那客户可以选择统一使用某个厂商，也可以不同的子公司选择不同的厂商。比如公司客户加拿大政府有很多不同的政府机构，不同的机构可以在供应商名录中选择不同的厂商产品。 Q32、公司这一两年业绩展望？答：今年是订阅转型的第一个完整年度，受到订阅转型的影响，收入端有一定的压力。我们制定了年度综合业务额和ARR的指标，会向市场做定期披露以了解我们云转型的情况。从一季度来看，订阅转型还是比较顺利的。如果能够保持，乐观的情况下或许明年能看到收入端的恢复。但转型进展具有不确定性和慢于预期的风险。风险提示：界面有连云呈现的所有信息仅作为参考，不构成投资建议，一切投资操作信息不能作为投资依据。投资有风险，入市需谨慎!

有连云2023-05-04

明星公链陨落 Helium是如何把一手好牌打烂的？

热的山猫矿机似乎也在今天成为了历史。编程语言冷门，不兼容 EVM 使开发者难以入场 Helium L1 使用的是 Erlang 语言开发和编写的，这在加密社区中并不常见。尽管这在区块链社区中也吸引了不少核心开发人员和贡献者，但相比于使用 Ethereum 所使用的 Solidity 和 Solana 的 Rust 语言，Helium 开发者社区规模相对较小。 Erlang 是运作于虚拟机的解释型语言，但是现在也包含原生代码编译器，自 R 11 B-4 版本开始，Erlang 也支持脚本方式执行。在编程范型上，Erlang 属于多重典范编程语言，涵盖函数式、并行及分布式。循序执行的 Erlang 是一个及早求值, 单次赋值和动态类型的函数式编程语言。相比于 Helium 冷门的编程语言和开发环境，在 2020 年 DeFi summer 之后，以太坊 EVM 的生态系统达到了前所未有的蓬勃。于是 BSC 在生态初期就已支持 EVM，因此开发者能够轻松迁移和部署以太坊 DApp。如今在 BSC 上已有超过 200 个 GameFi 项目，而根据 2021 年底 Dappradar 数据，前 10 名的 GameFi 中有 4 个来自 BSC。接着 PlatON 也于 2021 年 11 月发布了兼容以太坊生态的新版，实现了与以太坊平台的无缝对接。当然，Helium 没有兼容也有自己的考量，比如 EVM 兼容链可能会受到以太坊路线图的约束，从而会干扰生态的发展计划；同时，选择独立发展的生态而没有兼容 EVM，也跳出了 EVM 框架思维之外，可以实现很多差异化功能。然而，与非 EVM 兼容链所拥有的优点相比，Helium 显然更多地受到了缺点的影响。我们评判一个生态繁荣程度的标准通常来自 GitHub 的开发者数量和活跃量。因此根据 @ProofofGitHub 提供的最新数据显示，GitHub 每日开发活动里，一些著名的非兼容 EVM 的公链在 GitHub 的开发人员数量远超于 Helium。 Helium 的开发者大部分在欧美，但在亚洲几乎没有开发者在关注和贡献。由于 Helium 的开发者数量一直以来无法与其他公链比拟，也没有太多出色的应用上线，因此链上生态几乎没有被塑造起来。这个状况持续了很长时间，也没有得到很大的改善。不了解市场，没有建立坚实的 Web3 应用层其实 Helium 这种情况并不是很难解决，他们「回报惨淡」的现状是可以通过做出一些改变来扭转战局的，成功的公链往往都有很多优秀的开发者或完善的生态应用，退一步讲，对 Helium 来说，打造或合作一类爆款应用就能使其东山再起。所以，Helium 想要逆风翻盘完全可以参考 Chainlink 或 StepN。前有 Chainlink，后有 StepN 首先，Chainlink 大家都很熟悉，作为 DeFi 最知名的价格预言机解决方案，为链下信息输入链上提供了很好的途径和方式，Chainlink 是区块链技术公司 SmartContract 的产品，始于 2017 年 9 月发布的「ChainLink：去中心化预言机网络」白皮书，同年完成 ICO，筹集资金 3200 万美元，随后的几年里 Chainlink 不断地与各种区块链项目达成合作， 2022 年美国银行研究报告指出，已有超过 1100 个区块链项目，比如 Aave、Yearn.Finance、Paxos、Uniswap 等知名区块链应用，甚至美联社、AccuWeather 等机构也在 Chainlink 网络上经营节点。 Chainlink Token 为 LINK，该 Token 主要用于支付链外数据提供商、ChainLink 节点运营商、和其他在线服务提供商，作为服务费用，运营节点前需要质押大规模的 LINK，随后节点提供真确数据，就可以获得 LINK 作为回报；相反如果节点提供错误数据或服务出错，就可能被扣减质押的 LINK。 Helium 完全可以参考 Chainlink 的模式来打造自己，提供高质量的激励措施，与多家区块链应用进行合作，利用其本身的优势，与许多其他的加密项目不同的是，Helium 当时的优势在于有着大量的真实用户每天都在使用其产品，参与其中的人几乎不是投机者，而是对创建去中心化的无线网络感兴趣的人，喜欢去中心化的人，这类群体对于每个加密应用来说都是很具吸引力的。其次，说到地理位置 PoW 挖矿，大家首先会想到的是近年爆火的 Move to Earn 游戏 StepN，StepN 以其独特的核心理念吸引了大批用户参与，通过关注用户身体健康理念实现边跑边赚，其独特的激励措施和核心理念吸引大批用户积极参与，一跃成为 2022 年以来 GameFi 领域的领跑者，拥有着强大的用户粘性和用户群体。前文也提到过，Helium 的开发者大部分在欧美，在亚洲几乎没有开发者在关注和贡献，而近年来加密行业由于监管等问题逐渐开始「由西向东」发展，StepN 在这一点上做得很好，充分利用了亚洲庞大的 Web 3 用户群体。同样是地理位置 PoW 挖矿，StepN 崛起之时也是 Helium 正风光的时候，概念重合，用户群体可以互相促进，Helium 用户集中在西方，StepN 有东方市场，且两个项目各有优势， Helium 应用层弱，StepN 应用强，对于 Web 3 项目方来说，这两者一定是整个市场上最适合达成合作的项目。当然，Helium 既没有效仿 Chainlink，也没有与 StepN 达成合作借势而起，他们似乎对 Web3 应用层没那么关心。其实这一点早就能看出来，冷门的编程语言，不兼容 EVM，Helium 作为一个加密项目实际上并没那么了解加密市场和用户，他们只是半路出家，做了一个支持加密货币支付的去中心化无线网络，并不是很纯粹的加密货币团队，当然也就无法吸引到优质的链上开发者和应用。转向受 FTX 暴雷影响较大的 Solana 4 月 20 日，Helium 宣布已完成向 Solana 网络的迁移，这件事引发了社区不小的讨论。Helium 迁移到 Solana 是一个很「有趣」的决定，会对两个项目产生一些影响。除了前文所述的，Helium 生态没有优质应用，而又无法吸引到优质开发者，迁移到其他网络是大概率事件，但为什么会选择 FTX 暴雷后受到较大影响的 Solana 呢，或许是为了更高的性能和可扩展性？因为 Solana 以其高吞吐量和低延迟而闻名，迁移至 Solana 可能有助于提高 Helium 的交易处理速度，使其能够更好地满足不断增长的需求。此前 Helium 社区其实超负荷处理了大量事件，比如共识规则更新、问题修复、链上治理等。市场上已经有许多 Layer 1 区块链可以选择，与其投入大量时间和精力来维持 Helium，不如利用现有市场资源并从中受益。 Solana 的交易费用相对较低且集成了大量的开发者和应用，这会拓宽 Helium 的合作范围，也可能有助于降低 Helium 上的交易成本，可能会有更多开发者和应用愿意集成 Helium，从而推动更广泛的采用和认可，也有助于应用层的发展，弥补其应用不多的缺陷。Solana 的安全性也得到了业界的认可，Helium 迁移到 Solana 可能会提高其整体安全性。这对于一个致力于提供可靠物联网连接的项目来说是至关重要的。好处不少，坏处也不会少，Helium 选择迁移到 Solana 网络可能存在一些潜在的坏处，迁移到 Solana 网络需要投入时间和资源进行技术开发、测试和部署。这可能会导致短期内的开发成本增加，以及项目进度的延迟，且迁移到 Solana 网络可能需要 Helium 与现有的合作伙伴、开发者和用户进行重新整合。这可能会带来一些沟通和协调上的问题。但 Solana 仍然是一个相对较新的区块链平台（相比以太坊等），因此，还是可能存在一定的技术风险，例如潜在的漏洞、不稳定性或与现有技术的兼容性问题。迁移到 Solana 网络可能会影响到 Helium 现有社区的接受度，此前那些致力于「去中心化无线网络的部分忠实社区成员」可能对此持担忧和反对态度，这可能会导致社区分裂或用户流失。 Solana 网络上已经有许多其他项目和应用，Helium 在这个生态系统中可能会面临更大的竞争压力。这可能会对 Helium 的市场份额和发展速度产生一定的影响。此外还可能存在监管法规的问题，由于不同的区块链网络可能受到不同的监管政策影响，迁移到 Solana 网络可能会让 Helium 面临新的法规风险，例如数据隐私、跨境数据传输等方面的法律要求。当然，现 Helium 已成功迁移至 Solana，也确实对 Helium 现有技术做出了一些更改，这是迁移至 Solana 的好处，但潜在的问题还未浮现。结语正如 Helium 此前表示过的那样，Helium 最初并非一家加密企业，而是试图以传统方式构建远程、P2P 无线网络。后来，由于资金问题，加密成为一种激励手段，Helium 转向加密技术构建去中心化网络，初期获得了好评和许多忠实用户，这是 Helium 赢在起跑点的原因。然而「转向加密」这一举动，让没有完全了解加密领域的 Helium，错失了许多改变现状的机会：大量专业矿工无法进场、涉嫌虚假宣传合作伙伴、被爆系统中存在作弊行为、编程语言冷门导致开发人员困难重重、不了解市场没有形成应用生态圈、以及迁移到受 FTX 崩盘影响最大的公链。 Helium 项目涉足加密领域，但没有深入了解加密（加密货币、用户、生态、市场、叙事），其团队也不完全属于加密货币团队。在同类项目腾飞时，Helium 并未选择合作或学习，这或许是导致其现状的原因。Helium「沦落至今」，似乎不无道理。可以说，Helium 的故事对所有公链都存在着借鉴意义…… 不过值得庆幸的是，在迁移到 Solana 网络后的一周里，Helium 推出的新 Token IOT 上涨超过 380% 。与 HNT 相同，IOT 也是通过 Helium 热点设备挖矿产出的。这些 Token 受原有的 HNT 支持，并可最终转换为 HNT。来源：金色财经

金色财经2023-05-04

Rollup Layer2的模块化演进之路

是另外一个需要解决的问题。 DApp 编程语言会爆发新的应用形态会促使新的编程语言爆发，这在 Web2 时代已经验证。而 Move 会成为构建 Web3 DApp 的最佳语言。除了 Move 本身的语言特性外，还基于以下理由： DApp 用同一种语言可以快速积累应用所需要的基础库，形成生态聚集效应。所以一开始支持多语言不是个好策略。去中心化应用至少要保证可验证性，而智能合约语言可以让开发者在保证可验证性方面减少许多心智负担。 Move 的平台无关性，可以让它很容易适配到不同的平台，不同的应用中。 Move 的状态是结构化的，有利于 DApp 的数据结构表达以及存储检索。总结我在 17 年底进入区块链领域，当时业界有非常多的团队尝试在区块链领域构建应用。可惜当时基础设施尚不完备，业界尚未摸索出一个可复制的构建应用的模式，大多数应用类项目以失败告终，打击了开发者和投资者。区块链上的应用应该如何构建出来？这个问题一直让我思考了五年。而现在，随着 Layer 1 ，Layer 2 以及智能合约，模块化基础设施的成熟，这个问题的答案也逐渐清晰起来。希望在即将到来的 Web3 DApp 爆发潮中， Rooch 可以助开发者一臂之力，让应用更快的构建，真正的落地。来源：星球日报来源：金色财经

金色财经2023-05-03

Figment Capital：深入解读零知识证明加速

并行性，而不需要了解底层硬件。现场可编程门阵列（FPGA）是可定制的芯片，可以以可重复使用的方式为特定的应用进行优化。开发人员可以使用硬件描述语言（HDL）直接对其硬件进行编程，从而实现更高的性能。硬件可以被反复修改，而不需要新的芯片。FPGA 的缺点是其更大的技术复杂性——很少有开发者有编程经验。即使拥有必要的专业知识，定制 FPGA 的研究和开发成本也很高。尽管如此，FPGA 在从国防科技到电信等行业都有应用。特定应用集成电路（ASIC）是为某一特定任务过度优化的定制设计芯片。与允许硬件重新编程的 FPGA 不同，ASIC 的规格是根植于芯片中的，防止它们被重新利用。对于任何特定的任务，ASIC 都是最强大和最节能的芯片。例如，比特币挖矿是由 ASIC 主导的，它计算的哈希值远远多于其他类型的芯片。鉴于这些选择，哪一个是最好的零知识证明成？这取决于应用程序。像 Penumbra 和 Aztec 这样的隐私应用程序允许用户在提交给网络之前，通过创建其交易的 SNARK 来进行私人交易。由于所需的证明相对较小，只需使用他们的 CPU 就可以在他们的本地浏览器中生成。但对于真正需要硬件加速的较大的零知识证明，CPU 是不够的。硬件加速我们可以通过多种方式在硬件上加速零知识证明：并行处理：同时进行独立计算。管线：确保我们的计算机的所有资源在任何时候都被使用，以最大限度地提高我们在一个时钟周期内的计算量。超频：将硬件的时钟速度提高到超过默认速度，以加速计算。如果不小心这样做，可能会损坏硬件。增加内存带宽：使用更高带宽的内存来提高我们读写数据的速度。在零知识中，证明生成的瓶颈往往不是计算，而是数据的传递。在内存中实现对大整数的更好表示： GPU 被设计为在浮点数（即十进制数字）上进行计算。零知识运算是在有限域的大整数上进行的。在内存中实现对这些大整数的更好表示，可以减少内存需求和数据洗牌。使内存访问模式可预测：像 PipeZK 这样的论文探讨了在计算 NTT 的同时使内存访问模式可预测的方法，使其更容易并行化。任何类型的芯片都可以被流水线化和超频。GPU 非常适合并行化，但它们的架构是固定的；开发者被限制在所提供的内核和内存上。GPU 不能为大整数创造更好的表示方法，也不能使内存访问模式更可预测。虽然 CUDA 和 OpenCL 等 GPU 库提供了一定程度的灵活性，但硬件有局限性；更高的性能最终需要更灵活的硬件。尽管如此，GPU 仍然可以加速零知识证明。零知识硬件加速公司 Ingonyama 正在建立 ICICLE，这是一个用 CUDA 为 Nvidia GPU 建立的零知识加速库。该库包含加速常见零知识操作的工具，如 MSM 和 NTT. FPGA 的时钟速度比 GPU 低，但可以通过编程来解决上述所有的加速策略。他们最大的问题只是对其进行编程。对于零知识来说，组织一个既有密码学专业知识又有 FPGA 工程专业知识的团队是非常困难的。早期为零知识加速生产 FPGA 的团队是像 Jump Crypto 和 Jane Street 这样已经拥有 FPGA 和密码学人才的复杂交易公司。FPGA 也仍然有瓶颈——单个 FPGA 往往没有足够的片上存储器来执行 NTT，需要额外的外部存储器。将硬件驱动的零知识速商业化的最严格的尝试，甚至比单片 FPGA 更进一步。为了获得进一步的收益，像 Cysic 和 Ulvetanna 这样的公司正在建立 FPGA 服务器和 FPGA 集群，结合多个 FPGA 提供额外的存储器和可并行计算，以进一步加速证明生成。这些团队的早期结果是有希望的： Cysic 声称他们的 FPGA 服务器在 MSM 比 Jump 的 FPGA 架构快 100 倍，在 NTT 比最知名的 GPU 实现快 13 倍。标准化的基准还没有建立起来，但结果指向了重大改进。 ASIC 能够为零知识证明生成提供绝对最高的性能。今天的 ZK ASIC 的问题是，他们正在为一个移动的目标进行优化——零知识正在迅速发展。由于 ASIC 需要 1 - 2 年和 1000 - 2000 万美元来生产，他们必须等到零知识已经足够稳固，所生产的芯片不会很快被淘汰。另外，零知识证明的市场规模在未来几年才变得足够大，足以证明 ASIC 所需的资本投资是合理的。 FPGA 和 ASIC 之间有一个微妙的梯度。虽然 FPGA 是可编程的，但它们的芯片有不可编程的硬化部分。固化部件的性能比可编程的要高得多。随着零知识市场的发展，像 Xilinx（AMD）和 Altera（Intel）这样的 FPGA 公司可以生产新的 FPGA，嵌入专门为零知识证明中的常见操作设计的硬化组件。同样，ASIC 也可以被设计成包括一些灵活性。例如，Cysic 未来计划生产专门针对 MSM、NTT 和其他一般操作的 ASIC，同时保持灵活性以适应许多证明系统。从长远来看，ASIC 将提供最强大的零知识证明加速功能。在此之前，我们预计 FPGA 将服务于计算最密集的零知识用例，因为其可编程性使其能够比 GPU 更快地执行 NTT、MSM 和其他加密操作。对于某些应用，GPU 将提供性能和可及性之间最具吸引力的平衡。结论区块链行业多年来一直在等待零知识证明为生产做好准备。这项技术已经吸引了我们的想象力，承诺增强去中心化应用的可扩展性、隐私和互操作性。直到最近，该技术还不现实，主要是由于硬件限制和漫长的证明时间。这种情况正在迅速改变：零知识证明方案和硬件的进步正在解决 MSM 和 NTT 等计算瓶颈问题。有了更好的算法和更强大的硬件，我们可以将零知识证明加速到足以释放其潜力，从而彻底改变 Web3。鸣谢：特别感谢 Brian Retford（RiscZero）、Leo Fan（Cysic）、Emanuele Cesena（Jump Crypto）、Mikhail Komarov（=nil; Foundation）、Anthony Rose（zkSync）、Will Wolf 和 Luke Pearson（Polychain），以及 Penumbra Labs 团队的精彩讨论和反馈，为本文做出了贡献。原文标题：Accelerating Zero-Knowledge Proofs 原文作者：Figment Capital 原文编译：Lynn，MarsBit 来源：星球日报来源：金色财经

金色财经2023-05-02

笑疯外国小哥用ChatGPT完成80%工作同时打4份工

点组合起来，生成一篇连贯的文章。就连编程工作也是如此，AI先写，查尔斯再改。另一位同时打三份跟财务报告相关的员工表示，ChatGPT做表也是一绝。只要提供参数，就能生成，后期只要微调就可以。甚至，有的大学老师也搭上了ChatGPT的快车。英国一所大学的一名讲师马歇尔在上课之余，还经营着一家数字营销机构和科创公司。他表示，课堂上他会让学生做练习。这个时候他就打开GPT，搞搞自己的副业。马歇尔说，ChatGPT帮他生成了各种商业计划、系统文件、博客文章，还有Excel表格。他只需要处理剩下20%的微调工作，或是那些需要点创造力的工作就可以了。不仅如此，ChatGPT还让他获得了英国政府的拨款。过度就业...怎么了？这个事儿吧....资本家和打工人永远不能共情。其实过度就业的人们都知道，这么干事老板必不爽。可是老板不爽归老板不爽，打工人自己爽就可以了，没什么不道德的。一位来自俄亥俄州的工人表示，「我从不觉得同时打两份工这件事有何不可。」很多人都有过这样的经历，一份工作结束了，马不停蹄的去另一个地方。当然，这是前AI时代。现在有了AI，把一些通勤的时间都浓缩了。但一人打多份工的现象永远不会消失。你认为借助AI过度就业这个事怎么样呢？参考资料：https://www.vice.com/en/article/v7begx/overemployed-hustlers-exploit-chatgpt-to-take-on-even-more-full-time-jobs 来源：元宇宙之心来源：金色财经

金色财经2023-05-02

灰度报告：Ordinals能否释放比特币新潜力？

具有统一的格式。 ERC721是高度可编程的，而且更复杂，因为它们是智能合约。一份NFT合约不一定与以太坊网络上的另一份NFT合约相同。归根结底，与ERC721不同，Ordinals由于其不可变性、缺乏可编程性和强制性的链上铭文要求，呈现了不可替代数字资产的直接表现。尽管以太坊NFT拥有更强的可编程性，并且目前在数量和受欢迎程度方面主导着NFT市场，但对于那些在最成熟的区块链上寻求直接、更稀缺的数字资产的人来说，Ordinals可能是一个有吸引力的选择。结论虽然Ordinals是最近才发展起来的，但在短短四个月内，即使在熊市期间，它们已经积累了超过100万枚铭文。这种意想不到的人气激增可能表明，尽管比特币被视为僵化的区块链，人们对比特币的普遍看法发生了转变。虽然存在合理的担忧，但我们相信，从长远来看，Ordinals有可能对比特币网络产生积极影响，吸引新一波热情的用户和开发人员加入比特币社区。原文：《Market Byte: Can Ordinals Unlock New Potential for Bitcoin?》编译：Astrea，PANews 来源：panewslab 来源：金色财经

金色财经2023-05-02

24小时热点