FX168财经网_全球视野外汇黄金加密货币NFT资讯网

亚马逊积极追赶人工智能最新发展，Andy Jassy披露亚马逊最新发展战略

科技公司同步发展生成式人工智能。自从OpenAI的ChatGPT推动了该技术的主流发展以来，科技公司都急于展现自己处于潮流的前沿。包括OpenAI、谷歌、Meta和微软在内的公司纷纷推出了新的人工智能产品。 Insider报道称，亚马逊成立了一个新的团队，致力于在公司内部开发“最具雄心的”人工智能模型，Jassy将直接监督这个新团队。亚马逊一直在争分夺秒地应对人工智能的蓬勃发展，管理人员一直在向员工征求意见，以探讨将像ChatGPT这样的人工智能产品融入日常工作流程或面向消费者的产品。

Heidi2023-08-05

成立2年每名员工价值2100万美元 MosaicML凭什么卖出13亿美元？

算机代码。自去年11月人工智能初创公司OpenAI推出在线生成AI聊天机器人ChatGPT以来，人们对这项技术的兴趣激增。“每个组织都应该能够从人工智能革命中受益，并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化，并使 Lakehouse 成为构建生成式人工智能的最佳场所。”Databricks 联合创始人兼首席执行官 Ali Ghodsi表示。 Databricks收购MosaicML的意义不仅在于加速生成式AI技术的发展和民主化，更在于将两家公司的技术和资源整合起来，为客户提供更高效、更便捷的解决方案。随着人工智能技术的快速发展和应用，生成式AI技术将扮演着越来越重要的角色，Databricks收购MosaicML的举动也体现了各企业对于这个方向的重视和投资。像Anthropic和OpenAI这样的公司将现成的语言模型授权给企业，然后企业在其上构建生成AI应用程序。在对这些模型的强劲商业需求的推动下，为像MosaicML这样的初创公司创造了机会。从Snowflake和Databricks接连的收购步伐中我们可以看到，大型科技公司对于生成式AI技术正在从自主研发、战略投资逐步迈向兼并收购阶段。参考来源： https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform https://mattturck.com/mosaic/ https://twitter.com/lmsysorg/status/1672077353533730817/photo/1 https://www.mosaicml.com/blog/mpt-7b#appendix-eval https://www.mosaicml.com/blog/mpt-30b 来源：金色财经

金色财经2023-08-04

【比特周报】人民币大量资金流向币圈！美国驳回“瑞波币非证券”裁决比特币深陷中美多空战

人虹膜数据肯尼亚、德国启动调查美国OpenAI推出的世界币项目，以资金换取个人虹膜数据，在非洲地区掀起浪潮，当地发展的中国人分享，通过帮助验证和扫描虹膜，最高每天可挣2万元人民币暴利。肯尼亚周三宣布暂停世界币，与德国同样启动数据保护调查。华人大佬“救市”！Curve创始人遭遇清算风险 19家机构联合孙宇晨、杜均和麻吉大哥“出手”援助稳定币交换协议Curve创始人遭遇黑客入侵后，在场外出售手中CRV代币募款，以归还在多家去中心化金融平台的巨额贷款。链上分析师指出，华人大佬出手救市，19家机构、孙宇晨、杜均和麻吉大哥纷纷援助防止清算。

小萧2023-08-04

ChatGPT爆火这半年：热钱、巨头与监管

短暂的，也可以是长期的。 7月26日，OpenAI官方推特宣布，安卓版ChatGPT已在美国、印度、孟加拉国和巴西提供下载，并计划在近期推广至更多国家。ChatGPT正在拓展渠道，获得更多的用户和更强的使用粘性，生成式AI的浪潮在持续推高。 7月初，上海的2023世界人工智能大会（WAIC）上，一位大模型创业公司的技术人员正在展厅里穿梭，她计划为公司寻找一个性价比高的国产芯片解决方案，用来做大模型训练。 “我们有1000张A100，但完全不够。”她告诉虎嗅。 A100是英伟达的一款高端GPU，也是ChatGPT生长的硬件基础。一些公开数据显示，在训练GPT系列模型的过程中，OpenAI所使用的英伟达GPU数量约2.5万个。由此，要做大模型，要先评估能拿到多少张A100的显卡，几乎成了这个行业的惯例。哪里有GPU？哪里有便宜算力？这只是2023WAIC大会上众多问题的缩影。过去半年里所有被“应激”到的人，几乎都渴望能够在这场“盛会”中找到更多关于AI的答案。 2023WAIC现场一家芯片展商的技术人员告诉虎嗅，在WAIC大会的几天里，他们的“大模型”展台前，来了好些产品经理，他们希望在这里为公司的大模型业务寻找产品定义。 5月28日在中关村论坛上，中国科学技术信息研究所发布的《中国人工智能大模型地图研究报告》显示，截至5月底，中国10亿级参数规模以上的大模型发布了79个。在此后的两个月里，又有阿里云的通义万相、华为云的盘古3.0、有道“子曰”等一系列AI大模型发布，据不完全统计目前国内的AI大模型已超过100个。国内企业争先恐后发布AI大模型的动作，就是“应激反应”最好的体现。这种“反应”带来的焦虑，正在传导给行业里几乎所有相关人员，从互联网巨头的CEO到AI研究机构的研究员，从创投基金合伙人到AI公司的创始人，甚至是很多AI相关的法律从业者，以及数据、网络安全的监管层。对行业之外的人而言，这可能只是短暂的狂欢，但在如今，又有多少人敢说自己置身AI之外。 AI正在开启一个新时代，一切都值得用大模型重塑一遍。越来越多的人开始思考技术扩散之后的结果。资金涌入，飞轮已现 ChatGPT诞生的一个月内，出门问问创始人李志飞两赴硅谷，逢人必谈大模型，在与虎嗅交谈时，李志飞直言这是他最后一次“All in”。 2012年，李志飞创立出门问问，这家以语音交互、软硬件结合为核心的人工智能公司经历了中国两次人工智能浪潮的起伏。在上一波人工智能最火热的那一段时间，出门问问的估值一度被推至独角兽级别，但此后也经历了一段落寞期，直到ChatGPT的出现，才给沉寂多年的人工智能行业撕开了一道口子。在一级市场，“热钱正在涌进来。” 这是过去半年中，谈及大模型时的行业共识。奇绩论坛创始人陆奇认为，AI大模型是一个“飞轮”，未来将是一个模型无处不在的时代，“这个飞轮已经启动”，而最大的推动力就是资本。 7月初，商业信息平台Crunchbase发布的数据显示，分类为AI的公司在2023年上半年筹集了250亿美元，占全球融资的18%。虽然这一数字与2022年上半年的290亿美元相比有所下降，但2023年上半年全球各行业的总融资额比2022年同比下降了51%，由此可见AI领域的融资额在全球融资总额中的占比，几乎提高了一倍。Crunchbase在报告中这样写到：“如果没有ChatGPT引发的人工智能热潮，2023年的融资额会更低。” 到目前为止，2023年AI行业最大的一笔融资，就是微软在1月对OpenAI投资的100亿美元。虎嗅根据公开数据统计，在美国的大模型公司创业中，Inflection AI或将成为人工智能领域融资量仅次于Open AI的第二大初创公司，在其之后分别是，Anthropic（15亿美元），Cohere（4.45亿美元）、Adept（4.15亿美元）、Runway（1.955亿美元）、Character.ai（1.5亿美元）和Stability AI（约1亿美元）。在中国，2023年上半年国内人工智能行业的公开投融资事件共有456起。而这项统计在2018年-2022年的5年间分别是731、526、353、631和648。上半年国内人工智能行业公开投融资事件另一个引发飞轮的事件则是ChatGPT放出API接口。当OpenAI在3月首次开放ChatGPT的API接口时，AI行业内外对此几乎形成共识：行业要变天了。随着更多应用接入大模型，AI之上正在长出更加繁茂的森林。 “做大模型和做应用本身就应该分开”，投资人的嗅觉总是敏锐的，在源码资本执行董事陈润泽看来，AI是一个与半导体分工一样的逻辑，AI大模型的繁荣之后，很快就会看到AI应用的一波繁荣。今年年初，陈润泽与同事一起前往硅谷时发现，硅谷声名显赫的创业孵化器Y Combinator（OpenAI首席执行官Sam Altman曾在这家孵化器任总裁多年），有一半的项目都转型做生成式AI了。对于大模型的热情，丝毫不逊于如今大洋彼岸的中国。不过，他也发现在美国无论是资本还是创业者，相比于大模型创业，更看好基于大模型所做的生态应用，毕竟在这个赛道，已经跑出了诸如OpenAI这样的公司，与此同时，美国有很强的ToB应用生态土壤，因此更多的美国公司正在尝试基于大模型的生态做企业应用。陈润泽的观察正在得到证实，大模型服务平台OpenCSG联合创始人陈冉告诉虎嗅，如今，美国湾区90%以上的公司已经把大模型能力用到方方面面。至于中国，陈冉认为，在年底之前很多的客户也都会用起来。今年3月左右，陈润泽和团队开始尝试在国内寻找基于大模型做应用的公司，但他发现这样的公司很少。大量资本进入了人工智能行业，但如果追溯这些资金的流向会发现，更多的钱仍集中在头部几家公司中。 “即便是现在，10个与生成式AI相关的项目，能投1个-2个也已经是很不容易了。”除了源码资本，虎嗅也与多位硬科技投资人交流，他们都表示，虽然项目看得多，但真正靠谱的凤毛麟角。应用端的这种态度，在很多业内人士看来，已是常态。思必驰联合创始人俞凯认为，表面看似热闹的赛道，其实更多的是名义上的竞争，结果无非两种情况：“一种是为了融钱，纯资本导向；另一种是做全域通用大模型的公司，确实需要喊，不喊的话别人不会知道。” 国内的一些统计数据也正在说明这个问题，根据第三方机构烯牛数据统计，截至2023年7月，国内有AIGC公司242家，1月以来AIGC赛道融资事件71起。而AI大模型赛道上的公司有67家，从ChatGPT发布到现在，融资事件只有21起。 AIGC赛道和AI大模型赛道自ChatGPT发布后的融资事件｜数据来源：烯牛数据 “现在国内AI市场上，好的标的太少了。”一位投资人如此告诉虎嗅——好项目太贵，便宜的又不靠谱。虽然目前国内发布的AI大模型数量过百，但国内一众大模型公司中，获得巨额融资的并不多，甚至屈指可数。很多AI投资到最后都变成了投人——曾经的独角兽公司创始人、互联网大佬、具备大模型相关创业经验的人等。公司类型公司成立时间大模型及相关产品融资轮次互联网公司百度 2012 文心一言上市阿里云 2008 通义千问上市騰讯AI实验室 1998 混元上市华为云 2019 盘古未上市字节跳动 2016 火山方舟未上市京东云 2012 言犀上市昆仑万维 2008 天工上市 360 1992 360智脑上市公司类型公司成立时间大模型及相关产品融资轮次 AI公司商汤科技 2014 日日新上市科大讯飞 1999 讯飞星火上市云从科技 2015 从容上市达观数据 2015 曹植 C轮出门问问 2014 序列猴子 D轮智谱Al 2019 ChatGLM B轮澜舟科技 2021 孟子 Pre-A轮 MiniMax 2021 Glow 股权投资面壁科技 2022 VisCPM 天使轮深言科技 2022 CPM 股权投资聆心智能 2021 Al乌托邦 Pre-A轮衔远科技 2021 ProductGPT 天使轮思必驰 2007 DFM-2 IPO终止公司类型公司成立时间大模型及相关产品融资轮次 2023年成立都初创AI公司光年之外 2023 暂无 A轮百川智能 2023 baichuan 股权投资零一万物 2023 暂无股权投资国内AI大模型相关公司部分统计今年的一众AI明星项目中，智谱AI、聆心智能、深言科技和面壁智能，都是清华实验室孵化的公司。深言科技、面壁智能两家公司均成立于2022年，且有AI行业内知名学者的技术背书。比这几家清华系AI公司成立时间更短的是一些互联网行业大佬创立的AI公司，光年之外、百川智能和零一万物均成立于这波大模型热潮开始之后。美团联合创始人王慧文在2023年年初成立的光年之外，一度融资5000万美元，已是彼时中国大模型行业为数不多的融资案例。与智谱AI、西湖心辰这类已有大模型为基础的公司不同，光年之外是2023年2月开始，从零开始做大模型，其难度可想而知，6月29日，美团公告宣布收购光年之外的全部权益，总代价包括现金约2.33亿美元（合人民币16.7亿元）、债务承担约3.67亿元、及现金1元。 “起码要有自然语言处理背景的人，有一定大模型训练实操经验的人，以及数据处理、大规模算力集群等方面的专业人才。如果同时还要做应用，那应该还要有对应领域的产品经理和运营人才。”陈润泽如此描述一个大模型核心团队的标配。大公司的AI赌注过去半年中，老牌互联网大厂们的AI新闻漫天纷飞。对AI大模型的投入，看似是在追热点，但如百度、阿里、华为这样的大公司，在AI上投下的赌注，显然不是跟风。巨头们在AI上的押注很早就已开始，对这些公司来说，AI并不是一个新鲜的话题。虎嗅根据企查查数据不完全统计，各大厂在2018年开始就对人工智能相关的企业有不同程度的投资，从投资企业来看，大多是人工智能应用方面的企业，尽管涉及到一部分AI芯片企业，但是数量并不多，涉及大模型方面的企业几乎没有，并且大厂所投资的人工智能相关的公司大多与其业务息息相关。大厂投资机构投资企业数平均持股比例最高持股比例 100%持股企业数阿里巴巴 23 36.25% 100% 5 百度风投 25 5.50% 15% 0 腾讯投资 54 17.54% 100% 2 三家互联网大厂投资AI相关公司情况｜数据来源：企查查 2017年阿里达摩院成立，研究对象涵盖机器智能、智联网、金融科技等多个产业领域，将人工智能的能力赋能到阿里的各个业务线中。2018年，百度提出了“All in AI”的战略。有所不同的是，生成式AI的出现，似乎是一个转折点。对于拥有数据、算力和算法资源优势的科技巨头来说，人工智能对他们已经不光是赋能场景，而是需要承担基础设施的角色，毕竟，生成式AI的出现，意味着针对人工智能产业的分工已经开始。以百度、阿里、华为、腾讯，四家云供应商为代表的大厂，虽然都宣布了各自的AI策略，但明显各有侧重。在过去的半年时间里，巨头纷纷发布自己的大模型产品。对于百度、阿里这样的大厂来说，他们入局大模型的时间并不算晚，基本在2019年。百度自2019年开始研发预训练模型，先后发布了知识增强文心（ERNIE）系列模型。阿里的通义千问大模型也是始于2019年。除了百度和阿里的通用大模型，6月19日，腾讯云发布了行业大模型的研发进展。7月7日，华为云发布了盘古3.0行业大模型产品。这些侧重也与各家的整体业务，云战略，以及在AI市场里的长期布局有所呼应。百度的主线业务盈利能力在过去的5年中，出现了较大波动。百度很早就看到了基于搜索的广告业务在国内市场中的问题，对此，百度选择了大力投入AI技术寻找新机会。这些年来，百度不仅邀请过吴恩达、陆奇等业界大佬出任高管，在自动驾驶上投入热情也远超其他大厂。如此关注AI的百度，势必会在这波大模型之争里重手投注。阿里对通用大模型同样表现出了极大的热情。一直以来，阿里云一直被寄予厚望，阿里希望走通技术路线创造集团的第二增长曲线。在电商业务竞争日趋激烈，市场增长放缓的大环境下，依云而生的AI产业新机遇，无疑是阿里云在国内云市场上再发力的好机会。相比百度和阿里，腾讯云在大模型方面选择了优先行业大模型，而华为云则公开表示只会关注行业大模型。对于腾讯来说，近年来主营业务增长稳中向好。在通用大模型的前路尚不明朗的阶段，腾讯对于AI大模型的投注相对谨慎。马化腾在此前的财报电话会上谈及大模型时曾表示：“腾讯并不急于把半成品拿出来展示，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。” 另一方面，从腾讯集团的角度看，腾讯目前有4所AI Lab，去年也发布了万亿参数的混元大模型，腾讯云投身行业大模型方面的动作，更像是一种“不把鸡蛋放在同一个篮子里”的投注策略。对于华为来说，一直以来都是重手投注研发，过去10年里华为在研发方面的总投入超过9000亿元。但由于手机业务遇到发展障碍，华为在很多技术研发上的整体策略或也正在面临调整。一方面手机业务是华为C端技术最大的出口，如果手机业务不为通用大模型买单的话，那么华为研发通用大模型的动力就会明显下降。而对于华为来说，把赌注押在能快速落地变现的行业大模型，似乎是这场AI博弈当中的最优解。正如华为云CEO张平安所说“华为没有时间作诗”。不过，对科技巨头来说，无论赌注多大，只要能赌对，就能够先一步抢占基础设施的市场份额，从而在人工智能时代获得话语权。拿着锤子找钉子对于商业公司来说，所有的决策仍然落到经济账上。即便是一笔不小的投入，越来越多有远见的公司创始人也意识到，这是一项未来必须要做的事情，即便前期投入可能完全看不到回报。 AI大模型的研发需要一笔不小的投入，但越来越多企业创始人、投资人都认为，这是一项”必要投入”，即便眼下完全看不到回报。由此，很多在上一波AI浪潮下诞生的人工智能公司，都在沉寂良久之后看到了新的曙光。 “3年前，大家都说GPT-3是通向通用人工智能的可能性。”李志飞在2020年就开始带着一班人马研究GPT-3，彼时出门问问正处在一个发展的转折点，他们希望探索新业务，但经过一段时间的研究之后，李志飞的大模型项目中止了，原因之一是当时模型不够大，另外就是找不到商业落地场景。不过，2022年底ChatGPT问世以后，李志飞仿佛被扎了一剂强心针，因为他和所有人一样，看到了大模型的新机会。今年4月，出门问问发布了自研的大模型产品——序列猴子。眼下，他们准备拿着新发布的大模型“序列猴子”冲刺港交所，出门问问已在5月末递交了招股书。另一家老牌AI公司也在跟进，去年7月，思必驰向科创板递交了IPO申请，在今年5月被上市审核委员会否决。俞凯坦言，就连OpenAI，在GPT2阶段也是用微软的V100训练了将近一年的时间，算力和A100差好几个量级。思必驰在大模型前期积累阶段，也是用更为经济的卡做训练。当然，这需要时间作为代价。相比于自研大模型，一些应用型公司有自己的选择。一家在线教育公司的总裁张望（化名）告诉虎嗅，过去半年，他们在大模型应用场景的探索上不遗余力，但他们很快发现在落地过程中存在诸多问题，例如成本与投入。这家公司的研发团队有50人-60人，开始做大模型研究以来，他们扩充了研发团队，新招了一些大模型方面的人才，张望说，偏底层模型方面的人才很贵。张望从未想过从头开发大模型，考虑到数据安全和模型稳定性等问题，他也不打算直接接入API做应用。他们的做法是参考开源大模型，用自己的数据做训练。这也是很多应用公司目前的做法——在大模型之上，用自己的数据做一个行业小模型。张望他们从70亿参数的模型开始，做到100亿，现在在尝试300亿的模型。但他们也发现，随着数据量增多，大模型训练会出现的情况是，可能新版本不如上一个版本，就要对参数逐一调整，“这也是必须要走的弯路。”张望说。张望告诉虎嗅，他们对于研发团队的要求就是——基于公司的业务探索AI大模型场景。这是一种拿着“锤子”找“钉子”的方法，但并不容易。 “目前最大的难题是找到合适的场景。其实有很多场景，即便用了AI，效果也提升不了太多。”张望说，例如在上课的场景中，可以用AI大模型赋能一些交互模式，包括提醒学员上课功能、回答问题和打标签等，但他们试用了AI大模型之后，发现精准度不行，理解能力和输出能力并不理想。张望的团队尝试过一段时间后，决定在这个场景里暂时放弃AI。另一家互联网服务商小鹅通，也在AI大模型爆发后第一时间开展了相关业务的探索。小鹅通的主要业务是为线上商家提供数字化运营工具，包括营销、客户管理以及商业变现。小鹅通联合创始人兼COO樊晓星告诉虎嗅，今年4月，当越来越多的应用基于生成式AI诞生时，小鹅通看到了这个技术背后的潜力，“例如MidJourney，生成式AI对于设计图像生成方面的提效确实有目共睹。”樊晓星她们在内部专门组织了AI研究的业务线，寻找与自身业务相关的落地案例。樊晓星说，在将大模型接入业务的过程中，她所考虑的就是成本和效率，“大模型的投入成本还是蛮高的。”她说。互联网行业的“钉子”算是好找的，AI落地真正的难点还是在工业、制造这样的实体产业。俞凯告诉虎嗅，这一波AI浪潮仍然是螺旋式上升、波浪式前进，在产业落地上面的矛盾一点都没变化，只是换了一个套壳而已。所以从这个意义上看，这两次AI浪潮的规律是相同的，最好的办法就是学习历史——“上一波AI浪潮的教训，这次就别再犯了。” 虽然很多厂商在AI大模型的落地方面都喊出了“产业先行”的口号，但很多实体产业的场景真的很难与目前的AI大模型相匹配。比如在一些工业检测场景应用的AI视觉检测系统，即便对AI模型的需求没有高到10亿参数的量级，但初期的训练数据仍然捉襟见肘。以一个简单的风电巡检场景为例，一个风场的巡检量达到七万台次，但同样的裂痕数据，可能只会出现一次，机器可以学习的数据量是远远不够的。扩博智能风电硬件产品总监柯亮告诉虎嗅，目前风机叶片的巡检机器人还做不到100%的精确分析叶片裂痕，因为可供训练和分析的数据量太小了，要形成可靠的全自动巡检和识别，还需要大量的数据积累和人工分析。不过，在工业数据积累较好的场景中，AI大模型已经可以做到辅助管理复杂的三维模型零件库了。国内某飞机制造企业的零件库就已经落地了一款基于第四范式“式说”大模型的零件库辅助工具。可以在十万余个三维建模零件中，通过自然语言实现三维模型搜索，以三维模型搜三维模型，甚至还能完成三维模型的自动装配。这些功能，在很多卡住制造业脖子的CAD、CAE工具中都需要经过多步操作才能完成。今天的大模型和几年前的AI一样面临落地难题，一样要拿着锤子找钉子。有人乐观地相信，今天的锤子和过去完全不一样了，但到了真金白银地为AI付费时，结果却有些不同。彭博社在7月30日发布的Markets Live Pulse调查显示，在514名受调投资者中，约77%的人计划在未来六个月内增加或保持对科技股的投资，且只有不到10%的投资者认为科技行业面临严重的泡沫危机。然而这些看好科技行业发展的投资者中，却只有一半人对AI技术持开放的接受态度。 50.2%的受访者表示，目前还不打算为购买AI工具付费，多数投资公司也没有计划将AI大范围应用到交易或投资中。卖铲子的人 “如果你在1848年的淘金热潮里去加州淘金，一大堆人会死掉，但卖勺子和铲子的人，永远可以赚钱。”陆奇在一次演讲时说。高峰（化名）想当这样的“卖铲子的人”，准确地说，是能够“在中国卖好铲子的人”。作为一名芯片研究者，高峰大部分科研时间都在AI芯片上。过去一两个月，他感到了一种急迫性——他想做一家基于RISC-V架构的CPU公司。在一家茶室，高峰向虎嗅描绘了未来的图景。然而，要从头开始做AI芯片，无论是在芯片界，还是在科技圈，都像是一个“天方夜谭”。当AI大模型的飞轮飞速启动时，背后的算力逐渐开始跟不上这一赛道中玩家的步伐了。暴涨的算力需求，使英伟达成了最大的赢家。但GPU并非解决算力的全部。CPU、GPU，以及各种创新的AI芯片，组成了大模型的主要算力提供中心。 “你可以把CPU比喻为市区，GPU就是开发的郊区。”高峰说，CPU和AI芯片之间，需要通过一个叫做PCIE的通道连接，数据传给AI芯片，然后AI芯片再把数据回传给CPU。如果大模型的数据量变大，一条通道就会变得拥挤，速度就上不去，因此需要拓宽这条路，而只有CPU能够决定这条通路的宽窄，需要设置几车道。这意味着，中国在大模型上，即便突破了AI芯片，仍有最关键的CPU难以破局。哪怕是在AI训练上，越来越多的任务可以被指派给GPU承担，但CPU依旧是最关键的“管理者”角色。 2023WAIC大模型展区展出的部分国产芯片自1971年英特尔造出世界上第一块CPU至今50余年，在民用服务器、PC市场，早已是英特尔和AMD的天下，英特尔更是建立起涵盖知识产权、技术积累、规模成本、软件生态于一体的整个商业模式壁垒，且这种壁垒从未衰退。要完全抛开X86架构和ARM架构，基于一个全新架构研发完全自主的CPU芯片，可以说是“九十九死一生”，基于MIPS指令集的龙芯，在这条路上走了20多年，更不用说是 RISC-V这样未被充分开垦和验证过的开源架构。指令集，就像一块块土地，基于指令集开发芯片，就相当于是买地盖房子。X86的架构是闭源的，只允许Intel生态的芯片，ARM的架构需要支付IP授权费，而RISC-V是免费的开源架构。产业界和学术界已经看到了这样的机会。 2010年，加州伯克利两位教授的研究团队从零开始开发了一个全新的指令集，就是RISC-V，这个指令集完全开源，他们认为CPU的指令集不应该属于任何一家公司。 “RISC-V或许是中国CPU的一道曙光。”高峰说。2018年，他在院所孵化了一家AI芯片公司，彼时他表示，自己不想错过 AI浪潮发展的机会，这一次，他依然想抓住，而这个切入点，就是RISC-V。在大模型以及如今国产替代的时代，这个需求显得更为紧迫，毕竟，极端地考虑一下，如果有一天，中国公司用不了A100了，又该怎么办。 “如果要取代ARM和X86，RISC-V的CPU需要性能更强，也需要和Linux上做商业操作系统的人参与到代码的开发中。”高峰说。高峰不是第一个意识到这个机会的人，一位芯片行业投资人告诉虎嗅，他曾与一家芯片创业公司创始人聊起，用RISC-V的架构去做GPU的机会。如今，在中国已有一些基于RISC-V架构做GPU的公司，但生态依旧是他们面临的最大的问题。 “Linux已经示范了这条路是可以走通的。”高峰说，在Linux这套开源操作系统中，诞生了红帽这样的开源公司，如今许多云服务都建立在Linux系统上。“需要足够多的开发者。”高峰提出了一个方法。这条路很难，但走通了，将是一条光明的道路。飞轮转得太快了大模型的“应激反应”下，感到急迫的不光是高峰。国内某AI大模型公司联创告诉虎嗅，今年初他们也曾短暂上线过一款对话大模型，但随着ChatGPT的升温，有关部门提高了对大模型安全性的重视，并对他们提出了很多整改要求。 “在没有特别明确的监管政策出来之前，我们不会轻易把产品开放给普通用户，主要还是To B的逻辑。”左手医生CEO张超认为，在《管理办法》出台之前，贸然将生成式AI产品开放给C端用户，风险很大。“现阶段，我们一方面在持续迭代优化，另外一方面也在持续关注政策、法规，保证技术的安全性。” “生成式AI的监管办法还不明确，大模型公司的产品和服务普遍很低调。”一家数字化技术供应商，在6月发布了一款基于某云厂商通用大模型开发的应用产品，在发布会上，该公司技术负责人向虎嗅表示，他们被这家云厂商要求严格保密，如果透露使用了谁的大模型，他们会被视为违约。而对于为何要对案例保密，这位负责人分析，可能很大一部分原因是要规避监管风险。在全球都对AI提高警惕的当下，任何市场都不能接受监管的“真空期”。 7月13日，网信办等七个部门正式发布了《生成式人工智能服务管理暂行办法》（下文简称“《管理办法》”），该办法自2023年8月15日起施行。 “《管理办法》出台后，政策会从问题导向转为目标导向发展就是我们的目标。”观韬中茂律师事务所合伙人王渝伟认为，新规是重“疏”而不重“堵”。浏览美国的风险管理库，是王渝伟每天必需的功课，“我们正在为利用GPT等大模型进行细分行业的商业应用提供风控合规的方案，建立一套合规治理框架。”王渝伟说。美国的AI巨头们正排着队向国会表忠心。7月21日，谷歌、OpenAI、微软、Meta、亚马逊、AI创业公司Inflection、Anthropic，七家最具影响力的美国AI公司，就在白宫签署了一份自愿承诺。保证在向公众发布AI系统前允许独立安全专家测试他们的系统。并与政府和学术界分享有关他们系统安全的数据。他们还将开发系统，当图像、视频或文本是由AI生成时向公众发出警告，采用的方法是“加水印”。 7家美国AI巨头排代表在白宫签署AI承诺此前，美国国会听证会上，OpenAI的创始人山姆·奥特曼表示，需要为人工智能模型创建一套安全标准，包括评估其危险能力。例如，模型必须通过某些安全测试，例如它们是否可以“自我复制”和“渗透到野外”。或许山姆·奥特曼自身也没有想到，AI的飞轮会转得这么快，甚至有失控的风险。 “我们一开始还没有意识到这件事情这么紧迫。”王渝伟说，直到上门来咨询的公司创始人越来越多。他感到，这一次的人工智能浪潮正在发生与过去截然不同的变化。今年年初，一家最早接入大模型的文生图公司找到王渝伟，这家公司希望把自己的业务引入中国，因此，他们想了解这方面的数据合规业务。紧接着，王渝伟发现，这类的咨询越来越多，更明显的变化是，前来咨询的不再是公司的法务，而是创始人。“生成式AI的出现，原有的监管逻辑已经很难适用。”王渝伟说。从事大数据法律工作多年的王渝伟发现，生成式AI与上一波AI浪潮正在呈现更加底层的变化。例如，上一次的AI更多是基于算法进行推荐，还有就是一些人脸识别，都是针对一个场景，针对一些小模型，在具体应用场景当中进行训练，涉及的法律问题不外乎知识产权、隐私保护的问题。而在这个生成式AI生态之上的不同角色，例如提供底层大模型的公司，在大模型之上接入做应用的公司，存储数据的云厂商等，对应的监管都不尽相同。目前大模型所带来的伴生风险已经有了共识，业界明白，商业化应用势必会放大这种风险，要想保持业务的连续性，就需要重视监管。难点就是，“如何找到一条既能做好监管，又能不影响行业发展的路径。”王渝伟说。结语对于整个行业来说，在对技术加深探讨的同时，也正在引发更为深远的思考。在AI逐渐占据科技产业的主导地位之时，要如何确保技术的公正、公平和透明性？当头部公司紧紧掌控技术和资金流向时，如何确保中小企业和初创公司不被边缘化？大模型的开发和应用蕴含巨大潜力，但盲目跟风是否会导致我们忽视其他创新技术？ “从短期来看AI大模型正在被严重高估。但从长期看，AI大模型被严重低估了。” 半年时间里，AI热浪翻涌。然而对于中国的创业公司和科技巨头来说，在热炒的市场氛围中，如何保持清醒的判断，做出长远的规划和投资，将是检验其真正实力和远见的关键。来源：金色财经

金色财经2023-08-04

GPT的演变与突破:回顾过去,展望未来

美国人工智能实验室OpenAI发布的聊天机器人ChatGPT引发科技界狂热：从硅谷科技巨头到资本市场，对ChatGPT的影响和前景进行广泛讨论，媒体甚至将其称为科技行业的颠覆者。作为自然语言处理（NLP）领域的前沿研究成果，ChatGPT已经成为AIGC里程碑式的产品。据公开资料，ChatGPT通过学习和理解人类语言进行对话，并根据上下文进行互动。它还具备写邮件、撰写视频脚本、文案、翻译和编写代码等任务的能力，有望提高办公和学习效率。根据瑞银报告数据，截至今年一月底，ChatGPT的月活跃用户已突破1亿，这在仅两个月的时间内创下了史上最快增长的消费者应用纪录。值得一提的是，Instagram达到1亿用户的时间还需要两年半。 ChatGPT的核心技术基于GPT（Generative Pre-trained Transformer）模型。GPT是一种基于Transformer架构的语言模型，它通过大规模的预训练来学习语言的潜在模式和规律，并能够生成连贯、合理的文本。ChatGPT在GPT的基础上进行了改进和优化，以适应对话式交互的场景，使其能够更好地理解和生成自然语言对话。因此，可以说ChatGPT是建立在GPT技术之上的。 GPT的历史进程 2018年，OpenAI发布了其第一个GPT（Generative Pre-trained Transformer）模型，它就在自然语言处理（NLP）领域引起了一场革命。GPT-1使用了12层Transformer架构，并且在1100万个参数上进行预训练。它在语言模型的任务上表现出色，证明了使用大规模未标记文本进行预训练的有效性。 GPT-2于2019年发布，其规模大大超过了GPT-1。该模型使用了1542万个参数，并且展示了更强大的文本生成能力。GPT-2引发了关于AI生成内容可能被滥用的广泛讨论，因此OpenAI最初只发布了模型的部分版本，直到几个月后才完全开放。 2020年，OpenAI发布了GPT-3，这个模型的规模惊人，包含1750亿个参数。GPT-3在各种语言任务中表现出色，包括翻译、问答和写作。这是首个可以生成出人们很难分辨的人工或机器生成文本的模型，标志着自然语言处理的一个重要里程碑。 GPT-4在2023年3月14日被发布，它是一种高度先进的语言模型，可以处理和分析图像，生成准确且富有创意的输出，并同时处理更大量的信息。它的功能包括以惊人的准确性解决复杂问题、学习用户的写作风格以及在浏览器中编写视频游戏。此外，GPT-4 比其前身GPT-3.5 更难欺骗且更准确。 2023年7月18日，OpenAI向美国专利商标局（USPTO）提交“GPT-5”商标申请。商标申请信息显示，GPT-5提供离线/在线版本“人工生成语音和文本的计算机软件”；以及离线/在线版本“自然语言处理、生成、理解和分析的计算机软件”。 GPT的未来：AI+Web3 2023年4月，区块链领域掀起一场巨大的变革，一个名为AIGC Chain公链发布了全球首个基于Web3的GPT大模型。这一重要里程碑标志着人工智能和区块链的完美结合，为全球带来了前所未有的机遇和创新。 Web3是下一代互联网的演进形式，它以去中心化、加密和智能合约为基石，使用户能够拥有更大的数据控制权，并促进数据的安全共享和价值交换。而GPT则在自然语言处理领域取得了巨大的突破，能够生成高质量的自然语言文本，理解上下文并进行对话。将GPT与Web3融合起来，将带来许多激动人心的可能性。首先，通过将GPT模型部署到去中心化的网络上，可以实现用户对个人数据的完全控制，并确保其隐私和安全。同时，这种分布式的模型可以有效减少单点故障，提高系统的鲁棒性和稳定性。其次，GPT与智能合约结合，能够使机器自动生成合约条款、法律文件等，提高合约的透明度和效率。智能合约的可执行性和确定性特征与GPT生成的自然语言能力相结合，将为法律、金融和商业领域带来革命性的变化。此外，GPT与Web3的结合还可以促进社交媒体和内容创作的革新。通过利用GPT的生成能力，用户可以快速创建个性化的内容，而这些内容可以在去中心化的平台上得到分发和激励，从而推动了内容创作者的创作动力和价值回报。 AIGC Chain的推出引起了广泛的关注和兴奋。作为一个去中心化的公链平台，AIGC Chain利用区块链技术的不可篡改性和去中心化特点，创建了一个安全、透明的环境，使得GPT大模型可以在其中运行和发展。通过将GPT模型与分布式账本相结合，AIGC Chain为用户提供了可验证、可审查的AI生成内容的机制，消除了传统模型中存在的不透明性和可信度问题。这个基于Web3的GPT大模型的发布具有深远的影响。首先，它为全球范围内的研究人员、开发者和企业提供了一个创新的平台，以促进自然语言处理和人工智能领域的进步。研究人员可以利用该平台进行更深入的学习和实验，从而推动自然语言处理技术的快速发展。随着GPT模型的不断演进和改进，从1到5，其在自然语言处理领域的能力越来越强大。然而，单纯的技术进步并不能充分发挥GPT的潜力，而Web3作为未来的道路则为GPT开辟了更广阔的前景。随着时间的推移，我们有理由期待GPT在Web3的支持下，继续发展壮大，为人类社会带来更多的智慧和创造力。只要我们保持对技术和伦理的关注，并致力于解决相关挑战，GPT与Web3的融合将为我们开启一个充满希望的未来。来源：金色财经

金色财经2023-08-04

AI将引爆“金融崩盘”！美证监会主席：开发者有权操纵市场 10万个ChatGPT安全凭证外泄

AI在军事任务中的能力，并取得了成果。OpenAI公司旗下的ChatGPT，以及谷歌的Bard等大语言模型(LLM)在处理敏感信息方面表现出了高效和成功，增强了人们对AI潜力的信心。然而，AI的安全漏洞已成为一个重大问题。随着企业越来越依赖ChatGPT等AI机器人来简化运营，敏感公司数据的无意泄露已成为一个日益严重的问题。网络安全公司Group-IB最近的报告显示，有100000个被盗的ChatGPT凭证可在暗网上出售，这表明需要采取强有力的安全措施来保护AI驱动环境中的敏感信息。 #ChatGPT火爆全网# 根斯勒对AI可能破坏金融市场稳定的警告，凸显了对AI领域进行良好监管的紧迫性。当市场深入研究AI的变革可能性时，在利用其能力和实施防止潜在滥用和安全漏洞的保护措施之间取得平衡至关重要。根斯勒强调：“负责任的AI开发，以及保护敏感数据的积极措施，对于释放AI真正潜力同时降低潜在风险，且为繁荣和安全的未来铺平道路至关重要。”

小萧 1评论2023-08-04

Amazon2023年Q2业绩电话会高管解读财报

力，但大多数人都在谈论应用层，特别是 OpenAI 在 ChatGPT 上所做的事情。重要的是要记住，我们正处于生成式人工智能采用和成功的早期阶段，消费者应用程序只是机会的一层。我们认为生成式 AI 中的大型语言模型具有 3 个关键层，我们认为所有这些层都非常大，而且 AWS 正在大力投资。最底层是训练基础模型和进行推理或推理所需的计算。作出预测。客户对由 NVIDIA H100 GPU 提供支持的 Amazon EC2 P5 实例感到兴奋，可以训练大型模型并开发生成式 AI 应用程序。然而，迄今为止，市场上只有一种适合所有人的可行选择，而且供应一直稀缺。再加上我们在过去几年中积累的芯片专业知识，促使我们几年前开始开发自己的定制人工智能芯片，用于训练（称为 Trainium）和推理（称为 Inferentia），它们已经是第二个版本，并且是一个非常好的解决方案。为构建和运行大型语言模型的客户提供有吸引力的性价比选项。我们乐观地认为，未来大量大型语言模型训练和推理将在 AWS 的 Trainium 和 Inferentia 芯片上运行。我们将中间层视为大型语言模型即服务。退一步来说，开发这些大型语言模型需要数十亿美元和多年的开发时间。大多数公司告诉我们，他们不想消耗这些资源来进行自己的建设。相反，他们希望访问这些大型语言模型，希望使用自己的数据对其进行自定义，而不会将其专有数据泄露到通用模型中，让 AWS 中的所有安全、隐私和平台功能与这个新的增强模型一起使用，然后拥有它全部包含在托管服务中。这就是我们的服务 Bedrock 所做的，它为客户提供所有上述功能，不仅仅是一种大型语言模型，还可以访问来自多个领先的大型语言模型公司的模型，例如 Anthropic、Stability AI、AI21 Labs、Cohere 和 Amazon 自己开发的大型语言模型称为泰坦。Bridgewater Associates、Coda、Lonely Planet、Omnicom、3M、Ryanair、Showpad 和 Travelers 等客户正在使用 Amazon Bedrock 创建生成式 AI 应用程序。我们最近刚刚宣布了 Bedrock 的新功能，包括 Cohere 的新模型、Anthropic 的 Claude 2 和 Stability AI 的 Stable Diffusion XL 1。如果你考虑一下我谈到的前两层，我们正在做的就是使生成式人工智能的访问民主化，降低训练和运行模型的成本，允许访问大型语言模型而不是只有一种选择，使各种规模和技术头脑的公司能够更轻松地定制自己的大型语言模型，并以安全和企业级的方式构建生成式 AI 应用程序，这些都是让每个人都可以使用生成式 AI 的一部分，而且 AWS 拥有这些功能过去 17 年来一直致力于技术基础设施建设。然后，顶层是很多宣传和注意力集中的地方，这些是在这些大型语言模型之上运行的实际应用程序。正如我提到的，ChatGPT 就是一个例子。我们相信早期引人注目的生成人工智能应用程序之一是编码伴侣。这就是我们构建 Amazon CodeWhisperer 的原因，它是一个人工智能驱动的编码伴侣，它可以直接在代码编辑器中推荐代码片段，从而提高开发人员编码时的工作效率。这是一个非常强劲的开端，并改变了开发人员生产力方面的游戏规则。在亚马逊内部，我们的每个团队都致力于构建生成式人工智能应用程序，以重塑和增强客户体验。不过，虽然我们将自己构建许多此类应用程序，但大多数应用程序将由其他公司构建，而且我们乐观地认为，其中最大数量将构建在 AWS 上。请记住，人工智能的核心是数据。人们希望将生成式人工智能模型引入数据，而不是相反。 AWS 不仅为客户提供最广泛的存储、数据库、分析和数据管理服务，而且还拥有比其他任何公司都多的客户和数据存储。再加上在生成式 AI 堆栈的这 3 层为客户提供无与伦比的选择，以及企业放心将生成式 AI 应用程序投入生产所需的 Bedrock 企业级安全性，我们认为 AWS 有望成为客户的长期选择生成人工智能领域的首选合作伙伴。我们还在构建新的客户体验方面继续取得有意义的进展，这些体验可以有意义地改变客户在我们业务中的长期发展。Amazon Business 是我们增长最快的产品之一，年销售总额达 350 亿美元。该团队正在努力进一步构建企业客户所需的选择、价值、便利性和功能。通过 Prime 购买继续取得很大进展。在早期试验中，使用 Buy with Prime 的商家发现他们的购物者转化率平均提高了 25%，这对他们的业务产生了真正的影响。此外，参与 Prime Day 活动的商家在销售活动期间的每日“Prime 购买”订单数量与我们宣布 Prime Day 之前的一个月相比总体增加了 10 倍。坦率地说，我们决定在医疗保健市场领域进行大量投资只是在很短的时间内。我们之前尝试的很多都是较小的实验。但我们很高兴看到 Amazon Pharmacy 的活跃客户在过去一年翻了一番，而且我们很高兴看到 RxPass 的反响，RxPass 使 Prime 会员每月仅需 5 美元即可获得所有符合条件的仿制药，并且免费送货到他们家门口。One Medical 加入亚马逊仅几个月，我们也对在那里看到的情况感到鼓舞。我们的杂货业务持续增长。我们在消费品、宠物食品、美容品和罐头食品等非温控领域已经拥有非常庞大的业务，随着我们不断提高速度和降低服务成本，这些业务不断增长，这使我们能够更有效地销售更多商品。全食超市继续引领有机杂货领域，正在健康增长，并在去年显着提高了盈利能力。我们对全食超市的情况感到满意。正如我之前所分享的，我们正在为我们的大众实体店产品亚马逊生鲜开发新的格式，显着增加了关键业务投入的数量，并刚刚在商店中推出了新概念。我们还看到 Kuiper、Zoox 和 Alexa 等其他领域的重大创新和进步。我们对许多技术发明的投资仍处于相对早期阶段，这些技术发明正在改变这些领域为客户提供的服务，但它们是我们仍然乐观的长期机遇。最后，我想对我们的团队在 LinkedIn 的美国职业发展最佳公司中排名第一表示认可。这证明了我们致力于成为一家拥有领先薪酬福利和提升技能机会的优秀雇主。有了这个，我会把它交给布莱恩。布赖恩·奥尔萨夫斯基正如 Andy 提到的，我们的全球收入达到 1,344 亿美元，同比增长 11%，高于我们指导范围的上限。我们对报告的收入强劲感到鼓舞，这再次证明我们对价格、选择和便利性的关注继续引起客户的共鸣。我们继续看到日常必需品以及美容、健康和个人护理等类别的健康需求，并且看到客户对我们网站和移动应用程序的个性化改进和增强做出了积极的反应。在本季度，我们还看到北美和国际部门的宏观经济指标有所改善，但仍然看到客户降价并寻求购买价值。交付速度一直是过去几个季度的重点关注领域，我们在第二季度达到了创纪录的水平。Prime 会员喜欢更快的船速并且更频繁地购物。广告收入依然强劲，同比增长 22%。我们基于效果的广告产品仍然是我们增长的最大贡献者。我们的团队致力于利用机器学习来提高向客户展示的广告的相关性，并提高我们衡量品牌广告支出回报的能力。本季度第三方单位组合增加至 60%，这是我们所见过的最高水平，而且我们继续看到卖家数量和每个卖家销售的单位的良好增长。我们在提高全球商店盈利能力方面正在稳步取得进展。自北美分部营业利润率于 2022 年第一季度触底以来，我们已连续 5 个季度实现改善，第二季度营业利润率为 3.9%。这比过去 5 个季度提高了 620 个基点。商店业务营业收入改善的最大推动力之一是降低我们的服务成本，运输成本和履行成本的增长速度持续低于我们的单位增长速度。最近，区域化是一个重要的贡献者。更好的网络连接和更好的库存布局带来更快的交付速度，意味着更少的行驶里程和更少的接触，从而降低成本。虽然我们对所取得的进展感到满意，但我们看到了未来推动提高成本效率的更多机会。转向国际市场。自去年第三季度我们的营业利润率亏损触底以来，我们已经连续三个季度有所改善，第二季度利润率亏损为负3%。这比过去 3 个季度提高了 590 个基点。这个部分还包括我们的新兴国家。重要的是要记住我们在其中一些市场上的发展有多早。在过去 6 年里，我们已在 10 多个国家/地区推出了产品，并且始终在评估我们的客户体验以及我们的盈利之路，我们喜欢我们所走的道路。提醒一下，我们花了 9 年时间才在美国实现盈利。此外，在我们的北美和国际业绩中，通胀阻力也继续缓解，尤其是在燃油价格、长途运输费率、海运和铁路费率方面。迁移到 AWS。收入同比增长 12%，第二季度增长率趋于稳定。我们对客户渠道的实力感到鼓舞，并相信拥有一个大部分经过成本优化的庞大多元化客户群将为我们未来的增长奠定良好的基础。过去 12 个月的基础上，自由现金流为正，并且在连续第四季度有所改善。我们的财务重点仍然是推动长期可持续的自由现金流。最近自由现金流改善的最大驱动力是我们营业收入的增加，尤其是在北美和国际市场，正如我所说，我们在履行网络生产力和营业杠杆方面取得了有意义的进步，并受益于业务的放缓通胀压力。我们还看到营运资本对自由现金流的贡献有所改善。在过去的几年里，面对供应链中断，我们的营运资金效率一直不及我们维持较高周数的库存。最近，随着这些干扰的持续缓解，我们正在提高库存效率，从而改善我们的营运资金。我们将继续关注未来自由现金流的持续改善。接下来，让我们转向我们的资本投资。我们将资本投资定义为资本支出加上设备融资租赁的组合。截至 6 月 30 日的过去 12 个月期间，这些投资为 540 亿美元，低于去年同期的 610 亿美元。展望 2023 年全年，我们预计资本投资将略高于 500 亿美元，而 2022 年为 590 亿美元。我们预计履行和运输资本支出将同比下降，部分被支持增长的基础设施资本支出增加所抵消我们的 AWS 业务，包括与生成人工智能和大型语言模型工作相关的额外投资。接下来，让我们继续回答您的问题。

老虎证券2023-08-04

社区动态｜PlugGPT成功上线Pando钱包 PlugChain进军AI生态大有可为

了全新的智能体验。PlugGPT是基于OpenAI的GPT-3.5技术打造的智能插件，具备强大的自然语言处理和理解能力，可以在Pando钱包中实现智能对话和创意输出。显然，PlugGPT的成功部署，标志着PlugChain对AI技术在Web3.0行业的重视和承诺。PlugChain一直秉承着技术驱动创新的理念，不断探索和拓展新的技术边界。在上次与iPollo.ai的合作，不仅进一步展现了PlugChain对于智能化的决心，也将AI技术映射到更多的生态场景，为用户提供更加便捷高效的区块链体验。作为技术公链，PlugChain深知AI技术的潜力和影响力。AI的发展已经在诸多行业引起巨大的变革，而将其融入区块链领域，必将掀起新的浪潮。PlugChain相信，随着我们不断拓展AI技术在公链的生态边界，不仅可以为用户提供智能化的服务，更能够在生态场景中构建更加智能化的应用，从而实现数据与智能的无缝连接。未来，PlugChain将继续聚焦AI技术的研发和应用，致力于推动AI场景的落地和普及。随着技术的不断演进，PlugChain相信将能够探索出更多与AI技术的结合点，为用户提供更多创新的智能化应用。同时，PlugChain还将通过开放合作的理念，邀请更多优秀的科技企业加入，共同打造一个蓬勃发展的智能生态。无论是智能合约的执行，还是社区治理的决策，AI技术的赋能将成为PlugChain生态的重要一环。PlugChain相信，只有在技术的驱动下，才能够实现区块链生态的全面升级。而这一次与iPollo.ai的合作，则为PlugChain未来的发展带来了更多的可能性。插上GPT，开启无限可能！作为PlugChain官方钱包Pando的智能插件，PlugGPT将为用户带来全新的体验。PlugChain与iPollo.ai的战略合作，标志着PlugChain对AI技术的重视和对智能场景的探索。今后，PlugChain将继续以技术为核心，构建更加智能化的生态场景，为用户提供更好的区块链体验。PlugChain也将成为引领Web3.0时代的领先公链，带领用户揭开智能生态的新篇章！来源：金色财经

金色财经2023-08-03

中国人在非洲每天挣2万元暴利！“世界币”资金换取个人虹膜数据肯尼亚、德国启动调查

天机器人ChatGPT火遍全球，母公司OpenAI随即推出新项目“世界币”(Worldcoin)，用户只要愿意提供个人虹膜数据，即可获得团队提供的“薪资”。非洲地区掀起新浪潮，期待通过世界币进入去中心化金融(DeFi)，当地发展的中国人分享，通过帮助居民验证和扫描虹膜，最高每天可挣2万元人民币暴利。肯尼亚(Kenya)周三(8月3日)宣布暂停世界币，并与德国同样启动数据保护调查。世界币旨在成为一种基于区块链的数字护照，使用户能够在线证明自己的身份，而无需共享个人数据。为了获得这个便利性，用户必须通过世界币设计的生物识别设备，即所谓的Orb进行虹膜扫描。法新社观察到，周二在肯尼亚首都内罗毕，数千人在购物中心和主要会议中心排队接受虹膜扫描，然后收到相当于7000先令，约合45欧元的虚拟货币，大多数人随后立即转售他们的代币。 “对世界币通过收集眼球，以及虹膜数据进行公民登记的活动感到担忧，”肯尼亚政府表示。 (来源:Twitter) 肯尼亚位于非洲东部，该国内政和国家行政部表示，已暂停于2019年创立的世界币项目，同时该国的安全和数据保护部门正在调查该项目的真实性和合法性。声明称：“肯尼亚已立即暂停世界币和任何其他可能与人民进行类似活动的实体的活动，直到相关公共机构证明公众不存在任何风险。” 世界币要求用户提供虹膜扫描以获得数字身份和免费的加密货币作为回报，该公司因隐私和安全问题而受到批评。由于监管限制，该项目在美国也无法使用，而英国数据监管机构已表示将审查世界币。继2022年5月推出应用程序后，世界币于7月13日达到200万World ID注册的里程碑，并计划在今年夏季和秋季将虹膜扫描装置的数量增加到1500个，遍布20多个国家的约35个城市。中国人在非洲每天挣2万元暴利 BlockBeats报道指出，曾在东非某国找当地居民做世界币KYC验证，再把账号转卖给国内用户的赵照(化名)回中国了。用户在闲鱼上刷到的代过世界币KYC产品，背后源头便是赵照这样的在非洲第三方。 (来源:BlockBeats) 但现在这个生意不好做，世界币正式上线，币价透明化，没有了灰色空间。再加上最近东非某国的政局不稳，他暂停了做世界币KYC验证的生意，回到中国国内。这场生意持续了三个多月，最多的时候，在一个可做虹膜验证的地推点，一天就能挣2万元。可是最挣钱的日子只持续了两周，那是5月份，世界币在中国国内最火时。彼时当地新用户的增长超出了常理，很快营运商发现了其中的猫腻。报道引述赵照所说：“这个生意到后来就不好做了，在我回中国前，我们的一个员工被当地警察抓住，交了近250元才被放出，当地的最低工资大约为900元每月。警察抓人用的类似扰乱公共秩序的罪名。” “我们进行的就是代做KYC验证，干了大概三个月。我在当地有一份自己的全职工作，这个生意是兼职。生意不难，找到当地营运商所设立的地推点，我雇佣的当地员工就带着雇来的农民工去代验证虹膜KYC验证。最初给这些农民工的工资是1美元，后来，随着做第三方验证KYC的团队变多了，竞争激烈，他们的工资涨到了3美元。” 他最后强调：“这件事99%都是中国人在背后做推手。竞争很激烈，当地中国人看到有钱挣，就一窝蜂开始做这事。一方面农民工的工资在涨，另一方面是本地员工的人头费也在上涨。早期，我们弄一个账号的成本大概在6-7美元美金，后来涨到了9-12美元。” “我在非洲工作，对于当地的Web3 生态也有一定的观察，我觉得这边比较合适推广的Web3的项目其实是一款轻量钱包。轻量能适应当地基建水平，而钱包或许能满足当地人的需求。对于一些非洲国家来说，他们本地的货币汇率十分不稳定，持有一定量的主流虚拟货币能够抗风险。这款钱包在推广过程中可以和政府合作，然后够给当地用户一定返佣，效果应该会不错。”

圈内人2023-08-03

谷歌重组语音助手部门：部分裁员，拟引入大语言模型等AI技术

理着1700多名全职员工。自去年年底OpenAI的ChatGPT推出以来，亚马逊也强调了生成式人工智能的重要性，并将其添加到Alexa产品中。对于在过去20年的大部分时间里主导互联网搜索的谷歌来说，更重要的是，ChatGPT和使用OpenAI模型的微软搜索引擎必应为人们提供了另一种搜索答案的方式，这无疑给谷歌带来了极大的竞争压力。自今年3月公开发布后，谷歌一直在推出对Bard的更新。上个月，该公司表示，由于其最新的LLM技术Palm 2，它将在更多的国家扩展到40多种语言，并将包括音频响应等功能。

金融界2023-08-02

24小时热点