香港加密现货ETF上线一周,为何两家本土资管方却去买美版ETF?

原创 | Odaily星球日报

作者 | 夫如何

香港加密现货ETF上线一周,为何两家本土资管方却去买美版ETF?

4 月 30 日,万众期待的香港现货加密货币 ETF 正式登录港交所,这也是以太坊现货 ETF 首次登陆大型交易所。目前香港现货加密货币 ETF 主要由华夏基金(香港)、博时基金(国际)以及嘉实国际三家同步发行,分别包括博时 HashKey 比特币 ETF(03008)、博时 HashKey 以太币 ETF(03009)、华夏比特币 ETF(03042)、华夏以太币 ETF(03046)、嘉实比特币现货 ETF(03439)以及嘉实以太币现货 ETF(03179)。

从 4 月 30 日至 5 月 6 日,香港现货加密货币 ETF 上线刚满一周,具体表现如何?香港现货加密货币 ETF 与今年早些发行的美国现货比特币 ETF 有何不同,是否具备独特的竞争力,吸引亚太乃至全球资本的涌入呢?

为此,Odaily星球日报将复盘香港现货加密货币 ETF 一周发展,并与美国现货比特币 ETF 做全方面对比。

首日表现虽不尽人意,但未来可期

在名义时间上来看,香港 ETF 已过一周,但从实际开放交易日来看,刨除五一假期和周末,香港 ETF 总计开放交易日为 4 天。在这四天中,香港现货加密货币 ETF 首日募资规模约为 20 亿港元,经计算净资产价值为 2.93 亿美元,相较于美国现货比特币 ETF 的首日 1.13 亿美元的净资产来讲,可谓占据优势。

但随着首日交易的结束,根据 , 6 支香港首批发行的加密资产现货 ETF 的总交易量约 8758 万港元(约 1270 万美元),远低于美国首日现货比特币 ETF 成交额 46.6 亿美元的成交额。

香港现货加密货币 ETF 在募资规模领先美国现货比特币 ETF 超两倍的情况下,为何首日实际成交量反而差距如此之大?

  1. 两者市场规模差距较大,相较于美国的全球金融中心来讲,香港能够辐射的范围相对较小,尤其暂不对内地普通投资者开放,导致实际成交额较低。

  2. 对于加密货币的接受程度较低,香港乃至亚洲的传统金融从业者(及机构)对于加密货币的认知相较于欧美地区仍有一定差距。

  3. 香港募资规模如此之高,归功于其独创的“实物申赎”机制,使其在打新认购期间,众多 ETF 投资者采用以比特币和以太坊的形式购买 ETF,进而导致募资额较高。

此后 3 个交易日,香港现货比特币 ETF 和以太坊 ETF 表现也相对普通,数据如下图。

香港加密现货ETF上线一周,为何两家本土资管方却去买美版ETF?

从图中可以看出,香港在前三日 6 支 ETF 在成交额和资金流入上较为平稳且均为正向,但 5 月 6 日,比特币现货 ETF 出现首次净流出(75.36 枚 BTC),价值约为 475 万美元。

尽管香港现货加密货币 ETF 在规模和成交额上未达预期,但众多知名人士对香港 ETF 的未来依旧看好。

彭博 ETF 高级分析师 Eric Balchunas 此前曾预测香港虚拟资产 ETF 市场需两年才能达到 10 亿美元级别,但第一天就触及 2.92 亿美元,这意味着需要重新调整对香港虚拟资产 ETF 市场的看法。同时他还表示,虽然在交易量上不如美国,但从比例上来看, 3.1 亿美元的香港 ETF 相当于美国市场的 500 亿美元。因此,香港虚拟资产 ETF 对其当地市场的影响已经与美国现货比特币 ETF 对其本地市场的影响一样大。

HashKey Group 首席营运官兼 HashKey Exchange 首席执行官翁晓奇表示,HashKey Exchange 的托管资产规模由 ETF 发布前的 22 亿元已增至 33 亿元,相信未来将有大量资金继续流入市场。同时翁晓奇认为 ETF 可吸引更多传统投资者进入虚拟资产市场,一年后整体规模可达至美国市场的两成,即 100 亿美元左右,认为虚拟资产市场距离饱和仍有很长距离。 

加密交易所 Kraken 旗下 CF Benchmarks 首席执行官 Sui Chung 预计,到 2024 年底香港比特币 ETF 资产管理规模将达到 10 亿美元。

除了各位知名人士对香港现货加密资产 ETF 的未来表达积极看法外,老虎证券(香港)也正式推出虚拟资产交易服务,成为全港首批科技券商支持一个平台交易管理传统证券以及虚拟资产。但目前老虎虚拟资产交易服务仅向专业投资者提供。未来,在符合监管要求的前提下,老虎证券计划将虚拟资产交易服务延伸至零售投资者。另外,公司亦会考虑增加虚拟资产现货提存服务。

美国现货比特币 ETF “VS” 香港现货加密资产 ETF

在香港现货加密 ETF 正式推出没多久, 5 月 3 日,据 Watcher.guru 披露,两家香港资产管理公司已购买高达 1.12 亿美元的美国现货比特币 ETF,数据显示除了 Yong Rong Asset Management 购买价值 3800 万美元的贝莱德 IBIT ETF 之外,另一家 Ovata Capital Management 购买了四只美国现货比特币 ETF,总投资额超过 7400 万美元。

Yong Rong 和 Ovata 两家公司为何舍近求远,选择购买美国现货比特币 ETF 呢?

我们根据 Watcher.guru 披露的原文来看,相关数据来源于香港现货加密 ETF 正式发行前,两家公司也未根据香港 ETF 的进展调整出手时机。

假设从这两家资产管理公司的角度入手,大多数资产管理公司对于购买资产是看中其未来发展前景,大概率是长期持有,长期持有就要考虑相关费用支出。但从三家香港发行方披露的基础信息来看,华夏 1.99% ,嘉实 1.00% 以及博时 0.85% ,对比美国现货比特币 ETF 的普遍 0.25% 的费率较高,虽然目前三家发行方为了激励投资交易,减免费率,但从长远的角度,高昂的费率设定必然是众多长期投资者的“拦路虎”。

其次,从市场规模以及成交量角度来看,目前香港现货加密 ETF 刚启动不久,市场规模相较于已发展近 4 个月的美国现货比特币 ETF 来讲较小,规模更大的市场往往能带来更好的流动性和交易体验。

最后,从资金托管方角度出发,美国现货比特币 ETF 的托管方是 Coinbase,而香港 ETF 的托管方是 HashKey Capital 和 OSL 资管公司,从托管规模和过往的信任基础来看,Coinbase 显然更胜一筹。

那香港现货 ETF 没有优势点吗?并不尽然,两者当前的显著区别在于三点:

  • 香港首创“实物申购机制”:相较于美国现货比特币 ETF 只能采用现金交易,实物申购机制能为投资者提供更灵活的交易方式,提升交易热情。并且实物申购机制对 Web 3 的促进作用极大,实物申购机制可以充当 Web 3 投资者的资金退出通道,将传统金融和Web3之前的环节打通,利于后期资本的流转率。

  • 地区覆盖:毕竟美国现货比特币 ETF 的交易时间和亚洲国家具备一定的时差和政策藩篱,并不利于亚洲公司开展相应工作,但香港现货加密 ETF 的推出,会在物理条件更优越的条件选择下,促使亚洲相关公司购买香港现货 ETF。

  • 首发以太坊现货 ETF:最特别的一个优势在于,香港领先于美国首发以太坊现货 ETF,假设美国 SEC 在本月不批准现货以太坊 ETF 的申请,那至少在本年度,香港是唯一一家支持现货以太坊 ETF 的地区,这将有利于吸引以太坊相关投资者的介入,抢占先机。

通道已打开,期待潜在预期

其实在香港现货加密 ETF 上线当天,由于未达预期以及美国比特币现货 ETF 流出导致市场行情下跌,社区对其看法贬大于褒。但经过几天的发展,香港现货加密 ETF 对于加密市场还是具备一定的促进作用。

从上文提到的首创实物申购机制打通传统金融和Web3的资金通道,到辐射亚洲的交易范围,无不体现香港地区对于Web3的发展支持,其次相较于西方国家,香港乃至亚洲对于加密货币的接受程度需要一定时间沉淀。最后,香港现货加密 ETF 留下的潜在预期,即开放内地交易通道。

正如 Kaiko 最新发布的报告,在全球范围内,加密货币现货 ETF 的竞争正在升温。其实香港对比美国从本质上在产品端不具备竞争力,ETF 也并不是要形成对抗局面,最重要的是 ETF 的发行能将加强现有的Web3资金流动性,并将传统资金流向Web3,相反,在行情不景气时,ETF 也为Web3资金的“出逃”提供一个优质的渠道。

发表在 比特币今日行情 | 标签为 , | 留下评论

FHE 全同态加密的想象空间有多大?

作者:Haotian,独立研究员 来源:X,tmel0211

Vitalik 一篇关于 FHE(Fully Homomorphic Encryption)全同态加密的文章,又一次激发了大家对新型加密技术的探索和想象空间。在我看来,FHE 全同态加密的确比 ZKP 技术想象空间大了一个梯级,可以助力 AI+Crypto 更多应用场景落地。该如何理解呢?  

1)定义:FHE 全同态加密可实现对特定形式的加密数据进行运算,而不必担心暴露数据和隐私。相比之下,ZKP 只能解决数据在加密状态下的一致性传输问题,接收数据方只能验证提交数据方的数据是真实的,是点对点的加密传输方案;而全同态加密并没有限定进行运算的主体范围,因此可视为一种多对多的加密运算方案。  

2)How it works:传统计算机运算都是对明文数据展开运算,如果是加密数据需要先解密再进行计算,这样一来难免会暴露隐私数据。同态加密构造了一种特殊的加密方案,可以对密文进行「同态」变换,使得运算得到的结果与明文进行运算保持相同。 在同态加密系统中明文的加法运算相当于密文的乘法运算(一种规律),因此若想要对明文数据进行加法,只需要对密文进行乘法计算即可(等效性)。  

总之,同态加密就是通过特殊的同态变化使得数据在密文状态下运算可以得到明文一样的结果,只需要确保在运算规则的同态对应特性即可。  

3)应用场景:在传统互联网领域,FHE 全同态加密可以在云存储、生物识别、医疗健康、金融、广告投放、基因测序等非常广泛的领域应用到。 以生物识别为例,个人的指纹、虹膜、面部等生物特征数据都是敏感数据,使用 FHE 技术可以实现这些数据在服务器密文状态下进行对比和验证;同理,医疗健康领域多年的数据割裂,可以用 FHE 来打破,让不同医疗结构可以在不共享原始数据的情况下进行联合分析和建模。  

而在 Crypto 领域,FHE 应用空间也可以涉及游戏、DAO 投票治理、MEV 保护、隐私交易、监管合规等多个需要重隐私的场景。以游戏场景为例:平台在不窥探玩家手里卡牌的前提下,展开运算推动游戏进行,使得游戏更加公平;

 同样以 DAO 投票为例,巨鲸参与投票治理可以不暴露地址和投票数量,就能让协议通过运算产生投票结果;此外用户可以向 Mempool 传入加密的交易,进而可避免目标地址、转账数额等隐私消息被暴露;又比如监管场景,政府可以监控资金池,在不查看合法交易隐私数据的钱体系把涉黑地址的资产剥离。  

4)不足之处:值得注意的是,计算机明文实施常规运算的计算环境往往比较复杂,除了加减乘除还有条件循环、逻辑门判断等等,而半同态加密和全同态加密等目前只能在加法和乘法上快速展开,更复杂的运算需要组合叠加,相应会加大算力需求。 

因此,理论上全同态加密可以支持任意计算,但碍于性能瓶颈和算法特质使得当前能够高效执行的同态计算种类和复杂度非常有限。大凡复杂的运算就会需要较大的计算算力消耗。故而,全同态加密的技术落地过程其实是算法优化和计算算力成本控制优化的发展过程,尤其要关注硬件加速和算力增强之后的表现。 

在我看来,FHE 全同态加密虽然短时间很难成熟落地并应用,但其作为 ZKP 技术的延展补充,可以为 AI 大模型隐私计算、AI 数据联合建模、AI 协作训练、Crypto 隐私合规交易、Crypto 场景延伸等方面提供很好的助力价值。

发表在 比特币今日行情 | 留下评论

3EX AI交易平台解读投资新风向:养老基金开始探索加密投资机会

加密资产投资的新风向正在影响着养老金市场,这反映了传统基金对于数字资产作为长期投资标的的潜在价值的认可程度正在不断提高。

养老基金开始探索加密投资机会

最近,富达数字资产(Fidelity Digital Assets)副总裁 Manuel Nordeste 在伦敦的一次活动中表示,固定收益计划和其他养老基金“开始与投资委员会讨论”加密资产。

Nordeste 表示,像家族办公室和高净值个人这样的小规模但成熟的投资者更有可能购买加密货币。当 Fidelity Digital Assets 刚起步(2018 年)时,其看到了“家族办公室、小型专业资产管理公司和对冲基金,然后是大型蓝筹股对冲基金”。而现在,他们正开始与规模更大、真正的机构投资者进行对话。

美国智库城市研究所(Urban Institute)的数据显示,到 2023 年,美国教师和消防员的退休储蓄总额为 4.7 万亿美元,其中大部分(71%)配置在股票上,21%配置在债券上。然而,富达数字资产对更广泛市场进行的调查显示,80%的高净值人士对数字资产持积极态度,而只有 23%的养老金计划持积极态度。其中 48%的受访者投资于数字资产,而只有 7%的养老金计划投资于数字资产。

养老基金热情反映市场需求

尽管养老基金往往采取保守的策略,养老基金对于加密资产的热情尚待观察,但可以看出潜在的市场需求。一些养老基金开始考虑通过加密资产交易所交易比特币。

对于养老金基金来说,加密资产是一个充满吸引力的新兴领域。虽然存在风险,但这也是一个潜在的机会,为数字资产的发展开辟了新的道路。随着监管和市场基础设施的进一步完善,我们有望看到更多机构投资者加入数字资产的行列,从而推动整个市场的发展。

3EX AI交易引领智能交易趋势

养老金市场对加密资产兴趣增加反映了对数字资产的认可程度不断提高,以及对其作为长期投资资产的潜在价值的认识。

作为全球首创的一站式AI交易平台,3EX将强大的人工智能技术应用于数字资产交易领域。通过与ChatGPT4的集成,3EX为用户提供了简单、智能的交易体验,使其能够轻松创建个性化的交易策略、即时模拟盈亏、实盘配置和自动运行等一站式AI交易服务。

与此同时,3EX还提供了AI策略跟单服务,用户可以一键选择和跟随多维度的优质AI交易策略,享受AI交易带来的便利和收益。这种创新的交易模式,为加密交易者提供了更为灵活和高效的投资方式,使其能够更好地把握数字资产市场的投资机会。

总的来说,随着养老基金对于加密资产的兴趣不断增加,数字资产市场将迎来新一轮的发展机遇。而3EX AI交易平台作为智能交易趋势的引领者,将继续发挥其独特的优势,为投资者提供更为智能和便捷的交易服务,推动数字资产市场向更高的层次发展。

3EX相关链接:

Linktree:https://linktr.ee/3exlinktree 

Twitter(CN): https://twitter.com/3EX_

发表在 比特币今日行情 | 标签为 , | 留下评论

AI带来天然气繁荣?或满足60%的电力需求增长

文章来源:

文章作者:卜淑情

AI带来天然气繁荣?或满足60%的电力需求增长

图片来源:由无界AI生成

据富国银行称,到2030年,美国天然气需求每日可能增加100亿立方英尺,这将比目前美国发电消耗的气量增加28%,占美国每日总天然气消耗量的10%。

随着人工智能推动用电量暴增,未来仅靠可再生能源可能难以满足社会用电需求。在此背景下,华尔街认为,在接下来的十年里天然气需求有望实现大幅增长。

富国银行预测,到2030年,美国天然气需求每日可能增加100亿立方英尺,比目前美国发电消耗的气量增加28%,占美国每日总天然气消耗量的10%。

满足AI电力需求增长,天然气或成为首选

富国银行4月份发布的一份报告指出,随着人工智能革命的兴起、美国半导体和电池制造的扩张以及汽车行业的电动化,到2030年,美国电力需求将增长20%,长达10年的电力增长平台期即将告一段落。

富国银行预测,到2030年,仅AI数据中心就有望使美国电力需求增加约323太瓦时(1太瓦时=10亿千瓦时),比纽约市目前每年48太瓦时的用电量高出七倍。高盛预计,到2030年,数据中心将占美国总用电量的8%。

为了应对电力需求暴增,谷歌、微软等科技巨头承诺使用可再生能源为数据中心供电,但根据咨询公司Rystad Energy 4月公布的一份报告,太阳能和风能因本身的不稳定性,可能不足以满足电力负荷。

Rystad Energy表示,未来将需要一种能源,能够在可再生能源发电不足的情况下填补供应缺口。在这种情况下,天然气行业普遍押注天然气将成为首选。

美国最大天然气管道运营商Kinder Morgan执行董事长Richard Kinder在公司一季度财报中表示:

这种需求表明,就满足市场的实际需求而言,强调可再生能源是唯一的电力来源存在致命缺陷。我相信他们(大型科技公司)开始认识到天然气和核能必须发挥的作用。

天然气需求有望大幅增长

高盛今年4月发布的报告显示,为满足人工智能和数据中心带来的电力需求增长,天然气预计将占到增量的60%,而可再生能源将占到剩余的40%。

据富国银行称,到2030年,美国天然气需求每日可能增加100亿立方英尺,这将比目前美国发电消耗的每日350亿立方英尺增加28%,占美国每日总天然气消耗1000亿立方英尺的10%。

富国银行分析报告的作者之一Roger Read指出:

这就是人们越来越看好天然气的原因。对于一种大宗商品来说,这是相当高的增长率。

高盛预测,本十年末,天然气需求将增加每天330亿立方英尺,而Tudor, Pickering, Holt & Co.基本假设为每天270亿立方英尺,最高假设为每天850亿立方英尺。

美国公用事业巨头Dominion在其2023年年度资源计划中提出了未来二十五年新增天然气装机容量0.9至9.3吉瓦的设想。

Dominion表示,当太阳能等可再生资源的供电量下降时,天燃气涡轮机对于填补缺口至关重要。

“我们正在建设大量的可再生能源,我们所有的客户都在寻找这种能源,但我们需要确保我们能够可靠地运行这个系统,” 该公司CEO Robert Blue 在周四的财报电话会议上告诉分析师。

富国银行分析师里德告诉媒体,可再生能源将在满足需求方面发挥重要作用,但它们存在的问题,让天然气至少在2030年前看起来更具吸引力。

比如,许多可再生能源未来将安装在不紧邻数据中心的区域,修建输电网落需要时间。此外,目前可再生能源的电池技术效率不足以为数据中心每天24小时供电。

天然气繁荣即将回归?

分析认为,电力需求暴增可能有助于使天然气价格摆脱低迷。

由于产量强劲、暖冬导致需求下降以及美国库存处于纪录高水平,2024年第一季度美国天然气价格暴跌超过30%。

据富国银行预测,到2030年,美国天然气平均价格可能为每千立方英尺3.5美元,比2024年增长46%。

风险提示及免责条款

市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。

发表在 比特币交易平台 | 留下评论

浅谈Aave v4新功能:每个大协议都应该发链?

原文作者:@cmdefi

编者按:加密研究员 CM(X:@cmdefi)发文梳理了 Aave v4 版本引入的一些新功能,包括统一流动性层、模糊控制利率功能、流动性溢价机制等。CM 谈到,Aave 计划推出的新网络层 Aave Network 充斥着老 DeFi 倔强的味道。是否 DeFi 协议做大了以后真的有必要都去发一条链,从目前看还很远。

关于 Aave v4,一点总结,很多问题早就该改,也有一些规划似乎是老 DeFi 的倔强。是否每个大协议都应该发条链?

1. 统一流动性层

  • 将所有资金供给和借出都集中管理,使得流动性不会分散在不同模块。

  • 允许协议在未来方便地添加或移除功能模块,而不需要迁移流动性,为长期扩展提供了便利。

最大的好处就是不会在 Aave V2/V3/V4 的选项卡中来回切换,也不需要像当初 V3 升级时候那样要手动把资金从 V2 迁移到 V3。

浅谈Aave v4新功能:每个大协议都应该发链?

2. 模糊控制利率功能

Aave V4 提议采用全自动利率,能够调整利率曲线斜率。当前的设定由治理机制控制,不仅增加了治理负担,还降低了资本效率。模糊利率设计用于主动控制利率曲线的转折点,使其根据市场状态动态调整。基本利率将根据市场需求上升或下降,以此优化供应者与借款人的利率。

这一点是早就应该优化的,笨重的利率模型和冗长的治理流程已经让 Aave 苦不堪言,在之前 $CRV 被恶意做空事件中 Fraxlend 就已经以算法控制利率遥遥领先了,在资金被借空利用率过高的情况下优先偿还了利率模型更加健康的 Fraxlend 借款。

3. 流动性溢价机制

V4 引入「流动性溢价」概念,根据抵押资产的风险状况 ( 如中心化程度、市场风险等 ),动态调整借款利率。面对较高风险的抵押品,借款成本相对提高,反之,风险较低则有助于降低借款成本。

这一点是一个比较好的风险管理功能,许多山寨币在链上仍然有借贷需求,风险分级是可取的策略。

浅谈Aave v4新功能:每个大协议都应该发链?

4. 推出智能账户 (Smart Account) 和金库 (Vault)

大幅改善用户体验,允许用户使用单一钱包管理多头寸。智能账户旨在解决 V3 的一个主要用户体验问题:使用 e-mode 或隔离资产借款时,需要用多个钱包管理头寸。

引入智能账户后,用户可用一个钱包创建多个子账户,大大简化协议交互。智能账户还能实现用户呼声较高的「金库」功能。用户可以在智能账户中抵押资产借款,抵押品被锁定但不会进入流动性池,降低了风险溢出。

这也是非常好的、早就该出现的体验升级。

浅谈Aave v4新功能:每个大协议都应该发链?

5. 动态风险参数配置

支持为单个资产创建独立的风险配置,降低清算风险。引入自动化资产下架机制,简化治理流程。

  • V3 的风险参数调整 ( 尤其是清算阈值 ) 影响所有用户,降低阈值可能引发不必要的清算,治理成本高。

  • V4 引入动态配置功能,新的借款使用新配置,已有用户仍使用原有配置。

  • 配套推出自动化资产下架机制,治理层触发后,系统逐步调低资产的清算阈值直至归零,效果相当于该资产无法再完成借贷业务,等同于人工下架但简化了治理流程。

6. 引入超额债务保护机制,防止不良债务扩散

共享流动性模型的一个弊端是资产积累超额债务会传染,V4 引入新机制追踪资不抵债头寸,自动核算累积的超额债务,当超额债务超过既定阈值,相关资产自动失去借款能力,防止坏账扩散。

7. 提供与 GHO 稳定币的原生集成

  • 支持在流动性层原生铸造 GHO。

  • 引入 GHO「软清算」AMM,仿照 crvUSD。

  • 引入 GHO 紧急赎回机制,应对极端脱锚情况。

  • 允许存款人选择以 GHO 形式获取利息,协议将利息转换为 GHO 的抵押品,增强 GHO 稳定性。

8. Aave Network

Aave 计划推出一个新的网络层,作为 GHO 稳定币和 Aave 借贷协议的核心枢纽。

  • 使用 GHO 支付费用。

  • 以 Aave V4 为枢纽。

  • $AAVE 作为去中心化验证者 / 排序器的主要质押资产。

  • 通过 Aave Governance V3 由社区控制该网络与以太坊的接口和交互。

  • 广泛使用账户抽象

  • 从 Ethereum 继承网络安全性。

Aave Labs 表示会持续关注一层和二层网络的发展,为 Aave 社区选择最合适的技术方案。

关于 Aave Network 充斥着现在老 DeFi 倔强的味道,从目前公布的资料和状态来看,这似乎是连团队自己都没想好的一个决定,要做 L1 or L2?怎么做?是否真的有必要?对于这些问题我是打问号的。

其实唯一比较明确的就是 Aave 未来始终是要打稳定币市场这个硬仗了,所有的规划都在为 GHO 创造场景。

由于这一轮应用层创新的匮乏,似乎真的是一轮属于基础设施的牛市,每个项目不带个 Layer 都不好意思去融资,有了「Layer」 估值一下子就上去了,而 DeFi 协议做大了以后是否真的有必要都去搞一条链,从目前看还很远,从我的角度来看,以太坊似乎就是那个链上的金融中心,不是说离开这里不行,而是对于一些对性能没有过度依赖的项目,似乎除了让自己变得「看起来更有用」离开以太坊自己做一条链对使用产品的用户来说没有更多的提升,反而在初期有可能降低安全性。

发表在 比特币交易平台 | 留下评论

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」


在陀螺科技汇聚先锋声音·深见产业未来

陀螺科技作为国内领先的元宇宙数字产业服务平台,十余年来持续深耕游戏、电竞、元宇宙、XR、人工智能、区块链等多个前沿科技领域。通过高效及时的产业快讯、深度的产业洞察内容、专业的产业研究报告与优质丰富的会员活动和优质专栏作家体系已成功覆盖元宇宙领域的绝大部分从业者,并聚合了5000+专栏作家入驻,与行业上下游多数企业形成了常年合作关系。陀螺科技在内容服务、产品服务、生态共创三个维度上持续发力,逐步赢得了行业口碑,影响渐大,关注日增,成绩显著,现已发展成为元宇宙及泛科技领域从业者了解行业发展、技术创新、实践应用、产品实施、市场动态、产业合作、投融动态等方面专业化内容平台。

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」

「陀螺号」是陀螺科技在APP客户端和WEB端倾力打造的产业创作者内容聚合平台,有别于其他门户和平台的大而全内容风格,陀螺号的特点是深度聚焦于产业,在众多行业自媒体中优中选优。这样定位的初衷很简单,就是为了挖掘和扶持真正懂产业的内容创作者,因为只有真正理解产业的内容,才能给市场、从业者的日常经营与企业发展提供有效的帮助和启发。我们希望基于自身的行业影响力、专业的品牌价值、垂直的用户基础、深度的内容体系,将「陀螺号」打造成我国元宇宙及科技领域产业内容与专业创作的头部交流平台,集纳并展示行业优秀内容、捕捉产业脉搏、链接产业合作。 欢迎申请入驻「陀螺号」与「专栏作家」观察 | 思考 | 创造

接下来,平台将通过多种方式为创作者多方位赋能,并助其提升内容传播的广度与深度,捕获精准粉丝,提升行业影响力。

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」

“AI+产业服务”开启产业流量超级入口欢迎更多优质创作者参与共创

此外,我们正探索融入AI技术加持后的产业服务平台新型应用形态,将持续沉淀元宇宙数字产业数据库,搭建并训练聚焦元宇宙科技领域的内容模型,同时结合用户使用习惯和产品应用思考将其打造成为大家的“产业AI助手”。AI助手在经过深度训练后,将会深度理解行业知识,可以顺畅地与业内人士进行专业交流并为其服务,革新产业内容供给与产业研究咨询的服务方式,将成为行业人士办公与商业社交的重要助手。我们希望通过AI助手的加持,平台中沉淀的内容也会得到高效深度地挖掘与匹配,更多创作者赋能的形态将被激发出来,对于创作者来说,这将会是一个产业超级流量入口,欢迎更多优质创作者参与共创。

汇聚先锋声音 | 诚邀优质创作者入驻认证陀螺科技「陀螺号」与「专栏作家」

发表在 比特币交易平台 | 留下评论

一个大模型训练成本要上亿美元,为何开发AI如此烧钱?

文章来源:

一个大模型训练成本要上亿美元,为何开发AI如此烧钱?

图片来源:由无界AI生成

AI成本上升主要源于两个关键因素:AI模型规模扩大导致开发成本攀升,需要建设更多数据中心支持更多AI服务。

据国外媒体报道,在生成式人工智能热潮持续近18个月后,一些科技巨头正在逐步证实,人工智能确实具备成为真正的收入驱动因素的潜力。然而,这一进程也伴随着巨大的资金投入。

微软和谷歌母公司Alphabet最新公布的季度财报均显示,由于企业客户在人工智能服务上的投入增加,其云计算业务实现了显著的收入增长。尽管Meta在将人工智能技术转化为收益方面稍显滞后,但它表示,其相关努力对提高用户参与度和广告定位有积极影响。

为了获取这些早期收益,这三家科技巨头已经投入了数十亿美元用于人工智能的研发,并计划继续加大投资力度。

微软在4月25日宣布,最近一个季度资本支出高达140亿美元,并预计这些成本还将“大幅增加”,部分原因即是对人工智能基础设施的投资。这一数字比去年同期增长了79%。

Alphabet表示,该公司上个季度的资本支出为120亿美元,同比增长91%,并预计今年剩余时间的支出将“达到或超过”这一水平,因为该公司正专注于人工智能带来的机会。

与此同时,Meta也提高了今年的投资预期,现在预计资本支出将在350亿至400亿美元之间。若以该区间的上限计算,将同比增长42%。Meta还特别指出,其在人工智能研究和产品开发方面进行了积极投资。

人工智能成本上升让许多投资者感到意外。尤其是Meta的股价,在支出预测增加和销售增长低于预期的双重打击下大幅下跌。但在科技行业内,人工智能成本上升的预期一直存在。这主要源于两个关键因素:人工智能模型规模的不断扩大,导致开发成本日益攀升;同时,全球对人工智能服务的需求不断增长,需要建设更多的数据中心来支持这一需求。

正在试验这些人工智能服务的企业可以选择支付定制费用给OpenAI或谷歌等公司。然而,一旦这些系统启动并运行,每次用户使用聊天机器人或要求人工智能服务分析销售数据时,都会增加额外的成本。但更为昂贵的工作是为这些人工智能系统建立坚实的基础设施。这些努力正是这些科技巨头当前和未来投资的重点。

大语言模型变得越来越大

如今,备受瞩目的人工智能产品,如OpenAI的ChatGPT,其核心驱动均源自大语言模型。这些系统通过摄入海量的数据,涵盖书籍、文章以及在线评论等,旨在为用户提供最精准的查询回应。许多业界领先的人工智能公司坚信,通往更高级别人工智能(甚至可能是在多个任务上超越人类的人工智能系统)的必经之路,就是不断扩大这些大语言模型的规模。

为此,需要持续获取更多的数据、更为强大的算力支持,以及对人工智能系统进行更长时间的训练。在4月初的一次播客采访中,OpenAI的竞争对手Anthropic的首席执行官达里奥·阿莫代伊(Dario Amodei)指出,当前市场上人工智能模型的培训成本已高达约1亿美元。

他进一步表示:“目前正在训练的模型,以及预计在今年晚些时候或明年年初不同时间推出的模型,其成本已接近10亿美元。而在我看来,到了2025年和2026年,这一成本将飙升至50亿或100亿美元。”

芯片和计算成本激增

一个大模型训练成本要上亿美元,为何开发AI如此烧钱?

图片来源:由无界AI生成

在开发人工智能技术的过程中,芯片成本占据了很大比重。这些芯片并非传统意义上让英特尔声名远扬的中央处理器(CPU),也非驱动数十亿智能手机的小型化移动芯片。为了满足大语言模型的训练需求,人工智能公司高度依赖图形处理单元(GPU),它们以惊人的速度处理着庞大的数据集。然而,这些芯片不仅面临供应短缺的困境,其价格更是高昂至极,最尖端的芯片主要由英伟达制造。

英伟达的H100图形芯片,作为训练人工智能模型的黄金标准,其预估售价高达3万美元,但市场上一些经销商的报价更是成倍增长。大型科技公司对这类芯片的需求巨大。此前,Meta的首席执行官马克·扎克伯格(Mark Zuckerberg)曾公开表示,该公司计划在年底前采购35万枚H100芯片,以支持其人工智能研究工作的推进。即便考虑到大宗购买的优惠,这也将是一笔庞大的开支,数额高达数十亿美元。

当然,企业并非只能通过购买实体芯片来完成这项工作,租用芯片同样是一种选择,但成本同样不菲。以亚马逊的云计算部门AWS为例,他们将以每小时约6美元的价格向客户出租由英特尔制造的大型处理器集群。相较之下,一组英伟达H100芯片的使用成本则接近每小时100美元。

上个月,英伟达推出了名为Blackwell的新处理器,其处理大语言模型的速度实现了质的飞跃,预计价格将与包括H100在内的Hopper系列相近。英伟达表示,训练一个拥有1.8万亿参数的人工智能模型需要大约2000个Blackwell GPU。据外媒报道,这与OpenAI GPT-4相差不大。相较之下,使用Hopper GPU完成同样的任务则需要8000个。然而,这种显著的效率提升可能很快被业界对构建更大规模人工智能模型的追求所抵消。

数据中心建设

一个大模型训练成本要上亿美元,为何开发AI如此烧钱?

图片来源:由无界AI生成

购买了这些芯片的公司,还需考虑如何妥善安置它们。为此,Meta、亚马逊、微软和谷歌等顶尖云计算公司以及其他计算能力租赁提供商正竞相建立新的服务器设施。这些建筑通常是根据特定需求定制的,内部整齐排列着硬盘、处理器、高效的冷却系统、大量的电气设备和备用发电机。

据研究机构Dell’Oro Group的估算,今年企业预计将在数据中心的建设和装备上投入高达2940亿美元,这一数字相较于2020年的1930亿美元有显著增长。这种迅猛的扩张在很大程度上得益于数字服务的广泛崛起,包括流媒体视频的流行、企业数据量的爆炸式增长以及社交媒体信息流的激增。然而,值得注意的是,越来越多的投资正被用于购买昂贵的英伟达芯片和其他支持人工智能繁荣所需的专业硬件。

交易和人才争夺战

尽管芯片和数据中心占据了人工智能技术研发成本的主要部分,但一些人工智能公司也投入巨额资金,从出版商那里获取数据许可。

OpenAI已经与几家欧洲出版商达成了协议,将他们的新闻内容纳入ChatGPT,并用于训练其人工智能模型。尽管这些交易的具体财务条款尚未公开,但之前已有媒体报道,OpenAI同意向德国出版商Axel Springer和美国主流网络媒体BI支付数千万欧元,以获取其新闻文章的使用权。这家初创公司还与《时代》、CNN和福克斯新闻就内容授权进行了谈判。

尽管OpenAI在获取许可协议方面表现得更为积极,但大型科技公司也在积极寻找获取语言数据的方法,以构建引人注目的人工智能工具。据报道,谷歌与Reddit达成了一项价值6000万美元的数据授权协议。而外媒消息称,Meta的员工也在探讨收购图书出版商Simon & Schuster的可能性。

同时,科技公司也陷入了激烈的人工智能人才争夺战。去年,流媒体巨头Netflix曾一度发布广告,招聘人工智能产品经理一职,年薪高达90万美元。

更便宜的替代方案

微软在推动大语言模型的热潮上走在了大多数公司的前列,但最近,它表示将尝试一种不同的策略。该公司展示了三种计算能力较低的小型人工智能模型。

微软强调,大语言模型“仍将是解决众多复杂任务的黄金标准”,例如在“高级推理、数据分析和上下文理解”等领域。然而,对于某些客户和应用场景来说,较小的模型可能已经足够满足需求。其他公司,如由两名前谷歌员工创立的初创企业Sakana AI,也专注于小型模型的研发。

“你并不总是需要一辆跑车,”Forrester Research专注于人工智能研究的高级分析师罗文·柯伦(Rowan Curran)指出,“有时,一辆小型货车或皮卡就足够了。这不会是一个被广泛使用的模型类别,适合所有人在所有情况下使用。”

然而,就当前而言,人工智能领域的传统观念仍倾向于规模越大越好,但这无疑将伴随着高昂的成本。

发表在 比特币交易平台 | 留下评论

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

昨天市场经历了一个平静的交易日,上周鸽派的发展(美联储政策较倾向疲软的就业市场、JOLTS/非农数据放缓、经济数据减弱以及市场面临大量固定收益空头头寸)提振了风险情绪后,市场本周继续保持动能。由于在 5 月 15 日(一周后)CPI 数据发布前缺乏一线经济数据,且发布财报的企业只占 SPX 市值约 7% ,也没有 Powell 和 Waller 等美联储重量级官员等待发表谈话,市场在近期较有可能由技术面主导价格走势。

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

说到动能,债券收益率在测试上方阻力后大幅回落,过去一周下跌了 20-30 个基点。股市方面,SPX 期货已收复 50 日均线,近期历史高点再次回到视线之内,不过短期技术面看起来确实有点超买。跨资产波动率也有所下降,股市波动率回落至周期低点,利率和外汇波动率紧随其后,尤其是美元兑离岸人民币和美元兑日圆已经回落至近期区间。我们的观点不变,市场可能会在短期内缓慢走高,直到市场最终决定将“坏(经济)消息”明确视作未来盈利和增长的“坏消息”。

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

在加密货币方面,除了 SEC 采取的更多诉讼行动之外没有太多新闻,这次 SEC 的行动主要针对 Robinhood 的加密货币部门。BTC 价格继续反映股市情绪的起伏,过去 1 个月 SPX 期货和 BTC 的走势展现惊人的相似性。我们预计,在没有新催化剂(减半的讨论去哪了?)的情况下,加密货币价格将与股票保持同步,不过考虑到 4 月有大规模杠杆多头遭到清算,加密货币价格仍更倾向上行。祝各位交易顺利。

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

SignalPlus宏观分析(20240507):SPX期货和BTC走势展现出惊人的相似性

您可在 ChatGPT 4.0 的 Plugin Store 搜索 SignalPlus ,获取实时加密资讯。如果想即时收到我们的更新,欢迎关注我们的推特账号@SignalPlus_Web3 ,或者加入我们的微信群(添加小助手微信:SignalPlus 123)、Telegram 群以及 Discord 社群,和更多朋友一起交流互动。SignalPlus Official Website:https://www.signalplus.com

发表在 比特币交易平台 | 留下评论

突发!微软本月将推出5000亿新AI模型MAI-1,对抗谷歌和OpenAI|钛媒体

文章来源:钛媒体AGI

突发!微软本月将推出5000亿新AI模型MAI-1,对抗谷歌和OpenAI|钛媒体

微软“叛变”了。

据The information 5月6日报道,美国科技巨头微软公司将推出一款参数达5000亿的全新 AI 模型产品,内部称为MAI-1,由前谷歌AI负责人、Inflection CEO穆斯塔法·苏莱曼 (Mustafa Suleyman)负责监督。

报道称,MAI-1 将远远大于微软之前训练过的任何小开源模型,拥有大约 5000 亿参数,并可以调整这些参数或设置来确定模型在训练期间学习哪些内容,而且它与 Inflection 之前发布的Pi模型是分开的,预计最快在5月举行的微软Build开发者大会上预览新模型,具体取决于未来几周开发情况。

这意味着,微软在 AI 模型领域“脚踩两只船”:一面投资OpenAI并使用GPT-4模型开发应用,微软则自研小模型辅助;另一面仍秘密收购Inflection AI 团队,并研发更大、最先进的基础模型MAI-1。

突发!微软本月将推出5000亿新AI模型MAI-1,对抗谷歌和OpenAI|钛媒体

据悉,随着2022年底OpenAI发布的 AI 聊天机器人ChatGPT风靡全球,2023年1月,微软向OpenAI投资100多亿美元,并且后者的 AI 模型技术均在微软Microsoft Azure云上进行部署。

2023年3月,微软宣布为其Microsoft 365应用和服务推出一款新的 AI 驱动产品——Copilot(副驾驶),由最新 GPT-4模型提供技术支持,全面接入“Office全家桶”,并正在与20家客户一起测试 Microsoft 365 Copilot。

2023年4月,微软宣布推出基于GPT-4的New Bing必应搜索和Edge浏览器,后来升级为Copilot联网版本。
经过多轮迭代升级,2023年11月,Copilot引入Windows 11系统版本中。同时,经过8个月的测试,Microsoft 365 Copilot企业版正式开启市场销售。

今年3月,微软宣布成立Microsoft AI,该部门将整合微软的消费者AI工作以及Copilot、Bing、Edge等产品。Inflection AI联合创始人Mustafa Surleyman担任其CEO(首席执行官),直接向微软CEO纳德拉汇报。Inflection AI另一位联合创始人Karen Simonyan担任其首席科学家。在此之前,微软还投资入股法国开源 AI 初创公司Mistral AI。

Inflection AI的最新估值超过40亿美元,是继OpenAI、Anthropic之后的美国第三大生成式AI独角兽公司。
同时,据媒体报道,微软将向Inflection AI支付6.5亿美元,其中6.2亿美元用以获得该公司非独家技术授权,三月获得其知识产权。而剩余3000万美元用于让Inflection AI放弃起诉微软的挖角行为。

如今,微软终于被解密收购Inflection AI团队的核心原因——MAI-1 大模型计划。

The information报道称,微软使用更多的计算能力和训练数据,因此成本也会更高,MAI-1拥有5000亿参数梁,相比之下,OpenAI 的GPT-4拥有超过 1 万亿个参数,而Meta Platforms和Mistral等公司发布的较小开源模型则拥有 700 亿参数。

而这将表明,微软愿意在 AI 领域开辟一条独立于 OpenAI 开发的技术的新道路。要知道,OpenAI 目前是微软产品中所有 AI Copilot聊天机器人的基础,可以自动发送电子邮件或快速总结文档。但其中一位知情人士表示,新模型的确切用途尚未确定,这将取决于其性能如何。 

因此,新的MAI-1模型将推动微软与谷歌、OpenAI、Anthropic等企业进行竞争。

报道称,为了训练新模型,微软已经预留了大量配备英伟达GPU服务器,并一直在编译训练数据集来改进模型。有知情人士表示,其中一些数据包括从以前用于训练较小模型的各种数据集中提取的数据,如OpenAI GPT-4 创建的文本,以及来自其他来源的数据,如互联网上的公共数据。

因此,我们有望在本月晚些时候微软举行的Build开发者大会上看到这款全新、巨大规模的基础模型。而其竞争对手OpenAI最快将于5月10日发布搜索引擎,对抗微软和谷歌。

突发!微软本月将推出5000亿新AI模型MAI-1,对抗谷歌和OpenAI|钛媒体

受此消息影响,微软股价微涨,截至发稿前,微软(NASDAQ: MSFT)股价涨0.72%。

发表在 比特币交易平台 | 留下评论

苹果重磅开源 OpenELM模型引领AI新纪元 搭载智能引擎的iPhone即将问世

来源:元宇宙之心

就在谷歌、三星和微软继续在个人电脑和移动设备上大力推广人工智能生成技术的同时,苹果也加入了这一行列,推出了OpenELM。

这是一个全新的开源大型语言模型(LLM)系列,可以完全在单个设备上运行,而无需连接云服务器。

01.模型特点与性能

当地时间周三,OpenELM在人工智能代码社区Hugging Face上发布,它由一系列小型模型组成,旨在高效执行文本生成任务。

OpenELM共有八个模型:四个预训练模型和四个指令调整模型,涵盖从2.7亿到30亿个不同参数(参数指LLM中人工神经元之间的连接数,通常参数越多表示性能越强、功能越多)。

虽然预训练是让LLM生成连贯且可能有帮助的文本的方法,但它主要是一种预测性练习,而指令调整则是让LLM对用户的特定请求做出更相关输出的方法。

预训练可能导致模型只是用简单的文本来完成提示,例如,面对用户的提示“教我如何烤面包”,模型可能会作出“用家里的烤箱”的类似回应,而不是实际的分步指导。

苹果公司在其所谓的“示例代码许可”下提供了OpenELM模型的权重,以及不同的训练检查点、模型性能统计、预训练、评估、指令调整和参数微调等说明。

“示例代码许可证”并不禁止商业使用或修改,只是规定“如果不加修改地重新发布苹果软件的全部内容,必须在文本中保留本通知”。

苹果公司进一步指出,这些模型“没有任何安全保证”。因此,这些模型在响应用户提示时有可能产生“不准确、有害、有偏见或令人反感的输出结果”。

苹果是一家出了名的神秘和典型的“封闭”科技公司,除了在网上发布这些模型和论文之外,还没有公开宣布过其在这一领域的研究过程。

此外,早在去年的10月份,苹果公司就悄然发布了具有多模态功能的开源语言模型Ferret,成为头条新闻。

OpenELM是开源高效语言模型“Open-source Efficient Language Models”的缩写,虽然刚刚发布,尚未进行公开测试,但苹果公司在HuggingFace上的列表表明,它正将目标锁定在模型的设备应用上,就像竞争对手谷歌、三星和微软一样。

值得注意的是,微软本周刚刚发布了可完全在智能手机上运行的Phi-3 Mini模型。

02.技术细节与训练过程

苹果公司在一篇介绍该模型系列的论文中指出:OpenELM的开发“由Sachin Mehta领导,Mohammad Rastegari和Peter Zatloukal也是主要贡献者”,该模型系列“旨在授权和加强开放研究社区,促进未来的研究工作”。

OpenELM模型共有四种参数规模:2.7亿、4.5亿、11亿和30亿,每种规模都小于许多高性能模型(它们通常有大约70亿个参数),每种模型都有一个预训练和指导版本。

这些模型是在来自Reddit、维基百科、arXiv.org等网站的1.8万亿个token的公共数据集上预先训练的。

苹果重磅开源 OpenELM模型引领AI新纪元 搭载智能引擎的iPhone即将问世

这些模型适合在商用笔记本电脑甚至某些智能手机上运行,基准测试则是在“英特尔i9-13900KF CPU、英伟达RTX 4090 GPU、Ubuntu 22.04工作站、macOS 14.4.1的MacBook Pro”上运行的。

有趣的是,新系列中的所有机型都采用了分层缩放策略,在变压器模型的每一层中分配参数。

据苹果公司称,这使它们能够在提高计算效率的同时提供更高的精度结果。同时,苹果使用新的CoreNet库对模型进行了预训练。

苹果公司在HuggingFace上指出:“我们的预训练数据集包含RefinedWeb、重复的PILE、RedPajama的一个子集和Dolma v1.6的一个子集,总计约1.8万亿个token。”

在性能方面,苹果公司分享的OpenLLM结果表明,这些模型的性能相当不错,尤其是4.5亿个参数的指示变体。

苹果重磅开源 OpenELM模型引领AI新纪元 搭载智能引擎的iPhone即将问世

此外,拥有11亿个参数的“OpenELM变体”比拥有12亿个参数的“OLMo”高出2.36%,同时所需的预训练token减少了2倍。

OLMo是Allen人工智能研究所(AI2)最近发布的“真正开源、最先进的大型语言模型”。

03.性能测试与社区反馈

在旨在测试知识和推理能力的ARC-C基准测试中,预训练的OpenELM-3B变体的准确率为42.24%。同时,在MMLU和HellaSwag上,它的准确率分别为26.76%和73.28%。

一位已经开始测试OpenELM模型的用户指出:该模型似乎是一个“可靠的模型,但非常统一”,这意味着它的回复既没有广泛的创造性,也不可能涉足NSFW领域。

竞争对手微软最近推出的Phi-3 Mini,拥有38亿个参数和4k上下文长度,目前在这一领域处于领先地位。

根据最近分享的统计数据,OpenELM在10次ARC-C基准测试中的得分率为84.9%,在5次MMLU测试中的得分率为68.8%,在5次HellaSwag测试中的得分率为76.7%。

从长远来看,OpenELM的性能有望得到提升。

但苹果公司的开源举措已经让社区兴奋不已,我们将拭目以待社区如何在不同环境中使用OpenELM。

04.苹果的人工智能愿景

苹果公司一直对其生成式人工智能计划保持沉默,但随着新人工智能模型的发布,该公司近期的雄心似乎坚定地落在了“让人工智能在苹果设备上本地运行”的领域。

苹果公司首席执行官Tim Cook曾预告说:“人工智能生成功能将出现在苹果设备上”。并在今年2月表示,苹果公司正在该领域花费“大量的时间和精力”。不过,苹果公司尚未透露人工智能应用的具体细节。

该公司之前发布过其他人工智能模型,不过还没有像竞争对手那样发布任何用于商业用途的人工智能基础模型。

除了OpenELM,去年12月,苹果曾推出了机器学习框架MLX,该框架的理想状态是让人工智能模型更容易在苹果硅上运行。此外,还发布了一个名为MGIE的图像编辑模型,让人们通过提示来修复照片。以及一个名为Ferret-UI的模型可用于智能手机导航。

不过,即使苹果发布了这么多模型,据说该公司还是与谷歌和OpenAI进行了联系,希望将它们的模型引入苹果产品。

发表在 比特币交易平台 | 留下评论