FX168财经网_全球视野外汇黄金加密货币NFT资讯网

中国概念股收盘：百度、小鹏汽车涨逾6%，高途跌超8%

％，36氪、BOSS直聘、乐居、趣店、知乎、中通、网易有道、禾赛科技涨超1％。　　大健云仓跌超10％，中汽系统跌超9％，高途跌超8％，晶科能源、名创优品跌超6％，斗鱼、能链智电、大全新能源跌超5％，途牛、怪兽充电、阿特斯、爱奇艺、新东方、尚德机构、亿航跌超4％。　　秦淮数据、达达集团、金山云、华住酒店集团、金融壹账通跌超3％，蔚来、拼多多、涂鸦智能、京东、ATA公司、乐信、万国数据、WSP控股、唯品会、亿咖通科技、诺亚财富跌超2％，携程、老虎证券、百家云、信也科技、虎牙跌超1％，搜狐跌近1％。

金融界2023-03-18

港股周报：港股止跌回升，央行送来重磅利好，下周大事不断！

腾讯外，药明生物、青岛啤酒、京东健康、知乎等公司也将发布财报； 4. 周四，中国移动、时代天使等公司发布财报； 5. 周四，美联储公布利率决议，鲍威尔召开货币政策新闻发布会，市场预期美联储将加息25个基点； 6. 周五，美团、小米发布财报，其中预计美团四季度营收579亿，同比增长16.9%；小米预计四季度营收为653.28亿，同比下滑23.7%！ $百度集团-SW(09888)$ $美团-W(03690)$ $哔哩哔哩-W(09626)$ $小米集团-W(01810)$ $药明康德(02359)$

老虎证券2023-03-17

ChatGPT-4史诗级更新,这本辟邪剑谱你练不练？

英文输入，从中文结果上也能看出来浓浓的知乎风，毕竟知乎的内容在中文互联网已经算是优质内容了。再看看百度系问答产品的内容质量，不禁对百度的AI产品感到为难，今天看直播的时候看到一个弹幕说道，百度是中国AI的未来。虽然百度确实深耕AI领域多年，但是AIGC这块本身就不是热门，也早被百度放了很久，如今一朝成为AI领域最热门赛道，其实百度并没有多大优势。再谈回OpenAI系的产品，基于GPT-3的NotionAI、基于GPT-4的Bing都逐渐为人所知且应用广泛，而ChatGPT-4作为目前最好的AI产品之一，无疑将继续带领整个AI赛道，但是我仍然有种感觉，也许不久的将来会有其他AI细分赛道异军突起，使得AI回到原有轨道上。而圈内的AI项目(点击阅读圈内目前的一些AI项目）也因为这波热潮再度拉升，并且越来越多的AI+区块链项目已经拿到融资且很快就会有成果了。正如文中所说，ChatGPT-4就像江湖中流传开了的辟邪剑法，你不练就有可能被别人杀掉，你练不练？来源：金色财经

金色财经2023-03-17

美股收盘：道指跌近300点银行股继续下挫瑞士信贷跌14％

也科技跌超14％，禾赛科技跌超12％，知乎跌超8％，达达集团、百家云跌超7％，雾芯科技、新东方、雅乐科技跌超6％，趣店、洪恩、陆金所控股跌超5％，亚朵集团、BOSS直聘、诺亚财富、拓臻生物、亿航、虎牙、海银财富、晶科能源、尚德机构、360数科跌超4％。携程、爱奇艺、小i机器人、阿特斯、挚文集团、宜人金科、慧荣科技跌超3％，腾讯音乐、万物新生、台积电、老虎证券、阿里巴巴、金太阳教育、秦淮数据、京东、百度、网易有道、名创优品、满帮、贝壳、华住酒店集团、日月光半导体、能链智电、亿咖通科技、蔚来跌超2％，南茂科技、WSP控股、尚乘数科、唯品会、哔哩哔哩、网易、奇景光电、格林酒店、拼多多、和利时自动化、复朗集团、欢聚集团、水滴公司、中通跌超1％，汽车之家、高途跌近1％。　　全球风险资产哀鸿遍野瑞信暴跌开始向瑞士央行求救　　美国地区性银行倒闭掀起的风暴过去才不到几天，瑞信带来的新一轮动荡又引得全球市场风声鹤唳。　　瑞信股价暴跌30％点燃了金融股的抛售狂潮，就连摩根大通、富国银行、花旗集团等银行巨头也未能幸免。标普500指数超过90％成分股下跌，欧洲股市基准指数跌幅一度达到3％。布伦特原油跌破每桶75美元，为2021年末以来首次。　　瑞信向瑞士央行求救　　瑞士信贷呼吁瑞士央行公开对其表示支持。两名知情人士表示，瑞信还要求瑞士金融监管机构Finma对其表示支持，但两家机构都尚未决定公开干预。Opimas分析师Octavio Marenzi表示，瑞士央行可能不得不干预并帮助瑞信，这看起来无法避免。瑞士央行和瑞士政府必须充分意识到，瑞信的破产，甚至储户的任何损失，都将摧毁瑞士作为金融中心的声誉。　　高盛下调美国GDP预期对美国经济至关重要的小银行面临压力　　高盛周三下调了美国2023年的经济增长预测，理由是在更广泛的金融体系动荡之际，中小银行的贷款减少。分析师们认为，信贷收缩将导致银行贷款标准大幅收紧，拖累已经受到近几个季度收紧政策影响的经济增长。资产不足2500亿美元的银行约占美国商业和工业贷款的50％。　　美国国债市场流动性恶化因硅谷银行危机影响美联储加息路径　　随着美国银行业危机模糊了美联储货币政策前景，全球最大债券市场流动性正在变差。汇总的数据显示，2年期、10年期和30年期美国国债的买卖报价之差周二升至至少六个月来的最高水平。10年期美债收益率周一的波幅达到34个基点，为2020年新冠疫情开始以来最大。　　星展银行驻新加坡高级利率策略师Eugene Leow表示，买卖价差扩大反映了市场波动加剧，令市场参与者行事谨慎。流动性恶化预表明，在美国三家银行倒闭凸显出借贷成本上升的“杀伤力”后，美联储加息路径存在不确定性。　　摩根资产管理首席投资官：美国利率或已见顶　　摩根资产管理的首席投资官Bob Michele此前曾警告称，银行业的动荡将波及整个金融市场和经济，导致美国经济出现硬着陆。如今，他预计美联储下周将暂停加息。　　Michele表示，美国经济衰退是“不可避免的”，目前最好的投资策略是坚持持有高质量债券。他预计到8月美国国债收益率曲线将全线降至最低3％的水平。他还表示，利率可能已经见顶，因为通胀已是“昨日的战役”，如今维护金融稳定才应是美联储的首要任务。　　硅谷银行的倒闭以及对瑞信财务前景的疑虑与日俱增，促使交易员下调对接下来加息幅度的押注。市场担心银行业的崩溃恐形成冲击，使本已脆弱的经济面临风险。　　鉴于银行业动荡欧洲央行本周料仅加息25个基点　　经济研究预计，鉴于市场对金融部门健康状况的担忧，欧洲央行将在本周的会议上放弃先前加息50个基点的指引，将加息幅度缩减至一半。　　经济学家David Powell，Maeva Cousin和Jamie Rush调整了他们对欧洲央行即将公布的加息决定的预期，目前预计仅加息25个基点。“瑞信是否规模太大不容倒闭？也许吧，但毫无疑问的是，它的规模太大，以至于不容忽视，”他们周三在一份报告中表示，“经济研究现在预计，管委会相较于此前的暗示将更为谨慎地行事。” 　　交易员们也下调了对周四加息幅度的押注，尽管欧洲央行行长克里斯蒂娜·拉加德本月早些时候称“非常、非常有可能”加息50个基点。　　桥水创始人达利欧：硅谷银行只是泡沫破灭的开端　　据财新，全球对冲基金巨头桥水创始人达利欧在社交媒体领英上发文称，硅谷银行倒闭仅是短期债务周期泡沫破灭的开端，他认为未来一两年美国的经济金融情况将非常严峻，再加上美国的内外部冲突，达利欧认为未来两年投资风险非常高。达利欧认为，过去不到一周硅谷银行发生的事件，是典型的短期债务周期泡沫破灭的景象。达利欧认为，在不同的短期债务周期里，出现泡沫的行业是不一样的。2008年，泡沫发生在住宅房地产，这一次是出现在现金流为负的风投私募以及不能承受更高利率和货币收紧的商业地产公司。但泡沫破灭时自我强化的收缩动态是一样的。达利欧认为，硅谷银行倒闭是这个收缩动态的早期信号，它将在风投行业引起连锁反应，并将超出风投的范围。　　为什么通胀下不来？下周美联储会大反转吗？大摩这么解读　　摩根士丹利全球投资委员会认为，美联储在对抗通胀上面临三大阻碍，而且它几乎无法控制这些阻碍：1、金融环境相对宽松；2、美国消费者和企业对利率的敏感度似乎低于历史水平；3、劳动力市场依然结构性紧张。该委员会认为，美联储的工具是迟钝的，而且运行迟缓，因此出现误判的可能性很大。经济衰退将是痛苦的，但如果美联储偏离2％的通胀目标则可能会带来更沉重的代价，因为美联储的信誉受损将推高通胀和资金成本。换句话说，现在转向低利率的代价可能是未来的高利率。美联储可能别无选择，只能将利率推至高于预期的水平，并在更长时间内维持这一水平。　　穆迪下调美国银行系统评级至负面，预计美联储暂停加息　　穆迪将美国银行系统前景展望评级从稳定下调至负面，原因是硅谷银行、Silvergate和Signature Bank倒闭反映美国银行系统运营环境“迅速恶化”。穆迪在一份报告中表示：“疫情期间的财政刺激以及十多年的超低利率和QE政策导致美国银行业存款过剩，使其资产负债管理端面临挑战。一些银行过度投资较长期固定收益证券，而美国快速加息使这些证券价值大幅缩水。”穆迪的分析师表示，美联储造成的高利率环境加剧了银行业挑战。与宽松的货币政策和低利率时代相比，未来资金和流动性更难获取，最终将银行拖入更深的泥潭。　　另外，穆迪首席经济学家Mark Zandi周三（3月15日）接受采访时称，由于最近围绕硅谷银行倒闭事件存在大量的不确定性，美联储不太可能在3月份的会议上加息。　　贝莱德CEO芬克：美国为多年的宽松货币政策付出了代价　　贝莱德CEO拉里·芬克表示，随着利率上升和金融环境收紧，美国现在正在为多年的宽松货币政策付出代价，导致了像硅谷银行上周倒闭这样的情况。他在致投资者的信中表示，加息是倒下的第一张多米诺骨牌。他问道，资产和负债错配是否会成为倒下的第二张多米诺骨牌？同时还指出，流动性错配可能成为下一个紧急情况。多年的低利率促使一些资产所有者增加了非流动性投资——用较低的流动性换取较高的回报。现在，这些资产所有者面临流动性错配的风险，尤其是那些拥有杠杆投资组合的资产所有者。　　银行业风暴可能提前触发债务上限“X日”？美国财政部紧急否认　　美国联邦存款保险公司（FDIC）从财政部账户中撤出创纪录的400亿美元资金，财政部TGA账户中的运营资金仅略高于2080亿美元，这比美联储上周四公布的截止上周三的TGA余额减少了1000多亿美元。这些支出让业内人士担心会否提前触发美国政府债务上限的“X日”。对此，美国财政部发言人在电邮声明中称：“我们为保护存款人和银行体系稳定而采取的行动并未影响债务上限的‘X日’。”“X日”是华盛顿的一个常用术语，指在不提高债务上限的情况下，财政部将无法再支付政府所有账单的截止日，这将令美国政府陷入事实性违约的境地。　　IEA月报：全球库存升至18个月以来最高水平　　国际能源暑（IEA）在其月度报告中指出，市场正陷入供过于求的困境中，库存已升至18个月以来的最高水平。数据显示，1月份全球库存激增5290万桶，使已知库存达到近78亿桶，为2021年9月以来的最高水平，2月份的初步指标表明库存还会增加。尽管亚洲需求增长强劲，但市场已连续三个季度供应过剩。IEA表示，自年初以来，不断增加的库存覆盖使布伦特原油期货价格保持在80-85美元/桶的相对狭窄区间。　　传苹果正推迟员工奖金发放且限制招聘，以进行成本削减　　据知情人士透露，苹果正推迟一些公司部门的奖金发放，并加大削减成本的力度，加入硅谷同行的行列，试图在不确定时期精简运营。知情人士表示，这一转变将减少部分苹果公司员工的奖金发放频率。另外，该公司正在限制招聘更多的职位，并在员工离职时保留更多职位空缺。　　第二轮裁员开启！ Meta计划裁员1万人并推动“扁平化”浪潮　　Meta Platforms计划在第二轮裁员中总计裁员约10,000人，并关闭在过去六个月的约5,000个额外的尚未填补空缺职位。Meta一直将2023年视为“高效之年”，以改善公司的财务业绩，实现长期目标。早在去年11月，Meta已经裁员大约1.1万人，占其员工总数的13％。该公司还将2023年的支出预期下调至860亿美元-920亿美元，其中包括裁员和其他成本削减措施。　　微软、谷歌继续在AI领域交手　　当地时间周二，获得微软重金投资的OpenAI公布多模态预训练大模型GPT-4，文本处理能力提升至2.5万字，并增加了识别和理解图像的能力。微软也同时宣布，公司旗下的Bing聊天机器人已升级使用GPT-4技术。非常有趣的是，微软在AI领域的竞争对手谷歌也在周二出招。谷歌宣布将对其Workspace进行全面更新，Gmail、谷歌文档、表格、会议、幻灯片等等生产力软件中都将嵌入其人工智能模型。目前这些功能尚未对大众开放，仅适用于谷歌所谓的受信任的测试人员。　　两家沙特航空公司计划购买逾120架波音787梦想飞机　　波音与沙特阿拉伯航空公司周二宣布，沙特航空将订购39架787梦想飞机，涉及787-9和787-10两种机型，该订单还包括另外10架飞机的购买意向。同时沙特刚刚成立的利雅得航空宣布将购买39架787-9，以及另外33架飞机的购买意向。根据波音周二公布的数据，该公司上个月向客户交付了28架新飞机，远低于竞争对手空客的46架。　　优步和Lyft在加州胜诉，获德银上调目标价　　德银分析师Benjamin Black 将优步的目标价从42美元上调至44美元，并保持“买入”评级。该分析师还将Lyft的目标价从11美元上调至12美元，并保持“持有”评级。美国加州一家上诉法院当地时间3月13日推翻下级法院的裁决，认定优步和Lyft有权将其驾驶员视为独立承包商。　　响应韩国政府计划，三星电子将向本土半导体产业投资2300亿美元　　对于韩国政府提出的“打造全球最大的半导体制造基地”蓝图，三星电子周三证实，将在2042年前投资近300万亿韩元（折2300亿美元），推动韩国芯片产业的发展。根据韩国工业部的一份声明，三星将在韩国国内新建5座半导体工厂，并吸引首尔附近多达150家材料、零部件和设备制造商、无晶圆厂芯片制造商和半导体研发机构。　　小鹏汽车完成营销体系改革：全国销售大区制转为小区制，汽贸与UDS团队合并重组　　小鹏汽车营销体系日前已完成变革。在内部组织管理结构上，汽贸和UDS两个渠道团队完成合并；销售体系上，全国两大渠道的销售大区撤除，调整为小区制。截至发稿，小鹏汽车暂无回应。小鹏汽车在终端网络上采用的自建直营和授权经销商加盟的混合模式。这在早期帮助小鹏汽车迅速铺开门店数量，减轻建店成本压力。

金融界2023-03-16

中国概念股收盘：金山云大涨逾14%，禾赛科技跌12%、知乎跌超8%

也科技跌超14％，禾赛科技跌超12％，知乎跌超8％，达达集团、百家云跌超7％，雾芯科技、新东方、雅乐科技跌超6％，趣店、洪恩、陆金所控股跌超5％，亚朵集团、BOSS直聘、诺亚财富、拓臻生物、亿航、虎牙、海银财富、晶科能源、尚德机构、360数科跌超4％。　　携程、爱奇艺、小i机器人、阿特斯、挚文集团、宜人金科、慧荣科技跌超3％，腾讯音乐、万物新生、台积电、老虎证券、阿里巴巴、金太阳教育、秦淮数据、京东、百度、网易有道、名创优品、满帮、贝壳、华住酒店集团、日月光半导体、能链智电、亿咖通科技、蔚来跌超2％，南茂科技、WSP控股、尚乘数科、唯品会、哔哩哔哩、网易、奇景光电、格林酒店、拼多多、和利时自动化、复朗集团、欢聚集团、水滴公司、中通跌超1％，汽车之家、高途跌近1％。

金融界2023-03-16

美股收盘：道指跌近350点中概股多数下挫雾芯科技逆势涨15%

团、迅雷、洪恩、优信、兰亭集势、蔚来、知乎、360数科跌超3％，京东、百家云、陆金所控股、亿航、量子之歌、怪兽充电、亚朵集团、满帮跌超2％，台积电、WSP控股、网易有道、斗鱼、大全新能源、搜狐、万国数据、日月光半导体、小鹏汽车、金山云、名创优品、BOSS直聘、能链智电跌超1％，秦淮数据跌近1％。　　硅谷银行倒闭并被接管的消息传出后，衡量美股投资者恐慌程度的CBOE波动率指数（VIX）攀升至27.60，为去年10月25日以来最高水平。硅谷银行的母公司硅谷金融集团（SVB Financial）受到关注。该集团周四宣布计划筹集超过20亿美元的资金以抵消债券销售损失，导致其股价当日暴跌逾60％。　　美国联邦存款保险公司周五表示，硅谷银行已被加州监管机构关闭；硅谷银行拥有约2090亿美元资产；该银行是今年第一家破产的受保险机构。美国联邦存款保险公司称，硅谷银行的总部和所有分支机构将于2023年3月13日星期一重新开放。　　加州金融保护与创新部门（DFPI）周五公告显示，根据加州金融法典第592条，它已经接管了硅谷银行，理由是流动性不足和资不抵债。DFPI指定联邦存款保险公司（FDIC）作为硅谷银行的接管方。硅谷银行是一家州特许商业银行，也是位于圣克拉拉的联邦储备系统的成员，截至2022年12月31日，该行总资产约为2090亿美元，总存款约为1754亿美元。它的存款由联邦存款保险公司在适用的限额下提供联邦保险。硅谷金融集团破产并被接管的消息引起金融板块全面下挫，因为投资者越来越担心，更高的利率将导致银行因借款人违约而面临贷款损失。　　白宫经济顾问Ramamurti表示，财政部密切关注硅谷银行可能造成的影响。著名对冲基金经理比尔-艾克曼（Bill Ackman）周四晚间表示，美国政府应该救助硅谷银行。他称，硅谷银行的失败可能会摧毁经济的一个重要长期驱动力，因为风投支持的公司依赖硅谷银行提供贷款并持有运营现金。　　艾克曼称，如果私人资本不能提供解决方案，则应考虑高度稀释的政府优先救助计划。艾克曼表示，看到摩根大通救援贝尔斯登后美联储对其的所作所为，已经不会有哪家银行会出手帮助硅谷银行了。他称，政府也可以为存款提供担保，以换取发行稀释权证和其他契约和保护。如果硅谷银行确实有偿付能力，这将为硅谷银行恢复特许经营权和筹集新的私人资本赢得时间。　　周五经济数据面，美国劳工部报告称，美国2月非农就业人数增加31.1万，高于市场预期的22.5万。　　2月平均时薪增长0.2％，低于市场预计的0.4％的增幅。另外2月平均时薪同比上升4.6％，不及市场预期。平均时薪数据表明薪资增速放缓。2月份的失业率从3.4％升至3.6％，预期3.40％。　　分析机构表示，虽然非农就业数据的增幅高于预期，但失业率的上升和工资增长的放缓对美联储来说是令人鼓舞的。美国投资管理公司Sit Investment Associates的高级投资组合经理Bryce Doty表示，非农就业数据让担心美联储加息50个基点的投资者松了一口气。　　虽然就业岗位从预期的22.5万个增加到31.1万个，强于预期，但美国2月平均时薪月率仅温和增长0.2％，失业率从3.4％上升到3.6％，甚至劳动参与率也略有上升。考虑到美联储主席鲍威尔担心工资上涨会导致通胀走高，这一系列数据应该会平息这种担忧。　　另一份数据表明，美国联邦政府2月份的预算赤字扩大了2620亿美元，使本财年前5个月的赤字达到7230亿美元。根据美国财政部周五公布的月度预算数据，政府为未偿债务支付的利息再次成为赤字的主要驱动因素。2月份的利息支出为460亿美元，本财年迄今为止的利息支出约为3070亿美元，比去年同期猛增29％左右。　　经调整后，本财政年度的联邦赤字比前一年扩大了62％。这种恶化将加剧围绕如何应对长期预算挑战的两党争执，美国总统拜登提议大幅增税，而美国共和党议员则坚持削减支出。　　本周日美国将进入夏令时间。自3月13日起，美股市场开盘和收盘均将提前一小时，即美股交易时间更改为北京时间21：30至次日凌晨04：00，盘前交易时间为16：00至21：30，盘后交易时间为04：00至08：00。　　硅谷银行被官方接管。此前该行挤兑恐慌持续，多家机构建议企业从硅谷银行取出资金。有报道称，包括硅谷风投教父Peter Thiel的Founders Fund在内，多只基金建议客户从硅谷银行撤资。另据报道，Coatue等几家风投机构也建议其投资组合公司考虑从硅谷银行撤资。　　知情人士透露，印度行业游说团体和苹果、鸿海、等外企上个月成功游说印度卡纳塔克邦修订劳动法，使该邦成为印度工作制度最灵活的地区之一，有助于推动在印度生产iPhone的计划。　　微软德国公司的首席技术官布劳恩透露，“我们将在下周推出GPT-4，它将是一个多模态模型，会提供完全不同的可能性——例如视频。”这项技术已经发展到基本上“适用于所有语言”，也就是说“可以用德语提问，然后用意大利语得到答案”。

金融界2023-03-11

中国概念股收盘：雾芯科技逆势飙涨逾15%，乐信、老虎证券跌超8%

团、迅雷、洪恩、优信、兰亭集势、蔚来、知乎、360数科跌超3％，京东、百家云、陆金所控股、亿航、量子之歌、怪兽充电、亚朵集团、满帮跌超2％，台积电、WSP控股、网易有道、斗鱼、大全新能源、搜狐、万国数据、日月光半导体、小鹏汽车、金山云、名创优品、BOSS直聘、能链智电跌超1％，秦淮数据跌近1％。

金融界2023-03-11

ChatGPT爆火之后 AIGC往何处去？

RT，效果超过GPT-1。图片来源：知乎@雅正冲蛋 GPT和BERT都是基于Transformer衍生出的算法，但在技术路线上各有侧重。GPT基于 Transformer 右边部分，叫解码器。BERT基于 Transformer 的左边部分，叫编码器。 GPT的技术原理是预测下一个词，你可以看作是“文字接龙”，你写出前面的句子，由GPT来猜下一个词。但BERT更像是“完形填空”，其技术原理是把一句话中某个词给遮挡住，然后请BERT来猜。解码器擅长创作，编码器擅长理解，当时它们要做的更多是屏蔽语言模型（Masked LM，类似“完形填空”）、相邻句子判断（Next Sentence Prediction，判断句子是否能相连）这类偏阅读理解的任务，因此BERT占了上风。 2019年，GPT-2发布，它采用15亿个参数的Transformer解码器，在当时是个比较大的模型。相比BERT，OpenAI研究人员发现，GPT-2预训练的语言模型无需微调训练，可直接执行多种下游任务。这个发现坚定了研究人员沿着现有技术路线，继续研发的决心。 2020年5月，GPT-3诞生，它采用了史无前例的1750亿参数的Transformer解码器，用了接近5000亿单词的文本训练数据。整个训练过程可以说是“大力出奇迹”，让GPT-3在文字生成方面实现质的飞跃。GPT-3除了可以出色完成文字生成、翻译、问答和文本填空等语言类任务外，还“涌现”出了其他一些智能，包括上下文学习，以及更强大的零样本和少样本执行任务的能力，等等。 GPT-3生成的文本质量非常高，有时候人们甚至难以区分文本到底是人类写的，还是GPT-3生成的。基于GPT-3，已经衍生出很多应用，人们用GPT-3来创作各种类型的文本。有人用它写了一篇新闻，被某热门新闻点评网站排到头部。一家名为Jasper的公司利用GPT-3为企业提供商业文本写作服务，2022年其收入达到9000万美元左右。 GPT-3之后，OpenAI通过增加程序代码训练和人类反馈强化学习等多种训练手段，并将主版本升级到GPT-3.5。最终，2022年11月，ChatGPT横空出世。 ▍训练GPT-3模型的三“大”要素：算法、数据、算力我们称GPT-3为大模型，这个“大”体现在哪些地方？首先是算法。GPT-3采用的是Transformer的解码器，具有1750亿个参数和2048个Token（可简单理解为单词，下同）的训练文本长度。图片来源：OpenAI团队论文《Language Models are Few-Shot Learners》第二是数据。上图是GPT-3的训练数据，总共接近5000亿个token的文本，主要包括Common Crawl、Webtext2、Books1、Book2、Wikipedia等等。其中占比最大的训练数据是Common Crawl，它是一个开源的数据集，抓取并保存了全球大量网页的数据。第三是算力。据微软发布的信息， OpenAI 使用一台全球排名前5的超级计算机系统来训练GPT-3，该系统拥有超过28.5万个CPU核心，1万个GPU和每秒400G的网络。据悉其训练成本约为1200万美元。 02 人们如何看待ChatGPT？ ChatGPT诞生以来，引发的讨论非常多。那么说回来，人们如何看待这个新事物，对它又有什么期待？虽然众说纷纭，有3个议题是被频繁提到的。 ▍人们肯定ChatGPT是一个称职的语言模型首先，ChatGPT是迄今为止最成功的人类语言模型，已经具备形式语言能力（洞悉语言的规则模式等知识）。 ChatGPT具备理解和生成人类语言文本的能力，可跟人类轻松对话。它用数据驱动的大型神经网络的计算方式，某种程度上解码了人类语言的内部规律。这个内部规律不是某种公式，而是一个神秘、暂不被人类理解的权重参数矩阵。以前，人们认为算法模型如果仅靠输入文本，很难获取关于语言的知识。但如今，ChatGPT可以从文本中直接学习语言的层次结构和抽象类别等，这是一种无监督学习的能力。此外，ChatGPT也不只是个话痨。它可以写作文、创作诗歌、撰写商业文本、翻译、做阅读理解、代码理解和生成等。可以说，作为一个语言模型，ChatGPT已经比较称职。 ▍人们期待ChatGPT具有思维能力人们对ChatGPT的期望不仅仅是语言模型，人们甚至期待ChatGPT成为一个思维机器，发展出功能语言能力（用语言思考和做事的能力）。 ChatGPT“涌现”出一些智能，包括上下文学习（理解和学习人类对话输入文字的能力）、世界知识抽象（例如事实性知识和常识）、执行泛化任务（包括没有做过的新任务）、复杂推理等。然而，当前ChatGPT的这些功能都还不算强大，出错甚至崩溃时有发生。当前，人们在思维机器方向的探索有很多，例如有一种借助思维链（Chain of Thought）的方法，试图引导或者优化语言模型展现出复杂的推理能力。这些研究方向的进展仍在持续。上图展示的是，一位科研人员在跟ChatGPT的对话中，通过分步骤提示引导的示例训练（引导过程未展示），使ChatGPT展现出分步骤思考和计算的能力。据分析，ChatGPT的这个能力来自GPT-3.5模型本身，思维链训练方法只是让它意识到应该用这种方式来思考和回答问题。整个过程有点类似老师辅导学生做题。虽然这道题对于10岁的孩子来说很容易，但对语言模型来说却很难，主要是由于数学和语言混合在一起。这类问题只是开始，当前思维链的前沿科研工作已经转向更有难度的问题，例如高中、大学，甚至是国际数学奥林匹克问题。加利福尼亚大学洛杉矶分校(UCLA)近期的一篇论文发现，ChatGPT似乎展现出了类比推理的能力。什么叫类比推理？推理分三种，包含演绎、归纳、类比。“类比推理通常被视为人类抽象和概括能力的典型能力。在广泛的问题类型中，ChatGPT达到或者超越人类水平...显示出这种零样本类比推理的能力。” 然而，ChatGPT的推理能力因其对世界缺乏物理理解而受限，因为它仅仅依靠文本输入，缺少视觉（图像和视频）、声音、嗅觉等多模态数据输入。文本对世界的物理描述是有限的，比如你很难通过文字描述清楚一间屋子里不同物品的位置具体，相反，看一张关于这间屋子的图片，物品的位置信息就一目了然。听说GPT-4将于2023年发布，届时会加入视觉等多模态数据输入，这将有望进一步提升它的智能。 ▍对于ChatGPT能否成为“人类大脑”或通用人工智能，人们持有巨大争议目前，针对ChatGPT是否能够变成“人类大脑”或者通用人工智能（AGI），争议还非常大。Yan Lecun是深度学习的三巨头之一，他也是Meta（原Facebook）公司的首席AI科学家。他认为机器和人类不一样，人类会在心智里面构建一个虚拟世界，进行推理和模拟，这点目前机器做不到。著名语言学家乔姆斯基在2019年的一次采访中提到，深度学习更偏工程，有点像推土机，可以使用，但它没有能力告诉你人类语言的任何事情。（注：ChatGPT这类语言模型可以输出很精彩的文本，但是我们没有确凿证据证明它真正掌握了语言的规律，当然也有可能是它掌握了规律，但人类无法理解。） Kyle Mahowald等学者认为，“擅长语言” 未必 “擅长思考”。虽然人类的语言和思想是不可分离的，但专⻔处理语言的人脑区域，与负责记忆、推理和社交技能的人脑区域是分开的。因此不应该对语言模型有过多期望。 Kyle Mahowald提到了一个GPT-3没能理解的失败案例：怎么把沙发放到你家屋顶上。就像我们在上文提到的，屋顶、沙发、起重机等更偏世界的物理知识，对于人类来说，很容易就想到用各种办法把沙发放到屋顶上去，但你很难让ChatGPT理解这样的操作思路。这个例子也说明世界物理知识的输入，特别是视觉等多模态数据输入的重要性。 03 背后的技术和发现很精彩，也还有很多发展空间讲完ChatGPT究竟是什么，我们再来讲一下背后的技术。我们在上文提到，ChatGPT相当于用“文字接龙”这样简单的技术原理来训练和使用语言模型，从而实现跟人类的高质量智能文本对话。这个技术原理，理论上是有升级和改善机会的，从而可能达到更好的效果。在神经网络参数量方面，业界有人认为有优化空间，例如是否可以用参数量较小的模型达到同等效果。2048个token文本输入窗口的设计及计算机制，也可能有优化空间。例如当前有人试图让ChatGPT写推理小说，但推理小说里面的推理线索往往不易察觉且距离较远（例如好几个章节之前的一个小线索），这个距离远远超出2048个token文本的窗口，如何把当前窗口之外的知识信息容纳进来，也存在优化可能。整体而言，作为底层算法模型的Transformer在2017年6月才诞生，现在还处在发展早期，在快速迭代和改进完善之中，应该还有很多发展空间。此外，前面提到的多模态数据输入，会给GPT-4带来什么样的能力涌现和性能提升，也是业内人士和群众翘首以待的。 ▍人类可以从ChatGPT中学到什么关于语言的规律？在对人类语言的探索上，ChatGPT比以往的任何产品都走得更远更深。我们人类可以从ChatGPT身上学到什么？ Stephen wolfram这名科学家认为，人类语言可能没那么复杂，只是因为我们人类没有能力理解和掌握其背后的规律；而ChatGPT用基于神经网络的算法，成功解码了人类语言的本质。据OpenAI公开的GPT-2的论文，GPT-2的训练数据是纯英语文本（做了非英语文本过滤）。即便如此，它还是显示出一些多语言能力，并且展现出非常出色的法英互译能力，尽管只是接受了10MB左右残留的法语文本训练数据。这个现象引发了人们的思考，当前人类在语言学习方面花费大量的时间和精力，这个学习效率是不是有提升的空间？我们能不能向语言模型学习，更加有效率地学习人类语言？ ChatGPT在生成文本时，是每次选择一个词，这个词是在语言模型给出的概率表中做出的选择。当前科研人员的发现是，如果每次都选择概率最高的词汇，理论上是最优解，最后呈现却往往是一篇非常普通的文章；如果不是每次选择最优解，例如随机选择排名稍微靠后一点的，却有更大机会生成一篇精彩文章。这也是个有意思的未解之谜。以前，我们可能认为创作一篇散文或者一首诗，背后是人类精心的构思和创造。但对于AI而言，创作意味着概率和选择，我们认为的精彩文章创作原来只是AI枯燥的选择过程而已。由ChatGPT反观，可能人类对语言本身的奥秘还知之甚少。 ▍语言特征空间的单词分布 GPT把文字向量化了，建立了语言的高维特征空间，也称为隐含空间（Latent Space）。 GPT-2中每个词是一个768维的向量，GPT-3中每个词则是12288维的向量。每一个维度代表着一个属性，相当于GPT-3用1万多种属性，来描述人类语言中的词汇特征。 Stephen wolfram试图打开人类语言的特征空间，来观察其中的规律。他选择规模较小的GPT-2的特征空间，把它映射到人类比较容易理解的二维空间，从中发现了许多有意思的现象。比如，crocodile鳄鱼和 alligator短吻鳄离得很近，苹果跟梨聚在一起，这个可能容易理解。有趣的是，词汇之间的关系，还能从向量加减操作中反映出来，比如皇帝（King）的向量减去男人（man）的向量，再加上女人（woman）的向量，就变成了女皇（Queen）的向量。另外，他还试图在GPT-2的语言特征空间中，寻找每次生成一个句子的游走规律，我们能从上面这个图片中，看到GPT-2是怎么在768维度的空间中游走并陆续做出下一个词的选择，但是很遗憾他还没有找到其中的规律。虽然从高维映射到二维中丢失了很多信息，但是未来如果能结合多维空间中的向量，我们可能会发现更多关于语言的规律。 ▍Transformer神经网络算法架构及注意力机制 2017年6月，Google发表了非常著名的Transformer论文，论文标题是《Attention is all you need》，意思是说你只需要注意力机制就足够了。图片来源：知乎@雅正冲蛋 Transformer神经网络算法架构的框图如上，如前文所述，左边部分是编码器，右边部分是解码器。Google研发的BERT用的是编码器，而OpenAI的GPT系列用的是解码器。在AI领域，有四大类神经网络算法，包括MLP、CNN、RNN、Transformer。MLP是多层感知器，CNN是卷积神经网络，RNN是循环神经网络。 Transformer是最新的算法模型。在一些场景中，它正在逐渐替代CNN和RNN。Transformer的特征提取能力比较强，擅长长序列处理、并行计算、多模态处理等。Transformer的注意力机制有点像人一样，选择性关注，因为资源有限，只会关注最重要的事情。 Transformer已经被广泛应用在自然语言处理、计算机视觉以及生物科技等领域。生物科技行业用来预测蛋白质三维形状的Alpha Folder算法就是基于Transformer算法模型来做的。 ▍哪个模块是GPT-3储存智能的地方？ GPT-3模型发布时，OpenAI团队发布了论文《Language Models are Few-Shot Learners （语言模型是少样本学习者）》。上图是GPT-3模型的框图，它基本上跟Transformer 的右边部分的解码器是类似的。无论是预训练还是推理（做任务），都是从框图的最底部输入前面部分的文本（GPT-3模型最大的长度是2048个token），然后经过12次运算，从Text prediction输出下一个词概率预测（Task Classifier是微调训练分支，在此不详述）。一个有意思的话题是，GPT-3用1750亿个参数，去学习接近5000亿单词的文本，显然它不是简单地把3个单词存在1个参数中去，而是大抵掌握了一些语言规律且抽象了某些知识和能力。那么，问题来了，这些规律、知识和能力到底存在哪些地方呢？有学者认为，1750亿参数主要集中在框图中的注意力处理层和前馈网络层，前者的值是动态计算的（每输入2048个token，就重新计算一次），它们是数据相关的动态权重，因为它们会根据数据动态变化。而前馈网络层的权重是随着训练过程而缓慢变化的，因此，有学者猜想在前馈网络层中存储着GPT发现的语言规律、知识和能力等，因为要经过12次运算，运算次数越靠后存储的信息越抽象。 Stephen wolfram把GPT-2的某个前馈网络层存储的768*768维度的权重参数矩阵提取出来，压缩到64x64尺寸，就形成了如下一张神秘的图像，代表着GPT-2总结的神秘的人类语言编码规律及其他一些知识和能力的一部分。很好奇什么时候科学家可以逐步解密其中的部分内容，相信对于人类提升自我能力有好处。图片来源：writings.stephenwolfram.com 04 未来，ChatGPT能否进化出自我意识？和AI相比，自我意识和自由意志可以算作是人类最后的堡垒。但是有一种观点认为，人类其实没有所谓的自由意志。人类有两个自我，一种是体验自我，另一种是陈述自我。体验自我，负责相对“机械”地解读信息、作出决策；陈述自我，则负责对体验自我的决策进行解释和表述，有时甚至会虚构故事来“欺骗”我们自己。所谓的自由意志，不过是陈述型自我给自己编的一个故事而已。一些科学家和学者认为，理论上，我们可以构造出一个自我模拟的自指机器（Self-referential Machine），让它也具备两套体系，一个负责执行算法，另一个则专门负责对自我进行模拟（描述，或者可称为在内嵌虚拟世界中模拟自我）。这种机器会表现得就“像”一个具有自我意识的系统，以至于我们可以用这样的系统来定义所谓的“自我意识”。在古代欧洲，有一种传说中的衔尾蛇，能够自己吃自己，实现持续进化。后来，有人提出哥德尔机（ Gödel Machine）的设想，认为只要程序能够模拟自身、改造自身，那么我们就可以将其称为具有自我意识的。此外，还有Quine程序结构、克莱因Kleene第二递归定理等也提出和支持了与之相似的假设。图片来源：维基百科我们很难预料，未来机器是否能进化出自我意识。 05 生成式AI领域的其他进展需要指出，当前讨论的生成式AI，跟之前的分析式AI是有较大不同的。分析式AI的主要能力是分析，例如：数据分析、趋势预测、商品推荐、图像识别等，而生成式AI主要的能力是创造，例如：写诗、绘画、设计产品、编写代码等。当前除语言模型外，生成式AI领域的其他进展还包括图像生成模型等等。未来，多模态（文本、图、视频等）对齐、融合、理解和生成等方向的进展，意义也非常重大。关于图像生成模型，不得不提的是扩散模型（Diffusion Model）。它主要解决通过文本生成图像及其他媒体格式的难题，业内知名的扩散模型包括：DALIE2、Stable Diffusion等。图片来源：Denoising Diffusion Probabilistic Models 06 生成式AI相关的6点创业思考与建议 2022年，大语言模型爆发。据统计，2022年，平均每4天就有一个新的大语言模型问世。生成式AI技术也在持续引发人们对一些知名的模型层平台和应用的访问，数据增长很快，投资火热。2019 年至2021年期间，流向生成式AI业务的资本增加了约130%，其中文本和写作增长630%、图像增长400%、数据增长 370% 、音频/视频增长350% 。图片来源：A16Z 上图是投资公司A16Z总结的生成式AI的行业堆栈。底层深蓝色的部分是基础硬件和云平台，中间蓝色的部分是模型层，再往上浅蓝色的部分是应用层。在应用层，有的创业公司自身只做应用，模型能力则是调用外部的；还有一类叫端到端的应用模式，它会自己做模型，但一般不做大模型，或者在其他大模型基础上微调出自己的模型。在模型层，有开源模型和闭源模型。深蓝色部分的Model hubs是用于模型存储和训练的第三方平台。当前应用层的增长比较快，主要是由AI赋能的新型应用案例所驱动，主要集中在图像生成、文案写作和代码编写，三个类别各自的年收入已超1亿美元。关于生成式AI的创业，我有6点思考和建议：第一，目前，与AI相关的科研、工程、产品和商业化，都在同时快速迭代，变数很大。这个过程中，会出现不同的技术分支和业务路径，如果选错了技术分支和业务路径，再掉头就很麻烦。这就需要创业团队既懂技术又懂业务，在创业初期努力做出正确选择。第二，对创业公司而言，从应用层或者端到端的应用层切入，可能是相对能降低风险的做法。模型层有少量机会，但不一定适合大部分的创业者。第三，应用层在做商业模型设计的时候，要警惕模型层的边界。以Jasper公司为例。2020年在GPT-3模型基础上，Jasper衍生出付费商业文本写作的商业模式。到了2022年底，ChatGPT向用户免费开放，给Jasper带来较大的压力。尽管OpenAI未必会以商业文本生成作为自己的主要商业模式，但它平等赋能了入场的其他竞争者。Jasper需要展现出有竞争力的技术积累与业务纵深，才能稳住脚跟。第四，把AI技术应用到产业场景，可分为新模式和旧模式改造两类方式。新模式是指创造之前没有的全新的应用场景，旧模式改造则指在现有产业场景里用AI技术来改造部分环节，或者团队带着深度行业认知和新的AI技术在成熟的产业场景中创业。新模式和旧模式改造，都存在巨大的机会。在峰瑞已投企业中，有好几家企业在垂直产业的场景中做业务创新。比如线上心理咨询平台阁楼、短视频及直播SAAS服务企业特看科技、线上健身私教平台BodyPark，都在积极使用生成式AI来赋能自己的业务。本周六（3月11日），我们将邀请这3家公司的创始人来分享他们的探索和发现，欢迎参与。第五，AI还面临科研知识快速溢出的问题，因此找到自己的壁垒很重要。创业公司一定要想清楚自己未来的壁垒在哪里，比如到底是数据壁垒、工程壁垒（例如模型微调）、场景壁垒，还是规模壁垒等等。在应用层创业，仅依靠外部模型层提供的能力，是无法形成壁垒的。第六，应用层的创业，应该是“技术为先、场景为重”。 “技术为先”，是指虽然通用AI技术未必是你的核心壁垒，但团队一定要懂技术，才有能力思考如何更早更好地把技术应用到合适的应用场景里，做出好用的产品。 “场景为重”，意味着最后的产品和业务需要找到合适的落地场景，建立自己的商业模式，并在场景里形成自己的核心竞争力。 07 生成式AI行业的未来格局展望和猜想最后来聊聊对AI行业格局的未来展望和猜想。这个部分我参考了奇绩创坛陆奇博士之前的一个思考框架。 ▍以AI和大模型为中心的新IT 新的硅基硬件产业：硅基产业架构和集合可能迎来新的发展机遇（例如：新的计算芯片及周边技术和产业等）。新的软件和云服务体系：算力、模型和数据的云服务、基础软件、ML&Dev Ops、人机互助编程工具等。 ▍新的基础智能终端设备：智能传感器、新型手机等未来的智能终端会越来越智能，最近苹果公司官宣支持Stable Diffusion图像生成模型在iPad等终端上运行，也有工程师把经过裁剪的Stable Diffusion应用在iPhone上运行起来，可以预见以后我们的手机美颜和照片生成可以达到何等出神入化的境界。此外，当前的翻译软件技术，在语义理解方面还是比较浅，翻译质量差强人意。如果可以把类似ChatGPT这样的语言模型能力嵌入到智能终端中去，随着文本和语音的实时翻译成为可能，跨语言交流将变得很方便，这对于提升人类之间的交流效率意义重大。 ▍围绕内容创作展开的产业文、图、视频、3D等各种媒体格式的AI内容创作工具，是当前可以看到创业机会较多的新产业。以ChatGPT为代表的语言模型的文本生成技术，和以扩散模型为代表的图像视频多模态生成技术，可能会对内容产业产生深远的影响。从PGC到UGC，再到如今的AIGC，内容领域会有更多新变化与新玩法。从媒体行业发展情况来看，当前头部的内容媒体平台比如抖音快手B站是所谓的Web2.0平台，普遍采用UGC方式为主来生产内容，但是随着AI生产内容（AIGC）的出现，AI可以生成大量优秀内容，成本较低、效果精良，而且甚至不乏创意，这个情况下内容媒体平台和行业就有可能出现较大的变化。 ▍围绕语言模型展开的产业在这个领域，新的机会可能包括：语言学习范式改变，重塑跨语言沟通方式，更友好的人机界面等。其中特别值得一提的，是语言学习范式的改变。如前文所述，如果我们可以打开语言模型，从中寻找到语言学习的规律，说不定可以帮助我们更有效率地学习语言。事实上，OpenAI投资了一家韩国的英语学习APP叫Speak。从有限的公开信息来看，这家公司未来的产品是一个语言学习助手，或者叫做虚拟语言老师——借助语言模型的能力和发现的语言规律，去帮助人们更好地学习外语，而且成本极低。跨语言沟通的技术目前还不成熟。如前面所说，如果我们能够把语言模型加载到智能终端，可能会极大改进跨语言沟通的能力。因为语言模型足够强大，未来我们的人机界面，会采用更友好的自然语言人机界面，无论是跟APP对话还是跟智能硬件对话。 ▍围绕思维模型展开的产业不妨畅想一下，更聪明的软件（或机器人）、科研服务、 “知识工程”、“世界大脑”等。当前的软件产业，即便有AI的加持，通用性和智能程度还是不尽如人意的，大多数情况下只能做一些特定的任务，只能成为人类的效率助手；随着更加通用的AI能力出现，软件也可以像人类一样思考和做事，可以想象软件就可以帮助人类承接较为完整的任务了。如果AI可以发展出接近人类的思维能力，它也许可以成为人类科学家的科研助手，因为AI可以不知疲倦，且可广泛使用。当前，我们很难想象AI可以达到人类顶尖科学家的水平。打个比方，你让它去证明下哥德巴赫猜想，应该还是很不现实的。当然也有其他可能，如前文所述，如果AI程序可以实现自我优化，具备迭代自己的算法和技术的能力，相信它的智能会很快赶上来。如果我们展开想象，就可以有更多的可能性。例如“知识工程”，如果把人类的知识建模，然后让人类以某种方式可以调用或者学习，那么就不用经过“痛苦”的学习过程。“世界大脑”，是指规模极大的思维模型，它可以帮助我们执行各种重要的计算和思考。不过，如果真的发展到这个地步，可能离电影《黑客帝国》里边的Matrix就不远了。 ▍赋能人类，深入改变各行各业（特别是知识工作者）语言是人类最主要的沟通方式，是知识和思维的主要载体；而深度思维是人类的高阶能力，也是人类不同于其他物种的最重要的能力。如果AI掌握了这两种能力，就基本具备了在某种程度上赋能或替代一部分人类知识工作者的可能。类似于自动化生产制造设备赋能传统工业，各类AI模型和应用软件也将有机会更好地赋能各行各业。但是不同于制造行业，大批量使用的软件，其边际使用成本是非常低的，而且它很聪明、善学习、会思考、会交流，应该会有大量的应用场景有待开发。这里边有非常多的创业机会，也会给各行各业带来新的发展动力。 08 写在最后，为什么AIGC不会是短期风口？首先，ChatGPT是语言模型领域的重大进展，鉴于语言对人类沟通和思维的重大意义，语言模型本身具备很强的通用性，以及人类可以通过研究语言模型获取语言及知识的学习规律并得到效率提升，这些都会持续带来长期的创新机会。第二，AI在思维机器这个方向上还有更远的路可以走。例如，如果AI能够实现良好的多模态信息输入，增加对物理世界的理解，可能可以“涌现”出更多的智能。这个方向的任何进步都意义重大。第三，与AIGC相关的底层技术原理和算法都还处在发展早期，未来还有很长的迭代和优化机会。一切，才刚刚开始。来源：金色财经

金色财经2023-03-10

国际航班计划更新!加拿大赴华航班￥3500起!加航严查这项,多华人被迫加钱…

海浦东PVG，每周六起飞（图片来源：知乎）以上是国际航班直飞计划，有出行需求的旅客请仔细对照，合理安排行程。暑期赴华航班3500元起！近来随着多伦多-上海班次大面积停售，近半年的中加往返航班班次数量直线下滑，直飞票价也不断飙升回疫情时期的五位数水平。不少朋友开始考虑中转曲线回国。今天小编就挖掘到了一批暑假期间赴华的中转低价航班，价格相对实惠了不少，有的航班甚至只要3500人民币左右！（图片来源：Skyscanner）这一批低价赴华航班基本集中于8月中下旬。由于中转飞行时间较长，再加上暑期将尽，还请在此阶段准备带孩子赴华的旅客做好计划准备。以8月22日、27日，温哥华-上海为例，菲律宾航空中转马尼拉亚的航班最低价格为$680，（约合人民币3440元左右），但中转需经停6个多小时，家里有小孩、老人的随行的旅客还需慎重考虑。同样，8月27日，菲律宾航空中转马尼拉亚，从温哥华飞往北京的航班价格也低至679加元（约合人民币3435元）。（图片来源：Skyscanner）相对而言，8月15日由温哥华-厦门，中转菲律宾马尼拉亚的航班中转时间就少了不少。中转时长为2小时，价格为583.62美元（约合人民币4060元）。 (图片来源：oojo.com) 当然了，如果忍受不了旅途长时间的劳累，直航还是最合适的。8月27日、29日温哥华-上海的航班票价最为划算，为$1344加元（约合人民币6800元左右）。虽说没有中转价格低，但相比动辄一两万的机票来说已然好了不少。如果有计划暑期回国的朋友，现在可以提前考虑起来了！加航严查行李额，大批华人网友补交钱北美航空业貌似不太景气，加航最近也显得有点抠搜啊…… 近期，不少旅客在多伦多皮尔逊机场发现，加航开始严查随身行李规格了。以前睁一只眼闭一只眼的时代一去不复返，行李超规？不好意思，那得加钱。网友Solmaz在Tiktok上发布的一段视频中称：“现在航司对随身行李的情况越来越认真，人们在这里痛苦挣扎。” 所有值机的旅客都跟这个下图这个大哥一样，正拼命地把行李箱往这个铁架子里塞。如果严丝合缝，那恭喜你，你的行李尺寸在规格之内，顺利过关。如果不行，恐怕就难逃加钱托运。（图片来源：Narcity） “我每个月都从YYZ飞一次，”Solmaz说，“他们从来没有要求乘客调整过尺寸。现在他们连轮子都要能完全放进去。你去机场前必须测一下尺寸。” Solmazs称，很多乘客都因为尺寸不过关不得已改成行李托运。目前加拿大随身登机箱的尺寸与手提尺寸相同，即55cm x 40cm x 23cm。超过这个尺寸的朋友需要依据不同的目的地支付$30~$100刀不等的人工检查费用。弹性额度几乎为0。（图片来源：加拿大航空官网）小红书等社交媒体上，已有很多华人网友表示中招了。如果行李尺寸不合格，就必须要托运第二件行李，托运费用为100加元。（图片来源：小红书）近期回国的朋友可千万要注意了！

加拿大乐活网2023-03-09

为什么币圈充满“科技与狠活”与“400U KOL”?

量密码必将成为币圈流量主流。如果你是知乎早期用户，你能深刻体会我上面这段话。而这些下沉流量，一定是人造或被助推的。 21年开始，随着国内mcn营销入局，简中币圈的事件营销开始变得“眼熟”起来。美女秀丝袜还不忘记喊单，像极了直播间擦边带货的女主播？那些国产项目发射前莫名其妙的“泄露聊天记录”撕逼，是不是像极了抖音快手直播pk嗯造热度的剧本？还有什么小学生合约编程代币、web3犹太人之类被助推的流量不举例了，比比皆是。看到这里你应该发现了，币圈自媒体的to B（广告植入、带货）和to C（私域/知识付费等），已在形成产业结构。甚至自建供应链的带货（KOL创业盘）都不在少数。以上说的“货”其实就是各种token。宇宙的尽头就是带货啊。五、结语必须承认，币圈的“知识诅咒”非常非常非常严重。一头是名校光环顶级机构张口闭口犹太人，一头是开着翻译器只想寻找“家人”和“大哥”的自嘲韭菜。前者大概率会觉得那些美女擦边喊单还有一堆人上钩简直太蠢了。而根据我的观察，后者人数至少在前者10倍以上。而他们，大概率也和那种为了直播间女主播一句“哥哥”/男主播一嗓“X家军我们冲”就冲动消费的人们重合。下沉不代表穷，被收割的“榜一大哥”和国人盘群里损失惨重的老板也是同命相怜的。所以圈内经常有人抱怨，凭什么那样看起来很Low的KOL都可以拿400U营销费，而自己半毛钱没有。这是很好理解的：因为他们的流量筛选的人群，太难用低端割韭菜项目变现。他们没遇到合适的项目。想必他们也会嫉妒，为何抖音快手里的“带专”主播每天喊喊就有百万收入吧？那么这些来势汹汹的下沉是可以阻挡的吗？我觉得很难，币圈在追求出圈，下沉流量是必定吸收的。懂的机构都在做矩阵，甚至成功项目发射就要孵化几个KOL出来。所以不玩技术概念的NFT社区的顶级玩法是啥？是造KOL、是造流量、是你用这个头像就有人认你大哥，是引来无利益相关KOL和骗子都得用你的图。这里引用wale统计数据，全球Top100 NFT KOL(Influencer)的数据，猴子生态的占比最大。不管你认可不认可，猴子是NFT中最出圈的顶流。而这背后还有少为人知的另一面：猴子持有者利用这流量发创业盘割韭菜的国内外KOL数量，也是所有项目中第一。他们在之前也割到了大部分下沉NFT流量。总之，历史总是惊人的相似，虽然web3总是一个革新的面貌，但币圈里的大大小小事早已经在别的地方以别的形式出现过。最后，在车上写推，颠得我差点吐了。现在通宵写完了这个推。逻辑和用词我没太检查，可能有点乱，但希望我的信息你能接收到。来源：金色财经

金色财经2023-03-09

24小时热点