FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Google推出Gemini系列AI模型：增强生成能力与多模态处理带来突破性进展

并且能够直接在Gemini内运行和编辑Python代码。此外，Gemini Advanced用户还可以使用Deep Research功能来生成复杂的研究简报，并且享有能够记住旧对话的记忆功能。 Gemini在Google服务中的应用 Gemini不仅限于独立应用，还被集成到Google的多个服务中，包括Gmail、Docs、Slides、Sheets等。用户可以在这些服务中使用Gemini生成内容、总结信息和帮助数据分析。在Google地图中，Gemini可以帮助用户总结咖啡店的评价或提供旅游建议。 Gemini模型的能力 Gemini模型具备强大的多模态能力，能够执行多种任务，包括语音转文字、图像和视频的标注等。具体来说，Gemini Ultra可以帮助用户进行物理作业、解决问题，并从科学文献中提取信息。 Gemini Pro在推理、规划和理解方面比LaMDA更强，并且支持处理更大规模的数据。 Gemini的定价 Gemini的定价基于使用量收费。具体价格如下： Gemini 1.0 Pro：输入令牌每百万次50美分，输出令牌每百万次1.50美元。 Gemini 1.5 Pro：根据输入和输出令牌的长度，价格为每百万次输入令牌1.25美元到2.50美元，输出令牌每百万次5美元到10美元。 Gemini 1.5 Flash：输入令牌每百万次7.5美分到15美分，输出令牌每百万次30美分到60美分。编辑观点根据TodayUSstock.com报道，Gemini作为Google的下一代生成式人工智能模型，在功能的多样性和技术的先进性上展示了其巨大的潜力。随着它在Google服务中的逐步渗透，预计Gemini将为用户提供更加个性化、智能化的体验。然而，目前生成式AI的偏见和虚假信息问题仍然存在，需要用户在使用过程中保持警觉。在未来的开发中，Google能否解决这些问题，并进一步提升Gemini的实际应用效果，将是其成败的关键。名词解释 Gemini: Google开发的一系列多模态生成式AI模型。多模态: 能够处理和分析多种不同类型的数据（如文本、图像、音频等）的能力。 Google One AI Premium Plan: Google的付费AI服务，提供对Gemini高级功能的访问。 DeepMind: Google旗下的人工智能研究实验室。今年相关大事件 2024年12月: Google推出了Gemini 2.0 Flash，这是其旗舰AI模型，具备更高速度和多模态处理能力。 2024年8月: Gemini重新引入了生成图片的功能，允许特定用户生成更加准确的历史人物图像。 2024年6月: Google推出了面向青少年的Gemini体验，提供专门的AI使用指南和安全功能。来源：今日美股网

今日美股网2024-12-14

OpenAI再放大杀器！超强“效率神器”全面开放，Canvas 革新生产力？

用，用户无需额外操作即可使用。 2. Python代码的实时执行，用户可以看到代码生成的文本或图形结果。 3. 集成到自定义 GPT 中，使其具备 Canvas 的强大功能。 4. 增加个性化工具，例如增加表情符或者改写、纠错。在最新的直播中，OpenAI 的首席产品官 Kevin Weil、Lee Byron 和 Alexi Christakis 等三位团队成员展示了多种 Canvas 的玩法。其中，包括文字编辑协作、文章审稿、编程支持与调试、图片识别与创意生成等。 OpenAI 首席产品官 Kevin Weil 表示： “这是我们测试了几个月的产品。我们现在为 Canvas 引入了运行 Python 代码的能力，同时也让其支持自定义 GPT。” OpenAI 革新生产力简单来说，此次ChatGPT与Canvas功能融合后，Canvas相当于一个内置Agent来帮助、指导ChatGPT进行更好的内容生成和修改，并且是自动触发的。另外，Canvas智能协作体系的全面升级，将使团队协作时间可缩短40%。对于用户来说，这些创新不仅增强了Canvas的功能性，体验也会显著优化。而随着 OpenAI 不断完善 Canvas，很明显这一工具有潜力改变各行各业的工作流程。作为当下最强的“效率神器”，网友们也直呼：Canvas就是打工人的春天！以后写文章、写代码…Canvas妥妥拿捏。早前，山姆・奥特曼就曾透露， OpenAI在为期12天的活动中，会有一些很棒的东西要分享，并预祝圣诞快乐。当AI不断赋能创作新时代的来临，或许，这就是奥特曼所说的「圣诞礼物」。

格隆汇2024-12-11

早报 (12.11）| 以色列密集空袭！已摧毁了70%以上的军事力量；中概股指深夜重挫；OpenAI放大招，Canvas免费可用

主要模型深度集成。Canvas 支持 Python 代码运行，并可以直接显示文本或图形输出结果。Canvas 正式登陆自定义 GPT。 4. 苹果计划为智能手表配备卫星通讯功能苹果公司计划在2025年为智能手表配备卫星通讯功能，并在加紧开发血压监测功能，以试图吸引徒步者和注重健康的消费者升级设备。据知情人士透露，明年苹果的高端产品线Apple Watch Ultra将配备卫星通讯功能。这项技术将允许智能手表用户在没有蜂窝网络或Wi-Fi连接时通过Globalstar Inc.的卫星群发送离网短信。另一项监测智能手表用户是否患有高血压的功能也可能最早在2025年推出。 5. 美国商务部宣布向芯片企业美光科技提供61亿美元资金 12月10日，美国商务部当日与美国最大计算机存储芯片制造商美光科技签订合同，将向美光科技提供61亿美元资金。此外，美国商务部还宣布已与美光科技达成初步协议，将额外提供2.75亿美元资金，用于扩建美光科技位于弗吉尼亚州马纳萨斯的工厂。 6. 宁德时代与Stellantis成立合资公司投资40.38亿欧元在西班牙建电池工厂宁德时代及其旗下子公司与Stellantis旗下子公司等四方主体于2024 年12月10日签署了一份合资协议，宁德时代与Stellantis 拟共同在西班牙出资成立合资公司，双方各持股50%，并以合资公司为主体在西班牙阿拉贡自治区萨拉戈萨市兴建合资电池工厂，该电池工厂预计总投资规模为40.38亿欧元。 7. 量子芯片Willow实现重大技术突破谷歌在官方博客推出了最新的量子芯片“Willow”，称其取得了两项重大成就。据介绍，Willow可以成倍地减少错误，解决了该领域近30年来一直在研究的量子纠错的关键挑战。另外，Willow在不到五分钟的时间内就完成了一个“标准基准计算”。根据谷歌的说法，即使是如今最快的超级计算机，也需要花费“10的25次方”年的时间才能完成这项计算——这个数字远远超过了宇宙的年龄。 8. 台积电：11月销售额2760.6亿元新台币同比34% 11月，台积电合并营收约为新台币2760.58亿元，环比减少12.2%，同比增加34.0%。1至11月累计，台积电的营收约为新台币26161.45亿元，同比增加31.8%。 9. TikTok提交紧急动议试图阻止美国封禁法律生效字节跳动旗下TikTok在官网和官方账号发布声明，称已向美国哥伦比亚特区巡回上诉法院提交了紧急动议，以阻止TikTok封禁法律生效。此前美国联邦上诉法院裁定，出于国家安全考虑，维持美国总统拜登签署的强制要求字节跳动公司在美国出售TikTok的法令。 10. 特斯拉明年拟推平价车款Model Q 传在中国售价约14万有媒体引述特斯拉投资者关系主管Travis Axelrod表示，有望于明年上半年推出平价车型Model Q，预期补贴后，售价料低于3万美元。海外售价约2.5万美元，上海工厂生产的车型，价格或约14万元人民币，意味较目前中国“入门版”Model 3，起售价为23.19万元人民币，低近四成。 11. 波音737飞机复产交付创四年新低波音公司表示，11月份交付13架商用飞机，创四年新低，所有交付的飞机都来自库存。发生了持续53天的罢工后，波音位于美国华盛顿州西雅图南部Renton的737飞机生产线运营全面恢复生产。 1. 中国11月按美元计出口、进口同比均低于预期按美元计，中国11月出口3123.1亿美元，同比增长6.7%，预期增长8.7%，前值增长12.7%。进口2148.7亿美元，同比下降3.9%，为2023年9月以来最大降幅，预期增长0.9%，前值下降2.3%。中国11月贸易顺差974.4亿美元，预期955亿美元，前值957.2亿美元。 2. 央行逆回购操作昨日净投放903亿元中国央行昨日进行1416亿元7天期逆回购操作，中标利率为1.50%，与此前持平。因当日有513亿元7天期逆回购到期，实现净投放903亿元。 3. 韩国国会通过要求迅速逮捕总统韩国国会10日通过要求迅速逮捕总统尹锡悦的决议案。韩国国会以210票赞成、63票反对、14票弃权的投票结果通过“内乱常设特检法”，将调查韩国总统尹锡悦深夜发动“紧急戒严”所涉“内乱罪”以及扰乱宪政等具体情况。在当地时间9日，韩国检察厅特别调查本部表示，以“内乱、滥用职权”为由对前国防部长官金龙显发出拘捕令。 4. 澳洲联储2024年收官决议将基准利率维持在4.35%不变，为连续第九次会议按兵不动，符合市场预期。 5. 昨日国债期货全线飘红 30年期主力合约涨1.37%，10年期主力合约涨0.67%，5年期主力合约涨0.41%，2年期主力合约涨0.13%。东吴证券认为，在目前宽松的货币政策的定调下，明年或将迎来“股债双牛”阶段，基于对于大幅降息的判断，预计10年期国债收益率将下降至1.5%的水平。 1. 商务部：汽车以旧换新补贴申请量合计突破500万份商务部数据显示，截至12月9日，全国汽车以旧换新合计突破500万辆，其中，报废更新超244万辆，置换更新超259万辆。 2. 国际航协：预计2025年航空业净利润或达366亿美元国际航空运输协会发布2025年全球航空业盈利预期，预计2025年航空业净利润将达366亿美元，比2024年略有改善，预计2024年净利润将达到315亿美元。报告称，尽管面对持续的成本和供应链挑战，但航空业盈利能力仍略有提升。此外，2025年客运量预计将达到52亿人次，旅客数量首次突破50亿人次。 3. EIA：明年全球石油市场将会出现小幅的供不应求 EIA预计，到2025年，全球石油消费量为1.043亿桶/日，生产量为1.042亿桶/日，每天消费量将比生产量高出10万桶；上个月时，EIA预测的分别是1.044亿桶/日和1.047亿桶/日，两者相差30万桶。增减持 11连板一鸣食品：股东今日减持13.82万股股份国芯科技：国家集成电路产业投资基金等股东拟减持不超3%股份丽尚国潮：控股股东拟增持1%-2%公司股份超图软件：股东北京隆慧投资有限公司增持公司股份江中药业：控股股东华润江中获不超0.84亿元贷款额度用于增持公司股份易点天下：股东宁波永武及其一致行动人拟减持不超过3.05% 闻泰科技：股东无锡国联集成电路投资中心拟减持不超过2% 其他宁德时代：拟向全体股东每10股派发现金分红12.3元中研股份：截至目前公司尚未直接涉及人形机器人应用领域国联证券：上交所拟于12月17日审核国联收购民生事项移远通信：尚未接到字节跳动或相关玩具厂商的订单 A股方面，沪指涨0.59%报3422点，深证成指涨0.75%，创业板指涨0.69%。全天成交2.23万亿元，较前一交易日放量5667亿元，全市场近2900股上涨。人形机器人、PEEK材料板块反复活跃，乳业、食品饮料板块走高，Sora概念等涨幅居前。培育钻石板块回撤，CRO板块走低。港股方面，恒生科技指数收跌1.39%，曾大涨超4%，恒指、国指分别跌0.5%、0.74%。大型科技股多数转跌，快手跌2.68%，腾讯、百度跌近2%。中资券商股、内房股高开后走弱，生物科技股、芯片股、光伏股、石油股、餐饮股等纷纷下跌。贺岁档将至，影视相关个股大涨，水务股、重型机械股部分上涨，毛戈平首日上市大幅上涨76.5%。主力动向，南下资金昨日净卖出港股103.24亿港元，净买入阿里巴巴5.38亿、中国移动4.66亿、商汤2.03亿，净卖出盈富基金69.88亿、恒生中国企业8.11亿、美团5.51亿、腾讯5.49亿、中国海洋石油3.38亿、小米1.53亿。龙虎榜中，共有41只个股上榜龙虎榜，涉及机构专用席位的个股有14只。单日净买入额榜前三为巨轮智能、国盛金控、华昌达，净卖出额前三为三丰智能、视觉中国、山子高科。两市融资余额：截至12月9日，上交所融资余额报9514.54亿元，深交所融资余额报9012.46亿元，两市合计18527.0亿元，较前一交易日增加34.89亿元。

格隆汇2024-12-11

打造AI时代数据底座，OceanBase升级一体化产品能力

提供强大的搜索能力。用户可通过SQL及Python SDK等方式灵活调用OceanBase的向量检索能力，同时结合对海量数据的分布式存储能力、多模数据类型及多类型索引的支持，极大简化AI应用的技术栈，助力企业高效构建AI应用。在多工作负载方面，OceanBase 4.3.3对AP（分析处理）场景进行大幅性能优化，尤其是在海量数据分析时，能够提供更短的响应时间和更高的吞吐能力。同时，4.3.3引入了列存副本的新形态，实现满足 TP 和 AP 负载的物理资源强隔离。该物理隔离机制可确保系统在处理事务型负载时，不受分析型负载的影响，特别是在实时数据分析和决策场景中，能够保持系统的高性能与稳定性。发布会上，OceanBase与蚂蚁集团联合开发的向量库在业内标准的ANN Benchmarks基准测试中，针对GIST-960数据集表现出色。测试结果显示，该向量库在ANN Benmarks测试中性能远超其他算法，排名第一。特别是在 90% 以上的召回率区间，查询性能（QPS）相比此前最优算法 glass 提升 100%，相比基线算法 hnswlib 提升 300%。杨传辉还强调，AI天然拥抱云，OceanBase作为一体化数据库，不仅具备云上云下一体化能力，同时具备多云原生开放架构，这些优势都能有效地帮助客户实现云与AI结合，满足客户在云+AI时代的数据管理需求。

金融界2024-10-26

微软Office全家桶重磅升级，AI时代下的全新工作流开启！AI人工智能ETF(512930)近2周新增规模、份额居同类第一

办公全家桶Copilot升级：AI生成Python代码，秒处理Excel数据。一句提示，即刻把想法变成PPT；3）Copilot智能体：首发自动化执行业务流程AI助手。近日，国家互联网信息办公室发布《人工智能生成合成内容标识办法（征求意见稿）》，拟规定任何组织和个人不得恶意删除、篡改、伪造、人工智能生成合成内容标识。开源证券认为，强化学习训练催生新增算力需求，API价格抬升侧面验证o1系列模型的算力成本推升。未来OpenAI计划为所有ChatGPT免费用户提供o1-mini访问。未来伴随用户规模的不断攀升，AI算力需求有望持续高景气。相关产品AI人工智能ETF(512930)、线上消费ETF平安(159793)及消费电子ETF(561600)投资机遇备受关注。 AI人工智能ETF紧密跟踪中证人工智能主题指数，中证人工智能主题指数选取50只业务涉及为人工智能提供基础资源、技术以及应用支持的上市公司证券作为指数样本，以反映人工智能主题上市公司证券的整体表现。数据显示，截至2024年8月30日，中证人工智能主题指数(930713)前十大权重股分别为海康威视(002415)、中际旭创(300308)、韦尔股份(603501)、新易盛(300502)、科大讯飞(002230)、中科曙光(603019)、寒武纪(688256)、澜起科技(688008)、紫光股份(000938)、金山办公(688111)，前十大权重股合计占比53.57%。线上消费ETF平安紧密跟踪中证沪港深线上消费主题指数，中证沪港深线上消费主题指数从内地与香港市场中选取50只主营业务涉及线上购物、数字娱乐、在线教育以及远程医疗等领域上市公司证券作为指数样本，以反映内地与香港市场线上消费主题上市公司证券的整体表现。数据显示，截至2024年8月30日，中证沪港深线上消费主题指数(931481)前十大权重股分别为美团-W(03690)、腾讯控股(00700)、快手-W(01024)、科大讯飞(002230)、哔哩哔哩-W(09626)、三七互娱(002555)、京东健康(06618)、恺英网络(002517)、世纪华通(002602)、昆仑万维(300418)，前十大权重股合计占比54.34%。消费电子ETF紧密跟踪中证消费电子主题指数，中证消费电子主题指数选取50只业务涉及元器件生产、整机品牌设计及生产等消费电子相关的上市公司证券作为指数样本，以反映消费电子主题上市公司证券的整体表现。数据显示，截至2024年8月30日，中证消费电子主题指数(931494)前十大权重股分别为立讯精密(002475)、京东方A(000725)、中芯国际(688981)、工业富联(601138)、韦尔股份(603501)、寒武纪(688256)、歌尔股份(002241)、兆易创新(603986)、澜起科技(688008)、长电科技(600584)，前十大权重股合计占比52.15%。相关产品： AI人工智能ETF(512930)；线上消费ETF平安(159793)；消费电子ETF(561600)，场外联接(A类：015894；C类：015895)。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-09-18

Solana 2024年第三季度生态系统概览

，Solana 提供 Java、C#、Python、Go 和 Kotlin 的 SDK，通过 JSON RPC API 促进与 Solana 网络的通信。这种多样化的语言支持增强了开发人员的可访问性和灵活性。机制与架构 Solana 的架构利用统一、可组合的生态系统，将所有应用程序集成到单个区块链上。这种设计避免了对桥梁、单独的链 ID 或流动性碎片化的需求，从而增强了用户体验并简化了应用程序之间的交互。区块链的性能源于其充分利用硬件功能的能力，确保软件能够随着硬件的进步而扩展。 Solana 的交易流程始于用户向领导者提交交易，领导者将交易编译成区块并传播到网络以供其他验证者执行和确认。核心协议变更通过 Solana 改进文档 (SIMD) 进行管理，并经过社区审查和投票。交易生命周期 Solana 交易是区块链内更改状态的唯一方法。每笔交易或“交易消息”都包含标头、帐户地址、最近的区块哈希和指令。交易是原子的，可确保交易中的所有操作完全成功或失败。该结构允许通过要求事先列出帐户来进行预定义优化，从而促进无冲突的交易并行执行。安全和密钥管理 Solana 采用Ed25519椭圆曲线加密技术来处理公私钥对，确保强大的安全性和高效的交易签名。钱包生成密钥对，其中公钥用作区块链上的帐户标识符，私钥用于授权。交易使用私钥签名，确保完整性和真实性，然后使用公钥进行验证。网络操作 Solana 采用基于领导者的方法，没有内存池，指定特定的验证者作为领导者，在固定的时间段（400 毫秒）内处理交易。验证者是根据权益来选择的，他们根据预定的时间表轮换角色，从而增强了系统的去中心化和安全性。该网络采用权益加权服务质量 (SWQoS) 来优先处理来自权益验证者的交易，从而减少垃圾邮件和 Sybil 攻击的影响。SWQoS 为通过权益验证者路由的交易保留 80% 的领导者容量，其余部分分配给非权益节点。可扩展性增强最近的扩展解决方案（例如 SVM 汇总和 ZK 压缩）正在开发中，以进一步增强 Solana 的性能，尽管它们仍处于采用的早期阶段。区块链采用 QUIC 网络协议可实现高效、安全和可扩展的交易消息传输，从而满足高吞吐量需求。共识和区块生成 Solana 的共识机制采用连续区块构建，领导者在其时段内实时构建和广播区块。这种方法可以减少延迟并优化交易处理。验证器的交易处理单元 (TPU) 管理区块创建，尽可能并行执行交易以最大限度地提高吞吐量和效率。历史证明（PoH）历史证明机制的详细描述可以在 Solana 白皮书中找到。历史证明 (PoH) 是 Solana 的一个关键功能，它充当加密时钟，通过建立可验证的事件顺序来实现网络同步。与工作量证明等共识算法不同，PoH 不是用于达成共识，而是用于提供验证者用来对交易进行排序并遵守领导者时间表的时间参考。 PoH 通过连续计算 SHA-256 哈希链来运行，其中每个哈希都取决于前一个哈希的输出。必须按顺序计算此序列，从而创建“微工作量证明”。验证者运行生成这些哈希的 PoH 服务，这些哈希很难生成，但其他验证者很容易验证。通过将交易数据嵌入此哈希链，PoH 会为交易添加时间戳，证明交易发生的顺序并防止验证者操纵区块序列。机制与功能每个 Solana 验证器都会持续运行 PoH 服务，按顺序进行哈希运算以维护加密时间戳的账本。当当前领导者处理新交易时，这些交易将与当前 PoH 哈希相结合，更新链并将交易嵌入加密时间轴。此过程可确保领导者无法操纵交易的时间或顺序。在每个 400 毫秒的区块中，PoH 流包含大约 800,000 个哈希值和“滴答”，以 6.25 毫秒的间隔标记时间的流逝。这些滴答可作为活跃度的证据，并维持网络运行的节奏。即使不担任领导者，验证者也会保持其 PoH 时钟运行，以与网络的其余部分同步并确保遵守领导者时间表。账户模型 Solana 的状态管理依赖于帐户数据库 AccountsDB，该数据库的结构为一个大型键值存储，其中键是帐户地址，值是相应的数据。 Solana 帐户可以有多种类型：用户账户：代表拥有私钥的个人用户。数据账户：存储状态信息，例如代币余额。程序帐户：包含特定程序的可执行字节码。原生程序帐户：执行核心网络功能。 Solana 通过保持程序帐户不变来区分代码和状态，而状态则存储在单独的帐户中。这种分离允许高效的状态管理和 Solana 架构独有的优化。程序与状态管理 Solana 上的程序是用 Rust 等语言编写的，用于操作帐户数据，但它们不会在自身中存储状态。相反，程序与程序派生地址 (PDA) 交互，PDA 是没有私钥并由程序控制的特殊帐户。PDA 确保只有关联程序才能修改状态，从而增强安全性和对状态更改的程序控制。租金和账户管理为了缓解状态膨胀，Solana 实施了一种租金机制，要求账户维持最低 SOL 余额。不再需要时可以关闭账户，将租金余额返还给用户。这种方法鼓励有效利用状态，并阻止不必要的账户无限期地保持打开状态。 Turbine：数据传播 Turbine 是 Solana 的数据传播协议，灵感来自 BitTorrent。它将交易数据分解成称为“碎片”的小数据包，然后以结构化的方式在网络上传播。碎片被分组为批次并通过 Turbine Tree 进行广播，其中验证器按层组织以将碎片中继给其他人。这减少了领导者的数据负载并提高了网络有效分发区块的能力。共识：Tower BFT Solana 使用 Tower BFT，这是实用拜占庭容错 (PBFT) 的自定义实现，由 PoH 的同步时钟增强。这种方法减少了共识期间的通信开销，因为验证者依赖于 PoH 中预先设定的交易顺序，而不是多轮消息传递。验证者使用正确投票获得的积分对区块进行投票，系统确保验证者在最短时间内坚持他们选择的分叉，从而最大限度地降低分叉的可能性。 Gossip和存档 Solana 的Gossip网络充当控制平面，传播关键元数据并确保节点能够在整个网络中进行通信和同步状态。档案节点维护网络的历史记录，并将数据存储在仓库节点中，以确保过去交易的可用性。经济学和 Jito Solana 的经济模型包括基于通胀的质押奖励，验证者通过参与共识和生成区块来赚取 SOL。区块奖励包括交易费，部分被销毁，部分奖励给生产领导者。Liquid 质押使 SOL 持有者能够将其代币质押在池中，接收可在应用程序之间交易或使用的 Liquid 质押代币 (LST)，同时获得质押奖励。 Jito 客户端被 Solana 验证者广泛采用，它通过实施协议外的区块空间拍卖系统来增强经济激励，允许通过小费和标准交易费来优先处理交易。这大大提高了验证者奖励，并促进了 Jito 客户端在 Solana 网络中的广泛采用。 Solana 虚拟机 (SVM) Solana 虚拟机 (SVM) 是一个创新框架，旨在管理 Solana 区块链中的最大可提取值 (MEV)。MEV 涉及通过对交易进行重新排序、包括或排除在区块之外来从交易中提取额外价值。SVM 提供技术和协议来检测、分析和管理 MEV 活动，从而提高 Solana 生态系统的效率、公平性和安全性。以太坊虚拟机（EVM）与 Solana 虚拟机（SVM） SVM 与以太坊虚拟机 (EVM) 在智能合约执行和交易处理方面有所不同。在 SVM 中，每个验证器单独执行智能合约，从而实现高交易吞吐量。相比之下，EVM 需要节点共识才能执行，因此处理速度较慢。此外，Solana 的并行处理模型可以同时执行多个交易，而以太坊的顺序模型一次处理一个交易，这使得 Solana 更快、更高效。 SVM 的目的和重要性 SVM 旨在通过提供一种结构化方法来防止交易排序和区块验证中的操纵，从而解决 MEV 问题。这对于维护 Solana 上金融互动的完整性、保护用户免受抢先交易等行为的影响以及增强网络的可信度至关重要。鉴于 Solana 的高交易吞吐量，有效的 MEV 管理对于防止可能损害普通用户的快速价值提取至关重要。定义 Solana 虚拟机在 Solana 生态系统中，人们对 SVM 的看法有所不同。一些人认为它涵盖了完整的交易处理管道，包括验证器运行时和程序执行，而另一些人则关注负责执行程序的较低级别的 eBPF 虚拟机。通常，SVM 被理解为一个综合系统，涉及 Agave 验证器的 Bank 组件，该组件管理每个时隙的状态。SVM 以批处理方式处理交易，每个批处理包含针对特定程序的指令，并使用缓存机制来优化执行效率。 SVM 的机会 SVM 的解耦且定义明确的接口允许 Solana 验证器之外的各种应用程序，包括：链下服务：模拟 Solana 的链下交易处理以进行模拟和测试。轻量级客户端：为轻量级客户端提供欺诈证明，增强可扩展性和安全性。状态通道：使用基于 SVM 的状态通道管理点对点连接，并将最终结果发布到主链。 Rollups：作为 Rollups 的执行层，以增强可扩展性，而无需完整的共识协议开销。 Avalanche 子网：与 Avalanche 模块集成，实现共识和联网。扩展SVM：针对特定协议的定制SVM单元，增强灵活性。 SVM 现在可通过 solana-svm Rust 包使用，支持各种应用程序并推动 Solana 生态系统内的创新。 FTX 然而，Solana 在 FTX 崩溃后面临挑战，这个与其生态系统紧密相连的重要实体出现了问题。FTX 的创始人 Sam Bankman-Fried (SBF) 是 Solana 的主要支持者，将 Serum DEX 等传统上与以太坊相关的项目引入 Solana。在 SBF 的影响下，FTX 成为全球最大的中心化交易所之一，进一步提高了 Solana 的知名度。不幸的是，FTX 滥用公司资产和客户存款进行高风险投资，最终导致其崩溃，这给与 FTX 有联系的 Solana 生态系统带来了重大风险。9 月 12 日，FTX/Alameda Research 解除了价值 2400 万美元的 $SOL 质押，Solscan 数据显示该钱包仍持有超过 10 亿美元的 $SOL，包括质押和锁定的代币。尽管面临这些挑战，与 Solana 理念一致的核心开发者社区仍保持承诺。Solana 通过增强网络稳定性、创建更友好的开发环境并解决技术问题来恢复社区信任。基于 Solana 区块链的精选项目 Solana 生态系统 (MC 评选出的 TOP 10 项目) Neon EVM： Neon EVM 允许基于以太坊的应用程序在 Solana 上运行，提供更快的处理速度、更低的成本以及对 Solana 并行处理的访问。 Eclipse：利用 Solana 的 SVM 的以太坊第 2 层解决方案，使用以太坊进行结算并使用零知识证明来确保安全。 Nitro：连接 Solana 与 Cosmos 和 IBC 生态系统的桥梁，增强互操作性和流动性访问。 Wormhole：跨链桥，可实现跨多个区块链（包括 Solana）的无缝资产和消息传输。 Allbridge：跨链桥，促进 Solana 与其他区块链之间的资产转移，增强 Solana 的互操作性。 LI.FI：一种流动性聚合协议，集成多种桥接解决方案和 DEX 聚合器，用于跨网络交换。 DePIN 项目 Helium ：一个使用 Solana 实现可扩展性的去中心化无线网络，支持物联网设备并提供经济高效的连接解决方案。 Hivemapper ：一个去中心化的地图网络，使用行车记录仪提供实时道路图像的用户将获得代币奖励。 Render Network 和 io.net：Solana 上的分布式 GPU 计算网络，用于 3D 渲染和 AI 任务，提供可扩展且经济高效的计算能力。 IoTeX：一个将智能设备和现实世界的数据连接到区块链的Web3基础设施平台，提高数据的准确性和实用性。 Teleport： Solana 上的去中心化拼车服务，通过基于区块链的协议为司机提供更低的成本和更高的收入。 DeFi项目 Marinade Finance： Solana 上的流动性质押平台，允许用户获得质押奖励，同时通过 mSOL 代币保持流动性。 Jito：一种通过流动性质押优化 MEV 利润的协议，旨在实现 Solana 生态系统中的无需许可的运行。 Sanctum： Solana 上流动性质押代币的流动性共享解决方案，可实现无缝交互和创收。 Drift Protocol： Solana 上的去中心化交易平台，提供现货和永续交易以及实时价格更新。 Jupiter： Solana 领先的 DEX 聚合器，提供高效的交易路线、限价订单和永续交易。 Zeta Markets： Solana 上的去中心化衍生品交易协议，支持期权和期货交易。 marginfi：一种去中心化的借贷协议，可在 Solana 上的各种 DeFi 协议中提供综合金融活动。 Kamino：一个用于战略金融活动的 DeFi 平台，包括借贷、流动性提供和投资组合管理。 Parcl：一个使用数据馈送跟踪房地产价格的部分房地产投资平台。其他项目（NFT 和 Memecoins 等） Magic Eden： Solana 上领先的 NFT 市场，支持多条链并提供用户友好的界面和低费用。 Tensor：专为专业 NFT 交易者设计市场，集成 AMM 和实时数据功能。 Metaplex：一个提供在 Solana 上创建、销售和管理数字资产的工具的平台。 DRiP：一个 NFT 投放平台，以实惠的铸币和免费的 NFT 艺术铸币支持 Solana 上的新艺术家。 TipLink：一种轻量级钱包，可通过链接或二维码轻松转移资产，可通过 Gmail 或 Solana 帐户访问。 Solchat： Solana 上用于链上消息传递和 P2P 通话的通信协议，预计将与 Solana 的移动生态系统相结合。 Dialect：一种去中心化的消息传递协议，支持通过 Solana 上的消息进行代币传输。 Mad Lads： Coral 的 xNFT 系列探索 NFT 作为去中心化应用程序，振兴 Solana 社区。 MonkeDAO： Solana 上第一个 NFT DAO，源自 Solana Monkey Business，参与各种社区主导的计划。 Superteam DAO：一个在新兴市场推广 Solana 的 DAO，通过社区驱动的努力支持创新项目。 Solana University：一个为 Solana 和 Web3 提供教育资源和活动的国际学生组织。 Memecoins：$BONK；$WIF、$POPCAT 关键指标（2024 年 9 月 12 日） SOL/USD - 135.07 美元（UTC 时间 2024 年 9 月 12 日 06:06）；MC - 633 亿美元 SOL Markets（24 小时交易量排名前 5 位；9 月 12 日）；来源：coingecko 总锁定价值 - 804.5 亿美元紫色 - SOL 价格；黄色 - SOL 每日活跃地址（550 万 - 历史最高）紫色 - SOL 价格；黄色 - SOL 日交易量 Solana-财务报表（来自：tokenterminal ）前 5 名 Solana 验证者（注意：所有值均以 SOL 为单位；数据包括所有质押，而不仅仅是活跃质押） Solana DEX 交易量（美元） Solana DEX 统计数据来源：金色财经

金色财经2024-09-13

为什么要使用CryptoGPT来创建量化交易策略？

交易者来说，无疑是一个巨大的挑战。使用Python或C++等编程语言构建策略，既需要花费大量时间学习基础知识，还需要了解算法和技术分析指标。然而，CryptoGPT通过其强大的自然语言处理（NLP）技术，大大降低了这一门槛。用户只需通过简单的文字描述，即可让AI理解你的交易意图并生成量化策略。也就是说，即使你完全不懂编程，只要能清晰表达出你的策略想法，CryptoGPT就能帮你将其转化为可执行的策略。这对新手和非技术背景的交易者而言，是一个极大的福音。举个例子，假设你想要构建一个基于布林带（Bollinger Bands）的突破策略。你可以简单地描述：“当价格突破布林带上轨时做多，当价格跌破布林带下轨时做空。” CryptoGPT可以理解这一需求并立即生成相应的量化代码，无需你编写任何一行代码。 2. 高效率：AI赋能的实时分析在金融市场中，速度往往意味着机会的把握。尤其是对于高频交易策略，交易者需要实时监控市场，快速做出反应。传统的手动交易往往无法跟上市场的瞬息万变，容易错失良机。而通过CryptoGPT，AI可以迅速分析市场数据，基于实时变化进行策略调整，确保交易者能够在最佳时机进场或出场。 CryptoGPT不仅能够帮助交易者实时分析数据，还能够根据历史数据对策略进行回测和优化。这意味着你可以在短时间内测试不同的策略，并根据回测结果快速进行调整，提高策略的准确性和盈利能力。对于那些需要频繁调整和优化策略的交易者而言，CryptoGPT的这一特性尤其有用。 3. 强大的数据处理能力：多市场、多维度分析量化交易的核心在于数据，而数据的质量和处理能力直接决定了策略的优劣。CryptoGPT整合了来自多个市场的数据，包括加密货币、外汇、股票等，并通过先进的机器学习算法进行深度分析。这使得交易者能够基于更全面的数据源进行决策，不再局限于单一市场或单一维度的数据分析。比如说，你可以同时分析比特币（BTC）、以太坊（ETH）等多个加密货币的走势，甚至还可以引入传统市场的相关性数据（如美元指数或黄金价格），从而构建更为复杂和多样化的策略。CryptoGPT提供的多维度数据分析能力，帮助交易者更好地应对不同市场环境，提高策略的成功率。 4. 个性化策略定制：高度灵活传统的量化交易策略往往是固定的模板或模型，交易者只能在一定的框架内进行调整，难以实现个性化需求。而CryptoGPT的AI系统则具有高度的灵活性，能够根据用户的具体需求进行个性化策略定制。你可以根据自己的风险偏好、交易目标、持仓周期等，定制出完全符合你需求的交易策略。例如，如果你是一个风险偏好较高的短线交易者，可以设置较为激进的开仓和平仓条件；如果你更偏向于稳健的长期持仓，则可以选择较为保守的指标组合和止损机制。 CryptoGPT甚至可以通过学习用户的历史交易行为，提供个性化的策略优化建议，让策略与用户的交易习惯高度匹配。 5. 回测和优化功能：减少试错成本创建一个有效的量化策略并非一蹴而就。通常，交易者需要经历大量的试错和策略优化过程，才能找到适合当前市场环境的策略。而CryptoGPT通过其强大的回测功能，帮助交易者在构建策略之前，使用历史数据进行模拟测试。这种回测能够大大减少试错的成本，让交易者在真实投入资金之前，就对策略的表现有一个清晰的了解。例如，你可以通过CryptoGPT的回测功能，模拟过去一年中的市场情况，看看你的策略在不同市场阶段的表现。根据回测结果，你可以进一步调整参数，优化策略，最终构建出更为稳健和高效的量化交易模型。 6. 自动化执行：全天候市场监控 CryptoGPT的另一个重要优势在于其自动化执行功能。对于许多忙碌的交易者来说，全天候盯盘和手动执行交易并不现实。而通过CryptoGPT的自动化交易系统，你可以预设好策略，一旦市场条件满足，系统将自动执行交易，无需手动干预。这意味着你可以在睡觉时、旅行时甚至是在处理其他事务时，依然能保持交易策略的正常运行。CryptoGPT提供了24/7的市场监控和自动执行能力，确保你不会错过任何一个交易机会。 7. 简化的策略创建流程对于想要快速上手量化交易的新手而言，CryptoGPT提供了极为简化的策略创建流程。你不需要深入学习技术分析指标或复杂的编程语言，只需要清晰表达你的策略目标和条件即可。CryptoGPT将负责将这些条件转化为可执行的交易代码，并自动生成策略。这种简化的流程不仅降低了学习成本，还大大提高了策略创建的效率。你可以在短短几分钟内创建、优化并执行一个完全定制化的交易策略，而不再需要数周的学习和调试过程。总结通过CryptoGPT，你可以轻松创建属于自己的量化交易策略。其低门槛、高效率、强大的数据分析能力和自动化执行功能，使得量化交易不再是专业程序员和资深金融分析师的专利。无论你是新手还是有经验的交易者，CryptoGPT都能够帮助你实现更智能化、更高效的交易目标。 CryptoGPT的未来潜力还在于其持续的AI进化，随着技术的进步，它将能够提供更强大的策略创建和优化工具，帮助交易者在金融市场中获得更大的成功。在这个AI赋能的时代，量化交易的创新之路才刚刚开始，而CryptoGPT无疑是这一领域的重要推动者。来源：金色财经

金色财经2024-09-09

悦读书|AI正解锁新的认知革命！普适读本《新科技通识课》，人工智能发展时间表： 2028 年制作影片，2049年撰写畅销书籍...

智能发展时间表： 2024 年自动撰写Python 代码； 2028 年制作影片； 2049年撰写畅销书籍； 2059 年进行数学研究等。回顾2017年，国务院发布的《新一代人工智能发展规划》中指出，未来的人工智能技术新兴领域是移动互联网、大数据、传感网和脑科学。其中，数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统被列为人工智能的发展重点，预示着人工智能作为引领未来的战略性技术将在经济发展和社会建设中发挥重要作用。目前，人工智能技术所面临的主要问题是缺乏知识，机器还没有掌握总结知识、积累知识、应用知识、传承知识和建立组织管理知识体系的能力。而人工智能的伦理性、有益性、合理性和正确性也成为人工智能发展中所面临的挑战。而在第六章第三节对于数字经济方面存在的挑战，学界认为主要包括技术、市场与隐私层面。在技术层面，要力争突破核心技术和关键领域的“卡脖子”问题。而观察数字经济的爆发式增长，我们也发现其也成为新冠疫情后经济复苏的新动能和新引擎，成为增强国家竞争新优势的重要力量。中国凭借巨大的国内市场优势，倒逼技术突破与模式创新，数字经济体量位居全球第二，规模超过数万亿美元。尤其是在抗击疫情过程中，以数据生产要素为基础的数字经济依托新技术优势和大平台优势，通过信息聚合、数据共享，为全社会资源调配、物资流转、网上办公等起到了重要的支持作用。引用《新科技通识课》书中所写，医疗应对就是一个很重要的应用场景。在抗疫工作中，以5G、大数据为代表的信息通信技术为疫情防控提供了非常强大的支撑，在态势的研判、信息共享、流行病学的分析等方面显示了巨大的能量。通过“5G+医疗”，多学科、多专家远程为重症患者协作诊疗，提升抗疫一线医疗救治水平。智慧物流打通物资流通堵点，保障民生物资有效供给，包括医疗防护服等抗疫物资的紧急调配。疫情期间，全国210多家医院紧急建设4G、5G网络，搭建起一条条通信生命线。在武汉雷神山医院，北上广多家医院的专家通过5G 连线开展远程会诊，对重症患者的CT 影像进行研讨并确定治疗方案。得益于5G 等新技术深入应用，我国防疫抗疫能力大幅提升，为取得抗疫胜利提供了重要支撑。 5G 技术除为在线医疗、视频会议、在线办公等远程服务顺利运行提供有效网络保障外，还与红外测温技术融合，打造测温5G 警用巡逻机器人，实现了5 米内一次性10 人快速体温测量，从而协助民警在危险、高强度环境中完成排查防控。智能客服机器人可提供智能疫情通知回访、重点人群随访调查、智能处理咨询来电、疫情心理慰问师等在线服务，缓解线下医疗资源的紧缺问题。也有一些智能机器人用于替代医务人员，参与疫情防控一线工作，有效避免了交叉感染。例如，火神山医院的“豹小递”可按医院的需求递送化验单与药物，钛米机器人可24小时为医院进行消毒服务。

金融界2024-09-04

Vitalik：提升效率和安全性的新构想——胶合和协处理器架构

个背景下探索它：使用 torch 用 python 编写的 AI 代码。变压器模型的一个块的前向传递我们在这里看到了什么？我们看到了用 Python 编写的相对少量的“业务逻辑”，它描述了正在执行的操作的结构。在实际应用中，还会有另一种类型的业务逻辑，它决定了诸如如何获取输入以及对输出执行的操作等细节。但是，如果我们深入研究每个单独的操作本身（self.norm、torch.cat、+、*、self.attn 内部的各个步骤……），我们会看到矢量化计算：相同的操作并行计算大量值。与第一个示例类似，一小部分计算用于业务逻辑，大部分计算用于执行大型结构化矩阵和向量运算 —— 事实上，大多数只是矩阵乘法。就像在 EVM 示例中一样，这两种类型的工作以两种不同的方式处理。高级业务逻辑代码是用 Python 编写的，这是一种高度通用和灵活的语言，但也非常慢，我们只是接受低效率，因为它只涉及总计算成本的一小部分。同时，密集型操作是用高度优化的代码编写的，通常是在 GPU 上运行的 CUDA 代码。我们甚至越来越多地开始看到 LLM 推理在 ASIC 上进行。现代可编程密码学，如 SNARK，在两个层面上再次遵循类似的模式。首先，证明器可以用高级语言编写，其中繁重的工作是通过矢量化操作完成的，就像上面的 AI 示例一样。我在这里的圆形 STARK 代码展示了这一点。其次，在密码学内部执行的程序本身可以以一种在通用业务逻辑和高度结构化的昂贵工作之间进行划分的方式编写。要了解其工作原理，我们可以看看 STARK 证明的最新趋势之一。为了通用且易于使用，团队越来越多地为广泛采用的最小虚拟机（如 RISC-V）构建 STARK 证明器。任何需要证明执行情况的程序都可以编译成 RISC-V，然后证明者可以证明该代码的 RISC-V 执行情况。来自 RiscZero 文档的图表这非常方便：这意味着我们只需要编写一次证明逻辑，从那时起，任何需要证明的程序都可以用任何“传统”编程语言编写（例如 RiskZero 支持 Rust）。但是，有一个问题：这种方法会产生很大的开销。可编程加密已经非常昂贵；在 RISC-V 解释器中增加运行代码的开销太多了。因此，开发人员想出了一个窍门：确定构成大部分计算的特定昂贵操作（通常是哈希和签名），然后创建专门的模块来非常有效地证明这些操作。然后，您只需将低效但通用的 RISC-V 证明系统和高效但专业的证明系统结合在一起，就可以两全其美。除了 ZK-SNARK 之外的可编程加密，例如多方计算 (MPC) 和完全同态加密 (FHE)，可能会使用类似的方法进行优化。总体来说，现象是怎样的？现代计算越来越多地遵循我所说的粘合和协处理器架构：你有一些中央“粘合”组件，它具有高通用性但效率低，负责在一个或多个协处理器组件之间传送数据，这些协处理器组件具有低通用性但效率高。这是一种简化：在实践中，效率和通用性之间的权衡曲线几乎总是有两个以上的层次。GPU 和其他在行业中通常被称为“协处理器”的芯片不如 CPU 通用，但比 ASIC 通用。专业化程度的权衡很复杂，这取决于对算法的哪些部分在五年后仍将保持不变，哪些部分在六个月后会发生变化的预测和直觉。在 ZK 证明架构中，我们经常看到类似的多层专业化。但对于广泛的思维模型，考虑两个层次就足够了。在许多计算领域都有类似的情况：从上述例子来看，计算当然可以以这种方式分割，这似乎是一种自然法则。事实上，你可以找到几十年来计算专业化的例子。然而，我认为这种分离正在增加。我认为这是有原因的：我们最近才达到 CPU 时钟速度提升的极限，因此只有通过并行化才能获得进一步的收益。但是，并行化很难推理，因此对于开发人员来说，继续按顺序推理并让并行化在后端发生往往更为实际，并包装在为特定操作构建的专用模块中。计算速度最近才变得如此之快，以至于业务逻辑的计算成本已经变得真正可以忽略不计。在这个世界中，优化业务逻辑运行的 VM 以达到计算效率以外的目标也是有意义的：开发人员友好性、熟悉性、安全性和其他类似目标。同时，专用的“协处理器”模块可以继续为效率而设计，并从它们与粘合剂的相对简单的“接口”中获得其安全性和开发人员友好性。最重要的昂贵操作是什么变得越来越清晰。这在密码学中最为明显，其中最有可能使用哪些类型的特定昂贵操作：模数运算、椭圆曲线线性组合（又称多标量乘法）、快速傅里叶变换等等。在人工智能中，这种情况也变得越来越明显，二十多年来，大部分计算都是“主要是矩阵乘法”（尽管精度水平不同）。其他领域也出现了类似的趋势。与 20 年前相比，（计算密集型）计算中的未知未知数要少得多。这意味着什么？一个关键点是，胶合器应优化以成为好的胶合器，而协处理器也应优化以成为好的协处理器。我们可以在几个关键领域探索这一点的含义。 EVM 区块链虚拟机（例如 EVM）不需要高效，只需要熟悉即可。只需添加正确的协处理器（又称“预编译”），低效 VM 中的计算实际上可以与本机高效 VM 中的计算一样高效。例如，EVM 的 256 位寄存器所产生的开销相对较小，而 EVM 的熟悉度和现有开发者生态系统带来的好处是巨大且持久的。优化 EVM 的开发团队甚至发现，缺乏并行化通常不是可扩展性的主要障碍。改进 EVM 的最佳方法可能只是 (i) 添加更好的预编译或专用操作码，例如 EVM-MAX 和 SIMD 的某种组合可能是合理的，以及 (ii) 改进存储布局，例如，Verkle 树的更改作为副作用，大大降低了访问彼此相邻的存储槽的成本。以太坊 Verkle 树提案中的存储优化，将相邻的存储密钥放在一起并调整 gas 成本以反映这一点。像这样的优化，加上更好的预编译，可能比调整 EVM 本身更重要。安全计算和开放硬件在硬件层面上提高现代计算安全性的一大挑战是其过于复杂和专有的性质：芯片设计为高效，这需要专有优化。后门很容易隐藏，侧信道漏洞不断被发现。人们继续从多个角度努力推动更开放、更安全的替代方案。一些计算越来越多地在受信任的执行环境中完成，包括在用户的手机上，这已经提高了用户的安全性。推动更开源的消费硬件的行动仍在继续，最近取得了一些胜利，比如运行 Ubuntu 的 RISC-V 笔记本电脑。运行 Debian 的 RISC-V 笔记本电脑然而，效率仍然是一个问题。上述链接文章的作者写道： RISC-V 等较新的开源芯片设计不可能与已经存在并经过数十年改进的处理器技术相媲美。进步总有一个起点。更偏执的想法，比如这种在 FPGA 上构建 RISC-V 计算机的设计，面临着更大的开销。但是，如果胶合和协处理器架构意味着这种开销实际上并不重要，那会怎样？如果我们接受开放和安全芯片将比专有芯片慢，如果需要甚至放弃推测执行和分支预测等常见优化，但试图通过添加（如果需要，专有）ASIC 模块来弥补这一点，这些模块用于最密集的特定类型的计算，那会怎样？敏感计算可以在“主芯片”中完成，该芯片将针对安全性、开源设计和侧信道阻力进行优化。更密集的计算（例如 ZK 证明、AI）将在 ASIC 模块中完成，这将了解有关正在执行的计算的更少信息（可能，通过加密盲化，在某些情况下甚至可能为零信息）。密码学另一个关键点是，这一切都对密码学，尤其是可编程密码学成为主流非常乐观。我们已经在 SNARK、MPC 和其他设置中看到了一些特定的高度结构化计算的超优化实现：某些哈希函数的开销仅比直接运行计算贵几百倍，而且人工智能（主要是矩阵乘法）的开销也非常低。GKR 等进一步的改进可能会进一步降低这一水平。完全通用的 VM 执行，特别是在 RISC-V 解释器中执行时，可能会继续产生大约一万倍的开销，但出于本文中描述的原因，这并不重要：只要使用高效的专用技术分别处理计算中最密集的部分，总开销就是可控的。矩阵乘法专用 MPC 的简化图，这是 AI 模型推理中最大的组件。请参阅本文了解更多详细信息，包括如何保持模型和输入的私密性。 “胶合层只需要熟悉，不需要高效”这一想法的一个例外是延迟，以及在较小程度上的数据带宽。如果计算涉及对同一数据进行数十次重复的繁重操作（就像密码学和人工智能一样），那么由低效胶合层导致的任何延迟都可能成为运行时间的主要瓶颈。因此，胶合层也有效率要求，尽管这些要求更为具体。结论总体而言，我认为上述趋势从多个角度来看都是非常积极的发展。首先，这是在保持开发人员友好性的同时最大化计算效率的合理方法，能够同时获得更多两者对每个人都有好处。特别是，通过在客户端实现专业化以提高效率，它提高了我们在用户硬件本地运行敏感且性能要求高的计算（例如 ZK 证明、LLM 推理）的能力。其次，它创造了一个巨大的机会之窗，以确保对效率的追求不会损害其他价值，最明显的是安全性、开放性和简单性：计算机硬件中的侧通道安全性和开放性、降低 ZK-SNARK 中的电路复杂性以及降低虚拟机中的复杂性。从历史上看，对效率的追求导致这些其他因素退居次要地位。有了胶合和协处理器架构，它不再需要。机器的一部分优化效率，另一部分优化通用性和其他价值，两者协同工作。这一趋势对密码学也非常有利，因为密码学本身就是“昂贵的结构化计算”的一个主要例子，而这一趋势加速了这一趋势的发展。这为提高安全性又增加了一个机会。在区块链世界中，安全性的提高也成为可能：我们可以少担心虚拟机的优化，而更多地关注优化预编译和与虚拟机共存的其他功能。第三，这一趋势为规模较小、较新的参与者提供了参与的机会。如果计算变得不那么单一，而更加模块化，这将大大降低进入门槛。即使使用一种类型的计算的 ASIC，也有可能有所作为。在 ZK 证明领域和 EVM 优化中也是如此。编写具有近乎前沿水平效率的代码变得更加容易和易于访问。审计和形式化验证此类代码变得更加容易和易于访问。最后，由于这些非常不同的计算领域正在趋同于一些共同模式，因此它们之间有更多的协作和学习空间。来源：金色财经

金色财经2024-09-03

并行执行区块链系统调研

Solidity 到 Move 和从 Python 到 Solidity。自然语言处理的技术进步，大大增强了自动代码生成的潜力。这些进展结合基于规则和模式的编译器翻译技术（如用于大数据的 SQL 到 MapReduce 翻译和用于深度学习的计算图到矩阵计算的翻译）完全可以为开发自动化的智能合约翻译工具，提供助力。结论 Sei、Aptos、Sui 与 Crystality/PREDA 之间的性能对比突显了区块链并行化领域的不断演变。Aptos（与 Sei）和 Sui 分别展示了乐观并行化和悲观并行化机制的潜力，各自在不同场景下展现了优势。然而，Crystality 和 PREDA 显著的性能提升表明，更先进的并行化模型可能是解锁更高层级的可扩展性和效率的关键。为了总结我们对区块链领域三种主要并行化方法的探索和观察，我们整理汇总了一张表格。如果您想从这篇文章中获得一份Takeaway，那就是本表格中的内容。来源：金色财经

金色财经2024-09-02

24小时热点