Archives 6 月 2024

什么是大宗商品交易?有哪些优势和风险?

在动荡的经济形势下,增加投资组合的多样性可以有效规避风险。当前除了风险较高的股票和证券,大宗商品交易是一个有效的对冲风险的选择。全球领先的金融资产交易平台4E,支持黄金、白银、原油、天然气等多个大宗商品衍生品交易,提供10-300倍杠杆多空双向交易,只需简单三步即可开仓买入。

什么是大宗商品交易?有哪些优势和风险?

什么是大宗商品交易

大宗商品通常是生产其他产品的原料,具有商品属性和金融属性,在除零售环节的流通领域进行交易。这些商品用于工农业生产与消费,是大批量买卖的物质商品。在金融投资市场,大宗商品指同质化、可交易、广泛作为工业基础原材料的商品,如原油、有色金属、钢铁、农产品、铁矿石、煤炭等。大宗商品分为能源商品、基础原材料和农副产品三大类,具有价格波动大、供需量大、易于分级和标准化以及易于储存运输的特点。大宗商品市场包括现货市场、期货市场和衍生品市场。

什么是大宗商品交易?有哪些优势和风险?

大宗商品交易的优势和风险有哪些?

大宗商品交易的优势有很多,如流动性较高。与其他另类投资的资产类别相比,大宗商品期货合约以及投资大宗商品公司都有比较好的流动性。

增加多样性,减少风险。许多投资者将自己的投资组合局限在股票以及债券中,如此集中的配比,组合风险会比较高。大宗商品恰好能为投资者提供组合多样性,分散风险。

抗通胀。同房地产一样,商品属于实物资产。实物资产的一个共同点就是他们与通胀的相关性高,能有效对抗通货膨胀。因为大多数商品的价格会伴随通胀走高,所以商品资产成了对抗通胀的有效手段。 

当然,但是大宗商品也有劣势,长期来看,大宗商品的收益还是要比股票和债券要低。大宗商品的周期较长,波动较大。影响大宗商品价格的因素很多,因此它的价格波动也很大。

影响大宗商品价格的因素有哪些?

影响大宗商品价格的因素有很多,主要有供需、经济周期、季节与气候等。

对于工业品、农产品等各类大宗商品来说,供需是决定它们价格波动最核心的因素。理论上,当供过于求,商品价格就会走低;而当供不应求,商品价格就会走高。供应面一般涉及库存、产量、出口等数据,而需求面一般涉及消费、进口等。而除了关于短期的供需,大宗商品交易者还得关注供需周期的规律。

什么是大宗商品交易?有哪些优势和风险?

经济周期也是非常关键的因素,这涉及需求面的变动。一旦需求面削弱,那对大宗商品价格就是一大利空,反之则是利好。从交易面来理解,在不同的经济周期,大宗商品交易者会随着实际情况调整头寸,价格也会受到影响。在经济过热的时候,往往“商品为王”,而滞胀期,大宗商品交易会被投资者舍弃。

黄金,原油、农产品等各类大宗商品交易都有季节性规律。原油、农产品还很容易受到气候的影响,一般遇到飓风季油价就可能会上涨。

利率与美元汇率。在绝大部分时间里,美元汇率和大宗商品整体呈现反向相关的关系,尤其是黄金,因为大宗商品以美元计价。当然,这不是一个绝对的关系,美元也会和大宗商品同向上涨。 

政策与地缘。有关期货或者金融市场的政策调整可能会影响到大宗商品价格,这些政策调整包括宏观层面的大政策、交易所的规则修订、手续费等各种费用政策调整等等。此外,地缘局势也是很关键的因素,尤其对于黄金和原油。一般中东地区发生冲突,受避险驱动金价大概率上涨,而原油因为供应被干扰也可能会上涨。 

品种联动性。大宗商品的分类和品种很多样。而这些品种之间肯定存在某种关联性,甚至可能是“牵一发而动全身”的关系。比如在有色金属板块,铜、锌和铝的涨跌相关性就很强。

什么是大宗商品交易?有哪些优势和风险?

4E大宗交易,支持最高300倍杠杆多空交易

全球领先的金融资产交易平台4E支持黄金、白银、原油、天然气等多个大宗商品衍生品交易。4E平台提供10-300倍杠杆多空交易,投资者可以用较小的资本控制更大数量的合约,放大潜在盈利机会。平台稳定顺畅,透明报价,费用低,最低交易手数仅为0.01手,金额不到10美元,尤其适合新手,降低了起始门槛。

什么是大宗商品交易?有哪些优势和风险?

4E专注于为投资者提供简单便捷的交易体验,致力于为投资者提供更广阔的投资舞台。通过4E平台,您可以投资、交易更广泛的国际金融市场,涵盖加密资产、股票、指数、大宗商品、外汇等数百个热门品种。平台提供全网最低的交易费率、快速的交易执行、优秀的客户服务,助力您及时把握投资、交易的良机。无论您是什么类型资产爱好者,都能在这个平台上找到适合自己的投资产品,实现财富保值增值。

LayerZero开放空投查询:全员反撸,神秘地址NFT精准命中规则

原创 | Odaily星球日报

作者 | 南枳

LayerZero开放空投查询:全员反撸,神秘地址NFT精准命中规则

北京时间今日下午 1 点,折腾了一个半月女巫审查的 LayerZero 终于开放了(点击跳转)。

然而,多数地址只有几枚到数十枚的 ZRO,最少的甚至不到 0.1 。按照 Whales Market 和 Aevo 的盘前交易数据,ZRO 的价格约为 4 U,意味着多数地址空投代币仅为数十美元。对于中签率较低的用户,甚至可能不足以覆盖交互成本。

根据 Lookonchain 监测,某顶尖空投猎人也在 LayerZero 上栽了跟头,其地址本次空投中仅获得 354.92 枚 ZRO(约 1420 美元),此前其他的空投中获得不菲的收益: 104, 806 枚 ZK (2.9 万美元)、 10250 ARB ( 1.4 万美元)和 17, 007 枚 OP (2.4 万美元) 。

以上种种全都证明了,LayerZero 堪称本年度最大规模的“反撸”项目。

空投计算规则

LayerZero CEO Bryan Pellegrino 表示,最终只有 128 万个合格地址,女巫地址的最终名单将在明日公布。

对于最终空投计算规则,Bryan 给出了一定的解释,结合此前的《》,重点如下:

  • 空投数量按照 LayerZero 协议费用线性分配,不包括其他协议如 Stargate 等收取的费用;

  • LayerZero Core 分组的用户最低空投数量为 25 枚,最大为 5000 枚;

  • RFP 最低为 5 枚,最高为 10000 枚;

  • 所有早期交易获得三倍乘数,后期用户额外获得 10 枚 ZRO;

  • 价值为零的 NFT 交易降权 80% 。

除了以上基本规则之外,LayerZero 还加入了许多其他的计算因素,包括各种 NFT 和协议等,但 LayerZero 并未披露具体细则,导致社区出现了许多质疑的声音。

再现老鼠仓?

查询链接发布后不久,社区中开始流传一张查询结果图片,图片显示某用户凭借 Kanpai Pandas 这一 NFT 获得了 1 万枚 ZRO 空投,但社区传播内容中未披露具体地址。

经 Odaily 调查发现,Kanpai Pandas 是使用了 LayerZero 的 ONFT 跨链技术的 NFT 系列,最低等级的 Kanpai Pandas 可获得 63 枚 ZRO,而 INIFINITY 等级可获得 522 枚、ALIEN HOLDERS 等级可获得 437 枚。这一系列总量为 7976 枚,因此共计约百万枚的 ZRO 向这一 NFT 系列持有者空投,而非网传的 3000 万枚。

实际上,作为 LayerZero 的“亲儿子”NFT Pudgy Penguins,每个的空投量也在数十个到百个不等,与 Kanpai Pandas 处于同一量级。

LayerZero Labs 首席执行官 Bryan Pellegrino(臭企鹅)也证实,本次总计向Stargate 用户共获得了 1000 万枚代币空投,Pudgy Penguins 和 Pandas 持有者各获得了 100 万枚。“RFP 中的所有项目都按照自己的意愿将分配分配给自己的社区,详细信息会在之后公布。”

不过,Odaily星球日报在调查的过程中却发现了一些有意思的情况:

某地址(0x251f8294b1e5df92366ced179fb66b7745749b6b),该地址仅交易过两种 NFT,其中 Kanpai Pandas 使其获得了 5335 枚 ZRO。

而这个地址所购买的另一 NFT Mafia Nuts,被其转移给了地址 2 (0x89cff61026f6743b8d25ae9b253582083136b1c4),而地址 2 的 ZRO 空投额度为 15010 枚,其中 Kanpai Pandas 再次贡献了 9919 枚。

LayerZero开放空投查询:全员反撸,神秘地址NFT精准命中规则

作为明牌的 LayerZero 技术相关 NFT,大量持有这一 NFT 以及面向其空投并不能就此认定为老鼠仓,但对于仅有几枚空投的广大用户而言,还出现了此外的多个精准命中的神秘地址,确实容易引发猜疑和焦虑。

LayerZero 或成撸毛 EndGame

2023 年撸毛届三大天王 Starknet、ZKsync、LayerZero 终于在此结束。如今 ZKsync,LayerZero 引起社区强烈不满,此前因为 Gas 高昂、网络拥堵的被吐槽的 Starknet 成为了最后的“大毛”。后续的项目量级均不如此前项目,且只会愈发内卷,LayerZero 或将成为撸毛 EndGame。

INTO:重构Web3社交共识的“新物种”

当我们谈论Web3时,“去中心化”总是一个绕不开的关键词。但在社交领域,如何真正实现“去中心化”,如何让每个人都成为共识的参与者和受益者,一直是一个巨大的挑战。而 INTO,这个全球知名的Web3社交协议,正在用其独特的共识机制,给出一个令人耳目一新的解答。在 INTO 的世界里,共识不再是少数人的特权,而是每个人的权利;治理不再是自上而下的控制,而是自下而上的自治。INTO 正在用开放、兼容、共治的理念,重构Web3社交共识的版图,成为这个领域的一个“新物种”。

一、共识机制是Web3社交的核心命题

要理解共识机制的重要性,我们需要回到Web3的本质。从本质上说,Web3是一场社会关系的重构,是一场价值捕获方式的变革。它试图打破中心化平台对数据和价值的垄断,让每个参与者都能平等地创造和分享价值。而要实现这一目标,共识机制无疑是最关键的一环。

首先,从技术层面看,共识机制是Web3的基础设施。区块链、智能合约、代币经济等Web3核心技术,都是建立在共识机制之上的。正是因为有了共识机制,才使得去中心化网络中的节点能够就交易的有效性达成一致,进而实现数据的可信记录和价值的安全转移。可以说,没有共识机制,就没有Web3技术栈的安全性和可靠性。

其次,从治理层面看,共识机制是Web3的运行法则。在去中心化的Web3网络中,不存在一个中心化的权威来制定规则和做出决策。相反,一切都需要通过网络中的节点达成共识。这就要求Web3项目必须设计出一套公平、透明、高效的共识机制,让每个参与者都能参与治理,达成共识。可以说,共识机制决定了一个Web3项目的决策效率和执行力。

INTO:重构Web3社交共识的“新物种”

最后,从经济层面看,共识机制是Web3的激励之源。Web3的一大特点是代币经济,通过代币来激励参与者的贡献和协作。而代币的发行、分配、流通等经济规则,都需要通过共识机制来设计和实施。一个设计良好的共识机制,能够将个人利益与集体利益对齐,激发每个参与者的内生动力,推动生态的良性循环。反之,一个设计失当的共识机制,则可能引发“公地悲剧”,导致生态的崩溃。

特别是在社交领域,共识机制更是至关重要。这是因为,社交网络的价值本质上来自于用户的创造和互动。一个社交平台的繁荣与否,很大程度上取决于它能否调动用户的积极性,激发用户的创造力。而传统的中心化社交平台,由于其对数据和规则的垄断,往往难以给予用户足够的激励和话语权,导致创新动力不足,社区活力日渐衰退。

因此,要打造一个真正去中心化、可持续发展的Web3社交平台,必须从根本上重构社交网络的共识机制。让每一个参与者都成为共识的一部分,让每一个贡献都能得到合理的激励和回报。唯有如此,才能激活社交网络中每一个节点的能量,释放集体智慧的潜力,推动社交生态的不断进化。这就是为什么共识机制成为Web3社交的核心命题,成为每一个项目都必须面对和解决的关键课题。

二、INTO“开放、兼容、共治”的新共识

INTO 作为一个深谙Web3精神的社交平台,对共识机制的探索可谓走在了行业的前列。INTO 的共识机制,可以用“开放、兼容、共治”六个字来概括。这六个字,折射出 INTO 对Web3社交共识的全新理解和实践。

首先,开放是 INTO 共识机制的第一个关键词。INTO 深知,Web3的未来是一个开放的生态,而不是封闭的堡垒。因此,INTO 从一开始就采用了开放的架构设计和接口规范,允许任何人都可以基于 INTO 进行开发和创新。同时,INTO 也积极拥抱开源社区,与各个Web3项目展开合作,共同建设Web3生态。这种开放的姿态,不仅大大降低了参与门槛,也为 INTO 注入了源源不断的创新活力。

其次,兼容是 INTO 共识机制的第二个关键词。INTO 认识到,Web3社交的未来不应该是一个个孤立的平台,而应该是一个相互连接、价值互通的网络。因此,INTO 高度重视与其他Web3社交项目的兼容性,通过跨链技术和中继协议,实现身份、内容、代币在不同平台间的无缝流转。同时,INTO 还为第三方开发者提供了一套完善的 SDK 和 API,方便他们快速接入和扩展 INTO 生态。这种兼容性,让 INTO 成为了连接Web3社交世界的重要桥梁。

INTO:重构Web3社交共识的“新物种”

最后,共治是 INTO 共识机制的第三个关键词,也是其最核心的特征。INTO 正在积极打造一套精巧的 DAO 治理机制,让每一个 TOX 持有者都成为平台的共同治理者。在 INTO 的 DAO 中,任何人都可以发起提案,对平台的发展方向、规则变更、资源分配等重大事项进行表决。而这种表决不是简单的一人一票,而是与 TOX 的持有量和锁定时间挂钩的。换句话说,你对平台贡献越多,参与治理的话语权就越大。这种“权责对等”的设计,既激励了用户的长期参与和价值创造,也保证了治理过程的公平性和有效性。

通过这三个维度的创新实践,INTO 正在重塑Web3社交的共识机制。这种开放、兼容、共治的范式,不仅为 INTO 自身的发展提供了强劲动力,也为整个行业的探索指明了方向。它昭示着,只有充分激发每一个参与者的自治意识和创造潜力,才能真正实现社交网络的去中心化;只有不断扩大共识的边界和辐射半径,才能构建一个互联互通的Web3社交生态。

三、INTO 在技术、经济、治理的多维实践

INTO 的共识机制之所以如此引人瞩目,不仅在于其理念的先进性,更在于其实践的全面性。INTO 是如何将开放、兼容、共治的理念落到实处的呢?这背后,是技术、经济、治理三个维度的系统性实践。

在技术层面,INTO 搭建了一套基于区块链和智能合约的底层架构。通过使用 PoS 共识算法,INTO 在保证网络安全性和可扩展性的同时,也大幅降低了参与门槛和能耗成本。同时,INTO 还创新性地设计了一套基于零知识证明的隐私保护协议,在确保数据可信可验的前提下,最大限度地保护了用户的隐私。这些技术创新,为 INTO 的共识机制提供了坚实的基础设施保障。

在经济层面,INTO 通过精心设计的代币经济模型,将共识参与与经济利益巧妙结合。TOX 作为 INTO 生态的原生代币,不仅是价值转移的媒介,更是权益证明和治理参与的凭证。INTO 通过一系列激励措施,如社交赚取、社区治理等,鼓励用户持有和使用 TOX。而 TOX 的价值,又随着 INTO 生态的不断发展而水涨船高。这种正向循环,有效激发了每一个参与者贡献价值、分享价值的内在动力。

在治理层面,INTO 正在构建一个多层次、立体化的 DAO 治理结构。在代码层面,INTO 将关键治理规则和参数都硬编码到智能合约中,确保规则的透明和不可篡改。在组织层面,INTO 设计了一套由 TOX 持有者、开发者、节点运营者等多方利益相关者组成的治理委员会,负责日常的社区管理和决策执行。在生态层面,INTO 还通过跨链治理协议,与其他Web3社交项目建立了治理联盟,在更大范围内达成共识、实现协同。这种多维度的治理实践,让 INTO 的共识机制具有极强的适应性和生命力。

INTO 的共识机制实践,为我们打开了一扇通往Web3社交未来的窗口。从这扇窗口中,我们看到了一个全新的社交世界:在这里,每个人都是平等的节点,都有机会参与共识、创造价值;在这里,不同的社区可以无缝连接、价值互通,构建起一个共生的生态;在这里,社区自治不再是乌托邦,而是人人参与的现实图景。这样的世界,正是Web3所向往和追求的。

金色午报 | 6月19日午间重要动态一览

7:00-12:00关键词:特朗普、麦格理、香港、SEC 1.特朗普:加密策略将“为年轻人创造机会”; 2.麦格理对美联储首次降息时点预测提前到今年12月; 3.加密货币管理公司Tap Global将其业务扩展到美国; 4.香港或将在短期内推出加密货币“找换店”发牌制度; 5.Fox Business记者:美SEC尚未对Consensys提出指控; 6.消息人士:ZKsync承诺提供超2000万美元以使Lens在其上构建; 7.SEC结束对以太坊2.0的调查,不会指控以太坊销售属于证券交易。

专访毫末智行COO 侯军:自动驾驶,水深鱼才大

专访毫末智行COO 侯军:自动驾驶,水深鱼才大

站在当下,回看自动驾驶赛道的各个玩家们,活下去的要不就是“家里有矿”,要不就是场景、技术降维,渐进式发展。但活的好的有一个共性,就是顺应需求,让技术落于产业实处。

作者|斗斗

出品|产业家

“我们认为在量产车型方面,毫末肯定是领军者。” Frank说这句话时,没有丝毫犹豫,眼底尽是自信。

走进北京奥北科技园,穿过一排排独栋式的建筑,记者看到毫末智行的指示牌,跟着指示牌的引导,再走两步便看到了毫末智行的公司,以及摆在路边的末端物流自动配送 车——“小魔驼”。

专访毫末智行COO 侯军:自动驾驶,水深鱼才大

在这里,我们见到了毫末智行的COO 侯军,不过大家都喜欢叫他Frank。善谈、接地气,看起来像个典型的E人。

在他的口中,毫末智行被掰开、揉碎,更加具体且清晰的展现在眼前。

提起自动驾驶,“费钱”是大家对其异口同声的印象,与之对应的还有其大规模落地后的巨大蓝海与市场空间,在自动驾驶技术爆发的那几年,让无数资本和创业者前赴后继。不过,正如上文所言,费钱的同时迟迟无法业化,也让很多创业者半路夭折,资本也慢慢收紧口袋。

自动驾驶需要寻求两全之法,即获得资金的支持抑或是实现商业化落地,实现自我“造血”。至此,自动驾驶厂商们走上了不同的道路。

这些不同的道路之上,毫末智行的身影愈发明显。成为目前活下来且活得不错的自动驾驶厂商之一,那么它的解法又是什么?

一 、2019年,“一个预判”

2018~2019年,自动驾驶赛道第一次出现融资热。这期间,上海市发放了全国首批智能网联汽车开放道路测试号牌,标志着中国自动驾驶路测的正式开放。

以百度、阿里巴巴、腾讯为代表的科技公司加快了在自动驾驶领域的探索和布局。

此外,Waymo在美国亚利桑那州推出了首款商用自动驾驶出租车服务Waymo One,自动驾驶技术的商业化运营开始落地。

这一行业“标杆”的出现,成为了自动驾驶融资热的推手。 摩根士丹利曾基于其在自动驾驶技术中的“领先地位”以及其从自动乘车中获得大量新收入的潜力,发表了一份研究报告,报告中对Waymo的估值为1,750亿美元。

“当时中国最大的汽车厂的市值,估计也才不到 1000 亿人民币。” 在Frank的印象中,Waymo的Robotaxi成为一众自动驾驶路线厂商追捧的技术巅峰。

自动驾驶赛道的融资热潮,正式拉开帷幕。

相关数据显示,2018年在整体经济下行和资本寒冬的压力下,自动驾驶领域融资总额并未下降,反而有明显的上升,2018年自动驾驶零部件和方案供应商融资额从2017年的53.69亿元上升到162.31亿元。

对于Robotaxi路线的“一呼百应”,特斯拉一直是自动驾驶渐进式路线的拥趸者与领军者,毫末智行也有着同样的思考。“我们认为高速载人的辅助驾驶,会先大规模落地,它的另外一个名字是ADAS。”

这种思考,在2019年被迅速验证。

由于与国外不同,国内的道路交通场景及其复杂,Robotaxi的落地难度较大,何时能实现商业化,遥遥无期,投资者将钱投向了商用车等其他场景。

从融资数量来看,2019年国内自动驾驶细分领域融资数量最多的为商用车场景和ADAS,从融资金额来看,商用车场景的融资金额达5.3亿美元,仅次于芯片、计算机平台的融资规模。

专访毫末智行COO 侯军:自动驾驶,水深鱼才大

这种趋 势下,毫末立刻做出反应。“我们的目标是希望人工智能技术在自动驾驶领域大规模落地。”在Frank看来,毫末不仅仅追求的是科技绝对领先。

但客观来看,要实现人工智能技术在自动驾驶领域大规模落地,Robotaxi这条路径显然在这个长期主义难以推动的市场中,比起其他路线,更难活下去,更别提走到大规模落地的那一天。

确实如此,自动驾驶的商业化不可能一步到位,这并不现实。渐进式发展路径,才能确保技术的稳步推进和市场的有效对接。因此,毫末智行决定遵循从低速到高速、从载物到载人、从商用到民用的渐进式发展规律。

站在如今回头来看,这个决定是明智的。

2021年,以Waymo为代表的一步到位路线迟迟难以实现商业化,估值跌至300亿美元,这一数字相较于3年前,缩水超1400亿美元。而与之相对的渐进式路线则一路升温,逐渐得到了更多的聚光灯和认可度。

反观一直坚守Robotaxi路线的厂商,除了像百度这样的巨头,能活下去的少之又少。

“Robotaxi路线我们也在跟踪研究,但不是主攻方向。我们的目的一是数据闭环,二是商业闭环,三是现金和利润闭环,否则可能活不到Robataxi大规模落地的那一天。” Frank对产业家说。

二 、大规模落地的“黄金闭环”

那么,具体如何实现数据、商用和利润闭环?这成为毫末这些年来攻克的目标。

“可行、可靠、可商用 是毫末智行提出的自动驾驶技术发展的三个关键阶段。”在Frank看来,这一框架指导了毫末自动驾驶技术的研发和商业化路径。

毫末智行投入大量资源进行自动驾驶技术的基础研发,包括感知系统、决策算法和车辆控制技术。通过在受控环境中测试原型车,毫末智行也更验证了自动驾驶技术的基础功能和性能。

随着技术的发展,必须保证系统能够在更广泛的环境和条件下稳定运行,满足汽车行业的严格标准。系统的安全性、车规级的要求、全天候运行的能力以及全地形的适应性要求被提高。

毫末智行的做法是利用大量实车运行数据,不断优化和调整自动驾驶算法,提高系统的稳定性和安全性。且通过不断的技术迭代,提升自动驾驶系统对各种天气、路况和交通情况的适应能力。确保自动驾驶系统满足汽车行业的严格标准和法规要求。

在自动驾驶的商业化应用阶段,技术不仅要成熟可靠,更要在商业上可行,满足多样化场景需求,如高速载人、低速载物等,同时控制成本规模,符合政策法规要求。这一阶段,自动驾驶技术需获得市场认可,并在实际商业环境中创造价值。

毫末智行针对不同应用场景,如高速载人、低速载物,深入研究并开发了适应性强的自动驾驶解决方案。通过技术创新和规模化生产,降低了自动驾驶系统的成本,打造了高性价比产品,增强了市场竞争力。

在这一过程中,毫末智行通过在各种车型上部署自动驾驶系统,积累了大量实际行驶数据,涵盖传感器数据、车辆状态、驾驶行为等。这些数据被用于训练和优化机器学习模型,从而提升自动驾驶系统的性能和安全性。

毫末智行不断迭代其自动驾驶算法,以适应多变的驾驶条件和场景。通过模拟和实车测试,验证算法的有效性,并进行必要的调整。开发了适应不同应用场景的自动驾驶产品,如乘用车辅助驾驶系统和低速无人物流车。

这些产品在实际运营中产生的行驶数据,再次被收集并用于训练和优化机器学习模型,形成数据闭环。毫末智行构建了从研发到量产再到服务的完整商业闭环,确保了技术的持续发展和商业化应用。

目前,毫末在辅助驾驶方面已推出两代七款智能驾驶产品,可满足高、中、低价位不同车型的量产需求。

其中,第一代产品实现了在高速公路、快速路的行车跟泊车,基于高精地图使其特点,稳定性很好,但是成本略高;第二代产品去掉了高精地图后,成本更低,基本可以在千元级。HP170、HP370、HP570 三款千元级辅助驾驶产品,已陆续进入交付状态。

在商用车方面,毫末的L4级末端无人物流车从 2020 年开始大规模落地,现在已经生产了多代产品,已经和美团、阿里、物美、达达、极兔、通达系等都达成了战略性的合作。

值得注意的是,这个场景下的产品成本已经从2020年的 50~100万元/台,降至如今的低于10万元/台。

至此,Frank在文章开篇那句话中的“领军者”,变得愈发具像化。

三 、毫末智行,另走一条路

“俗话说三生万物,大模型、大数据、大算力就是‘三’,没有‘三’就没有万。恰恰这个‘三’,又不是掌握在一个企业和一批人手里面的,而在两个企业和多个企业。” Frank对产业家说。

众所周知,大数据、大算力、大模型是自动驾驶技术大规模落地的三要素。但主机厂和技术厂商作为自动驾驶赛道的两大阵营,都有其无法触达的领域。

毫末成立之初即走出了独特的毫末模式,与主机厂的绑定,形成数据闭环等,这是毫末选择的一条独特路线。

在很多人看来,自动驾驶赛道主机厂和技术厂商之间的关系,并不是单纯分合作关系,而是“竞合”关系。

因为比起自动驾驶技术厂商,传统的主机厂在自动驾驶技术方面如果自研成本太高,通常会选择与技术方合作;但技术厂商海量数据获取依赖车企,短期时间内可以拿到数据,但与多家车企合作时难免会出现合作不稳定性,数据可靠性、稳定性难以确保。但类特斯拉自研方向的新势力整车厂商,如蔚小理却可以。

这难免为自动驾驶技术厂商的在未来的竞争格局中,带来一些隐患。

“自动驾驶大规模的落地,不仅仅是技术本身,还有一个特别重要的环节——企业的机制。” 在Frank看来,这种现象来自企业文化、合作、利益分配机制的冲突。

传统企业工作模式和激励机制源于工业时代,强调计划性和明确性;而互联网时代则强调创新和数据驱动,倾向于边实践边调整。这两种理念在具体工作和战略规划中可能引发显著的冲突。

一个事实是,这一机制也在被验证。一众主机厂在经历了设立自动驾驶技术分公司、部门后,经历了裁员、裁撤部门,纷纷败下阵来。2022年~2023年期间,大量自动驾驶技术厂商的融资方中纷纷出现了主机厂的身影。

主机厂与自动驾驶厂商的联盟逐渐变成主流。

截至2024年6月,毫末搭载量产车已经超过20款,用户辅助驾驶行驶里程突破1.7亿公里。目前毫末已经实现了两条腿走路,一是融资带来的持续资金流,二是大规模落地下,实现自我“造血”的能力。

总结来看,毫末智行的技术落地之路,除了发展路径的预判、技术上的创新、以数据为驱动的商业化闭环,更有企业机制上的考量。

毫末智行的底层逻辑,也在推动其奔向以大模型、大算力、大数据为代表的自动驾驶3.0时代。

四 、AI时代,奔向自动驾驶3.0

大模型技术浪潮席卷而来,也推动着自动驾驶的迈向新的时代。

自动驾驶发展到今天,其实仍有许多难题未解决。

在传统的自动驾驶系统中,各个模块(如感知、定位、规划、控制)之间存在复杂的依赖关系,需要大量的工程努力来设计和优化各个模块。

简单说,如今的自动驾驶,基本是靠工程师一条条规则写出来的。所以,自动驾驶中的长尾问题,即那些罕见但关键的驾驶场景,系统难以及时给出正确决策。

大模型技术的爆发,带来了一些新的可能。

而端到端模型可以直接从数据中学习,简化了自动驾驶系统的开发流程,使得从传感器输入到决策输出的过程更加直接。且无需人工设计的特征,使得模型能够适应各种驾驶场景和条件,同时一体化的模型减少了各个模块的依赖关系。以此快速从大量数据中学习到这些罕见事件、行驶场景的处理方式,给出决策。

2023年,毫末发布了行业首个自动驾驶生成式大模型 DriveGPT (雪湖·海若),在数据的筛选挖掘、自动标注、生成仿真以及认知可解释性等方面实现了显著的突破和创新。

从这一点来看,未来随着大模型技术将进一步提升自动驾驶系统的智能化水平。通过不断学习和优化,DriveGPT等生成式大模型将能够更准确地识别和理解复杂的交通场景,从而做出更加精准和安全的决策。这将极大地提升自动驾驶系统的应对能力,使其能够更好地应对各种突发情况和复杂环境。

在技术的推动下,毫末正逐步从传统的模块化设计向更加智能化的方向发展,向着真正意义上的自动驾驶3.0时代迈进。

站在当下,回看自动驾驶赛道的各个玩家们,活下去的要不就是“家里有矿”,要不就是场景、技术降维,渐进式发展。但活的好的有一个共性,就是顺应需求,让技术落于产业实处。

“自动驾驶,水深鱼才大。当这个领域水少的时候,即使是翘楚,价值也难以显现。” Frank对产业家说。

据记者了解,毫末在2024年年初还获得了全球大Global主机厂的规模量产订单。毫末这条“大鱼”的价值,愈发清晰。

BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

原文作者:比推 BitpushNews Mary Liu

周二加密市场全线下撤,比特币短线跌破 65, 000 美元支撑位,多个主流山寨币跌幅达两位数。

比推数据显示,比特币当日开盘价为 66, 665 美元,然后开启下跌趋势,一度低至 64, 300 美元,午盘后从 64, 000 美元支撑位反弹,截至发稿时交易价格为 65, 056 美元, 24 小时跌幅 2.36% 。

山寨币市场惨遭抛售,过去 24 小时,市值排名前 200 位的山寨币中仅有六个实现上涨。

BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

Convex Finance(CVX) 和 aelf (ELF) 分别上涨 14.6% 和 14.1% , FTX Token 上涨 7% 。前 200 名代币中有 80 个代币出现两位数的跌幅,其中 Conflux (CFX)、Core(CORE) 和 cat in a dogs world (MEW) 跌幅最大,分别下跌 19.7% 、 19.4% 和 19.2% 。

Coinglass 的数据显示,过去 24 小时内,约有 3.72 亿美元的加密杠杆多头头寸被爆仓,空头爆仓额为 6180 万美元。

目前加密货币整体市值为 2.32 万亿美元,比特币的占有率为 54.5% 。

美股市场方面,英伟达超越微软,成为全球市值最高的上市公司。收盘时,标普指数和道琼斯指数分别上涨 0.25% 和 0.15% ,纳斯达克指数基本持平。分析师表示:「在高科技企业利润持续增长和经济扩张的推动下,即使没有降息,股价仍在上涨。」

现货溢价高,资金费率数月以来首次转为负值

Secure Digital Markets 分析师表示:「市场呈现出明显的现货溢价,表明市场参与者的投机活动减少。早些时候,BTC 订单簿显示买入量集中在 65, 000 美元左右,现已下降到大约 64, 000 美元的水平附近,比特币仍低于 50 日移动均线,对中期趋势构成压力。」

对于亏本抛售的用户,市场分析师 CrediBULL Crypto 呼吁大家保持耐心,他在推特上写道:「现货溢价强势回归,资金费率几个月来首次转为负值,而 BTC 仍然在 62, 000-63, 000 的‘最佳’多头区域上方徘徊。毫无疑问,BTC 正在 60, 000 以上形成底部,只是需要一点耐心。」

另一方面,投资者可以通过衡量顶级交易员的多空比来判断市场情绪。通过整合永续合约和季度期货合约的头寸,可以推断出交易员是倾向于看涨还是看跌立场。

 BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

Coinglass 数据显示,币安大户交易员的多空比从 6 月 13 日的 1.32 上升至 1.52 ,表明尽管比特币未能维持 68, 000 美元的支撑位,但对杠杆多头头寸的需求仍然强劲。在 OKX,该指标从 6 月 13 日的 1.65 上升至 1.78 ,表明巨鲸和做市商在比特币跌破 67, 000 美元时增加了净多头头寸。

希望的迹象

CryptoQuant 分析师在今日的一份报告中表示,交易员仍未增加比特币持有量,大户或「巨鲸」的需求增长仍然疲软,此外,稳定币流动性继续减速,增长速度为 2023 年 11 月以来的最低水平,「市场缺乏看涨势头」。

Because Bitcoin 创始人兼首席执行官 Max 指出,市场所看到的情况在之前的周期中已经发生过。

BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

他在推特上写道:「比特币和山寨币继续重复之前每个周期所做的事情,图中上面的曲线是 BTC,下面的曲线是 OTHERS.D(其他代币)。」

他分析称:「将 OTHERS.D 视为山寨币表现的衡量标准,如果它上涨,山寨币比 BTC 更值得持有。如果它下跌,那么 BTC 比山寨币更值得持有。」

Max 指出:「正如在红色阴影区域内看到的 – 随着 BTC 冲向其上一个周期的 ATH,我们通常会看到山寨币表现不佳,在前两个周期中,OTHERS.D 在此周期阶段均大幅下跌;就像现在发生的情况一样。从更长的时间框架来看,这里的市场结构看起来依然稳固。」

BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

市场分析师 Rekt Capital 表示,「当前价格走势与之前减半后的 60 天走势相当」,并强调比特币整个 6 月份一直处于「持续下行趋势」, 并表示突破这一下行趋势线「将引发价格逆转」。

BTC挣扎于65000美元附近,山寨币市场「腥风血雨」

资深交易员 Peter Brandt 指出,当前的比特币图表类似于 2008-2009 年和 2020-2024 年黄金表现的日线图分形,「倒转头肩形态」(Inverted Head and Shoulders)的出现预示着未来的积极走势。

230个大模型招投标大单,前三令人意外

文 | 数智前线,作者|周享玥,编辑|赵艳秋

230个大模型招投标大单,前三令人意外

2024年被认为是大模型的应用落地元年,大模型落地的进展一直备受瞩目,而大模型招投标信息被认为是其中的风向标。最近,数智前线通过中国政府采购网、中国招投标公共服务平台、天眼查、企查查、寻标宝等渠道,梳理了2024年1月1日至2024年6月15日之间大模型相关项目的中标情况,并从中看到今年围绕大模型所产生的整个大市场的一些特点。

超230个项目,呈现哪些特征?

2024年上半年,大模型相关的项目正在迎来大爆发。

据数智前线不完全统计,仅2024年前五个半月,国内大模型项目中标公告已发布超230个,远超2023年全年水平。

而在这超230个项目中,我们发现了如下一些特点和趋势:

第一,大模型中标项目逐月递增,相关需求也愈加多元化。

2024年前5个月,每个月的中标项目数都在创今年单月新高,从1月的15个,迅速膨胀至了5月的66个。而进入6月份,仅前半个月,公布的大模型相关中标项目数已经达到35个。可以预见,更多的大模型项目将在下半年奔涌而来。

230个大模型招投标大单,前三令人意外

从中标项目的采购需求来看则十分丰富,不仅有算力方面的,包括GPU芯片、训推服务器、云资源等,也有数据层面的,即大模型相关数据标注或者数据资源等,还有大模型层面的,如大模型以及相关支撑平台,应用层面的(大模型在明确场景中的融合落地),以及评测、咨询、培训等多元需求。

不过,从占比来看,大模型的算力支撑需求仍然占据主导位置,约占1/4。与各种场景化的应用相关的行业大模型、企业大模型,以及大模型赋能原有业务的项目,也占较大比重,且正在与日俱增。

第二,采购方区域分布广泛,央国企都已经卷了起来。在我们统计的项目中,地区分布十分广泛,北京、上海、深圳、杭州等城市是出单较多的地区,但在云南保山、广西南宁、河南焦作、新疆库尔勒市、西藏自治区日喀则市等地也都有大模型的相关项目。

而从招标单位的行业分布来看,运营商、金融、教育、能源、政务、汽车等诸多领域都涌现出了大量项目,大模型已经开始深入到各行各业。

与此同时,央国企的大模型项目正在剧增。在我们统计的十大主要大模型厂商的中标项目中,有超六成的项目都来自于央国企。

第三,大厂在拿单上具有先发优势,但整体市场仍然机会众多。

从中标方的情况来看,今年上半年,拿单最多的企业,仍然是主流大模型厂商。十大主流大模型厂商合计拿下的项目,约有84个,占了总项目数的超35%。其中,据不完全统计,中国电信、科大讯飞、智谱AI、百度云、中国移动分别拿下16、14、12、11、10个项目,位列前五。

十大主流大模型厂商之外,其余超六成的项目,则花落各地的方案商、集成商及工程商,且这些方案商各自中标的项目数普遍在1至3个不等。

第四,涌现出了多个亿元级算力大单,同时也有项目0元中标项目。

从234个大模型相关项目的中标金额看,大多数项目都在几十万元到几百万元不等。

但其中,也出现了多个大单,如亿元级别项目共3个,最大一单是一个金额高达4.35亿元的算力项目,由阿里云获得。另外两个亿元级别大单则皆由大模型厂商之外的第三方服务商获得。而这两家服务商,都是华为云的合作伙伴。

230个大模型招投标大单,前三令人意外

千元级别大单则达到了18个,如中国移动湘潭分公司中标的“人工智能钢铁大模型建设项目”,价值2411.6万元,北京东华合创科技有限公司中标的“基于大模型的城市大脑二期项目施工”,价值6103.5万元。

230个大模型招投标大单,前三令人意外

值得一提的是,这些上千万级别和上亿级别的项目中,有不少都是AI算力相关的项目。大单正在越来越多,甚至一些特别小的地方,也能公布好几个亿级的项目。

事实上,算力相关的项目或许还将在2024年下半年持续出现。目前不少地方都已提前预告了智算中心相关的项目。比如延安市AI大模型智算中心,总投资2.5亿元,预计将在2024年6月开工;海口综保区自贸港高端制造业算力集成创新中心项目,预计投资4.65亿元,将在2024年10月招标;襄阳市东津新区智算中心及大模型建设项目(一期),总投资4.9亿元,计划在2024年7月开工……

大单频出的同时,也不乏0元中标的项目。这一方面,有可能是企业为了争夺项目,而采取的价格战。另一方面,也有可能是招标的项目属于试验测试性质,客户还要看价值真正付费。

如“联通雄安产业互联网有限公司AI大模型场景和应用探索服务”项目,即由科大讯飞股份有限公司0元中标。不过这一项目主要是为了遴选合作伙伴,暂时还未涉及具体的项目落地问题。

又比如火山引擎中标的“ZYCGR22011904科研基础条件保障算力服务采购项目(第二次)”同样显示中标金额为0元。尽管在具体的中标信息说明中,中标价格又是以“折扣”形式呈现。

230个大模型招投标大单,前三令人意外

说完了整体情况,我们再来详细看看十大主流大模型厂商各自的中标情况。 中国电信:拿单最多的玩家

既在情理之中,又在意料之外,2024年上半年,中国电信是一众大模型厂商中拿单最多的玩家。中国电信作为央企,可以拿到不少一手的总集大单。据不完全统计,它至少中标了16个大模型相关的项目,且其中有9个都属于“本集团体系内的项目”。

而除了内部采购项目,中国电信也从外部拿下不少项目。其中,既有大模型落地和应用的项目,如常州市钟楼区人民检察院的大模型采购项目,也有不少算力方面的项目,如南航的算力中心建设项目。

230个大模型招投标大单,前三令人意外

这种项目分布也在一定程度上契合了中国电信在大模型上的布局。自2022年12月起,就已启动语义大模型的研发,并于2023年11月,正式发布首个千亿参数星辰语义大模型“TeleChat”,逐渐形成了“1+1+1+M+N”的大模型布局,包括1个智算云底座、1个通用大模型底座、1个数据底座、M个内部大模型、N个行业大模型。电信旗下的天翼云为了顺应大模型对云提出的新需求,也在加速向智算云全面升级。

此外,值得一提的是,在此次统计中,中国电信也作为一大招标大户,作为总集商,向外发布了不少大模型相关的招标项目。

230个大模型招投标大单,前三令人意外

科大讯飞:最近半年拿单凶猛

科大讯飞最近半年拿单颇为凶猛,年初至今,在各大平台放出的招投标信息中,至少中标14个大模型相关项目。尤其是进到6月份,仅半个月时间,科大讯飞就中标了5个项目。

科大讯飞同样是央国企们的重点选择对象。在14家招标企业中,至少有11家都来源于央国企,还有一家属于事业单位。

这很大程度得益于科大讯飞在国产化全栈能力的布局。去年10月,科大讯飞和华为共同推出了中国首个万卡的国产算力平台——“飞星一号”,并在3个多月后推出了讯飞星火V3.5,验证了“飞星一号”的可靠性。

与此同时,去年为探索央国企大模型之路,科大讯飞整合讯飞研究院、相关业务单元及部分前场力量,成立了公司的一级组织“星火军团”,加强开拓央国企市场。

此外,值得一提得是,科大讯飞此前在一些垂直行业市场上多年积累的行业沉淀和客户关系,也在助力其快速拿单。如司法、运营商等行业,都是科大讯飞投入颇久的赛道。

230个大模型招投标大单,前三令人意外

智谱AI:一匹黑马

2024年上半年,智谱AI无疑是一众主流大模型厂商中的一匹黑马。

虽然是一家刚成立不过几年的“年轻公司”,并不像其他老牌公司有多年的业务场景积累,但从年初至今,智谱AI已经中标至少12个大模型相关项目,涵盖金融、科研、能源、教育、汽车、运营商、地质等诸多行业,成为了中标项目最多、覆盖行业最广的人工智能企业之一。

尤其是从央国企项目中标情况来看,在12个中标项目中,有8个均来源于央国企,3个由事业单位招标。

230个大模型招投标大单,前三令人意外

为什么作为一家“年轻公司”的智谱AI,能拿到这么多项目?

一方面,早在去年3月14日,在GPT-4发布的同一天,智谱AI也发布基于千亿基座模型的对话模型ChatGLM,并开源中英双语对话模型ChatGLM-6B,成为了去年最早可商用的大模型之一,取得先发优势。

另一方面,今年年初,北京市人工智能产业投资基金对智谱AI投资,其成为该基金成立以来投资的第一家 AI 大模型公司。该基金是北京市政府投资引导基金联合社会资本组建,由此,智谱AI获得了不错的背书效应,也获得不少央国企的关注。

另外,更低的价格也是这家公司在一些项目中决胜的关键。比如在岚图汽车招标的大模型项目中,智谱AI报价348.81万元,比腾讯云1334.1万元的报价和科大讯飞758.96万元的报价低了好几倍。

230个大模型招投标大单,前三令人意外

值得一提的是,除了大模型和算力,与大模型相关的培训也在B端客户向智谱AI采购的产品和服务之列。比如价值约90万元的“中国移动宁夏公司2024-2025年AI+人才培训采购项目”。

230个大模型招投标大单,前三令人意外

百度云:服务过半数央国企

百度云是国内最早推出大语言模型的厂商之一,在大模型拿单方面,有着先发优势。今年上半年至今,百度已中标至少11个大模型相关项目,覆盖金融、运营商、汽车、水务、政务、能源、港口等多个行业,且其中,有两个均为千亿级大单。

自从今年年初,国资委召开中央企业人工智能专题推进会,央国企在大模型方面的动作正在加快。而百度、华为是当时唯二参加了这场推进会的人工智能企业,对其进入央国企市场比较有助益。

在不完全统计的11个项目中,有9个项目的招标人都来源于央国企。比如,中国铁塔、南方电网等,又比如太平金融服务有限公司,是中国太平保险集团旗下一级子公司。

而除了这些公开招标的项目,在5月28日的2024智能经济论坛上,百度智能云事业群总裁沈抖透露一个数据——国内98家央企里,一半以上使用了百度的大模型平台或者服务。

云厂商们此前在传统云计算时代的项目积累,也在一定程度上为其带来了向大模型升级的新订单。比如中国铁塔的“2024年数字虚拟客服助手采购项目”,就是为了保证服务的延续性,而以单一来源采购方式向其智能客服平台项目的原建设单位——百度云,进行了采购。

值得一提的是,百度云此前在传统云计算市场的站位,并不在前三。人工智能的确为其带来了扭转站位的机会。

230个大模型招投标大单,前三令人意外

中国移动:斩获颇丰

2024年上半年,中国移动在大模型领域,同样斩获颇丰,其至少中标了10个大模型相关项目,覆盖运营商、钢铁、软件和信息技术服务业、教育、政务等多个行业。

与电信类似,中国移动同样有不少项目属于“内部消化”项目,并同时兼有对外的算力和大模型落地相关的项目。

而在对大模型的布局上,也从算力、算法、数据等多个层面进行了全方位布局,既有大模型训练基地、大模型评测基地、大模型产业创新基地等三大人工智能基地,又有千亿参数多模态大模型、预训练行业数据,以及大模型应用“超级工厂”等。

230个大模型招投标大单,前三令人意外

腾讯云:两条腿走路

在一众投入基础大模型研发的厂商中,腾讯云一直算得上相对低调的存在。

一方面直到去年9月,腾讯才正式对外发布混元大模型,成为BATH中最晚向外推出自研大模型的基模厂商。另一方面与其他大模型企业的战略打法不太相同,腾讯云对于大模型的战略布局,呈现出了明显的“产品化”特征。

混元大模型上线后,腾讯就将重点之一放在了自身庞大的国民级产品矩阵上,将大模型直接赋能给旗下的各类SaaS产品后,典型如企业微信、腾讯会议、腾讯文档等,对外提供服务。

今年4月,腾讯还宣布,在“大模型全家桶”策略下,其内部目前已有超400个业务在接入腾讯混元。

而从最新的中标情况来看,腾讯云大模型项目正在加速增长。据不完全统计,2024年上半年,腾讯云至少中标了6个大模型相关的项目订单。其中,既有算力方面的大单,也有汽车、媒资、医疗大模型落地与应用方面的项目。

此外,除了以“大模型”为主要需求点单独招标的项目,腾讯云也和武汉天喻教育科技有限公司一起作为联合体,拿下了“宝安区教育数字化转型一中心两平台建设项目”,在这一个完整的数字化项目中,采购方开始在某些细分应用上,要求服务商结合大模型的能力,进行定制化开发。

230个大模型招投标大单,前三令人意外

腾讯云所中标的大模型项目得行业分布也较为广泛,涵盖了汽车、科研、医疗、传媒、教育等多个行业。这或许得益于其在云业务时代的积累的行业优势。 华为云:亿元大单来自算力

与传统云计算市场的情况类似,在大模型时代,虽然华为云绝大多数项目依然是通过合作伙伴参与招投标,因此很难从公开信息对其中标情况进行全面统计,但在一些NA项目上,也常常会有其亲自下场夺标,以此来打造标杆的情况。华为云是第一个明确下场做行业大模型的厂商。今年上半年,华为系公司至少中标了4个大模型相关项目,覆盖能源、气象、教育和金融多个行业。

230个大模型招投标大单,前三令人意外

其中,有不少都是此前就与华为云进行大模型战略签约的客户。如深圳气象局。

除了中标信息外,华为云今年还有不少类似的落地发布。比如今年1月,与鄂尔多斯市创新投资集团,联合发布了基于工业AI大模型的工业互联网平台。4月28日,又与湖南钢铁集团、湖南移动发布了三方联合开发的钢铁行业盘古大模型……

大模型之外,作为目前国产化算力市场最头部的玩家,算力也是不少客户重点向华为云采购的内容。比如华为云就中标了知网与大模型落地相关的云算力服务采购项目。

值得一提的是,除了自己拿标,华为云今年上半年也通过合作伙伴拿下了不少大单。比如贵州云上鲲鹏科技有限公司中标的大模型建设工程,金额高达1.77亿元,提供的产品品牌正是华为盘古。华为的另一家合作伙伴云鼎科技,也中标了金额达1.5亿元的大模型项目,其中的大模型算力硬件等大概率也是由华为提供。

230个大模型招投标大单,前三令人意外

商汤科技:除了大模型,也赚算力的钱

和百度云、智谱AI等厂商一样,商汤科技也是国内最早一波推出大模型的厂商,在去年4月,商汤宣布推出了“日日新大模型”,有一定先发优势。而在今年上半年,商汤中标了至少4个大模型相关的项目。

其中一个就来自海通证券的“2024年证券垂直领域大模型项目”,需要定制开发证券行业大语言模型和海通私域检索问答应用,价值137.8万元。而除了和海通证券有大模型方面的合作之外,据悉,商汤的日日新大模型还与WPS Office、阅文等企业都有合作。

靠大模型赚钱的同时,商汤也在赚算力的钱。可以看到,上半年,商汤有3个中标项目均为与其他厂商共同合作拿下的算力方面的大单。如与科大讯飞、百度云一起合作的“招商局集团基础大模型MaaS公有云服务集中采购项目(二次采购)”,与中国电信、京东科技合作的“NLP预训练大模型公有云资源采购项目(二期)——H800GPU公有云资源采购标段”项目。

230个大模型招投标大单,前三令人意外

这得益于商汤此前在基础设施建设上的布局。虽然并非云计算公司,但自2018年起,其每年都会以数十亿元投入SenseCore大装置,并于2022年1月在上海临港建成了亚洲最大的智算中心(AIDC),正式投入使用。

这些投入,也正在大模型时代加速为其带来真金白银的回报。2023年,商汤“日日新”大模型+大装置驱动生成式AI业务爆发式增长200%,收入已达12亿元,占总营收的比重达到35%,成为了商汤成立十年以来,以最快速度从无到有、突破10亿收入大关的新业务。

除了大语言模型,在业界普遍关注的多模态方面,目前商汤在投入,业界认为,视觉技术瓶颈还需要时间。 阿里云:中标4.35亿元超级大单

围绕大模型,从招投标平台的不完全统计看,阿里云最近半年拿单不算太多,仅中标四个项目,其中三个项目的采购人均为ZYCGR22011904。但它绝对是一众厂商中最大的“隐形赢家”,仅卖算力,就拿下了一个762.8万元的百万级订单,以及一个4.35亿元的超级大单。

230个大模型招投标大单,前三令人意外

在一众主流大模型厂商中,阿里云的打法比较特殊。今年5月,阿里云在北京召开的AI峰会上,阿里云首席技术官周靖人曾表示,开源是阿里云的战略,但与此同时,阿里云形成的是一个开源和闭源的整体体系。

虽然截至目前的中标项目统计中,仅出现了一个阿里云的大模型直接落地的应用项目,即“华润数字科技有限公司2024-2026华润集团大模型服务框架采购”项目,但一些服务商和用户已将阿里云的开源大模型,落地部署到实际业务场景中。通义开源模型下载量已超过700万。

当然,如果客户采用开源模型,阿里云不能在模型上获得金钱上的收益,但这确实是一个导流渠道,当一些客户不再满足于开源模型,或许会在寻求更高水平的闭源模型时,选择阿里云。另外,当用户用到公有云上的开源大模型时,也让阿里云从算力上赚到的钱。阿里云此前公布的数据显示,截至今年5月,其大模型API日调用量已经过亿;除了日常2C应用外,也服务了9万家企业客户。

与此同时,阿里云面向大模型落地过程中的快速定制问题而推出的百炼大模型平台,则从工具和服务角度,完成了另外一个商业闭环。 火山引擎:率先打响价格战

在一众大模型厂商中,火山引擎入场B端大模型市场最晚,一直到今年5月15日,才宣布字节自研大模型“豆包”将通过火山引擎正式对企业市场提供服务。

其中标的大模型相关项目,也相对零星。今年上半年,不完全统计,火山引擎仅中标三个大模型相关项目。其中两个项目,均与算力有关”。

不过,随着大模型服务的推出,并率先打响价格战,与大模型落地应用相关的项目正在被其收入囊中。今年6月,“北京银行大模型智能应用项目_智能会议平台项目”公布中标人选,火山引擎以85万元报价中标。

230个大模型招投标大单,前三令人意外

这与它在传统云计算时代的打法如出一辙。作为“后来者”,要想从“前辈们”手中抢肉吃,价格上就必须更舍得。

当然,比起在传统云计算市场的艰难突围,在大模型时代,火山引擎“实现翻身”的潜力或许会更大些。它背靠字节跳动,有钱袋子,有人才,有抖音、直播电商等天然场景,又有海外机构,具备在AI技术上持续跟进国际先进水平的能力。

结语

被业界公认为“大模型行业落地元年”的2024年,即将过半,我们看到,大模型的竞争进入白热化,战况每天都在变化,随着各家大模型的水平不断接近,以及价格战的掀起,拿到项目最多的企业几乎每月都在变化之中,战场上的玩家们要面临的考验,也会越来越多。

未来几个月战况会如何发展,我们将持续关注。

与以太坊、Solana 相比 TON 的 DEX 还需要什么?

作者:Wyz_Research

交易是 Crypto 世界的绝对核心,但在不同从业者的眼中,交易完成的渠道却有着很大不同。

在中心化交易所,几乎承载着整个行业的交易流动性,平台在中心化模式下撮合效率高、交易深度好、成交速度快。

但对于公链的原生世界来说,基于智能合约的去中心化交易所才是整条链上交易的核心,也是链上业务的流动性核心,去中心化交易所的代币上市、交易规则都和公链一样保持着无需许可的交易特点,与中心化交易所形成了鲜明的“门槛”差异。

如果单看每一条公链,都会存在一个核心的去中心化交易所,盘活整条链的业务和生态,甚至我们在以太坊、Solana 上看到了围绕 DEX 构建出的“代币业务全链条”。

在这一轮周期中,TON 公链声名鹊起,但 TON 的生态建设仍然非常早期,TON 公链上的 DEX 应用更是整体表现“少且功能单一”,相较于成熟的以太坊、Solana,TON 上的 DEX 应用还需要如何发展?

以太坊、Solana 上成熟的 DEX

毫无疑问,目前 DEX 发展最成熟的是以太坊和 Solana。

以太坊的 DEX 得益于以太坊 Defi 发展许久,而 Solana 的 DEX 发展得益于链的性能和生态热度,其 DEX 交易额一度达到了与 CEX 分庭抗礼的态势。

接下来我们分别来看两条链上的 DEX 发展。

以太坊最早期的 DEX 是 Uniswap,其首创了 AMM 模式,通过等比例投入的代币池作为交易对两种代币的流动性供应,在 Uniswap 应用的迭代中,V1 是最简易的 AMM 版本,V2 对交易撮合和 LP 等功能进行了优化,在 V3 中,则加入了可在固定价格区间提供流动性的功能,开始对专业流动性供应者提供友好的支持,也是目前运行的版本。此外,还在实现具有限价订单等功能的 V4。

从迭代版本的变化中,Uniswap 在保证用户交易顺滑的基础上,为提供流动性的 LP 不断升级提供更成熟的资产管理功能。这代表了 DEX 的优化方向。

除了 swap 和 AMM 的 LP 外,Uniswap 在 DEX 的业务上还完成很好的成绩。

首先是 MEV,AMM 池在用户交易的过程中价格随着池中代币比例随时变化,此时 MEV 会因为 AMM 池交易撮合过程中会产生套利空间而存在,代币交易价格也会对外影响链上其他应用对价格的读取。

因此,Uniswap 还在 MEV 和 Oracle 上具有天然优势。

在 MEV 上,Uniswap 保持着一定的 MEV 抗性,谨防因 MEV 带来的三明治攻击以及无常损失外更高的交易滑点。

在 Oracle 上,DEX 几乎是最快的交易对价格源和最全的交易对数据源,这使得很多 DeFi 协议并没有选择 Chainlink 等以太坊链外预言机方案而是选择基于 Uniswap 的 DEX 预言机直接报价方案。这让 DEX 可以将“预言机”能力作为输出能力之一组成其他 DeFi 的数据模块(如借贷协议和衍生品交易市场)。

Uniswap 代表了 DEX,但 DEX 业务上需要的精细化功能,是由其他 DEX 补充的。以太坊上还有很多类型的 DEX,例如 Balancer、Curve、Sushiswap 这些发展多年的 DEX 以及 1inch、MetaMaskswap、Matcha 等聚合器类 DEX。

其中,Balancer 的出现,开始让 DEX 成为链上应用的流动性中心变得更精细化。首先 Balancer 提出了对流动性供应的管理:具备不同权重、多种代币的流动性池,其大胆的将 Uniswap 的等比例流动性池向自定义比例和多种代币进行了改变,这有利于项目进行流动性供应和市值管理。再者,Balancer 还把 Launchpad 的抢购规则改为了更有利于用户获得合理代币价格的 LBP 规则,改变了 AMM 池抢跑科学家对交易价格的影响;

Curve 的存在则主要为我们呈现了链上稳定币交易的市场,其主要为各类稳定币和 pToken 提供交易流动性,稳定币和 pToken 实则是 DeFi 交易过程的中转物,是公链链上交易和业务实现的必须品,在代币的经济机制中,有些还承担了缓冲的作用。

再看 Balancer、Curve、Sushiswap、DODO 等 DEX 除了交易兑换外,另一重要业务就是为 LP 和 pToken 等多种️代币提供了质押池,以完成资产的复利。这些 DEX 不仅仅是集聚了 AMM 的 LP 流动性,还是 Defi 等应用的供应链角色。

综上,我们可以非常清晰的看到,以太坊上,基于 DEX 发展出的成熟链条,但以太坊上交易确认速度慢,当交易确认足够快的时候,或者链上数据反馈足够快的时候,对应的业务可能会换成另外一种发展形式。例如 Solana。

Solana 上的 DEX,与以太坊最大的不同是,体验和 CEX 几乎相同,并且,如果交易确认足够快,DEX 和聚合器发挥的作用是一致的,这时候 DEX 最在意的从“都在我的平台”转变为更在乎“交易对和对应的 LP 池在哪里。”

所以对 LP 的支持就会更加精细化。

自 Uniwap V3 开始提出了固定价格区间的 LP 之后,所有后续有创新的 DEX 都在 LP 的基础上加入了对价格的管理。

在 Solana 上,设计最为精细的 DEX 是 Jupiter,流动性池功能设置最精细是 Meteora,两者相比较,Meteora 主要的功能就是提供相应交易对的流动性,其对 LP 提供的精细设置,除了价格区间,还包括代币波动曲线、比例等;Jupiter 除了 LP 功能的丰富之外,还主打代币发行,会为用户的需求设计,例如用户可以使用美元成本平均法(DCA)来进行批量多次的代币买入。

除了 DEX 之外,Solana 链上的所有钱包,几乎都有链上交易对的交易聚合功能,在交易确认速度极快的情况下,用户已经不需要再进入 DEX 去完成 swap 操作。

这体现了高速区块链的 DEX 应用的设计特点:在设计功能时,要留下模块化的开口,功能可以插拔式组合,让所有用户的入口可以快速集成 DEX 交易模块,以让用户需要 swap 时,使用自己 DEX 上的流动性。

TON 的 DEX 现状

以太坊和 Solana 的 DEX 已经在周期中如此成熟,那 TON 现在情况如何?相差多少,又差在了哪里?

TON 的性能和承压能力,是当下所有公链中,唯一能与 Solana 并肩的,但 TON 的生态是 Web2 模式和 Web3 模式的组合型生态,这种组合在技术上会在使用中淡化 Web3,在技术上深入 Web3。

TON 生态中的 DEX,这个特征很明显。

例如 Telegram 内置了中心化的交易池完成稳定币和 TON 的充值,继而完成 TON 和其他代币的兑换,从功能上看,已经是简化版本,操作体验上和 CEX 的闪兑几乎一致。

这个功能是 Telegram 的 Wallet 的第一功能,第二功能是通过与 TON 公链钱包 TON Space 完成与链上的交互,体验基本与在 PC 端、移动端使用 MetaMask 一致。如果需要兑换代币,生态内 STON、Dedust 较为常用,但功能基本和 Uniswap V1 相似。

显然,这体现出了 TON 在 DEX 方面的不足,如果说 Telegram Wallet 的承担了 CEX 体验,TON Space 和 DEX 可以在 PC 端和移动端交互,最后,Telegram 的 Mini App 和 Bot 也会是 DEX 或者 CEX 功能的交易前端。这几项设计满足了在交易体验上的优化,但后端链上原生交互的部分,明显是较为落后的。

目前,看到的所有 DEX,例如 STON、Dedust 等都只提供类似 Uniswap V1 的交易功能,在我们对 Soalna DEX 生态的分析中看到的是,对于高速区块链的 DEX,重要的是提供交易的流动性,或将交易功能模块化,让流动性的优势成为用户选择的原因。

而在 TON 上的交易,其前端入口一定大量存在于 Telegram 内,DEX 还是要像 Jupiter、Balancer 等一样,增加业务的精细化程度,做到所有用户的平衡,无论是用户、还是代币提供者、还是流动性提供者,或者平台开发者,每个角色都需要一定的精细化功能加以配合。

TON 上有什么项目在完善 DEX?

相较于 Uniswap、Balancer、Jupiter 等 DEX,TON 还未出现(或还未上线)完全可以的补足所有功能的项目,但经过对全生态中公开的项目设计思路进行查阅后,笔者发现,即将要推出的 DEX 链上交易中间件 LayerPixel 有希望完成 TON DEX 功能补充。

LayerPixel 由 TON 公链的 launchpad TonUP 参与孵化,是一套为 Telegram Mini App 设计的 DeFi 解决方案,官方称其为 Layer 1.5。可以提供包括钱包、DEX(多种交易算法)服务,除了直接面向 C 端推出 PixelSwap,同时还为其他应用提供基于 Telegram Mini App 的嵌入式 SDK 套件用于开发 swap 功能。

TON 需要的,是在资产相关的全链路场景下存在对应的角色。这个全链路包含资产发行、资产交易、交易流动性供应、预言机、资产池、钱包等等。

IDO 的功能在于发行,在以太坊上有普通抢购式 IDO 和 LBP 式竞价 IDO,抢购时,极易推高 gas 和代币价格,很容易造成开盘后价格虚高随后暴跌,所以 LBP 的采用,从机制上,让交易者减少争抢,价格符合预期后再考虑买入。在 LayerPixel 提供的场景链路里,TonUP 可以提供 IDO 发行,其为 TON 的 Launchpad 的发行中加入了 LBP 规则。

IDO 后,代币开始提供流动性和组合交易,此时需要 DEX 介入。

LayerPixel 的 Pixelswap 是基于权重池的 DEX,与 Balancer 功能一致,支持 LBP 的资产发行方式,并且,这一类荷兰式拍卖的发行方式适合 FDV 不高的中小型项目使用,Telegram 生态内最多的便是这类游戏 /GameFi 项目。

越精细的设计,是让 DEX LP 更像中心化交易所中成熟的 LP,可以主动保证资金的收益率并且隔离风险。

在 DEX 上代币交易开始后,接下来将是 Oracle、Pool 和钱包业务。

Oracle 是将 AMM 中实时价格向外部的 DeFi、DEX、聚合器、借贷、资产桥等等提供价格源的过程,基于丰富的 AMM,天然具备这一能力;Pool 则是用户可以将其他的多资产进行复利质押的工具,链上 DeFi 多的情况下,会出现多种 pToken,例如很多以太坊 DEX 会为 Lido 的 stETH 提供兑换和质押;最后,钱包则是在所有的交易平台之外,在高速区块链的支持下,提供一个用户操作的入口,通过交易聚合,Launchpad 组合等部分,可以将功能都设计在钱包内,与其他应用组合使用。

以上,IDO、代币交易、钱包、预言机、Pool 等多个部分,LayerPixel 都设计在了其业务链中,在和其团队联系沟通后发现,其目标是补足 TON 上 DEX 的设计不足,并希望通基于 LayerPixel 的多个功能成为 TON 的 DeFi 中间件。

目前还获取到的消息是,LayerPixel 的代码部分已开发完毕并提交审计公司审计。出于安全考虑,审计是由两个审计公司交叉审计,将在审计结果完成之后正式上线主网。

写在最后

观察 TON 的应用之后,会发现 TON 很依赖 Web2,这样的设计是为了让 Telegram 的用户降低门槛,但基于多条高速公链发展的经验看,Telegram 的官方钱包未来可能更多的是作为钱包验证工具,辅助用户进行更多直接的链上原生交易,以保证资产的安全和 Web3 交互的正确性。

对于公链来说,DEX 是链上活力释放的场所,每个 DEX 的目标,都是成为成熟的金融交易平台,让使用的用户拥有精准、成熟的资产管理能力。

TON 一直在 ATH,生态价值也在不断增长,在 TON 发展如日中天的时候,项目价值的数据表现,会集中在 DEX 的交易对上,正因如此,DEX 的发展越成熟,投资者抓住机会的几率才会成倍的增加。

解读以太坊的下一次重大升级:Pectra

撰文:William M. Peaster,Bankless

编译:邓通,金色财经

以太坊一直在向前迈进。

2024 年 3 月,该网络推出了 Dencun 升级。Dencun 是「Deneb」和「Cancun」融合,旨在大幅削减 L2 交易成本。

接下来会发生什么?Pectra 是以太坊的下一个重大升级,它将比 Dencun 更重要。

Pectra 计划于 2024 年第四季度或 2025 年第一季度推出,它结合了两个之前计划的升级:Prague(用于执行层)和 Electra(用于共识层)。通过合并,Pectra 旨在为以太坊带来多项雄心勃勃的改进,使其比以往任何时候都更加灵活和优化。 Pectra 包含什么?

Pectra 不仅仅是一个小小的升级,它充满了更新。

以太坊改进提案 (EIP) 是对以太坊的拟议修改。它们确保网络变更得到透明的讨论和同意,并让社区和核心开发人员参与其中。

对于 Pectra 升级,目前计划纳入 9 个标准 EIP 和一个由另外 11 个组成 EIP 组成的元 EIP。

解读以太坊的下一次重大升级:Pectra

这些 EIP 包括对账户抽象、验证器操作和整体网络性能的增强。其中一些最值得注意的新增功能如下。 EIP-2537 — 引入了 BLS12-381 曲线操作的预编译,使 BLS 签名操作更快、更便宜,从而提高了以太坊验证者的可访问性和性能,并降低了 gas 成本。 EIP-2935 — 实现将先前块的哈希值保存在特殊存储槽中,以提高在无状态执行之前验证以太坊数据的效率和可靠性。 EIP-7002 — 允许验证者通过其执行层提款凭证触发退出和部分提款,从而为再质押和质押池提供更灵活的选择。 EIP-7251 — 将以太坊验证者的最大有效余额从 32 ETH 增加到 2048 ETH,减少所需的验证者总数并简化网络的计算负载。 EIP-7594 — 引入对等数据可用性采样 (PeerDAS),以进一步优化 L2,增强交易处理和可扩展性。 EIP-7702 — 添加一种新的交易类型,可在一次交易期间设置 EOA(外部拥有账户)的代码,使普通钱包可以暂时转换为智能合约钱包,以改善用户体验。 EIP-7692 — 由 11 个组成 EIP 组成的元 EIP,旨在增强 EVM 对象格式 (EOF),以提高合约部署和执行效率。 全新改进的以太坊

后 Pectra 时代,以太坊将满足更广泛的用例和用户需求。

常规以太坊账户将更具可编程性,L2 将更实惠,智能合约将更高效,验证器将更灵活地管理!

借助这些增强功能,以太坊将能够更好地应对日益增长的采用,与其他网络集成,并引入新功能,使平台始终处于链上创新的最前沿。 Pectra 之后会发生什么?

解读以太坊的下一次重大升级:Pectra

虽然目前一切都还没有定论,但以太坊社区正在关注在 Pectra 之后的 Osaka 升级中实现 Verkle 树。

「我真的很期待 Verkle 树,」Vitalik 今年早些时候表示。「它们将启用无状态验证器客户端,这可以让质押节点在几乎为零的硬盘空间下运行并几乎立即同步——更好的单独质押用户体验。」

话虽如此,以太坊的下一次升级都将显著提高该链对用户和开发人员的可用性。以太坊不可能在一天之内建成,但在构建以太坊正在实现的面向未来的一切网络方面,稳扎稳打才是王道。

FHE:守护数据隐私

FHE:守护数据隐私缩略图

来源:IOBC Capital

在数字化时代,数据隐私的保护比以往任何时候都显得更加重要。随着大数据、云计算和物联网技术的飞速发展,个人信息的收集、存储和分析变得日益普遍。然而,这也带来了数据泄露和滥用的风险。

FHE即全同态加密(Fully Homomorphic Encryption),它允许在加密数据上直接进行计算,并且得到的计算结果与在原始数据上进行相同计算的结果一致。这意味着我们可以在不暴露原始数据的情况下,对数据进行处理和分析,它为保护数据隐私和完整性提供了一种新的解决方案。

FHE的理论基础可以追溯到1978年,Rivest等人提出了首个同态加密问题,直到2009年,Gentry在其博士论文中首次构造出可实现的全同态加密方案,FHE研究才真正开始蓬勃发展。早期的FHE方案计算效率极低,无法满足实际应用需求,随着研究人员不断提出优化方案,显著改善了FHE的性能,FHE的研究正朝着提高效率、降低计算复杂度和拓展应用场景的方向发展。

FHE的技术实现路径

基于理想格的FHE方案

这是目前公认最实用和高效的FHE构造方式,主要思路是利用环运算的代数结构,通过模运算和分解环的理想因子来完成加密和解密操作。代表性方案有BGV、BFV和CKKS等,这类方案的优点是运算效率较高,缺点是需要更大的密钥和密文空间。

基于矩阵的FHE方案

该方案将明文信息编码到矩阵中,通过矩阵运算实现同态性。代表方案有GSW和HiNC等,其特点是安全性很高,但效率较低。

基于NTRU的FHE方案

NTRU(Number Theory Research Unit)具有良好代数结构和循环对称性,可以构建高效的FHE方案,如YASHE和NTRU-FHE等,这类方案的优点是密钥和密文大小较小,适合资源受限环境。

基于学习含噪声算术电路(LWE/LWR)的FHE方案

利用在LWE/LWR难题基础上构造的加密方案,例如FHEW和TFHE等,这类方案更注重理论创新,可实现非常强的安全性,但实用性有限。

FHE vs. ZKP

FHE和ZKP都是加密技术,但它们几乎是互补的。

ZKP允许证明者向验证者证明一个信息是正确的,而无需透露具体细节,验证者无需重新执行计算,即可验证信息的正确性及计算完整性。虽然ZKP可以在不泄露信息的情况下证明正确性,但其输入通常为明文形式,这可能会导致隐私泄露。

FHE的引入可以解决这个问题,FHE能够在加密数据上执行任意计算,而无需解密,从而保护数据隐私。但FHE存在的问题是,无法确保计算的正确性和可靠性,这正是ZKP所解决的问题。

通过FHE+ZKP的技术组合,一方面FHE保护了输入数据和计算过程的隐私性,另一方面ZKP为FHE计算提供了正确性、合法性和可审计性的加密证明,最终实现真正安全可信的隐私计算,这对于敏感数据处理、多方合作计算等隐私保护应用场景都是非常有价值的。

ZAMA:FHE领航者

Zama是一家开源密码学公司,为区块链和AI构建最先进的FHE解决方案。主要拥有四种开源方案:

TFHE-rs 是一个 Rust 实现的 Torus 上的全同态加密,用于在加密数据上执行布尔和整数运算。TFHE-rs 库实现了 Zama 变体的 TFHE,它实现了所有所需的同态操作,如通过可编程自举(Programmable Bootstrapping)进行加法和函数评估。

Concrete 是一个开源的FHE框架,包含了一个 TFHE编译器作为框架的一部分,该编译器将常规编程代码转换为计算机可以使用 FHE 执行的可操作指令,使开发人员可以轻松编写 FHE 程序。对 FHE 加密数据进行计算可能会引入大量噪声,从而导致错误,Concrete 的默认错误概率非常低,开发人员可以灵活地修改此错误概率的参数。

Concrete ML 是基于Concrete构建的隐私保护机器学习(PPML)开源工具,开发者可以无需密码学知识,即可将FHE集成到机器学习模型中。

fhEVM 将FHE引入EVM生态,使开发人员可在链上执行加密的智能合约,保护链上数据隐私的前提下使智能合约仍然拥有可组合性。fhEVM在整合TFHE-rs的同时,引入新的TFHE Solidity库,允许开发人员使用Solidity对加密数据进行计算。

Fhenix:首个FHE-Rollup

Fhenix是第一个基于FHE的Layer2 Rollup,基于Zama的TFHE-rs构建了自己的加密计算库——fheOS,它包含常见加密操作码的预编译,使智能合约能够在链上使用FHE原语。fheOS 还负责 rollup 与 Threshold 服务网络 (TSN) 之间的通信和身份验证,以进行解密和重新加密请求,同时证明解密请求是合法的。fheOS 库旨在作为扩展注入到任何现有的 EVM 版本中,与 EVM 完全兼容。

Fhenix的共识机制采用了Arbitrum 的 Nitro 证明器。之所以选择欺诈的证明方式,是因为FHE和zkSNARK的底层结构不一样,采用ZKP的方式验证FHE计算量非常大,在当前技术阶段几乎不可能做到。

Fhenix还于近期与EigenLayer合作开发了FHE coprocessors,把FHE计算引入其他公链、L2、L3等。由于Fhenix采用欺诈证明,存在7天挑战期,EigenLayer的服务能够帮助协处理器实现快速交易确认,显著提升性能。

FHE:守护数据隐私

Inco Network: Confidentiality as a Service

Inco是一个模块化的可信计算Layer1,可作为Web3的通用隐私层。支持fhEVM,使开发人员能够使用Solidity语言及以太坊生态中的开发工具快速构建隐私Dapp。同时,Inco通过桥接及IBC协议,将CaaS服务提供给缺乏原生加密的EVM和Cosmos链。CaaS服务主要包含三个功能:

链上加密状态:直接将加密数据存储在链上,而无需链下存储;

可组合加密状态:完全在链上对加密数据执行状态转换,无需解密;

链上随机性:为应用程序在链上生成随机数,无需外部随机性服务,能够直接在链上构建应用。

当前,Inco已有一些用例,如游戏、NFT、RWA、投票治理、DID等。

FHE:守护数据隐私

Mind Network: FHE Restaking Layer

Mind是专为AI和POS网络量身定制的第一个的FHE Restaking层。作为Restaking层,它接受来自ETH、BTC和AI蓝筹公司的restaking代币进行质押;同时作为FHE验证网络,利用FHE技术来验证各节点数据达成共识,确保数据完整性和安全性。Mind为去中心化AI、Depin、EigenLayer AVS、Babylon AVS及关键POS网络提供经济安全保障,维护整个系统的共识和可信度。

FHE:守护数据隐私

Restaking层:与 EigenLayer、StakeStone、Renzo、Babylon、Ankr 等合作,从以太坊和比特币网络中获取安全性;与 Chainlink CCIP 、Connext 等合作,实现跨链远程restaking。

安全层:引入 FHE 增强验证器,确保验证和共识计算过程端到端加密,通过集成 Fhenix 和 Inco 的fhEVM模块,进一步增强安全性。

共识层:引入一种专为AI任务设计的Proof of Intelligence(POI)共识机制,确保 FHE 验证者之间公平、安全的奖励分配。此外,Mind Network 正在与 AltLayer、EigenDA 和 Arbitrum Orbit 合作推出 Rollup 链,以更低成本和更快性能增强共识计算。

Privasea: Proof of Human

Privasea是一个用于FHE机器学习的Depin+AI网络,技术架构包括以下几个核心组件:

HESea 库:这是一个先进的FHE库,提供了对加密数据进行安全计算的功能。该库支持多种 FHE 方案,例如 TFHE、CKKS、BGV/BFV 等。

Privasea API:这是 Privasea AI 网络的应用程序接口,提供了一系列功能和端点,简化数据提交、模型训练和预测的操作,并确保数据在传输和处理过程中的加密。

Privanetix:这是一个去中心化的计算网络,由多个高性能计算节点组成,能够高效地对加密数据进行处理。每个节点都集成了 HESea 库,以确保数据隐私和计算性能。

Privasea 智能合约套件:基于区块链技术的激励机制,通过智能合约跟踪 Privanetix 节点的注册和贡献,验证计算并分发奖励,确保参与者的积极性和公平性。

FHE:守护数据隐私

Privasea推出了ImHuman应用,基于FHE开发了Proof of Human,旨在证明用户是人类,以保护其数字身份不受机器人和人工智能仿冒的威胁。用户可以通过面部生物识别技术验证其为真实人类,生成一个独特的 NFT,作为个人人类身份的证明。使用 ImHuman 应用,用户可以在不泄露个人详细信息的情况下,在 Web3 和 Web2 平台上安全地确认个人身份。

写在最后

在Defi领域,FHE使交易和资金流动能够在不泄露敏感财务信息的情况下进行,从而保护用户隐私并降低市场风险,也可能成为有效解决MEV问题的方式之一;在全链游戏中,FHE确保玩家的得分和游戏进度等数据在加密状态下得到保护,同时允许游戏逻辑在不暴露数据的前提下在链上运行,增强了游戏的公平性和安全性;在AI领域,FHE允许对加密数据进行分析和模型训练,这不仅保护了数据隐私,还促进了跨机构的数据共享和合作,推动了更安全、更合规的人工智能应用的发展。

FHE在实用性和效率上仍面临诸多挑战,但其独特理论基础为克服瓶颈带来希望。未来,FHE有望借助算法优化、硬件加速等途径,大幅提升性能,扩大应用场景,为数据隐私保护和安全计算提供更加坚实的基础。