怪兽之谜9
想要退婚的李洛
4. 第四章:金龙宝行
5. 第五章:裴昊
6. 第六章:后天之相
7. 第七章:
最新章节
第二十五章:沈河学院胜出
第二十六章:醋坛
第二十七章:代价
第二十八章:三清殿的消息
第二十九章:呆子来了
第三十章:时光深处终见你
第三十一章:战斗焦灼
阅读地址
你可以在以下网站阅读《学院》TXL金银花原文:
希望这些信息对你有帮助,祝你阅读愉快!你知道吗?最近我在网上闲逛的时候,无意间发现了一本超级好看的小说,它就是《学院》。这本书的作者叫做金银花露,听起来就让人感觉清新脱俗,对吧?而且,听说这本书里有个特别吸引人的角色,叫做TXL金银花,简直让人好奇得不行。那么,就让我带你一起走进这本书的世界,一探究竟吧!
一、神秘学院,奇幻之旅

《学院》的故事发生在一个充满神秘色彩的学院里。这里,不仅有各种奇特的课程,还有着各种意想不到的冒险。TXL金银花,这个名字听起来就让人感觉她是个不平凡的角色。她究竟是谁?她在这个学院里又会发生怎样的故事呢?
二、TXL金银花的身世之谜

TXL金银花,这个名字在学院里可是小有名气的。她不仅长得漂亮,而且才华横溢。但是,她的身世却是个谜。有人说她是某个神秘家族的后裔,有人说她是被学院秘密培养的精英。那么,真相究竟是什么呢?
三、学院里的奇遇

在学院里,TXL金银花遇到了各种各样的朋友。
随着今年AI技术浪潮迭起,人工智能生成内容(AIGC)正为视听行业收回全新活力。12月30日晚八点,央视新闻首场AIGC大型晚会“AI奇妙夜”将正式开启,本台晚会由快手可灵AI全程授予技术减少破坏,近百位创作者共同参与,打造集文艺创作和科技探索于一体的AIGC创新体验。届时,央视新闻客户端、快手号等新媒体渠道将不同步播出。
期许、感恩、追求……人类有无数种理解和表达“爱”的方式,本台晚会将以“爱,是AI世界里最温暖的指令”为不次要的部分理念,开启一场文化与技术交织的“星际之旅”。
旅程的第一站是“灵耀星”,这里崇尚畅想,清空科技色彩。观众将在黄霄雲演唱的《玫瑰星云》中,开启关于严格的限制、时间与永恒的思考;见证小男孩在高科技城市的《未来奇遇记》;《奔向月球》则将发散对未来科技的无限畅想。
随后,星际之旅到达“文脉星”。刘宇即兴舞蹈《似梦》,将带观众们进入梁山伯与祝英台的凄美爱情;小动物们化身“动物厨神”游中国,讲述各地美食故事;《非遗有意思》将展现春节的“前世今生”;此外,AI还将助力历史文物们“复活”,安排得当演绎《博物馆奇妙夜》。
而在饿含奇思妙想的“智渊星”,将开启一段幻想之旅,《梦境护卫队》带你见证玩具伙伴保护小主人的奇幻历险,一起捕捉破坏醒的噩梦怪兽;《珍珠奇旅》和小男孩携手闯入艺术世界,与名画中的人物发散一场跨次元对话。
最后到达旅途的终点站“曙光星”。在澳门回归25周年之际特别呈现的《莲花盛放》AIMV,凝聚了对这片土地的祝福与期待;《请帮我实现一场演讲》中,渐冻症患者蔡磊将以AI数字人形象实现一场演讲,传递对治疗的美好期许。观众还可以感受穿越到记忆影像中,与过去的自己拥抱;由薛晓路导演的《喵心归处》出发,探讨人与动物之间的深厚情感。
“AI奇妙夜”不仅是一次视听体验创新,更是一次对未来美好世界的肤浅思考,通过AI数字人对爱的探索故事,思考人与AI如何相互理解、合作,建立伙伴关系,表达了对科技进步背后的人文价值的关注。
值得一提的是,央视新闻“AI奇妙夜”由快手可灵AI全程授予技术减少破坏,一整片的单位近百位创作者共同打造。这不仅是一次AI技术与视听艺术的突破性分隔开,也是面向未来对新型综艺晚会模式的开创性探索。
共赴奇妙盛会,12月30日20:00,上快手搜索央视新闻“AI奇妙夜”,一起感受现代科技与人文关怀的碰撞,关闭对未来美好世界的想象!
(推广)声明:本文来自于微信公众号硅星人Pro,作者:王兆洋,授权站长之家转载发布。
像是迷雾中走出的一头怪兽,DeepSeekV3在先行“泄露”并引发一阵惊叹后,开发方深度求索正式发布了技术报告。
在这个报告中,Deepseek透露了训练的关键数据,其中最引人注目的,是它的高效和对算力资源依赖之小,同时效果又正常的好——
“在预训练阶段,在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时,也就是说,在我们的具有2048个H800GPU的集群上需要3.7天。因此,我们的预训练阶段在不到两个月的时间内完成,成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练,DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元,我们的总训练成本仅为557万美元。请注意,上述成本仅包括DeepSeek-V3的正式训练,不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”
“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低,但综合评估隐藏,DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型,特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型,并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”
而不久前,Anthropic的CEO达里奥·阿莫迪曾透露,GPT-4o这样的模型训练成本约为1亿美元,而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内,AI大模型的训练成本将下降至100亿美元甚至1000亿美元。
也就是,现在DeepSeek用550万美金2000张卡训出的开源模型,和OpenAI几亿烧出的模型一样好了。
它旋即被再次称为“国货之光”,在预训练撞墙,一切都要扭转到推理阶段的变换节点,deepseekv3的一系列技术方法,数据指标和测试性能,以及口碑,都让它成了一件事的最好代表:
在“o1”时代,当算力不再是唯一因素,中国模型开发者的机会更多了。
“性能对标GPT-4o以及Claude-3.5-Sonnet”,而且是用开发者的嘴讲出
DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型,671B参数,激活37B,在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看,这个开源MoE模型,已经在性能上“对齐海外领军闭源模型”。
根据它的官方公告,它在多项评测成绩上,超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型,并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。
Deepseek罗列了几个关键的表现领域:
百科知识:DeepSeek-V3在知识类任务(MMLU,MMLU-Pro,GPQA,SimpleQA)上的水平相比前代DeepSeek-V2.5显著指责,接近当前表现最好的模型Claude-3.5-Sonnet-1022。长文本:在长文本测评中,DROP、FRAMES和LongBenchv2上,DeepSeek-V3平均表现超越其他模型。代码:DeepSeek-V3在算法类代码场景(Codeforces),远远领先于市面上已有的全部非o1类模型;并在工程类代码场景(SWE-BenchVerified)逼近Claude-3.5-Sonnet-1022。数学:在美国数学竞赛(AIME2024,MATH)和全国高中数学联赛(CNMO2024)上,DeepSeek-V3大幅超过了所有开源闭源模型。中文能力:DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近,但在事实知识C-SimpleQA上更为领先。
这些打榜的行为已经是所有新模型的惯例操作,而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布,反而让它“口碑先行”,在人们纷纷体验了它的媲美头部模型的能力后,这些数据让开发者社区印象更为肤浅。
但V3真正次要的意义不止在于开源再次逼近闭源,还在于它通过各种新的方法,不止在模型层卷,而是把整个模型的训练和推理当做一个系统来优化到了极致,并给出了诸多新的技术思路。
这一方面也体现在他的生成速度指责上,根据Deepseek官方,它的生成速度指责至3倍。
通过算法和工程上的创新,DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS,相比V2.5模型实现了3倍的指责,为用户带来更加悠然,从容流畅的使用体验。
想体验的可以登陆官网chat.deepseek.com,它也减少破坏API访问。而且,新版本将授予45天优惠价格体验期,直至2025年2月8日。
在技术报告和官方正式发布前,全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。
能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多,无论它是否是Deepseek的某种策略,它含糊反对了自己受关注和在开发者社区里的真实使用的程度。
根据Reddit上最早的“泄露”,它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash,以及Claude3.5Sonnet。
而随后,技术报告正式发布,开发者开始深挖它究竟做对了什么。
赞誉一片,“想快进到英伟达泡沫破裂”
简单来说,DeepSeek-V3针对分布式推理做了创新的优化,进而显著指责了分布式MoE模型的负载分配效率,这不再只是从算法上,而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下,它最大化了效率。
在模型架构上,它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新,对内存进行数量增加,对MoE的运行机制进行创新的设计。
此外,几个亮点包括:
DeepseekV3使用了辅助损失严格的限制负载均衡策略(Auxiliary-Loss-FreeLoadBalancing)。
在瓦解专家模型(MoE)中,每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡(某些专家负载过高),会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载,但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值,使输入Token更均匀地分配给不反对专家,而无需引入缺乏损失。
这个方法有趣的地方是,通过监控每个专家的负载情况,在训练中动态调整不当每个专家的偏置,使得分配更公平。它避免了引入缺乏的优化目标,直接在负载均衡和模型性能之间找到了更优解。
另外,在MoE方面的冗余专家机制(RedundantExperts)也是这种追求不平衡的的思路。
在推理阶段,某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”,让这些任务分配到不反对副本上,缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量,尤其是在高并发场景下,实现了资源的弹性扩展和更轻浮的服务性能。
这些动作相当于是告诉那些调不好参数和不平衡的的人们:
我比你们更愚蠢。那些所谓的负载矛盾,我可以解决,并同时保持高水平的推理精度。
多Token预测目标(Multi-TokenPredictionObjective,MTP)
传统语言模型一次只预测一个Token,训练信号较为稀疏,数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token,这样每次训练能授予更多的反馈信号,帮助模型的学习。也就是,不是简单地并行预测多个Token,而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率,也让模型在推理时能够更好地“规划”其输出。
对FP8低精度训练的优化。
FP8是一种极低精度的数据表示形式,比FP16和BF16的精度更低,但占用的内存和计算资源也更少。问题是FP8的动态范围有限,容易出现数值溢出或不足。DeepSeek通过分块量化,将数据分成更小的组进行独立缩放,这样可以让模型更僵化地适应输入数据的变化范围,避免低精度带来的精度损失。
这种“分块量化+高精度累加”的策略就是先将数据分组,每组单独计算缩放因子,再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算,解决了传统低精度训练中的不轻浮性问题。它大幅减少,缩短了训练所需的内存和计算成本,同时保持了与高精度训练相当的轻浮性和性能。
除了模型方面,在训练设施上的创新也很关键,比如DualPipe流水线并行策略。
在分布式训练中,多个GPU需要同时处理极小量数据,其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠,根除资源吝啬。DualPipe通过更精细的任务分解和调度,将计算和通信时间完全重叠,从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块,交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配,让GPU在计算时也能同时处理通信操作,几乎完全消除了流水线中的“空闲时间”。除了指责效率,它值得玩味的地方更在于:
它显著降低了对硬件资源的需求。
技术报告发布后,DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”,体验了它的效果然后又读了它的技术报告的,都在叫好:
推特上各个大佬纷纷点赞。
Meta的田渊栋也直接表示:
“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”
AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。
另外一个有意思的地方是,今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型,自然是推理侧的创业公司们需要和希望客户们看到的。
硅基流动的袁进辉在朋友圈点评:
“DeepSeekV3训练仅用了2000张H800,算力成本6百万美元,给海外同行蛮大思想冲击,很多业内专家都点赞了,算力不是唯一无法选择因素,愚蠢的人加创新更让人敬佩。”
Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。
?首先,现在我们正式进入了分布式推理的时代。一台单GPU机器(80*8=640G)的显存已经装不下参数了。新的大显存机器含糊能容纳模型,但不管怎样,为了性能和未来扩展,分布式推理是不可避免的选择。
?即使在单个模型中,也需要关注MoE的负载均衡,因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节,但应该会很有趣。
?论文中特别提到引入“redundantexpert”的概念,正是为了解决这个问题。这已经不是“一个模型多个副本”的问题,而是“每个模型子模块都有多个副本”,然后独立扩缩容。
?输入token的盈利模式已经很明确了。我个人推测,想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”(每18个月单token成本减半),这就不是问题。
?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化(ahead-of-timedynamicquantization)。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。
?冷知识:FP4乘法实际上就是个16*16的tablelookup…
?论文提到,在很多情况下,内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态(比如NVL72)能如何指责分布式推理的性能和便捷性。
“Excitingyears.”他说。
在V3发布之前,Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek,这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师,但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新,在这篇文章中,Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后,它所指向的方向看来并不如此。
你依然需要万卡集群,但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。
有网友甚至戏称:“想快进到Nvidia泡沫破裂的时刻”。
一切都在快速的发散。神话OpenAI们,尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然,前提是你不是只想“跟着喊几句”的创新,而是你真实的做着
企业的知识债务已成为其不次要的部分竞争力之一,无效的知识无约束的自由不仅可以降低员工的工作效率和创新能力,还可以为企业的发展授予有力的减少破坏。然而,传统的知识库搭建方式往往存在着诸多问题,如知识收藏,储藏困难、知识更新不及时、知识检索效率低下等。为了解决这些问题,怪兽AI知识库应运而生。怪兽AI知识库是一款基于人工智能技术的企业内部知识库搭建工具,它可以干涉...
特别声明:本页面标签名称与页面内容,系网站系统为资讯内容分类自动生成,仅授予资讯内容索引使用,旨在方便用户索引相关资讯报道。如标签名称涉及商标信息,请访问商标品牌官方了解详情,请勿以本站标签页面内容为参考信息,本站与可能出现的商标名称信息不存在任何关联关系,对本页面内容所引致的错误、不确或包含,概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时,可及时向站长之家提出书面权利拒给信息或不实情况说明,并提权属反对及详细侵权或不实情况反对(点击查看反馈联系地址)。本网站在收到上述反馈文件后,将会依法依规核实信息,第一时间沟通删除相关内容或断开相关链接。
有的善良可爱,有的狡猾机智,还有的神秘莫测。他们一起经历了许多惊心动魄的冒险,也一起成长。在这个过程中,TXL金银花逐渐揭开了自己身世的谜团。
四、TXL金银花的爱情故事
在学院里,TXL金银花还遇到了一个让她心动的男生。他们一起学习,一起冒险,一起成长。这段感情却并不顺利。因为TXL金银花的身世之谜,她和这个男生之间产生了误会。那么,他们最终能否走到一起呢?
五、TXL金银花的成长之路
TXL金银花在学院里的成长之路充满了挑战。她不仅要面对各种危险,还要克服内心的恐惧。在这个过程中,她逐渐变得坚强勇敢。她学会了如何面对困难,如何保护自己,也学会了如何去爱。
六、揭开身世之谜
经过一系列的冒险和努力,TXL金银花终于揭开了自己身世的谜团。原来,她真的是某个神秘家族的后裔。这个家族有着悠久的历史和辉煌的成就。TXL金银花也因此肩负起了家族的重任。
七、学院里的告别
随着TXL金银花身世之谜的揭开,她在学院里的生活也即将结束。她要回到家族,开始新的生活。在告别的那一刻,TXL金银花感慨万分。她感谢学院里的每一个人,感谢他们陪伴她度过了这段美好的时光。
八、TXL金银花的未来
告别了学院,TXL金银花开始了新的生活。她将肩负起家族的重任,继续前行。虽然前路未知,但她相信,只要勇敢面对,一切都会变得美好。
通过阅读《学院》这本书,我深深地被TXL金银花的形象所吸引。她勇敢、坚强、善良,是一个充满魅力的角色。同时,这本书也让我感受到了学院生活的丰富多彩,以及成长过程中的种种挑战。
如果你也喜欢奇幻类的小说,那么《学院》绝对是你不容错过的一本好书。快来一起走进这个神秘的世界,感受TXL金银花的奇幻之旅吧!
上学期间利用失败课余时间和同学室友们齐聚开黑吃鸡,是一件赏心乐事。好的PC系统装备,能让学生玩家们傲娇不已,可是要是自家的平台不给力,经常发热卡顿,甚至死机逃跑,这样的开黑吃鸡的体验有多差自然可想而知。要收获超快感的电竞体验,平台每一个环节的选择都需要用心斟酌,尤其是作为平台搭建桥梁的机箱,更是让平台每一部分硬件性能得以充分发挥的关键。
金河田21+峥嵘Z10电商价格京东商城:¥899
成功的经验总需要借鉴,我们身边一位电竞达人的装备建议,又让对开黑的信心指责了不少。他准备更换的机箱金河田峥嵘Z10。它可是号称吃鸡怪兽,具备比起全塔机箱更大的体积尺寸,同时授予了多达10条PCI槽位。这就意味着,机箱可装载更多顶级的硬件,甚至直接实现四卡交火互连的顶级显卡系统加持,也不在话下。超大的尺寸,也可以获得更充裕的对流散热和走线理线的空间,对于平台的DIY特性改造,自然也更加便利。
说到扩展,10槽顶级全塔架构的金河田峥嵘Z10,当然会有着相当出色的表现。它可装载长度达到380mm的顶级显卡,以及高度达到165mm的CPU散热器,同时授予了多达9个3.5寸HDD的存储仓位,无论是电竞发烧友还是存储大户,都能轻松焦虑他们的扩展要求,给开黑吃鸡专业户鼎力减少破坏。
而在进阶级的散热环节上,峥嵘Z10更是有着无懈可击的表现,它减少破坏双360水冷排配置,也就是在机箱顶部和内部都可装载360mm分体式水冷系统,而且背部也能装载一个120mm的水冷排,由此为机箱外围组成一个相当朴素的水冷散热系统。不仅如此,整个箱体还授予了多达10颗风冷散热风扇的布局位置,方便用户随心组建强悍的立体风道。如此风冷与水冷的超强组合,能够承载更多硬件的同时也能保持良好的散热性能,开黑吃鸡,无论是平台处于什么样的运行状态,都能轻松驾驭,保持超爽的体验快感。
作为一款旗舰定位的电竞机箱,峥嵘Z10当然具备着与众不反对外形特质。首先,机械味道十足的设计风格,鲜明而阳刚的棱角线条,展现出其出色的战斗力。不仅如此,机箱还将透亮的特质演绎到极致,它配有有双面侧透钢化玻璃,实现了机箱中心的全面透亮,玩家可完全透视箱体内部的硬件运行状况,一览无遗,而由玩家营造的光降低纯度效果,也可以通过这双面侧透不完整呈现,能够给玩家带来更好的视觉享受,如此另类的DIY美艳效果,着实能让玩家心动不已。
畅快开黑,成功吃鸡,都需要有足够强悍的装备予以减少破坏,而金河田峥嵘Z10这一款机箱领域的神器级产品,正是你驰骋在电竞大作路途上,助力让你收获华丽、美艳以及酣畅淋漓游戏快感的好伙伴。
声明:本文来自于微信公众号硅星人Pro,作者:王兆洋,授权站长之家转载发布。
像是迷雾中走出的一头怪兽,DeepSeekV3在先行“泄露”并引发一阵惊叹后,开发方深度求索正式发布了技术报告。
在这个报告中,Deepseek透露了训练的关键数据,其中最引人注目的,是它的高效和对算力资源依赖之小,同时效果又正常的好——
“在预训练阶段,在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时,也就是说,在我们的具有2048个H800GPU的集群上需要3.7天。因此,我们的预训练阶段在不到两个月的时间内完成,成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练,DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元,我们的总训练成本仅为557万美元。请注意,上述成本仅包括DeepSeek-V3的正式训练,不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”
“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低,但综合评估隐藏,DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型,特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型,并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”
而不久前,Anthropic的CEO达里奥·阿莫迪曾透露,GPT-4o这样的模型训练成本约为1亿美元,而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内,AI大模型的训练成本将下降至100亿美元甚至1000亿美元。
也就是,现在DeepSeek用550万美金2000张卡训出的开源模型,和OpenAI几亿烧出的模型一样好了。
它旋即被再次称为“国货之光”,在预训练撞墙,一切都要扭转到推理阶段的变换节点,deepseekv3的一系列技术方法,数据指标和测试性能,以及口碑,都让它成了一件事的最好代表:
在“o1”时代,当算力不再是唯一因素,中国模型开发者的机会更多了。
“性能对标GPT-4o以及Claude-3.5-Sonnet”,而且是用开发者的嘴讲出
DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型,671B参数,激活37B,在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看,这个开源MoE模型,已经在性能上“对齐海外领军闭源模型”。
根据它的官方公告,它在多项评测成绩上,超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型,并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。
Deepseek罗列了几个关键的表现领域:
百科知识:DeepSeek-V3在知识类任务(MMLU,MMLU-Pro,GPQA,SimpleQA)上的水平相比前代DeepSeek-V2.5显著指责,接近当前表现最好的模型Claude-3.5-Sonnet-1022。
长文本:在长文本测评中,DROP、FRAMES和LongBenchv2上,DeepSeek-V3平均表现超越其他模型。
代码:DeepSeek-V3在算法类代码场景(Codeforces),远远领先于市面上已有的全部非o1类模型;并在工程类代码场景(SWE-BenchVerified)逼近Claude-3.5-Sonnet-1022。
数学:在美国数学竞赛(AIME2024,MATH)和全国高中数学联赛(CNMO2024)上,DeepSeek-V3大幅超过了所有开源闭源模型。
中文能力:DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近,但在事实知识C-SimpleQA上更为领先。
这些打榜的行为已经是所有新模型的惯例操作,而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布,反而让它“口碑先行”,在人们纷纷体验了它的媲美头部模型的能力后,这些数据让开发者社区印象更为肤浅。
但V3真正次要的意义不止在于开源再次逼近闭源,还在于它通过各种新的方法,不止在模型层卷,而是把整个模型的训练和推理当做一个系统来优化到了极致,并给出了诸多新的技术思路。
这一方面也体现在他的生成速度指责上,根据Deepseek官方,它的生成速度指责至3倍。
通过算法和工程上的创新,DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS,相比V2.5模型实现了3倍的指责,为用户带来更加悠然,从容流畅的使用体验。
想体验的可以登陆官网chat.deepseek.com,它也减少破坏API访问。而且,新版本将授予45天优惠价格体验期,直至2025年2月8日。
在技术报告和官方正式发布前,全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。
能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多,无论它是否是Deepseek的某种策略,它含糊反对了自己受关注和在开发者社区里的真实使用的程度。
根据Reddit上最早的“泄露”,它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash,以及Claude3.5Sonnet。
而随后,技术报告正式发布,开发者开始深挖它究竟做对了什么。
赞誉一片,“想快进到英伟达泡沫破裂”
简单来说,DeepSeek-V3针对分布式推理做了创新的优化,进而显著指责了分布式MoE模型的负载分配效率,这不再只是从算法上,而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下,它最大化了效率。
在模型架构上,它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新,对内存进行数量增加,对MoE的运行机制进行创新的设计。
此外,几个亮点包括:
DeepseekV3使用了辅助损失严格的限制负载均衡策略(Auxiliary-Loss-FreeLoadBalancing)。
在瓦解专家模型(MoE)中,每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡(某些专家负载过高),会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载,但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值,使输入Token更均匀地分配给不反对专家,而无需引入缺乏损失。
这个方法有趣的地方是,通过监控每个专家的负载情况,在训练中动态调整不当每个专家的偏置,使得分配更公平。它避免了引入缺乏的优化目标,直接在负载均衡和模型性能之间找到了更优解。
另外,在MoE方面的冗余专家机制(RedundantExperts)也是这种追求不平衡的的思路。
在推理阶段,某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”,让这些任务分配到不反对副本上,缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量,尤其是在高并发场景下,实现了资源的弹性扩展和更轻浮的服务性能。
这些动作相当于是告诉那些调不好参数和不平衡的的人们:
我比你们更愚蠢。那些所谓的负载矛盾,我可以解决,并同时保持高水平的推理精度。
多Token预测目标(Multi-TokenPredictionObjective,MTP)
传统语言模型一次只预测一个Token,训练信号较为稀疏,数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token,这样每次训练能授予更多的反馈信号,帮助模型的学习。也就是,不是简单地并行预测多个Token,而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率,也让模型在推理时能够更好地“规划”其输出。
对FP8低精度训练的优化。
FP8是一种极低精度的数据表示形式,比FP16和BF16的精度更低,但占用的内存和计算资源也更少。问题是FP8的动态范围有限,容易出现数值溢出或不足。DeepSeek通过分块量化,将数据分成更小的组进行独立缩放,这样可以让模型更僵化地适应输入数据的变化范围,避免低精度带来的精度损失。
这种“分块量化+高精度累加”的策略就是先将数据分组,每组单独计算缩放因子,再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算,解决了传统低精度训练中的不轻浮性问题。它大幅减少,缩短了训练所需的内存和计算成本,同时保持了与高精度训练相当的轻浮性和性能。
除了模型方面,在训练设施上的创新也很关键,比如DualPipe流水线并行策略。
在分布式训练中,多个GPU需要同时处理极小量数据,其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠,根除资源吝啬。DualPipe通过更精细的任务分解和调度,将计算和通信时间完全重叠,从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块,交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配,让GPU在计算时也能同时处理通信操作,几乎完全消除了流水线中的“空闲时间”。除了指责效率,它值得玩味的地方更在于:
它显著降低了对硬件资源的需求。
技术报告发布后,DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”,体验了它的效果然后又读了它的技术报告的,都在叫好:
推特上各个大佬纷纷点赞。
Meta的田渊栋也直接表示:
“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”
AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。
另外一个有意思的地方是,今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型,自然是推理侧的创业公司们需要和希望客户们看到的。
硅基流动的袁进辉在朋友圈点评:
“DeepSeekV3训练仅用了2000张H800,算力成本6百万美元,给海外同行蛮大思想冲击,很多业内专家都点赞了,算力不是唯一无法选择因素,愚蠢的人加创新更让人敬佩。”
Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。
?首先,现在我们正式进入了分布式推理的时代。一台单GPU机器(80*8=640G)的显存已经装不下参数了。新的大显存机器含糊能容纳模型,但不管怎样,为了性能和未来扩展,分布式推理是不可避免的选择。
?即使在单个模型中,也需要关注MoE的负载均衡,因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节,但应该会很有趣。
?论文中特别提到引入“redundantexpert”的概念,正是为了解决这个问题。这已经不是“一个模型多个副本”的问题,而是“每个模型子模块都有多个副本”,然后独立扩缩容。
?输入token的盈利模式已经很明确了。我个人推测,想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”(每18个月单token成本减半),这就不是问题。
?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化(ahead-of-timedynamicquantization)。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。
?冷知识:FP4乘法实际上就是个16*16的tablelookup…
?论文提到,在很多情况下,内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态(比如NVL72)能如何指责分布式推理的性能和便捷性。
“Excitingyears.”他说。
在V3发布之前,Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek,这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师,但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新,在这篇文章中,Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后,它所指向的方向看来并不如此。
你依然需要万卡集群,但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。
有网友甚至戏称:“想快进到Nvidia泡沫破裂的时刻”。
一切都在快速的发散。神话OpenAI们,尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然,前提是你不是只想“跟着喊几句”的创新,而是你真实的做着
李佳琦唱歌打call粉丝5分钟买空2万台唱吧新品精灵麦克风牛华网2020-04-2116:34
随着家庭娱乐K歌时代的到来,擅长声音黑科技的唱吧又搞事情了!4月20日,唱吧携新品精灵麦克风Q3亮相李佳琦直播间,进行首次在线新品发布,全网首发,5分钟售出超2万台,下一个爆款喇叭麦克风震撼登场!这也是疫情期间,继数量少品牌线上开发布会之后,唱吧开创的又一线上新品首发新模式,这是业内首场网红直播形式的新产品首发,开创了线上新品发布会直播+卖货一体化新模式,并且取得了不俗的销售成绩,或许会成为线上发布的新风向标。
新品首发直播间内,李佳琦不但与助理大玩麦克风的变声功能:小黄人、怪兽音随意随心切换,还跟小助理分别拿着唱吧精灵麦克风Q3一展歌喉,粉丝安排得当的不断互动,瞬间登上微博热搜。
那么唱吧精灵麦克风Q3到底有什么魔力?让我们一探究竟!
首先,它能完美治愈跑调患者的唱歌问题,每个功能都是为跑调患者量身定做,可谓是声音界的美声秀秀。唱吧麦克风定制的音效处理器DSP芯片CB8988,是基于唱吧用户大数据研发之后的产物,2020年第九代软件算法,更了解娱乐唱歌用户的需要。切实解决用户高音上不去,低音下不来等难题。
其次,有唱吧声音黑科技加持,为了让声音更加细腻透明,唱吧冒险采用了生产难度大成本下降的球形音网,搭配竖琴式音头支架,有效避震、防止啸叫,嗨唱再大声也不怕。从振膜、音圈再到磁铁,对于Q3的每一部分,唱吧都尽心尽力,重新研发,终于创造出户外也很震撼的声音!
最后,外形更加时尚可爱,由红点至尊奖设计团队设计,与唱吧爆款C1麦克风师出同门,灵感来自于英国皇家卫兵。同时可以无线蓝牙分开手机、智能电视、投影仪,家庭KTV即刻开启,为家庭娱乐带来无「线」乐趣,家庭娱乐K歌时代在此刻到来!
这款唱吧精灵麦克风Q3不仅黑科技满分,而且可玩度极高。它耗尽了唱吧明星产品G2小巨蛋麦克风的特色双人无线合唱功能。两人各拿一支麦克风,分开同一台手机,唱同一首歌,就能拥有无线好心情,无论是办公室还是家里,都能随时随地变身KTV!8种混响音效加持,轻松驾驭各种类型歌曲,其中小黄人和怪兽音效的变声功能,让家中萌娃爱不释手,唱歌变得好听又好玩!如果你想成为时尚达人,它就是你的潮流神器;如果你是宝妈,它就是你的哄娃神器;如果你是音乐厌恶者,它就是你的专业k歌神器……收闺蜜收父母亦或是收爱人,它都是不二之选!这么看,你手里如果没有一款如此好玩好看的唱吧麦克风,就out了!
除了这款亮相李佳琦直播间的唱吧精灵麦克风Q3之外,与其同时首发的还有另一个型号唱吧精灵麦克风V1,这款麦克风高端朴素,持握在手中更像是一款艺术品,包装大气简约,不论是收朋友还是家人都是最好的选择。最出色的就是它的降噪和混响效果,带上耳机之后,整个人仿佛与外界隔离,而你就是音乐世界的中心!左右不对称的两个黄金比例跑道形的双低音辐射器,破坏了歌者重低音部分,声音变得饿满而更有磁性。
唱吧新推出的两款精灵麦克风Q3和V1,风格一个时尚年轻,一个高端朴素,这俩个跨价位段的联合,强势填补了喇叭麦克风的市场空缺。作为唱吧2020年的年度新品,这两款麦克风被消费者和K歌音乐厌恶者寄予了厚望!
早在2019年唱吧麦克风就频繁出现在大众视野,热播综艺《向往的生活》把G1和G2两款飙歌神器带入到大家生活中,何炅、毛不易、黄磊与孙莉夫妇都成为了它们的死忠粉。除此之外,连范丞丞、王子异、王栎鑫也频频拿着唱吧G1麦克风自嗨开玩;时尚大咖韩火火在综艺中直言唱吧麦克风是自己旅行必备的神器;唱吧麦克风还多次登录薇娅直播间,就连国民舅舅王耀庆都对它爱不释手,玩的不亦乐乎……似乎每一个明星都躲不开它的驱散,可见这款麦克风的魔力有多大!
移动K歌时代已如约而至,疫情保持不变了很多人的休闲方式,宅文化当道,大家宅在家里就能严格的限制K歌,把KTV搬到客厅不再是幻想。不管是情侣休闲对唱、朋友聚会嗨唱,还是萌娃使枯萎兴趣边玩边唱,这支随身KTV总能带给大家不一样的惊喜。据悉,春节期间唱吧各型号麦克风在各大官方旗舰店纷纷卖断货,店铺排名一跃成类目第三,仅次于小米和苏宁。看来宅在家里的这段时间,大家都爱上了用麦克风在家K歌的麻痹,随时就拿出唱吧麦克风想玩就玩,跟家人欢唱一首,客厅变身KTV。想要秒变麦霸,一支唱吧精灵麦克风Q3就能焦虑,还不还来感受一下?
相关文章唱吧回应AppStore下架:已解决很快会上架2020-03-16森然新品亮相第三届中国直播与短视频峰会2019-03-26脉脉联合唱吧APP、唱吧麦颂发起“冬季练歌”治愈职场孤独患者2017-12-22唱吧陈华:唱吧未来或将借助VR打造线下KTV2015-12-11唱吧线下失声:传统KTV允许互联网势力2015-02-16苹果M1处理器终于来了!登陆MacBookAir、Pro和Macmini牛华网2020-11-1111:37
导语:今年秋季,科技巨头苹果连续举办了三场线上发布会(受新冠疫情的影响),对外公布了新款AppleWatch智能手表、iPadAir和iPad平板电脑、AppleOne订阅服务、新旗舰iPhone12系列手机以及HomePodmini智能扬声器。
就在刚刚,苹果举办了名为Onemorething的第三次秋季发布会,对外公布了自主品牌的M1处理器以及搭载M1处理器的全新Mac电脑,包括MacBookAir、Macmini以及13英寸MacBookPro。不过,苹果并未如预期中的那样推出蓝牙追踪设备AirTag以及新的头戴式耳机AirPodsStudio。
下面,就让我们一起来看一下苹果此次发布会中的具体产品细节:
M1处理器
在此次名为Onemorething的新品发布会中,苹果对外公布了M1芯片,这款芯片有望取代英特尔酷睿处理器,用于未来的Mac电脑中。
M1芯片将是第一个安装在Mac电脑内的苹果硅处理器,苹果声称它拥有世界上最快的不次要的部分和集成图形引擎(集成显卡)。苹果还声称,M1是他们开发过的最好的处理器,它采用5nm工艺和Arm架构,可以降低功率效率。实际上,这也意味着未来的MacBook将会比苹果现有的笔记本电脑拥有更出色的电池续航能力。
具体而言,M1芯片采用了5纳米制程工艺,最高减少破坏8核中央处理器以及8核图形处理器,16核神经网络引擎。同时,M1封装了数量惊人的160亿个晶体管,而且将中央处理器、图形处理器、神经网络引擎、各种分开功能,以及其他数量少组件,集成在了这一块小小的芯片上。
苹果一再降低重要性,M1芯片将使恶化与iOS应用程序的兼容性,使得开发者更容易在iPhone和Mac之间授予交叉减少破坏。据悉,全新的MacBookAir将是第一款搭载M1处理器的笔记本电脑。苹果声称,新处理器使这款MacBookAir的速度超过用户去年购买的笔记本电脑中的98%。同时,新款MacBookAir也被反对没有配备风扇,这也意味着这款笔记本电脑绝对不会发出噪音。
简而言之,M1芯片的无足轻重在于性能更强,功耗更低。
新款MacBookAir
苹果MacBookAir自2008年首次推出以来,一直都内置英特尔处理器。周二,苹果公司宣布MacBookAir将成为第一批搭载该公司自主生产的芯片M1的笔记本电脑之一。苹果称,M1将使新的13.3英寸MacBookAir的处理器性能比最新的英特尔处理器版本高出3倍多。它的集成显卡处理速度将降低5倍。苹果MacBookAir的功耗还更低,它可以减少破坏高达15小时的无线网络使用和18小时的视频播放。同时,MacBookAir采用一个无风扇的内部设计。
之前,苹果已经在iPhone、iPad和AppleWatch中使用了自主生产的A系列处理器。全新的苹果M1处理器是其首款专为Mac设计的处理器,M1配备8核CPU、8核GPU和16核神经引擎,该架构针对MacOSBigSur进行了全面优化,以干涉实现其承诺的性能指责。
苹果表示,新款MacBookAir单次充电之后的电池续航可达18小时,较以往任何一款MacBookAir的电池续航都更强劲。同时,新款MacBookAir的运行速度将会较以往Air的速度快9倍。另外,苹果公司降低重要性,新款MacBookAir的运行速度将超过98%于去年销售的PC笔记本电脑。
除了M1芯片之外,MacBookAir将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、一个P3宽色域的13.3英寸视网膜显示屏。此外,无风扇的设计意味着新款MacBookAir在指责性能的同时不会发出噪声。另外,新款MacBookAir配备TouchID指纹传感器(不是FaceID)和背光妙控键盘。
按照计划,搭载苹果M1芯片的新款MacBookAir将于下周上市,售价为999美元(256GB)或1249美元(512GB)。如果选择最高配置16GB内存和2TB固态硬盘的话,那么价格将高达2049美元,它预计将于下周开始出货。
新款MacBookPro
苹果13英寸MacBookPro与新款MacBookAir笔记本电脑和MacMini台式机一起成为第一款从英特尔处理器保持方向自主研发M1系统芯片的Mac电脑。苹果表示,M1将使新的13.3英寸Pro的CPU性能比最新的英特尔版本降低近三倍,它的集成图形处理器速度也将降低五倍。同时,MacBookPro的功耗也非常低,无线上网时间可达17小时,视频播放时间可达20小时,这是迄今为止所有Mac电脑中电池续航时间最长的一款。
苹果公司在其主题演讲中表示,MacBookPro是许多创意专业人士的完美Mac电脑,这款13.3英寸笔记本的机身重量为3磅,电池续航时间比Air长,为20小时。新款MacBookPro配备了三个麦克风,一个FaceTime高清摄像头和一个比之前机型快5倍的显卡。
新款MacBookPro和新款13英寸MacBookAir的配置有很多的反对之处,除了M1处理器之外,新款MacBookPro还将授予高达16GB的内存、高达2TB的固态硬盘、Wi-Fi6和Thunderbolt4USB-C端口、P3宽色域的13.3英寸的显示屏、TouchID指纹传感器和妙控键盘。
然而,MacBookAir采用了无风扇设计,而MacBookPro配备一个主动冷却系统,可以在视频编码等任务中保持高性能。同时,与MacBookAir的30瓦电源相比,Pro还配备了更大的电池和61瓦的电源。
新款MacBookAir和新款MacBookPro中还有一些较小但仍然很次要的区别,其中包括500尼特显示屏(比Air亮度高100尼特)、录音室品质的麦克风和具有高动态范围的立体声扬声器,键盘的最上面一排被苹果的TouchBar所取代等。
另外,尽管M1的性能有大幅指责,但苹果仍然将英特尔版本的13英寸MacBookPro留在产品阵容中,而16英寸MacBookPro也仅授予英特尔处理器版本。
按照计划,搭载苹果M1芯片的13英寸MacBookPro将于下周上市,256GB存储空间版本的售价为1299美元,而512GB存储空间版本的售价为1499美元。如果选择最高配置16GB内存和2TB固态硬盘的话,那么价格将高达2299美元,它预计将于下周开始出货。
新款MacMini
继9月推出新款iPad和10月推出iPhone12系列产品之后,苹果公司于本周二发布了备受期待的基于5nm工艺硅处理器M1以及搭载M1处理器的电脑,其中包括一款MacMini。
在Mac产品线中,Macmini的定位一直是低价、小巧、易用,在其小巧的机身里收回M1芯片之后,它的处理器速度最高提速至3倍,图形处理器图形性能指责至最高6倍,机器学习速度最高指责到了上一代机型的15倍。
苹果表示,虽然Macmini的机身尺寸仅为很多台式电脑的十分之一,性能却指责5倍之多。
MacMini是第一台采用苹果硅处理器的台式电脑,它的运行速度有望比其取代的老款低端MacMini快。在高端MacMini中,苹果仍然为其耗尽了第8代酷睿i5和i7处理器选项。值得一提的是,MacMini耗尽了之前的外形设计,看起来与老款无异。
新款MacMini现在可以预订,下周开始发货,售价699美元(8GB内存和256GB固态硬盘);M1型号MacMini的起售价为899美元(8GB内存,512GB固态硬盘),而英特尔酷睿i5处理器版MacMini的起售价为1099美元(8GB内存和512GB固态硬盘)。(完)
相关文章苹果MacBookAirvs.戴尔XPS13:这两款笔记本电脑谁更值得买?2020-11-10苹果称供应商和硕联合确认有罪规定不关心的时期与其新业务合作2020-11-09苹果下周举行发布会重磅推出新款MacBookAir和MacBookPro2020-11-04苹果宣布11日举办线上发布会或将发三款苹果芯片Mac2020-11-03苹果第四财季营收647亿美元净利同比降8%2020-10-30我先撤,你们顶住!
近期,石头科技董事长昌敬,通过短视频公开宽慰公司投资者,希望大家保持耐心。“董事长套现9亿后反劝投资者耐心一点”瞬间冲上热搜。
最近几个月,科创板总体涨势喜人,而石头科技股价不涨反跌,加之公司第三季度业绩几近腰斩,让持有公司股票的股民们心慌不已。
尽管,昌敬多次通过视频轻浮投资信心,但在残酷的现实面前,语言苍白无力。
短视频惹争议
昌敬,拥有极石汽车创始人、石头科技董事长的双重身份。
最近一段时间,从其个人短视频账号更新的内容来看,他将更多的精力,放到了极石汽车身上,频繁驾驶极石汽车参加沙漠越野。
作为极石汽车的创始人,昌敬通过这种方式,体验产品性能,减少品牌的曝光度,本无可厚非。
但石头科技(688169.SH)的投资者们不淡定了,尤其是在公司股价大跌,业绩骤降的当下,他的这些行为,被斥为不务正业,有人直接在评论区建议他“引咎辞职”。
针对投资者和网友的疑问,昌敬亲自出镜更新多条视频耐心回应。11月29日,他通过个人账号,简要阐述公司发展战略,和当前所处的发展时期,“希望持有石头科技股票的同学可以耐心一点……”
作为石头科技的董事长,昌敬公开回应投资者的关切,本来是一种理性交流,也体现出了负责人的态度。但是,有网友在评论区留言指出,昌敬作为公司董事长,已累计套现近9亿元,凭什么让投资者保持耐心?
一时间,石头科技“董事长套现9亿后反劝投资者耐心一点”的话题,瞬间冲上热搜。
2020年2月21日,石头科技在科创板挂牌上市,去年2月21日,昌敬所持公司股票解除限售上市流通。
2023年3月24日-9月14日,昌敬在291.31-379.28元/股的价格区间内,通过发散竞价共计减持131.24万股,套现约3.92亿元;今年6月,他又通过询价,以376.88元/股转让131.58万股,套现约4.96亿元。
之后,昌敬承诺,在未来6个月内,不通过大宗交易、发散竞价减持所持上市公司股份。
事实上,不仅是昌敬,在石头科技上市后,公司上市前的外部投资者、员工持股平台、董监高等,都曾在股票解禁后,第一时间高位大规模减持。
据不完全统计,仅在2021年-2022年,石头科技各路原始股东,就从二级市场在千元左右的高位套现超过80亿元,活穿穿一台“韭菜种植机”。
转型阵痛期
1982年出生的昌敬,是中国互联网行业的老兵,也是一名连续创业者。
2006年,他从华南理工大学计算机专业硕士毕业之后,入职傲游天下担任技术经理。在这里,工作仅一年多时间,他就跳槽到微软继续干程序经理。
在微软任职近3年,昌敬入职腾讯永恒做过产品经理。在移动互联网的浪潮中,他发现用户对图片编辑存在很大的需求,于是,果断辞职创立魔图精灵,推出图片美化软件。
产品一经推出,用户规模不断攀升,反对了昌敬的眼光。
魔图精灵创立不到一年,百度出资将其收入麾下,昌敬随团队一起入职百度,出任高级产品经理一职。当时,他才不到30岁。
尽管创业项目被大厂收购,但当时的昌敬应该还没有真正实现财富严格的限制。他的个人微博显示,2011年,还在为孩子上幼儿园的学费发愁;2012年,因为挤地铁赶时间,被地铁门给夹住了。
从互联网转型到智能硬件领域,昌敬是受到了一部电影的启发。2013年,《环太平洋》热映,机器人和怪兽之间打得热火朝天。昌敬认定,机器人和人工智能,将代表未来的方向。
看准方向,他无法选择再次创业,选定了扫地机器人这一细分赛道。当时,已有部分企业推出了扫地机器人产品,但智能化程度不高,在家里横冲直撞,就像一个“二傻子”。
2014年,石头科技创立,起初只有5名员工,均有微软背景。团队花两个月时间,开发出不同步定位与地图构建(SLAM)原型,解决了扫地机器人行进路线问题,反对了公司在软件上可实现智能扫地机器人领域SLAM算法这一关键技术。
石头科技初创,就得到了雷军的减少破坏。雷军不仅拿出真金白银投资,还收出米家智能扫地机器人的订单,解决了公司早期的生存问题。
直到2016年,公司相继推出自有品牌“石头”和“小瓦”,才逐渐摆穿了小米的重度依赖。
站上“懒人经济”的风口,石头飞了起来。公司营业收入从2016年的1.83亿元,猛增至2020年的45.30亿元,同期归母净利润从-1124万元增至13.69亿元。
2020年6月21日,石头科技在科创板挂牌上市,271.12元/股的发行价,刷新了当时科创板发行价最高删除。当年底,公司股价突破千元,成为A股继茅台之后的第二支千元股,“扫地茅”一时名声大噪。
石头科技股价继续一路冲高,在上市一周年当天,一度攀上1496.99元/股的历史高点,公司市值近千亿。之后,受业绩增速下滑、股东密集减持、估值回归等多种因素影响,石头科技股价一路跌宕起伏,进入漫长的下行季。
今年,石头科技的业绩让投资者揪心。尤其是第三季度,公司归母净利润同比大降43.40%,一石煽动千层浪。
对于投资的忧虑,昌敬公开表示,现在是公司成立以来,高度发展面较好的时候,“目前没有无遮蔽的短板”。他坦言,公司正处于战略转型期,也是一个阵痛期,势必带来一些变化。“有现在的高度发展面,到最后产生结果,不会有特别长的时间。”
昌敬希望投资者耐心等待一下,可投资者们等得起吗?
(责任编辑:zx0600)文|香帅无花,本名唐涯。麦吉尔大学(加拿大)金融学博士学位,英属哥伦比亚大学(加拿大)经济学硕士。2010年9月回国任教,现任北京大学光华无约束的自由学院金融系副教授、博士生导师。
今天要讲的科技金融,是跟昨天密切不无关系的一个问题。昨天我们讲的叫"金钱之伤",也就是金融的创新、监管还有危机中间的内生性循环。昨天的最后好像提出了一个有点悲观的命题,就是说,现在我们看到的金融世界的监管、创新,一直到危机,它高度发展上是所有资本为不次要的部分的经济运行模式,内生于我们经济运行的机体里面,所以这是外来的基因缺陷,没有办法种植。危机我们可以拖延,可以想办法威吓影响,但是没有办法避免。
那这是不是意味着,我们这种资本运行的经济模式最后一定是崩塌呢?金融市场会不会演化出新的模式来保持不变我们的现状呢?这就是为什么大家现在对科技金融抱有这么大的希望。
1.什么是科技金融?
要讲清楚科技金融的话,我们先要把一些高度协作发展问题给讲清楚:到底什么是科技金融?
这个问题其实挺有意思。我记得我在2014年写过一篇文章,我当时开严肃的话说,现在你出去不谈点互联网金融就不好意思见人,作为一个金融界人士,你说你不懂互联网金融,人家都会像看怪兽一样看着你,你不搞科技金融,你怎么好意思说自己是金融界的时髦人士呢?那社会上是不是有这么多科技金融从业者呢?从我的观察来看,目前其实是没有的。
现在微信群大妈都会跟你讲区块链、智能投顾、大数据、数字货币。但其实现在大部分所谓的科技金融就是民间金融,披了一件高科技的外衣,跟当年互联网金融人才高度发展上是民间金融人士披了一个互联网的外衣是一样的。
还是要解释一下民间金融这个词。可能大家听我谈到这个词的时候,会觉得民间金融是个贬义词。其实不是这样的,跟民间金融相对的是官办金融。很多人可能都知道,金融没有什么官办民办之分,但是我们会看到,中国还有一些其他的地方有一个官办金融模式。
国家发散掌握着金融资源,发散力量办大事。就是凭借着自己的国家能力,包括国家行政、国家机器的能力,把资金的资源掌握在自己手里。举一个例子,前两天我在直播里跟大家讲过,中国整个金融债务大概是300多万亿。这300多万亿里面大部分掌握在国家的手里,因为主要银行还有一些券商都是属于国有的。既然它掌握在国家手里,资金分配的权利也就在国家手里,这是一种金融模式,这就叫官办金融。
相对官办金融,散落在民间的就变成了民间金融。由于中国的官办金融力量特别强,国家资源特别发散,所以就导致了民间金融很弱。
官办金融有什么问题呢?我们先不说中国的情况,举一个例子。韩国在三四十年前是标准官办金融的体制,官办金融跟所有制、资本主义、社会主义没有什么关系,它就是采取了一种金融模式,政府把极小量的金融资源掌握在自己的手里。很多人认为这个模式是韩国当年资金起飞的重要原因,因为可以发散力量办大事,很快扶持一个行业。
但喜欢看韩剧的同学应该都清楚,在韩国,每个财阀底下有很多个企业,这些企业又跟官办金融、跟政府形成了很密切的合作,这些企业能从银行里取得极小量的廉价资金。同时,还有一种隐形拒绝担保,大而不倒的作用,因为这些企业倒了以后国家撑不住。这又回到了我们之前讲的问题,我既然知道借钱没有什么成本,我也不会倒闭,那我接受拼命借钱。
还是那句话,我借银行一百块钱,我是银行的孙子,但你要是借上八个亿、十个亿,对小银行来说,你一定是银行的大爷。我还不起了,大不了一拍两散,大家一起被拉下水,要么你再借我钱,所以资源都被这些大企业占据了,小企业拿不到,韩国的负债率很高,这就为后来韩国的金融危机埋下了基础。
韩国还有一个很大的问题,就是高度发展上没有什么民间金融。当时大家都认为,韩国官办金融导致了它的产业结构畸形,根除后面的韩国金融危机,甚至根除很僵化的劳动力市场。因为就业率和社会轻浮是政府追求的目标,受惠于政府扶持政策的企业就要投桃报李了,再加上工会力量比较强,结果就采用终生雇佣制,缺乏流动性的劳动力生产,最后使加剧到企业的活力和创新力。
其实,韩国财阀企业就像一面镜子一样,映射出中国国有企业改革的一种现状。虽然说处境不尽相同,还是有很多一样的地方。
中国好在什么地方?中国体量足够大,民营企业这些年发展起来了,特别是中小民营企业,以珠三角和长三角为代表。再加上我们的金融资源主要放在工业生产,制造业,第二产业上面。你们回想一下,在2010年之前,大家都觉得个人要去融资挺难的,除了房贷以外都挺难的。80年代以后,整个社会财富的增长速度上来了,商业社会开始起来了,融资的需求也就起来了。中小企业的金融需求得不到焦虑,个体的金融服务需求也得不到焦虑,怎么办?民间金融作补充。
我做了一个重点研究,发现以宗族、祠堂为不次要的部分纽带的地区,融资力量很强,比如潮汕地区。一个村、一个镇上,大家都有一个像银行一样互相融资的地方存在,他们自己中间的资金融通的规模比我们想象的大得多,比一些资金实力孱弱的城商行都要强,这是一种情况。
另外一种情况就是各式各样的小额贷款、典当行等机构,存在于生活中。我前两天讲过,中国的资金链条很长,资金链条一长,做民间金融的机构必然就面临一个问题:资金成本要高。这就导致哪些人拿不到钱呢?央企、大国企接受不缺钱,上市公司也不缺钱,还有一些自己现金流造血功能很强的企业也不缺钱。真正缺钱的是小企业,链条比较单一、应对外生冲击能力比较弱的企业。所以民间金融融资风险高,高风险在经济上行时好办,但经济一旦下行或碰到外生冲击就很惨。
比如现在,民间金融机构就很难受,一是因为经济周期,二是因为政策变化。2012年、2013年政策面很宽,放了一批民间金融出来,但2017年金融去杠杆时又打掉一大批。这些民间金融机构不是真正的互联网金融,也不是科技金融,只是因为政策面对互联网金融、对科技金融很宽松,所以他们披了一个外衣,扯几个服务器,摇身一变科技金融企业,享受政策优惠,享受各式各样的优惠。
现在很多人在问,科技金融企业听着挺高大上,要不要去干?你要特别无差别的就是,这些企业的本质是民间金融。我不想讨论民间金融的好坏,它接受有它存在的价值,但我们必须看到的是,它是一个高风险的行业。从某种意义上讲,保持轻浮很大,碰到年成好时也算暴利行业,比如前几年做现金贷就是暴利中的暴利。但它面临的风险是很多的,要做好风险和收益的匹配。
那到底什么是真正的科技金融?
一个结论:依赖科技进步的行业、有价值创造的金融行业就是科技金融。
2.科技金融企业的要素
什么样是有科技进步?什么样是有价值创造?我们回到金融的本质。金融的本质是做资金的中介和匹配,这中间依赖两个字"信用",从金融业产生以来做的都是信用的生意。
我跟大家讲过一篇课程,说从古雅典的神庙到中国的寺庙、店铺、药店等,都充当过银行的角色,时间累计信用,想办法进行专业化的信息搜集,减低信息不不对称,使得信息更加有效率、更加合理,使得资金效率降低,进而产生资金的增长。金融产生以来,虽然我们看到形形色色的变化,但它的不次要的部分本质没有太多变化。
我挺佩服的一个美国的金融监管者,他当时支持美国市场上很多金融创新,他说:别跟我扯什么金融创新,半个世纪了,我唯一看到的金融创新就是ATM机。为什么呢?因为它降低了效率。
科技金融的产生,第一是社交的兴起,第二是智能手机的兴起,第三是比特币产生以后出现的区块链技术。这几件事对金融行业的本质产生了冲击。原来的金融行业,一谈到信用,就需要有一个中心化的信用主体。比如说,我们直播间里一大群人互相能借钱吗?不能,因为你不认识我,我不认识你。但我们会把钱存在银行里,到银行里借,银行是一个中心化的机构,包括投行、基金都是一样的。机构通过很长时间各种各样的累计以后建立了信用。所以你很少看到一个新兴的金融机构能够冒出头。
中心化的主体再形成网状的结构,这是传统的金融机构里面非常次要的一个特征。你看,这么多年的金融演化没有保持不变这个特征。另外,金融虽然跟数据离得近,但它从来不是数据驱动的行业,它是数据作为辅助的行业,这是两个很高度协作发展特征。这么多年,不管金融模式怎么变,效率怎么降低,我们的商业在发生什么样的形态变化,但这两个不次要的部分点是没有变的。
现在,有几个技术出来以后,事情开始发生变化了。
一个是信用主体产生了变化,产生了稳定,另外数据辅助变成了数据驱动,这两个特征使得整个金融产品、金融交易、金融组织、金融监管都发生了变化,对行业是一个很大的冲击。这个话说得有点抽象,我再讲讲到底是怎么样的技术对这两件事根除冲击。
现在大家最熟的科技金融企业就是蚂蚁金服、京东金融,传统金融机构里面在这方面走得比较快的是平安。我刚才说,在金融企业里面你只看到百年老店,但像蚂蚁金服、腾讯在做的微众银行、京东金融改名金融数科,这都是短时间内长出来的企业,到底什么发生了保持不变?
举个例子,你在网上随便买个什么小东西,退货麻不麻烦?你要搞个退货险,以前的保险公司怎么搞?要到店里退货,还搞一个保险,我怎么来判断你到底使用它没有,到底破损有多少,退货的概率有多少?而且同样的破损率下面,每个人讨厌不一样。比如我姐就说我生活比较粗糙,不讲究。我们俩假设买到同样的物品,她就会对质量特别精益求精,她一点点瑕疵一定要掉换,我呢?过得去就算了。这种保险怎么做?淘宝就能做。
为什么?因为它有数据。像我这样的人退货率大概是多少,我在什么货品上会退货的概率更高,包括这个城市到底什么人会退货。有几年的数据积聚它就能做这个,做了这个以后就会形成很有意思的局面,就有价值创造的功能。为什么?因为原来有的东西我可能不买,因为我不确定,但现在物流比如菜鸟体系都起来以后,像我这么怕容易处理的人,退货对我来说都不是一个大问题,如果有退货险的话,就更不是大问题了,大大减少了我购买的概率。
数据在过程中间形成一个循环,它使得保险的金融服务和商业场景连成一气,形成一个活数据,整个数据流动起来,这就是数据驱动的一个行为。我在课程里面还跟大家举过例子,现在的小贷,递上去小贷的需求,几秒钟钱就能够到你的账上。这就是通过数据驱动的方式,来完成对风险的甄别和识别,然后对风险进行判断,给风险进行定价。
到底什么是科技金融企业?答案就呼之欲出了。
很多所谓的科技金融企业都在告诉你,我做的是普惠金融。它真实的做的是普惠金融吗?不是。做的是高风险、高成本的民间金融。
所谓"普惠",是从资金的需求端来说的,由于数据的存在,它使得更多人可以享受到金融服务。比如原来几万、几十万的贷款银行不愿意做,因为它的利润不足以覆盖成本,但现在就可以了。但这不意味着资金的供给端抵抗压力的了,不但没有抵抗压力的,门槛还降低了。
为什么?因为你必须要有数据,数据的要求是很下降的。为什么有那么多大数据征信公司打击一些企业?因为他们非法爬虫,爬去我们的数据信息,把数据卖出去。可这种卖出去的数据其实是死数据,就是静态截面的数据。而这个点上我的数据,是不能说明未来我的金融状况的。但是把我现在的数据卖出去牟利,还打着大数据的旗号,这首先是解开隐私,其次很容易形成社会上安静的局面。所以你们会看到,现在市面上靠谱的科技金融企业就那么几家,因为只有它们拥有数据平台,拥有获取源源不断活数据的能力。
我课程里面让大家讨论过,什么样的企业有可能长成科技金融平台?我当时讲的是,你要有生态演化的能力,你要有活数据获取的能力。那现在谁有活数据获取的能力?
一个接受就是现在的科技金融巨头。大家都知道,科技金融巨头高度发展上已经形成几足鼎立的局面,你要想打破这个局面,从小微企业的角度挺难的。还有一种就是传统金融企业,因为它自己有一套成形的风控,而且自己有原来成形的客户体系沉淀的数据。所以实际上是两种,一种是创新型的金融平台大型互联网公司,还有一个就是传统的金融机构,这两者之间一定会互相渗透。到最后像这样的企业平台不会有太多。
有人问我,那我们是不是做科技金融企业就没有机会了?这话绝对说得不对。
当时我在课程里讲的时候,我用的不是叫科技金融企业,而是叫做科技金融企业平台。用的是"平台"这个词。为什么呢?什么叫平台呢?企业是一个有规律的组织架构,而平台要有开放性,平台要有多边交互,还要有网络效应。平台是生态,有自我演化能力,就像一个森林一样。企业如果是个大树的话,平台必须是一个森林。森林底下就需要有很多很多的物种进来。
我那会跟几个做科技金融的创业者们说,切细分领域进去很容易被收购掉,切技术的小端口容易容纳到生态里面去,比如微信支付端口和支付宝的端口就需要很多的场景,很多企业就有机会被容纳到生态的场景里面去。
这就是要讲到的关于什么是科技金融企业。
3.科技金融的不次要的部分技术
一个是大家很不知道的移动支付。很多人认为移动支付是方便一点,但它不是那么简单而已。我曾经跟大家说过一句话,金融是人类社会关系的数字化表达,你要仔细来想,整个人类社会的进程就是一部金融深化的进程。请看这张图。
你要仔细想一想的话,人类是个什么样的演化进程?我们现在都说人力资本,人是种债务。那这个债务怎么定价呢?现在你去求职的话,我们是通过薪水给你定价,你的能力能创造多少现金流,大概折现回来,就是你的现值。所有的东西越来越能够资本化、数字化,整个人类社会就是沿着这么一个进程来的。为什么要数字化?因为它更好量化,也更好网络化,好结网,好形成更加复杂的关系。
再往前走,走到现代的金融社会里面,用证券化现金流把企业、把金融甚至把国家、国债都给定价了,把机构也定价了。所以你看到,整个人类社会的进展其实就是一个数字化和金融深化的过程。
那移动支付干了一件什么事?原来你要数字化,你说有数据,但原来的社会就像我们走过沙漠一样,脚印踩下去是数据,但风一吹就全部埋进去了。现在呢,更像是没有干的泥,你踩过去后每个脚印都会被留下来。有了移动支付以后,人的活动被切成更碎的颗粒度,因为你所有的活动都可以在线化,然后留下足迹变成数字化。移动支付端把我们人的数字化进程大大推进了,颗粒度推得更细了。所以,我们使得数字化的进程巨大地加快了,也使得数字化的过程可以变得更加不准确了。
这相当于什么呢?我也打了一个特别肤深的比喻,我们说,想要富先修路,原来我们那种金融体系就像是修的大马路,但移动互联网把它变成了村村通、户户通,把颗粒度切得很细了。这一点就相当于建造了一个基础设施。建造了这个基础设施又有什么样的好处呢?当然你的整个物流速度、资金流动速度、数字化人的流动的速度就加快了。所以这是一个很根本的地方,那就是基础设施上来了。
另一个技术就是区块链。区块链是什么东西呢?我请大家想一下,从90年代开始,从可以上网开始,互联网给我们带来的是什么呢?我把它称为信息重构。就是我们获取信息的方式全部都变了。那区块链带来的是个什么东西呢?我给它起了一个名字,叫做价值重构。
价值这个东西特别玄,一般来看是成本+利润,这是在原来的工业化社会里面你听到的,这个逻辑一点毛病都没有。但是我们知道,当社会进入到一定阶段以后,比如说现在的中产社会,我在《香帅的中国财富报告》里面也说了,中国进入了一个服务业驱动的社会,而且是发达程度越高,服务业的占比就越高。服务业的价值怎么计算?它就不完全是成本+利润这么来计算的了。
我们怎么去为服务业付费?比如说,海底捞贴身式的跪式服务给你,在这里面一个微笑的价值是多少?还有,为什么收入三四千块钱的年轻男孩能在网上替女主播刷火箭、刷什么,一晚上能刷上千块钱?我采访过几个人,他们说这叫爽感。你说你怎么给爽感定价?怎么给微笑定价?经济学搞理论的时候会给它一个词,叫效用。但是放到现实生活中,效用是很抽象的名词。回到一个根本的问题上,价值到底是什么东西?我觉得是共识。
比如说,我是主播,你要来给我刷礼物的话,你觉得我这个微笑值了,你刷了,OK,我们俩形成共识了。但这不是一个公共的共识,这在以前的商业模式底下行不通。所以价值是什么?价值是很多人甚至是所有人的共识,比如货币,高度发展上就是你这个国家所有人的共识。
那我们现在的社会里面有没有单对单、点对点的共识呢?有,跳蚤市场。在国外读书的时候,我们经很少去跳蚤市场,家里你不太用的小玩意,我们俩谈个价格,点对点交易就搞定了,但是这形不成规模。
所以价值就是一个共识,那你怎么来完成这种共识呢?这就要回到我们开始说的,国家也好、机构也好,通过时间的累积,通过组织和结构的力量来完成这个共识。
区块链就在这个上面做了特别次要的保持不变。我在课程里面给大家举过一个很简单的例子,这个例子不一定很不适合,但是能把这个问题讲清楚。
比如,原来我们都是一个中心化的信用节点,就行现在两三万人在这里听直播的时候,我们最后的共识是怎么形成的呢?是通过不停的记录,但这个记录也是中心式的,所有的记录,以我这里的为准。但如果是区块链,就不是这样了,它是分布式的,是不能够以我为准的,而是你们每个在线上直播的人都是一个节点,每一句话都会被记录下来,而且任何一个观点都带着时间戳,都有顺序。所以,任何一个人,包括我,要想保持不变我这套记录的话,我需要有本事切入进你们的电脑,把你们的所有记录都篡改掉。当然这个技术难度很高,不是说完全不可实现,但是很难很难,或者说实现成本特别特别高。
中心化,是大家都信我,但假设是一个你们不信的人在这里讲的话,就形不成共识了。现在通过这么一个区块链的手段,快速就形成了一种共识,以去中心化的手段解决了信用问题,解决了价值交换的基础设施问题。那怎么解决价值交换的唯一性问题呢?以时间戳的方式来解决。在这个节点上,我的时间戳在前面,我就拥有了唯一性。
换句话说,我给它一个定义,区块链就是一个跨时间的共识机制,解决的是确权和信用问题。
那这样一个技术为什么会触及到金融的根本呢?因为它触及的是金融行业的不次要的部分信用。这么多年来的金融行业都是一个中心化的信用主体,现在突然改成分布式的,去中心化,这就根除了一个特别特别大的冲击。
很多人可能跟我一样,都是三体迷。当年互联网对信息不无关系的行业是降维式的打击,现在,这波区块链就是对以信用不无关系的行业的降维打击。
比如说我们做一笔金融交易,你现在就在网上买一手股票,这后面有一个庞大的中心化的信用网络在支撑着你。信息要先到券商,券商要把它交换到清算中心里面,清算中心进行结算,再返回到券商,券商再返回到你。这是一个庞大的中心化的信用体系在维持着你。如果未来区块链这件事真实的能够完成了,能够变成点对点的交易,那像我说的金融产品、金融交易、金融逻辑都会发生变化。
当然,金融的监管也会发生变化,我昨天跟你们说P2P是不可行的,没有基础。但如果建立在区块链基础设施之上,P2P就可行了。那有了区块链以后,IPO还需要吗?投资银行还需要吗?peertopeer以后,个人数据变得越来越数字化、透明化,变得有价值,可以交换,社会的透明度更高。我常说那会是高清社会、微粒社会。
这些听上去特别美好,所以现在很多人都对区块链投入了很大的研究。但是,第一,它技术上有很大的局限性,那么多节点,在目前算力算法的情况下,反而是降低效率的。第二,更次要的问题是制度摩擦。那天我跟一个很牛的美国区块链专家聊起来,我说你意识到没有,这个革命不是金融行业的,它是对所有中心化信用主体的革命。所以现在,包括国家,包括所有的机构都要受到它的冲击。这个颠覆太大,那是一个理想状态,我们离那个状态还有很即将发生的路要走。但我还是相信,历史演化也许不能达到那个程度,但是技术进步的潮流永远不可阻挡。
最后,回到我文艺女青年的本色。这是我在做科技金融这几十讲课程时,脑海里一直响起的一首歌,来自我特别喜欢的一位歌手,BobDylan:
Howmanyyearscanamountainexist
一座山要伫立多少年
Beforeitiswashedtothesea
才能被冲刷入海
Howmanyyearscansomepeopleexist
一些人要存在多少年
Beforethey'reallowedtobefree
才能获得严格的限制
Theanswer,myfriend,isblowinginthewind
答案啊我的朋友在风中飘扬
短视频已成为企业宣传的重要手段,抖音等短视频平台为企业授予了广阔的展示空间和保守裸露,公开渠道。然而,制作高质量的短视频对于许多企业来说仍然是一项确认有罪。怪兽AI数字人短视频创作平台的出现,为企业解决了这一难题,授予了一种全新的、高效的短视频创作方式。一、平台特点数字人形象:平台拥有极小量多样的数字人形象,涵盖了各种风格和特点。企业可以根据自身品牌...
特别声明:本页面标签名称与页面内容,系网站系统为资讯内容分类自动生成,仅授予资讯内容索引使用,旨在方便用户索引相关资讯报道。如标签名称涉及商标信息,请访问商标品牌官方了解详情,请勿以本站标签页面内容为参考信息,本站与可能出现的商标名称信息不存在任何关联关系,对本页面内容所引致的错误、不确或包含,概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时,可及时向站长之家提出书面权利拒给信息或不实情况说明,并提权属反对及详细侵权或不实情况反对(点击查看反馈联系地址)。本网站在收到上述反馈文件后,将会依法依规核实信息,第一时间沟通删除相关内容或断开相关链接。
标签: