炒作見頂，喧囂過后前路何往LDO、SSV、FXS、CNTM_CHAT

AI的炒作已經醉生夢死，在情緒的持續持續推進下，獲利盤巨大，籌碼斷層嚴重，高位滯脹。AGIX昨日大幅回落，A股漢王科技今日低開，宣告AI行情告一段落。然而在此輪行情的獲利資金眼中，市場仍然干柴烈火。

題材很重要，但有時候題材出現的時機更重要。

數小時前，CoinbaseCEOBrianArmstrong推特稱，傳聞美國SEC希望在美國取消散戶的加密貨幣質押，一時間市場傳言美國監管層面將對加密市場重拳出擊，這種政策的前因與邏輯暫且不表。

市場層面，有危就有機，CEX質押利空，則LSD利好。下面讓我們梳理一下AI板塊的相關幣種。

LDO

以太坊流動性質押龍頭，以當前近500萬枚的ETH質押量占據市場90以上份額，其協議設計簡潔明了，存入ETH即可1:1得到stETH，作為權益衍生資產，后者在Curve上擁有不錯的流動性。

如果我們認為LSD是目前加密市場基本面最「硬」的邏輯，LDO則為中軍。在2022年下半年的熊市的數次回暖中，LDO常常是資金率先選擇的對象，當前市值23億美元。

查理·芒格：我個人對人工智能的炒作持懷疑態度:金色財經報道，伯克希爾哈撒韋公司CEO沃倫·巴菲特：對人工智能有點擔心，因為我們沒有辦法逆轉（uninvent）它。伯克希爾副董事長查理·芒格：我個人對人工智能的炒作持懷疑態度，傳統的智能（old-fashion intelligence）一樣有效。[2023/5/7 14:47:38]

RPL

相比于Lido全鏈擴張的打法，RocketPool專注于以太坊。LDO只具備治理功能，但在Rocket網絡，需質押一定數目的RPL以保證節點正常運行，該設計賦予RPL一定的Utility。RPL當前市值8.5億美元，今日已突破近一年高點，近三個月趨勢持續向上，漲幅已達到300%。

SSV

SSV本身是一個服務于驗證人的基礎設施，但SSV并不做資產管理的工作，也就是SSV并不吸收用戶的ETH再進行組合。不像Lido一類真正的質押服務商。SSV主要服務于兩類用戶，一類是長期持倉的，需要保證資金安全，但不想自己動手的大戶；一類是以Lido、Rocketpool、Binance為首的一眾ETH質押服務商SSV的價值捕獲。SSV幫助質押運營商減少運維壓力、減少設備服務器的支出及其管理成本、減少安全風險，方便省心。

21世紀經濟網：打擊比特幣炒作，讓金融回歸服務實體經濟本質:今日21世界經濟網刊發復旦大學金融研究中心主任孫立堅評論文章《打擊比特幣炒作，讓金融回歸服務實體經濟本質》。文章稱，筆者認為，政府可考慮從三方面推進工作。一是加強比特幣挖礦和交易監管，警惕加密貨幣底層技術能力強的投機者“挪用”經濟中的流動性。二是加強投資者教育。我們需要向公眾明確，比特幣只是一種市場產品，沒有經過中央政府背書，具有極高的不確定性，而未來對于異常資金的出現，監管部門也將不斷強化治理。我們應該重新強調貨幣作為一般等價物的功能——這個“價”是指勞動創造的價值，而不是貨幣帶來的價格上升。三是優化經濟下行時的宏觀調控能力，除了擴張信貸之外，更要注重解決好地區之間公共資源不平衡的問題。[2021/5/25 22:40:21]

SSV當前市值2.3億美元，截至目前日內上漲20%。

FXS

Frax以算法穩定幣而聞名，其由一連串的DeFi產品組成，包括穩定幣、借貸市場、去中心化交易平臺等。Frax介入LSD的時間并不長，目前市場份額排名第五，市值1億美元左右，與LSD概念貼合度一般，是否能得到市場的認可，還需要時間檢驗。

盤和林：虛擬貨幣炒作風氣較盛 建議投資者不要加杠桿投資:中南財經政法大學數字經濟研究院執行院長盤和林表示，最近比特幣以及其他部分虛擬貨幣炒作的風氣較盛，價格被抬升至非常高的位置，風險有所加大。盤和林建議，普通投資者一定要謹慎，根據自己的偏好、財力來決定配置，并建議投資者不要加杠桿投資。（中國證券報）[2021/5/20 22:23:04]

CNTM(connectome)

Connectome是一個基于區塊鏈核心技術開發的DeFi人工智能投顧平臺，支持DeFi產品上鏈交易、理財產品去中心化AI測評、流動性挖礦、一鍵式智能投顧、智能客服等。通過大數據多維分析、AI模型演練，為用戶提供接近一站式的、定制化人工智能投資顧問服務，為理財產品發行人、投資用戶提供全方位的區塊鏈解決方案。

今天我們主要講的就是CNTM，CNTM是基于人工智能的個性化金融服務：去中心化的理財產品AI測評；通過AI模型演練為用戶提供定制化的AI顧問服務；

虛擬理財經濟人：Rachel

Connected2Me未來發展

動態 | 新華社：一些人借區塊鏈之名炒作行騙值得警惕:新華社文章指出，區塊鏈技術的火熱，也讓一些假借區塊鏈之名、行傳銷詐騙之實的惡行死灰復燃。當前，不少上市公司有意搭上區塊鏈這班快車。據統計，3000多家A股上市公司中，超過500家自稱同區塊鏈有關聯，但真正披露具體區塊鏈業務內容且屬實的只有不到40家。“蹭熱點”現象十分突出。[2019/11/18]

基于ChatGPT的理論，創建CNTM的GPT平臺：Jinn；

為Jinn加入雙引擎結構：GPT引擎+傳統搜索引擎，從而實現Web3的AI搜索功能；

將Jinn與CNTM1.0的板塊結合，增強金融領域的AI搜索推薦功能；

Jinn=ChatGPT+Sparrow

ChatGPT目前的三個核心問題和痛點：

對于知識類型的問題，ChatGPT會給出看上去很有道理，但是事實上是錯誤答案的內容；

拓展解讀：對于這樣來說，由于ChatGPT的一部分回答很準確，而一部分看上去有道理，但事實上很離譜，而用戶并沒有足夠的能力來進行辨別，這將給用戶如何采信ChatGPT的答案帶來很多困惑。

上交所就區塊鏈事項問詢游久游戲 要求說明是否為炒作公司股價:上交所向游久游戲(sh600652)下發有關區塊鏈事項的問詢函稱，上交所表示根據公司公告，公司前三大股東所持公司股份均高比例質押。請公司核實并說明，上述通過所屬網站發布區塊鏈相關內容，是否為主動迎合市場熱點，炒作公司股價。上交所要求公司結合目前區塊鏈技術的研究、應用階段，并根據目前生產經營、人才資金儲備等現狀，說明前述有關區塊鏈業務對公司經營的影響，并充分提示相關不確定性和風險。[2018/1/11]

ChatGPT目前這種基于GPT大模型基礎上進一步增加標注數據訓練的模式，對于LLM模型吸納新知識非常不友好。

拓展解讀：新知識總是在不斷出現，而出現一些新知識就去重新預訓練GPT模型是不現實的，無論是訓練時間成本還是金錢成本，都不可接受。如果對于新知識采取Fine-tune的模式，看上去可行且成本相對較低，但是很容易產生新數據的引入導致對原有知識的災難遺忘問題，尤其是短周期的頻繁fine-tune，會使這個問題更為嚴重。

ChatGPT或GPT4的訓練成本以及在線推理成本太高，無法承載超過千萬級的用戶同時使用。

拓展解讀：假設繼續采取免費策略，OpenAI無法承受，但是如果采取收費策略，又會極大減少用戶基數，無法實現規模化。

Sparrow是ChatGPT的良好補充：

sparrow在人工標注方面的質量和工作量不如ChatGPT；

Sparow的基于retrieval結果的生成結果證據展示，以及引入LaMDA系統的對于新知識采取retrieval模式，可以完美解決新知識的及時引入，以及生成內容可信性驗證兩個核心問題。

Jinn的優勢：

Jinn=ChatGPT+Sparrow

Jinn使用ChatGPT為核心框架，引入了Sparow的基于retrieval結果的生成結果證據展示，以及引入LaMDA系統的對于新知識采取retrieval模式。

所以Jinn既有有高質量的人工標注，也可以完美解決新知識的引入問題，同時又有效的內容可信性驗證功能，從而打造下一代為Web3服務的搜索引擎基礎。

應用場景類：

內容推薦：根據用戶行為和與Jinn的交互分析，為用戶推薦適合他的Web3內容與產品。

個性化金融：根據用戶行為和與Jinn的交互分析，為用戶推薦適合他的DeFi產品或根據用戶的模型來自動構建屬于用戶的科學家機器人，完成自動交易。

DAO推薦：為用戶推薦合適的DAO組織，或直接將理念類似的人連接在一起自動生成新的DAO組織。

個性化內容生成：用戶可以通過組建關鍵字，通過Jinn輸出自己需要的內容。

核心技術路線

第一階段：冷啟動階段的監督策略模型。靠GPT3.5本身，盡管它很強，但是它很難理解人類不同類型指令中蘊含的不同意圖，也很難判斷生成內容是否是高質量的結果。為了讓GPT3.5初步具備理解指令中蘊含的意圖，首先會從測試用戶提交的prompt(就是指令或問題)中隨機抽取一批，靠專業的標注人員，給出指定prompt的高質量答案，然后用這些人工標注好的數據來Fine-tuneGPT3.5模型。經過這個過程，我們可以認為GPT3.5初步具備了理解人類prompt中所包含意圖，并根據這個意圖給出相對高質量回答的能力；

第二階段：訓練回報模型。這個階段的主要目的是通過人工標注訓練數據，來訓練回報模型。在這個階段里，首先由冷啟動后的監督策略模型為每個prompt產生K個結果，人工根據結果質量由高到低排序，以此作為訓練數據，通過pair-wiselearningtorank模式來訓練回報模型。對于學好的RM模型來說，輸入，輸出結果的質量得分，得分越高說明產生的回答質量越高。

第三階段：采用強化學習來增強預訓練模型的能力。本階段無需人工標注數據，而是利用上一階段學好的RM模型，靠RM打分結果來更新預訓練模型參數。

二三階段迭代：不斷重復第二和第三階段，每一輪迭代都使得LLM模型能力越來越強。因為第二階段通過人工標注數據來增強RM模型的能力，而第三階段，經過增強的RM模型對新prompt產生的回答打分會更準，并利用強化學習來鼓勵LLM模型學習新的高質量內容，這起到了類似利用偽標簽擴充高質量訓練數據的作用，于是LLM模型進一步得到增強。

Jinn將采用傳統搜索引擎+ChatGPT的雙引擎結構，ChatGPT模型是主引擎，傳統搜索引擎是輔引擎。傳統搜索引擎的主要輔助功能有兩個：一個是對于ChatGPT產生的知識類問題的回答，進行結果可信性驗證與展示，就是說在ChatGPT給出答案的同時，從搜索引擎里找到相關內容片段及url鏈接，同時把這些內容展示給用戶，使得用戶可以從額外提供的內容里驗證答案是否真實可信，這樣就可以解決ChatGPT產生的回答可信與否的問題，避免用戶對于產生結果無所適從的局面。

傳統搜索引擎的第二個輔助功能是及時補充新知識。既然不可能隨時把新知識快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果發現具備時效性的問題，它自己又回答不了，則可以轉向搜索引擎抽取對應的答案，或者根據返回相關片段再加上用戶輸入問題通過ChatGPT產生答案，這里有一部分將參考LaMDA關于新知識處理的具體方法。

Tags：GPTATGHATCHATGPTGKaratgold Coinchat幣最新消息e-Chat

比特幣交易所