炒作见顶，喧嚣过后前路何往LDO、SSV、FXS、CNTM

AI的炒作已经醉生梦死，在情绪的持续持续推进下，获利盘巨大，筹码断层严重，高位滞胀。AGIX昨日大幅回落，A股汉王科技今日低开，宣告AI行情告一段落。然而在此轮行情的获利资金眼中，市场仍然干柴烈火。

题材很重要，但有时候题材出现的时机更重要。

数小时前，CoinbaseCEOBrianArmstrong推特称，传闻美国SEC希望在美国取消散户的加密货币质押，一时间市场传言美国监管层面将对加密市场重拳出击，这种政策的前因与逻辑暂且不表。

市场层面，有危就有机，CEX质押利空，则LSD利好。下面让我们梳理一下AI板块的相关币种。

LDO

以太坊流动性质押龙头，以当前近500万枚的ETH质押量占据市场90以上份额，其协议设计简洁明了，存入ETH即可1:1得到stETH，作为权益衍生资产，后者在Curve上拥有不错的流动性。

如果我们认为LSD是目前加密市场基本面最「硬」的逻辑，LDO则为中军。在2022年下半年的熊市的数次回暖中，LDO常常是资金率先选择的对象，当前市值23亿美元。

支付宝：用户至少持有NFT180天后可向实名好友转赠，严禁炒作:8月11日消息，支付宝APP最新更新了《蚂蚁链粉丝粒用户服务协议》，新增了NFT数字作品服务说明以及NFT相关条款，包括引用，用户至少持有NFT数字作品180天后，在活动中规则或小程序功能允许的情况下，可以将 NFT 转赠给支付宝实名认证好友。

支付宝还表示，将严厉禁止用户利用NFT数字进行炒作、场外交易、担保等行为。为保障交易安全、规范、合法以及履行反业务，支付宝担保对用户的区块链地址进行安全查询，如即时出现炒作、犯罪等异常行为，将针对用户屏蔽或限制使用等必要措施。[2021/8/11 1:48:06]

RPL

相比于Lido全链扩张的打法，RocketPool专注于以太坊。LDO只具备治理功能，但在Rocket网络，需质押一定数目的RPL以保证节点正常运行，该设计赋予RPL一定的Utility。RPL当前市值8.5亿美元，今日已突破近一年高点，近三个月趋势持续向上，涨幅已达到300%。

SSV

SSV本身是一个服务于验证人的基础设施，但SSV并不做资产管理的工作，也就是SSV并不吸收用户的ETH再进行组合。不像Lido一类真正的质押服务商。SSV主要服务于两类用户，一类是长期持仓的，需要保证资金安全，但不想自己动手的大户；一类是以Lido、Rocketpool、Binance为首的一众ETH质押服务商SSV的价值捕获。SSV帮助质押运营商减少运维压力、减少设备服务器的支出及其管理成本、减少安全风险，方便省心。

招行原行长马蔚华：比特币就是一种炒作，没有根本价值和意义:7月2日，在中欧国际商学院举办的首届中欧绿色金融论坛上，对于近期较受关注的虚拟货币挖矿行业的能耗问题，招商银行原行长、联合国开发计划署可持续发展影响力指导委员会委员马蔚华在接受记者采访时表示，比特币就是一种炒作，里面有很多庄家操纵市场，没有根本价值和意义，与央行数字货币完全“不是一回事”。（澎湃新闻）[2021/7/3 0:24:10]

SSV当前市值2.3亿美元，截至目前日内上涨20%。

FXS

Frax以算法稳定币而闻名，其由一连串的DeFi产品组成，包括稳定币、借贷市场、去中心化交易平台等。Frax介入LSD的时间并不长，目前市场份额排名第五，市值1亿美元左右，与LSD概念贴合度一般，是否能得到市场的认可，还需要时间检验。

CNTM(connectome)

Connectome是一个基于区块链核心技术开发的DeFi人工智能投顾平台，支持DeFi产品上链交易、理财产品去中心化AI测评、流动性挖矿、一键式智能投顾、智能客服等。通过大数据多维分析、AI模型演练，为用户提供接近一站式的、定制化人工智能投资顾问服务，为理财产品发行人、投资用户提供全方位的区块链解决方案。

动态 | 新华社：一些人借区块链之名炒作行值得警惕:新华社文章指出，区块链技术的火热，也让一些假借区块链之名、行之实的恶行死灰复燃。当前，不少上市公司有意搭上区块链这班快车。据统计，3000多家A股上市公司中，超过500家自称同区块链有关联，但真正披露具体区块链业务内容且属实的只有不到40家。“蹭热点”现象十分突出。[2019/11/18]

今天我们主要讲的就是CNTM，CNTM是基于人工智能的个性化金融服务：去中心化的理财产品AI测评；通过AI模型演练为用户提供定制化的AI顾问服务；

虚拟理财经济人：Rachel

Connected2Me未来发展

基于ChatGPT的理论，创建CNTM的GPT平台：Jinn；

为Jinn加入双引擎结构：GPT引擎+传统搜索引擎，从而实现Web3的AI搜索功能；

将Jinn与CNTM1.0的板块结合，增强金融领域的AI搜索推荐功能；

Jinn=ChatGPT+Sparrow

ChatGPT目前的三个核心问题和痛点：

声音 | 证券时报：比特币急跌暴露虚拟币炒作庞氏局本质:证券时报刊文称，关于以比特币为首的虚拟货币的暴跌，不少分析师普遍认为主要还是前期的投机炒作，将比特币等虚拟币推向泡沫顶端的结果。目前比特币处于熊市当中，没有根本性的利好仍无法支撑现有价格。比特币本身是无法产生收益的，如果没有接棒者，存量市场的抛售将是一个持续性的行为，也就是说比特币的价格还会继续下行，且远未到底。实际上，比特币等虚拟货币连泡沫都算不上，因为这种虚拟货币不过是一串毫无实际意义的数字代码，不会产生任何实质价值，投资者买进只是希望下一个接盘侠会付出更高的成本，所谓的收益主要来自于买卖价差，而这不过是财富转移的庞氏局而已，因为这场投机游戏需要不断有人接棒才能继续玩下去，一旦投资者信心崩塌止步入场，游戏就将难以为继，一切虚拟货币都会回归其原本价值：零。[2018/11/27]

对于知识类型的问题，ChatGPT会给出看上去很有道理，但是事实上是错误答案的内容；

拓展解读：对于这样来说，由于ChatGPT的一部分回答很准确，而一部分看上去有道理，但事实上很离谱，而用户并没有足够的能力来进行辨别，这将给用户如何采信ChatGPT的答案带来很多困惑。

声音 | 互金专委会 ：“币改”和“链改”或有炒作过热之嫌:今日，国家互联网金融安全技术专家委员会发布区块链行业动态月报（2018年8月）。对于行业中在先后兴起的“币改”和“链改”风潮，专委会提示其舆论热度居高不下，或有炒作过热之嫌，其实际价值仍然需要时间检验。另外，报告指出，随着公有链架构的区块链影响范围进一步扩大，以联盟链、私有链架构基础的区块链应用深入到金融、社会管理等关键领域，一旦出现安全事件，极易造成重大损失。[2018/9/7]

ChatGPT目前这种基于GPT大模型基础上进一步增加标注数据训练的模式，对于LLM模型吸纳新知识非常不友好。

拓展解读：新知识总是在不断出现，而出现一些新知识就去重新预训练GPT模型是不现实的，无论是训练时间成本还是金钱成本，都不可接受。如果对于新知识采取Fine-tune的模式，看上去可行且成本相对较低，但是很容易产生新数据的引入导致对原有知识的灾难遗忘问题，尤其是短周期的频繁fine-tune，会使这个问题更为严重。

ChatGPT或GPT4的训练成本以及在线推理成本太高，无法承载超过千万级的用户同时使用。

拓展解读：假设继续采取免费策略，OpenAI无法承受，但是如果采取收费策略，又会极大减少用户基数，无法实现规模化。

Sparrow是ChatGPT的良好补充：

sparrow在人工标注方面的质量和工作量不如ChatGPT；

Sparow的基于retrieval结果的生成结果证据展示，以及引入LaMDA系统的对于新知识采取retrieval模式，可以完美解决新知识的及时引入，以及生成内容可信性验证两个核心问题。

Jinn的优势：

Jinn=ChatGPT+Sparrow

Jinn使用ChatGPT为核心框架，引入了Sparow的基于retrieval结果的生成结果证据展示，以及引入LaMDA系统的对于新知识采取retrieval模式。

所以Jinn既有有高质量的人工标注，也可以完美解决新知识的引入问题，同时又有效的内容可信性验证功能，从而打造下一代为Web3服务的搜索引擎基础。

应用场景类：

内容推荐：根据用户行为和与Jinn的交互分析，为用户推荐适合他的Web3内容与产品。

个性化金融：根据用户行为和与Jinn的交互分析，为用户推荐适合他的DeFi产品或根据用户的模型来自动构建属于用户的科学家机器人，完成自动交易。

DAO推荐：为用户推荐合适的DAO组织，或直接将理念类似的人连接在一起自动生成新的DAO组织。

个性化内容生成：用户可以通过组建关键字，通过Jinn输出自己需要的内容。

核心技术路线

第一阶段：冷启动阶段的监督策略模型。靠GPT3.5本身，尽管它很强，但是它很难理解人类不同类型指令中蕴含的不同意图，也很难判断生成内容是否是高质量的结果。为了让GPT3.5初步具备理解指令中蕴含的意图，首先会从测试用户提交的prompt(就是指令或问题)中随机抽取一批，靠专业的标注人员，给出指定prompt的高质量答案，然后用这些人工标注好的数据来Fine-tuneGPT3.5模型。经过这个过程，我们可以认为GPT3.5初步具备了理解人类prompt中所包含意图，并根据这个意图给出相对高质量回答的能力；

第二阶段：训练回报模型。这个阶段的主要目的是通过人工标注训练数据，来训练回报模型。在这个阶段里，首先由冷启动后的监督策略模型为每个prompt产生K个结果，人工根据结果质量由高到低排序，以此作为训练数据，通过pair-wiselearningtorank模式来训练回报模型。对于学好的RM模型来说，输入，输出结果的质量得分，得分越高说明产生的回答质量越高。

第三阶段：采用强化学习来增强预训练模型的能力。本阶段无需人工标注数据，而是利用上一阶段学好的RM模型，靠RM打分结果来更新预训练模型参数。

二三阶段迭代：不断重复第二和第三阶段，每一轮迭代都使得LLM模型能力越来越强。因为第二阶段通过人工标注数据来增强RM模型的能力，而第三阶段，经过增强的RM模型对新prompt产生的回答打分会更准，并利用强化学习来鼓励LLM模型学习新的高质量内容，这起到了类似利用伪标签扩充高质量训练数据的作用，于是LLM模型进一步得到增强。

Jinn将采用传统搜索引擎+ChatGPT的双引擎结构，ChatGPT模型是主引擎，传统搜索引擎是辅引擎。传统搜索引擎的主要辅助功能有两个：一个是对于ChatGPT产生的知识类问题的回答，进行结果可信性验证与展示，就是说在ChatGPT给出答案的同时，从搜索引擎里找到相关内容片段及url链接，同时把这些内容展示给用户，使得用户可以从额外提供的内容里验证答案是否真实可信，这样就可以解决ChatGPT产生的回答可信与否的问题，避免用户对于产生结果无所适从的局面。

传统搜索引擎的第二个辅助功能是及时补充新知识。既然不可能随时把新知识快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果发现具备时效性的问题，它自己又回答不了，则可以转向搜索引擎抽取对应的答案，或者根据返回相关片段再加上用户输入问题通过ChatGPT产生答案，这里有一部分将参考LaMDA关于新知识处理的具体方法。

标签：GPTCHATCHAATGNOISEGPTchat币行情SHCHAINCatgirl AI

火币下载热门资讯