炒作見頂，喧囂過后前路何往LDO、SSV、FXS、CNTM_GPT

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。

Klaviyo：78% 美國人認為“元宇宙”只是一波炒作:金色財經報道，市場調研公司 Klaviyo 近期對一千名美國民眾進行調查，發現不只高達 49% 美國民眾不知道元宇宙是什么，甚至有 78% 的人認為元宇宙只是一種炒作的行銷話語。調查還發現，理論上應對元宇宙比較有興趣的 18-24 歲年輕人，有約 45% 受訪者表示他們不知道什么是元宇宙，甚至認為它是炒作的比例還比全年齡更高，達到 81%。除此之外，NFT、加密貨幣也沒想像中受到普遍歡迎，全年齡受訪者中接近 60% 的人表示他們不會投資 NFT，另外有 30% 的人表示堅決遠離加密貨幣。[2022/3/10 13:48:36]

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。

馬化騰：隨著元宇宙概念興起，局部領域出現投機炒作:金色財經報道，今年兩會，全國人大代表、騰訊公司董事會主席馬化騰提到，隨著“元宇宙”、NFT（非同質化代幣）、Web3等新概念的興起，局部領域出現投機炒作、避實就虛的現象，帶來金融、技術和社會治理等領域的新風險隱患。他建議，引導數字科技企業面向核心產業和重點領域進行研發；發揮技術標準的統領作用，推進數字化轉型技術標準制定，降低傳統企業使用門檻和成本；提高對“專精特新”企業數字化升級支持的精準性和有效性；統籌安全與發展，前瞻研究新一代互聯網的關鍵技術與治理規則；引導技術、資金等資源要素真正流向實體領域；持續增加對偏遠地區、特殊群體的公共服務數字化供給，讓全民共享“數實融合”成果。[2022/3/5 13:39:06]

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。

中國銀聯報告：45歲以上人群、小微企業主、自主創業者、學生等參與虛擬貨幣交易炒作占比靠前:金色財經報道，2月4 日，中國銀聯發布《2021移動支付安全大調查研究報告》，在欺詐方式方面，網絡直播和虛擬貨幣交易炒作的占比較高。報告顯示，在參與虛擬貨幣交易炒作活動群體中，45歲以上人群、小微企業主、自主創業者、學生等受訪群體占比靠前。[2022/2/4 9:31:29]

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

互金整治小組會議：加強虛擬貨幣投機炒作等領域新增風險監測:近日，互金整治領導小組和網貸整治領導小組聯合召開了互聯網金融和網絡借貸風險專項整治工作電視電話會議。會議強調，加強互聯網資產管理、虛擬貨幣投機炒作、非法外匯交易等其他領域新增風險的監測，建立快速研判、定性和處置打擊機制，始終保持高壓態勢，防止死灰復燃。各地各有關部門要認真總結互聯網金融和網貸風險整治經驗教訓，全面貫徹落實“金融業務一定要持牌經營”的總體要求。（上海證券報）[2020/4/24]

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。

動態 | 多家券商提示區塊鏈公司炒作概念風險:據證券日報報道，深大通日前表示終止收購區塊鏈通和井銷天下兩家公司。山西證券表示，就目前來講，區塊鏈技術內外因素兼未具備，行業風向難辨，多數上市公司涉足區塊鏈還處于前期探索階段，實質性落地項目較少。中原證券亦指出，涉足區塊鏈公司基本還都處于對區塊鏈的應用的摸索階段，如何盈利也還不清楚，商業化程度較低，未來是否能有真正的爆炸級產品推出尚存疑問，因而要警惕炒作的風險。[2018/8/25]

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：GPTCHATATGCHACGPTCHAT價格BeatGen NFTetchain

瑞波幣