至顶网CIO与应用频道 11月13日 编译:技术发明及随后的商业化有两种常见的模式。第一种是首先在技术上突破,继而引发对其商业化的兴趣。20世纪40年代,具传奇色彩的贝尔实验室发明了晶体管(三位发明者后来获得诺贝尔物理奖),后来的发展符合这种模式。晶体管的商业应用研究也费了一段时间,研究从无线电开始,而晶体管后来则大举用在计算机里。第二种模式是存在需求,需求等待新技术的发明。19世纪内燃机的发明就符合这种模式。当时的工业革命对机器的需求激增,这些机器需提供旋转式动力,用于移动各种机械装置,包括为陆地和水上车辆及最终为飞机提供动力。内燃机应运而生。
纽约大学斯特恩商学院的Nouriel Roubini博士2018年10月11日在德克森大厦举行的参议院银行委员会名为 “探索加密货币和区块链生态系统”听证会上作证。(照片:Tom Williams / CQ Roll Call)
而区块链技术及名为比特币的应用则是捆绑在一起出现的。比特币是一种没有中央银行的数字货币,该货币的交易经过验证后记录在分布式分类账(区块链)里。随着二者的出现,自由主义开始大肆炒作,称乌托邦革命开始了,政府甚至任何集权机构都会成为过时的东西。比特币投资热潮就是由这些炒作推动的,而不是由于比特币任何商业上的成功,炒作将比特币的美元价推至天价水平,同时还催生了大量其他加密货币。根据Coinschedule网站的数据,2017年一些策划人士推出所谓的首次货币募股(Initial coin offerings),吸引了超过200亿美元的投资,主要来自散户投资者。自今年年初以来,加密货币的美元价出现崩溃。比特币和以太币两种主要加密货币崩溃得最厉害,美元价值损失了70%,散户投资者似乎也是最受伤害的一群人。
那加密货币接下来会怎么样呢?
现在非常明显了,加密货币作为所谓的钱币功能已经完全失败了。钱币的教科书定义提出了三个标准:必须能作为交换媒介、能存储价值和能作为记帐单位使用。许多人都指出过,加密货币未能满足三个标准。例如,读者可参看国际清算银行总经理Augustin Carstens今年2月6日在歌德大学发表的演讲(https://www.bis.org/speeches/sp180206.htm)。很少有日常交易使用加密货币,所谓的暗网交易则是例外,大型暗网交易以加密货币进行匿名交换,加密货币在此处相当于那些塞满了无标记大面额美元钞票的手提箱。无标记大面额美元钞票得到毒枭和恐怖分子的青睐。加密货币美元价的大起大落意味着其价值主要是用于投机,而不是用于存储。而加密货币继续以美元定义自己的价值更是凸显了加密货币作为记账单位毫无用处的事实。
现代经济中货币的功能除了满足教科书定义的标准外,在很大程度上还取决于制度的基础和支持。政府需接受给定的货币作为纳税手段,市场必须接受给定的货币作为债务发行,还必须有一个称职的独立中央银行,能有效地管理货币的供应,确保价格的稳定。换句话说,货币之所以能执行各种关键经济功能是因为货币的根基是建立深层社会信任感及中央政府等公共机构之上的。
加密货币的失败表明,要取消中央权威以自治和分散技术取而代之的企图只是个白日梦。事实上,纽约大学经济学家Nouriel Roubini在美国参议院听证会上的证词里提到,加密货币的所有权和交易模式高度集中在一小撮所有者和公司手里,其中99%以上的交易也是在集中式的交易所进行。Roubini还指出,加密货币世界里的财富非常地集中。比特币所有权的财富分布比南非的收入分布情况糟糕两倍,而南非是世界上最不平等的国家之一。换句话说,加密货币的所有权、交易和控制模式并非像某个非集中的自由主义乌托邦那样,而是高度地集中和在非民主的环境中运作。
既然加密货币作为区块链技术的特定应用是个巨大的失败,那么区块链又该何以自处呢?我们可以解除区块链和加密货币的捆绑,回归第一种科技商业化模式:先有发明,再寻找可行的商业应用。区块链是为了创造比特币而发明的,而区块链本身还能做些什么则需要进一步的探索。到目前为止,还没找到区块链能做什么。许多实验正在进行之中,而且,显然所有的实验都有政府或监管机构的直接参与。例如,几家日本银行最近推出了一个名为Money Tap的国内支付移动应用程序,是基于区块链技术。但Money Tap是由日本政府财政部正式批准后完成的,其运作将受到通常的政府金融监管和监督。区块链技术的可行商业应用尚未得以实现,因此该技术现在的估计价值是一个大大的零。但这并不意味着区块链没有用。区块链可能是21世纪的晶体管,也可能因为找不到商业应用而与技术发明垃圾为伍。我们只能拭目以待。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。