巴比特| 元宇宙每日必讀：證監會科技監管局局長姚前建議重點發展基於AIGC技術的合成數據產業，構建大模型訓練數據的監管體系

摘要：證監會科技監管局局長姚前撰文稱，除算力瓶頸之外，訓練數據將成為大模型產業化的最大掣肘之一。從更深層次考慮，大模型在訓練數據方面還存在各種治理問題。為此，作者提出來三點建議，一是重點發展基於AIGC技術的合成數據產業，二是構建大模型訓練數據的監管體系，三是探索基於可信機構或基於可信技術的數據託管方式。 （中國金融雜誌）

圖片來源：由無界AI繪畫工俱生成。

蘋果新專利：通過對象檢測算法為用戶提供定制虛擬化身服務

3 月7 日消息，近日，美國專利商標局公佈了一份蘋果公司的專利申請，該專利申請涉及下一代虛擬化身/Memoji 定制，允許用戶定制眼鏡、帽子或其他配件，並通過機器學習過程集成到Memoji 中。更具體地說，該專利聲明“在一些實施方案中，一種或多種計算機視覺（CV）和/或其他啟用機器學習（ML）的目標檢測算法可應用於註冊圖像”。

在蘋果的專利背景中，他們指出虛擬化身可以提供一定程度的隱私，同時仍然允許用戶控制他們的在線身份。作為一種自我表達的手段，許多用戶可能希望定制自己的化身，以顯示反映用戶實際外觀的物理特徵。用戶還可以用各種配件來定制自己的化身，如服裝、眼鏡、頭飾等，這可以反映用戶的個人風格、時尚品味和/或現實生活中的外觀。

微軟將ChatGPT整合到更多工具中，不用寫代碼就能開發應用

3 月7 日，據新浪科技報導，微軟公司將ChatGPT 背後的技術整合到其Power Platform 平台上，允許用戶在幾乎不需要編碼的情況下，就能開發自己的應用程序。微軟表示，其Power Platform 平台上的一系列商業智能和應用程序開發工具，包括Power 虛擬代理（Power Virtual Agent）和AI Builder，均已更新ChatGPT 功能。 Power 虛擬代理是一款供企業構建聊天機器人的工具，如今可以連接到公司內部資源，生成周報和客戶查詢的摘要。此外，微軟還為AI Builder 和Dynamic 365 添加了ChatGPT 技術，前者允許企業自動執行工作流程，後者是一個業務管理平台。

美SEC 正增加員工人數，重點調查DeFi 平台、NFT 和穩定幣等違反證券法的行為

據福布斯3 月7 日報導，美國證券交易委員會（SEC）正在增加員工人數，增強審查、調查、審計、檢查和可能起訴與這些新加密產品和交易活動相關的證券法違法行為的能力。新增的工作人員將包括監管人員、調查人員律師、欺詐分析師和出庭律師，重點調查以下方面違反證券法的行為：加密資產發行、交易以及借貸和質押產品；DeFi 平台；NFT 和穩定幣。

市場調查機構：英偉達可從ChatGPT 賺取3 億美元

3 月7 日，市場調查機構TrendForce 集邦諮詢公佈的最新報告指出，如果以英偉達A100 顯卡的處理能力計算，運行ChatGPT 將需要使用到30000 塊英偉達GPU。目前英偉達A100 顯卡的售價在10000-15000 美元之間，該售價取決於OpenAI 需要多少顯卡，以及英偉達是否會為AI 公司提供訂單折扣。 TrendForce 預估英偉達可以賺取超過3 億美元。

外媒：亞馬遜預計將於4 月24 日推出NFT 平台

據Thebigwhale 報導，電商巨頭亞馬遜預計將於4 月24 日推出其NFT 平台，此次發布將推出約15 個系列。此前據Blockworks 報導，四位消息人士稱，亞馬遜正在推出一個數字資產企業，NFT 計劃預計將在春季推出。

《姚前：ChatGPT類大模型訓練數據的託管與治理》

ChatGPT的主要魅力在於，它利用從互聯網獲取的海量訓練數據開展深度學習和強化學習，可以給用戶帶來全新的“人機對話”體驗。海量訓練數據可謂是維繫ChatGPT進化的核心要素之一。有研究預測，按照目前的發展速度，到2026年ChatGPT類大模型的訓練將耗盡互聯網上的可用文本數據，屆時將沒有新的訓練數據可供使用。因此，算力瓶頸之外，訓練數據將成為大模型產業化的最大掣肘之一。

https://www.8btc.com/article/6807648

《投資者：AIGC是現階段重點投資領域，整體樂觀，但出手謹慎》

AIGC看了有半年了，到現在為止都沒看到合適的項目。 ”聊起近來的投資方向，一名北京的投資人馮奇（化名）略顯遺憾地告訴《科創板日報》記者。馮奇說，他所在的機構從去年stable diffusion開源以後，就一直在關注AIGC領域，尤其在ChatGPT出現之後，對於生成式AI，大家基本形成了共識，“這是一個重要的、有機會的市場”。

https://www.8btc.com/article/6807594

《Meta版ChatGPT開源代碼遭洩漏，開發者稱新AI 大模型推理速度優於GPT》

3月5日，一位名為@Enryu 的開發者在Medium平台發文，比較了LLaMA和ChatGPT在多個開發挑戰任務中的效果。結果顯示，LLaMA訓練過程算法大部分比ChatGPT訓練更快、更便宜。他認為，與ChatGPT相比，LLaMA架構更小，但訓練過程和單GPU（圖形處理器）芯片推理速度更快，成本更低，而且該庫還支持所有LLaMA模型架構，用戶可對模型進行微調等。

https://www.8btc.com/article/6807678