
对于比特币等加密货币形式的数字货币概念,或许很多人已经相当熟悉,其中的交易信息会被记录在被称为区块链的安全分布式数据库当中。除此之外,基于区块链的代币这一新型概念也引发了人们的高度关注。而俄勒冈大学金融学助理教授Stephen McKeon,则一直作为区块链研究员以及加密货币与区块链代币课程教师密切追踪着这一议题。
在过去18个月当中,数字开发商通过所谓“首次代币发售(简称ICO)”的融资流程筹集到了总计超过200亿美元——其中就包含大量基于区块链的代币(blockchain token)。这些代币包含两种常见类别:“实用”代币与“安全”代币。
实用代币
实用代币在本质上属于加密货币,其主要用于特定目的,例如购买特定商品或服务。举例来说,如果大家希望在线存储信息,那么目前最常见的方式无疑是成为Google Drive、Dropbox或者Amazon Web Services等托管服务的客户。大家会在这些企业的服务器中获得一定的预留存储空间,并可以通过美元、欧元、日元或者其它国家的法定货币支付费用。
但如今我们还可以选择另一种方式。例如,Filecoin网络希望提供类似的云存储服务,而其本身却无需运营规模庞大的服务器集群。相反,该服务的用户会以加密形式将数据存储在其他普通客户的闲置磁盘空间当中。这就需要使用一种不同的追踪形式,确定某一用户使用多少存储空间,并利用新方法向提供磁盘驱动器数据托管空间的参与者支付费用。利用实用代币,在本案例中为Filecoin,客户存储的数据量越大,网络就会相应地从其Filecoin代币余额中扣除更多数量,并根据托管数据的具体位置向各存储资源提供者发送代币。客户也可以使用适合的任何法定币种购买更多代币,而主机则将根据他们选择的货币类型进行转换,并持续根据空间使用情况计算资源成本。
除了实现数据使用与支付自动化之外,Filecoin代币还能够实现超越常规货币的另一项比较优势:其金额单位可以极小,从而提供非常精确的价格表现。
Filecoin的目标在于构建一套与商业运营体系同样可靠且安全的云存储系统,只不过以去中心化方式存在。而实用代币只是使这一思路得以实现的基础性工具。
安全代币
安全代币(有时也被称为「安全代币化」或者「安全加密货币」)不仅仅是一种货币,其通常也代表着对现实世界中实际资产的所有权。与传统股票或债券一样,这类代币受到美国证券交易委员会的监管。定期证券可以通过纸质文书或者中心数据库进行追踪。而安全代币则利用区块链系统——一套去中心化数据库——来追踪特定资产到底归谁所有。
利用基于区块链的安全代币,我们将能够把交易扩展到正常的银行与股票市场经营时间之外,同时进一步加快交易的完成速度。再有,基于软件的市场也将允许智能合约以自动化方式对交易相关事务进行监管与报告。
安全代币允许客户轻松访问多项投资:正如单一电子交易投资账户能够保存多种不同股票与债券记录一样,基于区块链的数字钱包也能够对一系列不同各类的安全代币进行存储与管理——具体代表股权、债务甚至是房产等等。
不同加密货币间的对接
事实上,以上两种代币都不需要像比特币以及以太币等加密货币那么拥有自己的区块链体系。相反,代币可以将其所有权会计系统进行外包,即将其接入至预先存在的区块链分类账当中。这实际上相当于创建起一套新的分类账,例如以太网络中的分类账,且专门用于特定一种代币。而要在以太坊上追求及记录自己的代币,每位用户都需要向以太坊网络支付少量交易费用以实现交易内容验证。
目前,代币仍处于早期发展阶段。但我们期待能够在未来几年中看到以代币为基础的更多创新性成果。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。