7月23日,在螞蟻集團全新發(fā)布螞蟻鏈現(xiàn)場,螞蟻鏈一體機正式發(fā)布。作為國內(nèi)首款區(qū)塊鏈領(lǐng)域的自研軟硬件一體機,螞蟻鏈一體機為政企開發(fā)者提供強隱私、高性能、高安全、即用即上鏈的區(qū)塊鏈技術(shù)服務(wù),可節(jié)省90%以上的部署時間。
隨著區(qū)塊鏈應(yīng)用場景的不斷拓展,實時跨企業(yè)協(xié)作的隱私問題、高并發(fā)場景的性能問題、數(shù)字資產(chǎn)流通的安全問題都對技術(shù)提出了更高要求,尤其是跨企業(yè)協(xié)作的隱私問題在個別業(yè)務(wù)場景中成為了亟需解決的核心難點。
螞蟻鏈一體機采用全球首個硬件隱私保護解決方案,螞蟻集團、阿里巴巴的硬件團隊及平頭哥憑借強大的軟硬件設(shè)計能力,聯(lián)合自研首款針對區(qū)塊鏈智能合約的專用處理硬件——區(qū)塊鏈安全計算硬件,具備自主可控信任根的可信執(zhí)行環(huán)境,確保合約執(zhí)行過程中的數(shù)據(jù)安全隱私。
基于300多項軟硬件專利,除區(qū)塊鏈安全計算硬件外,一體機還集成了區(qū)塊鏈密碼卡、區(qū)塊鏈網(wǎng)絡(luò)共識加速器這幾項核心硬件技術(shù)。其中自研密碼卡具備國家最高安全資質(zhì),能夠在各種應(yīng)用環(huán)境中確保密鑰使用的安全性。
除了技術(shù)上的核心優(yōu)勢,螞蟻鏈一體機還大大提高區(qū)塊鏈的部署效率,預(yù)計可節(jié)省90%以上的部署時間。同時有效提升交易速度30%、降低共識延遲40%、加速密碼運算5-10倍。
螞蟻鏈平臺網(wǎng)絡(luò)核心部資深技術(shù)專家閆鶯介紹,硬件化、芯片化是區(qū)塊鏈領(lǐng)域的下一個核心技術(shù)熱點與方向,螞蟻鏈一體機的發(fā)布意味著,從大規(guī)模網(wǎng)絡(luò)部署、端到端通用隱私保護和高性能安全密鑰保護等技術(shù)維度,螞蟻鏈都全面引領(lǐng)著業(yè)界技術(shù)方向。
據(jù)了解,螞蟻鏈已經(jīng)在通用型的隱私保護解決方案上獲得豐富成果,作為首個中國區(qū)塊鏈公司在國際數(shù)據(jù)庫領(lǐng)域頂級會議ACM SIGMOD 20上發(fā)表相關(guān)技術(shù)論文,經(jīng)過代數(shù)優(yōu)化的PAILLIER99同態(tài)密碼算法也已領(lǐng)先業(yè)界。
目前,螞蟻鏈已經(jīng)構(gòu)建起全國最大的區(qū)塊鏈生產(chǎn)力平臺,技術(shù)上支持10億賬戶規(guī)模,同時支持每日10億交易量,實現(xiàn)每秒10萬筆跨鏈信息處理能力,申請專利和授權(quán)專利均位列全球第一,在共識機制、智能合約、可信計算、隱私保護、跨鏈交互等方向的核心技術(shù)上都取得了突破。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。