网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

数据端的智能设备、区块链、AI是多层维度的生态。我认为edge computing边缘计算对这个多维度数据生态的实现有关键作用。首先数据都是在移动端，通过区块链确权上链，如果在边缘设备上进行预计算，效率对区块链和AI都提高。

智能矩阵Atmatrix创始人高庆忠：

边缘计算更多用于物联网场景或小计算场景，是分布式数据处理。边缘计算后的数据往往更小，有利于人工智能的进一步处理，但并不等于实现了分布式人工智能。边缘计算与区块链结合可以帮助对每个硬件产生的数据进行跟踪和验证，但实现分布式人工智能更多地依靠人工智能领域的研究创新。

金色财经：人工智能在量化交易和流动性管理领域的应用有哪些？未来是否会出现AI量化公司？甚至AI也会发展成为一种数字资产？

智能矩阵Atmatrix创始人高庆忠：

人工智能在量化交易和流动性管理领域未来有应用前景，未来有可能出现AI量化公司，AI也有可能发展成为一种数字资产。例如，ATN公有链的生态里，将会出现各种AI应用，例如AI画家，AI医生，AI投资分析师，AI交易员，AI教师，AI会计师等，这些应用都可能在链上发行数字资产，这些数字资产都可以称为AI数字资产。各种AI应用创新，包括AI量化交易员，都是未来发展的机会点。单点应用，比如AI量化交易，这种以后都只是一些DApps。

区块链人工智能领域，提供一个专为人工智能领域优化甚至特制的区块链公有链和联盟链，以及多链架构，是非常好的基础设施。区块链提供了一种新型经济系统。

本征资本联合创始人庞华栋：

其实在过去三四年的时间，华尔街是非常青睐人工智能在量化交易的应用的。据我所知，许多较大的对冲基金为此专门组建团队去从事这个事情，然而百分之七八十的结果并不如人所愿。结果显示，它并不比传统的量化交易模型和量化策略好太多，甚至有时候反而更差一些。但是这不代表这件事在将来不会爆发，人工智能自身是一个优势，但也是一个劣势。优势是说它对这个数据里面的逻辑做了一个穷举，然而劣势是我们只知道输入和输出，却不清楚其中的逻辑。在这样的情况下，它会导致一个量化策略的问题，就是即使挣钱却对挣钱的原因全然不知。当完全依赖于这个黑盒子的时候，其实是很可怕的，因为谁也不能对其可能出现的bug进行预知，而bug一旦出现，金融市场将会面临巨大的风险。

所以，在我看来，AI应用的量化，仍有很长的路要走。目前更现实的是将AI与传统量化结合起来，这样我们更清楚其中逻辑什么，因为很多可以盈利的策略里面都有一个强逻辑，这个逻辑可以是经济逻辑，金融逻辑或数理逻辑。

Cortex创始人兼CEO陈子祺：

边缘计算用来筛查无用计算很有用，需要目标上链的通过调用DApp进行链上写入，这个是我们目前看到的最有商业价值的。因为这很可能跳过互联网唯一的营收渠道——广告，使得广告购买者和消费者保证直接沟通。当然这个生态很大，我们项目方还是先做好生态设施公链为目标。

现在已经有很多基于强化学习和对抗训练的模型，都在二级市场中收割散户，有的策略不错赚的盆满钵满，有的还不如人，偷鸡不成蚀把米。AI最可能成为数字资产的应该是模型，我们的目标是开源模型，但是不妨碍有一些好的in house改进。我们目标也是AI民主化，不要搞得那么武力不对等，散户都被AI收割，那个太糟糕了。另外，AI之间对抗训练这块很可能会成为常态，天下没有常胜的AI，都是要不断迭代，学会给交易对手设置陷阱，这也是目前工业界看到的最优秀的AI交易程序。

Cortex联合创始人兼CTO田威扬：

第一，Quantitative Trading带有反身性，凡是研究价量的都是靠运气吃饭，这是过去几十年的既成事实。第二，如果有机会，机会在Reinforce Learning并且研究盘口，这需要网络好、盘口透明。第三，AI for Stable Coin我们团队内部也有争论，意见尚未统一。

普渡大学区块链实验室副主任刑大地：

AI for stable coin是个什么情况？我理解stable coin是金融产品设计的问题，需要复杂的算法吗？Quantitative Trading主要还是金融数据本身的强随机性，并且交易数据本身包含的determinative的要素有限，所以实际上在花街用AI量化很少能跑出牛逼的阿尔法。从统计上解释，就是过拟合。

Cortex联合创始人兼CTO田威扬：