至顶网软件频道消息: 英特尔今年在区块链领域里忙个不停,其中的一个重要项目就是与IBM共同赞助Hyperledger的Transact。
如今,区块链技术正在不断为产业创新提供支持,世界领先计算机硬件生产商之一的英特尔要与区块链商家进行广泛合作也是理所当然的。由英特尔共同赞助的Hyperledger新项目是6月底发布的,目的是简化区块链编程。与此同时,英特尔表示今年还将在其他几个区块链开发项目上做出更多贡献。
英特尔区块链项目总监Michael Reed在接受记者采访时表示,“我们与区块链部门合作的主要目标是确保区块链领域的新工作负载和领先解决方案能在英特尔芯片CPU/处理器上更好地运行。为此,我们正在全面进军整个区块链行业。”
Reed做了以下的解释——英特尔将区块链相关的工作放在了几个不同的类别上,例如参与区块链开发和构建开源软件。Reed表示,“我们将努力在企业以太网联盟和Hyperledger等联盟里收集区块链开发人员的要求或标准。”
谈及英特尔最近的工作时,Reed提到今年6月底Hyperledger的一个项目公告。“我们最近刚与Hyperledger一起共同发布了一个名为Transact的项目。 Transact的目标是为程序员提供使用区块链的更适当方式,让技术之间更容易兼容。”他说。
Reed表示,“Transact有望提供区块链常用的编程方法,他们称之为可扩展事务层。假若我今天要编个区块链程序,就需要选编程环境。例如,如果我想在以太坊环境里编程,通常就会选择Solidity,在Solidity集成开发环境里编程,由此得到智能合同,进而在以太坊虚拟机中执行。”
而Transact则希望简化此流程。Reed表示,“Transact的目标是打造一个有可扩展事务层的世界,这意味着,通过Transact完成一次编程,得到的代码就可以在任何支持Transact的区块链上运行。”Transact是由英特尔和IBM共同赞助的项目,该项目已经在Hyperledger获得批准,并在不久前正式发布了消息。”
Hyperledger在发布的关于Transact的博文公告(https://www.hyperledger.org/blog/2019/06/27/introducing- hyperledger-transact)中表示,英特尔此前做的工作在该项目的开发上发挥了部分作用。该博文称,“Hyperledger Transacts的初始代码是由Bitwise IO和Cargill开发的,英特尔之前在Hyperledger Sawtooth的贡献对初始代码有很大影响。”
英特尔的开源部最近也有其他发展。Reed表示,“我们刚刚启动了一个新的解决方案,称为可信计算规范,它为程序员提供了允许区块链与离线资源进行交互的方法。”
“这就是个VM (虚拟机),可以为用户提供更快执行合同的计算能力,这样的计算能力包括数据存储等。例如,ERP (企业资源规划)数据库,他们就可以在供应链应用程序里访问这个数据库。计算能力也可能是传感器,帮助用户更便捷地访问传感器。除此之外,计算能力也可能是为了通知或触发区块链合同。”Reed表示。
据Reed解释,英特尔曾在2019年5月在CoinDesk共识会议上作为企业以太坊联盟内部组建的一部分披露了此次项目的相关信息。
Reed表示,英特尔一直在聚焦旗下CPU/处理器性能的提升,并与IBM及Hyperledger Fabric的开发者社区合作提高Hyperledger Fabric的性能。Reed更给出了细节,“我们在这段时间内看到,在英特尔芯片上运行的Hyperledger Fabric性能提升了6倍”。英特尔曾于今年4月公布了有关数据。
此外,他还透露,英特尔芯片还在推广另外几项改进。例如,为使用英特尔硬件的开发人员项目提供隐私、安全和可扩展性。他称,“一些关键功能有助于实现这些改进,其中之一就是英特尔SGX(英文Software Guard Extensions的缩写)。英特尔SGX是我们处理器的一个独立部分”,可以在‘安全性、可扩展性和数据隐私’方面‘有助于更好地制作区块链’。” Reed表示。据悉,Corda创建者R3今年3月推出的Java虚拟机(JVM)就是在硬件的SGX部分运行。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。