代币化是区块链技术的一个关键应用，受到传统金融（TradFi）行业的高度关注和大量投资。 作者：杰米·克劳利 | 编者：谢尔顿·里巴克 更新时间：2025年5月23日下午4:57 | 原文发布时间：2025年5月22日下午4:12

在大众市场人工智能向消费者公开不到三年的时间里，几乎每个行业的企业都纷纷抢先采用这项技术，就像反疫苗者被多层次营销计划吸引一样。 到2024年，拥有超过5000名员工的公司中，有一半以上已经在使用人工智能。对于注重成本的老板来说，人工智能承诺可以提高生产力、降低运营成本——特别是减少传统上支付给人类员工的工资。 然而，随着全球工人对由少数巨头科技公司控制的AI驱动未来感到焦虑，企业积极采用AI的趋势已经开始对就业市场产生明显影响。 由于AI，年轻的大学毕业生进入职场的数量创下历史新低，全职有薪岗位正逐渐变为零工职位，简历夸大事实的现象也变得司空见惯，就业变成了一场令人头疼的噩梦。 虽然像Marc Andreessen这样的富有科技领袖声称技术将神奇地解放我们所有人，但历史告诉我们另一个故事：技术进步往往加剧现有的不平等，而非减轻它。这一模式早在人工智能成为主流之前，像爱因斯坦和霍金这样的思想家就已观察到。 事实上，人工智能已经表现出显著的性别和种族偏见，这是由其训练数据所导致的，专家警告说，将带有偏见的软件与全球大规模推广相结合，正在助长剥削现象。 不出所料，根据联合国国际劳工组织（ILO）更新的报告，人工智能预计将扩大就业中的性别差距。 借助2023年关于AI带来的自动化风险对各类岗位的影响的预测，该报告显示，在美国等高收入国家，女性在“高度自动化潜力”岗位中的比例已上升至9

在5月2日，代表Coinbase、Ripple和Uniswap Labs等行业领先企业的区块链协会向美国证券交易委员会（SEC）提交了详细的意见意见稿，受新任主席Paul S

西雅图UW医学中心的护士麻醉师约翰·维德斯潘（John Wiederspan）深知在高压手术室环境中错误如何发生，特别是在紧急情况下，肾上腺素和紧迫感促使医护人员匆忙给药。尽管持续进行患者安全措施，药物错误仍然普遍存在，据世界卫生组织统计，每20名患者中至少就有1人受到影响，美国每天大约有130万起伤害和1人死亡。药物错误常常涉及错误用药或剂量不正确。医院已采取色码标签和条码扫描等安全措施以减少失误，但错误仍在发生。 UW医学中心和华盛顿大学的麻醉学专家兼工程师凯莉·米歇尔森（Kelly Michaelsen）指出，90%的麻醉师在职业生涯中都承认曾出现过用药错误。她设想人工智能可以作为“第二只眼睛”，实时检测错误，因为大约99%的药物都集中在10至20种常用药物中。她特别关注“瓶子置换”错误，这类错误约占药物差错的20%，发生在错误的药瓶或注射器标签导致患者被注射了不正确的药物时。一例悲剧发生在范德比尔特大学医学中心，一名75岁的女性因误用麻痹剂而非镇静剂导致死亡。 为了预防此类错误，米歇尔森开发了一种嵌入摄像头的智能眼镜系统，将其集成在手术时佩戴的保护眼镜中。该系统可以扫描、读取并比对瓶子和注射器上的标签，一旦发现不匹配便向医护人员发出警示。该AI系统的研发和培训超过三年，期间获得了使用预录药物制备视频及模拟错误场景的批准，因伦理限制不能在真实患者身上故意制造错误。测试结果显示，该系统在检测瓶子置换错误方面的准确率达99

截至2025年5月，区块链三难困境依然是加密货币和区块链领域的核心挑战。由以太坊联合创始人 Vitalik Buterin 提出，三难困境描述了同时实现区块链三大关键特性——去中心化、安全性和可扩展性——的难度。这一概念继续影响着区块链的发展，各方不断努力在不牺牲任何一方面的情况下寻找平衡。 **什么是区块链三难困境？** 区块链三难困境强调了开发者在构建网络时必须面对的取舍。每个组成部分都至关重要，但优化某一方面常常会牺牲其他方面： - **去中心化：** 区块链的基础原则，将控制权分散在参与者之间，而非集中在某个实体。它增强了反审查和抗失败的能力，但同时也使得达成共识更为复杂，交易速度变慢。 - **安全性：** 通过工作量证明（PoW）或权益证明（PoS）等机制，保护网络免受双重支付或操控攻击。强大的安全性可能降低速度或增加成本。 - **可扩展性：** 能在短时间内处理大量交易的能力，对于广泛应用至关重要。例如，比特币每秒只能处理约七笔交易，远远不能满足全球需求。提升可扩展性往往意味着牺牲去中心化或安全性。 三难困境表明，没有任何区块链能同时完美优化这三个方面——比如，提高可扩展性可能会使某些功能集中，削弱去中心化；优先保证安全则可能减慢交易速度，影响可扩展性。 **为什么区块链三难困境重要？** 除了技术难题外，三难困境还是阻碍区块链走向主流的根本障碍。为了与传统系统（如银行）竞争，区块链必须兼具去中心化（确保信任）、安全（防止欺诈）和可扩展性（支持全球大量交易）。在这些目标未能平衡之前，区块链的全部潜力尚未发挥出来。 这种紧张关系影响着设计选择：比特币优先强调安全性和去中心化，但可扩展性较差；一些新兴区块链则偏重于提升可扩展性，可能会牺牲去中心化，更像集中式系统。 **应对三难困境的现有努力** 到2025年，尚未有区块链完全解决三难困境，但已有许多显著的进展： - **第二层协议（Layer-2）：** 在现有区块链之上构建，用于提升可扩展性而不改变底层。一例是比特币的闪电网络，实现更快的链下交易，同时保证安全性和去中心化。 - **分片（Sharding）：** 以太坊2

OpenAI是一家领先的人工智能研发与部署公司，正通过投资硬件领域，超越软件和AI模型的范畴，收购由知名设计师乔尼·艾维创立的初创企业。艾维以塑造苹果的标志性产品闻名，这一战略举措旨在开发创新的消费者设备，将AI深度融合其中，超越传统的个人电脑和智能手机。 乔尼·艾维在苹果任职期间，以极简和优雅的设计风格著称，参与了iPhone、iPad和MacBook的设计，他将与OpenAI的CEO萨姆·奥特曼密切合作。他们的合作结合了先进的AI技术与世界级的工业设计，有望引领新一代的消费电子产品。新成立的公司，命名为“io”，旨在重新构想AI在日常设备中的融合，更少关注传统智能手机，更注重具有突出摄像功能的硬件，例如高端智能耳机等先进穿戴设备。这也符合行业趋势，科技巨头们正在探索智能眼镜和增强现实（AR）技术，以打造沉浸式、智能化的体验。 这一举措反映了一种更广泛的技术潮流，即将AI嵌入实体硬件，而非只在现有设备上运行AI软件。结合艾维在产品美学与功能重塑方面的丰富经验以及OpenAI的AI技术专长，io有望通过推出智能、设计精美的产品，彻底改变消费者电子市场。对配备摄像头的设备的关注，也预示着在摄影、空间感知、手势识别以及潜在的基于AI的隐私保护方面可能的创新。 在苹果、Meta和谷歌等公司积极研发智能眼镜和AR平台的激烈竞争中，OpenAI通过io的投资彰显了其对紧密集成的AI与硬件生态系统的信念，以创造突破性的用户体验。这种融合打破了AI软件与物理设备之间的界限，使产品能够感知、理解并与周围环境进行前所未有的互动——影响范围涵盖娱乐、健康和健身等多个行业。 OpenAI收购艾维的初创企业体现了一种重视卓越设计与AI创新相结合的战略愿景。凭借这些优势，io有望引领下一波消费设备的创新浪潮，打造从根本上重新定义人机交互的产品。随着项目的推进，业界人士期待着更多关于io的产品发布和理念的深入了解。 总之，OpenAI通过收购乔尼·艾维的初创公司在AI融合消费科技方面迈出了重要一步。以AI驱动、以摄像头为核心的设备的出现，预计将在智能硬件的变革中扮演关键角色，推动个人连接、沟通及科技体验的未来发展。

区块链技术已成为增强物联网（IoT）系统安全性和隐私保护的重要解决方案，它通过去中心化存储数据和使用密码学保障交易的安全性，确保数据不可篡改并防止未授权访问。早期的研究提出了轻量级区块链框架，用于智能家居以防止外部攻击保护用户数据。智能合约进一步实现了基于预定义触发条件的设备自动化操作。然而，区块链的高计算需求和共识机制可能带来延迟，影响实时应用的效率。目前正在探索将区块链与机器学习（ML）结合，以提升6G网络的安全管理和智能城市基础设施的优化能力，从能源、交通等领域增强透明度、安全性和效率。区块链的应用也有效提升了IoT智能设备的安全性和隐私保护。 在温度预测控制方面，ML的应用逐渐增多，因其能增强系统响应速度和能源效率。ML算法分析历史室内温度、占用情况和天气数据，以预测采暖或制冷需求，实现预先调节系统。研究表明，基于ML的控制系统比被动响应系统最多可减少18%的能源消耗。这类预测系统对数据处理要求高，需安全可靠地处理实时与历史数据。边缘计算被引入，用于缓解云端处理的延迟和带宽限制，通过本地数据处理改善实时决策能力，特别适用于智能温控系统。人工智能（AI）与区块链技术的结合，大幅提升工业生产效率、运营可靠性和数据安全性。 将可解释的AI与区块链结合，能增强财务决策的透明度和信任度。利用区块链和深度学习模型的智能家居框架，在节能、安全和自动化方面实现了显著进步。结合差分隐私模型与区块链，有效保护用户数据隐私。系统如BEDS通过高效调度传感器数据，提升智能家居和车辆中的数据管理能力。借助区块链与无线传感器网络（WSNs）的协作，提升数据完整性和可靠性，创新的群体智能方法不用增加资源即可增强WSN的安全和效率。其他研究则通过先进的预测和调度技术，优化微电网运行、无线供能系统和可再生能源集成，常利用联合ML算法提高能源消耗预测的准确性。 用户信任在智能家居设备的采纳中起关键作用，影响其接受和使用意愿。研究综述涵盖AI驱动的能源管理系统，优化温控和效率，而区块链方面则关注保障数据交换的安全性。WSNs在预测温控框架中扮演核心角色，用于实时采集传感器数据，各类ML模型提升预测精度，通过对冷热系统的预判与调节实现节能。支持区块链的去中心化能源交易与智能家居的能源管理目标一致。数据聚合技术优化WSN性能，降低能耗、提升准确性。认知代理实现物联网的环境感知和自适应。创新的混合架构和基于代理的算法提升资源发现和节点定位能力，增强物联网网络的规模扩展性和安全性。 本研究的主要贡献包括：(1) 将AI与区块链结合，实现预测性温控和安全数据管理；(2) 构建结合预测调度和动态事件检测的框架；(3) 在能源效率、安全性和系统扩展性方面进行性能评估。尽管取得进展，仍存在不足：将区块链与预测ML结合用于温度控制的整合不足，限制了安全性和自适应性解决方案；许多系统还未结合预测控制与强大的数据安全措施；云端处理造成延迟和计算瓶颈影响实时响应；而能源管理方案常忽视动态定价和去中心化交易的潜力。 本文通过引入基于AI的区块链框架，整合WSNs、基于ML的预测分析和边缘计算与时序数据处理，解决上述问题。主要创新点包括：利用区块链支持的预测ML实现优化的采暖/制冷控制；通过边缘计算在本地处理数据，减少延迟，同时采用时序分析降低高峰负荷；使用先进的WSNs结合预测调度实现精准事件检测、能耗最小化；支持通过区块链的点对点能源交易，结合动态定价优化利用效率和降低成本；系统具有良好的扩展性，提升能源利用率并实现去中心化的安全管理。 在这一领域，应用多种AI/ML模型，包括：人工神经网络（ANN）与深度神经网络（DNN）用于建模复杂非线性时序，预测温度与能耗；支持向量机（SVM）进行高维数据的回归；随机森林（RF）提供稳健的集成预测；循环神经网络（RNN）和长短期记忆网络（LSTM）专长于时间依赖的预测任务；决策树（DT）实现可解释的决策过程，用于温控优化。这些模型极大提升了空调以及暖通系统的预测精度。 问题建模方面，涵盖温度动态的热传导模型、利用ML进行未来温度与能耗的预测，以及按照用户偏好设计控温控制律。目标是在保证舒适的前提下，最小化能源消耗。引入时序分析，将非紧急计算转移到低谷时段，减轻高峰负载。区块链保证传感器数据与控制信号的安全，通过存储哈希不可变区块确保数据完整性与透明度。利用温度变化速率检测动态采暖/制冷事件，通过ML调节阈值以适应环境变化。预测调度基于历史事件模式，提前预判加热需求，实现预控和节能操作。 一项创新是在智能家居中实现基于区块链的去中心化能源交易，利用智能合约以动态价格安全交易剩余的可再生能源。通过优化WSNs中的传感器管理，减少不必要的能量消耗，同时保持有效覆盖。多个智能家居作为代理组成去中心化网络，共享能源负载，降低峰值需求。自适应控制算法利用实时反馈和学习率，最小化能耗和温差偏差。 整个系统流程包括：采集并预处理历史和实时传感数据，训练ML模型，预测温度与能耗，检测采暖/制冷事件，结合区块链实现安全、不可篡改的日志和共识机制，进行预测调度与优化，依据反馈动态调整。性能通过准确率、能耗节省、可扩展性和响应延迟进行评估。 仿真利用实测数据，涵盖多个房间的温度、能耗、散热器状态，结合室外天气信息，覆盖六个月数据。数据预处理包括插值、异常值剔除、归一化、特征提取等。训练神经网络并进行可视化，支持模型的自适应学习。 仿真显示，该系统能通过预测控制，在外部环境波动时平稳调节室内温度，显著提升温控平滑性并大幅降低能耗，运用动态调节策略和时序负载平衡实现节能优化。区块链确保数据安全，支持去中心化的能量交易和调度。ML阈值自动识别散热器开启/关闭及制冷事件，实现能效预控。与传统温控器和PID控制器相比，本系统在节能、响应速度、准确性、事件识别和数据安全方面表现出优越性。 算法复杂度分析显示，实时数据采集为O(n)，ML推理为O(d)，区块链交易处理为O(1)至O(log n)，事件检测为O(n)。存储随着传感器数量和区块链大小增加而增长。在保证数据完整的同时，平衡了计算需求与能耗优化。 总结而言，本研究提出的基于AI的区块链框架，将预测性温控、去中心化数据管理、边缘时序处理与能量交易巧妙融合，有效提升了能源利用效率、系统响应速度、用户舒适度和数据安全性，为智能家居中的温控问题提供了可信、可扩展的解决方案。