今天是 05月 05日，市场永不眠，财经早知道

本节目由第一财经制作，新浪财经联合呈现

美联储收紧货币政策是今年影响全球金融市场的头等要事，而在美国通胀高烧不退的情况下，不管是从市场定价，还是从一众高官的表态来看，美联储加速“控通胀”的决心已经下下去了。资本市场的反应也非常直观，美元指数4月大涨5%，创20年新高，美股全线累计下跌，纳指跌幅接近10%.

所谓旧忧未解再添新愁，俄乌局势持续、通胀尚未见到拐点，美联储强硬的加息表态，都是市场近期在持续努力消化的压力。而亚太地区疫情持续对于物流供应链、以及经济生产活动的扰动看似仍将持续一段时间，引发了市场对于全球增长前景、特别是关键供应链如汽车和零部件、电子半导体供应链扰动的进一步担忧。与此同时，部分美股龙头公司披露业绩不及预期，正好给了投资者抛售的理由。

另外，值得一提的是，刚刚公布的美国一季度实际GDP年化环比下降了1.4%，主要受库存投资、贸易逆差、以及政府支出拖累，三者合计拖累GDP共4.5个百分点，但从分项数据看，美国经济并没有GDP增速看上去那么差，至少内需还是比较强的，所以预计美联储不会改变货币紧缩的想法。

当地时间5月4日下午，美联储通过会议决定将美国联邦基金利率增加0.5%(即上涨50个基点)，以降低美国高企的通胀率。加息后，联邦基金利率区间增至0.75%到1%。这也是美联储22年来首次一次升息0.5%。

同时，美联储还宣布将启动一项缩表计划，从6月开始，每月从9万亿美元资产负债表中减少475亿美元资产负债，三个月后，每月将减少950亿美元。

。周三欧股全线下挫。截至收盘，法国CAC40指跌幅最大，欧洲斯托克600指数紧随其后，英国富时100指数跌幅次之，德国DAX指数跌幅最小。

尽管欧股收于美联储公布最新利率决议之前，但市场已对加息消息做出反应。欧市尾盘，德国10年期国债收益率涨0.4个基点，刷新日低至0.969%；英国10年期国债收益率涨0.8个基点，报1.966%。

数据方面，经合组织（OECD）日内发布的数据显示，由于能源价格持续上涨，经合组织今年3月通胀已经升至8.8%，为将近三十五年来最高。

针对最近饱受外界关注的儿童肝炎，世卫组织最近在瑞士日内瓦召开新闻发布会时宣布，截至5月1号，在全球范围内，共有20个国家和地区报告了228名儿童出现不明原因急性肝炎，患病儿童中已确认1名死亡，18名儿童需要进行肝移植。

此外，总部位于意大利罗马的联合国粮农组织日内发布的报告显示，全球面临粮食不安全的挑战，报告认为，造成这一状况加剧的主要原因是冲突、极端天气和经济危机。

周四将公布的经济数据包括，英国4月PMI，德国3月工厂订单，法国3月工业产出，以及瑞士4月CPI数据。主持人。

美股全线收高道指收盘涨超900点

随着市场消化经济数据，美联储最新利率决议，以及美联储主席鲍威尔讲话，美股尾盘大幅反弹并全线收高，其中道指收涨932点，标普500指数收涨3%，纳指收盘上涨3.19%。

美联储宣布加息50个基点6月开始缩表

根据美联储在周三下午公布的5月利率决议，宣布将基准利率上调50个基点至0.75%-1.00%，符合市场预期。这是美联储2000年5月以来首次加息50个基点，也是2006年以来首次连续两次会议加息。根据美联储声明，委员们一致同意此次的利率决定。美联储“高度重视”通胀风险，并预计“继续”加息是合适的。与此同时，美联储将于6月1日开始以每月475亿美元的步伐缩表，并在三个月内逐步提高缩表上限至每月950亿美元，即每个月缩减600亿美元美国国债和350亿美元抵押贷款支持证券。美联储表示，美国一季度经济活动下滑。通货膨胀率居高不下，反映出疫情导致的供需失衡、能源价格上涨以及更广泛的价格压力。美联储预计，通胀将回到2%的目标，劳动力市场将保持强劲，货币政策将适当收紧。

鲍威尔：未来几次会议加息50个基点也是选项

美联储主席鲍威尔在随后召开的新闻发布会中承认通胀过高，美联储正在迅速行动以压低通胀，劳动力市场极度紧俏。预计正在进行的一系列加息行动是适宜的。必须降低通胀以保持劳动力市场强劲。鲍威尔还表示未来几次会议加息50个基点也是选项，并排除了加息75个基点的可能性。

1. 桥水创始人：美股科技股泡沫已破裂，但现在买入仍不安全

桥水创始人达利欧认为，创新科技股的泡沫已破裂，但不代表现在是入场买货的好时机。今年1月，Dalio发出警告，称特斯拉、Roku在内的创新科技股已处于极端泡沫中。达利欧强调其他泡沫迹象，包括特殊目的收购公司（SPAC）和IPO的兴盛，以及期权交易活动的大幅增加。其后相关科技股的泡沫接连破裂，整体较去年重挫约三分之一。达利欧补充道，整体而言，美股仍然被高估。 历史表明，泡沫往往会过度修正为下跌趋势，而不是稳定在更“正常”的价格水平。

2. 外媒：马斯克说“推特”未来可能会向商业和政府用户收取少量费用

据路透社消息，美国特斯拉公司首席执行官埃隆·马斯克当地时间3日在推特网站上发文说，已经被他收购的这家美国社交平台未来可能会向商业和政府用户收取少量费用，但将永远对普通用户免费。 报道称，上月25日，马斯克与推特董事会达成协议，以每股54.2美元的价格对其进行收购，交易价值约为440亿美元。最近一段时期，马斯克多次在各种场合建议对推特进行大幅度改革，他希望通过技术和收费等领域的改革扩大推特的影响力。

3. 花旗：日元走软对韩国等亚洲工业化国家影响更大

花旗集团表示，由于竞争压力，韩国等亚洲工业化国家将更多地感受到日元疲软的影响。以Johanna Chua为首的分析师表示，韩国与日本的净出口相似性最高，其次是新加坡和泰国。日元的不佳表现最终可能会打击韩国央行的鹰派立场，新加坡金管局也会受到一定程度的影响。

4. 星巴克：将使用区块链技术构建Web3数字“第三空间”并推出首个NFT

据官方博客显示，星巴克将基于区块链技术构建Web3数字“第三空间”并推出首个NFT。计划将数字社区Web3平台打造为一个易于交互、可广泛访问的前端组合，并以快速且低成本的区块链技术为后盾。此外，星巴克宣布将创建一系列品牌NFT集合，并建立世界级合作伙伴关系。星巴克相信NFT具有广泛的潜力，成为增值业务收入来源。

5. 拍卖史上最大白钻即将开拍！拍卖史上最大白钻或拍出1.9亿元人民币

一颗绰号为“岩石”的巨型白钻将于下周三在佳士得拍卖行拍卖。这颗梨形白钻重228.31克拉，据称是拍卖市场上有史以来最大的一颗白钻，预计拍卖价格将高达3000万美元、约合人民币1.9亿元。

6. 海通证券荀玉根：市场正处在政策底到业绩底的中间阶段

海通证券首席经济学家、首席策略分析师荀玉根发布研报称，从投资时钟、股市估值、调整时空角度分析，A股大概率已经进入一轮周期的底部区域。后续在现有政策加快推进的基础上，有望再追加更多稳增长政策。当前政策底已经很明确了，市场正处在政策底到业绩底的中间阶段，着眼长期，可进入布局期。他建议，继续围绕稳增长主线布局，其中新基建弹性更大，如数字经济、低碳经济赛道，逐步关注经济复苏相关的消费板块。

7. 五一期间外围油脂市场走弱，预计节后国内油脂大幅低开

五一期间，美豆油主力跌8%，因美国天气可能促使农户提高大豆播种面积，且疫情导致需求前景堪忧，以及美豆油创历史高位，平仓离场加剧下跌。4月30日独立检验公司AmSpec数据显示，马来西亚4月棕榈油出口量为1112578吨，环比下降13.9%。五一期间外围油脂市场走弱，预计节后国内油脂大幅低开。但国内外油脂库存仍处于低位，转势还需时间，而且俄乌局势、印尼出口政策不确定以及宏观风险存在，油脂高位波动加剧。

8. 五一假期露营游火了 2022年露营产业规模或超350亿元

受疫情影响，这个“五一”假期，短途游、周边游成为人们出行的主要方式，而个性化、创新性十足的露营游更成为休闲度假的热门之选。数据显示，今年五一假期露营相关产品（住宿、出游）的预订量是去年的3倍左右。露营游的火热，也吸引了投资者的目光，2021年露营产业市场规模达299亿元，预计2022年，市场规模将突破350亿元。

今天是 05月 05日，市场永不眠，财经早知道

本节目由第一财经制作，新浪财经联合呈现

美联储的议息会议结果终于靴子落地了，接着就看A股的走势了。

最近一年，随着 AIGC（AI-Generated Content） 技术的发展壮大，越来越多的人感受到了它的恐怖之处。AI 降低了创作门槛，使每个普通人都有机会展现自己的创造力，做出不输专业水平的作品。但是就在全民 AI 作图的进程中，艺术家好像与其站在了对立面。

以 Stable Diffusion 和 Midjourney 为代表的业内巨头经常受到艺术家们的集体抵制！究其原因无非两点：一是这些模型在未经允许的情况下使用艺术家的作品进行训练，做出的图片与艺术家风格极其类似，涉嫌侵权；二是某些传统艺术家认为，AI 只是对图片进行简单的拼接，不能算是艺术，它的滥用导致艺术市场震荡，出现“劣币驱逐良币”的现象。

综合来看，现在的 AIGC 市场就像一个怀揣着炸弹的巨人，外表看过去非常强大，但是内部有尚未解决的致命威胁，如果这个威胁不解除，行业发展终究受限，本文将详细聊聊出现这种情况的前因后果，并给出可能的解决方案。

最近越来越多的画家发现，Stable Diffusion 等 AIGC 模型使用的数据集里有自己的作品，并且这里不乏作者经过数十年的摸索形成的具有自己独特的风格画作，现在人们可以利用 AI 几秒钟生成相同风格的内容，这对艺术家来说显然是不公平的。

这引发了艺术家非常严重的担忧：他们自己的艺术正在被用来训练一个有朝一日可能会影响他们生计的计算机程序。更急迫的是，任何使用 Stable Diffusion 或 DALL-E 等系统生成图像的人都拥有对生成图像的版权和所有权（具体条款会有所不同）。一位插画师对此解释道：人们会使用 AI 生成图书封面、文章插图等内容，这将威胁他们的生计，毕竟站在购买者视角，当你可以免费在 1000 张图里挑来挑去时，为什么要付 1000 美元给创作者？况且这些艺术家都是在不知情的情况下进行的。

对于这个问题，Stability AI 创始人兼首席执行官 Emad Mostaque 表示，艺术只是 Stable Diffusion 背后的 LAION 训练数据的一小部分，艺术类图片占数据集的比例远低于 0.1%，并且只有在用户选择调用时才会创建。但是一些搜索工具收集的数据表明，在世艺术家的很多画作都在数据集之中，几千张画作的情况并不少见。

这个问题的出现不是偶然，而是必然，也是 AI 发展无法绕开的问题，要想详细了解缘由，我们或许可以通过 AIGC 技术原理与发展路径窥探一二。

AIGC是利用人工智能技术来生成内容。2021 年之前，AIGC生成的主要还是文字（代写文章），而新一代模型可以处理的格式内容包括：文字、声音、图像、视频、动作等等。AIGC 被认为是继专业生产内容（PGC，professional-generated content）、用户生产内容（UGC，User-generated content）之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势。2022 年 AIGC 发展速度惊人，年初还处于技艺生疏阶段，几个月之后就达到专业级别，足以以假乱真。

2014年提出的“对抗生成网络”GAN（Generative Adverserial Network)是前些年大热的深度学习模型，也可以算作AIGC的实用框架（去年年底还是主流的研究内容）。

GAN 的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和 D（Discriminator）。正如它的名字所暗示的那样，G 是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)。D 是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是 x，x 代表一张图片，输出 D(x) 代表x为真实图片的概率，如果为1，就代表100%是真实的图片，而输出为0，就代表不可能是真实的图片。在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络 D。而 D 的目标就是尽量把G生成的图片和真实的图片分别开来。这样，G 和 D 构成了一个动态的“博弈过程”。最后博弈的结果是什么？在最理想的状态下，G 可以生成足以“以假乱真”的图片G(z)。对于D来说，它难以判定 G 生成的图片究竟是不是真实的，因此 D(G(z)) = 0.5。

这样我们的目的就达成了：我们得到了一个生成式的模型G，它可以用来生成图片。

但是 GAN 有三个不足：一是对输出结果的控制力较弱，容易产生随机图像；二是生成的图像分别率较低；三是由于 GAN 需要用判别器来判断生产的图像是否与其他图像属于同一类别，这就导致生成的图像是对现有作品的模仿，而非创新。因此依托 GAN 模型难以创作出新图像，也不能通过文字提示生成新图像。

模型能够将文字和图像进行关联，首先收集4亿未清洗的图像+文本pair的数据集，进行预训练以完成任务。用对比学习目标进行训练：分别对图像和文本编码（文本是一整句话），然后两两计算cosine相似度，再针对每个图片的一行或文本的一列进行分类，找出匹配的正例。每个图像都有32,768个文本候选，是SimCLR的两倍，负例个数的增多也是效果好的原因之一。在预测时也很简单，找一个图像分类的数据集，把label转为自然语言，比如“狗”可以转为“一张狗的照片”。再用预训练好的编码器对label和图像编码，再去计算相似度即可。

算法的总体过程可以总结为：输入图片，预测在32768个随机采样的文本片段集中，哪一个实际上与数据集配对。因为是文本描述不是具体的类别，所以可以在各种图像分类任务上进行zero-shot，其中Zero-Shot是一种迁移学习，描述一只斑马，可以用“马的轮廓+虎的皮毛+熊猫的黑白”，生成新的类别，普通的有监督分类器都可以将马、老虎、熊猫的图片正确分类，但遇到没有学习过的斑马的照片却无法分类，但是斑马却和已分类的图像有共同点，可以推理出这一新的类别。

所以思路就是：设置类别更细粒度的属性，以建立测试集与训练集之间的联系。比如将马的特征向量转换到语义空间，每一维代表一个类别的描述，【有尾巴1，马的轮廓1，有条纹0，黑白0】，熊猫就是【有尾巴0，马的轮廓0，有条纹1，黑白1】，这样定义一个斑马的向量，通过对比输入图片的向量与斑马向量之间的相似度就可以进行判别。

因此，CLIP 模型具备两个优势：一方面同时进行自然语言理解和计算机视觉分析，实现图像和文本匹配。另一方面为了有足够多标记好的“文本-图像”进行训练，CLIP 模型广泛利用互联网上的图片，这些图片一般都带有各种文本描述，成为CLIP 天然的训练样本。据统计，CLIP 模型搜集了网络上超过 40 亿个“文本-图像”训练数据，这为后续AIGC尤其是输入文本生成图像/视频应用的落地奠定了基础。

随后出现的 Diffusion 扩散模型，则真正让文本生成图像的 AIGC 应用为大众所熟知，也是2022 年下半年 Stable Diffusion 应用的重要技术内核。

扩散模型的灵感来自于非平衡热力学。定义了一个扩散步骤的马尔可夫链（当前状态只与上一时刻的状态有关），慢慢地向真实数据中添加随机噪声（前向过程），然后学习反向扩散过程（逆扩散过程），从噪声中构建所需的数据样本。

前向过程是不断加噪的过程，加入的噪声随着时间步增加增多，根据马尔可夫定理，加噪后的这一时刻与前一时刻的相关性最高也与要加的噪音有关（是与上一时刻的影响大还是要加的噪音影响大，当前向时刻越往后，噪音影响的权重越来越大了，因为刚开始加一点噪声就有效果，之后要加噪声越来越多 ）

逆向过程是从一个随机噪声开始，逐步还原成不带噪音的原始图片——去噪并实时生成数据。这里我们需要知道全部的数据集，所以需要学习一个神经网络模型（目前主流是U-net + attention结构）来近似这些条件概率，来运行反向扩散过程。

Diffusion 模型有两个特点：一方面，给图像增加高斯噪声，通过破坏训练数据来学习，然后找出如何逆转这种噪声过程以恢复原始图像。经过训练，该模型可以从随机输入中合成新的数据。另一方面，Stable Diffusion 把模型的计算空间从像素空间经过数学变换,降维到一个可能性空间的低维空间里，这一转化大幅降低了计算量和计算时间，使得模型训练效率大大提高。这算法模式的创新直接推动了AIGC技术的突破性进展。

通过以上算法简介大家也可以明白，AIGC本质上就是机器学习，既然是这样，那就无法避免使用大量的数据集执行训练，在这之中确实存在损害图片版权者的利益。

虽然我们都知道这种情况的存在，但是仍然很难解决。

对于艺术家来说，虽然认为这些平台侵害了自己的权益，但是现在仍没有完善的法律规定此类侵权行为，甚至在某些法律条文中，这种行为是合法的。

一方面，AIGC难以被称为“作者”。著作权法一般规定，作者只能是自然人、法人或非法人组织，很显然AIGC不是被法律所认可的权利主体，因此不能成为著作权的主体。但AIGC应用对生成的图片版权问题持有不同观点，图片属于平台、完全开源还是生成者，目前尚未形成统一意见。

另一方面，AIGC产生的“作品”尚存争议。传统意义上的作品是指文学、艺术和科学领域内具有独创性并能以某种有形形式复制的智力成果。AIGC的作品具有较强的随机性和算法主导性，能够准确证明AIGC作品侵权的可能性较低。同时，AIGC是否具有独创性目前难以一概而论，个案差异较大。

即使现在把自己的作品从数据集中删除也无法阻止自己风格作品的生成，首先，AI 模型已经过训练，对应风格已经掌握。而且，由于 OpenAI 的 CLIP 模型（于训练 Stable Diffusion 以理解文字和图像之间的联系），用户仍然可以调用特定的艺术风格。

对于AI项目方来说，让数据集每张图片都得到授权是不现实的，如果此类法案通过，那么 AI 行业的发展将受到很大的阻碍，或许是灭顶之灾。所以我们需要一个折中的方案。

首先我们来分析一下AIGC行程的创作闭环：

在创意构思方面，AIGC构建了新的创意完善通路，传统的创作过程中消化、理解以及重复性工作将有望交由AIGC来完成，最终创意过程将变为“创意-AI-创作”的模式。

在创意实现方面，创作者和AIGC的关系类似于摄影师和照相机。摄影师构建拍摄思路并进行规划，对相机进行参数配置，但是不用了解相机的工作机制，一键生成高质量的内容。同样的，创作者构思并进行规划，对AI模型进行参数配置，不需要了解模型的原理，直接点击输出内容即可。创意和实现呈现出分离状态，实现过程变为一种可重复劳动，可以由AIGC来完成，并逐步将成本推向趋近于0。

所以这里有两个大主体：创作者和 AIGC。创意重要，创作同样也重要，AI做出的图片是创作者的“创意版权”，是AIGC或者说采用艺术家风格的“底层创意/创作版权”，两者都应该对生成内容享有权益，现在的情况就是少了艺术家的那份收益。

其实艺术家并不是不让 AI 学习他们的画作，只是也想在其中得到相应的收益，所以只要这份设计得到艺术家的承认，AIGC 的漏洞就得以修复。

创作者的成果是 AIGC 学习的对象，但创作者的创意才是关键，创意本身比AIGC生成的绘画更有价值，因此如何将创作者的“创意”进行量化，甚至定价，将有助于打造AIGC的商业模式。这其中“注意力机制”将成为 AIGC 潜在的量化载体。例如有机构专家提出，可以通过计算输入文本中关键词影响的绘画面积和强度，我们就可以量化各个关键词的贡献度。之后根据一次生成费用与艺术家贡献比例，就可以得到创作者生成的价值。最后在与平台按比例分成，就是创作者理论上因贡献创意产生的收益。

例如某AIGC平台一周内生成数十万张作品，涉及这位创作者关键词的作品有30000张，平均每张贡献度为0.3，每张AIGC绘画成本为0.5元，平台分成30%，那么这位创作者本周在该平台的收益为：.5*（1-30%）=3150元的收益，未来参与建立AI数据集将有望成为艺术家的新增收益。

但是以上设计也有缺陷，因为AI并不完美，并不是每张图片都有价值，所以这里优化方案可以是生成时不向艺术家付款，而有满意的内容想要下载时，才需要支付相应的费用。这也与传统的艺术创作领域流程相似，甲方下单，乙方提供满意的作品时，甲方支付所有款项。

为了让流程更加合规，更完美的做法是首先向全球艺术家公开风格库，每个艺术家都可以选择是否将自己的作品内容加入训练集图库中，如果加入则可以在其他用户创作对应风格时获得相应收益，这也是在另一方面为艺术家寻求新的收益途径。在市场上“侵权”行为如此多的背景下，此“正版授权”图库定会受到艺术家群体的支持，这种模式才更类似于正向循环，也是更良性的模式。

Web3 一直在强调“创作者经济”，这与 AIGC 想要解决的问题不谋而合，利用区块链技术，完全可以打造一个围绕 AIGC 的生态网络。

创作者通过 AICG 的赋能，加上 Web3 模式下的经济模型，可以将自己的创意和影响力进行指数级的放大。也让更多的人能实现从消费到参与、从用户到所有者的转变。同时艺术家可以得到他赢得的收益份额，达到一个双赢局面。

其实 Web3+AI 并不是一件新鲜事，生成式艺术 NFT 领军者 Art Blocks 就是一个成功的应用案例。（虽然算法不同，但是仍旧是异曲同工）

年推出，是一个专注于可编程、生成性内容的平台，其生成的内容在以太坊区块链上是不可改变的。那么「随机艺术品」是如何随机的呢？这个随机过程是受一串数字控制的，这串数字存储在以太坊链上的一个非同质化代币（NFT）上。之后这个代币所存储的数字串控制你所购买艺术品的一系列属性，最终生成属于你的独一无二的艺术品。

如果你是一个买家，比较看好某个艺术家的风格，然后支付后开始铸造，算法生成随机的同风格的艺术品就会被发送到你的账户中，以代币的形式存在，最终的作品可能是静态图像、3D 模型或交互式的艺术品。每个输出都是不同的，并且在平台上创建的内容类型具有无限种可能性，但每个项目可铸造的艺术品的数量是一定的，也就是说一旦铸造满了，这个项目就不会有新的作品生成了。

对于创作者：他们需要预先在 Art Blocks 上调整和部署好自己的生成艺术脚本，并确保它的输出结果与输入的哈希值有关。这个脚本会通过 Art Blocks 存储在以太坊链上。

对于收藏者：当收藏者铸造某一系列的作品（你可以理解为点击购买按键时），他们实质上获得了一个随机的哈希值，然后脚本执行，一副对应这个哈希值的生成艺术作品当场被创作出来。

这种模式让收藏者也参与了生成艺术的创作。

这副作品的内容，实际上是由原艺术家的风格、生成算法和你的铸造时机三者决定。工具、创作者和买家联合完成了这样的作品，这种新的 NFT 创作模式让这幅艺术品拥有了更多的纪念价值，留下了当下最新技术的印记。

和购买主流的 NFT 头像项目不同，在 Art Blocks 上购买 NFT 更像是在直接支持一位艺术家——这些艺术家往往是实名的，有大量的历史作品，并且 Art Blocks 会对他们进行作品相关的深度采访。Art Blocks 上初次出售的NFT，艺术家可以获得 90% 的收入，剩下的 10% 分给 Art Blocks。

所以大家可以发现，Art Blocks 简直是给 AIGC 开辟了一条“康庄大道”，当然这条路并不完能粘贴复制，但是在细节方面对其修改完全可以成为 AIGC+Web3 的商业闭环！而且现在也已经有项目在做类似的事情。

正是因为有那么多先行者探路，我们有理由相信 AIGC 将会走的越来越远，现在的缺陷也将慢慢修补完善。

• 虎符主要业务包含云端钱包、HD钱包以及公链云，定位是致力于打造一个专业的区块链资产管理和服务平台。虎符云端钱包主要业务为交易、理财和借贷，自去年上线以来，很多创新功能得到了用户的广泛认可。将先后上线现货交易、杠杆交易、策略交易（计划委托、跟踪委托、冰山委托等），并上线自研的交易辅助工具，如网格、K线、以及智能投顾等...

• OKEX（）是全球著名的数字资产交易平台之一，主要面向全球用户提供比特币、莱特币、以太币等数字资产的现货和衍生品交易服务，隶属于OKEX Technology Company Limited。 OKEX创立时，获得了世界顶级投资人Tim Draper参与设立的创业工场百万美金的天使投资，Tim Draper先生同时也是Hotmail、百度、特斯拉等世界顶级企业的投...

• 币安(Binance)，国际领先的区块链数字资产交易平台，向全球提供广泛的数字货币交易、区块链教育、区块链项目孵化、区块链资产发行平台、区块链研究院以及区块链公益慈善等服务，目前用户覆盖全球180多个国家和地区，以140万单/秒的核心内存撮合技术，是全球加密货币交易速度最快的平台之一，也是全球加密货币交易量最大的平台之一。...

• UKEX全球站是UKEX数字交易集团旗下的全球创新数字通证交易所，独家通过全球经纪商网络，向终端客户提供海外银行账户开户、数字货币贷记卡、数字资产交易、数字合约交易等创新数字金融服务矩阵。...

• CoinBene作为全球值得信赖的数字资产交易平台，注册用户近300万，遍布全球180多个国家及地区。 我们为全球区块链爱好者提供了多语言的币币交易、法币交易、OTC、合约、防破发保险、流动性管理、市场推广等多种数字资产服务。 目前，CoinBene已在拉美地区、欧美地区、东南亚地以及大中华区设立分站，在巴西、阿根廷、中国、韩国、日...

• ZB集团成立于2012年，旨在区块链的发展提供领导力和更加稳定的环境。总部设立于瑞士苏黎世，ZB集团经营着包括数字资产交易所、电子钱包、投资基金、研究机构和媒体在内的业务网络。集团的旗舰平台是行业领先的数字资产交易所ZB.com。自2013年初推出以来，该平台在创新方面一直处于领先地位。ZB集团还拥有全球创新加密货币交易平台...

• Uniswap V2是完全部署在以太坊链上的DEX平台，Uniswap V2允许任何人基于 ETH 和任何 ERC-20 币种交易对建立一个流动性池，并通过为这个流动性池贡献流动性份额参与交易费的分成，赚取收入；同样也可以通过撤出流动性并销毁份额。并且，Unisway会将流动性池中每一笔交易产生的0.3%手续费，按照贡献份额全部分配给流动性提供者。Uniswap V...