1996 or 1999? Walsh's First Test is 'How to View AI'

marsbitXuất bản vào 2026-06-20Cập nhật gần nhất vào 2026-06-20

Tóm tắt

"1996 or 1999? Wall's First Big Test Is 'How to View AI'" Federal Reserve Chairman Wall's initial challenge is not whether to raise or cut rates, but a more fundamental judgment: what kind of boom is the current AI boom? This will determine the Fed's policy path and define his legacy. Economics is split between two opposing views, according to reporter Nick Timiraos. One sees imminent productivity gains that will increase supply and cool inflation, allowing the Fed to hold steady. The other argues that while productivity benefits are distant, demand shocks are here now, and waiting for data confirmation risks missing the intervention window, forcing sharper rate hikes later. Wall has signaled a leaning toward the first view, echoing 1996-era Alan Greenspan, who embraced strong, productivity-driven growth without fear of inflation. However, Wall faces a different macro environment than Greenspan did, with tariff pressures, expanding fiscal deficits, and diminishing globalization benefits, which could force more significant inflation pressures even if AI benefits materialize. Wall's logic, expressed before taking office, is that AI-driven productivity gains won't show in official data for years. If the Fed waits for confirmation, it might mistakenly tighten policy and choke off the very growth that could suppress inflation. This argues for using forward-looking narratives over lagging data. Chicago Fed President Austan Goolsbee presents a key counter-argument. He distingui...

Written by: Dong Jing

The foremost challenge facing Walsh upon becoming Fed Chairman is not whether to raise or lower interest rates, but a more fundamental judgment: What kind of boom is the current AI prosperity? This judgment will determine the Fed's policy direction and define Walsh's place in history.

On June 19, Nick Timiraos, known as the "New Fed Whisperer," reported that the economic community holds two diametrically opposed interpretations of the AI construction boom:

First, the productivity dividend is about to materialize, supply will catch up with demand, and the Fed can stand pat and wait for inflation to subside naturally; second, the benefits of productivity gains are still in the distant future, while the demand shock has already arrived. If the Fed waits for data confirmation, it will miss the optimal intervention window and ultimately be forced to raise rates more sharply.

While the Fed held rates steady this week, nearly half the officials in the latest dot plot still project rate hikes this year, with the rest holding the opposite view. This deep internal division reflects the high degree of uncertainty surrounding this core issue.

Walsh's own inclination was faintly visible at the press conference. He repeatedly emphasized "robust, productivity-driven growth is not something we fear, but something we embrace," an echo of Greenspan's 1996 thinking.

However, the macroeconomic environment he faces—tariff pressures, widening fiscal deficits, fading globalization dividends—is far removed from the smooth sailing of Greenspan's era. Making the correct judgment between these two historical scripts will be Walsh's first true test at the Fed's helm.

Two 1990s: The Dual Legacy Left by Greenspan

Timiraos indicates that Walsh has repeatedly invoked the 1990s as a historical reference over the past year, but that decade itself contains two very different stories.

In 1996, facing rapid economic expansion, Greenspan chose to stand pat. He judged that fast growth wouldn't ignite inflation, and history proved him right. The expansion continued for years, earning him the reputation of a "maestro."

In 1999, Greenspan changed his judgment. With soaring stock markets and a persistently tight labor market, he began a series of rate hikes, which culminated in the dot-com bubble burst. It was also in this year that the Fed established its "forward guidance" mechanism of signaling rate hikes in advance—a practice that continues to this day and one that Walsh has explicitly stated he wishes to abolish.

The Trump administration publicly favors the 1996 version of the Fed. Before taking office, Walsh also publicly expressed his desire to create a central bank "confident enough to do less." Yet, current economic conditions may be handing him a different version of the script.

Walsh's Judgment Logic: Believe the Narrative, Not Wait for the Data

Before taking office, Walsh publicly stated his position on Fox Business: He fears the Fed is about to make its "sixth or seventh major mistake"—tightening monetary policy too early in what should be a hands-off productivity boom.

Timiraos reports that his core argument is: Productivity gains from AI will not be immediately reflected in official statistics; it may take several years for them to show up. If the Fed insists on waiting for data confirmation, it risks misdiagnosing a benign boom as an overheating economy and raising rates—which would precisely choke off the growth momentum that could have subdued inflation.

The essence of this logic advocates using a forward-looking narrative instead of lagging data as the basis for decision-making. Walsh continued this line of thinking at the press conference: when asked whether AI is currently boosting demand or expanding supply, he merely stated "demand is easier to measure than supply," deliberately avoiding a clear stance while adhering to the principle of "not telegraphing the next move" in communication.

Timiraos believes that even if Walsh's ultimate judgment is correct, the 1990s analogy is not complete.

When Greenspan made his famous gamble in 1996, he had multiple tailwinds: cheap goods and labor from abroad continuously suppressed inflation, and the federal fiscal deficit was narrowing. These structural factors provided additional safety margins for the Fed's "wait-and-see" approach.

Walsh faces a markedly different environment: tariff policies are raising import costs, fiscal deficits are expanding rather than contracting, and globalization dividends have faded. This means that even if the AI productivity dividend ultimately materializes as expected, the inflationary pressure Walsh endures while waiting will far exceed what Greenspan faced back then.

Counterargument: The Chicago Fed's "Front-Loading of Expectations" Model

Timiraos points out that the most systematic challenge to Walsh's judgment logic comes from Chicago Fed President Austan Goolsbee.

According to a Wall Street Journal report, Goolsbee proposed a key distinction at a Stanford University conference last month: Whether a productivity boom allows a central bank to stand pat depends on whether the boom is unexpected. A boom that everyone can foresee can have the opposite effect—people will front-load their future wealth, increasing spending significantly before the productivity gains materialize, leading to economic overheating.

"You end up having to raise rates more than you would have had to if you had acted earlier," Goolsbee said.

He believes the current AI boom is precisely this type of "visible to all." Surveys of economists, tech workers, and the general public show the market widely expects AI to deliver about one percentage point of annual productivity gains, with most benefits still in the future. According to his model, this expectation itself constitutes a reason to raise rates, not a reason to cut.

Goolsbee also cited real-world "overheating signals": AI data center construction is driving up the prices of land, electricity, and chips, while also increasing costs for electricians and equipment, squeezing resources from other sectors. Apple's announcement this week of price hikes due to rising costs was cited by him as evidence this mechanism is at work.

It is worth noting that Goolsbee's framework is not without challengers. Fed Governor Christopher Waller, at the same Stanford conference, pointed out that the "front-loading of expectations" mechanism can work only if people are able to borrow to spend ahead. In reality, however, spending for many households is tightly constrained by current income, making it difficult to monetize future wealth easily.

"If they cannot front-load that spending, the whole mechanism gets shut off," Waller said.

This rebuttal provides theoretical support for Walsh's "stand pat" stance: If borrowing constraints are widespread enough, the demand-frontloading effect will be greatly diminished, making a productivity boom more likely to expand supply in a benign manner rather than triggering inflation.

Ultimate Paradox: Abolish Forward Guidance, or Be Forced to Use It

Furthermore, Timiraos argues that Walsh faces a deeper paradox at the Fed's helm, and this paradox stems precisely from what he most wants to change.

He has explicitly stated his desire to create a Fed that "does not show its cards in advance," reducing forward guidance and keeping markets guessing. However, the Fed's current forward guidance mechanism was established precisely in 1999—when Greenspan, to avoid catching markets off guard, began signaling rate hikes in advance.

If the economic trajectory is as optimistic as the Trump administration portrays, Walsh may never need to signal rate hikes early. But if the economy follows the other script, he will face a dilemma:

Either use the forward guidance convention he wishes to abolish, informing markets of rate hike plans in advance; or remain silent, letting markets guess the magnitude and pace of hikes, and bear the risk of severe financial market volatility that ensues.

The solution to this paradox ultimately still depends on the answer to the same question: Is it 1996, or 1999?

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QWhat is the core challenge that Chairman Wash faces regarding AI, and how will it influence his policy decisions?

AThe core challenge is determining the nature of the current AI boom. He must judge whether it is a productivity-driven boom like in 1996 (where patience is warranted) or a demand-driven boom that risks overheating like in 1999 (requiring preemptive tightening). This fundamental judgment will dictate the Federal Reserve's monetary policy path, including decisions on interest rates, and ultimately define Wash's historical legacy.

QAccording to the article, what are the two contrasting interpretations of the AI boom within the economics community?

AThe two interpretations are: 1) Productivity dividends are imminent, supply will catch up with demand, and the Fed can hold steady while inflation naturally recedes. 2) The benefits of productivity gains are still distant, but the demand shock has already arrived. If the Fed waits for data confirmation, it will miss the optimal intervention window and eventually be forced to raise rates more aggressively.

QHow does Wash's personal logic on AI and productivity differ from a purely data-dependent approach?

AWash's logic advocates using a forward-looking narrative over lagging data for decision-making. He argues that AI's productivity gains won't be immediately visible in official statistics and may take years to show. If the Fed waits for data confirmation, it risks misjudging a benign productivity boom as economic overheating and raising rates, which would choke off the very growth that could suppress inflation.

QWhat is the key argument posed by Chicago Fed President Austan Goolsbee against Wash's 'wait-and-see' stance on the AI boom?

AGoolsbee argues that whether a productivity boom allows the Fed to hold steady depends on whether the boom is unexpected. A widely anticipated boom, like the current AI wave, can have the opposite effect. People might front-load future wealth by spending more before productivity gains materialize, leading to economic overheating. This dynamic, visible in rising costs for data centers and related inputs, creates a rationale for raising rates sooner, not later.

QWhat is the fundamental paradox Chairman Wash faces regarding the Fed's communication policy, as outlined in the article?

AThe paradox is rooted in Wash's desire to abolish the Fed's practice of forward guidance (pre-signaling policy moves). However, this very practice was established in 1999 to prevent market shocks. If the economy follows a 1999-like scenario requiring preemptive tightening, Wash faces a dilemma: either use the forward guidance he wants to end to prepare markets, or remain silent and risk significant market volatility as participants guess the Fed's next move. The solution depends on his judgment of whether the current era is more like 1996 or 1999.

Nội dung Liên quan

Thợ săn trở thành con mồi, MEV Bot kiếm nhiều tiền nhất bị hack

Tài khoản MEV Bot nổi tiếng Jaredfromsubway.eth vừa bị tấn công có chủ đích trên chuỗi, thiệt hại ước tính hơn 7,5 triệu USD. Đây không phải là lỗ hổng hợp đồng thông thường mà là một cuộc tấn công "bẫy mật ngược MEV" được thiết kế đặc biệt để khai thác logic hoạt động của bot MEV. Kẻ tấn công đã dành vài tuần để triển khai 66 hợp đồng token và nhóm thanh khoản giả mạo, ngụy trang chúng thành các tài sản chính như WETH, USDC. Chúng tạo ra tín hiệu chênh lệch giá ảo để thu hút bot. Khi bot Jaredfromsubway.eth phát hiện và thực hiện giao dịch "kiếm lời", nó đã vô tình cấp quyền cho một hợp đồng phụ do kẻ tấn công kiểm soát. Do quyền này không bị thu hồi kịp thời, kẻ tấn công đã có thể lợi dụng để chuyển đi toàn bộ ETH, USDC, USDT của bot chỉ trong một giao dịch. Jaredfromsubway.eth được biết đến là một trong những bot MEV hoạt động tích cực và kiếm lời nhiều nhất trên mạng Ethereum, chuyên thực hiện các chiến lược như "tấn công kẹp sandwich" để khai thác lợi nhuận từ việc sắp xếp giao dịch. Ước tính, bot này đã thu về hàng chục triệu USD lợi nhuận MEV. Sự kiện này báo động về việc các mối đe dọa bảo mật trong crypto ngày càng tinh vi, khi ngay cả những "kẻ săn mồi" hàng đầu trên chuỗi cũng có thể trở thành mục tiêu bị khai thác bởi những kế hoạch phức tạp được thiết kế dài hạn. Sau vụ việc, một tài khoản X giả mạo Jaredfromsubway.eth đã xuất hiện với tuyên bố thưởng 1 triệu USD để thu hồi tiền, các nhà phát triển cảnh báo đây có thể là chiêu trò lừa đảo mới.

marsbit31 phút trước

Thợ săn trở thành con mồi, MEV Bot kiếm nhiều tiền nhất bị hack

marsbit31 phút trước

Thợ săn bị vây bắt, MEV Bot kiếm tiền giỏi nhất bị hack

Bài viết gốc từ Odaily Planet Daily, tác giả Azuma, báo cáo về vụ tấn công lớn nhắm vào MEV Bot nổi tiếng Jaredfromsubway.eth trên mạng Ethereum. Địa chỉ này đã bị thiệt hại hơn 7,5 triệu USD do một cuộc tấn công "bẫy ngược MEV" được thiết kế đặc biệt. Thay vì khai thác lỗ hổng thông thường, kẻ tấn công đã triển khai một chiến dịch kéo dài hàng tuần, tạo ra 66 hợp đồng token và nhóm thanh khoản giả mạo để bắt chước các tài sản chính như WETH, USDC, USDT. Chúng tạo ra tín hiệu chênh lệch giá có vẻ có lợi nhuận để dụ bot MEV tự động nhận diện và thực hiện giao dịch. Trong quá trình này, bot đã cấp quyền cho một hợp đồng phụ trợ do kẻ tấn công kiểm soát. Việc ủy quyền không bị thu hồi kịp thời đã tạo ra lỗ hổng, cho phép kẻ tấn công trong một giao dịch duy nhất đã chuyển đi toàn bộ ETH, USDC, USDT của bot. Jaredfromsubway.eth là một trong những MEV Bot hoạt động mạnh nhất và gây tranh cãi nhất trên Ethereum, chuyên thực hiện các chiến lược như "tấn công kẹp" (sandwich attack) để kiếm lợi nhuận từ việc sắp xếp giao dịch. Ước tính nó đã kiếm được hàng chục triệu USD. Ngay cả một người sáng lập Ethereum là Vitalik Buterin cũng từng bị bot này "chèn" giao dịch. Sự kiện này gióng lên hồi chuông cảnh báo về sự gia tăng của các mối đe dọa bảo mật trong crypto. Ngay cả những "kẻ săn mồi" hàng đầu như MEV Bot cũng có thể trở thành mục tiêu của các cuộc tấn công tinh vi được thiết kế dựa trên chính logic hoạt động của chúng. Sau vụ việc, một tài khoản X giả mạo đã đổi tên thành Jaredfromsubway.eth và tuyên bố treo thưởng 1 triệu USD để lấy lại tiền, nhưng các nhà phát triển cảnh báo đây là tài khoản lừa đảo, không phải chính chủ, và người dùng cần hết sức cảnh giác.

Odaily星球日报38 phút trước

Thợ săn bị vây bắt, MEV Bot kiếm tiền giỏi nhất bị hack

Odaily星球日报38 phút trước

Thực trạng thanh toán ở Mỹ Latinh khác xa những gì bạn nghĩ

Tình hình thanh toán tại Mỹ Latinh đang thay đổi nhanh chóng, khác biệt với nhiều nhận định phổ biến. Dựa trên hành trình thực địa hơn 500 giờ, bài viết đúc kết 10 điểm chính: 1. **Thẻ crypto:** Khối lượng giao dịch thực tế đến từ các chuyên gia dùng USD/USDT nhận lương và rút tiền qua Pix, không phải từ giao dịch nhỏ lẻ. 2. **Mã QR thống trị:** Thanh toán bằng mã QR (Pix ở Brazil, UPI ở Ấn Độ...) đang chiếm lĩnh các thị trường mới nổi, trong khi thẻ vẫn phổ biến ở các nước giàu. Xu hướng này đang định hình lại cơ sở hạ tầng. 3. **Cơ hội lớn:** Thiếu sự tương tác quốc tế giữa các hệ thống thanh toán tức thời nội địa (như Pix, UPI). Đây là cơ hội chưa được khai thác để kết nối các quốc gia. 4. **Cạnh tranh bằng giải ngân:** Các công ty thanh toán hàng đầu đang tìm cách sở hữu ngân hàng để kiểm soát việc giải ngân và AML, thay vì chỉ dùng bên thứ ba. 5. **Mỹ Latinh không đồng nhất:** Mỗi quốc gia (Brazil, Argentina, Mexico...) có thị trường, quy định và nhu cầu ngoại hối riêng biệt, cần chiến lược riêng. 6. **Chuyển đổi ngoại tệ thành hàng hóa:** Tỷ giá chuyển đổi stablecoin đang giảm mạnh, hướng tới 0%. Lợi nhuận sẽ đến từ các dịch vụ giá trị gia tăng trên nền tảng này. 7. **Mở rộng xuyên biên giới:** Mô hình công ty thanh toán thành công mới cần có thương hiệu và công nghệ có thể mở rộng quốc tế ngay từ đầu. 8. **Tìm kiếm thị trường mới:** Brazil và Mexico đã bão hòa. Các hành lang nhỏ hơn như "5 quốc gia bị lãng quên" (Dominican, Guatemala...) hoặc Colombia - Châu Âu có ít cạnh tranh hơn và tiềm năng lớn. 9. **Tiếp thị đúng phân khúc:** Cần phân chia người dùng (khách du lịch, cư dân nước ngoài, công dân số...) và có chiến lược tiếp cận riêng cho từng luồng tiền và nhu cầu cụ thể của họ. 10. **Môi trường pháp lý tiến bộ:** Quy định về tiền mã hóa và fintech ở nhiều nước Mỹ Latinh (Brazil, Mexico, Colombia...) rõ ràng và thực tế hơn so với Mỹ, nhiều nơi đã có khung pháp lý đầy đủ. Bài học lớn nhất: Cơ hội không nằm ở việc cạnh tranh trên các đường ray thanh toán cũ, mà ở việc xây dựng dịch vụ giá trị gia tăng trên các xu hướng mới nổi và giải quyết khoảng trống kết nối quốc tế.

marsbit40 phút trước

Thực trạng thanh toán ở Mỹ Latinh khác xa những gì bạn nghĩ

marsbit40 phút trước

Làm Nhạc Trong Thị Trường Gấu: Một Cuộc Thử Nghiệm Sinh Tồn Của Một Ban Nhạc Bitcoin

Vào thời kỳ thị trường crypto suy thoái, ban nhạc Orange Pill Jam vẫn tiếp tục sáng tác và thu âm, thực hiện một thử nghiệm sống còn chống lại thuật toán. Ban nhạc này, chịu ảnh hưởng từ văn hóa Bitcoin, tạo ra âm nhạc đề cập đến chủ quyền tài chính, quyền riêng tư và sự tha hóa của các thể chế hiện đại. Họ chấp nhận thanh toán bằng Bitcoin và hoạt động theo mô hình Copyleft, cho phép chia sẻ và phối lại nhạc tự do. Ban nhạc hình thành sau một buổi biểu diễn ngẫu hứng của ca sĩ chính Mermaid tại hội nghị Plan B Forum ở Lugano năm 2022. Cô cùng nhà sản xuất/nhạc công Michi và người đồng sáng lập Martino phát triển âm nhạc từ những phác thảo ban đầu. Quy trình sáng tác kết hợp giữa ca từ đầy ý nghĩa của Mermaid và khả năng biến ý tưởng thành nhịp điệu cảm xúc của Michi. Các bài hát như "Cypherpunks' Manifesto" và "Free Fire" truyền tải thông điệp mạnh mẽ về quyền riêng tư, bẫy "miễn phí" và cảm giác được chấp nhận. Trước sự trỗi dậy của AI trong sáng tạo âm nhạc, họ tin rằng máy móc không thể thay thế được sự sáng tạo thực sự bắt nguồn từ ý định và bản năng của con người. Dù đối mặt với thách thức về doanh thu trong thị trường giá xuống và khó khăn trong việc tiếp cận khán giả trên các nền tảng phát nhạc hàng loạt, Orange Pill Jam vẫn kiên trì. Họ đại diện cho niềm tin vào Bitcoin vượt trên giá cả và vào giá trị không thể thay thế của sự sáng tạo cụ thể, không thể sao chép của con người trong thời đại kỹ thuật số.

marsbit51 phút trước

Làm Nhạc Trong Thị Trường Gấu: Một Cuộc Thử Nghiệm Sinh Tồn Của Một Ban Nhạc Bitcoin

marsbit51 phút trước

Sự ra đi liên tiếp của nhân tài AI tại Google: Áp lực thử nghiệm hay dự báo "tử chiến"?

Các tài năng AI hàng đầu của Google như Noam Shazeer (đồng tác giả Transformer), John Jumper (AlphaFold) và Daniel De Freitas (Character.AI) lần lượt rời đi để gia nhập OpenAI và Anthropic, gây ra những lo ngại về làn sóng chảy máu chất xám. Tuy nhiên, góc nhìn khác cho rằng đây là cuộc chiến tranh giành nhân tài điển hình trước thềm IPO của các đối thủ, và việc họ nhắm vào Google chứng tỏ đây vẫn là nguồn nhân lực AI dồi dào bậc nhất. Thay vì một "cáo phó", đây là bài kiểm tra áp lực dành cho Google. Công ty không chỉ cạnh tranh ở mặt mô hình (Gemini) mà còn có lợi thế toàn diện: cơ sở hạ tầng (TPU, Google Cloud), hệ sinh thái sản phẩm với hàng tỷ người dùng (Search, YouTube, Android), và nguồn thu ổn định. Đáng chú ý, Google còn là đối tác cung cấp hạ tầng đám mây cho chính các đối thủ như Anthropic và OpenAI, vừa cạnh tranh vừa hợp tác. Dù phải đối mặt với thách thức chuyển đổi từ kinh doanh tìm kiếm cốt lõi và sự nhanh nhẹn của các startup, Google với nguồn lực khổng lồ, khả năng tích hợp AI sâu rộng vào các sản phẩm hiện có và tham vọng dài hạn trong AI cho khoa học (như AlphaFold) vẫn được xem là một trong số ít công ty có khả năng vượt qua giai đoạn chuyển đổi này và định hình tương lai AI.

marsbit57 phút trước

Sự ra đi liên tiếp của nhân tài AI tại Google: Áp lực thử nghiệm hay dự báo "tử chiến"?

marsbit57 phút trước

Giao dịch

Giao ngay
Hợp đồng Tương lai

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 881Xuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 1.6kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của S (S) được trình bày dưới đây.

活动图片