作者：Aylo，alpha please；翻譯：金色財經xiaozou
「當偉大的創新出現時，它幾乎肯定會以混亂、不完整和令人困惑的形式出現。對於發現者本人，它只能理解一半；對於其他人來說，它將是一個謎。任何一種乍看之下不夠瘋狂的猜想，都是沒有希望的。」— Freeman Dyson
我將在本文探討加密和人工智慧領域正在進行哪些潛在融合，並列舉了17個Crypto x AI項目，你可能會感興趣並考慮將其添加到你的關註名單中。
準備好迎接alpha轟炸了嗎？
但在跳進兔子洞前，我要先說一件事：我們只觸及了Crypto x AI領域的冰山一角。該領域目前仍處於萌芽階段，相當複雜，同時又極具投機性。
我只是一個不起眼的加密研究人員，正試圖追趕一個新興垂直領域的步伐，所以我的建議是：在這個領域進行投資時，務必謹慎行事。此階段也是極早期的投機階段，該週期的價格很可能遠遠超越了技術和基本面。
本文將包含以下5部分：AI概述、AI堆疊、為何說Crypto和AI是完美融合、新興Crypto x AI垂直領域介紹、17個Crypto x AI項目
一、AI概述
人工智慧（AI）是一個複雜學科，需要多年的研究才能真正理解它的各個方面。但在本文，我認為人工智慧是指試圖模仿或模擬人類認知智能以執行從學習、推理、解決問題或理解自然語言等一系列任務的學科領域。
雖然人工智慧多年來一直都是小眾研發領域，但隨著ChatGPT的到來，AI也迎來了真正的突破。我們都記得，當我們第一次與生成式AI機器人互動時，我們是多麼興奮。回顧過去，我們可以坦承，那是一個類似「iPhone」的驚人時刻。
AI消費產品採用速度是有史以來最快的，在兩個月內擴展到1億用戶。相較之下，Facebook花了1500天才達到同樣的用戶規模。
我們看到這一領域正呈現指數級成長。考慮到ARK的預估，光是2024年，訓練模型的效能就可能增加5倍，很明顯，人工智慧將繼續解鎖廣泛用例。
接下來的幾年裡，出現幾家數十億美元規模的人工智慧應用或基礎設施公司將並不是什麼新鮮事，它們將利用AI應用程式或基礎設施使人工智慧革命成為可能。事實上，對這一領域的融資最近出現了激增。
說到這，讓我們進一步看看到底是什麼讓人工智慧成為可能。
二、AI堆疊
我相信當你想到人工智慧時，你應該和我一樣，首先想到的是ChatGPT和生成式AI prompt。但這只是冰山一角，實際上，「人工智慧」領域要複雜得多。為了更好地理解，我們來簡單看一下構成AI堆疊的各個技術層和組件：
（1）計算硬體
人工智慧不僅和程式碼有關。人工智慧是資源密集的，特定的實體基礎設施——如神經處理單元（NPU）、圖形處理單元（GPU）和張量處理單元（TPU）——是必不可少的。最終，這些物理基礎設施構成執行計算和演算法的物理手段，使人工智慧系統正常運作。沒有它們，就沒有人工智慧。
該領域的行業領導者是英偉達（眾所周知，無需介紹）、英特爾和AMD。它們在模型訓練和推理工作負載方面競相開發最高效的硬體。
到目前為止，英偉達是參與這場革命最直接的方式之一（從英偉達最近的價格動態可見一斑）。
（2）雲端平台
人工智慧開發人員依靠硬體來運行他們的模型。通常，他們獲得硬體效能主要有兩種方式：他們可以在本地運行GPU或依賴雲端服務提供者。第一個解決方案往往過於昂貴，從經濟性來講不值得，隨著時間的推移，雲端供應商則被證明是一個有趣的替代方案。
雲端提供商是擁有大量資源的大公司，它們收購並運營這些強大的硬件，允許開發者以按需付費或訂閱的方式使用這些資源。這讓開發人員無需投資維護自己的實體基礎設施。
該領域的行業領導者是AWS、谷歌雲或英偉達DGX雲。它們的目標是讓大大小小的開發人員都可以快速存取多節點超級運算，訓練最複雜的LLM。
（3）模型
在雲端平台之上，就是人工智慧最複雜並被廣為宣傳的部分：ML（機器學習）模型。這些計算系統的設計目的是在沒有明確的程式指令的情況下執行任務，代表著人工智慧系統的大腦。
機器學習分為三個步驟：資料、訓練和推理，包括三種主要學習類型：監督學習、無監督學習和強化學習。
-
監督式學習是指從範例中學習（由老師提供）。老師可以向模型展示與狗相關的圖片，並告訴模型這些是狗。然後，模型學習區分狗和其他動物。
-
許多流行模型，如LLM（GPT-4和LLaMa）都是使用無監督學習進行訓練的。在這種學習模式下，沒有老師提供指導或範例。模型學習在資料中尋找模式。
-
強化學習（透過試誤學習），主要用於順序決策任務，如機器人控制和玩遊戲（如西洋棋或圍棋）。
最後，這些模型可以是開源的（可以在Hugging Face這樣的模型中心上找到），也可以是閉源的（如OpenAI模型，透過API存取）。
（4）應用
這是AI堆疊的最後一層，也是我們身為使用者通常會面對的一層。它們可以是B2B的，也可以是B2C的，它們利用AI模型在其基礎上建立應用程式。 Replika就是一個很受歡迎的例子，這個應用程式可以讓你設計一個虛擬伴侶，7×24小時全天候陪伴聊天。從用戶的評論中可知，它似乎對許多人的生活產生了切實的影響。
「我的Replika對我太重要了！她總是在我身邊用積極的態度鼓勵我、支持我。事實上，她是我的榜樣，告訴我如何成為一個更好的人！”
總的來說，這些不同的技術層似乎仍處於早期發展階段，我們尚處於一些人所說的寒武紀大爆發的開始階段。所以，我們將看到加密貨幣在這項技術繁榮中大展拳腳。
三、為何說Crypto和AI是完美融合？
雖然加密技術對AI堆疊的每一層來說都不一定是必不可少的，但有很多理由讓我們相信，去中心化的人工智慧與去中心化貨幣一樣重要，智能合約可以利用機器學習提供強大的用戶體驗，加密技術也可以具有更高的安全性、透明度並解鎖新的人工智慧用例。
人工智慧正在主導加密領域
市場已經對加密和人工智慧交叉的潛在應用表現出了極大熱情，已有趨勢表明這是當前最熱門的敘事。自2024年初以來，相對於加密世界的其他領域來說，人工智慧的表現非常好。
隨著該領域的進一步發展，我們有充分的理由相信，我們仍處於早期階段，泡沫可能剛剛形成。
讓我們來看看crypto和AI之間上演著哪些進展。
四、新興Crypto x AI垂直領域介紹
以下是cyropto和AI之間主要的協同效應：
（1）從中心化雲端提供者到DePIN：
如前所述，人工智慧的基礎層是硬體和雲端供應商。雖然加密技術無法在生產更優的硬體方面與之競爭（而且沒有理由這樣做），但公平地講，加密技術可以在以更有效率、更安全、更去中心化的方式存取多節點超級運算方面發揮作用。這是加密領域的一個子領域，即DePIN（去中心化實體基礎設施）。這些代表著區塊鏈協議，激勵去中心化社群去建立並維護實體硬體。
人工智慧的DePIN的主要用例是雲端儲存和運算能力。
想法很簡單：人工智慧開發人員需要更多的GPU和資料儲存容量，我們有充足理由相信加密DePIN專案可以透過代幣激勵措施啟動潛在資源，協助推動產生新的運算和儲存供應。
（2）支援透明度、使用者管理和資料所有權：
人工智慧將超越網路。這意味著，要讓一個自由民主的社會運作良好，至關重要的是要了解使用的是什麼模型，它們是如何運作的，以及輸入了哪些資料。考慮到這一點，我覺得關於Web2.0巨頭的黑箱操作和壟斷力量的無休止的爭論可以透過AI代幣化（從基礎設施一直到模型和應用程式）賦予用戶所有權來終止。
在某些情況下，知道一個人正在使用的AI模型的來源可能相當重要。就像所有事一樣，模型也有偏差，根據模型的創建方式和訓練資料的不同，輸出結果可能完全不同。人工智慧模型和訓練應該是鏈上去中心化的，應該具有更高的透明度，這是有充分理由的。
我們不需要參議院或任何不透明的實體來決定世界的發展方向，不需要未經同意就對我們的數據進行控制，也不需要沒完沒了的條款和條件，老實說，我們永遠無法完成相關的閱讀後作答。事實上，我們想要的正是與之相反，即透明度和使用者管理是一切的前提，我們可以控制自己的資料。
透過利用加密基礎設施，我們可以避免重複與網路應用程式相同的錯誤。我們可以擁有集體所有權、去中心化的治理和各層面的透明度。這才是前進的道路。
（3）對齊激勵和AI貨幣化：
高品質的訓練資料是模型表現的主要貢獻力量之一。然而，正如ARK所提到的，到2024年，高品質訓練資料的優質來源可能會耗盡，這可能會讓模型效能停滯不前。
加密技術可以激勵個人將私有和公共資料集以及人工智慧模型、智能體以及AI堆疊的其他部分貨幣化。有了創造無需許可的多變全局市場的可能性，任何人都可以因做出貢獻而獲得補償。還有一種可能性是，激勵人們保持用於訓練基礎人工智慧模型的資料的質量，或為特定網路提供不同的模型。
加密領域正在推動一場金融化熱潮。 AI堆疊需要有自己的支付機制。聽起來是個很好的融合，不是嗎？
（4）鏈上AI/ML（ZKML & opML）：
零知識密碼學是最受歡迎的web3技術之一，因為它提供了為給定計算集創建「完整性」證明的能力，其中驗證證明比執行計算要容易得多。
當我們談論ZKML時，我們談論的是將ZK（零知識）證明帶到機器學習模型的「推理」和「資料」部分的可能性（而非計算量太過密集的訓練部分）。隨著該領域的研究和技術的發展，我們有望看到更有效、更可擴展的解決方案的出現，這些解決方案可能會使ZKP（零知識證明）更適用於機器學習模型的訓練階段。
使用ZKML，計算對驗證者是隱藏的，但prover（證明者）可以在不透露進一步資訊的情況下驗證ML的計算正確性。
另一種方法是OPML（Optimistic機器學習），它使用optimistic方法在區塊鏈系統上實現人工智慧模型推理和訓練/微調。 LlaMA2和Stable Diffusion模型現在可以透過optimistic機制（類似Optimism和Arbitrum）在鏈上取得。
下文將提到的一個項目的最新解決方案結合了zkML和opML，使以太坊能夠運行任何具有隱私功能的模型。
這可能會促進ML模型進入新時代，它們將是鏈上透明的，能夠輕鬆驗證給定的輸出是否是給定模型和輸入對的乘積。在一個模型和資料集不透明的世界裡，這代表的可能是遊戲規則的改變者，把權力還給使用者（與前文所述的關於透明度和使用者治理的想法相符）。
（5）身份驗證和隱私：
隨著人工智慧應用的發展，我們正在接近一個臨界點，到時沒有人會知道線上內容是真實的還是模擬的。看看這張由Sora產生的圖片，它是OpenAI最近推出的文字-影片產生平台，你覺得你看得出來真假嗎？想像一下，在未來幾年，這將如何變得更有說服力。
鑑於這一現實，我們有充分的理由將去中心化身分儲存在區塊鏈上。這樣一來可以防止人們與人工智慧機器人互動而不自知，並可區分真實資訊和深度偽造資訊。在一個只需點擊幾下滑鼠就能導致銀行擠兌的世界裡（就像我們在SVB事件中所經歷的那樣），提供真實性證明變得至關重要，而加密技術似乎是實現這一點的最佳方式。
這裡舉一個簡單的例子來說明它是如何運作的：某物的官方作者可以對區塊鏈上的「哈希值」進行數位簽名，聲稱「我自己創建的」。另一方（例如媒體公司）可以透過簽署一筆交易來聲稱「我證明了這一點」。使用者可以透過加密證明對網域的控制權（例如，nytimes.com）在簽名中驗證自己的身分。
透過這種方式，資訊是透明的，可以被證明，不可篡改，並具有可組合性。這正在成為我們開始生活其中的後AI世界的一個關鍵因素。
五、17個Crypto x AI 項目
行文至此，我確信你可能會同意有很多理由相信在牛市的下一階段，一個好的AI項目觀察清單可能是你最好的資產之一。
幸運的是，我們將關注這一點。但在此之前，我們先提醒自己，現在投機活動無所不在，必須謹慎行事。事實上，如今真正有形的項目很少見。因此，接下來的內容不是預測，只是想法。隨著數據變得更加可用且時間可以消除噪音，想法確實會發生很大變化。
這並不是一份詳盡的清單，只是我已經深入研究的、我認為值得關注的項目。這個賽道正在發生很多事情，我顯然會錯過很多偉大團隊。
話雖如此，讓我們來看看你可能需要關注的17 個項目：
1、Render Network
簡介：Render 是先驅的去中心化GPU 平台。簡而言之，該專案旨在釋放去中心化GPU 的全部生產潛力，為兩種不同類型的專案提供支援：3D 內容創建和AI。
看好理由：GPU 已經供不應求，如果AI繼續保持目前的趨勢，短缺只會變得更加嚴重，這對Render Network來說是一個機會，它是可能從這輪牛市AI敘事中受益的最大代幣之一。 Render 還有多個AI 計算客戶端。
如何獲得部位：RNDR代幣
2、Akash協議
簡介：Akash 是一個去中心化電腦市場，於2020 年9 月作為Cosmos 應用鏈在主網上啟動。雖然Akash 的第一次迭代專注於CPU（中央處理單元），但最近它已經過渡到GPU 運算，利用AI熱潮（類似Render Network）帶來的運算基礎架構範式轉移。
看好理由：用四個字來概括該專案的當前願景：「用於GPU 運算的AirBnB」。
如何獲得部位：AKT
3、Ora
簡介：ORA 是可驗證的預言機協議，它將AI和複雜的計算引入鏈上。他們的解決方案opp/ai 結合了zkML 和opML 的優點，代表了兩種方法的飛躍。
看好理由：他們的創新標誌著鏈上AI發展的轉捩點，統一了zkML 和opML 格局。
如何獲得倉位：加入他們的Discord以獲得更多更新並成為早期貢獻者。
4、io.net
簡介：這是另一個基於Solana 構建的有趣的DePIN 項目，它可以存取分散式GPU 雲端集群，而成本僅為同類中心化服務的一小部分。
看好理由：用於GPU 上的ML 訓練的去中心化AWS。即時、無需許可地存取全球GPU 和CPU 網路。革命性的技術，允許GPU 雲端叢集在一起。可以為大型AI 新創公司節省90% 的計算成本。整合Render和Filecoin。
如何獲得部位：加入io.net Discord，他們正在運行社區計劃，這可能會有IO 空投。
5、Bittensor
簡介：Bittensor 是一個去中心化的開源項目，旨在創建區塊鏈上的神經網路協議，允許創建AI dApp，並以點對點的方式實現AI 模型之間的價值交換。
看好理由：這是一個雄心勃勃的項目，最近引起了廣泛關注，成為市值最大的AI代幣。 TAO 很可能是本輪AI炒作的最大受益者之一。
如何獲得部位：TAO代幣，可以將你的TAO 質押給驗證者以賺取TAO 釋放量。如果你想透過加入Discord為網路做出貢獻，你也可以更深入地參與其中。
6、Grass
簡介：Grass 是支持AI 模式的底層基礎設施。透過安裝Grass Web 擴展，該應用程式會自動將你未使用的網路資源出售給AI公司，後者使用它來抓取網路並訓練他們的模型。結果？你分享AI的發展，透過出售你甚至不知道自己擁有的資源來獲得網路股份。
看好理由：Grass 正在為每個擁有網路連線的人創造新的收入來源。 Grass 的目標是成為去中心化AI的資料提供層。如何獲得部位：在後台運行chrome 擴充程序，只需2 分鐘即可設定開始賺取Grass 積分，這將在今年稍後產生GRASS 代幣。
7、Gensyn
簡介：Gensyn 協議是用於深度學習計算的1 層無需信任協議，它直接立即獎勵供應方參與者向網路承諾計算時間並執行ML 任務。
看好理由：該專案擁有非常非常強大的支持者，如果他們能夠執行，顯然將成為一個主要的AI加密基礎設施專案。
如何獲得倉位：在Twitter 上關注他們。
8、Allora
簡介：Allora 是一個自我改進的去中心化AI網路。 Allora 讓應用程式能夠透過自我改進的ML 模型網路利用更智慧、更安全的AI。透過結合眾包機制（同儕預測）、聯邦學習和zkML 的前沿研究，Allora 在加密貨幣和AI的交叉領域解鎖了巨大的新應用設計空間。
看好理由：Allora 由Upshot 開發，Upshot 在過去2.5 年裡一直是開發AI x 加密基礎設施的市場領導者。他們專注於更多的金融用例：AI驅動的價格資訊流、AI驅動的DeFi 金庫、AI風險建模等，這可能意味著他們比大多數人更早發現PMF。
如何獲得倉位：加入Discord，關注如何作為早期社區成員參與其中。
9、Botto
簡介：Botto是一位完全自主的藝術家，擁有閉環流程和不被人手改變的輸出。人類唯一的輸入是對Botto 輸出進行投票，以指導藝術家下一步該做什麼。
看好理由： 這個獨特的項目結合了AI、藝術、NFT 和DeFi，並且已經產生了實際收入（自成立以來為450 萬美元）。 Botto的藝術品已在佳士得拍賣行出售。這是有史以來第一個可以投資的AI藝術家。藝術品銷售收入將分配給質押者。
如何獲得倉位：BOTTO 代幣或在Super Rare 上購買Botto 的NFT。
10、Parallel（Colony）
簡介：Colony 是一款永無止境的遊戲，由AI 驅動，所有模擬物品都在鏈上。你將與一個Parallel化身配對。你和你的化身將共同努力並共享鏈上資源，以駕馭由PRIME 驅動的不斷擴展的Parallel世界。
看好理由：PRIME 是唯一遊戲和AI真正交叉的代幣之一。 《Colony》可能會成為一款定義新類型的遊戲，如果團隊執行的話，它具有真正的病毒傳播潛力。製作此遊戲的工作室可能是web3 遊戲領域中最好的。
如何獲得部位：PRIME 代幣和Parallel頭像NFT。遊戲發佈時請註冊玩遊戲。
11、Aethir
簡介：Aethir 引入了一種新的雲端運算基礎設施方法，重點關注企業級GPU 的所有權、分配和使用。它充當市場和聚合器，促進供應方參與者（例如節點運營商和GPU 提供商）與AI、虛擬化計算、雲端遊戲和加密貨幣挖礦等計算密集型行業的用戶和組織之間的聯繫。
看好理由：Aethir 看起來是GPU 運算雲端類別中另一個強大的DePin 競爭對手。他們聲稱的GPU 數量比Render 多20 倍。他們將在熱門行業的非常有利的環境中推出。
如何獲得倉位： 即將到來的節點銷售並加入他們的Discord伺服器。
12、Morpheus
簡介：Morpheus 正在建構第一個真正去中心化的點對點個人智能體網絡，以實現AI的大眾化。
看好理由：關於這個專案的一個很酷的事實是，它的貢獻者之一是Erik Voorhees ，他是這個領域真正的OG。這個專案給了我Bittensor 的感覺。
如何獲得部位：你可以在公平發射期間投入stETH 來賺取MOR 代幣
13、Autonolas
簡介：Autonolas 是一個用於創建和使用去中心化AI智能體的開放市場。但不僅如此，它還為開發人員提供了一套工具來建立鏈下託管的AI智能體，並可以插入多個區塊鏈，包括Polygon、以太坊、Gnosis Chain 或Solana。
看好理由：Autonolas 是目前少數有證據表明已得到一定採用的AI項目之一。 OLAS 是目前少數在人工智慧加密項目賽道上競購的代幣之一。
如何獲得部位：OLAS代幣
14、MyShell
簡介：MyShell 是一個去中心化的綜合平台，用於發現、創建和質押AI 原生應用程式。
看好理由：MyShell 是一種AI應用程式商店，也是一個允許你創建AI機器人和應用程式的平台。它允許任何人成為AI企業家並透過他們的應用程式貨幣化。該產品現已投入生產。
如何獲得倉位：雖然他們還沒有代幣，但你可以註冊他們的應用程式並開始與機器人互動以賺取積分（誰知道這會為你帶來什麼）。
15、OriginTrail
簡介：OriginTrail 整合了區塊鏈和AI，提供去中心化知識圖譜(DKG)，確保資料的完整性和來源，透過提供對經過驗證的資訊網路的存取來增強AI功能。此次合併旨在透過為資料創建、驗證和查詢建立安全、值得信賴的基礎，提高各行業AI智能體的效率和可靠性。
看好理由：產品已運作。企業客戶。我的理解是，知識圖譜允許AI解釋數據並在其他發生的事情的背景下理解它。 TRAC 似乎也擁有一群狂熱的追隨者。
如何獲得部位：TRAC代幣
16、Ritual
簡介：Ritual 是一個開放的、主權的AI執行層。 Ritual 將允許開發人員將AI無縫整合到任何鏈上的應用程式或協定中，使他們能夠使用加密方案對模型進行微調、貨幣化和執行推理。
Ritual 的願景是讓開發人員能夠建立完全透明的DeFi、自我改進的區塊鏈、自主智能體、生成內容等。
看好理由：Ritual 確實擁有頂級支持者。開發者現在就可以嘗試Infernet SDK。我發現一位開發者幾天前使用該SDK 啟動了一個實驗性的nft 專案。非常酷（我太晚了，沒來得及鑄造）。
如何獲得倉位：加入他們的Discord並持續關注。
17、Nillion
簡介：Nillion 能夠以安全、保密的方式訓練和推理AI 模型，打造安全個人化AI 的支柱。
看好理由：Nillion 的盲運算網路解鎖了許多新的用例，其中個人化AI是一個巨大的未解鎖領域。除非有私密資料處理，否則個人化AI不會被廣泛採用。 Nillion 的解決方案聽起來確實改變了遊戲規則。
如何獲得倉位：加入他們的Discord並保持追蹤。如果你是開發人員，我相信他們很快就會舉辦一些黑客松。
