近期大型語言模式（LLM）的快速發展引發了對利用人工智慧（AI）改造各產業的興趣，包括區塊鏈領域。 AI x 加密的出現引起了恐慌，但也帶來了解決AI產業問題的獨特機會。具體解決方案包括將AI封裝到現有產品中、為加密貨幣生態系統建立AI基礎設施、利用區塊鏈解決AI問題等。挑戰包含代幣經濟學的困難，以及如何吸引Web2用戶採用AIxCrypto解決方案。整合AI和區塊鏈技術可以為人工智慧產業帶來巨大的潛力和創新。
前言
最近大型語言模型（LLM）的快速發展引發了人們對利用人工智慧（AI）改造各行業的興趣。區塊鏈產業也未能倖免，AI x Crypto敘事的出現造成了恐慌。論文探討了融合AI和加密的主要方式，並探討了區塊鏈技術在解決AI產業問題上的獨特機會。
AIx加密的明顯解決方案包括：
1. 將AI封裝現有產品中：像Dune這樣的公司正在利用AI增強其產品，例如引入SQL副駕駛來幫助用戶編寫複雜的查詢。
2. 為加密貨幣生態系統建立AI基礎設施：Ritual和Autonolas等新創公司專注於開發AI驅動的基礎設施，並專注於加密貨幣生態系統需求客製化。
3.利用區塊鏈解決AI產業問題：Gensyn、EZKL和io.net等專案正在探討區塊鏈技術如何解決AI產業面臨的挑戰，例如資料隱私、安全性和拓撲。
AI x 加密的獨特點在於區塊鏈技術可望解決AI產業內在問題。這種獨特的交匯點為創新解決方案開闢了新的可能性，有益於AI和區塊鏈社群。
在深入探討AI x 加密貨幣領域時，我們旨在識別和展示區塊鏈技術在解決AI產業挑戰方面最有前景的應用。透過與AI行業專家致力於和加密貨幣建造者合作，促進兩種技術的充分利用尖端解決方案的技術優勢的發展。
1.行業概況
AI x 加密貨幣領域可分為基礎設施和應用類。儘管現有基礎設施為AI 實例提供支持，但新的參與者正在市場上推出全新的AI 基礎設施。
1. 1 計算網絡
在AIxCrypto領域，運算網路對於提供AI應用所需的基礎設施發揮了至關重要的作用。這些網路根據其支援的任務，可以分為兩種類型：通用計算網路和專用計算網路。
1.1.1 通用計算網絡
通用運算網路（例如IO.net 和Akash）為使用者提供透過SSH 存取機器的機會，並提供命令列介面（CLI），使用戶能夠建立自己的應用程式。這些網路類似虛擬專用伺服器（VPS），在雲端提供個人運算環境。
IO.net基於Solana生態系統，消耗於GPU租賃和運算負載，而基於Cosmos生態系統的Akash主要提供CPU雲端伺服器和各種應用模板。
IOSG Ventures 的觀點：
與成熟的Web2雲端市場相比，運算網路尚處於早期階段。 Web3運算網路不如Web2那樣「樂高」建構模組，例如基於主要雲端服務搭建（如AWS、Azure和Google Cloud）的無伺服器函數、 VPS和資料庫雲端專案。
計算網路的優點包括：
區塊鏈技術可以利用未使用的運算資源和個人電腦，使網路變得更加持續。點對點（P2P）設計允許個體將未使用的計算資源貨幣化，並提供開銷的計算，從而潛在地降低75%-90%的成本。但由於以下挑戰，運算網路很難投入實際生產並取代Web2雲端服務： 定價固然是通用運算網路的主要優勢，但要與成熟的Web2雲端公司在功能、安全性和穩定性等方面競爭仍具挑戰性。點對點風格可能會限制這些網路快速交付成熟和可靠產品的能力。去中心化的功能會額外增加開發和維護成本。
1.1.2專用計算網絡
專用計算網路在通用計算網路基礎上增加了額外的層，使用戶可以透過設定檔配置特定的應用程式。這些網路旨在滿足特定的場景，例如3D渲染或AI推理和訓練。
渲染是一個專注於3D 渲染的專業運算網路。在AI 領域，像Bittensor、Hyperbolic、Ritual 和fetch.ai 這樣的新玩家專注於AI 推理，而Flock 和Gensyn 主要專注於AI 訓練。
IOSG Ventures 的觀點：
專用運算網路的優點：
去中心化和加密貨幣特性解決了AI產業普遍存在的中心化和透明性問題。無需許可計算網絡和驗證方案確保推理和訓練過程的有效性。隱私保護技術，例如Flock採用的聯邦學習，允許個人為模型訓練貢獻數據，同時將其數據保留在本地並公開。透過支援智能合約與下游區塊鏈應用集成，使得AI推理可以直接在區塊鏈上使用。
資料來源：IOSG 創投公司
雖然專門的AI 推理和訓練運算網路仍處於早期階段，但我們預計Web3 AI 應用將優先使用Web3 AI 基礎架構。這種趨勢已經在Story Protocol 和Ritual 與MyShell 合作引入AI 模型作為知識產權等合作中明顯。
儘管基於這些新興的AI x Web3基礎設施構建的殺手級應用程式尚未出現，但成長潛力巨大。隨著生態系統的成熟，我們預計會看到更多利用中心化AI運算網路獨特能力的創新應用程式。
2. 數據
數據在AI模型中發揮著至關重要的作用，開發AI模型的各個階段都涉及數據，包括收集、數據訓練集存儲和數據模型存儲。
2.1 資料存儲
去中心化儲存AI模型對於以去中心化方式提供推理API關鍵。推理節點應該能夠隨時從任何地方搜尋這些模型。隨著AI模型可能達到數百GB的大小，需要一個強大的去中心化儲存網路。去中心化儲存領域的領導者，如Filecoin和Arweave，可能可以提供這個功能。
IOSG Ventures 的觀點：
這個領域存在著巨大的機會。針對AI模型優化的去中心化資料儲存網絡，提供版本控制、儲存不同的低精度模型量化以及大型模型快速下載等功能。去中心化支持，因為它們經常與模型打在一起，透過插入必要的與問題相關的知識提供更準確的答案。現有的SQL資料庫也可以提供搜尋支援。 2.2 收集資料和標記
收集高品質的數據對於AI訓練至關重要。基於區塊鏈的項目如Grass利用眾包收集資料進行AI訓練，利用個人的網路。透過適當的激勵和機制，AI訓練者可以以更低的成本獲得高品質的數據。 Tai-da和Saipen等項目則專注於數據標記。
IOSG Ventures 的觀點：
我們對這個市場的一些觀察：
大多數數據標記項目都受到GameFi的啟發，吸引用戶以「標記符號」概念和開發者致力於高品質標記數據並降低成本。目前在這一領域尚未出現明顯的先行者，而Scale AI則主導著Web2資料標記市場。 2.3區塊鏈數據
在專門針對區塊鏈的AI模型的訓練時，開發人員需要高品質的區塊鏈數據，希望能夠直接在其訓練過程中使用。 Spice AI和Space and Time搭載的SDK提供了高品質的區塊鏈數據，使開發人員能夠輕鬆地將數據整合到他們的訓練數據管道中。
IOSG Ventures 的觀點：
隨著對區塊鏈相關的AI模型需求的增長，對高品質區塊鏈數據的需求將大幅上漲。然而，大多數數據分析工具目前僅提供以CSV格式匯出數據，這對AI目的並不理想。對於專門推動區塊鏈的人工智慧模型的發展，關鍵是透過提供更多與區塊鏈相關的機器學習運維（MLOP）功能來提升開發體驗。這些功能應該使開發人員能夠無縫線區塊鏈資料直接整合到他們基於Python的AI訓練平台中。
3.ZKML
由於有動機使用較不複雜的模型來降低計算成本，中心化的AI提供者面臨信任問題。例如，去年有時用戶認為ChatGPT表現不佳。後來這被歸因於OpenAI的更新旨在提升模型效能。
此外，創作內容者對AI 公司提出了版權擔憂。這些公司很難證明特定數據未包含在其訓練過程中。
零知識機器學習（ZKML）是一種創新方法，解決了與中心化人工智慧相關的信任問題。透過利用零知識證明，ZKML使開發人員能夠證明其人工智慧訓練和推理過程的正確性，而流失了敏感資料或模型細節。
3.1 訓練
開發人員可以在零知識虛擬機器（ZKVM）中執行訓練任務，例如由Risc Zero 提供的虛擬機器。該過程產生一個證明，驗證訓練是否正確進行，且僅使用了經授權的資料。該證明作為開發人員遵守適當的訓練規範和資料使用權限的證據。
IOSG Ventures 的觀點：
ZKML為證明模型訓練中授權資料使用提供了獨特的解決方案，而這在人工智慧模型的黑盒子特性下通常很難實現。目前技術仍是一個早期階段。計算費用龐大。社區正在積極探索ZK 更多案例。 3.2 推理
與訓練對應物相比，ZKML 用於推理的時間要長。這個領域已經有幾家知名公司堅定，他們各自採用獨特的方法使機器學習推理變得信任和透明。
Giza 致力於建立全面的機器學習營運（MLOP）平台，並在其周圍打造一個充滿活力的社群。他們的目標是為開發人員提供整合ZKML 到推理工作流程的工具和資源。
另一方面，EZKL 透過創建使用者介面的ZKML 框架來提供良好的效能，優先考慮開發體驗。他們的解決方案旨在簡化實現ZKML 推理的過程，使更多的開發人員能夠輕鬆使用。
Modulus Labs 採用了不同的方法，他們發展了自己的論證系統。他們的主要目標是大幅減少與ZKML 推理相關的計算開支。透過將開支降低10 倍，Modulus Labs 試圖使ZKML 推理在實際應用上更加有效實用性和效率。
IOSG Ventures 的觀點：
ZKML 特別適用於GameFi 和DeFi 場景，其中消耗信任至關重要。 ZKML的引進使得大型人工智慧模式難以有效運作。該行業正在尋找在其產品中大量使用ZKML 的DeFi 和GameFi 先驅，以展示其實際應用情境。
4.代理網路+其他應用
4.1 代理網絡
代理網絡由配備特定執行任務的工具和知識的人工智慧代理組成，例如協助進行鏈上交易。這些代理可以相互協作以實現更複雜的目標。一些家公司正在積極開發類似聊天機器人的代理和代理網路。
Sleepless、Siya、Myshell、characterX 和Delysium 是正在建立聊天機器人代理的重要參與者。 Autonolas 和ChainML 正在為更強大的建立代理網路的範例。
IOSG Ventures 的觀點：
它們可以比通用人工智慧更好地執行特定任務。區塊鏈為人工智慧代理提供了幾種獨特的機會。建立激勵機制：區塊鏈透過諸如非同質化代幣（NFT）等技術提供激勵機制。有了明確的共享和激勵結構，創作者受到影響，在鏈上開發更有趣和創新的代理商。智能合約的可組合性：區塊鏈上的智能合約高度可組合，像樂高積木一樣相容。智慧合約提供的開放API使代理商能夠執行在傳統金融系統中難以實現的複雜任務。使代理程式能夠與各種去中心化應用程式（dApps）進行互動並利用其功能。內在的開放性：透過在區塊鏈上建立代理，它們繼承了這些網路的內在開放性和透明性。這為不同代理之間的可組合性創造了巨大的機遇，使它們能夠單獨結合的進行協作能力解決更複雜的任務。 4.2 其他應用
除了前面討論過的主要類別之外，在Web3領域中還有一些有趣的人工智慧應用正在受到關注，儘管它們可能還不夠龐大以形成獨立的類別。這些應用跨越了各個領域，展示了人工智慧在區塊鏈生態系統中的多樣性和潛力。
圖片生成：ImgnAI
圖片提示變現：NFPrompt
社區訓練的人工智慧圖像生成：Botto
聊天機器人：Kaito、Supersight、Galaxy、Knn3、Awesome QA、Qna3
金融：數位AI
錢包：Dawn_wallet
遊戲：平行卡牌遊戲
教育：著迷
安全：福塔
DID：世界幣
創作者工具：Plai Lab
5. 將AIx加密貨幣推廣給Web2 用戶以實現大規模採用
AI x 加密貨幣持續進行，是因為它可以解決人工智慧領域最困難的問題。目前的AIx加密貨幣產品與Web2 AI 產品之間存在差距，並且對Web2 用戶缺乏吸引力，但儘管AIx加密貨幣仍具備一些獨特的功能，只有AIx加密貨幣才能提供。
5.1高效能的運算資源：
AIx加密的一個主要優勢在於提供高效能的運算資源。隨著LLM 的需求增加，市場上開發者增多，GPU 的可用性和價格變得更加嚴峻。 GPU 價格大幅上漲，而且越來越嚴峻。
DePIN專案等去中心化運算網路可以透過利用閒置運算力、小型資料中心的GPU和個人運算設備來幫助解決這個問題。雖然去中心化運算能力的穩定性可能不如中心化雲端服務，但這些網路提供擁有不同地理的高效能運算設備。去中心化最小化方法化了邊緣延遲，確保了更廣泛和增加彈性的基礎設施。
透過利用去中心化運算網路的力量，AIxCrypto可以為Web2使用者提供價格實惠、易得的運算資源。這種成本優勢對於吸引Web2用戶採用AIxCrypto解決方案的吸引力，尤其是針對AI計算的持續需求成長的情況下。
5.2 授予創作者版權：
AI x 加密的另一個重要優勢在於保護創作者的複製權。在當前的人工智慧領域，一些代理很容易被複製。透過簡單編寫類似的提示，就可以輕鬆複製這些代理程式。另外，GPT 商店中的代理商通常由中心化公司擁有，是由創作者擁有，了創作者對作品的控制以及有效實現盈利的能力。
AI x 加密貨幣利用加密貨幣領域普遍存在的NFT 技術來解決這個成熟問題。透過將代理商表示為NFT，創作者可以真正擁有自己的作品，並總計獲得實際收益。每次用戶與代理商互動，創作者都可以激勵，確保對他們努力的公平回報。基於NFT比特幣的概念不僅適用於代理，用於保護人工智慧領域中的其他重要資產，例如知識庫和提示。
5.3 保護隱私並重建信任：
使用者和創作者對於中心化人工智慧公司存在隱私訓練的擔憂。使用者擔心自己的資料被用於未來的模型，而創作者則擔心自己的作品被使用缺乏適當的預測或補償。此外，中心化人工智慧公司可能會犧牲服務品質以降低基礎設施成本。
這些問題難以透過Web2 技術，而AIx加密貨幣則利用先進的Web3 解決方案。零知識訓練和推理可透過證明所使用的數據並確保應用正確的模型，從而提供解決方案。此類受信任執行環境（TEE）、聯邦學習和同態加密貨幣（FHE）等技術完全實現安全、保護隱私的人工智慧和推理訓練。
透過優先考慮隱私和透明度，AIx加密貨幣使人工智慧公司能夠重新獲得公眾信任，並提供尊重用戶權利的人工智慧服務，並區別於傳統的Web2 解決方案。
5.3 保護隱私並重建信任：
使用者和創作者對於中心化人工智慧公司存在隱私訓練的擔憂。使用者擔心自己的資料被用於未來的模型，而創作者則擔心自己的作品被使用缺乏適當的預測或補償。此外，中心化人工智慧公司可能會犧牲服務品質以降低基礎設施成本。
這些問題難以透過Web2 技術，而AIx加密貨幣則利用先進的Web3 解決方案。零知識訓練和推理可透過證明所使用的數據並確保應用正確的模型，從而提供解決方案。此類受信任執行環境（TEE）、聯邦學習和同態加密貨幣（FHE）等技術完全實現安全、保護隱私的人工智慧和推理訓練。
透過優先考慮隱私和透明度，AIx加密貨幣使人工智慧公司能夠重新獲得公眾信任，並提供尊重用戶權利的人工智慧服務，並區別於傳統的Web2 解決方案。
5.4追蹤內容來源
隨著人工智慧生成的內容日益精密，區分人類創作和人工智慧生成的文字、圖像或影片變得更加困難。為防止人工智慧產生的內容，人們需要一種可靠的方式來確定內容的來源。
區塊鏈在追蹤內容來源方面表現出色，就像在供應鏈管理和NFT中取得的成功一樣。在供應鏈產業，區塊鏈追蹤產品的整個生命週期，用戶可以識別生產商和關鍵里程碑。土地，區塊鏈追蹤創作者，並在NFT 的情況下防止盜版，由於其公開性，NFT 尤其容易受盜版的影響。儘管存在這種脆弱性，但區塊鏈可最大程度減少假NFT 所以導致的損失，因為用戶可輕鬆區分真假代幣。
透過應用區塊鏈技術追蹤人工智慧生成內容的來源，AIxCrypto可以為用戶提供驗證內容者創建人工智慧還是人類的能力，從而減少可能性，增加對內容真實性的信任。
5.5 利用加密貨幣開發模型
設計和訓練模型，特別是大型模型，是一個昂貴且運作的過程。新模型還存在不確定性，開發人員無法預測其性能。
加密貨幣提供了一種對開發人員的方式，可以收集預訓練資料、收集強化學習回饋以及從感興趣的方進行籌款。這個過程類似於典型的加密貨幣專案的生命週期：透過私人投資或運輸台作用，並在啟動時向積極貢獻者銷售代幣。
模型可以採用類似的方法，透過出售代幣募集資金用於訓練，傳遞資料和回饋的貢獻者空投代幣。透過提出設計的代幣經濟模型，這個工作流程可幫助個人開發人員比以往更輕鬆地訓練新模型。
6. 代幣經濟學的挑戰
AI x 加密貨幣專案開始瞄準Web2開發者作為潛在客戶，因為加密貨幣具有獨特的價值響應，且Web2人工智慧產業市場規模可觀。然而，對於不熟悉的代幣且不願涉足基於代幣系統的Web2開發者來說，代幣可能會成為障礙。
迎合Web2開發者，減少代幣的實用性可能對Web3愛好者造成困擾，因為這可能是為了改變AIx加密貨幣專案的根本分析。在努力將有價值的代幣整合到人工智慧SaaS平台時，找到吸引力Web2開發者並保持代幣實用性之間的平衡是一項艱鉅的任務。
為了彌合Web2和Web3商業模式之間的差距，同時保持代幣價值，可以考慮以下幾種潛在方法：
在專案的全球基礎設施網路中利用代幣。實施質押、獎勵和懲罰機制來保護基礎網路。將代幣作為支付方式，同時為Web2用戶提供使用入口實施基於代幣的治理與代幣持有者分享收益利用收益回購或股票代幣為專案提供的服務，為代幣持有者提供折扣和額外功能透過設計提出符合Web2和Web3利益的代幣經濟模型，AIx加密貨幣專案可以成功吸引Web2開發者，同時保持其代幣的價值和實用性。
7.我們最愛的AI x 加密貨幣場景
我們最喜歡的AIx加密貨幣場景利用用戶協作的力量，借助區塊鏈技術在人工智慧領域完成任務。一些具體的例子包括：
1.集體進行AI訓練、Alignment和基準測試的資料貢獻（例如Chatbot Arena）
2. 合作建立一個大型共享知識庫，提供各種代理使用（例如，撒哈拉）
3.利用個人資源，進行網路資料抽取（例如，草）
透過利用基於區塊鏈和協調的用戶集體努力，這些模型展示了中心化、社群驅動的方法對人工智慧開發和部署的啟發去潛力。
結論
我們正處於AI和Web3的黎明階段，與其他產業相比，人工智慧與區塊鏈領域的整合仍處於早期階段。在排名前50名的Gen AI產品中，並沒有與Web3相關的產品。頂尖的LLM工具與內容創作和編輯相關，主要針對銷售、會議和筆記/知識庫。考慮到Web3生態系統中大量的研究、文件、銷售和社群工作，為客製化的LLM工具的開發提供了巨大的潛力。
目前，開發者正致力於建立基礎設施，將先進的人工智慧模型引入鏈上，雖然我們尚未實現目標。隨著我們繼續發展這項基礎設施，我們正在探索最佳的用戶場景，以安全和贏得信任在鏈上進行AI推理的方式，這為區塊鏈領域提供了獨特的機會。其他產業可以直接使用現有的LLM基礎進行推理和配置。只有區塊鏈產業需要自己的原創AI基礎設施。
在不久的將來，我們預見的區塊鏈技術將利用其點對點的優勢來解決人工智慧產業中最棘手的問題，使人工智慧模型對每個人都更加負擔得起、易於訪問和盈利。我們也期待加密貨幣領域將緊跟著AI 產業的敘述，儘管出現延遲。在過去的一年中，我們見證了開發者將加密貨幣、代理和LLM 模型結合。在接下來的幾個月內，我們可能會看到更多多模態模型、文字影片產生和3D生成影響加密貨幣領域。
整個AI和Web3產業目前均表現得到充分的重視，我們期待AI在Web3中的引發爆炸時刻，一個CryptoxAI的殺手級應用。
資訊來源：0x資訊編譯自網際網路。版權歸作者IOSG所有，未經許可，不得轉載