在過去一年裡，隨著對去中心化AI 概念的普及及各種AI 工具的廣泛應用，AI +Web3 逐步成為了加密圈最火爆的話題之一。根據不完全統計，目前產業Web3 和AI 結合的項目已超140 多個，涵蓋了運算、驗證、元宇宙、遊戲等多個方向。以太坊聯創Vitalik 也曾撰文對區塊鏈和AI 結合的用例進行了探討，並指出這兩者的交叉領域用例正在增加，而且一些用例具有更高的意義和穩健性。此外，在最近在香港舉辦的「香港Web3 嘉年華」活動中，無論是主會場還是邊會場，AI 和Web3 結合的話題都被頻繁提及。
本文挑選了三個值得關注的Web3 和AI 結合項目，並對它們在加密AI 領域中的獨特定位和發展前景進行了探討。
Bittensor：市值領先，但實用性遭市場質疑
在AI 領域，與資源密集的算力和數據不同，加密演算法更側重於技術密集型的工作。然而，當前AI 領域中存在一個難題，即由於技術壁壘的存在，演算法和模型之間往往無法有效合作，導致零和博弈的局面。為了改變這種狀況，Bittensor 提出了一種解決方案，透過區塊鏈網路和激勵機制來促進不同演算法之間的合作，逐步建立一個共享知識的演算法市場。簡而言之，類似於比特幣的挖礦網絡，Bittnsor 只是將比特幣挖礦計算過程取代為訓練和驗證AI 模型。
從名稱上看，「Bittensor」可以分解為「Bit」和「Tensor」兩個部分。其中Bit 我們並不陌生，比特幣中可以理解為最小貨幣單位。而在更廣義的電腦科學中，Bit 代表者資訊的最基本單位。 「Tensor」則源自拉丁文「Tendera」，原意為「擴展」。在物理學中，Tensor 指的是具有多個指數的張量，是一個多維數組或矩陣，可以表示各種類型的資料。在機器學習領域中，Tensor 則意味著用於表示和處理多維資料。
Bittensor 的架構可以分為兩層，底層是基於Polkadot Substrate 的區塊鏈，負責執行共識機制並激勵網路。而AI 層則負責推理、訓練，並確保Bittensor 協定節點之間的輸入/輸出相容性。 Bittensor 網路有兩個關鍵參與者，分別是礦工和驗證者。礦工向網路提交訓練模型換取代幣獎勵，而驗證者則負責確認模型輸出的有效性和準確性，並選擇最準確的輸出回傳給用戶。為了創造正向競爭循環，Bittensor 透過Yuma 共識機制實現激勵分配。 Yuma 共識結合了PoW 和PoS 兩種機制，其中礦工透過競爭計算結果獲得代幣獎勵，而驗證者則需要將持有代幣質押在某一子網並完成驗證工作後能夠獲得一定數量的TAO 激勵，對AI 模型的篩選和評估越準確和一致，獲得的獎勵就越多。
子網是Bittensor 生態系中的核心組成部分。 2023 年10 月，Bittensor 透過Revolution 升級引入了「Subnet（子網路）」概念，不同子網路能夠負責不同任務，包括機器翻譯、影像辨識與生成、語言大模型等，同時這些子網路之間能夠相互互動與學習。任何人都可以在Bittensor 上建立子網，但需要在用TAO 代幣支付費用，費用的多少取決於網路上子網的供需情況。此外，在上網子網路的主網路之前，還需要在本地及測試網路上執行測試。
目前Bittensor 上共有一條特殊子網路0# Root 和32 條其他子網路。 0# Root 由Opentensor Foundation 構建，作為Bittensor 上的治理中心，能夠透過共識將產出的TAO 分配給其他子網路。在0# Root 上，驗證者的角色來自其他子網路質押數量最多的前64 名驗證者，而礦工的角色則由其他子網路扮演。此外，0# Root 還能夠根據貢獻量為其他子網路分配激勵。對於剩餘的32 個子網，驗證節點和礦工會根據各自貢獻獲得一定比例的TAO。通常情況下，41% 會分配給驗證者、41% 分配給礦工，剩餘18% 則會分配給子網路創建者。 Bittensor 生態系中子網路之間的競爭非常激烈。目前，系統允許的子網數量上限為32 個，但在測試網中已經有超過200 個子網路等待在主網上註冊。近期，一些優秀的團隊也在Bittensor 上註冊了自己的子網，例如MyShell TTS。而根據子網註冊規則，一旦達到了子網數量的上限，系統就會自動註銷代幣分配量最低的子網。
Bittensor 近期也遭受了關於其註冊費用及實用性的質疑。據悉，目前在Bittensor 上註冊一個子網路的費用為2078.49 枚TAO，而在3 月1 日更是達到10281 枚TAO，相當於超700 萬美元。而隨著TAO 價格的上漲，註冊費用可能還會進一步增加。而每當一個專案註冊一個子網，註冊費用就會翻倍，而如果沒有人註冊，價格會在四天內線性減半。對於那些想要創建或參與子網路的開發者而言，高昂的註冊費用無疑會成為一項巨大的負擔。除此之外，Bittensor 子網路的實用性也遭到了質疑。 32 個子網路中，大部分都為「資料整理」「文字、影像及音訊轉換」等門檻較低的場景應用。且在Bittensor 上進行建構的團隊中，沒有一個團隊的全職成員超過十幾個人，大部分只有2 至3 人。比特幣Ordinals 計畫Taproot Wizards 及比特幣NFT 計畫Quantum Cats 發起人Eric Wall 也在社群平台上表達了自己的看法，認為Bittensor 只是一個毫無意義的去中心化實驗，並沒有提供任何實用性。 Eric Wall 指出，「Subnet #1 被描述為文字提示服務。但實際上，其工作模式非常簡單，用戶發送一個提示，礦工做出回應，類似於ChatGPT。而參與這一過程的礦工將獲得TAO 代幣作為獎勵。但在這裡存在嚴重冗餘性，因為驗證者只是檢查答案的相似程度，如果有礦工的回答與其他人不同，他就不會得到獎勵。整個系統的效率極低，且無法有效驗證模型是否真的被運行。此外，作為普通用戶根本無法與網絡進行交互。整個子網的唯一目的似乎只是內部運行。這個過程看起來就是為了購買無用的AI 代幣以獲取去中心化AI的曝光。」
Ritual：超豪華背景加持，將ZKP 用於AI 模型推理訓練
現有AI 堆疊存在許多問題，包括缺乏對計算完整性、隱私和扛審查的保障。此外，由少數集中式公司託管的基礎設施也限制了開發人員和使用者的本地整合能力，導致了有效性問題的出現。在這樣的背景下，去中心化AI 計算平台Ritual 應運而生。
Ritual 的主要目標是為人工智慧提供一個開放且模組化的主權執行層，即如何將人工智慧引入EVM、SVM 及其他虛擬機器環境中。簡單來說，Ritual 透過連接分散式節點網路運算資源和模型建立者，允許創建者託管他們的AI 模型，而使用者則可以以可驗證的方式將AI 模型的全部推理功能添加到其現有工作流程中。
Ritual 團隊背景非常強大，共同創辦人Niraj Pant 和Akilesh Pott 曾是Polychain 普通合夥人。除此之外，團隊成員還包括來自微軟AI 和Facebook Novi 等知名公司的資深工程師，以及來自Dragonfly、Protocol Labs、dYdX 等知名機構的專業人士。此外，Ritual 的顧問陣容也十分亮眼，包括EigenLayer 創辦人兼合夥人Sreeram Kannan、Gauntlet 創辦人兼執行長Tarun Chitra，以及BitMEX 共同創辦人Arthur Hayes 等。
截止目前，Ritual 共完成了兩輪融資。 2023 年11 月，Ritual 宣布完成2,500 萬美元融資，Archetype 領投，ccomplice、Robot Ventures、dao5、Accel、Dilectic、Anagram、Avra 和Hyperspher 及天使投資人Coinbase 前首席技術長Balaji Srina、Protocol Labs 、Worldcoin 研究工程師DC Builder、EigenLayer 首席策略長Calvin Liu、Monad 共同創辦人Keone Hon、AI+Crypto 計畫Modulus Labs 的Daniel Shorr 和Ryan Cao 等參投。而就在2024 年4 月8 號， Ritual 又獲得了Polychain Capital 的數百萬美元投資，具體金額暫不得知。
目前，Ritual 已經推出了將計算引入鏈上的輕量級庫Infernet，允許智能合約開發者透過Infernet 節點在鏈下請求計算，並透過Infernet SDK 將計算結果傳遞給鏈上的智能合約。 Infernet 節點是Infernet 的輕量級鏈下客戶端，主要負責監聽鏈上或鏈下請求，並透過鏈上交易或鏈下API 交付工作流程輸出和可選證明。而Infernet SDK 是一套智慧合約，允許用戶訂閱鏈下計算工作負載的輸出。其主要用例之一就是將機器學習推理引入鏈上。 Infernet 可以部署至任何鏈上，允許任何協定和應用進行整合。此外，Infernet 也允許開發者引入自己的證明系統，包括Halo2 驗證器及Plonky3 驗證器等。
Infernet 並不是直接在鏈上執行推理，而是類似於預言機系統，鏈上發出請求，鏈下節點進行執行，並將相應返回鏈上。但這種方式也存在非同步的問題，即開發者提出請求後需要在區塊上等待，無法立即得到回應。而Ritual 的方法是讓開發者在熟悉的環境中直接進行推理運算，而無需關心運算發生的位置。雖然這些操作仍然在鏈外進行，但透過在虛擬機器中嵌入這些運算操作，使得每個節點都能在運行修改過的虛擬機器的同時，執行超優化的人工智慧操作。這種方式可以看作是一種互動通信，透過預編譯來實現。這種方法的出現也是區塊鏈生態系統的發展趨勢。
具體實現上，透過Infernet，開發者可以將計算密集型操作委託給鏈下，透過鏈上回調在智能合約中消耗輸出和可選證明，以規避智能合約執行環境的限制。舉例而言，Emily 正在開發一個新的NFT 集合，讓鑄造者自主為NFT 添加新特徵。 Emily 建立了一個鑄造網站，將簽署的委託發佈至運行自訂工作流程的Infernet 節點上，該工作流程能夠解析使用者輸入，產生新的圖像，而Infernet 節點則透過鏈上交易將最終的圖像發送至她的智能合約上。
2023 年年底，Ritual 發布了一個由Infernet SDK 提供支援的應用程式Frenrug。 Frenrug 是在Friend.tech 聊天室中運行的聊天機器人，任何持有Frenrug 的Key 的用戶都可以給Frenrug 發送訊息。例如可以透過Frenrug 購買或出售對應的friend.tech 用戶的Key，但Frenrug 並不會直接處理使用者訊息，而是將訊息傳送給多個Infernet 節點，這些節點運行著不同的語言模型。 Infernet 節點會對用戶的訊息進行處理，並在區塊鏈上產生投票。當足夠多的節點投票後，系統將聚合這些投票並在區塊鏈上執行相應操作，例如購買或出售Key。最後，Frenrug 會在聊天室中進行回复，其中包含了每個節點的投票結果和最終的操作，讓用戶了解系統如何處理他們的請求。
Ritual 目前正在開發第二個產品「主權鏈Ritual Chain」。雖然Infernet 可以輕鬆整合至任何EVM鏈中，使得任何協定都能夠使用。但Ritual 仍然堅信建立一條鍊是必要的，因為這樣可以在核心執行層和共識層上建立出更有效率的功能，並且可以讓那些希望最大程度地利用人工智慧為協議帶來價值的用戶實現他們的願景。當然，為了實現主權鏈，Ritual 需要建立不同類型的驗證器、證明系統及各種複雜功能，並且需要足夠簡單，以便用戶可以輕鬆上手使用。
Virtual：更具趣味性，注重用戶參與
和Bittensor 和Ritual 和各種機器模型互動不同，Virtual Protocol 類似於一個專注於為各種虛擬世界創造人工智慧角色的去中心化工廠。它更注重於使用者的參與，並將人類的主觀想法和社會共識融入其願景中，以促進個人化和沈浸感的發展。 Virtual Protocol 的核心理念是是未來的虛擬互動將由人工智慧來實現，並以去中心化的方式構建，以提供個人化和超身臨其境的體驗。其中，個人化確保每次互動都能與用戶建立個人聯繫，使其具有獨特的相關性。另一方面，沉浸感則可以激發使用者各種感官，創造出更真實的體驗。
Virtual 生態系統參與者包括貢獻者和驗證者。貢獻者可以為模型提供各種文字數據、語音數據和視覺數據，無論是已有模型的改進還是新模型的提出。這些內容會接受驗證者的審查和認證，以確保準確性和真實性，並評估對其貢獻品質進行評估，以確保其符合Virtual Protocol生態系統設定的標準。
-
新提案：任何人都可以發起Genesis Virtual 的創建，但需要在指定三個月內質押至少十萬枚VIRTUAL，並通過DAO 提案流程。 Virtual 社群內所有代幣持有者都可以對該提案進行投票。一旦提案通過，就會鑄造一個新的Virtual NFT。
-
對已有模型進行貢獻：會自動產生提案，並由驗證者審查、討論、驗證和投票是否進行更改。
目前只有驗證者才有權對提案進行驗證或投票，整個驗證過程是匿名進行的。驗證者需要對每對模型進行至少10 輪的互動。完成驗證任務後，驗證者可以獲得與其代表總質押比例相符的質押獎勵。如果想要成為驗證者，用戶必須在Virtual 帳戶中持有1,000 枚Virtual 代幣，並承諾驗證所有提議。此外，Virtual 採用DPos 機制，如果想在不進行驗證的情況下獲得質押獎勵，可以選擇將任何金額的代幣委託給Virtual 驗證者，驗證者在扣除10% 的收入比例後，會將質押獎勵返還給委託用戶。
Virtual 整個參與流程是透明且會透過公共區塊鏈進行記錄，所有貢獻都會轉化為NFT，並儲存在不可變貢獻庫中（ICV），以確保其可追蹤性和公平分配獎勵。不可變貢獻庫（ICV）是Virtual 的多層鏈上儲存庫，將所有Virtual 批准的貢獻在鏈上進行存檔，可以呈現每個Virtual 的當前狀態，並對其歷史演變進行追蹤。此外， 透過開源VIRTUALs 的程式碼庫模型，ICV 創造了一個透明的環境。它促進了可組合性，允許開發人員和貢獻者在現有VIRTUALs 的基礎上進行建置並與之無縫整合。
Virtual 代幣是Virtual 協議的核心，其主要功能包括獎勵貢獻者和驗證者、支援協議發展及進行空投等。 Virtual 代幣總供應量為10 億枚，其中60% 已公開流通，5% 留作流動性池子，剩餘35% 則專用於社區激勵措施及Virtual 協議生態系統發展的倡議。且未來3 年內，每年的釋放量不會超過10%，需獲得管理部門批准後才能部署。
Virtual 協議透過收入和激勵實現了飛輪驅動。收入來自於各種dApp 的使用，dApp 則需要向協議支付使用費用。每月月底，Virtual 協議會根據dApp 的總收入流入進行激勵的分配，其中10% 分配給協議，剩餘90% 在各個Virtual 應用之間按照質押比例進行分配，以確保了收入與其貢獻成正比。舉例而言：流入總收入為100 美元，其中10 美元將分配給協議。而剩餘90 美元中，由於Virtual A 質押池子擁有9000 枚代幣，而Virtual B 質押池子只擁有1000 枚代幣。那麼Virtual A 將獲得90*90%=81 美元，而Virtual B 將90*10%=9 美元。
在每個Virtual 應用程式中，收入將平均分配給驗證者和貢獻者。驗證者將根據運行時間和質押金金額獲得收入，其中運行時間指的是驗證提案數量與提案總量的比例。例如Virtual A 中驗證者A 運行時間為90%，則其將獲得81/2*90%=36.45 美元。隨後收入將會進一步分配給各質押者，將根據只額額度進行具體分配。此外，預設10% 將作為委託費用支付給池子的驗證者。而貢獻者則根據貢獻利用率和影響池進行所得分配。其中，貢獻利用率考慮了貢獻者的貢獻在系統中被積極使用的時間長短，開發和維護模型的貢獻者將獲得總分配收入的30%，而提供和維護用於模型微調的數據集的用戶將獲得總分配收入的70%。此外，影響池則根據貢獻的重要性授予積分。
目前Virtual 已經接入了一款名為AI Waifu虛擬伴侶遊戲中。該遊戲故事背景發生在名為“阿卡迪亞”的世界。在遊戲中，你作為阿卡迪亞的魔法師，需要與其他魔法師和他們的Waifus 進行對抗。你可以選擇與你的Waifu 進行對話以加深聯繫，解鎖隱藏故事，還可以透過贈送禮物以獲得更多回報。目前，遊戲中有三款不同的Waifu 可供選擇，每一款Waifu 都有獨特的背景故事及個性。此外，這款遊戲還引入了戰鬥模式，你可以誘惑其他Waifus 及對保護自己的Waifu 。遊戲內所有支出都將進入遊戲的獎勵池，而WAI 交易費用的60% 也將作為獎勵池子的一部分進行分配。
和其他AI 伴侶及聊天機器人不同，AI Waifu 在視覺上呈現為3D 模型，並且可以對聲音和文字做出情緒和動畫反應。透過與AI Waifu 的交流，她並不會重複內容風格，而是不斷學習，並給予玩家個人化的回應。此外，AI Waifu 是一個跨平台PWA，具有加密啟用的經濟設計，允許共同所有權，並將其支出作為收入份額回報給開發者。
除了AI Waifu 外，Virtual 還計劃推出一種具有跨遊戲記憶和最終意識的新型AI RPG，這些機制能夠透過與遊戲內玩家及其他代理互動進行動態演變。即使用者可以將該代理人放入遊戲A 進行訓練，並保留訓練記憶。隨後，當該代理商放入遊戲B 時，仍保留在遊戲A 中的記憶。透過不斷學習，AI 代理能夠模仿人類玩家的行為，並且能夠根據玩家行為和遊戲環境變化動態構建，這能夠讓用戶遊戲體驗更加豐富及個性化，甚至包含不可預測性。用戶還可以將互動記錄上傳已獲得代幣獎勵。此外，Virtual 還計劃推出能夠在任何平台進行直播的虛擬idol。
總結
在加密AI 領域，Bittensor、Ritual 和Virtual Protocol 分別深耕於不同的領域。其中Bittensor 致力於建構共享知識的演算法市場，其市值目前位在加密AI 領域佔據領先地位。然而，近期社區成員對其子網註冊費用和實用性提出了一些質疑。不過單一子網路的問題是否能歸結於整個網路的缺陷，還需要再做評價。此外，關於系統嚴重依賴驗證者運作的問題，Opentensor 基金會貢獻者最近也提出了動態TAO 解決方案「BIT001」。
而憑藉著強大的融資陣容及團隊背景，Ritual 成為了加密AI 賽道新貴選手。先前，Dragonfly 合夥人Haseeb Qureshi 曾在文章中表示，Rutial 採用的加密經濟學，在可驗證推斷賽道中最簡單、也可能是最便宜的，但存在節點合謀的安全問題。不過隨後Ritual 聯創在社群平台上進行了解釋，表示Ritual 平台並未採取一種基於節點合作和選擇性合謀的加密經濟學方法，而是提供了用戶根據自己的偏好選擇安全性等級的選項。
相較之下，Virtual Protocol 則更具趣味性，並且注重用戶參與。例如，該協議推出了AI Waifu虛擬伴侶遊戲，並即將推出的遊戲AI代理。相較於傳統遊戲既定的遊戲規則，Virtual Protocol 致力於與玩家建立互動關係，並希望能夠根據玩家行為和遊戲環境動態演進，從而增加遊戲的社交屬性及連續性.
當然，除了本篇文章中提到的三個項目，市場上還有很多Crypto AI 項目值得關注，例如專注於GPU 租賃市場的io.net 、AI 代理協議Autonolas 及專注於創作者的Web3 啟用AI 平台MyShell 等。這些項目都展現了Crypto AI 領域的多樣性和潛力，我們也將繼續密切關注這一領域的發展。
