資料來源：Fairy，ChainCatcher
編按：作者透過科技的光環，看到了Web3 專案在推動AI 發展中所面臨的資本、硬體等多重障礙。儘管Web3 的初衷是打破中心化，實現去中心化的理想，但在實際操作中，卻往往受到市場敘事和代幣激勵的左右，偏離了初衷。
ChainCatcher 原文編譯如下：
AI 和Web3 結合的呼聲越來越高，但這不再是一篇樂觀的風投文章。我們對合併這兩種技術感到樂觀，但下面的文字是一種呼籲。否則，這種樂觀將無法實現。
為什麼？因為開發和運行最佳AI 模型需要巨額資本支出，最先進的硬體通常難以取得，而且需要非常特定領域的研發。像大多數Web3 人工智慧專案正在做的那樣，透過加密激勵來眾包這些資源並不足以抵消控制AI 發展的大公司投入的數百億美元。鑑於硬體方面的限制，這可能是首個大型軟體範式，在現有組織之外的聰明和有創造力的工程師無法打破它。
軟體正在以越來越快的速度“吞噬著世界”，很快就會隨著人工智慧的加速而呈指數級增長。在當前情況下，所有這些「蛋糕」都流向了科技巨頭，而最終用戶，包括政府和大型企業，則更受制於它們的權力。
錯位的激勵機制
這一切都發生在一個極不合適的時機——90%的去中心化網路參與者都在忙著追求由敘事驅動的輕鬆法幣收益的「金蛋」。
開發人員正跟隨我們行業的投資者，而不是反過來。這種情況有各種表現形式，從公開承認到更微妙的潛意識動機，但敘事和圍繞它們形成的市場驅動了Web3 中許多決策。和傳統反射泡沫一樣，參與者太專注於內在世界，無法注意到外在世界，除非這有助於進一步推動這個週期的敘事。而人工智慧顯然是最大的敘事，因為它本身正處於蓬勃發展的階段。
我們與人工智慧和加密貨幣交叉領域的數十個團隊進行過交流，可以確認他們中的許多人都是非常有能力、以使命為導向且充滿熱情的建造者。但人的本性就是如此，在面對誘惑時，我們往往會屈服於它們，然後在事後將這些選擇合理化。
易於流動性的路徑一直是加密產業的歷史詛咒——目前在這一點上，它已經拖延了多年的發展和有價值的採用。它甚至讓最忠實的加密貨幣信仰者也轉向「拉高代幣」的方向。合理化的理由是，持有代幣的建造者可能會有更好的機會。
機構資本和散戶資本的低複雜性為建構者提供了機會，讓他們可以脫離現實提出主張，同時也能從估值中獲益，就好像這些主張已經實現了一樣。這些過程的結果其實是根深蒂固的道德風險和資本破壞，很少有這樣的策略能在長期內發揮作用。需求是一切發明之母，當需求消失時，發明也就消失了。
這種情況發生的時機簡直不能再糟糕。當所有最聰明的科技企業家、國家行為者和大小企業都在競相確保從人工智慧革命中分得一杯羹時，加密貨幣的創始人和投資者卻選擇了「快速10 倍」。而在我們看來，這才是真正的機會成本。
Web3 人工智慧前景概述
鑑於上述的激勵機制， Web3 人工智慧專案的分類實際上可以分為：
-
合理的（也可以細分為現實主義者和理想主義者）
-
半合理的
-
造假的
從根本上說，我們認為專案建立者應該清楚知道如何能跟上他們的Web2 競爭對手，並且知道哪些領域是可以競爭的，哪些是癡心妄想，儘管這些癡心妄想的領域可能會向創投公司和公眾推銷。
我們的目標是能夠在此時此地參與競爭。否則，人工智慧的發展速度可能會把Web3 甩在後面，而世界則會躍升到西方企業人工智慧與中國國家人工智慧之間的「 Web4 」。那些不能夠及時具備競爭力並依賴分散式技術在更長時間範圍內追趕的人過於樂觀，不足以受到認真對待。
顯然，這只是一個非常粗略的概括，即使是「造假者」群體中也至少有幾個認真的團隊（也許更多的只是妄想者）。但這篇文章是一篇呼籲書，因此我們無意客觀，而是呼籲讀者要有緊迫感。
合理的：
開發「人工智慧上鍊」中間件的解決方案創始人不多，他們明白目前去中心化訓練或推理使用者實際需要的模型（即尖端技術）是不可行的，甚至是不可能的。
因此，找到一種方法將最佳的中心化模型與鏈上環境連接起來，讓其從複雜的自動化中受益，對他們來說是一個足夠好的第一步。目前，可以託管API 存取點的硬體隔離TEE （「空氣隔離」處理器）、雙向預言機（用於雙向索引鏈上和鏈下資料）、以及為代理提供可驗證的鏈下計算環境的協處理器架構，似乎是目前最好的解決方案。
還有一種使用零知識證明（ ZKPs ）對狀態變化進行快照（而不是驗證完整計算）的協處理器架構，我們認為中期內也是可行的。
對於同樣的問題，更理想化的方法是嘗試驗證鏈下推理，以使其在信任假設方面與鏈上計算保持一致。
我們認為，這樣做的目標應該是讓人工智慧在一個統一的運作環境中執行鏈上和鏈下任務。然而，大多數推理可驗證性的支持者談論的是「信任模型權重」等棘手的目標，這些目標實際上在幾年內（如果有的話）才會變得相關。最近，這個陣營的創始人開始探索替代方法來驗證推理，但最初都是基於ZKP 的。雖然許多聰明的團隊正在進行ZKML （即零知識機器學習）的研究工作，但他們預期加密優化的速度會超過人工智慧模型的複雜性和運算要求，冒了太大的風險。因此，我們認為他們目前不適合競爭。不過，最近的一些進展還是很有趣的，不該被忽視。
半合理的：
消費者應用程式使用封裝了閉源和開源模型的包裝器（例如，用於影像生成的穩定擴散或Midjourney ）。其中一些團隊率先進入市場，並獲得了實際用戶的認可。因此，一概稱其為造假者並不公平，但只有少數幾個團隊正在深入思考如何以去中心化的方式發展其底層模型，並在激勵設計方面進行創新。在代幣部分，也有一些有趣的治理/所有權設計。但是，這類項目中的大多數只是在諸如OpenAI API 的基礎上，在原本中心化的包裝上打上一個代幣，以獲得估值溢價或為團隊帶來更快的流動性。
上述兩個陣營都沒有解決的問題是去中心化環境下大型模型的訓練和推理。目前，如果不依靠緊密連接的硬體集群，就無法在合理的時間內訓練出基礎模型。鑑於競爭水平，「合理的時間」是關鍵因素。
最近已經有一些有前途的研究成果，從理論上講，「微分資料流」（ Differential Data Flow ）等方法將來可能會擴展到分散式運算網絡，以提高其容量（隨著網路能力趕上資料流要求）。但是，有競爭力的模型訓練仍然需要本地化叢集之間的通信，而不是單一的分散式設備和尖端運算（零售GPU 越來越缺乏競爭力）。
透過縮小模型大小來實現本地化推理（去中心化的兩種方法之一）的研究最近也取得了進展，但在Web3 中還沒有利用它的現有協議。
去中心化訓練和推理的問題邏輯上將我們帶到了三個陣營中的最後一個，也是迄今為止最重要的一個，因此對我們來說是最具情感觸發性的一個。
造假的：
基礎設施應用主要集中在分散伺服器領域，提供裸硬體或分散模型訓練/託管環境。還有一些軟體基礎設施項目正在推動聯盟學習（分散模型訓練）等協議，或者那些將軟體和硬體組件結合到一個平台的項目，在這個平台上，人們基本上可以端到端地訓練和部署他們的去中心化模式。它們中的大多數都缺乏實際解決所述問題所需的複雜性，“代幣激勵+市場助力”的天真想法在這裡佔了上風。我們在公共和私人市場上看到的解決方案，沒有一個能在此時此地實現有意義的競爭。有些方案可能會發展成可行的（但小眾的）產品，但我們現在需要的是新鮮的、有競爭力的方案。而這只能透過解決分散式運算瓶頸的創新設計來實現。在訓練中，不僅速度是一個大問題，已完成工作的可驗證性和培訓工作負載的協調也是一個大問題，這增加了頻寬瓶頸。
我們需要一套有競爭力的、真正去中心化的基礎模型，它們需要去中心化的訓練和推理才能發揮作用。失去人工智慧可能會徹底否定自以太坊出現以來「去中心化世界電腦」所取得的一切成就。如果電腦變成了人工智慧，而人工智慧是中心化的，那麼除了某種反烏托邦的版本之外，世界電腦將無從談起。
訓練和推理是人工智慧創新的核心。當人工智慧世界的其他領域都在朝向更緊密的架構發展時， Web3 需要一些正交的解決方案來與之競爭，因為正面競爭的可行性正變得越來越低。
問題的規模
一切都與計算有關。對訓練和推理的投入越多，結果就越好。是的，這裡可能會有一些調整和最佳化，那裡也可能有一些調整和最佳化，計算本身並不是同質的。現在有各種各樣的新方法來克服傳統馮諾依曼架構處理單元的瓶頸，但這一切仍然歸結為你能在多大的記憶體區塊上做多少次矩陣乘法，速度有多快。
這就是為什麼我們會看到所謂的「超大規模」在資料中心方面進行如此強大的建設，它們都希望創建一個完整的堆棧，頂部是人工智慧模型，底部是為其提供動力的硬體： OpenAI （模型）+微軟（計算）、 Anthropic （模型）+ AWS （計算）、Google（兩者都有）和Meta （透過加倍努力建立自己的資料中心，兩者都越來越多）。還有更多的細微差別、相互作用動態和相關方，但我們就不一一列舉了。總的來說，超大規模企業正在前所未有地投資數十億美元用於資料中心建設，並在其運算和人工智慧產品之間創造協同效應，隨著人工智慧在全球經濟中的普及，預計將產生巨大的收益。
讓我們來看看這4 家公司僅在今年的預期建設水準：
英偉達™（ NVIDIA ®）公司執行長黃仁勳（ Jensen Huang ）曾提出，未來幾年將向人工智慧加速領域投入總計1 兆美元的資金。最近，他將這項預測翻了一番，增加到2萬美元，據稱這是因為他看到了主權企業的興趣。
Altimeter 公司的分析師預計，2024 年和2025 年全球與人工智慧相關的資料中心支出將分別達到1,600 億美元和2,000 億多美元。
現在，將這些數字與Web3 為獨立資料中心營運商提供的激勵措施進行比較，以促使它們在最新的人工智慧硬體上擴大資本支出：
目前，所有去中心化實體基礎設施（ DePIn ）項目的總市值目前約為400 億美元，主要是由相對流動性較低且以投機為主的代幣構成。基本上，這些網路的市值等於其貢獻者的總資本支出的上限估計，因為它們用代幣來激勵這種建設。然而，目前的市值幾乎沒有用處，因為它已經發行了。
因此，讓我們假設在未來3-5 年內，作為激勵措施，市場上還會出現另外800 億美元（現有價值的2 倍）的私有和公開DePIn 代幣資本，並假設這些代幣將100%用於人工智慧用例。即使我們將這一非常粗略的估計除以3（年），並將其美元價值與僅在2024 年投入的超大規模公司的現金價值進行比較，很明顯，將代幣激勵措施強加給一堆“去中心化GPU 網路」專案是不夠的。
此外，還需要數十億美元的投資者需求來吸收這些代幣，因為這些網路的營運商將大量挖出的代幣出售以支付資本和營運支出的重大成本。還需要更多的資金來推動這些代幣的上漲，並激勵擴大建設，以超越超大規模公司。
然而，對Web3 伺服器目前的運作方式有深入了解的人可能會認為，「去中心化實體基礎設施」的很大一部分實際上是運行在這些超大規模公司的雲端服務上。當然， GPU 和其他人工智慧專用硬體需求的激增正在推動更多的供應，最終將使雲端租賃或購買變得更加便宜。至少這是人們的期望。
但同時也要考慮到：現在英偉達需要優先考慮客戶對其最新一代GPU 的需求。英偉達也開始在自己的地盤上與最大的雲端運算供應商展開競爭——向已經鎖定在這些超級計算器上的企業客戶提供人工智慧平台服務。這最終會促使它要么隨著時間的推移建立自己的數據中心（實質上會侵蝕他們現在享受的豐厚利潤，因此不太可能），要么將其人工智能硬體銷售大幅限制在其合作網絡雲提供商的範圍內。
此外，正在推出額外人工智慧專用硬體的英偉達競爭對手，大多使用的是由台積電生產的與英偉達相同的晶片。因此，目前基本上所有人工智慧硬體公司都在爭取台積電的產能。台積電也需要優先考慮某些客戶。三星和潛在的英特爾（英特爾正試圖盡快重返最先進的晶片製造領域，為自己的硬體生產晶片）或許能夠吸收額外的需求，但台積電目前正在生產大多數人工智慧相關晶片，而對尖端晶片製造（3和2 奈米）的擴展和校準需要數年時間。
最後，由於美國對英偉達（ NVIDIA ）和台積電（ TSMC ）的限制，中國基本上與最新一代人工智慧硬體無緣。與Web3 不同，中國公司實際上也有自己的競爭模式，尤其是百度和阿里巴巴等公司的LLM ，它們需要大量上一代設備才能運作。
由於上述原因之一或各種因素的迭加，隨著人工智慧爭霸戰愈演愈烈並優先於雲端業務，超大規模企業會限制外部存取其人工智慧硬件，這是一種非實質性風險。基本上，這是這樣一種情況：他們將所有與人工智慧相關的雲端容量都佔為己有，不再提供給其他人，同時也吞噬了所有最新的硬體。這樣一來，包括主權國家在內的其他大公司就會對剩餘的運算供應提出更高的要求。同時，剩下的消費級GPU 也越來越缺乏競爭力。
顯然，這只是一個極端的情況，但如果硬體瓶頸依然存在，大玩家就會因獎金過高而退縮。這樣一來，像二級資料中心和零售級硬體所有者這樣的去中心化營運商（佔Web3 DePIn 供應商的大多數）就會被排除在競爭之外。
硬幣的另一面
當加密貨幣的創始人還在睡夢中時，人工智慧巨頭們正在密切關注加密貨幣。政府的壓力和競爭可能會促使他們採用加密貨幣，以避免被關閉或嚴格監管。
Stability AI 創辦人最近辭職，以便開始「去中心化」他的公司，這就是最早的公開暗示之一。他先前在公開露面時並沒有隱瞞他計劃在公司成功上市後推出代幣，這在某種程度上暴露了預期行動背後的真正動機。
同樣，雖然Sam Altman 並沒有參與他聯合創立的加密項目Worldcoin 的運營，但其代幣的交易無疑就像是OpenAI 的代理。是否存在將網路代幣專案與人工智慧研發專案連結起來的途徑，只有時間會告訴我們，但Worldcoin 團隊似乎也意識到市場正在測試這個假設。
對我們來說，人工智慧巨頭們探索不同的去中心化路徑是非常有意義的。我們在這裡再次看到的問題是， Web3 並沒有產生有意義的解決方案。 「治理代幣」大多時候只是一個梗，而目前只有那些明確避免資產持有者與其網絡開發和運營之間直接聯繫的代幣，如BTC 和ETH ，才是真正的去中心化代幣。
導致科技發展緩慢的激勵機制也影響了不同治理加密網路設計的發展。新創團隊只是在自己的產品上貼上一個“治理代幣”，希望在蓄勢待發的過程中摸索出一條新路，而最終卻只能在圍繞資源分配的“治理劇場”中固步自封。
結論
AI 競賽正在進行，每個人都對此非常認真。在大型科技巨頭擴展運算能力的思考中，我們無法找到任何漏洞——更多的運算意味著更好的人工智慧，更好的人工智慧意味著降低成本、增加新收入和擴大市場份額。對我們來說，這意味著泡沫是合理的，但所有的造假者仍將在未來不可避免的洗牌中被淘汰。
集中化的大企業人工智慧正在主導這個領域，新創公司很難跟上。 Web3 領域雖然姍姍來遲，但也正在加入這場競爭。與Web2 領域的新創公司相比，市場對加密人工智慧專案的獎勵過於豐厚，這使得創辦人在關鍵時刻將注意力從產品交付轉向了推動代幣價格上漲，而這一時機正在迅速關閉。到目前為止，還沒有任何創新能夠規避擴展運算規模以進行競爭。
現在，圍繞著面向消費者的模型，出現了一場可信的開源運動，最初，只有一些集中式企業選擇與更大的閉源對手（如Meta 、 Stability AI ）爭奪市場份額。但現在，社群正在迎頭趕上，給領先的人工智慧公司帶來了壓力。這些壓力將繼續影響人工智慧產品的閉源開發，但在開源產品迎頭趕上之前，影響不會很大。這是Web3 領域的另一個大機遇，但前提是它必須解決分散模型訓練和推理的問題。
因此，雖然從表面上看，「經典」的顛覆者機會是存在的，但實際情況卻遠非如此。人工智慧與運算息息相關，如果未來3-5 年沒有突破性創新，就無法改變這一現狀，而這正是決定由誰控制和引導人工智慧發展的關鍵時期。
計算市場本身，儘管需求推動了供應方的努力，但由於製造商之間的競爭受到晶片製造和規模經濟等結構性因素的製約，也不可能「百花齊放」。
我們仍然對人類的聰明才智持樂觀態度，並確信有足夠多的聰明人和高尚的人可以嘗試以一種有利於自由世界，而非自上而下的企業或政府控制的方式來破解人工智能難題。但是，這種機會看起來非常渺茫，充其量也就是擲硬幣而已，但Web3 的創始人卻忙於擲硬幣來獲得經濟效益，而不是對世界產生實際影響。
