作者：Alex Xu
引言
截止目前來看，本輪加密牛市週期是商業創新上最為乏味的一輪，缺少上一輪牛市DeFi、NFT、Gamefi 這樣的現象級熱潮賽道，導致整體市場行情缺少產業熱點，用戶、產業投資和開發者的成長都比較乏力。
這也反映在目前的資產價格上，整輪週期來看，大部分Alt coins 對於BTC 的匯率持續失血，其中也包括ETH。畢竟智慧合約平台的估值是由應用的繁榮程度決定的，當應用的發展創新乏善可陳，公鏈的估值也很難抬升。
而AI 作為本輪較新的加密商業門類，受益於外部商業世界爆炸式的發展速度和持續不斷的熱點，仍有可能為加密世界的AI 賽道項目帶來不錯的注意力增量。
而在筆者4 月發布的IO.NET 報告中，梳理了AI 與Crypto 結合的必要性，即加密經濟方案在確定性、調動配置資源和免信任上的優勢，可能是解決AI 隨機性、資源密集和人機難辨三個挑戰的方案之一。
在加密經濟領域的AI 賽道，筆者嘗試再透過一篇文章，對一些重要議題進行討論與推演，包括：
- 加密Ai 賽道還有哪些萌芽中，或未來將爆發的敘事
- 這些敘事的催化路徑和邏輯
- 敘事相關的項目標的
- 敘事推演的風險與不確定性
本文為筆者截至發表時的階段性思考，未來可能發生改變，且觀點具有極強的主觀性，亦可能存在事實、數據、推理邏輯的錯誤，請勿作為投資參考，歡迎同業的批評與探討。
以下為正文部分。
加密AI 賽道的下一波敘事
在正式盤點加密AI 賽道的下一波敘事前，我們先來看看目前的加密AI 的主要敘事，從市值排序來看，超過10 億美金的分別有：
- 算力：Render（RNDR，流通市值38.5 億）、Akash（流通市值12 億）、IO.NET（最近一輪一級融資估值10 億）
- 演算法網路：Bittensor（TAO，流通市值29.7 億）
- AI 代理：Fetchai（FET，合併前流通市值21 億）
* 數據時間：2024.5.24，貨幣單位均為美金。
除了以上幾個領域，下一個單項目市值超10 億的AI 賽道會是哪一個？
筆者覺得可以從兩個視角來推測：「產業供給端」的敘事和「GPT 時刻」的敘事。
AI 敘事的第一個視角：從產業供給端，看AI 背後的能源和數據賽道機會
從產業供應端來看，AI 發展的四個推手為：
- 演算法：優質的演算法能更有效率地執行訓練和推理任務
- 算力：無論是模型訓練或模型推理，都需要GPU 硬體提供算力，這也是當下主要的產業瓶頸，產業缺芯導致中高階晶片價格高企
- 能源：AI 所需的資料運算中心會產生大量的能源消耗，除了GPU 本身執行運算任務所需的電力之外，處理GPU 散熱的也需要非常多的能源，一個大型資料中心冷卻系統就佔總能源消耗的40% 左右
- 資料：大模型效能的提升需要擴大訓練參數，這意味著海量的優質資料需求
針對上述四個產業的推動力，演算法和算力賽道均有流通市值超過10 億美金的加密項目，而能源和數據賽道尚未出現同市值體量的項目。
而實際上，能源和數據的供給短缺或許很快就會來臨，成為新一波的產業熱點，從而帶動加密領域相關項目的熱潮。
我們先來說能源。
2024 年2 月29 日，馬斯克在博世互聯世界2024 大會上談到：「我在一年多前就預測過晶片短缺，下一個短缺的將是電力。我認為，明年將沒有足夠的電力來運行所有的晶片。
從具體數據來看，李飛飛領導的史丹佛大學人工智慧研究所（Human-Centered Artificial Intelligence）每年都會發布《AI 指數報告》，在該團隊2022 年發布的、針對21 年AI 產業的報告中，研究小組評估認為當年AI 耗能規模只佔全球電力需求的0.9%，對能源和環境的壓力有限。而2023 年，國際能源總署（IEA）對2022 年的總結是：全球資料中心消耗了約460 太瓦時（TWh）的電力，佔全球電力需求的2%，並預測2026 年，全球資料中心能耗最低也會有620 太瓦時，最高會達到1050 太瓦時。
而實際上，國際能源總署的估計仍然保守了，因為目前已經有大量圍繞AI 的項目即將上馬，其對應的能源需求規模遠超其23 年的想像。
例如微軟和OpenAI 正在籌劃的星際之門（Stargate）計畫。這個計劃預計在2028 年啟動，2030 年左右建成，該項目計劃構建一台擁有數百萬個專用AI 芯片的超級計算機，為OpenAI 提供前所未有的計算能力,支持其在人工智能尤其是大型語言模型方面的研發。該計畫預計耗資超過1,000 億美金，比當下的大型資料中心成本還要高出100 倍。
而僅僅星際之門一個專案的能耗就高達50 太瓦時。
也正是因為如此，OpenAI 的創始人山姆奧特曼在今年1 月的達沃斯論壇上談到：「未來人工智慧需要能源突破，因為人工智慧消耗的電力將遠遠超出人們的預期。」
在算力和能源之後，快速成長的AI 產業的下一個短缺的領域很可能是數據。
或者說，AI 所需的優質數據的短缺已經成為現實。
目前人類從GPT 的演化中，已經基本摸清了大語言模型能力增長的規律——即透過擴大模型參數和訓練數據，就能指數級提升模型的能力——而這一進程短期還看不到技術瓶頸。
但問題是優質且公開的數據在未來或許將越來越稀少，AI 產品在數據上可能會面臨跟晶片、能源一樣的供需矛盾。
首先是資料所有權的爭端增加。
2023 年12 月27 日，《紐約時報》正式向美國聯邦地方法院起訴OpenAI 和微軟，指控它們未經許可使用了自己數百萬篇文章用於訓練GPT 模型，要求它們對「非法複製和使用獨特價值的作品承擔數十億美元的法定和實際損害賠償」，還要銷毀所有包含《紐約時報》版權材料的模型和訓練數據。
此後的3 月底，《紐約時報》發表了一篇新的聲明，矛頭不僅指向了OpenAI，還瞄準了Google 和Meta。 《紐約時報》這份聲明中說，OpenAI 透過一款名為Whisper 的語音辨識工具轉錄了大量YouTube 影片中的語音部分，然後產生文字，作為文字來訓練GPT-4。 《紐約時報》表示，現在大公司訓練AI 模型時使用小偷小摸的手段已經非常普遍，並表示這樣的事谷歌也在做，他們也把YouTube 視頻內容轉成文字，用於自己大模型的訓練，本質上侵犯了影片內容創作者的權益。
《紐約時報》與OpenAI 作為「AI 版權第一案」，考慮到案件內容的複雜性和對內容和AI 產業未來的深遠影響，未必很快能得出一個結果。最終可能的結果之一是雙方庭外和解，財大氣粗的微軟和OpenAI 支付一筆大額補償金。但未來更多的數據版權摩擦勢必將提高優質數據的綜合成本。
此外，作為全球最大的搜尋引擎，Google 也曝出正在考慮對自己的搜尋功能收費，只不過收費對像不是普通大眾，而是AI 公司。
來源：路透社
谷歌的搜尋引擎伺服器裡保存著大量內容，甚至可以說是自從21 世紀以來所有網路頁面上出現過的內容谷歌都保存著。而目前AI 驅動的搜尋產品，海外的如perplexity，國內的如Kimi、秘塔，都對這些搜尋到的資料透過AI 進行加工，再輸出給使用者。搜尋引擎對AI 的收費，必然提升資料的取得成本。
實際上，除了公開的數據之外，AI 巨頭們還盯上了非公開的內部數據。
Photobucket 是一家老牌的圖片和影片託管網站,在2000 年代初曾擁有7000 萬用戶和近一半的美國線上照片市場份額。隨著社群媒體的興起，Photobucket 用戶數量大幅下降，目前僅剩200 萬活躍用戶（它們每年要支付399 美金的高昂費用），而根據用戶註冊時簽署的協議和隱私政策，超過一年沒用的帳號會被回收，也支援Photobucket 對使用者上傳的圖片和影片資料的使用權。 Photobucket 執行長Ted Leonard 透露，其擁有的13 億張照片和影片資料對訓練生成式AI 模型極具價值。他正在與多家科技公司就出售這些數據進行談判，報價範圍從每張照片5 美分到1 美元不等，每段影片超過1 美元，其估計Photobucket 可提供的數據價值超過10 億美金。
專注於人工智慧發展趨勢的研究團隊EPOCH，根據2022 年機器學習對數據的使用和新數據的生成情況，再考慮計算資源的增長，曾經發表了一篇關於機器學習所需的數據的情況報告《 Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning》，報告的結論是高品質的文字資料大約會在2023 年2 月到2026 年之間用盡，影像資料則會在2030年到2060 年間用盡。如果資料的利用效率不能顯著提高，或出現新的資料來源,目前依賴海量資料集的大型機器學習模型趨勢可能會放緩。
而就目前AI 巨頭們紛紛高價採買數據的情況來看，免費的優質文字資料真的已經基本用盡，EPOCH 在2 年前的預測是比較準確的。
同時，圍繞「AI 數據短缺」的需求的解決方案也在出現，即：AI 數據提供服務。
Defined.ai 就是一家為AI 公司提供客製化真實高品質數據的公司。
Defined.ai 所能提供的資料型態舉例：https://www.defined.ai/datasets
它的生意模式是：AI 公司給Defined.ai 提供自己對於數據的需求，例如就圖片而言，品質方面需要分辨率達到多少以上、避免模糊、過曝、內容真實。內容方面AI 公司可以依照自己的訓練任務，客製化特定的主題，例如需要夜裡的照片、夜裡的錐桶、停車場、指示牌，用來提高AI 在夜景下的辨識率。大眾都可以領任務，拍完上傳由公司審核，然後把符合要求的部分按張數結算，價格大約是一張高質量的圖片1-2 美元，一個十幾秒的短片5-7 美元，一部10 分鐘以上的高品質影片100-300 美元，文字是千字1 美元，領分包任務的人可以得到其中20% 左右的費用。數據提供可能會成為「數據標記」之後的另一門眾包生意。
全球範圍的任務眾包分配、經濟激勵、資料資產的定價\流通和隱私保護、人人可以參與，聽起來就特別像一門適合Web3 範式的商業門類。
產業供給端視角下的AI 敘事標的
晶片短缺引發的關注滲透到加密產業，讓分散式算力成為了截止目前最熱門、市值最高的AI 賽道類別。
那麼AI 產業在能源和數據上的供需矛盾如果在未來1-2 年中爆發，加密產業目前有哪些敘事相關的項目？
先來看能源類的標的。
已經上線了頭部CEX 的能源類專案非常稀少，只有Power Ledger（代幣Powr）一個。
Power Ledger 於2017 年立項，是一個基於區塊鏈技術的綜合能源平台，旨在實現能源交易的去中心化，推動個人和社區直接交易電力，支持再生能源的廣泛應用，並透過智慧合約確保交易的透明和高效。最初Power Ledger 是基於以太坊改造而來的聯盟鏈運作。 2023 年下半年，Power Ledger 更新了白皮書，並推出了自己的綜合型公鏈，該公鏈基於Solana 的技術框架改造而來，便於處理分散式能源市場中的高頻微交易。目前Power Ledger 的主要業務包括：
- 能源交易：允許用戶點對點地直接買賣電力，特別是來自再生能源的電力。
- 環境產品交易：例如碳信用和再生能源證書的交易，以及基於環境產品的融資。
- 公鏈營運：吸引應用程式開發者在Powerledger 區塊鏈上建立應用，公鏈的交易費用以Powr 代幣支付。
目前Power Ledger 專案的流通市值為1.7 億$，全流通市值為3.2 億$。
相較於能源類的加密標的，數據賽道的加密標的數量則更豐富一些。
筆者僅羅列目前自己關注的，並且已經至少上線了幣安、OKX 和Coinbase 其中一家CEX 的數據賽道項目，且按照FDV 從低至高排列：
1.Streamr – DATA
Streamr 的價值主張是建立一個去中心化的即時數據網絡，允許用戶自由地交易和分享數據，同時保持對自己數據的完全控制。透過其數據市場，Streamr 希望使數據生產者能夠直接向有興趣的消費者銷售數據流，無需中介機構，從而降低成本並提高效率。
來源：https://streamr.network/hub/projects
在實際的合作案例中，Streamr 與另一個Web3 車載硬體專案DIMO 合作，透過裝載在車輛上的DIMO 硬體感測器收集溫度、氣壓和其他數據，形成天氣數據流傳輸給所需的機構。
與其他數據項目相比，Streamr 更側重於物聯網、硬體感測器的數據，除了上面提到的DIMO 車載數據之外，其他項目還有赫爾辛基的即時交通數據流等。因此，Streamr 的計畫代幣DATA 也曾經在去年12 月，Depin 概念最火熱的時候一度創造出了單日翻倍的漲幅。
目前Streamr 專案的流通市值為4,400 萬$，全流通市值為5,800 萬$。
2.Covalent – CQT
與其他數據類項目不同的是，Covalent 提供的是區塊鏈數據。 Covalent 網路透過RPC 從區塊鏈節點讀取數據，然後對這些數據進行處理和組織，創建一個高效的查詢資料庫。這樣，Covalent 的用戶可以快速地檢索他們需要的信息，而不必直接從區塊鏈節點進行複雜的查詢，這類服務也被稱為「區塊鏈資料索引」。
Covalent 的客戶以B 端為主，其中既有Dapp 項目，例如各種Defi，也包括許多中心化加密公司，例如Consensys（Metamask 的母公司）, CoinGecko ( 知名加密資產行情站)、Rotki ( 稅務工具)、Rainbow ( 加密錢包) 等，此外傳統金融業的巨頭富達、四大會計事務所安永，也是Covalent 的客戶。根據Covalent 官方揭露的數據，專案的來自於數據服務的收入已經超過同領域的頭部專案The Graph。
Web3 產業由於鏈上資料的完整性、公開性、真實性以及即時性，有望成為細分AI 場景和特定「AI 小模型」的優質資料來源。 Covalent 作為數據提供方，已經開始為各類AI 場景提供數據，並推出了專門面向AI 的可驗證的結構化數據。
來源：https://www.covalenthq.com/solutions/decentralized-ai/
例如為鏈上智慧交易平台SmartWhales 提供數據，利用AI 識別出盈利的交易模式和地址；Entendre Finance 則透過Covalent 的結構化數據，經過AI 處理用於即時洞察、異常檢測和預測分析等。
目前來看，Covalent 提供的鏈上資料服務的主要場景仍以金融為主，但隨著Web3 產品和資料類型的泛化，鏈上資料的使用場景也將進一步拓展。
目前Covalent 專案的流通市值為1.5 億$，全流通市值為2.35 億$，相對於同賽道的區塊鏈資料索引專案The Graph，具有比較明顯的估值優勢。
3.Hivemapper – Honey
在所有數據素材中，視訊資料的單價往往是最高的。 Hivemapper 可以為AI 公司提供包含影片和地圖資訊在內的資料。 Hivemapper 本身是一個去中心化的全球地圖項目，旨在透過區塊鏈技術和社區貢獻來創建一個詳細、動態且可訪問的地圖系統。參與者可以透過行車記錄器（dashcam）捕捉地圖數據並將其添加到開源的Hivemapper 數據網路中，並基於貢獻獲得專案代幣HONEY 的獎勵。為了提高網路的效應和降低互動成本，Hivemapper 建構在Solana 上。
Hivemapper 最早成立於2015 年，最初的願景是使用無人機創建地圖，但後來發現這種模式難以擴展，從而轉向使用行車記錄器和智慧型手機來捕捉地理數據，降低了全球地圖製作的成本。
與Google map 等街景和地圖軟體相比，Hivemapper 透過激勵網路和眾包模式，能更有效率地拓展地圖覆蓋範圍、維持地圖實景的新鮮度、提升影片品質。
在AI 對數據的需求爆發之前，Hivemapper 的主要客戶包括汽車產業的自動駕駛部門、導航服務公司、政府、保險和房地產公司等。如今Hivemapper 則可以透過API 為AI 和大模型提供廣泛的道路和環境數據，透過不斷更新的圖像和道路特徵數據流的輸入，AI 和ML 模型將能夠更好地將數據轉化為能力的提升，執行與地理位置、視覺判斷有關的任務。
資料來源：https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/
目前Hivemapper – Honey 專案的流通市值為1.2 億$，全流通市值為4.96 億$。
除了以上三個項目之外，數據賽道的項目還有The Graph – GRT（流通市值32 億$，FDV 37 億$），其業務與Covalent 類似，也提供區塊鏈數據索引的服務；以及Ocean Protocol – OCEAN（流通市值6.7 億$，FDV 14.5 億$，本項目即將與Fetch.ai 和SingularityNET 合併，代幣轉換為ASI），一個開源協議，旨在促進數據和數據相關服務的交換和貨幣化，將資料消費者與資料提供者連接起來，從而在保證信任、透明和可追溯性的前提下共享資料。
AI 敘事的第二個視角：GPT 時刻重現，通用人工智慧降臨
在筆者看來，加密產業裡「AI 賽道」的元年是GPT 震驚世界的2023 年，加密AI 計畫的暴漲，更多是AI 產業爆炸式發展帶來的「熱度餘波」。
雖然GPT3.5 之後GPT4、turbo 等的能力不斷升級，以及Sora 在視頻創作能力的驚人展現，包括OpenAI 之外的大語言模型也快速發展，但不可否認的是AI 的科技進步給大眾帶來的認知衝擊正在減弱，人們開始逐漸使用AI 工具，大規模的職位替代似乎還未發生。
那麼，未來AI 領域是否還會再現「GPT 時刻」，出現讓大眾震驚的AI 跨越式發展，讓人們意識到自己的生活和工作都將因此被改變？
這一刻可能是通用人工智慧（AGI）的降臨。
AGI 指的是機器擁有類似人類的綜合認知能力，能夠解決各種複雜問題，而不僅限於特定任務。 AGI 系統擁有高度的抽象思考、廣泛的背景知識、全領域的常識推理和因果關係理解、以及跨專業的遷移學習等能力。 AGI 的表現與各領域最優秀的人類無異，就綜合能力來說則完全超越最優秀的人類群體。
實際上，無論科幻小說和遊戲、影視作品之中的呈現，還是在GPT 迅速普及之後的大眾預期，社會大眾對超越人類認知水平的AGI 的出現早有預期。或者說，GPT 本身就是AGI 的先導產品，是通用人工智慧的預言版。
而GPT 之所以有這麼大的產業能量和心理衝擊，在於其落地的速度和表現超越了大眾的預期：人們沒想到，一個能完成圖靈測試的人工智慧系統真的到來了，而且速度這麼快。
實際上，人工智慧(AGI）或許將在1-2 年內再次復現「GPT 時刻」的突然性：人們才剛適應GPT 的輔助，就發現AI 已經不僅僅是一個助手，它甚至能獨立完成極創造性和挑戰性的工作，包括那些困住人類頂尖科學家數十年的難題。
在今年4 月8 日，馬斯克接受了挪威主權財富基金首席投資長Nicolai Tangen 的採訪，談到了AGI 出現的時間。
他說：「如果把AGI 定義為比最聰明的那部分人類還要聰明的話，我認為它很可能在2025 年出現。」
也就是依照他的推斷，最多就是還需要1 年半的時間，AGI 就會降臨。當然，他加了一個前提條件，就是「電力和硬體都跟得上的話。」
AGI 的降臨的好處是顯而易見的。
它意味著人類的生產力水準將大跨步地上一個台階，大量困住我們幾十年的科研難題將迎刃而解。假如我們把「最聰明的那部分人類」定義為諾貝爾獎得主的水平，也就意味只要能源、算力、數據足夠，我們可以擁有無數個不知疲倦的「諾獎得主」，全天候攻關那些最難的科學問題。
而實際上諾獎得主並不是幾億分之一那樣珍貴，他們在能力和智力上大多是頂級大學教授的水平，但是因為概率和運氣選對了方向，持續做了下去並拿到了結果。和他相當程度的人，他同樣優秀的同僚們，也許在科研的平行宇宙中也獲得了諾獎。但無奈的是，具備頂尖大學教授並參與科學研究突破的人員還是不足，因此「遍歷所有科學研究正確方向」的速度仍然很慢。
有了AGI 之後，在能源和算力充分供給的情況下，我們可以有無限個「諾獎得主」等級的AGI 在任何一個可能的科學研究突破方向進行縱深探索，科技的提升速度會快幾十倍。科技的提升，會導致我們如今認為相當昂貴稀缺的資源，在10 到20 年間成百倍地增加，比如糧食產量、新材料、新藥、高水準的教育等，獲取這些的成本也將成倍下降，我們得以用更少的資源養活更多的人口，人均財富迅速增加。
全球GDP 總量走勢圖，資料來源：世界銀行
這聽起來似乎有點聳人聽聞，我們來看兩個例子，這兩位例子筆者在先前關於IO.NET 的研報中也曾使用過：
- 2018 年，諾貝爾化學獎得主弗朗西斯·阿諾德在頒獎儀式上才說道：“今天我們在實際應用中可以閱讀、寫入和編輯任何DNA 序列，但我們還無法通過它創作（compose it）。”僅僅在他演講的5 年後，2023 年，來自史丹佛大學和矽谷的AI 創業企業Salesforce Research 的研究者，在《自然- 生物技術》發表論文，他們透過基於GPT3 微調而成的大語言模型，從0創造出了全新的100 萬種蛋白質，並從中尋找到2 種結構截然不同、卻都具有殺菌能力的蛋白質，有希望成為抗生素以外的細菌對抗方案。也就是說：在AI 的幫助下，蛋白質「創造」的瓶頸突破了。
- 而在此前，人工智慧AlphaFold 演算法在18 個月內，把地球上幾乎所有的2.14 億種蛋白質結構都做了預測，這項成果是過往所有人類結構生物學家工作成果的幾百倍。
改變已經發生，而AGI 的降臨會進一步加快這個過程。
另一個方面，AGI 的降臨帶來的挑戰也是非常巨大的。
AGI 不但會取代大量的腦力勞動者，如今被認為「受AI 衝擊較少的」體力服務業者，也會隨著機器人技術的成熟和新材料的研發帶來的生產成本降低而受到衝擊，被機器和軟體替代的勞動職缺佔比會迅速提高。
屆時，兩個曾經看起來非常遙遠的問題很快就會浮出水面：
- 大量失業人口的就業和收入問題
- 在AI 無所不在的世界，如何分辨AI 和人類
而Worldcoin\Worldchain 正在嘗試提供解決方案，即用UBI（全民基本收入）系統為大眾提供基本收入，用基於虹膜的生物特徵把人和AI 進行區分。
事實上，給全民發錢的UBI 並非沒有現實實踐的空中樓閣，芬蘭、英格蘭等國都進行過全民基本收入的實踐，而加拿大、西班牙、印度等國亦有政黨正在積極提案推進相關的實驗。
而基於生物特徵識別+ 區塊鏈的模式進行UBI 分配的好處在於這個系統的全球性，對人口有更廣泛的覆蓋，此外還可以基於透過收入分配拓展而來的用戶網絡，構建其他商業模式，例如金融服務（Defi）、社交、任務群眾募資等，形成網路內商業的協同，這也正是
AGI 降臨帶來的衝擊效應的對應標的之一是Worldcoin – WLD，其流通市值為10.3 億$，全流通市值為472 億$。
敘事推演的風險與不確定性
本文與Mint Ventures 先前發布的諸多計畫和賽道研究報告不同，對於敘事的推演和預測具有較大的主觀性，請讀者僅將本文內容作為一個發散性的討論，而不是預測未來的預言。筆者上述的敘事推演面臨許多不確定性，導致猜想錯誤，這些風險或影響因素包括但不限於：
能源方面：GPU 更新換代造成的能耗速降
儘管圍繞AI 的能源需求猛增，但以英偉達為代表的晶片廠商正在透過不斷的硬體升級，以更低的功耗提供更高的運算能力，例如在今年3 月英偉達發布了整合了兩個B200 GPU 和一個Grace CPU 的新一代AI 計算卡GB200，其訓練的效能是上一代主力AI GPU H100 的4 倍，推理的效能是H100 的7 倍，需要的能耗卻只有H100 的1/4。當然儘管如此，人們希望從AI 中獲得的力量渴望遠遠沒到盡頭，伴隨著單元能耗的下降，隨著AI 應用場景和需求的進一步擴張，總能耗可能反而是上升的。
資料方面：Q* 計畫實現「自產資料」
OpenAI 內部一直存在著一個傳聞中的專案「Q*」，該專案在OpenAI 發給員工的內部資訊被提及。 根據路透社引述OpenAI 內部人士的看法，這可能是OpenAI 在追尋超級智慧/ 通用人工智慧（AGI）道路上取得的突破。 Q* 不僅能夠憑藉抽象能力解決以前從未見過的數學問題，還能夠透過自我創造用於訓練大模型的數據，而無需現實世界的數據餵養。如果該傳言為真，AI 大模型訓練受限於優質資料不足的瓶頸將被打破。
AGI 降臨：OpenAI 的隱憂
AGI 降臨的時點是否真的如馬斯克所說，會在2025 年到來尚不得而知，但這只是一個時間問題。但Worldcoin 作為AGI 降臨敘事的直接誒受益標的，最大的隱憂可能來自OpenAI，畢竟其是公認的「OpenAI 影子代幣」。
5 月14 日凌晨，OpenAI 在春季新品發布會展示了最新的GPT-4o 與另外19 個不同版本的大語言模型在綜合任務得分中的表現，僅從表格來看，GPT-4o 得分1310，視覺上似乎比後幾名高出了一大截，但從總分來看，其僅比第二名GPT4 turbo 高了4.5%，比第四名谷歌的Gemini 1.5 Pro 高了4.9%，比第五名Anthropic 的Claude 3 Opus 高了5.1%。
從GPT3.5 初登場時震驚世界的時刻僅僅過去了一年多，OpenAI 的競爭對手們已經追到了非常接近的位置（儘管GPT5 尚且沒有放出，並預計在今年發布），OpenAI 未來是否已經能保持自己的產業領先位置，這個答案似乎正在變得模糊。如果OpenAI 的領先優勢和統治地位被稀釋乃至追趕，那麼Worldcoin 作為OpenAI 的影子代幣的敘事含金量也會下降。
此外，除了Worldcoin 的虹膜認證方案之外，越來越多的競爭對手也開始進入這個市場，例如手掌掃描ID 專案Humanity Protocol 剛剛宣布以10 億美元估值完成3,000 萬美元新一輪融資，LayerZero Labs也宣布將在Humanity 上運行，並加入其的驗證者節點網絡，使用ZK 證明對憑證進行身份驗證。
結語
最後，筆者雖然對AI 賽道後續的敘事進行了推演，但AI 賽道與DeFi 等加密原生賽道不同，其更多是AI 熱潮外溢至幣圈的產物，目前諸多的項目就商業模式而言並未跑通，許多項目更像是AI 主題的Meme（例如Rndr 類似英偉達的meme，Worldcoin 類似OpenAI 的meme），讀者應審慎看待。
