作者：Grayscale Research
編譯：Felix, PANews
Grayscale（灰階）昨天宣布推出專注於去中心化AI的新基金Grayscale Decentralized AI Fund LLC。基金首批項目包括Bittensor（TAO）、Filecoin（FIL）、Livepeer（LPT）、Near（NEAR）和Render（RNDR），其中Near、Filecoin和Render為基金中的最高權重資產。受此消息影響，相關代幣大幅上漲。隨後，Grayscale發文對AI及去中心化AI進行了解讀，闡述了對其重視的原因。以下為內容全文。
人工智慧（AI）是本世紀最有前途的新興技術之一，有可能指數級提高人類生產力並為醫學突破提供動力。雖然AI在今天可能很重要，但其影響力只會越來越大。根據普華永道估計，到2030年，AI將成長為一個價值15兆美元的產業。
然而，這項前景光明的技術也面臨挑戰。隨著AI技術越來越強大，AI產業的權力卻集中在少數公司手中，對社會有潛在的危害。這也引發了外界對深度造假、嵌入式偏見和資料隱私風險的嚴重擔憂。幸運的是，加密技術以去中心化和透明度的特性為其中一些問題提供了潛在的解決方案。
本文將探討中心化所帶來的問題，以及去中心化AI如何幫助解決其中的一些弊端。此外還將討論Crypto和AI的交集，重點介紹該領域已顯示出早期採用跡象的加密應用。
中心化AI的問題
當前AI發展面臨一定風險和挑戰。 AI的網路效應和密集的資本需求非常顯著，以至於大型科技公司以外的許多AI開發人員，如小公司或學術研究人員，要么難以獲得AI開發所需的資源，要么無法將其工作變現。這限制了AI的整體競爭和創新。
因此，對這項關鍵技術的影響力主要集中在OpenAI和Google等少數幾家公司手中，引發了對AI治理的嚴重質疑。例如，今年2月，Google的AI影像產生器Gemini被揭露種族歧視和歷史錯誤，涉嫌操縱模型。此外，去年11月，一個由六人組成的董事會決定解僱OpenAI執行長Sam Altman，揭露了少數人控制著開發這些模型的公司的事實。
隨著AI影響力和重要性越來越大，許多人擔心一家公司可能會掌握對社會產生巨大影響的AI模型的決策權。甚至可能以犧牲他人的利益為代價，設置壁壘閉門造車，或操縱模型以謀取私利。
去中心化AI如何提供幫助
去中心化AI是指利用區塊鏈技術，以提高透明度和可訪問性的方式，分配AI所有權和治理的AI服務。 Grayscale Research認為，去中心化的AI有可能將這些重要的決策從封閉的環境中釋放出來，為公眾所有。
區塊鏈技術可以幫助開發人員增加對AI的訪問，降低獨立開發人員建立和工作成果變現的門檻。這將有助於提高整體AI創新和競爭，並與科技巨頭開發的模型保持平衡。
此外，去中心化的AI可以幫助實現AI投資的民主化。目前，除了透過一些科技股之外，很少有辦法獲得與AI開發相關的收益。同時，大量私人資本已分配給AI新創公司和私人公司（2022年為470億美元，2023年為420億美元）。因此，只有一小部分創投和合格投資者可以獲得這些公司的收益。相較之下，去中心化的AI加密資產對每個人都是開放的，任何人都可以參與AI的未來。
如今交會領域發展如何？
Crypto和AI的交匯在成熟度方面仍處於早期階段，但市場的反應令人振奮。截至2024年5月，加密資產的AI領域報酬率為20%，其表現優於絕大多數加密賽道。此外根據Kaito數據，與DeFi、Layer2、Meme和RWA等其他賽道相比，AI賽道目前在社群平台上的「敘事心智份額」最高（市場關注度最高）。
最近，一些知名人士開始擁抱這個新興領域，致力於解決中心化AI的缺陷。今年3月，AI公司Stability AI創辦人Emad Mostaque離開公司，轉而追求去中心化AI，他表示「現在是時候確保AI保持開放和去中心化了」。此外，ShapeShift創辦人Erik Vorhees最近推出了Venice.ai，這是一款專注於隱私的AI服務，具有端對端加密功能。
圖1：今年迄今，AI Universe的表現幾乎超過了所有加密賽道
可以將Crypto和AI的交集分為三個主要子類：
- 基礎設施層：為AI開發提供平台的網路（例如NEAR，TAO，FET）
- AI所需的資源：提供AI開發所需的關鍵資源（運算、儲存、資料）的資產（例如RNDR、AKT、LPT、FIL、AR、MASA）
- 解決AI問題：試圖解決AI相關問題的資產，例如機器人和深度偽造的興起以及模型驗證（例如WLD、TRAC、NUM）
圖2：AI和Crypto市場地圖資料來源：Grayscale Investments。所含協議為說明性範例
為AI發展提供基礎設施的網絡
第一類是提供無需許可的開放式架構的網絡，專為AI服務的整體開發而建構。這些資產不專注於某一種AI產品或服務，而是專注於為各種AI應用創建底層基礎設施和激勵機制。
NEAR在這一類別中脫穎而出，其創始人是「Transformer」架構的共同創辦人，該架構為ChatGPT等AI系統提供支援。今年5月，NEAR宣布將專注於打造用戶擁有的AI生態系統，致力於優化用戶隱私和主權。 6月下旬，NEAR啟動了其AI孵化器計劃，用於開發NEAR原生基礎模型、AI應用程式的資料平台、AI代理框架和計算市場。
Bittensor是一個使用TAO代幣來經濟地鼓勵AI發展的平台。 Bittensor作為38個子網路（subnets）的底層平台，每個子網路都有不同的用例，如聊天機器人、圖像生成、財務預測、語言翻譯、模型訓練、儲存和運算。 Bittensor網路以TAO代幣獎勵每個子網中表現最好的礦工和驗證者，並為開發人員提供無需許可的API，透過查詢Bittensor子網中的礦工來建立特定的AI應用。
此類別還包括其他協議，如Fetch.ai和Allora網路。 Fetch.ai是一個供開發人員創建複雜AI助理（即「AI 代理」）的平台，最近與AGIX和OCEAN合併，總市值約為75億美元。另一個是Allora網絡，這是一個專注於將AI應用於金融應用的平台，包括DEX和預測市場的自動交易策略。 Allora還沒有發行代幣，並在6月進行了一輪策略性融資，私募融資總額達3,500萬美元。
AI發展所需的資源
第二類包括以運算、儲存或資料的形式為AI開發提供所需資源的資產。
AI的興起對GPU形式的運算資源產生了海量的需求。諸如Render（RNDR）、Akash（AKT）和Livepeer（LPT）之類的去中心化GPU市場為模型訓練、模型推理或渲染3D生成式AI的開發人員提供了閒置GPU供應。據估計，Render提供約1萬GPU，專注於藝術家和生成式AI；而Akash提供400 GPU，專注於AI開發人員和研究人員。同時，Livepeer最近宣布了一個新的AI子網計劃，目標是2024年8月執行文字轉圖像、文字轉影片和圖像轉影片等AI推理任務。
除了需要大量的運算資源外，AI模型還需要大量的數據。因此，對資料儲存的需求大幅增加。 Filecoin（FIL）和Arweave（AR）等資料儲存解決方案可以作為去中心化和安全的網路替代方案，將AI資料儲存在中心化AWS伺服器上。這些解決方案不僅提供具有成本效益和可擴展的存儲，還透過消除單點故障和降低資料外洩風險，來增強資料安全性和完整性。
最後，現有的AI服務，如OpenAI和Gemini，可以分別透過Bing和Google搜尋持續存取即時數據。這讓除科技公司之外的所有其他AI模型開發者處於不利地位。然而，像Grass和Masa這樣的資料抓取服務可以幫助創造公平的競爭環境，因為其允許個人透過為AI模型培訓提供應用程式資料來獲利，同時保持對個人資料的控制和隱私。
嘗試解決AI相關問題的資產
第三類包括試圖解決AI相關問題的資產，包括機器人、深度偽造和內容來源的興起。
AI的另一個顯著問題是機器人和錯誤訊息的氾濫。 AI生成的深度偽造已經對印度和歐洲的總統選舉產生了影響，專家們「非常害怕」即將到來的美國總統競選，出現由深度偽造嚴重驅動的海量「虛假信息」。旨在透過建立可驗證的內容來源，來幫助解決與深度偽造相關的問題的資產包括Origin Trail（TRAC）、Numbers Protocol（NUM）和Story Protocol。此外，Worldcoin（WLD）試圖透過獨特的生物辨識標誌來驗證，從而解決機器人問題。
AI的另一個風險是確保對模型本身的信任。如何相信收到的AI結果沒有被竄改或操縱？目前，有幾個協定透過密碼學、零知識證明和完全同態加密（FHE）來幫助解決這個問題，例如Modulus Labs和Zama。
結論
雖然這些去中心化的AI資產已經取得了初步成果，但目前仍處於早期階段。今年年初，風險投資家Fred Wilson表示，AI和Crypto是“同一枚硬幣的兩面”，“Web3將幫助我們信任AI”。隨著AI產業的不斷成熟，Grayscale Research認為，這些與AI相關的加密用例將變得越來越重要，這兩種快速發展的技術有可能相互成就。
許多跡象顯示AI時代即將來臨，並將產生深遠的，或正面或負面的影響。透過利用區塊鏈技術的特性，相信Crypto最終可以幫助減輕AI一些危險。
相關閱讀：為何創投公司大舉押注Crypto x AI
