2024 Crypto X AI : État actuel de l'industrie – la crypto s'immisce dans chaque étape de l'IA générative
TechFlow SélectionTechFlow Sélection
2024 Crypto X AI : État actuel de l'industrie – la crypto s'immisce dans chaque étape de l'IA générative
L'IA et les cryptomonnaies sont des partenaires naturels.
Dédié à des analyses Web3 approfondiesAuteur : MagnetAI
Traduction : TechFlow
Résumé des points clés
Nous avons mené une analyse approfondie de 67 projets Crypto+IA et les avons classés selon une perspective d'intelligence artificielle générative (GenIA). Notre classification couvre :
-
GPU DePIN
-
Calcul décentralisé (entraînement + inférence)
-
Vérification (ZKML+OPML)
-
Grands modèles linguistiques cryptographiques (LLM)
-
Données (générales + spécifiques à l'IA)
-
Applications créateurs IA
-
Applications consommateurs IA
-
Normes IA (jetons + agents)
-
Économie IA
Pourquoi écrire cet article ?
Le récit autour du Crypto+IA a suscité beaucoup d'attention. De nombreux rapports sur le sujet apparaissent, mais ils ne couvrent souvent qu'une partie de l'histoire de l'IA ou n'abordent celle-ci que sous l'angle de la cryptographie. Cet article explore ce sujet depuis la perspective de l'IA, examinant comment la cryptographie peut soutenir l'IA, et comment l'IA peut en retour bénéficier à la cryptographie, afin de mieux comprendre le paysage actuel de l'écosystème Crypto+IA.
Première partie : Décrypter le panorama de l'IA générative
Commençons par explorer le paysage global de l’IA générative (GenIA) à travers les produits IA que nous utilisons quotidiennement. Ces produits sont généralement composés de deux éléments principaux : un grand modèle linguistique (LLM) et une interface utilisateur (UI). Pour les grands modèles, deux processus clés sont distingués : la création du modèle et son exploitation, communément appelés entraînement et inférence. Quant à l'interface utilisateur, elle prend diverses formes : basée sur la conversation (comme GPT), visuelle (comme LumaAI), ou intégrant des API d'inférence dans des interfaces existantes.
Calcul
En creusant davantage, le calcul est fondamental tant pour l'entraînement que pour l'inférence, reposant fortement sur les GPU sous-jacents. Bien que la connectivité physique des GPU puisse différer entre entraînement et inférence, ces derniers constituent un composant infrastructurel commun aux produits IA. Au-dessus, on trouve l'orchestration des clusters GPU, appelée « cloud ». Ces clouds peuvent être divisés entre les clouds traditionnels multifonctionnels et les clouds verticaux, plus spécialisés et optimisés pour les cas d'utilisation liés au calcul IA.
Stockage
Concernant le stockage, les solutions de données IA se divisent entre les solutions traditionnelles comme AWS S3 et Azure Blob Storage, et celles spécialement optimisées pour les jeux de données IA. Ces solutions spécialisées, telles que Filestore de Google Cloud, visent à accélérer l'accès aux données dans des scénarios précis.
Entraînement
Poursuivons avec l'infrastructure IA : distinguer l'entraînement de l'inférence est crucial car leurs besoins diffèrent nettement. Outre le calcul général, chacun implique des logiques métiers spécifiques à l'IA.
L'infrastructure d'entraînement peut être grossièrement divisée en :
-
Plateformes : Conçues spécifiquement pour l'entraînement, elles aident les développeurs IA à former efficacement des grands modèles linguistiques, offrant aussi des solutions logicielles d'accélération, comme MosaicML.
-
Fournisseurs de modèles de base : Cette catégorie inclut des plateformes comme Hugging Face, qui proposent des modèles de base que les utilisateurs peuvent affiner ou entraîner davantage.
-
Cadres (frameworks) : Enfin, il existe différents cadres d'entraînement fondamentaux permettant de construire des modèles depuis zéro, tels que PyTorch et TensorFlow.
Inférence
En ce qui concerne l'inférence, on distingue principalement :
-
Optimiseurs : Spécialisés dans l'optimisation pour des cas d'usage spécifiques, comme l'amélioration algorithmique pour le traitement parallèle ou la génération multimédia. Par exemple, fal.ai optimise l'inférence du texte vers l'image, augmentant la vitesse de diffusion de 50 % par rapport aux méthodes générales.
-
Plateformes de déploiement : Elles fournissent des services cloud universels d'inférence de modèles IA, comme Amazon SageMaker, facilitant le déploiement et la mise à l'échelle dans divers environnements.
Applications
Bien que les applications IA soient innombrables, elles peuvent être largement regroupées en deux catégories selon leur public cible : créateurs et consommateurs.
-
Consommateurs IA : Ce groupe utilise principalement les produits IA et est prêt à payer pour la valeur apportée. Un exemple typique est ChatGPT.
-
Créateurs IA : À l'inverse, les applications pour créateurs IA invitent davantage les créateurs à développer des agents, partager des connaissances, puis partager les revenus avec eux. Le marché GPT en est un exemple célèbre.
Ces deux catégories couvrent presque toutes les applications IA. Bien qu'il existe des classifications plus fines, cet article se concentrera sur ces grandes catégories.
Deuxième partie : Comment la cryptographie aide-t-elle l'IA ?
Avant de répondre à cette question, résumons les principaux avantages que la cryptographie peut apporter à l'IA : monétisation, inclusion, transparence, propriété des données, réduction des coûts, etc.
Extrait du blog de vitalik.eth : Résumé des points clés de l'intersection crypto+IA
Ces synergies clés aident principalement le paysage actuel de la manière suivante :
-
Monétisation : Grâce à des mécanismes cryptographiques uniques tels que la tokenisation, la monétisation et les incitations, des innovations disruptives sont possibles dans les applications pour créateurs IA, garantissant une économie IA ouverte et équitable.
-
Inclusion : La cryptographie permet une participation sans autorisation préalable, brisant les restrictions imposées aujourd'hui par les entreprises IA centralisées et fermées. Cela rend l'IA véritablement ouverte et libre.
-
Transparence : La cryptographie peut utiliser des technologies comme ZKML/OPML pour rendre l'IA entièrement open source, en plaçant l'ensemble du processus d'entraînement et d'inférence du LLM sur la blockchain, assurant ainsi l'ouverture et l'accès sans permission.
-
Propriété des données : En activant des transactions sur chaîne, la propriété des données par les comptes (utilisateurs) devient effective, permettant aux utilisateurs de véritablement posséder leurs données IA. C’est particulièrement avantageux au niveau applicatif, aide les utilisateurs à protéger efficacement leurs droits sur les données IA.
-
Réduction des coûts : Grâce à des incitations par jetons, la valeur future de la puissance de calcul peut être monétisée, rabaissant considérablement les coûts actuels des GPU. Cette approche diminue drastiquement les coûts du calcul au niveau de l'IA.
Troisième partie : Explorer le paysage Crypto+IA
Appliquer les avantages de la cryptographie à différentes catégories du paysage IA crée une nouvelle perspective de l’écosystème IA depuis l’angle crypto.
Couche des grands modèles linguistiques
-
GPU DePIN
Nous poursuivons en traçant la feuille de route IA+Crypto à partir du paysage IA. En commençant par les grands modèles linguistiques, et plus précisément par les GPU au niveau fondamental, un récit durable dans le monde crypto est celui de la réduction des coûts.
Grâce aux incitations blockchain, nous pouvons réduire significativement les coûts en récompensant les fournisseurs de GPU. Ce récit est actuellement connu sous le nom de GPU DePIN. Bien que les GPU soient utilisés non seulement en IA, mais aussi dans les jeux, la réalité augmentée et d'autres domaines, la voie GPU DePIN englobe généralement tous ces secteurs.
Parmi les projets axés sur l'IA figurent Aethir et le réseau Aioz, tandis que ceux axés sur le rendu visuel incluent io.net, render network, etc.
-
Calcul décentralisé
Le calcul décentralisé est un récit existant depuis la naissance de la blockchain, qui s'est fortement développé au fil du temps. Toutefois, en raison de la complexité des tâches de calcul (par rapport au stockage décentralisé), il nécessite souvent de restreindre les scénarios de calcul.
L'IA, en tant que dernier scénario de calcul, a naturellement donné naissance à toute une série de projets de calcul décentralisé. Comparé au GPU DePIN, ces plateformes de calcul décentralisé offrent non seulement une réduction des coûts, mais répondent également à des scénarios de calcul plus spécifiques : entraînement et inférence. Elles orchestrent ces tâches à grande échelle, améliorant considérablement l'évolutivité.
Échelle et efficacité des coûts selon gensyn.ai
Par exemple, les plateformes axées sur l'entraînement incluent AI Arena, Gensyn, DIN et Flock.io ; celles axées sur l'inférence comprennent Allora, Ritual et Justu.ai ; celles traitant les deux aspects incluent Bittensor, 0G, Sentient, Akash, Phala, Ankr et Oasis.
-
Vérification
La vérification est une catégorie unique dans le domaine Crypto+IA, car elle garantit que tout le processus de calcul IA — qu’il s’agisse d’entraînement ou d’inférence — peut être vérifié sur chaîne.
Ceci est essentiel pour maintenir un processus totalement décentralisé et transparent. De plus, des technologies comme ZKML protègent la confidentialité et la sécurité des données, permettant aux utilisateurs de posséder à 100 % leurs données personnelles.
Selon l'algorithme et le processus de vérification, on distingue ZKML et OPML. ZKML utilise la technologie à connaissance nulle (ZK) pour transformer les processus d'entraînement/inférence IA en circuits ZK, rendant le processus vérifiable sur chaîne, comme le montrent des plateformes telles que EZKL, Modulus Labs, Succinct et Giza. En revanche, OPML utilise des oracles hors chaîne pour soumettre les preuves à la blockchain, comme Ora et Spectral.
-
Modèles de base cryptographiques
Contrairement aux grands modèles linguistiques généraux comme ChatGPT ou Claude, les modèles de base cryptographiques sont re-formés à partir de vastes volumes de données crypto, dotant ces modèles de bases de connaissances spécialisées dans la cryptographie.
Ces modèles peuvent fournir des capacités IA puissantes pour des applications natives crypto (telles que DeFi, NFT et GamingFi). Actuellement, des exemples de ces modèles incluent Pond et Chainbase.
-
Données
Les données constituent un élément clé dans le domaine de l'IA. Pendant l'entraînement, les jeux de données jouent un rôle crucial, et durant l'inférence, les nombreuses saisies et bases de connaissances des utilisateurs nécessitent un stockage important.
Le stockage décentralisé non seulement réduit fortement les coûts de stockage, mais surtout garantit la traçabilité et la propriété des données.
Des solutions traditionnelles de stockage décentralisé comme Filecoin, Arweave et Storj peuvent stocker de grandes quantités de données IA à très faible coût.
Parallèlement, des solutions plus récentes de stockage de données spécifiques à l'IA sont optimisées pour les caractéristiques uniques des données IA. Par exemple, Space and Time et OpenDB optimisent le prétraitement et les requêtes de données, tandis que Masa, Grass, Nuklai et KIP Protocol se concentrent sur la monétisation des données IA. Bagel Network met l'accent sur la confidentialité des données utilisateur.
Ces solutions exploitent les avantages uniques de la cryptographie pour innover dans la gestion des données en IA, un domaine auparavant peu exploré.
Couche applicative
1.Créateurs
Au niveau applicatif du Crypto+IA, les applications pour créateurs sont particulièrement notables. Étant donné la capacité intrinsèque de la cryptographie à monétiser, inciter les créateurs IA est une démarche naturelle.
Pour les créateurs IA, l'attention se divise entre les utilisateurs sans code ou à faible code et les développeurs. Les utilisateurs sans code ou à faible code, comme les créateurs de robots, utilisent ces plateformes pour créer des agents, qu'ils monétisent ensuite via des jetons ou des NFT. Ils peuvent lever rapidement des fonds via un ICO ou un mint NFT, puis récompenser les détenteurs de jetons à long terme grâce au partage de propriété (ex. : partage des revenus). Cela rend complètement ouvert leur produit IA, le faisant posséder collectivement par la communauté, achevant ainsi le cycle économique de l'IA.
En outre, en tant que plateformes de création Crypto IA, elles résolvent, grâce aux avantages inhérents de la tokenisation, les problèmes de financement initial et de rentabilité à long terme des créateurs IA, tout en proposant leurs services pour une fraction du taux de prélèvement typique du Web2 — illustrant l'avantage du coût zéro d'exploitation permis par la décentralisation.
Dans ce domaine, des plateformes comme MagnetAI, Olas, Myshell, Fetch.ai, Virtual Protocol et Spectral offrent aux utilisateurs sans code ou à faible code des plateformes de création d'agents. Pour les développeurs de modèles IA, MagnetAI et Ora fournissent des plateformes dédiées. En outre, pour d'autres catégories comme les créateurs IA+social, des plateformes telles que Story Protocol et CreatorBid sont spécialement conçues pour eux, tandis que SaharaAI se concentre sur la monétisation des bases de connaissances.
2. Consommateurs
Les consommateurs désignent les utilisateurs finaux de services IA directement destinés aux utilisateurs de cryptomonnaies. Actuellement, il existe peu de projets dans cette voie, mais ceux existants sont irremplaçables et uniques, comme Worldcoin et ChainGPT.
3. Normes
Les normes constituent une voie unique dans la crypto, caractérisée par le développement de blockchains indépendantes, de protocoles ou d'améliorations visant à créer des blockchains pour applications IA décentralisées (dApp), ou à permettre aux infrastructures existantes (comme Ethereum) de supporter les applications IA.
Ces normes permettent aux dApps IA d'incarner les avantages de la cryptographie, tels que la transparence et la décentralisation, en fournissant un soutien fondamental aux produits pour créateurs et consommateurs.
Par exemple, Ora étend ERC-20 pour permettre le partage des revenus, 7007.ai étend ERC-721 pour tokeniser les actifs issus de l'inférence de modèles. De plus, des plateformes comme Talus, Theoriq, Alethea et Morpheus créent des machines virtuelles (VM) sur chaîne pour fournir un environnement d'exécution aux agents IA, tandis que Sentient propose des normes intégrées pour les dApps IA.
4. Économie IA
L'économie IA représente une innovation majeure dans le domaine Crypto+IA, mettant l'accent sur l'utilisation des mécanismes de tokenisation, de monétisation et d'incitation propres à la cryptographie pour démocratiser l'IA.
Cycle économique IA développé par MagnetAI
Elle met en lumière l'économie partagée de l'IA, la propriété collective par la communauté et le partage de la propriété. Ces innovations stimulent fortement la prospérité et le développement futur de l'IA.
Parmi celles-ci, Theoriq et Fetch.ai se concentrent sur la monétisation des agents ; Olas insiste sur la tokenisation ; Mind Network offre des avantages de re-staking ; MagnetAI intègre tokenisation, monétisation et incitation en une seule plateforme unifiée.
Conclusion
L'IA et la cryptographie sont des partenaires naturels. La cryptographie contribue à rendre l'IA plus ouverte, transparente, et soutient irrémédiablement sa prospérité future.
Inversement, l'IA élargit les frontières de la cryptographie, attirant davantage d'utilisateurs et d'attention. En tant que récit universel pour l'humanité, l'IA introduit également dans le monde crypto un récit d'adoption massive sans précédent.
Bienvenue dans le groupe officiel de TechFlow
Groupe Telegram :
Compte Twitter officiel :
Compte Twitter anglais :
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@magnetaixyz
