TechFlow Logo
Войти/ Регистрация
Газ ETH
Gwei
Страх
gas
AI + Web3: Башня и Площадь

AI + Web3: Башня и Площадь

2025.05.06
Поделиться
Когда башни становятся всё выше, круг лиц, принимающих решения за кулисами, всё больше сужается, централизация ИИ таит в себе множество скрытых угроз — как толпе, собравшейся на площади, избежать тени под башнями?

Автор: Coinspire

TL;DR:

  • Web3-проекты с концепцией AI становятся объектами для привлечения капитала на первичном и вторичном рынках.

  • Возможности Web3 в индустрии AI заключаются в использовании децентрализованных стимулов для координации потенциального предложения в длинном хвосте — через данные, хранение и вычисления; при этом создается открытый рынок моделей и децентрализованный рынок AI Agent.

  • Основное применение AI в индустрии Web3 — ончейн-финансы (криптоплатежи, трейдинг, анализ данных) и помощь в разработке.

  • Эффективность AI+Web3 заключается в их взаимодополняемости: Web3 может противостоять централизации AI, а AI может помочь Web3 выйти за пределы niche-аудитории.

Введение

За последние два года развитие AI словно Нажало на кнопку ускорения. Эти крылья бабочки, взмах которых начался с Chatgpt, не только открыли новый мир генеративного искусственного интеллекта, но и вызвали мощное течение в Web3 по ту сторону океана.

Благодаря поддержке концепции AI,融资 на замедлившемся крипто рынке значительно улучшилось. По данным СМИ, только в первой половине 2024 года 64 проекта Web3+AI завершили раунды финансирования, при этом основанная на искусственном интеллекте операционная система Zyber365 привлекла максимальную сумму в размере 100 миллионов долларов уже на раунде A.

Вторичный рынок еще более процветает. Данные агрегатора крипто данных Coingecko показывают, что всего за чуть более года общая капитализация сектора AI достигла 48,5 миллиардов долларов, а суточный объем торгов приблизился к 8,6 миллиардам долларов; Позитивный эффект от прогресса основных AI-технологий очевиден: после выпуска модели преобразования текста в видео Sora от OpenAI средняя цена сектора AI выросла на 151%; Эффект AI также распространился на один из самых прибыльных секторов криптовалют — Meme: первый MemeCoin с концепцией AI Agent — GOAT迅速 стал популярным и достиг оценки в 1,4 миллиарда долларов, успешно разожвав热潮 AI Meme.

Исследования и темы вокруг AI+Web3 также нагреваются: от AI+Depin до AI Memecoin и текущих AI Agent и AI DAO, настроение FOMO уже не успевает за скоростью смены новых нарративов.

AI+Web3, этот термин, наполненный горячими деньгами, трендами и фантазиями о будущем,难免被视为一场被资本撮合的包办婚姻, нам似乎 трудно различить под этой роскошной мантией — является ли это полем для спекулянтов или кануном рассвета?

Чтобы ответить на этот вопрос, ключевым размышлением для обеих сторон является: станет ли лучше с другой стороной? Можно ли извлечь выгоду из модели другой стороны? В этой статье мы также пытаемся, стоя на плечах гигантов,审视 эту ситуацию: как Web3 может играть роль в каждом звене технического стека AI, и что нового может принести AI для Web3?

Какие возможности есть у Web3 в стеке AI?

Прежде чем раскрыть эту тему, нам нужно понять технический стек больших моделей AI:

Источник: Delphi Digital

Если выразить весь процесс более простым языком: «Большая модель» похожа на человеческий мозг, на ранней стадии этот мозг принадлежит младенцу,刚刚降临人间, ему нужно наблюдать и поглощать огромную информацию из окружающего мира, чтобы понять этот мир, это этап «сбора» данных; поскольку компьютеры не обладают человеческими чувствами, такими как зрение и слух, перед обучением масштабная неразмеченная информация из внешнего мира должна быть преобразована через «предобработку» в формат информации, понятный и пригодный для использования компьютером.

После ввода данных AI строит модель с способностями к пониманию и предсказанию через «обучение», что можно рассматривать как процесс постепенного понимания и обучения младенцем внешнего мира, параметры модели похожи на языковые способности, постоянно корректируемые в процессе обучения младенца. Когда изучаемый контент начинает делиться на категории, или при общении с людьми получается обратная связь и коррекция, наступает этап «дообучения» большой модели.

Когда ребенок вырастает и учится говорить, он может понимать смысл в новых диалогах и выражать свои чувства и мысли, этот этап похож на «инференс» большой модели AI, модель может предсказывать и анализировать новые языковые и текстовые вводы. Младенец выражает чувства, описывает объекты и решает различные проблемы с помощью языковых способностей, что также похоже на применение большой модели AI после завершения обучения и ввода в эксплуатацию на этапе инференса для различных конкретных задач, таких как классификация изображений, распознавание речи и т.д.

А AI Agent еще ближе к следующей форме большой модели — способной независимо выполнять задачи и追求 сложные цели, обладая не только способностью мыслить, но и памятью, планированием, а также способностью использовать инструменты для взаимодействия с миром.

В настоящее время,针对 боли AI в каждом стеке, Web3 предварительно сформировал многоуровневую, взаимосвязанную экосистему, охватывающую все этапы процесса модели AI.

1. Базовый слой: Airbnb для вычислений и данных

Вычисления

В настоящее время одним из самых высоких затрат в AI являются вычисления и энергия, необходимые для обучения и инференса моделей.

Один из примеров: для обучения LLAMA3 от Meta требуется 16000 GPU H100 от NVIDIA (это топовый графический процессор, разработанный специально для рабочих нагрузок искусственного интеллекта и высокопроизводительных вычислений.) в течение 30 дней. Цена версии 80GB последнего составляет от 30 000 до 40 000 долларов, что требует инвестиций в вычислительное оборудование (GPU+ сетевые чипы) в размере 400-700 миллионов долларов,同时, ежемесячное обучение потребляет 1,6 миллиарда киловатт-часов, расходы на энергию составляют почти 20 миллионов долларов в месяц.

Снятие напряжения с AI-вычислений — это именно та область, где Web3最早 пересекается с AI — DePin (децентрализованные сети физической инфраструктуры). В настоящее время сайт данных DePin Ninja уже перечислил более 1400 проектов, среди которых представительные проекты共享 GPU-вычислений включают io.net, Aethir, Akash, Render Network и т.д.

Их основная логика заключается в следующем: платформа позволяет лицам или实体 с избыточными ресурсами GPU вносить свои вычислительные мощности без разрешения децентрализованным способом, через онлайн-рынок покупателей и продавцов, похожий на Uber или Airbnb, повышая коэффициент использования недостаточно задействованных ресурсов GPU, конечные пользователи также получают более дешевые и эффективные вычислительные ресурсы; в то же время, механизм стейкинга также гарантирует, что в случае нарушения механизмов контроля качества или прерывания сети, поставщики ресурсов несут соответствующее наказание.

Их особенности заключаются в следующем:

  • Сбор избыточных ресурсов GPU: поставщиками в основном являются третьи стороны независимые небольшие и средние центры обработки данных, операторы крипто-ферм и т.д. с избыточными вычислительными ресурсами, оборудование для майнинга с механизмом консенсуса PoS, такое как майнеры FileCoin и ETH. В настоящее время также есть проекты,致力于 запуску устройств с более низким порогом, например, exolab использует локальные устройства, такие как MacBook, iPhone, iPad, для создания вычислительной сети для запуска инференса больших моделей.

  • 面对长尾市场 AI-вычислений: a. «С технической точки зрения» децентрализованный рынок вычислений больше подходит для этапов инференса. Обучение больше зависит от способности обработки данных, обеспечиваемой масштабом сверхбольших кластеров GPU, в то время как инференс требует относительно более низкой производительности вычислений GPU, например, Aethir специализируется на рендеринге с низкой задержкой и приложениях AI-инференса. b. «С точки зрения спроса» стороны с небольшими и средними потребностями в вычислениях не будут обучать свои собственные большие модели отдельно, а просто выберут оптимизацию и дообучение вокруг нескольких ведущих больших моделей, и эти сцены естественно подходят для распределенных избыточных вычислительных ресурсов.

  • Децентрализованная собственность: техническое значение блокчейна заключается в том, что владельцы ресурсов всегда сохраняют свой контроль над ресурсами, гибко корректируют их в соответствии с потребностями и одновременно получают доход.

Данные

Данные — это фундамент AI. Без данных вычисления подобны плавучей рясе, бесполезны, а отношения между данными и моделью похожи на поговорку «Garbage in, Garbage out», количество данных и качество ввода определяют качество вывода最终 модели. Для обучения текущих моделей AI данные определяют языковые способности модели, способности к пониманию, даже ценности и гуманизированное表现. В настоящее время困境 потребности в данных AI в основном сосредоточены на следующих четырех аспектах:

  • Жажда данных: обучение моделей AI зависит от большого объема ввода данных. Открытые данные показывают, что объем параметров для обучения GPT-4 от OpenAI достиг уровня триллионов.

  • Качество данных: с сочетанием AI и различных отраслей, своевременность данных, разнообразие данных, профессиональность вертикальных данных, потребление новых источников данных, таких как настроения в социальных сетях, также предъявляют новые требования к их качеству.

  • Проблемы конфиденциальности и соответствия: в настоящее время различные страны и предприятия постепенно осознают важность качественных наборов данных и正在 ограничивать сбор данных.

  • Высокая стоимость обработки данных: большой объем данных, сложный процесс обработки. Открытые данные показывают, что более 30% затрат на исследования и разработки AI-компаний используются для сбора и обработки базовых данных.

В настоящее время решения Web3 отражаются в следующих четырех аспектах:

1. Сбор данных: бесплатно предоставляемые реальные данные мира быстро истощаются, расходы AI-компаний на данные逐年升高. Но в то же время, эти расходы не возвращаются настоящим.contributors данных, платформы полностью пользуются ценностью, созданной данными, например, Reddit реализовал совокупный доход в размере 203 миллионов долларов через соглашения о лицензировании данных с AI-компаниями.

Позволить настоящим пользователям-вкладчикам также участвовать в создании ценности от данных, и через распределенные сети и механизмы стимулов获取 более私人, более ценные данные пользователей с низкими затратами, это видение Web3.

  • Например, Grass — это децентрализованный слой данных и сеть, пользователи могут запускать узлы Grass, вносить избыточную пропускную способность и ретранслировать трафик для захвата данных реального времени во всем интернете и получать вознаграждение в токенах;

  • Vana则 вводит уникальную концепцию пула ликвидности данных (DLP), пользователи могут загружать свои私人 данные (такие как записи о покупках, привычки просмотра, активность в социальных сетях и т.д.) в特定 DLP и гибко выбирать, авторизовать ли эти данные для использования特定 третьими сторонами;

  • В PublicAI пользователи могут использовать #AI или #Web3 в качестве分类标签 на X и@PublicAI для实现 сбора данных.

2. Предобработка данных: в процессе обработки данных AI, поскольку собранные данные обычно шумные и содержат ошибки, перед обучением модели их необходимо очистить и преобразовать в пригодный формат, что включает стандартизацию, фильтрацию и обработку повторяющихся задач с缺失 значениями. Этот этап является одним из немногих ручных звеньев в индустрии AI, уже衍生出行业 разметчиков данных, с повышением требований моделей к качеству данных, порог для разметчиков данных также повышается, и эта задача естественно подходит для децентрализованных механизмов стимулов Web3.

  • В настоящее время, Grass и OpenLayer оба рассматривают добавление этого ключевого звена разметки данных.

  • Synesis提出了 концепцию «Train2earn», подчеркивая качество данных, пользователи могут получать вознаграждения за предоставление размеченных данных, аннотаций или других форм ввода.

  • Проект разметки данных Sapien геймифицирует задачи маркировки и позволяет пользователям стейкать очки для заработка большего количества очков.

3. Конфиденциальность и безопасность данных: необходимо уточнить, что конфиденциальность данных и безопасность данных — это два разных понятия. Конфиденциальность данных касается обработки чувствительных данных, безопасность данных защищает информацию данных от несанкционированного доступа, разрушения и кражи. Таким образом, преимущества технологий конфиденциальности Web3 и потенциальные сценарии применения отражаются в двух аспектах: (1) обучение чувствительных данных; (2) сотрудничество данных: несколько владельцев данных могут совместно участвовать в обучении AI, не делясь своими исходными данными.

В настоящее время более распространенные технологии конфиденциальности Web3 включают:

  • Доверенная среда выполнения (TEE), например, Super Protocol;

  • Полное гомоморфное шифрование (FHE), например, BasedAI, Fhenix.io или Inco Network;

  • Технологии零知识 (zk), например, Reclaim Protocol использует технологию zkTLS, генерируя零知识 доказательства HTTPS-трафика, позволяя пользователям безопасно импортировать активность, репутацию и данные идентичности с внешних сайтов, не раскрывая чувствительную информацию.

Однако в настоящее время эта область все еще находится на ранней стадии, большинство проектов все еще находятся в探索中, текущая困境 заключается в слишком高ких вычислительных затратах, некоторые примеры:

  • Фреймворк zkML EZKL требует около 80 минут для генерации доказательства модели 1M-nanoGPT.

  • Согласно данным Modulus Labs, накладные расходы zkML более чем в 1000 раз выше, чем纯 вычисления.

4. Хранение данных: после получения данных необходимо место для хранения данных в цепи и использования данных для генерации LLM. С проблемой доступности данных (DA) в качестве核心, до обновления Ethereum Danksharding,其 пропускная способность составляла 0,08 МБ. В то же время, обучение моделей AI и инференс в реальном времени обычно требуют пропускной способности данных от 50 до 100 ГБ в секунду. Этот разрыв в порядке величины заставляет существующие ончейн-решения чувствовать себя бессильными при столкновении с «ресурсоемкими AI-приложениями».

  • 0g.AI является представительным проектом в этой категории. Это централизованное решение для хранения, разработанное для высокопроизводительных потребностей AI, его ключевые характеристики включают: высокая производительность и масштабируемость, через продвинутое шардирование (Sharding) и кодирование стирания (Erasure Coding), поддерживает быструю загрузку и скачивание масштабных наборов данных, скорость передачи данных близка к 5 ГБ в секунду.

2. Промежуточный слой: обучение и инференс моделей

Децентрализованный рынок открытых моделей

Споры о том, должны ли модели AI быть закрытыми или открытыми, никогда не исчезали. Коллективные инновации, приносимые открытым исходным кодом, являются преимуществом, с которым не могут сравниться закрытые модели, однако без модели прибыли, как повысить драйв разработчиков для открытых моделей? это направление,值得 размышления, основатель Baidu Ли Яньхун еще в апреле этого года заявил, что «открытые модели будут становиться все более отстающими».

В ответ на это, Web3 предлагает возможность децентрализованного рынка открытых моделей, а именно токенизацию самой модели,保留 определенную пропорцию токенов для команды, и направление части будущего дохода от этой модели держателям токенов.

  • Например, протокол Bittensor создает P2P-рынок открытых моделей, состоящий из десятков «подсетей», где поставщики ресурсов (вычисления, сбор/хранение данных, таланты машинного обучения) конкурируют друг с другом, чтобы удовлетворить цели владельцев特定 подсетей, различные подсети могут взаимодействовать и учиться друг у друга, тем самым实现 более мощный интеллект. Награды распределяются голосованием сообщества и далее распределяются в подсетях в соответствии с конкурентной производительностью.

  • ORA вводит концепцию первоначального выпуска модели (IMO), токенизируя модели AI, которые можно покупать, продавать и разрабатывать через децентрализованную сеть.

  • Sentient, децентрализованная платформа AGI, стимулирует_contributors сотрудничать, строить, копировать и масштабировать модели AI, и вознаграждает_contributors.

  • Spectral Nova, фокусируется на создании и применении моделей AI и ML.

Верифицируемый инференс

针对 проблемы «черного ящика» в процессе инференса AI, стандартное решение Web3 — позволить нескольким верификаторам повторять одну и ту же операцию и сравнивать результаты, но из-за текущей нехватки высококлассных «чипов Nvidia», очевидным вызовом, с которым сталкивается эта практика, являются высокие затраты на инференс AI.

Более перспективное решение — выполнить ZK-доказательство «零知识 доказательство, криптографический протокол, при котором одна сторона доказатель может доказать другой стороне верификатору, что данное утверждение истинно, не раскрывая никакой дополнительной информации, кроме того, что утверждение истинно» для вычислений инференса AI вне цепи,进行 без разрешения верификацию вычислений модели AI на цепи. Это требует криптографического доказательства на цепи, что вычисления вне цепи были выполнены правильно (например, набор данных не был изменен), одновременно обеспечивая конфиденциальность всех данных.

Основные преимущества включают:

  • Масштабируемость:零知识 доказательства могут быстро подтверждать большое количество вычислений вне цепи. Даже если количество транзакций увеличивается, одно零知识 доказательство может верифицировать все транзакции.

  • Защита конфиденциальности: данные и детали модели AI остаются私人, в то же время стороны могут верифицировать, что данные и модель не были нарушены.

  • Без доверия: нет необходимости полагаться на централизованные стороны для подтверждения вычислений.

  • Интеграция Web2: по определению, Web2 интегрирован вне цепи, что означает, что верифицируемый инференс может помочь перенести его наборы данных и вычисления AI на цепь. Это有助于 повысить принятие Web3.

В настоящее время верифицируемые технологии для верифицируемого инференса в Web3 следующие:

  • zkML: сочетает零知识 доказательства с машинным обучением, чтобы обеспечить конфиденциальность и секретность данных и моделей, позволяя верифицируемые вычисления без раскрытия определенных底层 атрибутов, например, Modulus Labs на основе ZKML выпустил ZK-доказатель для AI, чтобы эффективно проверять, правильно ли поставщики AI выполняют алгоритмы на цепи, однако в настоящее время клиенты в основном ончейн DApp.

  • opML: использует принцип оптимистического суммирования, повышая масштабируемость и эффективность вычислений ML через верификацию времени возникновения споров, в этой модели нужно верифицировать только небольшую часть результатов, генерируемых «верификаторами», но установить экономические затраты на slashing достаточно высокими, чтобы повысить стоимость cheating верификаторов, тем самым экономя избыточные вычисления.

  • TeeML: использует доверенную среду выполнения для безопасного выполнения вычислений ML, защищая данные и модели от篡改 и несанкционированного доступа.

3. Слой приложений: AI Agent

В настоящее время развитие AI уже呈现出 картину перехода фокуса разработки от способностей модели к AI Agent. OpenAI, единорог больших моделей AI Anthropic, Microsoft и другие технологические компании纷纷转向开发 AI Agent, пытаясь прорвать текущий технический плато LLM.

Определение AI Agent от OpenAI: система, управляемая LLM как мозгом, обладающая способностями к автономному пониманию восприятия, планированию, памяти и использованию инструментов, способная автоматизировать выполнение сложных задач. Когда AI превращается из используемого инструмента в субъект, который может использовать инструменты, он становится AI Agent. Это именно причина, по которой AI Agent может стать идеальным интеллектуальным помощником для человека.

А что Web3 может принести для Agent?

1. Децентрализация

Децентрализованные характеристики Web3 могут сделать системы Agent более распределенными и автономными, через механизмы PoS, DPoS и т.д.建立 механизмы стимулов и наказаний для стейкеров и делегатов,可以促进 демократизацию систем Agent, GaiaNet, Theoriq, HajimeAI все имеют попытки.

2. Холодный старт

Разработка и итерация AI Agent часто требуют большого объема финансовой поддержки, а Web3 может помочь потенциальным проектам AI Agent получить早期 финансирование и холодный старт.

  • Virtual Protocol запускает платформу создания AI Agent и выпуска токенов fun.virtuals, любой пользователь может развернуть AI Agent одним кликом и实现 100% справедливый выпуск токенов AI Agent.

  • Spectral提出了 концепцию продукта для поддержки выпуска активов AI Agent на цепи: выпуск токенов через IAO (Initial Agent Offering), AI Agent может напрямую получать средства от инвесторов, одновременно становясь членом управления DAO, предоставляя инвесторам возможность участвовать в развитии проекта и делиться будущей прибылью.

Как AI赋能 Web3?

Влияние AI на проекты Web3 очевидно, оно приносит пользу технологии блокчейн через оптимизацию ончейн-операций (например, выполнение смарт-контрактов, оптимизация ликвидности и решения управления, управляемые искусственным интеллектом), в то же время, оно также может предоставлять лучшие инсайты, управляемые данными, повышать ончейн-безопасность и закладывать основу для новых приложений на основе Web3.

1. AI и ончейн-финансы

AI и криптоэкономика

31 августа генеральный директор Coinbase Брайан Армстронг объявил о реализации первой крипто-транзакции от AI к AI на сети Base и заявил, что AI Agent теперь может использовать USD для транзакций с людьми, merchants или другими AI на Base, эти транзакции мгновенные, глобальные и бесплатные.

Помимо платежей, Luna от Virtuals Protocol также впервые продемонстрировала, как AI Agent может автономно выполнять ончейн-транзакции следующими способами, вызывая внимание, делая AI Agent как интеллектуальную实体, способную воспринимать окружение, принимать решения и выполнять действия, рассматривается как будущее ончейн-финансов, в настоящее время потенциальные сценарии AI Agent отражаются в следующих пунктах:

1. Сбор информации и предсказание: помощь инвесторам в сборе объявлений бирж, публичной информации проектов, настроений паники, рисков общественного мнения и т.д., анализ и оценка фундаментальных показателей активов, рыночной ситуации в реальном времени, предсказание трендов и рисков.

2. Управление активами: предоставление пользователям подходящих инвестиционных объектов, оптимизация портфеля активов, автоматическое выполнение транзакций.

3. Финансовый опыт: помощь инвесторам в выборе самого быстрого способа ончейн-транзакций, автоматизация跨链, корректировка комиссий gas и других ручных операционных звеньев, снижение порога и затрат на ончейн-финансовую деятельность.

Представьте такую сцену, вы передаете AI Agent следующую инструкцию: «У меня есть 1000 USDT, пожалуйста, помогите мне найти组合 с самой высокой доходностью, время блокировки не более одной недели», AI Agent предоставит вам следующее предложение: «Рекомендуемое начальное распределение 50% в A, 20% в B, 20% в X, 10% в Y. Я буду监控 процентные ставки и наблюдать за изменениями их уровня риска и при необходимости ребалансировать.» Кроме того, поиск потенциальных проектов аирдропов, а также проектов Memecoin с признаками популярных сообществ, все это вещи, которые AI Agent может实现 в будущем.

Источник: Biconomy

В настоящее время кошелек AI Agent Bitte, протокол взаимодействия AI Wayfinder все делают такие попытки, они все пытаются подключить API моделей OpenAI, позволяя пользователям в интерфейсе окна чата, похожем на ChatGPT,命令 Agent выполнять различные ончейн-операции, например, WayFinder в апреле этого года выпустил первый prototype, продемонстрировавший четыре базовые операции swap, send, bridge и stake на трех главных сетях公链 Base, Polygon и Ethereum.

В настоящее время децентрализованная платформа Agent Morpheus также поддерживает разработку таких Agent, например, Biconomy также продемонстрировала операцию, при которой AI Agent может swap ETH в USDC без необходимости авторизации полных прав кошелька.

AI и безопасность ончейн-транзакций

В мире Web3 безопасность ончейн-транзакций至关重要. Технологии AI могут использоваться для усиления безопасности и защиты конфиденциальности ончейн-транзакций, потенциальные сценарии включают:

Мониторинг транзакций: технологии данных реального времени监控 аномальную активность транзакций, инфраструктура实时警报 для пользователей и платформ.

Анализ рисков: помощь платформам в анализе данных поведения транзакций клиентов, оценка их уровня риска.

Например, платформа безопасности Web3 SeQure использует AI для обнаружения и предотвращения злонамеренных атак, мошеннического поведения и утечек данных, и предоставляет механизмы实时监控 и警报, обеспечивая безопасность и стабильность ончейн-транзакций. Подобные инструменты безопасности также включают AI-powered Sentinel.

2. AI и ончейн-инфраструктура

AI и ончейн-данные

Технологии AI играют важную роль в сборе и анализе ончейн-данных, например:

  • Web3 Analytics: это аналитическая платформа на основе AI, использующая алгоритмы машинного обучения и добычи данных для сбора, обработки и анализа ончейн-данных.

  • MinMax AI: она предоставляет инструменты анализа ончейн-данных на основе AI, помогая пользователям обнаруживать потенциальные рыночные возможности и тренды.

  • Kaito: платформа поиска Web3 на основе поисковой системы LLM.

  • Followin: интегрирует ChatGPT, собирает и整合呈现 соответствующую информацию,分散ную на разных сайтах и платформах сообществ.

  • Другой сценарий применения — оракулы, AI может获取 цены из нескольких источников, чтобы предоставлять точные данные ценообразования. Например, Upshot использует AI针对 волатильные цены NFT,通过 более ста миллионов оценок в час, предоставляя цены NFT с процентной ошибкой 3-10%.

AI и разработка&аудит

Недавно, AI-редактор кода Web2 Cursor привлек много внимания в кругу разработчиков, на его платформе пользователям нужно только описать на естественном языке, Cursor может автоматически генерировать соответствующий код HTML, CSS и JavaScript, значительно упрощая процесс разработки программного обеспечения, эта логика同样适用于 повышение эффективности разработки Web3.

В настоящее время, при развертывании смарт-контрактов и DApp на公链, обычно необходимо следовать专属 языкам разработки, таким как Solidity, Rust, Move и т.д. Видение новых языков разработки заключается в расширении пространства дизайна децентрализованных блокчейнов, делая их более подходящими для разработки DApp, но при условии большого дефицита разработчиков Web3, образование разработчиков всегда было более头疼ной проблемой.

В настоящее время, в помощи AI разработке Web3, воображаемые сценарии включают: автоматическая генерация кода, верификация и тестирование смарт-контрактов, развертывание и обслуживание DApp, интеллектуальное дополнение кода, AI-диалог для ответа на сложные вопросы разработки и т.д.,通过 помощи AI, не только有助于 повысить эффективность и точность разработки,同样 также снижает порог программирования, позволяя не-программистам также превращать свои идеи в реальные приложения, принося новую活力 для развития децентрализованных технологий.

В настоящее время, most привлекающий внимание — платформа запуска токенов одним кликом, например, Clanker, AI-驱动的 «Token Bot», специально разработанный для быстрого DIY развертывания токенов. Вам нужно только отметить Clanker на клиентах протокола SocialFi Farcaster, таких как Warpcast или Supercast, сказать ему вашу идею токена, он запустит токен для вас на公链 Base.

Также есть платформы разработки контрактов, например, Spectral предоставляет функции генерации и развертывания смарт-контрактов одним кликом, чтобы снизить порог разработки Web3, даже пользователи-новички могут实现 компиляцию и развертывание смарт-контрактов.

В аспекте аудита, платформа аудита Web3 Fuzzland использует AI для помощи аудиторам в проверке уязвимостей кода, предоставляя объяснения на естественном языке для辅助 аудиторских профессиональных знаний. Fuzzland также использует AI для предоставления объяснений на естественном языке для формальных спецификаций и кода контрактов, а также некоторых примеров кода, чтобы помочь разработчикам понять потенциальные проблемы в коде.

3. AI и новые нарративы Web3

Возрождение генеративного AI принесло совершенно новые возможности для новых нарративов Web3.

NFT: AI注入 творчество в генеративные NFT,通过 технологии AI можно генерировать различные уникальные, разнообразные произведения искусства и персонажей, эти генеративные NFT могут стать персонажами,道具 или элементами сцен в играх, виртуальных мирах или метавселенных, например, Bicasso от Binance, пользователи могут загружать изображения и вводить ключевые слова для AI-вычислений для генерации NFT, подобные проекты также включают Solvo, Nicho, IgmnAI, CharacterGPT.

GameFi: вокруг генерации естественного языка AI, генерации изображений, способностей интеллектуальных NPC, GameFi надеется повысить эффективность и инновации в производстве игрового контента. Например, первая链游 AI Hero от Binaryx, игроки могут通过 AI случайно исследовать различные варианты сюжета;同样 также есть игра виртуального компаньона Sleepless AI, на основе AIGC и LLM, игроки могут разблокировать персонализированный игровой процесс通过 различные взаимодействия.

DAO: в настоящее время, AI также предполагается применять в DAO, помогая отслеживать взаимодействия сообщества, записывать вклады, вознаграждать наиболее вкладывающих членов,代理 голосование и т.д. Например, ai16z использует AI Agent для сбора рыночной информации на цепи и вне цепи, анализа консенсуса сообщества и结合 предложений членов DAO для принятия инвестиционных решений.

Значение сочетания AI+Web3: Башня и Площадь

В сердце города Флоренция, Италия, расположено самое важное политическое мероприятие местности и место сбора граждан, туристов — центральная площадь, здесь возвышается муниципальная башня высотой 95 метров, визуальный контраст между башней и площадью, вертикальный и горизонтальный, дополняет друг друга,构建 драматический эстетический эффект, профессор истории Гарвардского университета Нил Фергсон вдохновился этим, в книге «Площадь и башня» ассоциировал с всемирной историей сетей и иерархий, обе в长河 времени приливы и отливы, рост и падение.

Эта绝妙ная метафора, помещенная в нынешние отношения AI и Web3, также не кажется неуместной. Из их долгосрочной, нелинейной истории отношений можно увидеть, что площадь легче производит новые вещи и более креативна, но башня все еще имеет свою легитимность и сильную жизнеспособность.

Под способностью технологических компаний高度集群 энергия, вычисления, данные, AI взрывает前所未有的 воображение, технологические гиганты делают тяжелые ставки и纷纷 входят на рынок, от различных чат-ботов до «底层 больших моделей» версий итерации GPT-4, GPT-4o и т.д.轮番登场, автоматизированный программирующий робот (Devin) и Sora с初步 способностями симуляции реального физического мира问世 и т.д., воображение AI бесконечно увеличивается.

В то же время, AI по сути является масштабируемой и централизованной индустрией, эта техническая революция толкает технологические предприятия, которые постепенно掌握 структурное доминирование еще в «эру интернета», к более узкой вершине. Огромная электроэнергия, монополизированный денежный поток и огромные наборы данных, необходимые для доминирования в эру интеллекта, создают для них более высокие барьеры.

Когда башня становится все выше,决策者 за кулисами все более сжимаются, централизация AI приносит множество скрытых опасностей, как массы, собравшиеся на площади, могут избежать тени под башней? именно问题, которое надеется решить Web3.

По сути,固有 атрибуты блокчейна усиливают системы искусственного интеллекта и приносят новые возможности, в основном:

  • «Код есть закон» в эру искусственного интеллекта — через смарт-контракты и криптографическую верификацию实现 прозрачные системы автоматического выполнения правил, передавая награды людям, более близким к целям.

  • Токеномика — через механизмы токенов, стейкинг, slashing, вознаграждения токенами и наказания для создания и координации поведения участников.

  • Децентрализованное управление — побуждает нас ставить под вопрос источники информации и поощряет более критический и проницательный подход к технологиям искусственного интеллекта, предотвращая предвзятость, дезинформацию и манипуляции, в конечном итоге культивируя более информированное и наделенное полномочиями общество.

Развитие AI также приносит новую活力 для Web3, возможно, влияние Web3 на AI требует доказательства временем, но влияние AI на Web3 очевидно: это видно как в狂欢 Meme, так и в помощи AI Agent降低 порог использования ончейн-приложений.

Когда Web3 определяется как самовосхваление кучки людей и陷入质疑声中 о копировании традиционных отраслей,加入 AI приносит ему предсказуемое будущее: более стабильная и масштабная группа пользователей Web2, более инновационные бизнес-модели и услуги.

Мы живем в мире, где сосуществуют «Башня и Площадь», AI и Web3, хотя имеют разные временные линии и стартовые линии, но их конечная точка — как лучше служить людям с помощью машин, никто не может определить бурную реку, мы ожидаем увидеть будущее AI+Web3.

Присоединяйтесь к официальному сообществу TechFlow

В избранное
Поделиться
Автор
Coinspire