2024 Crypto X AI 行業現狀：加密滲透進生成式 AI 的每個環節

2024.06.24

分享至

TechFlow Selected深潮精選

2024 Crypto X AI 行業現狀：加密滲透進生成式 AI 的每個環節

AI 和加密貨幣是天然的合作伙伴。

2024.06.24 - 06:03:02

專注 Web3 行業深度報導，洞察潮水流動的方向

AI 和加密貨幣是天然的合作伙伴。

作者：MagnetAI

編譯：深潮TechFlow

要點總結

我們對67個 Crypto+AI 項目進行了深入分析，並從生成式 AI（GenAI）的角度對其進行了分類。我們的分類涵蓋：

GPU DePIN
去中心化計算（訓練+推理）
驗證（ZKML+OPML）
加密大語言模型（LLM）
數據（通用+ AI 特定）
AI 創作者應用
AI 消費者應用
AI 標準（代幣+代理）
AI 經濟

為什麼要寫這篇文章？

Crypto+AI 的敘述已經引起了很多關注。許多關於 Crypto+AI 的報告正在湧現，但它們要麼只涵蓋了 AI 故事的一部分，要麼僅從加密貨幣的角度解釋 AI。這篇文章將從 AI 的角度探討這個話題，探討加密貨幣如何支持 AI，以及 AI 如何能為加密貨幣帶來好處，以更好地理解當前的 Crypto+AI 產業格局。

第一部分：解碼生成式 AI 全景

讓我們從我們每天使用的 AI 產品開始探索整個生成式 AI（GenAI）景觀。這些產品通常由兩個主要組件組成：一個大語言模型（LLM）和一個用戶界面（UI）。對於大型模型，有兩個關鍵過程：模型創建和模型利用，通常稱為訓練和推理。至於用戶界面，它有多種形式，包括基於對話的（如 GPT）、基於視覺的（如 LumaAI），以及許多將推理 API 集成到現有產品界面中的其他形式。

計算

深入探討，計算對於訓練和推理都是基礎，嚴重依賴於底層的 GPU 計算。雖然 GPU 在訓練和推理中的物理連接可能不同，但 GPU 作為 AI 產品的基礎設施組件是共通的。在此之上，我們有 GPU 集群的編排，稱為雲。這些雲可以分為傳統多功能雲和垂直雲，垂直雲更專注於 AI 計算場景併為其優化。

存儲

關於存儲，AI 數據存儲可以分為傳統存儲解決方案，如 AWS S3 和 Azure Blob Storage，以及專門為 AI 數據集優化的存儲解決方案。這些專門的存儲解決方案，如 Google Cloud 的 Filestore，旨在特定場景下提高數據訪問速度。

訓練

繼續討論AI基礎設施，區分訓練和推理是至關重要的，因為它們有顯著不同。除了通用計算之外，兩者還涉及許多AI特定的業務邏輯。

對於訓練，基礎設施大致可以分為：

平臺： 專為訓練設計，幫助 AI 開發者有效地訓練大語言模型，並提供軟件加速解決方案，如 MosaicML。
基礎模型提供商： 這一類別包括像 Hugging Face 這樣的平臺，提供用戶可以進一步訓練或微調的基礎模型。
框架： 最後，還有各種從零開始構建的基礎訓練框架，如 PyTorch 和 TensorFlow。

推理

對於推理，大致可以分為：

優化器： 專門針對特定用例進行一系列優化，如支持並行處理或媒體生成的算法增強。一個例子是 fal.ai，它優化了文本到圖像過程的推理，比一般方法提高了50%的擴散速度。
部署平臺： 提供通用模型推理雲服務，如 Amazon SageMaker，便於在不同環境中部署和擴展 AI 模型。

應用

雖然 AI 應用無數，但可以根據用戶群體大致分為兩大類：創作者和消費者。

AI 消費者： 這一群體主要使用AI產品，並願意為這些產品帶來的價值付費。一個典型的例子是 ChatGPT。
AI創作者： 另一方面，AI創作者應用更多地是邀請 AI 創作者到他們的平臺上創建代理、分享知識，然後與他們分享利潤，GPT 市場是其中最著名的例子之一。

這兩類幾乎涵蓋了所有AI應用。雖然存在更詳細的分類，但本文將重點關注這些更廣泛的類別。

第二部分：加密貨幣如何幫助 AI

在回答這個問題之前，讓我們總結一下加密貨幣可以為 AI 帶來的主要優勢：貨幣化、包容性、透明度、數據所有權、成本降低等。

來自 vitalik.eth 博客：加密+AI 交叉點的高級摘要

這些關鍵的協同作用主要通過以下方式幫助當前的景觀：

貨幣化： 通過代幣化、貨幣化和激勵等獨特的加密機制，可以在AI創作者應用中進行顛覆性創新，確保 AI 經濟開放公平。
包容性： 加密貨幣允許無需許可的參與，打破了今天由封閉的中心化 AI 公司施加的各種限制。這使得 AI 能夠實現真正的開放和自由。
透明度： 加密貨幣可以利用 ZKML/OPML 技術使 AI 完全開源，將 LLM 的整個訓練和推理過程放到鏈上，確保 AI 的開放性和無需許可。
數據所有權： 通過啟用鏈上交易來建立賬戶（用戶）的數據所有權，從而使用戶真正擁有他們的 AI 數據。這在應用層尤其有利，幫助用戶有效地保障他們的 AI 數據權利。
成本降低： 通過代幣激勵，可以兌現計算能力的未來價值，顯著降低當前的 GPU 成本。這種方法大大降低了 AI 在計算層面的成本。

第三部分：探索 Crypto+AI 的景觀

將加密貨幣的優勢應用於AI景觀中的不同類別，從加密的角度創建了一個新的AI景觀視角。

大語言模型層

GPU DePIN

我們繼續基於 AI 景觀勾勒 AI+Crypto 藍圖。從大語言模型開始，並從基礎層的 GPU 開始，加密貨幣中的一個長期敘述是成本降低。

通過區塊鏈激勵，我們可以通過獎勵 GPU 提供商顯著降低成本。這種敘述目前被稱為GPU DePIN。雖然 GPU 不僅在 AI 中使用，還在遊戲、AR 和其他場景中使用，但 GPU DePIN 軌道通常涵蓋這些領域。

那些專注於 AI 軌道的包括 Aethir 和 Aioz 網絡，而那些致力於視覺渲染的包括 io.net、render network 等。

去中心化計算

去中心化計算是自區塊鏈誕生以來一直存在的敘述，並且隨著時間的推移得到了顯著的發展。然而，由於計算任務的複雜性（與去中心化存儲相比），它通常需要限制計算場景。

AI 作為最新的計算場景，自然催生了一系列去中心化計算項目。與 GPU DePIN 相比，這些去中心化計算平臺不僅提供成本降低，還滿足更多特定的計算場景：訓練和推理。它們在廣域網中進行編排，顯著增強了可擴展性。

按 gensyn.ai 實現規模和成本效益

例如，專注於訓練的平臺包括 AI Arena、Gensyn、DIN、和 Flock.io；專注於推理的平臺包括 Allora、Ritual 和 Justu.ai；同時處理這兩個方面的平臺包括 Bittensor、0G、Sentient、Akash、Phala、Ankr 和 Oasis。

驗證

驗證是 Crypto+AI 中的一個獨特類別，主要是因為它確保整個 AI 計算過程，無論是訓練還是推理，都可以在鏈上驗證。

這對於保持過程的完全去中心化和透明性至關重要。此外，像ZKML這樣的技術還保護數據隱私和安全，使用戶能夠100%擁有他們的個人數據。

根據算法和驗證過程，可以分為 ZKML 和 OPML。ZKML 使用零知識（ZK）技術將 AI 訓練/推理轉換為 ZK 電路，使過程在鏈上可驗證，如 EZKL、Modulus Labs、Succinct 和 Giza 等平臺所示。另一方面，OPML 利用鏈下預言機將證明提交到區塊鏈，如 Ora 和 Spectral所示。

加密基礎模型

與 ChatGPT 或 Claude 等通用大語言模型不同，加密基礎模型通過大量加密數據重新訓練，使這些基礎模型具備加密貨幣的專門知識庫。

這些基礎模型可以為加密原生應用（如DeFi、NFT和GamingFi）提供強大的 AI 能力。目前，這類基礎模型的例子包括 Pond 和 Chainbase.。

數據

數據在AI領域是一個關鍵組成部分。在 AI 訓練中，數據集起著至關重要的作用，而在推理過程中，用戶的大量提示和知識庫也需要大量存儲。

去中心化數據存儲不僅顯著降低存儲成本，更重要的是確保數據的可追溯性和所有權。

傳統的去中心化存儲解決方案如 Filecoin、Arweave 和 Storj 可以以非常低的成本存儲大量AI數據。

同時，更新的AI特定數據存儲解決方案針對 AI 數據的獨特特性進行了優化。例如，Space and Time 和 OpenDB 優化了數據預處理和查詢，而 Masa、Grass、Nuklai 和 KIP Protocol 則專注於 AI 數據的貨幣化。Bagel Network 則集中於用戶數據隱私。

這些解決方案利用了加密貨幣的獨特優勢，在 AI 領域的數據管理方面進行了創新，這些領域此前較少受到關注。

應用層

1.創作者

在 Crypto+AI 應用層，創作者應用尤其值得注意。鑑於加密貨幣固有的貨幣化能力，激勵AI創作者是順理成章的。

對於AI創作者，重點分為低/無代碼用戶和開發者。低/無代碼用戶，如機器人創作者，使用這些平臺創建機器人，並通過代幣/NFT 將其貨幣化。他們可以通過 ICO 或 NFT Mint 快速籌集資金，然後通過共享所有權（如收入共享）獎勵長期代幣持有者。這完全開放了他們的 AI 產品，通過社區共同擁有，從而完成了 AI 經濟生命週期。

此外，作為 Crypto AI 創作者平臺，它們通過利用加密貨幣固有的代幣化優勢，解決了 AI 創作者在早期到中期的資金籌措和長期盈利問題，並以 Web2 典型的提成率的一小部分提供服務——展示了加密貨幣去中心化帶來的零運營成本優勢。

在這個領域， MagnetAI、Olas、Myshell、Fetch.ai、Virtual Protocol 和 Spectral 等平臺為低/無代碼用戶提供代理創作平臺。對於 AI 模型開發者，MagnetAI 和 Ora 提供了模型開發者平臺。此外，對於其他類別，如 AI+ 社交創作者，有 Story Protocol 和 CreatorBid 等平臺專門為他們量身定製，而 SaharaAI 則專注於知識庫的貨幣化。

2.消費者

消費者指的是直接為加密貨幣用戶服務的 AI。目前，這條軌道上的項目較少，但現有的項目是不可替代且獨特的，如Worldcoin 和 ChainGPT.

3.標準

標準是 Crypto 中的一個獨特軌道，特點是開發獨立的區塊鏈、協議或改進，以創建 AI dApp 區塊鏈，或使現有基礎設施（如以太坊）能夠支持 AI 應用。

這些標準使 AI dApps 能夠體現加密貨幣的優勢，如透明性和去中心化，為創作者和消費者產品提供基本支持。

例如，Ora 擴展了 ERC-20 以提供收入共享，7007.ai 擴展了ERC-721 以將模型推理資產代幣化。此外， Talus、Theoriq、Alethea 和 Morpheus 等平臺正在創建鏈上虛擬機（VM），為AI代理提供執行環境，而 Sentient 則為 AI dApps 提供綜合標準。