Web3 + AI:社區主權的人工智能

新手5/28/2024, 6:34:43 PM
本文論述了 Web3 的去中心化特性能夠平衡 AI 的中心化問題,並提出在算力、數據、平台、應用等層面如何透過 Web3+AI 創造新的產業價值。

黃仁勳在迪拜的WGS上演講時,提出了一個詞“主權AI”。那麼,哪個主權的AI能符合Crypto社區的利益和訴求呢?也許需要以Web3+AI的形式構建。Vitalik在“The promise and challenges of crypto + AI applications”一文中講述了AI與Crypto的協同效應:Crypto的去中心化可以平衡AI的中心化;AI是不透明的,Crypto帶來透明;AI需要數據,區塊鏈有利於數據的存儲和追蹤。這種協同,貫穿在Web3+AI的整個產業圖景中。

大多數Web3 + AI的項目是在利用區塊鏈技術解決AI行業基礎設施項目的建設問題,少數項目是利用AI解決Web3應用的某些問題。Web3 + AI產業圖景大體如下:

AI的生產和工作流程大致如下:

在這些環節中,Web3與AI的結合主要體現在四個方面:

1、算力層:算力資產化

近兩年來,用於訓練AI大模型的算力呈指數級增長,基本每個季度就會翻一倍,以遠超摩爾定律的速度瘋狂增長。這種情況導致AI算力供需長期失衡,GPU等硬件價格快速漲,進而抬高了算力成本。但與此同時,市場上也存在大量的中低端算力硬件閒置,可能這部分中低端硬件的單體算力無法滿足高性能需求。但若通過Web3的方式建設成分布式算力網路,通過算力租賃、共享的方式,打造去中心化的計算資源網路,仍可滿足諸多AI應用需求。由於是利用分布式的閒置算力,可顯著降低AI算力的成本。算力層細分包括:

  • 通用的去中心化算力(例如Arkash、Io.net等);
  • 用於AI訓練的去中心化算力(例如Gensyn、Flock.io等);
  • 用於AI推理的去中心化算力(例如Fetch.ai、Hyperbolic等);
  • 用於3D渲染的去中心化算力(例如The Render Network等)。

Web3+AI的算力資產化,核心優勢在於 去中心化算力類項目,結合代幣激勵很容易擴展網路規模,而且其計算資源成本低,具有高性價比,可滿足部分中低端的算力需求。

2、數據層:數據資產化

數據是AI的石油、血液。如果不依賴Web3,一般只有巨頭企業手中才有大量的用戶數據,普通的創業公司很難獲取廣泛的數據,用戶數據在AI行業的價值也並沒有反饋給用戶。通過Web3+AI,可以讓數據收集、數據標注、數據分布式存儲等流程更低成本、更透明、更有利於用戶。收集高質量數據是AI模型訓練的前置條件,通過Web3的方式,可以利用分布式網路,結合適當的Token激勵機制,採用衆包收集的方法,以較低成本獲取高質量且廣泛的數據。根據項目用途,數據類項目主要包括以下幾類:

  • 數據收集類項目(例如Grass等);
  • 數據交易類項目(例如Ocean Protocol等);
  • 數據標注類項目(例如Taida、Alaya等);
  • 區塊鏈數據源類項目(例如Spice AI、Space and time等);
  • 去中心化存儲類項目(例如FIL、Arweave等)。

數據類Web3+AI項目,在設計Token經濟模型的過程中更有挑戰性,因爲數據比算力更難標準化。

3、平台層:平台價值資產化

平台類項目大多數會對標Hugging Face,以整合AI行業各類資源爲核心。建立一個平台,聚合數據、算力、模型、AI開發者、區塊鏈等各種資源和角色的連結,以平台爲中心,更便捷地解決各種需求。比如Giza,專注於構建全面的zkML運營平台,旨在使機器學習的推理變得可信和透明,因爲數據和模型黑盒是目前AI中普遍存在的問題,通過Web3的方式採用ZK、FHE等密碼學技術來驗證模型的推理確實有正確執行,是遲早會被行業內呼籲的。也有做Focus AI的layer1/ layer2,例如Nuroblocks、Janction等。核心敘事是連接了各類算力、數據、模型、AI開發者、節點等資源,通過包裝通用組件、通用SDK的方式,幫助Web3+AI類應用實現快速構建和發展。還有Agent Network類的平台,基於這類平台可以爲各種應用場景構建AI Agent,例如Olas、ChainML等。平台類的Web3+AI項目,主要以Token捕獲平台價值的方式,激勵平台各參與方共建。對於初創項目從0-1的過程比較有幫助,可以減少項目方尋找算力、數據、AI開發者社區、節點等合作方的難度。

4、應用層:AI價值資產化

前面的基礎設施類的項目,多數是利用區塊鏈技術解決AI行業基礎設施項目建設的問題。應用層項目則更多是利用AI解決Web3應用存在的問題。比如Vitalik在文章中提到兩個方向,我覺得很有意義。一是AI作爲Web3參與者。比如:Web3 Games中,AI可以作爲一個遊戲玩家,它可以快速理解遊戲規則,並最高效地完成遊戲任務;DEX中,AI已經在套利交易中發揮作用很多年了;Prediction markets(預測市場)中,AI Agent可以通過廣泛接受大量數據、知識庫和信息,訓練其模型的分析預測能力,並產品化提供給用戶,幫助用戶以模型推理的方式對特定事件作出預測,比如體育賽事、總統大選等。二是創建可擴展的去中心化的私人AI。因爲許多用戶擔心AI的黑盒問題,擔心系統存在偏見;或擔心存在某些dApps通過AI技術欺騙用戶來獲利。本質上是因爲用戶對AI的模型訓練和推理過程沒有審查權限和治理權限。但是如果創建一個Web3的AI,像Web3項目一樣,社區對這個AI有分布式治理權,可能會更容易被接受。截至目前,在Web3+AI應用層尚未出現天花板很高的白馬項目。

總結

Web3 + AI還很早期,業內對這個賽道的發展前景也是有分歧的,我們會對這個賽道持續關注。我們希望Web3 與AI的結合能夠創造出比中心化AI更有價值的產品,讓AI擺脫“巨頭控制”、“壟斷”這些標籤,以更加社區化的方式來“共治AI”。也許在更近距離地參與、治理過程中,人類對AI會多一分“敬畏”、少一分“恐懼”。

聲明:

  1. 本文轉載自[IOBC Capital],著作權歸屬原作者[0xCousin],如對轉載有異議,請聯系Gate Learn團隊,團隊會根據相關流程盡速處理。

  2. 免責聲明:本文所表達的觀點和意見僅代表作者個人觀點,不構成任何投資建議。

  3. 文章其他語言版本由Gate Learn團隊翻譯, 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。

Web3 + AI:社區主權的人工智能

新手5/28/2024, 6:34:43 PM
本文論述了 Web3 的去中心化特性能夠平衡 AI 的中心化問題,並提出在算力、數據、平台、應用等層面如何透過 Web3+AI 創造新的產業價值。

黃仁勳在迪拜的WGS上演講時,提出了一個詞“主權AI”。那麼,哪個主權的AI能符合Crypto社區的利益和訴求呢?也許需要以Web3+AI的形式構建。Vitalik在“The promise and challenges of crypto + AI applications”一文中講述了AI與Crypto的協同效應:Crypto的去中心化可以平衡AI的中心化;AI是不透明的,Crypto帶來透明;AI需要數據,區塊鏈有利於數據的存儲和追蹤。這種協同,貫穿在Web3+AI的整個產業圖景中。

大多數Web3 + AI的項目是在利用區塊鏈技術解決AI行業基礎設施項目的建設問題,少數項目是利用AI解決Web3應用的某些問題。Web3 + AI產業圖景大體如下:

AI的生產和工作流程大致如下:

在這些環節中,Web3與AI的結合主要體現在四個方面:

1、算力層:算力資產化

近兩年來,用於訓練AI大模型的算力呈指數級增長,基本每個季度就會翻一倍,以遠超摩爾定律的速度瘋狂增長。這種情況導致AI算力供需長期失衡,GPU等硬件價格快速漲,進而抬高了算力成本。但與此同時,市場上也存在大量的中低端算力硬件閒置,可能這部分中低端硬件的單體算力無法滿足高性能需求。但若通過Web3的方式建設成分布式算力網路,通過算力租賃、共享的方式,打造去中心化的計算資源網路,仍可滿足諸多AI應用需求。由於是利用分布式的閒置算力,可顯著降低AI算力的成本。算力層細分包括:

  • 通用的去中心化算力(例如Arkash、Io.net等);
  • 用於AI訓練的去中心化算力(例如Gensyn、Flock.io等);
  • 用於AI推理的去中心化算力(例如Fetch.ai、Hyperbolic等);
  • 用於3D渲染的去中心化算力(例如The Render Network等)。

Web3+AI的算力資產化,核心優勢在於 去中心化算力類項目,結合代幣激勵很容易擴展網路規模,而且其計算資源成本低,具有高性價比,可滿足部分中低端的算力需求。

2、數據層:數據資產化

數據是AI的石油、血液。如果不依賴Web3,一般只有巨頭企業手中才有大量的用戶數據,普通的創業公司很難獲取廣泛的數據,用戶數據在AI行業的價值也並沒有反饋給用戶。通過Web3+AI,可以讓數據收集、數據標注、數據分布式存儲等流程更低成本、更透明、更有利於用戶。收集高質量數據是AI模型訓練的前置條件,通過Web3的方式,可以利用分布式網路,結合適當的Token激勵機制,採用衆包收集的方法,以較低成本獲取高質量且廣泛的數據。根據項目用途,數據類項目主要包括以下幾類:

  • 數據收集類項目(例如Grass等);
  • 數據交易類項目(例如Ocean Protocol等);
  • 數據標注類項目(例如Taida、Alaya等);
  • 區塊鏈數據源類項目(例如Spice AI、Space and time等);
  • 去中心化存儲類項目(例如FIL、Arweave等)。

數據類Web3+AI項目,在設計Token經濟模型的過程中更有挑戰性,因爲數據比算力更難標準化。

3、平台層:平台價值資產化

平台類項目大多數會對標Hugging Face,以整合AI行業各類資源爲核心。建立一個平台,聚合數據、算力、模型、AI開發者、區塊鏈等各種資源和角色的連結,以平台爲中心,更便捷地解決各種需求。比如Giza,專注於構建全面的zkML運營平台,旨在使機器學習的推理變得可信和透明,因爲數據和模型黑盒是目前AI中普遍存在的問題,通過Web3的方式採用ZK、FHE等密碼學技術來驗證模型的推理確實有正確執行,是遲早會被行業內呼籲的。也有做Focus AI的layer1/ layer2,例如Nuroblocks、Janction等。核心敘事是連接了各類算力、數據、模型、AI開發者、節點等資源,通過包裝通用組件、通用SDK的方式,幫助Web3+AI類應用實現快速構建和發展。還有Agent Network類的平台,基於這類平台可以爲各種應用場景構建AI Agent,例如Olas、ChainML等。平台類的Web3+AI項目,主要以Token捕獲平台價值的方式,激勵平台各參與方共建。對於初創項目從0-1的過程比較有幫助,可以減少項目方尋找算力、數據、AI開發者社區、節點等合作方的難度。

4、應用層:AI價值資產化

前面的基礎設施類的項目,多數是利用區塊鏈技術解決AI行業基礎設施項目建設的問題。應用層項目則更多是利用AI解決Web3應用存在的問題。比如Vitalik在文章中提到兩個方向,我覺得很有意義。一是AI作爲Web3參與者。比如:Web3 Games中,AI可以作爲一個遊戲玩家,它可以快速理解遊戲規則,並最高效地完成遊戲任務;DEX中,AI已經在套利交易中發揮作用很多年了;Prediction markets(預測市場)中,AI Agent可以通過廣泛接受大量數據、知識庫和信息,訓練其模型的分析預測能力,並產品化提供給用戶,幫助用戶以模型推理的方式對特定事件作出預測,比如體育賽事、總統大選等。二是創建可擴展的去中心化的私人AI。因爲許多用戶擔心AI的黑盒問題,擔心系統存在偏見;或擔心存在某些dApps通過AI技術欺騙用戶來獲利。本質上是因爲用戶對AI的模型訓練和推理過程沒有審查權限和治理權限。但是如果創建一個Web3的AI,像Web3項目一樣,社區對這個AI有分布式治理權,可能會更容易被接受。截至目前,在Web3+AI應用層尚未出現天花板很高的白馬項目。

總結

Web3 + AI還很早期,業內對這個賽道的發展前景也是有分歧的,我們會對這個賽道持續關注。我們希望Web3 與AI的結合能夠創造出比中心化AI更有價值的產品,讓AI擺脫“巨頭控制”、“壟斷”這些標籤,以更加社區化的方式來“共治AI”。也許在更近距離地參與、治理過程中,人類對AI會多一分“敬畏”、少一分“恐懼”。

聲明:

  1. 本文轉載自[IOBC Capital],著作權歸屬原作者[0xCousin],如對轉載有異議,請聯系Gate Learn團隊,團隊會根據相關流程盡速處理。

  2. 免責聲明:本文所表達的觀點和意見僅代表作者個人觀點,不構成任何投資建議。

  3. 文章其他語言版本由Gate Learn團隊翻譯, 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。

ابدأ التداول الآن
اشترك وتداول لتحصل على جوائز ذهبية بقيمة
100 دولار أمريكي
و
5500 دولارًا أمريكيًا
لتجربة الإدارة المالية الذهبية!
It seems that you are attempting to access our services from a Restricted Location where Gate.io is unable to provide services. We apologize for any inconvenience this may cause. Currently, the Restricted Locations include but not limited to: the United States of America, Canada, Cambodia, Cuba, Iran, North Korea and so on. For more information regarding the Restricted Locations, please refer to the User Agreement. Should you have any other questions, please contact our Customer Support Team.