Tóm tắt các điểm chính
Chúng tôi đã tiến hành phân tích chuyên sâu về 67 dự án Crypto+AI và phân loại chúng theo quan điểm AI tổng quát (GenAI). Danh mục của chúng tôi bao gồm:
- GPU DePIN
- Điện toán phi tập trung(đào tạo + suy luận)
- Xác minh (ZKML+OPML)
- Mô hình ngôn ngữ lớn crypto(LLM)
- Dữ liệu(chung + AI cụ thể)
- Ứng dụng tạo AI
- Ứng dụng tiêu dùng AI
- Tiêu chuẩn AI (Token+ Đại lý)
- nền kinh tế AI
Tại sao viết bài viết này?
Câu chuyện về Crypto+AI đã thu hút rất nhiều sự chú ý. Nhiều báo cáo về Tiền điện tử+AI đang xuất hiện nhưng chúng chỉ đề cập đến một phần câu chuyện về AI hoặc chỉ giải thích AI từ góc độ crypto. Bài viết này sẽ khám phá chủ đề này từ góc độ của AI, khám phá cách crypto hỗ trợ AI và cách AI có thể mang lại lợi ích cho crypto để hiểu rõ hơn về bối cảnh ngành công nghiệp tiền điện tử+AI hiện tại.
Phần thứ nhất: Giải mã Toàn cảnh AI sáng tạo
Hãy cùng khám phá toàn bộ bối cảnh AI tổng quát (GenAI), bắt đầu với các sản phẩm AI mà chúng ta sử dụng hàng ngày. Các sản phẩm này thường bao gồm hai thành phần chính: mô hình ngôn ngữ lớn (LLM) và giao diện người dùng (UI ). Đối với các mô hình lớn, có hai quy trình chính: tạo mô hình và sử dụng mô hình, thường được gọi là huấn luyện và suy luận . Đối với giao diện người dùng, nó có nhiều dạng, bao gồm dựa trên hội thoại (như GPT), dựa trên tầm nhìn (như LumaAI) và nhiều dạng khác tích hợp API suy luận vào giao diện sản phẩm hiện có.
tính toán
Tìm hiểu sâu hơn, điện toán là nền tảng cho cả đào tạo và suy luận, đồng thời phụ thuộc rất nhiều vào điện toán GPU cơ bản. Mặc dù các kết nối vật lý của GPU trong quá trình đào tạo và suy luận có thể khác nhau nhưng GPU vẫn được coi là thành phần cơ sở hạ tầng phổ biến cho các sản phẩm AI. Trên hết, chúng tôi có sự phối hợp của các cụm GPU, được gọi là đám mây. Những đám mây này có thể được chia thành các đám mây đa chức năng truyền thống vàcác đám mây dọc được chú trọng và tối ưu hóa hơn cho các kịch bản điện toán AI.
kho
Về lưu trữ, lưu trữ dữ liệu AI có thể được chia thành các giải pháp lưu trữ truyền thống, chẳng hạn như AWS S3 và Azure Blob Storage và các giải pháp lưu trữ được tối ưu hóa riêng cho bộ dữ liệu AI. Các giải pháp lưu trữ chuyên dụng này, chẳng hạn như Filestore của Google Cloud, được thiết kế để tăng tốc độ truy cập dữ liệu trong các tình huống cụ thể.
xe lửa
Tiếp tục thảo luận về cơ sở hạ tầng AI, điều quan trọng là phải phân biệt giữa đào tạo và suy luận vì chúng khác nhau đáng kể. Ngoài điện toán nói chung, cả hai đều liên quan đến nhiều logic việc kinh doanh dành riêng cho AI.
Về đào tạo, cơ sở hạ tầng có thể được chia thành:
- Nền tảng: Được thiết kế dành riêng cho đào tạo, nó giúp các nhà phát triển AI đào tạo hiệu quả các mô hình ngôn ngữ lớn và cung cấp các giải pháp tăng tốc phần mềm như KhảmML.
- Nhà cung cấp mô hình cơ sở: Danh mục này bao gồm các nền tảng như Ôm mặt cung cấp các mô hình cơ sở mà người dùng có thể đào tạo hoặc tinh chỉnh thêm.
- Khung: Cuối cùng, có nhiều khung đào tạo cơ bản khác nhau được xây dựng từ đầu, chẳng hạn như PyTorch và TensorFlow.
lý luận
Về lý luận, nó có thể được chia thành:
- Trình tối ưu hóa: Sê-Ri các tối ưu hóa được điều chỉnh cho phù hợp với các trường hợp sử dụng cụ thể, chẳng hạn như cải tiến thuật toán để hỗ trợ xử lý song song hoặc tạo phương tiện. Một ví dụ là fal.ai , giúp tối ưu hóa lý luận cho quá trình chuyển văn bản thành hình ảnh và tăng tốc độ truyền tải lên 50% so với phương pháp thông thường .
- Nền tảng triển khai: Cung cấp các dịch vụ đám mây suy luận mô hình chung, chẳng hạn như Amazon SageMaker, để tạo điều kiện thuận lợi cho việc triển khai và mở rộng các mô hình AI trong hoàn cảnh khác nhau.
ứng dụng
Mặc dù AI có vô số ứng dụng nhưng nó có thể được chia đại khái thành hai loại dựa trên nhóm người dùng: người sáng tạo và người tiêu dùng.
- Người tiêu dùng AI: Nhóm này chủ yếu sử dụng các sản phẩm AI và sẵn sàng trả tiền cho giá trị mà sản phẩm này mang lại . Một ví dụ điển hình là ChatGPT.
- Người tạo AI: Mặt khác, các ứng dụng dành cho người tạo AI thiên về việc mời người tạo AI tạo đại lý trên nền tảng của họ, chia sẻ kiến thức và sau đó chia sẻ lợi nhuận với họ. Thị trường GPT là trong đó những ví dụ nổi tiếng nhất.
Hai danh mục này bao gồm hầu hết tất cả các ứng dụng AI. Mặc dù có nhiều phân loại chi tiết hơn nhưng bài viết này sẽ tập trung vào các danh mục rộng hơn này.
Phần thứ hai: Crypto có thể hỗ trợ AI như thế nào
Trước khi trả lời câu hỏi này, chúng ta hãy tóm tắt những lợi thế chính mà crypto có thể mang lại cho AI: khả năng kiếm tiền, tính toàn diện, tính minh bạch, quyền sở hữu dữ liệu, giảm chi phí, v.v.
Từ blog Vitalik.eth: Bản tóm tắt cấp cao về sự giao thoa giữa crypto và AI
Những sự phối hợp quan trọng này giúp ích cho bối cảnh hiện tại chủ yếu thông qua:
- Kiếm tiền: Thông qua các cơ chế crypto độc đáo như mã thông báo, kiếm tiền và khích lệ , những đổi mới Sự lật đổ có thể được thực hiện trong các ứng dụng của người sáng tạo AI để đảm bảo một nền kinh tế AI cởi mở và công bằng.
- Bao gồm: Crypto cho phép tham gia không cần xin phép, phá vỡ các loại hạn chế được áp đặt bởi các công ty AI tập trung, đóng cửa ngày nay. Điều này cho phép AI đạt được sự cởi mở và tự do thực sự.
- Tính minh bạch: Crypto có thể sử dụng công nghệ ZKML/OPML để biến AI thành mã nguồn mở hoàn toàn , đưa toàn bộ quá trình đào tạo và suy luận của LLM vào Chuỗi, đảm bảo rằng AI là mở và không cần cấp phép.
- Quyền sở hữu dữ liệu : Thiết lập quyền sở hữu dữ liệu của tài khoản (người dùng) bằng cách cho phép giao dịch trên Chuỗi , cho phép người dùng thực sự sở hữu dữ liệu AI của họ. Điều này đặc biệt có lợi ở lớp ứng dụng, giúp người dùng bảo vệ hiệu quả quyền dữ liệu AI của mình.
- Giảm chi phí: Thông qua khích lệ token , giá trị tương lai của sức mạnh tính toán có thể được hiện thực hóa và chi phí GPU hiện tại có thể giảm đáng kể . Phương pháp này giúp giảm đáng kể chi phí của AI ở cấp độ tính toán.
Phần thứ ba: Khám phá bối cảnh tiền điện tử+AI
Việc áp dụng các lợi thế của crypto cho các danh mục khác nhau trong bối cảnh AI sẽ tạo ra một góc nhìn mới về bối cảnh AI từ góc độ crypto.
Lớp mô hình ngôn ngữ lớn
GPU DePIN
Chúng tôi tiếp tục phác thảo kế hoạch chi tiết AI+Crypto dựa trên bối cảnh AI. Câu chuyện dài hạn về crypto là giảm chi phí , bắt đầu với các mô hình ngôn ngữ lớn và bắt đầu với GPU ở lớp cơ sở.
Thông qua khích lệ blockchain , chúng tôi có thể giảm đáng kể chi phí bằng cách khen thưởng các nhà cung cấp GPU. Câu chuyện này hiện được gọi là GPU DePIN. Mặc dù GPU không chỉ được sử dụng trong AI mà còn trong chơi game, AR và các tình huống khác, nhưng lộ trình GPU DePIN thường bao gồm các lĩnh vực này.
Những người tập trung vào lĩnh vực AI bao gồm mạng Aethir và Aioz, trong khi những người làm việc về kết xuất hình ảnh bao gồm io.net , mạng kết xuất , v.v.
tính toán phi phi tập trung
Điện toán phi tập trung là một câu chuyện đã có từ khi blockchain ra đời và đã phát triển đáng kể theo thời gian. Tuy nhiên, do tính phức tạp của nhiệm vụ tính toán (so với lưu trữ phi tập trung) nên nó thường yêu cầu hạn chế các kịch bản tính toán.
Là kịch bản điện toán mới nhất, AI đã tạo ra sê-ri dự án điện toán phi tập trung một cách tự nhiên. So với GPU DePIN, các nền tảng điện toán phi tập trung này không chỉ giúp giảm chi phí mà còn đáp ứng các kịch bản điện toán cụ thể hơn: đào tạo và suy luận. Chúng được bố trí trên mạng WAN, tăng cường đáng kể mở rộng .
Đạt được hiệu quả về quy mô và chi phí với gensyn.ai
Ví dụ: các nền tảng tập trung vào đào tạo bao gồm AI Arena , Gensyn , DIN và Flock.io ; các nền tảng tập trung vào suy luận bao gồm Allora , Ritual và Justu.ai ; các nền tảng xử lý cả hai khía cạnh bao gồm Bittensor , 0G , Sentient và Akash , Phala. , Ankr và Oasis .
xác minh
Xác minh là một danh mục duy nhất trong Crypto+AI, chủ yếu là vì nó đảm bảo rằng toàn bộ quá trình tính toán AI, dù là đào tạo hay suy luận, đều có thể được xác minh trên Chuỗi.
Điều này là cần thiết để giữ cho quá trình này hoàn toàn phi tập trung và minh bạch . Ngoài ra, công nghệ như ZKML còn bảo vệ quyền riêng tư và bảo mật dữ liệu, cho phép người dùng sở hữu 100% dữ liệu cá nhân của mình.
Theo thuật toán và quy trình xác minh, nó có thể được chia thành ZKML và OPML. ZKML sử dụng công nghệ không kiến thức (ZK) để chuyển đổi hoạt động đào tạo/suy luận AI thành các mạch ZK, giúp quy trình có thể được xác minh trên Chuỗi , như đã được minh họa bởi các nền tảng như EZKL , Modulus Labs , Succinct và Giza . Mặt khác, OPML sử dụng oracle ngoài Chuỗi để gửi bằng chứng tới blockchain, như được hiển thị trong Ora và Spectral .
Mô hình cơ sở crypto
Không giống như các mô hình ngôn ngữ lớn có mục đích chung như ChatGPT hay Claude, các mô hình cơ sở crypto được đào tạo lại trên lượng lớn dữ liệu crypto , mang lại cho các mô hình cơ sở này một nền tảng kiến thức chuyên biệt về crypto.
Những mô hình cơ bản này có thể cung cấp khả năng AI mạnh mẽ cho các ứng dụng gốc crypto như DeFi, NFT và GamingFi. Hiện tại, ví dụ về các mô hình cơ sở như vậy bao gồm Pond và Chainbase .
dữ liệu
Dữ liệu là thành phần quan trọng trong lĩnh vực AI. Trong đào tạo AI, các bộ dữ liệu đóng một vai trò quan trọng và trong quá trình suy luận, lượng lớn gợi ý và cơ sở kiến thức của người dùng cũng yêu cầu lượng lớn .
Lưu trữ dữ liệu phi tập trung không chỉ làm giảm đáng kể chi phí lưu trữ mà quan trọng hơn là đảm bảo khả năng truy xuất nguồn gốc và quyền sở hữu dữ liệu .
Các giải pháp lưu trữ phi tập trung truyền thống như Filecoin , Arweave và Storj có thể lưu trữ lượng lớn dữ liệu AI với chi phí rất thấp.
Đồng thời, các giải pháp lưu trữ dữ liệu dành riêng cho AI mới hơn được tối ưu hóa cho các đặc điểm riêng của dữ liệu AI. Ví dụ: Không gian và Thời gian và OpenDB tối ưu hóa quá trình tiền xử lý và truy vấn dữ liệu, trong khi Giao thức Masa , Grass , Nuklai và KIP tập trung vào việc kiếm tiền từ dữ liệu AI. Bagel Network tập trung vào quyền riêng tư dữ liệu của người dùng.
Các giải pháp này tận dụng những lợi thế độc đáo của crypto để đổi mới quản lý dữ liệu trong các lĩnh vực AI mà trước đây ít được chú ý hơn.
Lớp ứng dụng
1.Người sáng tạo
Ở lớp ứng dụng Crypto+AI, các ứng dụng của người sáng tạo đặc biệt đáng chú ý. Với khả năng kiếm tiền vốn có của crypto, khích lệ người tạo AI là hợp lý.
Đối với những người sáng tạo AI, trọng tâm được chia thành người dùng và nhà phát triển ít/không có mã. Người dùng ít/không có mã, chẳng hạn như người tạo bot, sử dụng các nền tảng này để tạo bot và kiếm tiền từ chúng thông qua token /NFT. Họ có thể gây quỹ nhanh chóng thông qua ICO hoặc NFT Mint , sau đó thưởng cho người nắm giữ token lâu dài thông qua quyền sở hữu chung (chẳng hạn như chia sẻ thu nhập ). Điều này hoàn toàn mở ra các sản phẩm AI của họ để cộng đồng cùng sở hữu, từ đó hoàn thành vòng đời kinh tế AI .
Ngoài ra, với tư cách là nền tảng của người tạo AI tiền điện tử, họ giải quyết các vấn đề về tài trợ từ giai đoạn đầu đến giữa và lợi nhuận dài hạn của người tạo AI bằng cách tận dụng lợi thế mã thông báo vốn có của crypto và được cung cấp với token hóa giá chỉ bằng một phần tỷ lệ hoa hồng thông thường của Dịch vụ Web2 – Chứng minh lợi ích chi phí vận hành bằng 0 của phi tập trung crypto .
Trong không gian này, các nền tảng như MagnetAI , Olas , Myshell , Fetch.ai , Virtual Protocol và Spectral cung cấp nền tảng tác giả tác nhân cho người dùng ít/không cần mã. Đối với các nhà phát triển mô hình AI, MagnetAI và Ora cung cấp nền tảng cho nhà phát triển mô hình. Ngoài ra, đối với các danh mục khác như người sáng tạo xã hội AI+, có các nền tảng như Story Protocol và CreatorBid được thiết kế riêng cho họ, trong khi SaharaAI tập trung vào việc kiếm tiền từ cơ sở kiến thức.
2.Người tiêu dùng
Người tiêu dùng đề cập đến AI phục vụ trực tiếp người dùng crypto. Hiện tại, có ít dự án hơn trên con đường này, nhưng những dự án hiện có là không thể thay thế và độc đáo, chẳng hạn như Worldcoin và ChainGPT .
3.Tiêu chuẩn
Tiêu chuẩn là một lộ trình độc đáo trong Tiền điện tử có tính năng phát triển blockchain, giao thức hoặc cải tiến độc lập để tạo blockchain AI dApp hoặc cho phép cơ sở hạ tầng hiện có (chẳng hạn như Ethereum) hỗ trợ các ứng dụng AI.
Các tiêu chuẩn này cho phép các dApp AI thể hiện các lợi ích của crypto, chẳng hạn như tính minh bạch và phi tập trung , cung cấp hỗ trợ cần thiết cho người sáng tạo và sản phẩm tiêu dùng.
Ví dụ: Ora mở rộng ERC-20 để cung cấp chia sẻ thu nhập và 7007.ai mở rộng ERC-721 để token hóa tài sản mô hình. Ngoài ra, các nền tảng như Talus , Theoriq , Alethea và Morpheus đang tạo các máy ảo (VM) trên Chuỗi để cung cấp hoàn cảnh thực thi cho các tác nhân AI, trong khi Sentient cung cấp các tiêu chuẩn toàn diện cho AI dApps.
4. Nền kinh tế AI
Nền kinh tế AI là một sự đổi mới lớn trong lĩnh vực Tiền điện tử+AI, nhấn mạnh việc sử dụng các cơ chế crypto , kiếm tiền và khích lệ token hóa điện tử để đạt được sự dân chủ hóa AI .
Vòng đời kinh tế AI được phát triển bởi MagnetAI
Nó nêu bật nền kinh tế chia sẻ AI, đồng sở hữu cộng đồng và quyền sở hữu chung. Những đổi mới này đã thúc đẩy đáng kể sự thịnh vượng và phát triển hơn nữa của AI.
Trong đó, Theoriq và Fetch.ai tập trung vào việc kiếm tiền từ đại lý; Olas nhấn mạnh vào token hóa; Mind Network cung cấp các lợi ích của việc đặt cược lại; MagnetAI tích hợp các cơ chế token hóa, kiếm tiền và khích lệ vào một nền tảng thống nhất.
Tóm lại là
AI và crypto là đối tác tự nhiên. Crypto giúp làm cho AI cởi mở và minh bạch hơn, đồng thời hỗ trợ không thể thay thế được sự thịnh vượng hơn nữa của nó.
Đổi lại, AI mở rộng ranh giới của crypto, thu hút nhiều người dùng và sự chú ý hơn. Là một câu chuyện phổ quát cho toàn nhân loại, AI cũng giới thiệu một câu chuyện kể về việc áp dụng hàng loạt chưa từng có cho thế giới crypto.
