分析》如何判斷Crypto x AI浪潮中...

首頁
資訊
分析》如何判斷Crypto x AI浪潮中的陷阱「貼牌」項目？

分析》如何判斷Crypto x AI浪潮中的陷阱「貼牌」項目？

發表於 2024-05-26 11:00 作者：區塊鏈情報速遞pro

駕馭加密和人工智慧的交叉點，本文源自前 Bankless 研究員所著文章《AI Crypto Projects That Aren’t Complete Bullsh*t》，由 Techflow 整理、編譯及撰稿。（前情提要：io.net真實GPU數量成謎，有鬼？去中心化AI算力網有4大難題待解）（背景補充：Google強打OpenAI：Gemini Live和GPT-4o誰能更勝一籌？）

本文目錄

在尋找新的 alpha 資訊時，我們不可避免地會遇到一些垃圾資訊。當一個專案只需一個半清晰的簡介和一些體面的品牌就能迅速籌集到 5-6 位數的資金時，投機者們會抓住每一個新的敘事。而隨著傳統金融領域紛紛加入 AI 潮流，「加密 AI」敘事更是加劇了這一問題。

這些專案的大多數問題在於：

大多數加密專案不需要 AI
大多數 AI 專案不需要加密貨幣

並不是所有去中心化交易所（DEX）都需要內建 AI 助手，每個聊天機器人也不需要一個伴隨的代幣來促進其採用曲線。AI 和加密技術的這種硬性結合讓我在最初深入瞭解這一敘事時幾乎崩潰。

壞訊息是什麼？繼續沿著當前的道路走下去，進一步集中這項技術，最終只會以失敗告終，而大量虛假的 “AI x Crypto” 專案也會阻礙我們扭轉頹勢。

好訊息是什麼？隧道盡頭有曙光。有時，AI 確實能從加密經濟學中獲益。同樣，在一些加密貨幣的使用案例中，AI 也能解決一些實際問題。

在今天的文章中，我們將探討這些關鍵的交匯點。這些小眾創新想法的重疊形成了一個整體，其效果大於各部分之和。

AI 堆疊的高層次檢視

以下是我對「加密 AI」生態系統中不同垂直領域的看法（如果你想更深入瞭解，可以參考 Tommy 的文章）。注意，這是一種非常簡化的檢視，但希望能幫助我們奠定基礎。

從高層次來看，它是如何協同工作的：
大規模收集資料。
處理這些資料，使機器理解如何攝取和應用它。
在這些資料上訓練模型以建立一個通用模型。
然後可以微調以處理特定的使用案例。
最後，這些模型被部署和託管，以便應用程式可以查詢它們進行有用的實現。
所有這些都需要大量的計算資源，這些資源可以本地執行或從雲端獲取。

讓我們探討這些領域中的每一個，特別關注不同的加密經濟設計如何能實際改進標準工作流程。

加密賦予開源以戰鬥機會

「閉源」與「開源」開發方法的爭論可以追溯到 Windows-Linux 的辯論和 Eric Raymond 著名的《大教堂與集市》理論。雖然今天 Linux 在愛好者中廣泛使用，但大約 90% 的使用者選擇了 Windows。為什麼？因為激勵措施。

至少從外部來看，開放原始碼開發有很多好處。它可以讓最多的人蔘與到開發過程中，並為之做出貢獻。但在這種無頭結構中，沒有一個統一的指令。CEO 不會主動讓儘可能多的人使用他們的產品，以最大限度地提高他們的底線。在開源開發過程中，專案有可能演變成一個 “嵌合體”，在設計理念的每一個交叉點上都會分裂出不同的方向。

調整激勵措施的最佳方式是什麼？構建一個系統，獎勵那些能促進目標實現的行為。換句話說，把錢交到能讓我們更接近目標的行為者手中。有了加密貨幣，這一點就可以硬編碼成法律。

我們將看看一些正在這樣做的專案。

去中心化物理基礎設施網路（DePINs）

「哦拜託，又是這玩意兒？」是的，我知道 DePIN 敘事幾乎和 AI 本身一樣被講爛了，但請稍等片刻。我願意堅信 DePINs 是一個真正有機會改變世界的加密使用案例。想一想。

加密技術真正擅長的是什麼？去除中介和激勵活動。

比特幣最初的願景是對等貨幣，旨在將銀行排除在外。類似地，現代 DePINs 旨在排除集中的力量，並引入可證明公平的市場動態。正如我們將看到的，這種架構對於眾包 AI 相關網路是理想的。

DePINs 使用早期代幣發行來增加供應側（提供者），希望這能吸引可持續的消費者需求。這旨在解決新市場的冷啟動問題。

這意味著早期的硬體 / 軟體（「節點」）提供者賺取大量代幣和少量現金。隨著使用者利用這些節點（在我們的例子中是機器學習構建者）帶來的現金流，這開始抵消隨著時間減少的代幣發行，直到一個完全自給自足的生態系統建立起來（可能需要幾年時間）。早期的採用者，如 Helium 和 Hivemapper，展示了這種設計的有效性。

資料網路，Grass 的案例

據稱，GPT-3 是用 45TB 的純文字資料訓練的，相當於大約 9000 萬本小說（但它仍然不能畫一個圓）。GPT-4 和 GPT-5 所需的資料量比表面網路上存在的資料還要多，因此稱人工智慧為 “資料飢渴症” 是本世紀最輕描淡寫的說法。

如果你不是頂尖玩家（OpenAI，Microsoft，Google，Facebook），獲取這些資料是非常困難的。大多數人的常見策略是網頁抓取，在你嘗試加強之前，這一切都很好。如果使用一個亞馬遜網路服務（AWS）例項試圖抓取大量網站，就會很快受到速率限制。這就是 Grass 的用武之地。

Grass 連線了超過兩百萬臺裝置，組織它們從使用者的 IP 地址抓取網站，收集、結構化並將其出售給急需資料的 AI 公司。作為回報，參與 Grass 網路的使用者可以從使用他們資料的 AI 公司那裡賺取穩定的收入。

當然，目前還沒有代幣，但未來的 $GRASS 代幣可能會讓使用者更願意下載他們的瀏覽器擴展套件（或手機應用）。儘管他們已經通過一場極其成功的推薦活動吸引了大量使用者。

GPU 網路，io.net 的案例

或許比資料更重要的是計算能力。你知道嗎，在 2020 年和 2021 年，中國在 GPU 上投入的資金比石油還多。這簡直太瘋狂了，但這僅僅是個開始。再見石油幣，為計算幣讓路。

（報告詳見）

現在，市面上有很多 GPU DePINs，它們的工作原理大致如下。

急需計算的機器學習工程師 / 公司。
另一方面，則是資料中心、閒置礦機和擁有閒置 GPU/CPU 的業餘愛好者。

儘管全球供應量巨大，但卻缺乏協調。要聯絡 10 個不同的資料中心，讓他們為你的使用出價，並不容易。一箇中心化的解決方案會產生一個尋租的中介，其激勵是從每一方中提取最大價值，但加密技術可以幫助。

加密技術非常擅長建立市場層，能夠高效地連線買賣雙方。一個程式碼片段不需要對股東的財務利益負責。

io.net 脫穎而出，因為它引入了一些對於 AI 訓練至關重要的酷炫新技術 —— 他們的叢集堆疊。傳統的叢集涉及在同一個資料中心物理連線一堆 GPU，使它們能夠協同工作進行模型訓練。但如果你的硬體分佈在全球各地怎麼辦？io.net 與 Ray（用於建立 ChatGPT）合作開發了可以連線非同地點 GPU 的叢集中介軟體。

而且，AWS 的註冊過程可能需要幾天時間，而 io.net 上的叢集可以在 90 秒內無許可地啟動。出於這些原因，我可以看到 io.net 成為所有其他 GPU DePINs 的中心，它們都可以插入他們的「IO 引擎」，解鎖內建的叢集和順暢的上手體驗。這一切都只有在加密技術的幫助下才有可能。

你會注意到，大多數具有雄心壯志的去中心化 AI 專案（如 Bittensor,Morpheus,Gensyn,Ritual,Sahara）都有明確的「計算」需求 —— 這正是 GPU DePINs 應當插入的地方，去中心化 AI 需要無許可的計算。

激勵結構的運用

再次回到比特幣的啟示。為什麼礦工們不斷快速地計算hash值？因為這是他們的報酬方式 —— 中本聰提出這種架構是因為它優先優化了安全性。教訓是什麼？這些協議內建的激勵結構決定了它們產生的最終產品。

比特幣礦工和以太坊質押者是吸收其所有原生代幣的參與者，因為這是協議想要激勵的 —— 參與者成為礦工和質押者。

在一個組織中，這可能來自 CEO，他定義了 “願景” 或 “使命宣言”。但人是容易犯錯的，可能會讓公司偏離正軌。另一方面，電腦程式碼卻能比最糙皮的工資奴隸更能保持專注。讓我們來看看幾個去中心化專案，它們內建的代幣效應能讓參與者專注於崇高的目標。

AI 構建網路，探討 Bittensor

如果我們讓比特幣礦工構建 AI 而不是解決無用的數學問題會怎麼樣？這樣，你就得到了 Bittensor。

Bittensor 的目標是建立幾個實驗性的生態系統，以進行試驗，目的是在每個生態系統內生產「商品化的智慧」。這意味著一個生態系統（稱為子網，簡稱「SN」）可能專注於開發語言模型，另一個專注於金融模型，還有更多專注於語音合成、AI 檢測或影象生成（參見當前活躍的專案）。

對於 Bittensor 網路來說，你想做什麼並不重要。只要你能證明你的專案值得資助，激勵措施就會流動。這是子網所有者的目標，他註冊子網並調整遊戲規則。

這個「遊戲」的參與者稱為礦工。這些是構建模型的 ML/AI 工程師和團隊。他們被鎖定在一個持續審查的「雷霆穹頂」中，為了獲得最多的獎勵而互相競爭。

驗證者是另一個面，負責進行審查並相應地評分礦工的工作。如果發現驗證者與礦工勾結，將被驅逐。

記住激勵措施：

礦工在擊敗其他子網內的礦工時賺得更多 —— 這推動了 AI 的發展。
驗證者在準確識別高績效和低績效礦工時賺得更多 —— 這保持了子網的公正性。
子網所有者在其子網產生的 AI 模型比其他子網更有用時賺得更多 —— 這推動子網所有者優化其「遊戲」。

你可以將 Bittensor 視為一個 AI 開發的永久獎勵機器。新興的機器學習工程師可以嘗試構建某些東西，向 VCs 推介並嘗試籌集一些資金。或者他們可以作為礦工加入其中一個 Bittensor 子網，大展拳腳，並獲得大量的 TAO。哪個更容易？

一些頂級團隊正在網路上構建：

Nous Research 是開源的王者。他們的子網在微調開源 LLMs 方面顛覆了傳統。他們通過對模型進行持續的合成數據流測試，使排行榜無法被操縱（與傳統基準測試如 HuggingFace 不同）。
Taoshi 的專有訓練網路基本上是一個開源的量化交易公司。他們要求 ML 貢獻者構建預測資產價格走勢的交易演算法。他們的 API 為散戶和機構使用者提供量化級別的交易訊號，並且正快速走向重大盈利。
由 Corcel 團隊開發的 Cortex.t 有兩個目的。首先，他們激勵礦工提供頂級模型（如 GPT-4 和 Claude-3）的 API 訪問，以確保開發人員的持續可用性。他們還提供合成數據生成，這對於模型訓練和基準測試（這也是 Nous 使用它的原因）非常有用。檢視他們的工具 —— 聊天和搜尋。

不出意外的話，Bittensor 重申了激勵結構的力量，這一切都是由加密經濟學實現的。

智慧代理，探究 Morpheus

現在，我們來看看 Morpheus 的兩個方面：

加密經濟結構正在構建 AI（加密幫助 AI）
AI 啟用的應用程式在加密中啟用新的使用案例（AI 幫助加密）

「智慧代理」只是受過智慧合約訓練的 AI 模型。它們瞭解所有頂級 DeFi 協議的內部運作，知道在哪裡找到收益，在哪裡橋接，以及如何發現可疑的合約。它們是未來的「自動路由器」，在我看來，它們將是每個人在 5-10 年內與區塊鏈互動的方式。事實上，一旦我們達到那個點，你可能根本不知道你在使用加密技術。你只會告訴聊天機器人你想把一些儲蓄轉移到另一種投資中，一切都會在後臺發生。

Morpheus 體現了這一部分的「激勵它們，它們就會來」的資訊。他們的目標是擁有一個平臺，在這個平臺上，智慧代理可以傳播和繁榮，每個代理都建立在上一個代理的成功之上，在一個最小化外部性的生態系統中。

代幣通膨結構突出顯示了協議的四個主要貢獻者：

程式碼 —— 代理構建者。
社群 —— 構建前端應用程式和工具，以吸引新使用者加入生態系統。
計算 —— 提供執行代理的計算能力。
資本 —— 提供他們的收益，以推動 Morpheus 的經濟機器。

這些類別中的每一個都獲得了 $MOR 通膨獎勵的平等份額（也會儲存一小部分作為緊急基金），迫使它們：

構建最佳代理 —— 當他們的代理被一致使用時，建立者會得到報酬。與免費提供 OpenAI 外掛不同，這種方式即時支付給構建者。
構建最佳前端 / 工具 —— 當他們的創作被一致使用時，建立者會得到報酬。
提供穩定的計算能力 —— 提供者在借出計算能力時獲得報酬。
為專案提供流動性 —— 通過保持專案的流動性，賺取他們的 MOR 份額。

儘管有許多其他的 AI / 智慧代理專案，但 Morpheus 的代幣經濟結構在設計激勵機制方面尤為清晰有效。

這些智慧代理是 AI 真正消除加密應用障礙的終極例證。dApp 的使用者體驗是出了名的糟（儘管過去幾年有很多進步），LLM 的興起點燃了每個想成為 Web2 和 Web3 創辦人的激情。儘管存在大量的牟利專案，但像 Morpheus 和 Wayfinder 這樣的優秀專案（見下方演示）展示了將來進行鏈上交易會變得多麼簡單。