ただし、AI も半年以上の爆発的な成長を経て比較的ボトルネックの時期に入っていることにも注意が必要です。たとえば、Google の AI に対する検索関心は崖から落ち、Chatgpt ユーザーの増加率は急激に鈍化し、 AI の出力にはある程度のランダム性があり、セクシュアリティによって多くの着陸シナリオが制限されます... 全体として、私たちは伝説的な「AGI (汎用人工知能)」からはまだ非常に遠いところにあります。
AI アシスタントはさまざまな銀行口座や Alipay などの操作に便利だと思いますか、それともブロックチェーン アドレス全体への送金に便利だと思いますか?答えは明らかです。では、将来的には、AutoGPT のような AI アシスタントが多数統合され、さまざまなタスク シナリオで C2C、B2C、さらには B2B の支払いや決済をブロックチェーンやスマート コントラクトを通じて自動的に実行できるようになるのでしょうか?当時、Web2 と Web3 の境界は非常に曖昧になってきました。
2. コンピューティング プラットフォーム
コンピューティング パワー プラットフォームのプロジェクトはボット モデルほど多くの資産はありませんが、比較的理解しやすいです。AI には多くのコンピューティング パワーが必要であることは誰もが知っており、BTC と ETH はそのような手法が存在することを証明しています。過去 10 年間の世界では、経済的インセンティブとゲームの環境で自発的、分散化され、** 巨大なコンピューティング パワーを組織して調整し、1 つのことを行うために協力および競争することができました。このアプローチは AI にも適用できるようになりました。
業界で最も有名なプロジェクトは間違いなくTogetterとGensynの2社で、1つのシードラウンドは1,000万レベルの資金調達で、もう1つはAラウンドの4,300万レベルの資金調達であり、なぜこの2社がこれほどの資金を調達しなければならないのかと言われています。独自のモデルをトレーニングすると、それがコンピューティング パワー プラットフォームとして作成され、トレーニングのために他の AI プロジェクトに提供されます。
AI+Web3、または次の強気相場のホットスポットの 1 つに関する具体的な傾向と機会は何ですか?
著者: Lao Bai、ABCEDE Investment Research パートナー
現在最も注目されている AI は、第 4 次産業革命のキーポイントおよびコアとみなされており、テクノロジーの世界で注目されているコンセプトは、次世代インターネットの主要なコアと見なされている Web3 です。
AIとWeb3という技術革新の波を起こすコンセプトが融合できたら、どんな「驚き」を私たちにもたらしてくれるでしょうか？
01 最初に AI 自体について話しましょう
そもそも AI 業界は実際に冷え込むだろう。Near の創設者である Yilong が正しいことは誰もが知っている。この男は実際に AI を開発していた。彼は TensorFlow (最も人気のあるマシン) の主要なコード貢献者である学習フレームワーク）。 AI (ビッグモデル以前の機械学習) に期待が持てなかったため、彼は Web3 をやりに来たのではないかと誰もが推測しました。
**その結果、昨年末に業界はついに ChatGpt3.5 を導入し、業界は突然再び活気を取り戻しました。なぜなら、今回はこれまでの誇大広告や宣伝の波ではなく、質的な変化とみなすことができるからです。量的な変化。 **AI 起業家精神の波は、数か月以内に当社の Web3 にも移りました。シリコンバレーのWeb2側はうまくいっておらず、さまざまな資本のFomo、さまざまな均質化スキームが価格競争を始めており、さまざまな大手メーカーと大型モデルが互いに競争しています...
ただし、AI も半年以上の爆発的な成長を経て比較的ボトルネックの時期に入っていることにも注意が必要です。たとえば、Google の AI に対する検索関心は崖から落ち、Chatgpt ユーザーの増加率は急激に鈍化し、 AI の出力にはある程度のランダム性があり、セクシュアリティによって多くの着陸シナリオが制限されます... 全体として、私たちは伝説的な「AGI (汎用人工知能)」からはまだ非常に遠いところにあります。
現在、シリコンバレーのベンチャーキャピタル界は、AI の次の開発に関していくつかの判断を下しています。
垂直モデルは存在せず、大規模モデル + 垂直アプリケーションのみ (Web3+AI について話すときに後述します)
携帯電話などのエッジデバイス上のデータが障壁となる可能性もあるが、エッジデバイスに基づく AI はチャンスにもなる可能性がある
Context の長さは将来的に質的な変化をもたらす可能性がある (現在ベクトルデータベースは AI のメモリとして使用されていますが、Context の長さはまだ十分ではありません)
02 Web3+AI
「AI と Web3 は実際にはまったく異なる分野です。AI は集中的な計算能力とトレーニング用の大量のデータを必要とし、非常に集中化されています。Web3 は分散化に重点を置いているため、組み合わせるのはそれほど簡単ではありません。AI が生産性と生産性を変えるという議論ブロックチェーンの変化 生産関係は人々の心に深く根付いているため、その接合点を見つけようとする人々は常に存在する 過去 2 か月で、私たちは少なくとも 10 の AI プロジェクトについて話し合いました。
新しい統合トラックについて話す前に、FET や AGIX に代表される、基本的にプラットフォームベースの古い AI + Web3 プロジェクトについて話しましょう。なんというか、中国のAI専門の友人がこんなことを言っていました、「昔AIをやった人は今は基本的に役に立たない。Web2でもWeb3でも、多くはむしろお荷物になっている」 「その方向性と将来性はまさに OpenAI です。この Transformer ベースの大型モデル、大型モデルが AI を救う」を実際に体験していただけます。
したがって、汎用プラットフォーム型は、彼が楽観視している Web3+AI モデルではありません。私が話した 10 以上のプロジェクトには、この側面はありませんでした。これまで私が見てきたのは、基本的に次のような流れです。
ボット/エージェント/アシスタント モデルのアセット化
コンピューティングプラットフォーム
データプラットフォーム
生成型 AI
Defi取引/監査/リスク管理
6.ZKML
1. ボット/エージェント/アシスタント モデルの資産化
**ボット/エージェント/アシスタントのアセット化は最も話題になっているトラックであり、最も均一化されたトラックです。 **簡単に言うと、これらのプロジェクトのほとんどは OpenAI を最下層として使用し、TTS (Text to Speech) などの他のオープンソース/自社開発の技術的手段と連携し、特定のデータを追加します。FineTune はいくつかの機能を備えています。特定の分野 ChatGPT よりも優れたボット」。
例えば、英語を教えてくれる美人講師を育成したり、アメリカ訛りかロンドン訛りかを選択したり、性格や雑談スタイルも調整できるなど、機械的で公式的な回答と比べて、 ChatGPT を使用すると、インタラクティブなエクスペリエンスが向上します。サークルの先頭にはバーチャル彼氏 DAPP や、その代表ともいえる Web3 女性向けゲーム HIM がある。
**このアイデアから出発すると、理論的には多数のボット/エージェントにサービスを提供させることができます。 **たとえば、煮魚を作りたい場合は、この分野の Fine Tune 専用の料理ボットが教えてくれる場合があります。提供される回答は ChatGPT よりも専門的です。旅行したい場合は、トラベル ボットもあります。アシスタント ボットを使用して旅行の提案や計画を提供したり、プロジェクトの当事者である場合は、コミュニティの質問に答えるのに役立つ Discord カスタマー サービス ロボットを入手したりできます。
**この種の「GPT ベースの垂直アプリケーション」Bot を実行することに加えて、Bot が「モデル資産化」と見なされるなど、これに基づく派生プロジェクトもあります。 **これは、NFT の「小さな画像の大文字化」に少し似ています。AI で人気のあるプロンプトも大文字にすることができますか? たとえば、MidJourney の異なるプロンプトは異なる画像を生成でき、ボットのトレーニング時に異なるプロンプトは異なる結果をもたらします。したがって、Promotet 自体に価値があり、資産化することができます。
この種のボットをベースにしたポータルのインデックス作成や検索などのプロジェクトもありますが、何千ものボットがある場合、どのようにして最適なボットを見つけるのでしょうか?おそらくその時には、「場所を見つける」ために Hao123 のような Web2 ワールド ポータル、または Google のような検索エンジンが必要になるでしょう。
私の個人的な意見では、ボット (モデル) の資産化には、現段階では 2 つの欠点と 2 つの方向性があります。
1) デメリット
欠点 1 - これはユーザーにとって最も理解しやすい AI + web3 トラックであり、少しユーティリティ属性を備えた NFT に似ているため、均質化が深刻すぎます。したがって、現在のプライマリー市場はレッドシー傾向を示し始めており、巻き上げられていますが、最下層はすべてOpenAIであるため、実際には誰もが技術的な障壁がなく、設計と運用のみで競争できます。
欠点2 - スターバックスのメンバーシップカードのNFTチェーンのようなものは、輪から抜け出すための良い試みではありますが、ほとんどのユーザーにとって、物理的または電子的なメンバーシップカードほど便利ではない可能性があります。 Web3 ベースのボットにもこの問題はありますが、ロボットと英語を学習したり、マスクやソクラテスとチャットしたりしたい場合は、Web2 を直接使用するのが良いのではないでしょうか?
2) 方向
方向性 1 - 近期+中期であり、モデルの連鎖はアイデアかもしれません。現時点では、これらのモデルは小さなETH NFTピクチャの意味を持ち、メタデータは主に純粋なオンチェーンではなくオフチェーンサーバーまたはIPFSを指します。通常、モデルのサイズは数十メガバイトから数百メガバイトであり、サーバー上にスローする必要があります。
しかし、最近のストレージ価格の急速な下落 (2TB SSD 500 RMB) と、Filecoin FVM や ETH Storage などのストレージ プロジェクトの進歩により、100 メガバイトのモデルをチェーンにアップロードするのは難しくないと思います。今後2、3年。
チェーン店に行くメリットは何なのかと疑問に思うかもしれません。モデルがオンチェーンになると、他のコントラクトから直接呼び出すことができます。これはより暗号ネイティブであり、より多くのトリックが必要です。すべてのデータがネイティブであるため、完全なオンチェーン ゲームの感覚があります。チェーン。現在、いくつかのチームがこの分野を模索していることがわかりますが、もちろんまだ非常に初期の状態です。
方向性 2 - 中期 + 長期 スマートコントラクトを真剣に考えるなら、最も適しているのは人間とコンピュータの相互作用ではなく、「機械とコンピュータの相互作用」です AI には AutoGPT という概念が存在します。 「仮想アバター」または「仮想アシスタント」は、あなたとチャットできるだけでなく、航空券、ホテルの予約、ドメイン名の購入、Web サイトの構築など、要件に応じたタスクの実行を支援します...
AI アシスタントはさまざまな銀行口座や Alipay などの操作に便利だと思いますか、それともブロックチェーン アドレス全体への送金に便利だと思いますか?答えは明らかです。では、将来的には、AutoGPT のような AI アシスタントが多数統合され、さまざまなタスク シナリオで C2C、B2C、さらには B2B の支払いや決済をブロックチェーンやスマート コントラクトを通じて自動的に実行できるようになるのでしょうか?当時、Web2 と Web3 の境界は非常に曖昧になってきました。
2. コンピューティング プラットフォーム
コンピューティング パワー プラットフォームのプロジェクトはボット モデルほど多くの資産はありませんが、比較的理解しやすいです。AI には多くのコンピューティング パワーが必要であることは誰もが知っており、BTC と ETH はそのような手法が存在することを証明しています。過去 10 年間の世界では、経済的インセンティブとゲームの環境で自発的、分散化され、** 巨大なコンピューティング パワーを組織して調整し、1 つのことを行うために協力および競争することができました。このアプローチは AI にも適用できるようになりました。
業界で最も有名なプロジェクトは間違いなくTogetterとGensynの2社で、1つのシードラウンドは1,000万レベルの資金調達で、もう1つはAラウンドの4,300万レベルの資金調達であり、なぜこの2社がこれほどの資金を調達しなければならないのかと言われています。独自のモデルをトレーニングすると、それがコンピューティング パワー プラットフォームとして作成され、トレーニングのために他の AI プロジェクトに提供されます。
本質的に、これらのプラットフォームはアイドル状態の GPU の計算能力を集約し、推論を必要とする AI プロジェクトに提供するため、推論を行うコンピューティング パワー プラットフォームへの資金調達額ははるかに少なくなります。RNDR はコンピューティング パワーの集約をレンダリングするためのものであり、これらのプラットフォームは推論計算を実行し、集計を強制します。 しかし、現時点では技術的な閾値は比較的曖昧です。私は、いつか RNDR または Web3 クラウド コンピューティング パワー プラットフォームが推論コンピューティング パワー プラットフォームにまで足を伸ばすのではないかとさえ思っています。
コンピューティング パワー プラットフォームの方向性は、モデルの資本化よりも現実的で予測可能です。基本的には需要はあり、1 つまたは 2 つのトップ プロジェクトの軌道が存在します。それは誰がそれを実現できるかによって決まります。現時点で唯一不確かなことは、トレーニングと推論には独自のリーダーがいますか、それともリーダーがトレーニングと推論の両方をカバーします。
3. データプラットフォーム
これは実際には理解するのが難しいことではありません。**AI の最下層は、アルゴリズム (モデル)、計算能力、データという 3 つの要素にすぎないからです。 **
アルゴリズムと計算能力には「分散バージョン」があるため、データが存在しないことは絶対にありません。これは、Qiji Chuangtan の創設者である Lu Qi 博士が AI と Web3 について語るときに最も楽観的な方向でもあります。
Web3 は常にデータのプライバシーと主権を重視しており、データの信頼性と整合性を確保するための ZK などのテクノロジーがあるため、Web3 のオンチェーン データに基づいてトレーニングされた AI は、Web2 オフチェーンでトレーニングされた AI とは異なる必要があります。データ。したがって、この路線は全体としては理にかなったものであり、現状ではサークル内のOceanがこの路線と考えるべきであり、プライマリーマーケットではOceanをベースとしたAIデータ専門マーケットなどのプロジェクトも存在する。
4. 生成 AI
**簡単に言うと、AIを使って絵などを描いて他のシーンに提供することです。 **NFT、ゲーム内マップ生成、NPC 背景生成など。 AI生成の希少性が十分ではなく、Gamefiという手段があり、プライマリーマーケットで挑戦しているチームがあるため、NFTラインを作るのはより難しいと感じています。
しかし、私は数日前**、Unity (Unreal Engineとともに長年ゲームエンジン市場を占領してきた) も独自のAI生成ツールSentisとMuse**をリリースしたというニュースを見ましたが、これらはまだベータ版です。テスト段階であり、来年正式に発売される予定です。なんというか、Web3 サークルのゲーム AIGC プロジェクトが Unity の次元削減に見舞われそうな予感…。
5. DeFi取引/監査/利回り/リスク管理
これらのカテゴリーではプロジェクトが試みられており、均質化は比較的明らかではありません。
1) DeFi 取引 - これは少し注意が必要です。取引戦略が使いやすい場合でも、より多くの人が使用するにつれて、その戦略は徐々に役に立たなくなり、新しい戦略に切り替える必要があるからです。そこで気になるのがAIトレードロボットの今後の勝率、そして一般トレーダーの中でどの位になるのかということです。
2) 監査 - 目視検査は、既存の一般的な抜け穴を迅速に確認して対処するのに役立ち、これまでに出現したことのない新しい抜け穴や論理的な抜け穴が機能しないようにする必要があります。これは AGI 時代にのみ可能であるはずです。
3) 利回りとリスク管理 - 利回りは理解するのが難しいことではありません。AI インテリジェンスを備えた YFI として想像して、それに資金を投入すると、AI が以下に従ってプラットフォーム ステーキング、グループ LP、およびマイニングを見つけます。あなたのリスク選好鉱山など。リスク管理に関しては、別のプロジェクトを作るのは奇妙に感じられ、プラグインの形でさまざまなローンや同様のDefiプラットフォームを提供する方がメイクセンスを感じます。
6.ZKML
現在のサークルでますます人気が高まっているトラック**。これは、2 つの最も最先端のテクノロジー、1 つはサークル ZK の内側、もう 1 つはサークルの外側である ML (Mechine Learning 機械学習、AI の狭い分野) を組み合わせているためです。フィールド）。 **
理論的に言えば、ZK と組み合わせることで、ML にプライバシー、整合性、正確性を提供できますが、特定の使用シナリオに固執する必要があります。実際、多くのプロジェクト関係者はそれを思いつきず、インフラストラクチャが最初に構築されます... * *現時点で本当に必要とされている唯一のことは、医療分野における一部の機械学習には患者データのプライバシー要件があるということです。チェーン上のゲームの整合性や不正行為防止の物語に関しては、常に問題があると感じます。ちょっとこじつけです。 **
現時点では、このトラックには Modulus Labs、EZKL、Giza などのスター プロジェクトが数件しかなく、いずれも主要市場で注目を集めています。まさか、ZKを理解できる人は世界中に数人しかおらず、ZKとMLを同時に理解できる人材はさらに少ないため、この曲の技術的敷居は他の曲よりもはるかに高く、均一性が比較的低いことは明らかです。最後に、ZKML は主に推論用であり、トレーニング用ではありません。