Які конкретні тенденції та можливості AI+Web3 чи одна з гарячих точок наступного раунду зростання ринку?

Автор: Лао Бай, партнер ABCEDE Investment Research

Найпопулярніший штучний інтелект на даний момент вважається ключовим моментом і ядром четвертої промислової революції, а актуальною концепцією в світі технологій є Web3, який вважається ключовим ядром Інтернету наступного покоління.

Штучний інтелект і Web3 – це дві концепції, які спровокують хвилю технологічної революції. Якщо їх можна об’єднати, який «сюрприз» вони нам принесуть?

01 Давайте спочатку поговоримо про ШІ

Індустрія штучного інтелекту насправді буде холодною. Усі знають, що засновник Near, Yilong, правий. Цей хлопець насправді займався штучним інтелектом. Він є головним автором коду TensorFlow (найпопулярніша машина рамка навчання). Усі припускали, що він прийшов, щоб створити Web3, тому що не було надії на AI (машинне навчання до великої моделі).

**Як наслідок, галузь нарешті запровадила ChatGpt3.5 наприкінці минулого року, і галузь раптово знову ожила, тому що цього разу це справді можна розглядати як якісну зміну, а не попередні хвилі ажіотажу та кількісна зміна. **За кілька місяців хвиля підприємництва зі штучним інтелектом також перейшла до нашого Web3. У Кремнієвої долини Web2 не йде добре, різні капітальні Fomo, різні схеми гомогенізації починають конкурувати за цінові війни, а різні великі виробники та великі моделі конкурують між собою...

Однак слід зазначити, що штучний інтелект також увійшов у період відносно вузьких місць після більш ніж піврічного вибуху.Наприклад, пошуковий інтерес Google до штучного інтелекту впав з обриву, темпи зростання користувачів Chatgpt різко сповільнилися, і Вихід ШІ має певний ступінь випадковості. Сексуальність обмежує багато сценаріїв посадки... Загалом, ми все ще дуже, дуже далекі від легендарного "AGI-Загального штучного інтелекту".

Наразі коло венчурного капіталу Кремнієвої долини має кілька суджень щодо наступного розвитку ШІ:

1. Немає вертикальної моделі, тільки велика модель + вертикальне застосування (ми згадаємо про це пізніше, коли будемо говорити про Web3+AI)

2. Дані на периферійних пристроях, таких як мобільні телефони, можуть бути перешкодою, а ШІ на основі периферійних пристроїв також може бути можливістю

3. Довжина контексту може призвести до якісних змін у майбутньому (векторна база даних зараз використовується як пам’ять AI, але довжини контексту все ще недостатньо)

02 Web3+AI

Штучний інтелект і Web3 насправді є двома абсолютно різними сферами. Штучний інтелект вимагає централізованої обчислювальної потужності + масивних даних для навчання, і він дуже централізований. Web3 зосереджується на децентралізації, тому його не так легко поєднати. Розповідь Найхе Аргумент, що ШІ змінює продуктивність і Блокчейн змінює виробничі відносини занадто глибоко вкорінений у серцях людей, тому завжди будуть люди, які намагатимуться знайти цю спільну точку.За останні два місяці ми говорили не менше ніж про 10 проектів ШІ.

Перш ніж говорити про новий комбінований трек, давайте поговоримо про старі проекти AI+Web3, які в основному базуються на платформі, представленій FET і AGIX. Як я маю це сказати, друг, який спеціалізується на штучному інтелекті в Китаї, сказав мені: «У минулому ті, хто займався штучним інтелектом у минулому, зараз практично марні. Чи то Web2, чи то Web3, багато з них є тягарем, а не досвід. Напрямок і майбутнє такі ж, як OpenAI. Ця велика модель на основі Transformer, велика модель заощаджує ШІ", ви можете спробувати самі.

Тому тип платформи загального призначення не є моделлю Web3+AI, щодо якої він оптимістично налаштований. Понад 10 проектів, про які я говорив, не мали цього аспекту. Те, що я бачив досі, це в основному такі треки:

1. Асетизація моделі бота/агента/помічника

2. Обчислювальна платформа

3. Платформа даних

4. Генеративний ШІ

5. Визначення транзакцій/аудит/контроль ризиків

6. ЗКМЛ

1. Асетизація моделі бота/агента/помічника

**Асетизація бота/агента/помічника є треком, про який найбільше говорять, і це трек із найбільшою однорідністю. **Простіше кажучи, більшість із цих проектів використовують OpenAI як нижній рівень, співпрацюють з іншими технічними засобами з відкритим кодом/власно розробленими технічними засобами, такими як TTS (синтез мовлення), і додають певні дані, FineTune пропонує деякі " певне поле. Кращий бот, ніж ChatGPT".

Наприклад, ви можете навчити красиву вчительку, яка викладає вам англійську мову. Ви можете вибрати, чи буде вона мати американський акцент чи лондонський акцент. Її особистість і стиль спілкування також можна змінити. Таким чином, порівняно з більш механічними та офіційними відповідями ChatGPT, інтерактивний досвід стане кращим. У передній частині кола є віртуальний хлопець DAPP і орієнтована на жінок Web3 гра під назвою HIM, яку можна розглядати як представника цього типу.

**Починаючи з цієї ідеї, теоретично ви можете мати багато ботів/агентів, які вас обслуговуватимуть. **Наприклад, якщо ви хочете приготувати варену рибу, у цьому полі може бути кулінарний бот спеціально для Fine Tune, щоб навчити вас. Надані відповіді більш професійні, ніж ChatGPT. Якщо ви хочете подорожувати, також є подорож Бот-помічник, який надасть вам пропозиції щодо подорожей і планування, або, якщо ви учасник проекту, придбайте робота служби підтримки клієнтів Discord, який допоможе вам відповідати на запитання спільноти.

**На додаток до такого роду «вертикальних додатків на основі GPT» бот, існують також похідні проекти, засновані на цьому, наприклад, бот вважається «активом моделі». **Це трохи схоже на «введення маленьких зображень з великої літери» в NFT. Чи можна використовувати підказки, які популярні в штучному інтелекті, також з великої літери? Наприклад, різні підказки в MidJourney можуть створювати різні зображення, а різні підказки матимуть різні результати під час навчання ботів ефект, тому Promotet сам по собі має вартість і може бути капіталізований.

Існують також такі проекти, як індексація порталу та пошук на основі такого роду Ботів. Коли у нас є тисячі Ботів, як знайти найбільш підходящого для вас Бота? Можливо, у той час знадобиться світовий портал Web2, як-от Hao123, або пошукова система, як-от Google, щоб допомогти вам «знайти місцезнаходження».

На мій особистий погляд, активізація ботів (моделей) має два недоліки + два напрямки на цьому етапі:

1) Недоліки

Недолік 1 – Гомогенізація надто серйозна, тому що це найлегший для розуміння трек AI+web3, і він трохи нагадує NFT з невеликим атрибутом Utility. Таким чином, поточний первинний ринок почав демонструвати тенденцію Червоного моря, і він згорнутий, але нижній рівень — це весь OpenAI, тому фактично кожен не має технічних бар’єрів і може конкурувати лише в дизайні та роботі;

Недолік 2. Іноді такі речі, як NFT-ланцюжок членської картки Starbucks, хоча це хороша спроба вийти з кола, але для більшості користувачів вона може бути не такою зручною, як фізична чи електронна членська картка. Боти на базі Web3 також мають цю проблему.Якщо я хочу вивчати англійську з роботом або спілкуватися з Маском чи Сократом, чи не добре для мене використовувати Web2 безпосередньо?

2) Напрямок

Напрямок 1 - Це найближча + середньострокова перспектива, і ланцюжок моделі може бути ідеєю. Наразі ці моделі мають значення невеликих зображень ETH NFT, а MetaData здебільшого вказує на сервери поза ланцюгом або IPFS, а не на чистий ланцюг. Моделі зазвичай мають розмір від десятків до сотень мегабайт, і їх потрібно розмістити на сервері.

Однак, з огляду на недавнє стрімке падіння цін на сховище (2 ТБ SSD 500 юанів) і розвиток проектів зберігання, таких як Filecoin FVM і ETH Storage, я вважаю, що завантажити 100-мегабайтну модель у ланцюжок не повинно бути важко. наступні два-три роки.

Ви можете запитати, які переваги відвідування мережі? Якщо модель включена в ланцюжок, її можна безпосередньо викликати за допомогою інших контрактів. Це більше Crypto Native, і в ній має бути більше трюків. Вона має відчуття повністю ончейн-гри, оскільки всі дані є рідними для ланцюг. Наразі ми бачимо, що деякі команди досліджують цю сферу, звичайно, вона все ще знаходиться на дуже ранній стадії.

Напрямок 2 – середньостроковий + довгостроковий. Якщо ви серйозно думаєте про смарт-контракти, то найбільш підходящою річчю є не взаємодія людини з комп’ютером, а «взаємодія машина-комп’ютер». ШІ тепер має концепцію AutoGPT, Отримайте свій «віртуальний аватар» або «віртуальний помічник», який може не тільки спілкуватися з вами, але й допомагати вам виконувати завдання відповідно до ваших вимог, наприклад, допомагати вам бронювати авіаквитки, готелі, купувати доменні імена та створювати веб-сайти...

Як ви вважаєте, чи зручний помічник AI для роботи з різними банківськими рахунками, Alipay тощо, чи він зручний для переказів на всю адресу блокчейну? Відповідь очевидна. Отже, чи буде в майбутньому купа помічників зі штучним інтелектом, таких як інтегрований AutoGPT, який зможе автоматично здійснювати платежі та розрахунки C2C, B2C і навіть B2B через блокчейн і смарт-контракти в різних сценаріях завдань? У той час межа між Web2 і Web3 стала дуже розмитою.

2. Обчислювальна платформа

Проект платформи обчислювальної потужності не має стільки активів, скільки модель Bot, але його відносно легше зрозуміти.Всі знають, що штучний інтелект потребує великої обчислювальної потужності, а BTC і ETH довели, що такий метод існує в світ за останні 10 років може бути спонтанним, децентралізованим і ** організовувати та координувати величезну обчислювальну потужність у середовищі економічних стимулів та ігор для співпраці + змагання, щоб зробити одну справу. Тепер цей підхід можна застосувати до ШІ.

Двома найвідомішими проектами в галузі, безсумнівно, є Together і Gensyn. Один початковий раунд передбачає фінансування на рівні 10 мільйонів, а інший – фінансування A-раунду на 43 мільйони. Причина, чому цим двом компаніям доводиться залучати стільки грошей, називається бути, тому що їм спочатку потрібен капітал і обчислювальна потужність. Навчіть свою власну модель, а потім її перетворять на платформу обчислювальної потужності та нададуть іншим проектам ШІ для навчання.

Обсяг фінансування платформ обчислювальної потужності, які виконують міркування, буде набагато меншим, оскільки, по суті, вони агрегують обчислювальну потужність незадіяних графічних процесорів і надають її проектам ШІ, які потребують міркування. RNDR призначений для агрегування обчислювальної потужності, і ці платформи виконувати обґрунтовані обчислення. Але технічний поріг на даний момент відносно розпливчастий, і мені навіть цікаво, чи одного разу RNDR або потужна платформа хмарних обчислень Web3 простягнуть свою ногу на платформу логічної обчислювальної потужності.

Напрям платформи обчислювальної потужності більш реалістичний і передбачуваний, ніж капіталізація моделі. В принципі, буде попит і буде трек для одного-двох топових проектів. Залежить від того, хто зможе його вбити. Єдине, що зараз невизначено Чи навчання та міркування мають свого власного керівника, чи лідер охопить і навчання, і міркування.

3. Платформа даних

Насправді це не важко зрозуміти, **оскільки нижній рівень штучного інтелекту складається з трьох речей: алгоритму (моделі), обчислювальної потужності та даних. **

Оскільки існують «децентралізовані версії» алгоритмів і обчислювальної потужності, дані точно не будуть відсутні. Це також найбільш оптимістичний напрямок, коли доктор Лу Ці, засновник Qiji Chuangtan, говорить про ШІ та Web3.

Web3 завжди наголошував на конфіденційності та суверенітеті даних, і існують такі технології, як ZK, які забезпечують надійність і цілісність даних, тому штучний інтелект, навчений на основі даних у ланцюзі Web3, має відрізнятися від того, який навчається на оф-ланцюзі Web2. дані. Тому ця лінія в цілому має сенс.На даний момент цим треком слід вважати Ocean в колі, а також є такі проекти, як спеціальний ринок даних AI на основі Ocean на первинному ринку.

4. Генеративний ШІ

**Простіше кажучи, це використання штучного інтелекту для малювання картин або подібних творінь для обслуговування інших сцен. **Такі як NFT або генерація карти в грі, генерація фону NPC тощо. Я відчуваю, що створити лінію NFT складніше, тому що недостатньо генерації штучного інтелекту, Gamefi — це шлях, і є команди, які намагаються на первинному ринку.

Однак кілька днів тому я побачив новину** про те, що Unity (яка займала ринок ігрових движків протягом багатьох років разом з Unreal Engine) також випустила власні інструменти для створення штучного інтелекту Sentis і Muse**, які все ще знаходяться в бета-версії. стадії тестування та офіційний запуск очікується наступного року. Як це сказати, я відчуваю, що ігрові проекти AIGC у колі Web3 можуть постраждати від зменшення розмірності Unity...

5. Транзакції DeFi/Аудит/Прибутковість/Контроль ризиків

Ці категорії бачили проекти, які пробували, і гомогенізація відносно неочевидна.

1) Торгівля DeFi – це трохи складно, тому що якщо стратегія торгівлі проста у використанні, оскільки більше людей її використовують, стратегія може поступово стати менш корисною, і вам доведеться перейти на нову стратегію. Тоді мені цікаво, який майбутній коефіцієнт виграшу торгового робота зі штучним інтелектом і яке місце він буде займати серед звичайних трейдерів.

2) Аудит. Візуальна перевірка має допомогти швидко переглянути наявні загальні лазівки та впоратися з ними, а нові або логічні лазівки, які раніше не з’являлися, не повинні працювати. Це має бути можливим лише в епоху AGI.

3) Прибутковість і контроль ризиків - Прибутковість неважко зрозуміти, ви можете просто уявити її як YFI з інтелектом AI, кинути в неї гроші, і AI знайде платформу Staking, згрупує LP і майнить відповідно до ваші переваги ризику шахти тощо. Що стосується контролю ризиків, то дивно створювати окремий проект, і більш доцільно обслуговувати різні позики чи подібні платформи Defi у вигляді плагінів.

6.ZKML

Трек, який стає все більш популярним у поточному колі**, оскільки він поєднує дві найсучасніші технології, одну всередині кола ZK, іншу поза колом ML (машинне навчання машинного навчання, вузька гілка штучного інтелекту). поле). **

Теоретично кажучи, поєднання з ZK може забезпечити конфіденційність, цілісність і точність ML, але ви повинні наполягати на конкретних сценаріях використання, насправді багато учасників проекту не можуть цього придумати, і інфраструктура буде побудована спочатку... * *Єдине, що дійсно потрібно на даний момент, це те, що певне машинне навчання в медичній галузі справді має вимоги до конфіденційності даних пацієнтів. Що стосується цілісності ігор у ланцюжку чи розповіді про боротьбу з шахрайством, це завжди відчувається трохи надуманий. **

Зараз на цьому шляху є лише кілька зіркових проектів, таких як Modulus Labs, EZKL, Giza тощо, які є гарячими об’єктами на первинному ринку. Ні в якому разі, тому що в світі одиниці розуміють ZK, а талантів, які розуміють ZK і ML одночасно, ще менше, тому технічний поріг цього треку значно вищий, ніж у інших, і однорідність відносно низька, очевидна. Нарешті, ZKML призначений переважно для висновків, а не для навчання.