Die derzeit beliebteste KI gilt als Schlüsselpunkt und Kern der vierten industriellen Revolution, und ein heißes Konzept in der Technologiewelt ist Web3, das als Schlüsselkern des Internets der nächsten Generation gilt.

KI und Web3 sind zwei wichtige Konzepte, die eine technologische Revolution auslösen werden. Welche „Überraschungen“ könnten sie uns bringen, wenn sie wirkungsvoll kombiniert werden?

01 Lassen Sie uns zunächst über die KI selbst sprechen

Die KI-Branche wird tatsächlich rückläufig sein. Jeder kennt Yilong, den Gründer von Near, oder? Dieser Typ hat früher tatsächlich KI gemacht. Er ist der Hauptcode-Mitwirkende von TensorFlow (dem beliebtesten Framework für maschinelles Lernen). Alle spekulieren, dass er sich für Web3 entschieden hat, weil er in der KI (maschinelles Lernen vor großen Modellen) keine Hoffnung sah.

Infolgedessen führte die Branche Ende letzten Jahres endlich ChatGpt3.5 ein, und plötzlich war die Branche wieder lebendig, denn dieses Mal kann man es wirklich als qualitative Veränderung betrachten und nicht als die vorherigen Wellen von Hype und quantitativen Veränderungen . Innerhalb weniger Monate hat die Welle des KI-Unternehmertums auch unser Web3 erreicht. Die Web2-Seite des Silicon Valley hat zu kämpfen. Verschiedene Kapital-FOMOs, verschiedene homogene Lösungen haben begonnen, im Preiskampf zu konkurrieren, und verschiedene große Hersteller und große Modelle sind PKing ...

Es ist jedoch zu beachten, dass die KI nach mehr als einem halben Jahr explosiven Wachstums auch in eine Phase relativer Engpässe geraten ist. Beispielsweise ist das Suchinteresse von Google an KI stark zurückgegangen, das Wachstum der Chatgpt-Benutzer hat sich erheblich verlangsamt und die KI-Ausgabe hat einen gewissen Rückgang verzeichnet Grad der Zufälligkeit begrenzt viele Landungsszenarien... Kurz gesagt, wir sind noch sehr, sehr weit von der legendären „AGI – Künstliche Allgemeine Intelligenz“ entfernt.

Derzeit hat der Risikokapitalkreis des Silicon Valley folgende Urteile über die nächste Entwicklung der KI:

1) Es gibt kein vertikales Modell, nur großes Modell + vertikale Anwendung (wir werden es später noch einmal erwähnen, wenn wir über Web3 + KI sprechen)

2) Daten von Edge-Geräten wie Mobiltelefonen können ein Hindernis darstellen, und auf Edge-Geräten basierende KI kann auch eine Chance sein.

3) Die Länge des Kontexts kann in Zukunft zu qualitativen Änderungen führen (Vektordatenbanken werden derzeit als KI-Speicher verwendet, aber die Kontextlänge reicht immer noch nicht aus).

02Web3+KI

KI und Web3 sind eigentlich zwei völlig unterschiedliche Bereiche. Für das Training sind konzentrierte Rechenleistung und große Datenmengen erforderlich. Web3 konzentriert sich auf die Dezentralisierung und ist daher nicht so einfach zu kombinieren Produktivität und Blockchain verändern die Produktionsbeziehungen zu tief in den Herzen der Menschen, daher wird es immer Menschen geben, die nach diesem Integrationspunkt suchen. In den letzten zwei Monaten haben wir nicht weniger als 10 KI-Projekte besprochen.

Bevor wir über den neuen Kombinationspfad sprechen, sprechen wir über die alten AI+Web3-Projekte. Sie sind grundsätzlich plattformbasiert und werden durch FET und AGIX repräsentiert. Wie soll ich es ausdrücken? Das haben mir meine Freunde gesagt, die in China Profis im Bereich KI sind: „Diejenigen, die früher KI gemacht haben, sind jetzt im Grunde nutzlos. Unabhängig von Web2 oder Web3 sind viele von ihnen eher Gepäck als Erfahrung. Die Richtung.“ und Zukunft sind wie OpenAI. Diese Art von großen Modellen basiert auf Transformer, „Großes Modell spart KI“, Ihr eigenes Produkt.

Daher ist der universelle Plattformtyp nicht das Web3+KI-Modell, von dem er optimistisch ist. Die mehr als 10 Projekte, über die ich gesprochen habe, haben diesen Aspekt im Wesentlichen nicht.

1. Bot-/Agent-/Assistent-Modell-Assetisierung

2. Rechenleistungsplattform

3. Datenplattform

4. Generative KI

5.Defi-Handel/Audit/Risikokontrolle

6.ZKML

1. Bot-/Agent-/Assistent-Modell-Assetisierung

Die Assetisierung von Bot/Agent/Assistent ist der Track, über den am meisten gesprochen wird, und es ist der Track mit der größten Homogenität. Um es einfach auszudrücken: Die meisten dieser Projekte verwenden OpenAI als unterste Ebene und arbeiten mit anderen Open-Source-/selbstentwickelten technischen Mitteln wie TTS (Text to Speech) und dergleichen zusammen. Mit spezifischen Daten liefert FineTune einige „Fortgeschrittenere Technologien als ChatGPT in einem bestimmten Bereich“.

Sie können beispielsweise eine schöne Lehrerin ausbilden, die Ihnen Englisch beibringt. Sie können wählen, ob sie einen amerikanischen oder einen Londoner Akzent hat. Auf diese Weise können Sie auch die eher mechanischen und offiziellen Antworten anpassen ChatGPT, das interaktive Erlebnis wird besser. In den Anfängen der Branche gab es ein virtuelles Freund-DAPP- und Web3-Frauenspiel namens HIM, das als Vertreter dieser Art angesehen werden kann.

Ausgehend von dieser Idee können Sie theoretisch viele Bots/Agenten haben, die Sie bedienen. Wenn Sie beispielsweise gekochten Fisch kochen möchten, gibt es möglicherweise einen Kochbot namens Fine Tune, der sich auf dieses Gebiet spezialisiert hat. Die Antworten sind professioneller als bei ChatGPT. Wenn Sie reisen möchten, gibt es auch einen Reiseassistenten Bot, der Ihnen verschiedene Reiseoptionen bietet, oder wenn Sie ein Projektentwickler sind, holen Sie sich einen Discord-Kundendienstroboter, der Ihnen bei der Beantwortung von Community-Fragen hilft.

Neben diesem „GPT-basierten vertikalen Anwendungs“-Bot gibt es auch darauf basierende abgeleitete Projekte, wie beispielsweise die „Modell-Assetisierung“ von Bot. Es ist ein bisschen wie die „Assetisierung kleiner Bilder“. Können die in der KI beliebten Eingabeaufforderungen jetzt auch unterschiedliche Bilder generieren? Unterschiedliche Eingabeaufforderungen haben daher auch unterschiedliche Auswirkungen. Auch Promopt selbst hat einen Wert und kann aktiviert werden.

Es gibt auch Projekte wie Portalindizierung und -suche, die auf solchen Bots basieren. Eines Tages werden wir Tausende von Bots haben. Wie findet man also den für Sie am besten geeigneten Bot? Vielleicht benötigen Sie ein Portal wie Hao123 in der Web2-Welt oder eine Suchmaschine wie Google, die Ihnen bei der „Positionierung“ hilft.

Meiner persönlichen Meinung nach hat die Bot-(Modell-)Assetisierung in dieser Phase zwei Nachteile und zwei Richtungen:

1) Nachteile

Nachteil 1 – Zu viel Homogenität, da dies der AI+web3-Track ist, der für Benutzer am einfachsten zu verstehen ist und ein bisschen wie NFT mit einem kleinen Nutzenattribut ist. Daher zeigt der Primärmarkt derzeit einen Trend zum Roten Ozean und rollt heran, aber die unterste Ebene ist OpenAI, sodass jeder tatsächlich keine technischen Barrieren hat und nur um Design und Betrieb kämpfen kann;

Nachteil 2 – Manchmal sind Dinge wie die NFT-Verkettung von Starbucks-Mitgliedskarten für die meisten Benutzer möglicherweise nicht so praktisch wie eine physische oder elektronische Mitgliedskarte, obwohl dies ein guter Versuch ist, aus dem Kreis herauszukommen. Auch Bots, die auf Web3 basieren, haben dieses Problem. Wenn ich vom Roboter Englisch lernen oder mit Musk oder Sokrates chatten möchte, wäre es dann nicht schön, einfach http://Character.AI von Web2 zu verwenden?

2) Richtung

Richtung 1 – ist kurz- und mittelfristig, ein On-Chain-Modell könnte eine Idee sein. Derzeit ähneln diese Modelle in gewisser Weise den kleinen ETH-NFT-Bildern. Die meisten Metadaten verweisen auf Off-Chain-Server oder IPFS und nicht auf reine On-Chain-Server. Modelle haben normalerweise eine Größe von mehreren zehn bis mehreren Hundert Megabyte und müssen auf den Server geworfen werden.

Angesichts des jüngsten rapiden Rückgangs der Speicherpreise (2 TB SSD kostet 500 RMB) und der Weiterentwicklung von Speicherprojekten wie Filecoin FVM und ETH Storage glaube ich jedoch, dass es nicht schwierig sein wird, ein 100-M-Level-Modell in der Kette einzuführen die nächsten zwei bis drei Jahre.

Sie fragen sich vielleicht, welche Vorteile das Wickeln hat? Sobald das Modell in der Kette ist, kann es direkt von anderen Verträgen aufgerufen werden. Es ist eher Crypto Native und es gibt definitiv mehr Tricks, die gespielt werden können. Es hat ein bisschen ein visuelles Gefühl wie ein Fully Onchain-Spiel, weil alles Daten sind nativ in der Kette. Derzeit sehen wir, dass es Teams gibt, die diesen Aspekt untersuchen, aber natürlich befindet er sich noch in einem sehr frühen Stadium.

Richtung 2: Wenn Sie ernsthaft über intelligente Verträge nachdenken, ist nicht die Mensch-Computer-Interaktion, sondern die „Maschine-Computer-Interaktion“ das Konzept von AutoGPT Ihr „virtueller Avatar“ oder „virtueller Assistent“ kann nicht nur mit Ihnen chatten, sondern Ihnen auch dabei helfen, Aufgaben gemäß Ihren Anforderungen auszuführen, z. B. bei der Buchung von Flügen und Hotels, beim Kauf von Domainnamen und beim Erstellen von Websites ...

Glauben Sie, dass der KI-Assistent für die Verwaltung Ihrer verschiedenen Bankkonten, Alipay usw. bequemer ist, oder ist er bequemer für die Überweisung von Geldern von einer gesamten Blockchain-Adresse? Die Antwort liegt auf der Hand. Wird es also in Zukunft eine Reihe integrierter KI-Assistenten wie AutoGPT geben, die automatisch C2C-, B2C- und sogar B2B-Zahlungen und -Abrechnungen über Blockchain und Smart Contracts in verschiedenen Aufgabenszenarien durchführen können? Zu dieser Zeit verschwimmte die Grenze zwischen Web2 und Web3 sehr.

2. Rechenleistungsplattform

Die Projekte der Rechenleistungsplattform verfügen nicht über so viele Assets wie das Bot-Modell, sind aber relativ einfacher zu verstehen. Jeder weiß, dass KI viel Rechenleistung erfordert, und BTC und ETH haben dies in den letzten 10 Jahren bewiesen Es gibt eine solche Methode auf der Welt, die spontan, dezentral, in einem Umfeld wirtschaftlicher Anreize und Spiele, riesige Rechenleistung organisiert und koordiniert, um zusammenzuarbeiten und zu konkurrieren, um etwas zu tun. Diese Methode kann nun auf KI angewendet werden.

Die beiden berühmtesten Projekte der Branche sind zweifellos Together und Gensyn. Eine Seed-Runde brachte Dutzende Millionen Dollar ein, die andere brachte 43 Millionen Dollar in der Serie A ein. Es wird gesagt, dass der Grund, warum diese beiden Projekte so viel Geld einbrachten, darin liegt Sie benötigen zunächst Geld und Rechenleistung, um Ihr eigenes Modell zu trainieren. Anschließend wird es in eine Computerplattform umgewandelt und anderen KI-Projekten zum Training zur Verfügung gestellt.

Der Finanzierungsbetrag von Rechenleistungsplattformen für Inferenz wird relativ gering sein, da sie im Wesentlichen ungenutzte GPU- und andere Rechenleistung bündeln und diese für RNDR-Aggregate zur Verfügung stellen, die Rechenleistung liefern, und diese Plattformen Inferenzberechnungen durchführen Anhäufung. Aber die technischen Schwellenwerte sind derzeit relativ vage, und ich frage mich sogar, ob RNDR oder die Web3-Cloud-Computing-Plattform eines Tages einen Fuß in der Inferenz-Computing-Plattform haben werden.

Die Richtung der Rechenleistungsplattform ist praktischer und vorhersehbarer als die Modellkapitalisierung. Es ist grundsätzlich sicher, dass es ein oder zwei führende Projekte geben wird. Es hängt davon ab, wer derzeit erfolgreich sein kann und Argumentation haben ihre eigenen Leiter, oder umfasst der Leiter sowohl Schulung als auch Argumentation?

3. Datenplattform

Das ist eigentlich nicht schwer zu verstehen, denn die unterste Schicht der KI besteht einfach aus drei großen Dingen: Algorithmus (Modell), Rechenleistung und Daten.

Da es „dezentrale Versionen“ von Algorithmen und Rechenleistung gibt, werden Daten sicherlich nicht fehlen. Dies ist auch die Richtung, in die Dr. Lu Qi, der Gründer von Qiji Chuangtan, am optimistischsten ist, wenn er über KI und Web3 spricht.

Web3 legt seit jeher Wert auf Datenschutz und Souveränität und verfügt auch über Technologien wie ZK, um die Datenzuverlässigkeit und -integrität sicherzustellen. Daher muss sich die auf den On-Chain-Daten von Web3 trainierte KI von der auf den Off-Chain-Daten von Web2 trainierten KI unterscheiden . Daher sollte Ocean im Hinblick auf den Gesamtsinn dieser Linie als dieser Track im aktuellen Kreis angesehen werden, und auf dem Primärmarkt wurden auch Projekte wie spezialisierte KI-Datenmärkte auf Basis von Ocean gesehen.

4. Generative KI

Einfach ausgedrückt geht es darum, KI-Malerei oder ähnliche Kreationen zu verwenden, um andere Szenarien zu bedienen. Zum Beispiel die Erstellung von NFT oder die Generierung von Karten im Spiel, der Generierung von NPC-Hintergrund usw. Ich glaube, dass es schwieriger ist, NFT zu machen, weil die durch KI erzeugte Knappheit nicht ausreicht und es auch Teams gibt, die es auf dem Primärmarkt versuchen.

Allerdings habe ich vor ein paar Tagen die Nachricht gesehen, dass Unity (das zusammen mit der Unreal Engine seit vielen Jahren den Game-Engine-Markt dominiert) auch seine eigenen KI-Generierungstools Sentis und Muse veröffentlicht hat. Sie befinden sich noch in der geschlossenen Beta-Phase und werden erwartet soll nächstes Jahr offiziell eingeführt werden. Wie soll ich es ausdrücken? Ich habe das Gefühl, dass Spiele-AIGC-Projekte im Web3-Kreis von der Dimensionsreduzierung von Unity betroffen sein könnten ...

5.DeFi-Transaktion/Prüfung/Rendite-/Risikokontrolle

Wir haben Projekte in diesen Kategorien gesehen, die sich ausprobiert haben, und die Homogenität ist relativ nicht offensichtlich.

1) DeFi-Handel – Das ist etwas knifflig, denn wenn eine Handelsstrategie einfach anzuwenden ist, kann es sein, dass die Strategie nach und nach weniger nützlich wird, je mehr Menschen sie nutzen, und Sie auf eine neue Strategie umsteigen müssen. Dann bin ich gespannt auf die zukünftige Gewinnquote des KI-Handelsroboters und welchen Rang er unter normalen Händlern einnehmen wird.

2) Audit – Eine visuelle Inspektion sollte dabei helfen, bestehende häufige Schwachstellen schnell zu überprüfen und zu beheben. Neue oder logische Schwachstellen, die zuvor noch nicht aufgetreten sind, sollten nicht möglich sein.

3) Ertrags- und Risikokontrolle – Ertrag ist nicht schwer zu verstehen. Stellen Sie sich einfach ein YFI mit KI-Intelligenz vor, werfen Sie Geld hinein, und die KI wird basierend darauf die Plattform für Absteckung, Gruppen-LP, Bergbau usw. finden Ihre Risikopräferenz. Was die Risikokontrolle angeht, fühlt es sich seltsam an, daraus ein separates Projekt zu machen. Es erscheint sinnvoller, verschiedene Kredite oder ähnliche Defi-Plattformen in Form von Plug-ins bereitzustellen.

6.ZKML

Ein Kurs, der in der Branche immer beliebter wird, weil er zwei der modernsten Technologien kombiniert, ZK innerhalb der Branche und ML (Mechine Learning, ein enger Zweig des KI-Bereichs) außerhalb der Branche.

Theoretisch kann die Kombination mit ZK ML Privatsphäre, Vollständigkeit und Genauigkeit bieten, aber man muss sagen, welche konkreten Nutzungsszenarien es gibt. Tatsächlich können sich viele Projektparteien nicht vorstellen, dass die Infrastruktur zuerst aufgebaut wird. Derzeit ist das Einzige, was wirklich nötig ist, dass maschinelles Lernen in einigen medizinischen Bereichen Datenschutzanforderungen für Patientendaten hat. Was die Erzählung von On-Chain-Spielintegrität oder Anti-Cheating angeht, fühlt es sich immer etwas weit hergeholt an.

Derzeit gibt es in diesem Bereich nur wenige Starprojekte wie Modulus Labs, EZKL, Giza usw., die alle auf dem Primärmarkt beliebt sind. Auf keinen Fall, denn es gibt nur wenige Menschen auf der Welt, die ZK verstehen, und es gibt noch weniger Menschen, die ZK und auch ML verstehen. Daher ist die technische Schwelle dieses Tracks viel höher als in anderen Bereichen und die Homogenität ist höher relativ gering. Schließlich zielt ZKML hauptsächlich auf Schlussfolgerungen und nicht auf Training ab.