AI yang paling populer saat ini dianggap sebagai titik kunci dan inti dari revolusi industri keempat, dan konsep yang sedang hangat di dunia teknologi adalah Web3, yang dianggap sebagai inti utama dari Internet generasi berikutnya.
AI dan Web3 adalah dua konsep besar yang akan memicu revolusi teknologi. Jika keduanya digabungkan dengan kuat, "kejutan" seperti apa yang mungkin akan mereka berikan kepada kita?
01 Mari kita bahas tentang AI itu sendiri terlebih dahulu
Industri AI sebenarnya sedang mengalami kemunduran. Semua orang tahu Yilong, pendiri Near, kan? Orang ini sebenarnya pernah melakukan AI. Dia adalah kontributor kode utama TensorFlow (kerangka pembelajaran mesin paling populer). Semua orang berspekulasi bahwa dia datang untuk melakukan Web3 karena dia tidak melihat harapan dalam AI (pembelajaran mesin sebelum model besar).
Alhasil, industri ini akhirnya menghadirkan ChatGpt3.5 pada akhir tahun lalu, dan tiba-tiba industri tersebut hidup kembali, karena kali ini benar-benar dapat dianggap sebagai perubahan kualitatif, bukan gelombang hype dan perubahan kuantitatif sebelumnya. . Dalam beberapa bulan, gelombang kewirausahaan AI juga telah mencapai Web3 kami. Sisi Web2 Silicon Valley sedang berjuang. Berbagai FOMO modal, berbagai solusi homogen mulai bersaing dalam perang harga, dan berbagai produsen besar dan model besar melakukan PKing...
Namun, perlu dicatat bahwa AI telah memasuki periode hambatan relatif setelah pertumbuhan eksplosif selama lebih dari setengah tahun. Misalnya, minat penelusuran Google terhadap AI telah anjlok, pertumbuhan pengguna Chatgpt telah melambat secara signifikan, dan Output AI berada pada tingkat tertentu. keacakan. Jenis kelamin membatasi banyak skenario pendaratan... Singkatnya, kita masih sangat, sangat jauh dari "AGI - Artificial General Intelligence" yang legendaris.
Saat ini, kalangan modal ventura Silicon Valley memiliki penilaian berikut tentang perkembangan AI selanjutnya:
1) Tidak ada model vertikal, yang ada hanya model besar + aplikasi vertikal (kami akan menyebutkannya lagi saat kita membicarakan Web3+AI nanti)
2) Data dari perangkat edge seperti ponsel mungkin menjadi penghalang, dan AI yang berbasis pada perangkat edge juga bisa menjadi peluang.
3) Panjang Konteks dapat menyebabkan perubahan kualitatif di masa depan (database vektor saat ini digunakan sebagai memori AI, namun panjang konteks masih belum cukup)
02Web3+AI
AI dan Web3 sebenarnya adalah dua bidang yang sangat berbeda. AI memerlukan daya komputasi yang terkonsentrasi dan data yang sangat besar untuk pelatihan, yang sangat terpusat. Web3 berfokus pada desentralisasi, sehingga tidak mudah untuk digabungkan produktivitas dan perubahan blockchain hubungan produksi sudah mengakar terlalu dalam di hati masyarakat, sehingga akan selalu ada orang yang mencari titik integrasi tersebut. Dalam dua bulan terakhir, kami telah membahas tidak kurang dari 10 proyek AI.
Sebelum membahas jalur kombinasi baru, mari kita bahas proyek AI+Web3 lama. Proyek tersebut pada dasarnya berbasis platform, diwakili oleh FET dan AGIX. Bagaimana saya harus mengatakannya? Ini adalah apa yang dikatakan oleh teman-teman saya yang ahli di bidang AI di Tiongkok - "Mereka yang pernah menggunakan AI pada dasarnya tidak berguna sekarang. Terlepas dari Web2 atau Web3, banyak dari mereka yang merupakan beban daripada pengalaman. Arahnya dan masa depan seperti OpenAI Model besar semacam ini berdasarkan Transformer, "model besar menghemat AI", produk Anda sendiri.
Oleh karena itu, jenis platform universal bukanlah model Web3+AI yang dia optimistis. Lebih dari 10 proyek yang saya bicarakan tidak memiliki aspek ini. Apa yang saya lihat sejauh ini pada dasarnya adalah jalur berikut:
1. Asetisasi model Bot/Agen/Asisten
2. Platform daya komputasi
3.Platform data
4. AI Generatif
5.Defi perdagangan/audit/pengendalian risiko
6.ZKML
1. Asetisasi model Bot/Agen/Asisten
Asetisasi Bot/Agen/Asisten adalah jalur yang paling banyak dibicarakan, dan merupakan jalur dengan homogenitas paling serius. Sederhananya, sebagian besar proyek ini menggunakan OpenAI sebagai lapisan terbawah, dan bekerja sama dengan sarana teknis open source/yang dikembangkan sendiri, seperti TTS (Text to Speech) dan sejenisnya. Dengan data spesifik, FineTune menghasilkan beberapa "teknologi yang lebih maju daripada ChatGPT di bidang tertentu". "Robot yang lebih baik.
Misalnya, Anda dapat melatih seorang guru cantik untuk mengajari Anda bahasa Inggris. Anda dapat memilih apakah dia memiliki aksen Amerika atau aksen London. Kepribadian dan gaya mengobrolnya juga dapat disesuaikan ChatGPT, pengalaman interaktifnya akan lebih baik. Pada masa-masa awal industri ini, ada pacar virtual DAPP dan game berorientasi wanita Web3 bernama HIM, yang dapat dianggap sebagai perwakilan dari jenis ini.
Berangkat dari ide ini, secara teoritis Anda dapat memiliki banyak Bot/Agen yang melayani Anda. Misalnya, jika Anda ingin memasak ikan rebus, mungkin ada Bot Memasak bernama Fine Tune yang berspesialisasi dalam bidang ini untuk mengajari Anda. Jawaban yang diberikan lebih profesional daripada ChatGPT Bot untuk memberi Anda berbagai opsi perjalanan. Untuk saran dan perencanaan, atau jika Anda adalah pengembang proyek, dapatkan robot layanan pelanggan Discord untuk membantu Anda menjawab pertanyaan komunitas.
Selain Bot "aplikasi vertikal berbasis GPT" ini, ada juga proyek turunan berdasarkan ini, seperti "asetisasi model" Bot. Ini seperti "asetisasi gambar kecil" NFT. Bisakah perintah yang populer di AI sekarang juga menggunakan huruf kapital? Misalnya, perintah yang berbeda di MidJourney dapat menghasilkan gambar yang berbeda. Perintah yang berbeda juga akan memiliki efek yang berbeda saat melatih Bot. Promot sendiri juga mempunyai nilai dan dapat dikapitalisasi.
Ada juga proyek seperti pengindeksan portal dan pencarian berdasarkan Bot tersebut. Suatu hari kita akan memiliki ribuan Bot, jadi bagaimana menemukan Bot yang paling cocok untuk Anda? Anda mungkin memerlukan portal seperti Hao123 di dunia Web2, atau mesin pencari seperti Google untuk membantu Anda "memposisikan".
Menurut pendapat pribadi saya, asetisasi Bot (model) memiliki dua kelemahan dan dua arah pada tahap ini:
1) Kekurangan
Kerugian 1- Terlalu banyak homogenitas, karena ini adalah jalur AI+web3 yang paling mudah dipahami pengguna, dan mirip dengan NFT dengan sedikit atribut utilitas. Oleh karena itu, pasar primer saat ini mulai menunjukkan tren samudra merah dan terus meningkat, namun lapisan terbawahnya adalah OpenAI, sehingga semua orang sebenarnya tidak memiliki hambatan teknis dan hanya dapat berjuang untuk desain dan pengoperasian;
Kerugian 2- Terkadang hal-hal seperti rangkaian NFT pada kartu keanggotaan Starbucks, meskipun merupakan upaya yang baik untuk keluar dari lingkaran, mungkin tidak senyaman kartu keanggotaan fisik atau elektronik bagi sebagian besar pengguna. Bot berbasis Web3 juga memiliki masalah ini. Jika saya ingin belajar bahasa Inggris dari robot atau mengobrol dengan Musk atau Socrates, bukankah lebih baik menggunakan http://Character.AI Web2 saja?
2) Arah
Arah 1- adalah jangka pendek + menengah, model on-chain mungkin bisa menjadi ide. Saat ini, model ini agak mirip dengan gambar kecil ETH NFT. Sebagian besar MetaData menunjuk ke server off-chain atau IPFS, bukan murni on-chain. Model biasanya berukuran puluhan hingga ratusan megabita, dan harus dimasukkan ke server.
Namun, dengan penurunan harga penyimpanan yang cepat baru-baru ini (SSD 2TB berharga 500 RMB), dan kemajuan proyek penyimpanan seperti Filecoin FVM dan ETH Storage, saya yakin tidak akan sulit untuk meluncurkan model level 100M pada rantai tersebut di dua hingga tiga tahun ke depan.
Anda mungkin bertanya apa manfaat dari berkelok-kelok? Begitu modelnya on-chain, bisa langsung dipanggil dengan kontrak lain. Ini lebih Crypto Native, dan pastinya ada lebih banyak trik yang bisa dimainkan. Ini memiliki sedikit nuansa visual seperti Game Sepenuhnya Onchain, karena semuanya data adalah asli dari rantai. Saat ini kami melihat sudah ada tim yang menjajaki aspek tersebut, namun tentunya masih dalam tahap yang sangat awal.
Arah 2- adalah jangka menengah + panjang. Jika Anda memikirkan kontrak pintar dengan serius, sebenarnya yang paling cocok bukanlah interaksi manusia-komputer, tetapi "interaksi mesin-komputer". milik Anda "Avatar virtual" atau "asisten virtual" tidak hanya dapat mengobrol dengan Anda, tetapi juga membantu Anda melakukan tugas sesuai kebutuhan Anda, seperti membantu Anda memesan penerbangan, hotel, membeli nama domain, dan membangun situs web...
Apakah menurut Anda asisten AI lebih nyaman untuk mengoperasikan berbagai rekening bank Anda, Alipay, dll., atau lebih nyaman untuk mentransfer dana dari seluruh alamat blockchain? Jawabannya jelas. Jadi di masa depan, apakah akan ada banyak asisten AI terintegrasi seperti AutoGPT yang dapat secara otomatis melakukan pembayaran dan penyelesaian C2C, B2C, dan bahkan B2B melalui blockchain dan kontrak pintar dalam berbagai skenario tugas? Saat itu, batasan antara Web2 dan Web3 menjadi sangat kabur.
2. Platform daya komputasi
Proyek platform daya komputasi tidak memiliki aset sebanyak model Bot, namun relatif lebih mudah dipahami. Semua orang tahu bahwa AI memerlukan banyak daya komputasi, dan BTC dan ETH telah membuktikannya dalam 10 tahun terakhir adalah metode yang ada di dunia. Secara spontan, terdesentralisasi, dalam lingkungan insentif dan permainan ekonomi, metode ini mengatur dan mengoordinasikan kekuatan komputasi yang sangat besar untuk bekerja sama dan bersaing dalam melakukan satu hal. Cara ini kini bisa diterapkan pada AI.
Dua proyek paling terkenal di industri ini tidak diragukan lagi adalah Together dan Gensyn. Satu putaran awal mengumpulkan puluhan juta dolar, dan putaran lainnya mengumpulkan 43 juta di Seri A. Dikatakan bahwa alasan mengapa kedua proyek ini mengumpulkan begitu banyak uang adalah karena mereka membutuhkan dana dan daya komputasi terlebih dahulu. Latih model Anda sendiri, lalu model tersebut akan dibuat menjadi platform komputasi dan diberikan kepada proyek AI lainnya untuk pelatihan.
Jumlah pembiayaan platform daya komputasi untuk inferensi akan relatif kecil, karena pada dasarnya platform tersebut mengumpulkan GPU yang menganggur dan daya komputasi lainnya dan menyediakannya untuk proyek AI yang membutuhkan inferensi pengumpulan. Namun batasan teknis saat ini relatif tidak jelas, dan saya bahkan bertanya-tanya apakah suatu hari nanti RNDR atau platform komputasi awan Web3 akan memiliki pijakan di platform komputasi inferensi.
Arah platform daya komputasi lebih praktis dan dapat diprediksi daripada kapitalisasi model. Pada dasarnya pasti akan ada permintaan dan akan ada satu atau dua proyek unggulan. Itu tergantung siapa yang bisa berhasil dan penalaran memiliki pemimpinnya sendiri, atau apakah pemimpin tersebut mencakup pelatihan dan penalaran?
3.Platform data
Hal ini sebenarnya tidak sulit untuk dipahami, karena lapisan terbawah AI hanyalah tiga hal utama: algoritma (model), daya komputasi, dan data.
Karena ada "versi terdesentralisasi" dari algoritma dan daya komputasi, data pasti tidak akan hilang. Ini juga merupakan arah yang paling optimis ketika berbicara tentang AI dan Web3 oleh Dr. Lu Qi, pendiri Qiji Chuangtan.
Web3 selalu menekankan privasi dan kedaulatan data, dan juga memiliki teknologi seperti ZK untuk memastikan keandalan dan integritas data. Oleh karena itu, AI yang dilatih berdasarkan data on-chain Web3 harus berbeda dari yang dilatih pada data off-chain Web2. . Oleh karena itu, secara keseluruhan Masuk Akal dari jalur ini, Ocean harus dianggap sebagai jalur ini dalam lingkaran saat ini, dan pasar primer juga telah melihat proyek-proyek seperti pasar data AI khusus berdasarkan Ocean.
4. AI Generatif
Sederhananya, ini menggunakan lukisan AI, atau kreasi serupa, untuk melayani skenario lain. Misalnya membuat NFT, atau pembuatan peta dalam game, pembuatan latar belakang NPC, dll. Saya merasa lebih sulit melakukan NFT karena kelangkaan yang dihasilkan oleh AI saja tidak cukup. Gamefi adalah salah satu caranya, dan ada juga tim yang mencobanya di pasar perdana.
Namun, saya melihat berita beberapa hari yang lalu bahwa Unity (yang telah mendominasi pasar mesin game bersama dengan Unreal Engine selama bertahun-tahun) juga telah merilis alat generasi AI Sentis dan Muse. Mereka masih dalam tahap beta tertutup dan diharapkan akan diluncurkan secara resmi pada tahun depan. Bagaimana saya mengatakannya? Saya merasa proyek game AIGC di lingkaran Web3 mungkin terkena pengurangan dimensi Unity...
5.Transaksi DeFi/audit/Hasil/kontrol risiko
Kami telah melihat proyek-proyek yang mencoba kategori ini, dan homogenitasnya relatif tidak jelas.
1) Perdagangan DeFi - Ini agak rumit, karena jika suatu strategi perdagangan mudah digunakan, karena semakin banyak orang yang menggunakannya, strategi tersebut mungkin secara bertahap menjadi kurang berguna dan Anda perlu beralih ke strategi baru. Lalu saya penasaran dengan tingkat kemenangan robot trading AI di masa depan dan berapa peringkatnya di kalangan trader biasa.
2) Audit - Inspeksi visual harus dapat membantu meninjau dan menangani kerentanan umum yang ada dengan cepat. Kerentanan baru atau logis yang belum pernah muncul sebelumnya seharusnya tidak dapat dilakukan.
3) Pengendalian hasil dan risiko - Hasil tidak sulit untuk dipahami, Anda cukup membayangkannya sebagai YFI dengan kecerdasan AI, mengeluarkan uang ke dalamnya, dan AI akan menemukan platform untuk staking, LP grup, penambangan, dll. sesuai dengan preferensi risiko Anda. Sedangkan untuk pengendalian risiko, rasanya aneh menjadikannya proyek tersendiri. Rasanya lebih Masuk Akal untuk melayani berbagai pinjaman atau platform Defi serupa dalam bentuk plug-in.
6.ZKML
Sebuah jalur yang menjadi semakin populer di industri karena menggabungkan dua teknologi paling mutakhir, ZK di dalam industri dan ML (Mechine Learning, cabang sempit bidang AI) di luar industri.
Secara teoritis, kombinasi dengan ZK dapat memberikan ML privasi, kelengkapan, dan akurasi, tetapi Anda harus mengatakan skenario penggunaan spesifik apa yang ada. Faktanya, banyak pihak proyek tidak dapat memikirkannya. Infrastruktur akan dibangun terlebih dahulu... Saat ini Satu-satunya hal yang benar-benar dibutuhkan adalah pembelajaran mesin di beberapa bidang medis memang memiliki persyaratan privasi untuk data pasien. Adapun narasi tentang integritas permainan on-chain atau anti-kecurangan, selalu terasa agak tidak masuk akal.
Saat ini, hanya ada beberapa proyek unggulan di jalur ini, seperti Modulus Labs, EZKL, Giza, dll., yang semuanya populer di pasar perdana. Tidak mungkin, karena hanya sedikit orang di dunia yang memahami ZK, dan bahkan lebih sedikit lagi orang yang memahami ZK dan juga memahami ML. Oleh karena itu, ambang batas teknis jalur ini jauh lebih tinggi daripada bidang lain, dan homogenitasnya relatif rendah dengan jelas. Terakhir, ZKML sebagian besar ditujukan untuk inferensi, bukan pelatihan.