AI+Web3 có thể sẽ là một trong những điểm nóng trong thị trường tăng giá tiếp theo. Xu hướng và cơ hội cụ thể là gì?

AI phổ biến nhất hiện nay được coi là điểm mấu chốt và cốt lõi của cuộc cách mạng công nghiệp lần thứ tư, và một khái niệm nóng trong thế giới công nghệ là Web3, được coi là cốt lõi của Internet thế hệ tiếp theo.

AI và Web3 là hai khái niệm lớn sẽ mở đầu cho một cuộc cách mạng công nghệ, nếu kết hợp mạnh mẽ thì chúng có thể mang đến cho chúng ta những “bất ngờ” gì?

01 Trước tiên hãy nói về AI

Ngành công nghiệp AI thực sự đang suy thoái. Mọi người đều biết Yilong, người sáng lập Near, phải không? Anh chàng này thực ra đã từng làm AI. Anh ta là người đóng góp mã chính của TensorFlow (framework học máy phổ biến nhất). Mọi người đồn đoán rằng anh đến làm Web3 vì không thấy hy vọng gì vào AI (machine learning trước các mô hình lớn).

Kết quả là, ngành này cuối cùng đã mở ra ChatGpt3.5 vào cuối năm ngoái, và đột nhiên ngành này sống lại, bởi vì lần này nó thực sự có thể được coi là một sự thay đổi về chất, chứ không phải là những làn sóng cường điệu hóa và thay đổi về số lượng trước đó . Trong vòng vài tháng, làn sóng khởi nghiệp AI cũng đã lan tới Web3 của chúng tôi. Phía Web2 của Thung lũng Silicon đang gặp khó khăn. Nhiều FOMO vốn khác nhau, nhiều giải pháp đồng nhất khác nhau đã bắt đầu cạnh tranh trong cuộc chiến về giá, và nhiều nhà sản xuất lớn và mô hình lớn đang PKing...

Tuy nhiên, cần lưu ý rằng AI đã bước vào giai đoạn thắt cổ chai tương đối sau hơn nửa năm tăng trưởng bùng nổ. Ví dụ: mối quan tâm tìm kiếm của Google đối với AI đã giảm mạnh, tốc độ tăng trưởng người dùng Chatgpt đã chậm lại đáng kể và Đầu ra AI có một mức độ nhất định. tính ngẫu nhiên. Giới tính hạn chế nhiều kịch bản hạ cánh... Nói tóm lại, chúng ta vẫn còn rất rất xa so với "AGI - Trí tuệ tổng hợp nhân tạo" huyền thoại.

Hiện tại, giới đầu tư mạo hiểm ở Thung lũng Silicon có những nhận định sau về sự phát triển tiếp theo của AI:

1) Không có mô hình dọc, chỉ có mô hình lớn + ứng dụng dọc (chúng ta sẽ đề cập lại khi nói về Web3+AI sau)

2) Dữ liệu từ các thiết bị biên như điện thoại di động có thể là rào cản và AI dựa trên các thiết bị biên cũng có thể là một cơ hội.

3) Độ dài của Ngữ cảnh có thể gây ra những thay đổi về chất trong tương lai (cơ sở dữ liệu vectơ hiện được sử dụng làm bộ nhớ AI, nhưng độ dài ngữ cảnh vẫn chưa đủ)

02Web3+AI

AI và Web3 thực chất là hai lĩnh vực hoàn toàn khác nhau. AI đòi hỏi sức mạnh tính toán tập trung và dữ liệu khổng lồ để đào tạo, Web3 rất tập trung vào sự phân cấp nên không dễ để kết hợp về mặt tường thuật, lập luận cho rằng AI thay đổi. năng suất và sự thay đổi của blockchain quan hệ sản xuất đã ăn sâu vào lòng người dân nên sẽ luôn có người tìm kiếm điểm tích hợp đó. Trong hai tháng qua, chúng ta đã thảo luận không dưới 10 dự án AI.

Trước khi nói về con đường kết hợp mới, hãy nói về các dự án AI+Web3 cũ. Về cơ bản, chúng dựa trên nền tảng, được đại diện bởi FET và AGIX. Tôi nên nói thế nào đây? Đây là điều mà những người bạn chuyên về AI ở Trung Quốc đã nói với tôi - "Những người từng làm AI về cơ bản bây giờ đều vô dụng. Bất kể Web2 hay Web3, nhiều người trong số họ chỉ là hành lý hơn là kinh nghiệm. Phương hướng." và tương lai giống như OpenAI Loại mô hình lớn này dựa trên Transformer, "mô hình lớn cứu AI", sản phẩm của riêng bạn.

Do đó, loại nền tảng phổ quát không phải là mô hình Web3+AI mà anh ấy lạc quan. Hơn 10 dự án mà tôi đã nói đến không có khía cạnh này. Những gì tôi đã thấy cho đến nay về cơ bản là các hướng sau:

1. Tài sản hóa mô hình Bot/Đại lý/Trợ lý

2. Nền tảng sức mạnh tính toán

3.Nền tảng dữ liệu

4. AI sáng tạo

5. Giao dịch/kiểm toán/kiểm soát rủi ro Defi

6.ZKML

1. Tài sản hóa mô hình Bot/Đại lý/Trợ lý

Nội dung của Bot/Agent/Assitant là đường đua được nhắc đến nhiều nhất và là đường đua có tính đồng nhất nghiêm trọng nhất. Nói một cách đơn giản, hầu hết các dự án này đều sử dụng OpenAI làm lớp dưới cùng và hợp tác với các phương tiện kỹ thuật nguồn mở/tự phát triển khác, chẳng hạn như TTS (Text to Speech) và những thứ tương tự. Với dữ liệu cụ thể, FineTune đưa ra một số dữ liệu tương tự. "các công nghệ tiên tiến hơn ChatGPT trong một lĩnh vực nhất định".

Ví dụ: bạn có thể đào tạo một giáo viên xinh đẹp dạy tiếng Anh cho bạn. Bạn có thể chọn cô ấy nói giọng Mỹ hay giọng London. Tính cách và phong cách trò chuyện của cô ấy cũng có thể được điều chỉnh theo cách này, so với những câu trả lời máy móc và chính thức hơn. ChatGPT, trải nghiệm tương tác sẽ tốt hơn. Trong những ngày đầu của ngành, có một trò chơi dành cho bạn gái ảo DAPP và Web3 có tên là HIM, có thể coi là đại diện cho loại hình này.

Bắt đầu từ ý tưởng này, về mặt lý thuyết bạn có thể có nhiều Bot/Đại lý phục vụ mình. Ví dụ: nếu bạn muốn nấu cá luộc, có thể có Cooking Bot tên là Fine Tune chuyên về lĩnh vực này để dạy bạn. Các câu trả lời được đưa ra chuyên nghiệp hơn ChatGPT. Nếu bạn muốn đi du lịch, cũng có trợ lý du lịch. Bot để cung cấp cho bạn nhiều lựa chọn du lịch khác nhau. Để có đề xuất và lập kế hoạch hoặc nếu bạn là nhà phát triển dự án, hãy nhờ rô-bốt dịch vụ khách hàng của Discord giúp bạn trả lời các câu hỏi của cộng đồng.

Ngoài Bot "ứng dụng dọc dựa trên GPT" này, còn có các dự án phái sinh dựa trên điều này, chẳng hạn như "tài sản mô hình" của Bot. Nó hơi giống "nội dung các bức ảnh nhỏ" của NFT. Liệu các lời nhắc phổ biến trong AI hiện nay cũng có thể được viết hoa không? Bản thân Promopt cũng có giá trị và có thể viết hoa.

Ngoài ra còn có các dự án như lập chỉ mục cổng thông tin và tìm kiếm dựa trên các Bot như vậy Một ngày nào đó chúng ta sẽ có hàng nghìn Bot, vậy làm thế nào để tìm được Bot phù hợp nhất cho bạn? Có thể bạn sẽ cần một cổng thông tin như Hao123 trong thế giới Web2, hay một công cụ tìm kiếm như Google để giúp bạn “định vị”.

Theo quan điểm cá nhân của tôi, việc tài sản hóa Bot (mô hình) có hai nhược điểm và hai hướng ở giai đoạn này:

1) Nhược điểm

Nhược điểm 1- Quá đồng nhất, vì đây là track AI+web3 dễ hiểu nhất cho người dùng và nó hơi giống NFT với một chút thuộc tính tiện ích. Do đó, thị trường sơ cấp hiện đang bắt đầu xuất hiện xu hướng đại dương đỏ và đang tăng trưởng, nhưng lớp dưới cùng là OpenAI nên mọi người thực sự không có rào cản kỹ thuật và chỉ có thể tranh giành thiết kế và vận hành;

Nhược điểm 2- Đôi khi những thứ như NFT xâu chuỗi thẻ thành viên Starbucks, mặc dù đó là một nỗ lực tốt để thoát ra khỏi vòng luẩn quẩn, nhưng có thể không thuận tiện như thẻ thành viên vật lý hoặc điện tử đối với hầu hết người dùng. Các bot dựa trên Web3 cũng gặp phải vấn đề này. Nếu tôi muốn học tiếng Anh từ robot hoặc trò chuyện với Musk hoặc Socrates, sẽ tốt hơn nếu chỉ sử dụng http://Character.AI của Web2?

2) Hướng

Hướng 1- là ngắn hạn + trung hạn, mô hình trên chuỗi có thể là một ý tưởng. Hiện tại, các mô hình này có phần giống với các bức tranh nhỏ của ETH NFT. Hầu hết MetaData đều hướng đến các máy chủ ngoài chuỗi hoặc IPFS, thay vì hoàn toàn trên chuỗi. Các mô hình thường có kích thước từ hàng chục đến hàng trăm megabyte và chúng phải được đưa lên máy chủ.

Tuy nhiên, với sự sụt giảm nhanh chóng gần đây về giá lưu trữ (SSD 2TB có giá 500 RMB) và sự tiến bộ của các dự án lưu trữ như Filecoin FVM và ETH Storage, tôi tin rằng sẽ không khó để tung ra mô hình cấp 100 triệu trên chuỗi ở hai đến ba năm tới.

Bạn có thể hỏi lợi ích của việc cuộn dây là gì? Khi mô hình được đưa vào chuỗi, nó có thể được gọi trực tiếp bởi các hợp đồng khác. Nó giống Crypto Native hơn và chắc chắn có nhiều thủ thuật hơn có thể chơi. Nó có một chút cảm giác trực quan giống như một Trò chơi hoàn toàn trên chuỗi, bởi vì tất cả. dữ liệu có nguồn gốc từ chuỗi. Hiện tại, chúng tôi thấy rằng có những nhóm đang khám phá khía cạnh này, nhưng tất nhiên nó vẫn còn ở giai đoạn rất sớm.

Hướng 2- là trung + dài hạn. Nếu bạn suy nghĩ nghiêm túc về hợp đồng thông minh, trên thực tế, điều phù hợp nhất không phải là tương tác giữa người và máy tính mà là "tương tác máy-máy tính" AI hiện có khái niệm AutoGPT, hãy lấy một cái. "Avatar ảo" hay "trợ lý ảo" của bạn không chỉ có thể trò chuyện với bạn mà còn giúp bạn thực hiện các công việc theo yêu cầu như giúp bạn đặt vé máy bay, khách sạn, mua tên miền, xây dựng website...

Bạn có nghĩ rằng trợ lý AI sẽ thuận tiện hơn trong việc vận hành các tài khoản ngân hàng khác nhau, Alipay, v.v. hay thuận tiện hơn khi chuyển tiền từ toàn bộ địa chỉ blockchain? Câu trả lời là hiển nhiên. Vì vậy, trong tương lai, liệu có một loạt trợ lý AI tích hợp như AutoGPT có thể tự động thực hiện các khoản thanh toán và quyết toán C2C, B2C và thậm chí B2B thông qua blockchain và hợp đồng thông minh trong các tình huống nhiệm vụ khác nhau không? Khi đó, ranh giới giữa Web2 và Web3 trở nên rất mờ nhạt.

2. Nền tảng sức mạnh tính toán

Các dự án của nền tảng sức mạnh tính toán không có nhiều tài sản như mô hình Bot, nhưng chúng tương đối dễ hiểu hơn. Mọi người đều biết rằng AI đòi hỏi rất nhiều sức mạnh tính toán và BTC và ETH đã chứng minh điều đó trong 10 năm qua. là một phương pháp như vậy trên thế giới. Một cách tự phát, phi tập trung, trong môi trường khuyến khích và trò chơi kinh tế, nó tổ chức và điều phối sức mạnh tính toán khổng lồ để hợp tác và cạnh tranh để làm một việc. Phương pháp này hiện có thể được áp dụng cho AI.

Hai dự án nổi tiếng nhất trong ngành chắc chắn là Together và Gensyn. Một vòng hạt giống huy động được hàng chục triệu đô la, vòng còn lại huy động được 43 triệu trong Series A. Người ta cho rằng sở dĩ hai dự án này huy động được nhiều tiền như vậy là vì. Trước tiên họ cần tiền và sức mạnh tính toán. Hãy đào tạo mô hình của riêng bạn, sau đó nó sẽ được biến thành nền tảng điện toán và cung cấp cho các dự án AI khác để đào tạo.

Số tiền tài trợ cho các nền tảng sức mạnh tính toán dành cho suy luận sẽ tương đối nhỏ, vì về bản chất, chúng tổng hợp GPU nhàn rỗi và sức mạnh tính toán khác, sau đó cung cấp cho các dự án AI cần khả năng suy luận tổng hợp và các nền tảng này thực hiện các phép tính suy luận. Tập hợp lực lượng. Nhưng các ngưỡng kỹ thuật hiện nay tương đối mơ hồ, thậm chí tôi còn tự hỏi liệu một ngày nào đó RNDR hay nền tảng điện toán đám mây Web3 sẽ có một chân trong nền tảng điện toán suy luận hay không.

Hướng đi của nền tảng sức mạnh điện toán thực tế hơn và có thể dự đoán được hơn so với vốn hóa mô hình. Về cơ bản, chắc chắn sẽ có nhu cầu và sẽ có một hoặc hai dự án hàng đầu. Điều duy nhất hiện tại là không chắc chắn. và lý luận có người lãnh đạo riêng, hay người lãnh đạo bao gồm cả đào tạo và lý luận?

3.Nền tảng dữ liệu

Điều này thực ra không khó hiểu, vì lớp dưới cùng của AI đơn giản chỉ là ba thứ chính: thuật toán (mô hình), sức mạnh tính toán và dữ liệu.

Vì đã có những “phiên bản phi tập trung” của thuật toán và sức mạnh tính toán nên chắc chắn dữ liệu sẽ không thể vắng mặt. Đây cũng là hướng đi mà Tiến sĩ Lu Qi, người sáng lập Qiji Chuangtan, lạc quan nhất khi nói về AI và Web3.

Web3 luôn nhấn mạnh đến quyền riêng tư và chủ quyền dữ liệu, đồng thời có các công nghệ như ZK để đảm bảo độ tin cậy và tính toàn vẹn của dữ liệu. Do đó, AI được đào tạo dựa trên dữ liệu trên chuỗi của Web3 phải khác với dữ liệu được đào tạo trên dữ liệu ngoài chuỗi của Web2. . Do đó, về tổng thể Make Sense của dòng này, Ocean nên được coi là hướng đi này trong vòng hiện tại và thị trường sơ cấp cũng đã chứng kiến ​​​​các dự án như thị trường dữ liệu AI chuyên dụng dựa trên Ocean.

4. AI sáng tạo

Nói một cách đơn giản, đó là sử dụng bức tranh AI, hoặc những sáng tạo tương tự, để phục vụ các kịch bản khác. Ví dụ: tạo NFT hoặc tạo bản đồ trong trò chơi, tạo nền NPC, v.v. Tôi cảm thấy làm NFT khó hơn vì sự khan hiếm do AI tạo ra là không đủ, và cũng có những đội đang thử nó ở thị trường sơ cấp.

Tuy nhiên, cách đây vài ngày tôi có thấy tin Unity (đã thống trị thị trường game engine cùng với Unreal Engine trong nhiều năm) cũng đã phát hành các công cụ tạo AI của riêng mình là Sentis và Muse. Chúng vẫn đang trong giai đoạn thử nghiệm kín và được mong đợi. sẽ chính thức ra mắt vào năm tới. Tôi nên nói thế nào? Tôi cảm thấy rằng các dự án AIGC trò chơi trong vòng tròn Web3 có thể bị ảnh hưởng bởi việc giảm kích thước của Unity...

5.Giao dịch/kiểm toán DeFi/Lợi nhuận/kiểm soát rủi ro

Chúng tôi đã thấy các dự án đang thử nghiệm trong các danh mục này và tính đồng nhất là tương đối khó thấy.

1) Giao dịch DeFi - Điều này hơi phức tạp, vì nếu một chiến lược giao dịch dễ sử dụng thì càng có nhiều người sử dụng, chiến lược đó có thể dần trở nên ít hữu ích hơn và bạn cần chuyển sang một chiến lược mới. Sau đó, tôi tò mò về tỷ lệ chiến thắng trong tương lai của robot giao dịch AI và thứ hạng của nó trong số các nhà giao dịch thông thường.

2) Kiểm tra - Kiểm tra trực quan sẽ có thể giúp nhanh chóng xem xét và xử lý các lỗ hổng phổ biến hiện có. Các lỗ hổng mới hoặc logic chưa xuất hiện trước đây sẽ không thể thực hiện được. Điều này chỉ có thể thực hiện được trong thời đại AGI.

3) Kiểm soát lợi nhuận và rủi ro - Lợi nhuận không khó hiểu, bạn có thể tưởng tượng nó như một YFI với trí thông minh AI, ném tiền vào đó và AI sẽ tìm ra nền tảng để đặt cược, LP nhóm, khai thác, v.v. theo sở thích rủi ro của bạn. Đối với việc kiểm soát rủi ro, thật kỳ lạ khi biến nó thành một dự án riêng biệt. Sẽ hợp lý hơn khi phục vụ các khoản vay khác nhau hoặc các nền tảng Defi tương tự dưới dạng plug-in.

6.ZKML

Một lộ trình ngày càng trở nên phổ biến trong ngành vì nó kết hợp hai trong số những công nghệ tiên tiến nhất là ZK trong ngành và ML (Mechine Learning, một nhánh hẹp của lĩnh vực AI) ngoài ngành.

Về mặt lý thuyết, sự kết hợp với ZK có thể mang lại cho ML sự riêng tư, đầy đủ và chính xác, nhưng bạn phải nói có những kịch bản sử dụng cụ thể nào. Trên thực tế, nhiều bên dự án không thể nghĩ ra cơ sở hạ tầng sẽ được xây dựng trước... Hiện tại, điều duy nhất thực sự cần thiết là học máy trong một số lĩnh vực y tế có yêu cầu về quyền riêng tư đối với dữ liệu bệnh nhân. Đối với câu chuyện về tính toàn vẹn của trò chơi trên chuỗi hoặc chống gian lận, nó luôn có cảm giác hơi xa vời.

Hiện tại, chỉ có một số dự án ngôi sao trong xu hướng này, chẳng hạn như Modulus Labs, EZKL, Giza, v.v., đều phổ biến trên thị trường sơ cấp. Không thể nào, bởi vì trên thế giới chỉ có một số ít người hiểu ZK, và càng có ít người hiểu ZK và cũng hiểu ML. Do đó, ngưỡng kỹ thuật của đường đua này cao hơn nhiều so với các lĩnh vực khác và tính đồng nhất là. tương đối thấp. Cuối cùng, ZKML chủ yếu nhằm mục đích suy luận chứ không phải đào tạo.