Tóm tắt nhanh; không đọc

Chúng tôi đã tiến hành một phân tích sâu rộng về 67 dự án Tiền điện tử+Trí tuệ nhân tạo, phân loại chúng từ một quan điểm GenAI. Phân loại của chúng tôi bao gồm:

1. GPU DePIN
2. Tính toán Phi tập trung (Huấn luyện + Suy luận)
3. Xác minh (ZKML + OPML)
4. Tiền điện tử LLM
5. Dữ liệu (Chung + Đặc biệt về AI)
6. Ứng dụng Tạo AI
7. Ứng dụng người tiêu dùng AI
8. Tiêu chuẩn AI (Token + Đại lý)
9. Nền kinh tế AI

Tại sao chúng tôi viết điều này?

Câu chuyện về Tiền điện tử+Trí tuệ nhân tạo đã thu hút rất nhiều sự chú ý cho đến nay. Nhiều báo cáo về Tiền điện tử+Trí tuệ nhân tạo đang nổi lên, nhưng chúng hoặc chỉ tập trung vào một phần của câu chuyện về Trí tuệ nhân tạo hoặc hiểu Trí tuệ nhân tạo chỉ từ góc độ của Tiền điện tử.

Bài viết này sẽ nhìn nhận vấn đề từ góc độ trí tuệ nhân tạo, khám phá cách mà Tiền điện tử hỗ trợ trí tuệ nhân tạo và cách mà trí tuệ nhân tạo có thể mang lại lợi ích cho Tiền điện tử, để hiểu rõ hơn về cảnh quan hiện tại của ngành công nghiệp Tiền điện tử+trí tuệ nhân tạo.

Phần I: Giải mã cảnh quan GenAI

Hãy khám phá toàn cảnh cảnh quan GenAI bắt đầu từ các sản phẩm AI chúng ta sử dụng hàng ngày. Những sản phẩm này thường bao gồm hai thành phần chính: một LLM và một UI. Đối với mô hình lớn, có hai quy trình chính: tạo mô hình và sử dụng mô hình, thường được biết đến là Huấn luyện và Suy luận. Còn đối với UI, nó có nhiều dạng khác nhau, bao gồm dựa trên cuộc trò chuyện như GPT, dựa trên hình ảnh như LumaAI, và nhiều dạng khác tích hợp các API suy luận vào giao diện sản phẩm hiện tại.

Tính toán

Đào sâu hơn, tính toán là cơ bản cho cả quá trình đào tạo và suy luận, dựa nặng vào việc tính toán GPU cơ bản. Trong khi kết nối vật lý của GPU có thể khác nhau giữa quá trình đào tạo và suy luận, GPU phục vụ như thành phần cơ sở của các sản phẩm AI. Ngoài ra, chúng ta có sự điều phối của các cụm GPU, được biết đến là Đám mây. Chúng có thể được chia thành Đám mây Đa dạng Truyền thống vàĐám mây dọc[1], với Vertical Clouds được tập trung nhiều vào trí tuệ nhân tạo và được tối ưu hóa cho các kịch bản tính toán trí tuệ nhân tạo.

Lưu trữ

Về lưu trữ, lưu trữ dữ liệu AI có thể được chia thành các giải pháp lưu trữ truyền thống như AWS S3 và Azure Blob Storage, và lưu trữ cụ thể được tối ưu hóa cho các bộ dữ liệu AI. Những giải pháp lưu trữ chuyên biệt này, như Filestore của Google Cloud, được thiết kế để tăng tốc độ truy cập dữ liệu trong các tình huống cụ thể.

Đào tạo

Tiếp tục với cơ sở hạ tầng AI, quan trọng phải phân biệt giữa Huấn luyện và Suy luận, vì chúng khác nhau đáng kể. Và vượt ra ngoài tính toán chung, cả hai đều bao gồm nhiều logic kinh doanh cụ thể của AI.

Đối với việc đào tạo, cơ sở hạ tầng nói chung có thể được chia thành[2]:

1. Các nền tảng: Đây là những nền tảng được thiết kế đặc biệt để đào tạo và hỗ trợ các nhà phát triển trí tuệ nhân tạo trong việc hiệu quả hóa quá trình đào tạo các mô hình ngôn ngữ lớn, với các giải pháp tăng tốc phần mềm bổ sung, như MosaicML.
2. Nhà cung cấp mô hình cơ bản: Danh mục này bao gồm các nền tảng như Hugging Face, cung cấp các mô hình cơ bản mà người dùng có thể tiếp tục huấn luyện hoặc điều chỉnh.
3. Khung công việc: Cuối cùng, có các khung công việc đào tạo cơ bản khác nhau được xây dựng từ đầu, như PyTorch và TensorFlow.

Sự suy luận

Đối với Suy luận, cảnh quan có thể được chia thành hai phần chính:

1. Optimizers: Các chuyên gia này chuyên về việc thực hiện một loạt các tối ưu hóa đặc biệt cho việc suy luận và các trường hợp sử dụng cụ thể, chẳng hạn như hỗ trợ xử lý song song hoặc cải tiến thuật toán cho việc tạo phương tiện truyền thông. Một ví dụ bao gồm fal.ai, mà đã tối ưu hóa suy luận cho quá trình chuyển văn bản thành hình ảnh, cải thiện tốc độ lan truyền lên đến 50% so với các phương pháp tổng quát.
2. Nền tảng Triển khai: Cung cấp các dịch vụ đám mây suy luận mô hình tổng quát, như Amazon SageMaker, giúp việc triển khai và mở rộng các mô hình AI trên các môi trường khác nhau.

Ứng dụng

Mặc dù có vô số ứng dụng AI, chúng có thể được phân loại rộng rãi dựa trên nhóm người dùng thành hai loại chính: người sáng tạo và người tiêu dùng[3].

1. Người tiêu dùng AI: Bắt đầu với người tiêu dùng AI, nhóm này chủ yếu sử dụng các sản phẩm AI và sẵn lòng trả tiền cho giá trị mà những sản phẩm này mang lại. Một ví dụ điển hình của hạng mục này là ChatGPT.
2. AI Creator: Trong khi đó, các ứng dụng cho Người tạo AI chủ yếu là mời các nhà sáng tạo AI đến nền tảng của họ để tạo ra các đại lý, chia sẻ kiến thức và sau đó chia sẻ lợi nhuận với họ, với GPT marketplace là một trong những ví dụ nổi tiếng nhất.

Hai danh mục này bao gồm gần như tất cả các ứng dụng trí tuệ nhân tạo. Mặc dù có sự phân loại chi tiết hơn, bài viết này sẽ tập trung vào những danh mục rộng hơn này.

Phần II: Làm thế nào Tiền điện tử giúp đỡ Trí tuệ Nhân tạo

Trước khi trả lời câu hỏi này, hãy tóm tắt các lợi ích chính của Tiền điện tử mà trí tuệ nhân tạo có thể tận dụng: Tiền, tính bao gồm, minh bạch, quyền sở hữu dữ liệu, giảm chi phí, và nhiều hơn nữa.

Một tóm tắt cấp cao về sự giao điểm của tiền điện tử+với trí tuệ nhân tạo từ blog vitalik.eth

Những tương quan chính[4] giúp chủ yếu cho cảnh quan hiện tại bằng cách:

1. Tiền điện tử: Qua các cơ chế tiền điện tử độc đáo như hóa token, tiếp thị và khuyến khích, các đổi mới gây rối có thể được thực hiện trong các ứng dụng tạo ra AI, đảm bảo rằng nền kinh tế AI là mở và công bằng.
2. Tính bao gồm: Tiền điện tử cho phép tham gia mà không cần sự cho phép, phá vỡ những ràng buộc đa dạng được áp đặt bởi các công ty trí tuệ nhân tạo đóng cửa, tập trung chiếm ưu thế trên thị trường hiện nay. Điều này cho phép trí tuệ nhân tạo đạt được sự mở cửa và tự do thực sự.
3. Minh bạch: Tiền điện tử có thể làm cho trí tuệ nhân tạo hoàn toàn mã nguồn mở bằng cách sử dụng công nghệ ZKML/OPML để đưa quá trình đào tạo và suy luận hoàn toàn của LLMs lên chuỗi, đảm bảo tính minh bạch và không cần phép của trí tuệ nhân tạo.
4. Quyền sở hữu dữ liệu: Bằng cách kích hoạt giao dịch trên chuỗi để xác định quyền sở hữu dữ liệu cho tài khoản (người dùng), từ đó cho phép người dùng thực sự sở hữu dữ liệu AI của họ. Điều này đặc biệt có lợi tại tầng ứng dụng, giúp người dùng bảo vệ hiệu quả quyền sở hữu dữ liệu AI của họ.
5. Giảm chi phí: Bằng cách khuyến khích bằng token, giá trị tương lai của sức mạnh tính toán có thể được chuyển đổi thành tiền mặt, giảm đáng kể chi phí hiện tại của GPU. Phương pháp này giảm chi phí AI ở mức tính toán một cách đáng kể.

Phần III: Khám phá cảnh quan Tiền điện tử+Trí tuệ nhân tạo

Áp dụng những lợi ích của Tiền điện tử vào các danh mục khác nhau trong cảnh quan AI tạo ra một cái nhìn mới về cảnh quan AI thông qua góc nhìn của Tiền điện tử.

LLM Layer

1. GPU DePIN

Chúng tôi tiếp tục phác thảo bản đồ AI+Tiền điện tử dựa trên AI Landscape. Bắt đầu với LLMs và bắt đầu ở mức cơ bản với GPUs, một câu chuyện lâu dài trong lĩnh vực Tiền điện tử đã làm giảm Chi phí.

Thông qua kích thích blockchain, chúng ta có thể giảm chi phí đáng kể bằng cách thường cho những người cung cấp GPU. Câu chuyện này hiện được biết đến với tên gọi GPU DePIN. Trong khi GPU không chỉ được sử dụng trong lệnh vực trí tuớng nhân tạo mà còn được sử dụng trong game, AR và các tình huộng khác, hết số, lớp theo dõi GPU DePIN nói chung bao gồm các lắm việc này.

Những người tập trung vào lộ trình AI bao gồm AethirvàMạng Aioz, trong khi những người tận tụy với việc hiển thị hình ảnh bao gồm io.net, mạng lưới render, và những người khác.

2. Tính toán Phi tập trung

Máy tính phi tập trung là một câu chuyện đã tồn tại từ khi blockchain ra đời và đã phát triển đáng kể theo thời gian. Tuy nhiên, do sự phức tạp của các nhiệm vụ máy tính (so với lưu trữ phi tập trung), thường cần giới hạn các kịch bản tính toán.

Trí tuệ nhân tạo, như kịch bản tính toán mới nhất, đã tự nhiên dẫn đến một loạt các dự án tính toán phi tập trung. So với GPU DePIN, những nền tảng tính toán phi tập trung này không chỉ cung cấp giảm chi phí mà còn phục vụ cho các kịch bản tính toán cụ thể hơn: Đào tạo và Suy luận. Chúng điều phối trên mạng diện rộng để cải thiện đáng kể khả năng mở rộng.

Quy mô và hiệu quả về chi phí bởi gensyn.ai

Ví dụ, các nền tảng tập trung vào Đào tạo bao gồm AI Arena, Gensyn, DINvàFlock.io; những người tập trung vào Suy luận bao gồm Allora, Nghi thức, và Justu.ai; và những người xử lý cả hai khía cạnh bao gồm Bittensor, 0G, Sentient, Akash, Phala, AnkrvàOasis.

3. Xác thực

Xác minh là một danh mục duy nhất trong Crypto+AI, chủ yếu vì nó đảm bảo rằng toàn bộ quá trình tính toán trí tuệ nhân tạo, cho dù là Huấn luyện hay Suy luận, có thể được xác minh trên chuỗi.

Điều này rất quan trọng để duy trì sự phân quyền và minh bạch hoàn toàn của các quy trình. Ngoài ra, các công nghệ như ZKML cũng bảo vệ sự riêng tư và an ninh dữ liệu, cho phép người dùng sở hữu 100% dữ liệu cá nhân của họ.

Tùy thuật toán và quy trình xác minh, điều này có thể được chia thành ZKML và OPML. ZKML sử dụng công nghệ không chứng minh (ZK) để chuyển đổi AI Training/Inference thành mạch ZK, làm cho quy trình có thể xác minh trên chuỗi, như thấy trên các nền tảng như EZKL, Modulus Labs, Súc tíchvàGiza. Tuy nhiên, OPML sử dụng oracles ngoại chuỗi để gửi bằng chứng đến blockchain, như đã được thể hiện bởi OravàSpectral.

4. Mô hình cơ bản của Tiền điện tử

Không giống như các mô hình ngôn ngữ học máy tổng quát như ChatGPT hoặc Claude, Các Mô hình Cơ sở Tiền điện tử được đào tạo lại với dữ liệu tiền điện tử một cách toàn diện, trang bị cho những mô hình cơ sở này một cơ sở kiến thức chuyên sâu về tiền điện tử.

Những mô hình cơ bản này có thể cung cấp khả năng AI mạnh mẽ cho các ứng dụng tiền điện tử như DeFi, NFT và GamingFi. Hiện tại, các ví dụ về những mô hình cơ bản như vậy bao gồm AovàChainbase.

5. Dữ liệu

Dữ liệu là một thành phần quan trọng trong lĩnh vực trí tuệ nhân tạo. Trong quá trình đào tạo trí tuệ nhân tạo, bộ dữ liệu chơi một vai trò quan trọng, và trong quá trình suy luận, lượng lớn câu hỏi và cơ sở kiến thức từ người dùng cũng đòi hỏi lưu trữ đáng kể.

Việc phân quyền lưu trữ dữ liệu không chỉ giảm chi phí lưu trữ một cách đáng kể mà còn đảm bảo tính tra cứu và quyền sở hữu dữ liệu một cách quan trọng.

Các giải pháp lưu trữ phi tập trung truyền thống như Filecoin, Arweave, và Storjcó thể lưu trữ số lượng lớn dữ liệu AI với chi phí rất thấp.

Trong khi đó, các giải pháp lưu trữ dữ liệu cụ thể cho trí tuệ nhân tạo mới hơn được tối ưu hóa cho các đặc điểm độc đáo của dữ liệu trí tuệ nhân tạo. Ví dụ, Không gian và Thời gianvàOpenDBtối ưu hóa xử lý dữ liệu trước và truy vấn, trong khi Masa, Cỏ, Nuklai, và Giao thức KIPtập trung vào việc thương mại hóa dữ liệu AI.Mạng Bageltập trung vào quyền riêng tư dữ liệu người dùng.

Những giải pháp này tận dụng những lợi thế độc đáo của Tiền điện tử để đổi mới trong các lĩnh vực quản lý dữ liệu trong lĩnh vực Trí tuệ nhân tạo mà trước đây ít được chú ý.

Lớp ứng dụng

1. Người sáng tạo

Trong tầng ứng dụng Crypto+AI, các ứng dụng tạo ra đặc biệt đáng chú ý. Với khả năng tạo ra tiền của của Crypto, việc khuyến khích các Nhà sáng tạo AI là điều tự nhiên.

Đối với các Nhà sáng tạo AI, sự chú ý chia thành hai phần giữa người dùng không cần mã và nhà phát triển. Người dùng không cần mã, chẳng hạn như người tạo bot, sử dụng các nền tảng này để tạo ra bot và tiền hóa chúng thông qua token/NFT. Họ có thể nhanh chóng huy động vốn thông qua ICO hoặc NFT Mint, sau đó thưởng cho những người giữ token lâu dài thông qua sở hữu chung, chẳng hạn như chia sẻ doanh thu. Điều này mở ra sản phẩm AI của họ hoàn toàn thông qua sở hữu cộng đồng, hoàn thiện...Vòng đời Kinh tế AI[6].

Ngoài ra, với vai trò là các nền tảng tạo ra Crypto AI, họ đối mặt với những thách thức về việc huy động vốn từ giai đoạn đầu đến giữa và lợi nhuận lâu dài cho các nhà sáng tạo AI. Điều này được thực hiện bằng cách tận dụng ưu điểm độc đáo của việc mã hóa thông tin có sẵn trong Crypto, và cung cấp dịch vụ với một phần nhỏ của tỷ lệ lấyđiển hình của Web2—chứng minh lợi ích về chi phí vận hành 0 được mang lại bởi sự phân quyền của Tiền điện tử[7].

Trong lĩnh vực này, các nền tảng như MagnetAI, Olas, Myshell, Fetch.ai, Giao thức ảo hóa, và Phổcung cấp nền tảng tạo đại lý cho người dùng không/không cần mã để tạo ra. Đối với các nhà phát triển mô hình AI,MagnetAIvàOracung cấp các nền tảng phát triển mô hình. Ngoài ra, đối với các danh mục khác như các nhà sáng tạo AI+Xã hội, có các nền tảng như Story ProtocolvàCreatorBidchuyên t tailor đặc biệt cho nhu cầu của họ, trong khi SaharaAItập trung vào việc thâu tóm cơ sở kiến thức.

2. Người tiêu dùng

Người tiêu dùng đề cập đến việc sử dụng AI để trực tiếp phục vụ người dùng tiền điện tử. Hiện tại, có ít dự án hơn trong ca khúc này, nhưng những dự án tồn tại là không thể thay thế và độc đáo, chẳng hạn như WorldcoinvàChainGPT.

3. Tiêu chuẩn

Tiêu chuẩn là một hành trình đặc biệt trong lĩnh vực Tiền điện tử, được đặc trưng bởi việc phát triển các chuỗi khối, giao thức hoặc cải tiến độc lập để tạo ra chuỗi khối AI dApp, hoặc bằng cách cho phép cơ sở hạ tầng hiện tại như Ethereum hỗ trợ các ứng dụng AI.

Các tiêu chuẩn này cho phép AI dApps thể hiện các lợi thế của Crypto như tính minh bạch và phi tập trung, cung cấp hỗ trợ cơ bản cho cả sản phẩm của người sáng tạo và người tiêu dùng.

Ví dụ bao gồm Ora, mở rộng ERC-20 để cung cấp chia sẻ doanh thu, và 7007.ai, mở rộng ERC-721 để mã hóa tài sản suy luận mô hình. Ngoài ra, các nền tảng như Talus, Theoriq, Alethea, và Morpheus đang tạo ra các máy ảo trên chuỗi để cung cấp môi trường thực thi cho AI Agents, trong khi Sentientcung cấp tiêu chuẩn toàn diện cho ứng dụng AI dApps.

4. Kinh tế trí tuệ nhân tạo

Nền kinh tế trí tuệ nhân tạo là một đổi mới đáng kể trong lĩnh vực Tiền điện tử+Trí tuệ nhân tạo, nhấn mạnh việc sử dụng hóa đơn của Tiền điện tử, tiền hóa và khích lệ để dân chủ hóa Trí tuệ nhân tạo.

Vòng đời Kinh tế AI bởi MagnetAI

Nó nổi bật với nền kinh tế chia sẻ AI, sở hữu cộng đồng và chia sẻ quyền sở hữu. Những đổi mới này đẩy mạnh mạnh mẽ sự thịnh vượng và phát triển tiếp theo của AI.

Trong đó, TheoriqvàFetch.aitập trung vào việc tạo ra tiền cho đại lý; Olastôn trọng việc mã hóa token;Mạng Trí tuệđề xuất lợi ích restaking; và MagnetAIkết hợp hóa đồng thông token, tiền hóa và khuyến khích vào một nền tảng chặt chẽ duy nhất.

Phần cuối: Kết luận

Trí tuệ nhân tạo và Tiền điện tử là những đối tác tự nhiên. Tiền điện tử giúp làm cho trí tuệ nhân tạo trở nên mở cửa, minh bạch và không thể thay thế hơn nữa để hỗ trợ sự thịnh vượng tiếp theo của nó.

Trong khi đó, AI mở rộng ranh giới của Tiền điện tử, thu hút nhiều người dùng và sự chú ý hơn. Là một câu chuyện phổ quát cho toàn nhân loại, AI cũng giới thiệu một câu chuyện về sự tiếp nhận khổng lồ đến thế giới Tiền điện tử mà chưa từng có.

免责声明：

1. Bài viết này được tái bản từ [MagnetAI]. Tất cả bản quyền thuộc về tác giả gốc [MagnetAI]. Nếu có bất kỳ ý kiến phản đối nào về việc tái bản này, vui lòng liên hệ với Học cửađội ngũ, và họ sẽ xử lý nó ngay lập tức.
2. Miễn trách nhiệm về trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ là của tác giả và không phải là tư vấn đầu tư nào cả.
3. Bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được nêu, việc sao chép, phân phối hoặc đạo văn bản dịch là không được phép.