簡介

在時間軸上搜索新的Alpha時，需要穿越一些糟糕的內容。當一個項目快速籌集5-6位數的資金的門檻只是一個半一致的簡介和一些不錯的品牌形象時，騙子們會奉行他們能找到的每一個新敘事。而隨着每個人在傳統金融中都跳上人工智能的列車，“加密-人工智能”敘事將這個問題升級到了11級。

絕大多數這些項目的問題在於：

• 大多數加密貨幣項目不需要人工智能
• 大多數人工智能項目不需要加密貨幣

所有的去中心化交易所都不需要內置的人工智能助手，每個聊天機器人也不需要一個附帶的代幣來推動其採用曲線。將人工智能硬塞到加密貨幣中（反之亦然）在我之前深入研究這個敘事時，讓我走向了瘋狂的邊緣。

壞消息是？繼續沿着我們當前的集中化技術路徑前進將以淚水收場，而大量虛假的“人工智能 x 加密貨幣”項目阻礙了扭轉局勢的努力。

好消息是？隧道盡頭有一束光。有時，人工智能確實受益於加密經濟學。同樣，加密貨幣也有一些使用案例，人工智能可以解決一些真正的問題。

在今天的文章中，我們將探討這些關鍵交叉點。這些小型創新的領域，這些小衆想法相互交疊，形成一個整體，其價值遠大於各自的部分之和。

AI 堆棧的高級視圖

以下是我對“加密-人工智能”食物鏈中涉及的不同垂直領域的思考方式（我也喜歡湯米的，如果你想深入了解一點）。請注意，這只是一個極其簡化的觀點，但希望能幫助搭建舞臺。

從高層次來看，這就是它們如何共同運作的：

• 數據以大規模進行收集。
• 對這些數據進行處理，使得機器能夠理解如何攝取和應用它。
• 在這些數據上訓練模型以創建一個通用模型。
• 可以對其進行微調以處理特定的用例。
• 最後，這些模型被部署和托管，以便應用程序可以查詢它們進行有用的實現。
• 所有這些都需要大量的計算資源，可以在本地運行，也可以從雲中獲取。

讓我們探索每個領域，特別關注不同的加密經濟設計如何實際改善標準工作流程。

加密貨幣給開源帶來了戰鬥的機會

整個“封閉原始碼”與“開放原始碼”開發方法論的辯論可以追溯到Windows-Linux之爭和埃裏克·雷蒙德（Eric Raymond）著名的大教堂與市場的論點。雖然Linux今天在業餘愛好者中被廣泛使用，但大約90%的用戶選擇Windows。爲什麼？因爲激勵機制。

從外部看來，開放原始碼開發有很多好處。它允許最大數量的人參與和貢獻到開發過程中。但在這種無頭結構中，你沒有統一的指令。你沒有一個CEO，他們有動力盡可能多地讓他們的產品進入到更多人的手中，以最大化他們的底線。在開放原始碼開發中，你有可能項目演變成一個嵌合體，在設計哲學的每個交叉點上分叉成不同的分支。

而對齊激勵的最佳方法是什麼？構建一個獎勵符合我們目標的行爲的系統。換句話說，把錢放到能夠使我們更接近目標的行動者手中。在加密貨幣中，這可以被硬編碼到法律中。

我們將看一些正在做到這一點的項目。

去中心化物理基礎設施網路（DePINs）

“哦，拜托，這種話題又來了？”是的，我知道DePIN的敘事幾乎像人工智能本身一樣被過度使用，但請稍等片刻。我會堅持認爲，DePIN是加密貨幣中一個真正有機會改變世界的用例。想想看。

加密貨幣真正擅長什麼？消除中間人和激勵活動。

比特幣最初的願景是建立一個點對點的貨幣系統，力圖將銀行排除在外。同樣地，現代的DePIN旨在驅逐集中力量，引入可證明公平的市場動態。正如我們將看到的，這種架構非常適合衆包人工智能相關網路。

DePINs利用早期代幣發行來增加供應端（提供者），希望吸引消費者的可持續需求。這旨在解決新市場的冷啓動問題。

這意味着早期的硬件/軟件（“節點”）提供者將獲得大量代幣和少量現金。隨着從利用這些節點（在我們的情況下是ML構建者）的用戶那裏開始流入現金，這開始抵消隨時間減少的發行量，直到一個完全自我維持的生態系統建立起來（這可能需要幾年時間）。早期採用者如Helium和Hivemapper展示了這種設計可以多麼有效。

數據網路，深入了解Grass

GPT-3據說是用45TB的純文本數據進行訓練的，這相當於大約9000萬部小說（但它仍然無法畫一個該死的圓）。隨着GPT-4和GPT-5需要比表面網路上實際存在的數據更多的數據，稱AI爲數據飢渴是本十年的輕描淡寫。

如果你不是頂尖公司（OpenAI、微軟、谷歌、Facebook）之一，獲取這些數據是非常困難的。對於大多數人來說，常見的策略是網頁抓取，這在嘗試擴大規模時並不是一件容易的事情。擁有一個單獨的亞馬遜網路服務（AWS）實例，試圖抓取大量網站，會讓你很快被限制訪問速度。這就是Grass的用武之地。

Grass連接了超過兩百萬臺設備，將它們組織起來從用戶自己的IP地址上抓取網站，收集數據，將其結構化，並將其出售給這些急需數據的AI公司。爲了酬勞，貢獻給Grass網路的用戶可以獲得穩定的收入，這得益於使用他們數據的AI公司。

當然，現在還沒有代幣，但未來的$GRASS代幣可能會吸引用戶下載他們的瀏覽器擴展程序（或手機應用）。盡管他們不需要這樣做，因爲他們已經運行了一場極具吸引力的推薦活動，已經吸引了其他項目無法想象的用戶數量。

GPU 網路，了解 io.net

也許比數據更重要的是計算能力。你知道嗎，2020年和2021年中國在GPU上的支出比石油還多。簡直瘋狂，但這只是開始。再見石油美元，計算幣要來了。

來源： Messari DePIN 狀況報告

現在，市場上有很多GPU DePINs，它們通常是這樣工作的。一方面，你有急需計算資源的機器學習工程師/公司。另一方面，你有閒置的數據中心、空置的挖礦設備以及閒置的GPU/CPU的愛好者。這個全球供應是龐大的，但卻不協調。沒有簡單的方法可以聯系到10個不同的數據中心，讓它們競標你的使用權。

中心化的解決方案會產生一個尋租中間人，其動機是從每一方中提取最大的價值，但是加密貨幣可以如何幫助呢？

加密貨幣在創建市場層面上非常擅長，以一種高效的方式連接不同的買家和賣家。一段代碼不受股東的財務利益所約束。

io.net因引入一些很酷的新技術而脫穎而出，這對於AI訓練至關重要——它們的聚類技術。傳統的聚類涉及在同一個數據中心內物理連接一堆GPU，以便它們可以共同進行模型訓練。但如果你的硬件分散在全球各地呢？IO與Ray（用於創建ChatGPT）合作開發了可以連接非同地點的GPU的聚類中間件。相當酷。

而且，盡管AWS的註冊過程可能需要數天時間，但io.net上的集羣可以在90秒內啓動，而且100%無需許可。出於這些原因，我可以看到io.net成爲所有其他GPU DePINs的中心樞紐，在那裏它們都可以插入其“IO引擎”，解鎖內置的聚類和順暢的入門體驗。這只有通過加密貨幣才可能實現。

我的對io.net的思考，它們的獨特賣點（USP）以及它們如何推動下一代人工智能應用

你會注意到，大多數具有雄心勃勃目標的去中心化人工智能項目（例如Bittensor、 Morpheus,、Gensyn,、Ritual、Sahara）都有明確的“計算”需求——這正是GPU DePINs應該發揮作用的地方。去中心化人工智能需要無需許可的計算資源。

玩弄激勵結構

再次回到比特幣尋找靈感。爲什麼礦工們不停地以高速進行哈希計算？因爲這是他們被支付的任務——中本聰提出了這種架構，因爲它優化了安全性。這個教訓是什麼？這些協議內置的激勵結構決定了它們產生的最終產品。

比特幣礦工和以太坊權益證明者是吸收所有本地代幣的主要參與者，因爲這是協議想要激勵的——參與者成爲礦工和權益證明者。

在一個組織中，這可能來自於CEO，他定義了“願景”或“使命宣言”。但是人是容易犯錯誤的，可能會使公司偏離軌道。另一方面，計算機代碼甚至比最乖巧的工資奴隸更能保持專注。讓我們看看一些內置代幣經濟的去中心化項目，它們將參與者引向崇高的目標。

人工智能構建網路，深入探討 Bittensor

所以…激勵。

輕撫大麻 “老兄。如果我們讓比特幣礦工構建人工智能，而不僅僅是解決無用的數學問題呢？”

這樣一來，你就創建了Bittensor。嗯，有點意思。

Bittensor的目標是爲調試創建幾個實驗性生態系統，其目標是在每個生態系統內產生“商品化智能”。這意味着一個生態系統（稱爲子網，簡稱爲“SN”）可以專注於開發語言模型，另一個則專注於金融模型，還有更多專注於文本轉語音、AI檢測或圖像生成（請參閱目前活躍的項目）。

對於Bittensor網路來說，你想要做什麼並不太重要。只要你能證明你的項目值得被資助，激勵就會流動。這是子網所有者的目標，他註冊了子網並調整了他們遊戲的規則。

這個“遊戲”的玩家被稱爲礦工。他們是構建模型的ML/AI工程師和團隊。他們被鎖在一個持續考核的雷鳴之室中，互相競爭，爭奪最高位置以獲得最多的獎勵。

驗證者則是硬幣的另一面，負責分發考核並根據礦工的工作成績評定。如果發現驗證者串通一氣支持某個礦工，他們會被驅逐出局。

記住這些激勵：

• 當礦工在他們的子網內擊敗其他礦工時，他們可以獲得更多收益——這推動了人工智能的發展。
• 當驗證者準確地識別出高、低績效的礦工時，他們可以獲得更多收益——這使子網保持誠實。
• 當他們的子網生產的有用AI模型比其他子網更多時，所有者可以獲得更多收益——這推動了所有者優化他們的“遊戲”。

TAO獎勵流向子網及其參與者的高層次分解

你可以將Bittensor看作是一個永久性的獎勵機制，用於人工智能開發。新興的ML工程師可以嘗試構建一些東西，向風險投資者提出想法，並試圖籌集一些資金。或者他們可以加入Bittensor的一個子網作爲礦工，表現出色，並大量獲取TAO。哪種方式更容易呢？

網路上有一些一流的團隊正在構建：

• Nous Research是開源之王。他們的子網在微調開源LLMs時顛覆了傳統。通過將模型與持續的合成數據流進行測試，@marketing_novita.ai/reliable-or-not-unveiling-secrets-behind-llm-leaderboard-b40a1d3dc6ab">排行榜無法被操縱（與HuggingFace等傳統基準不同）。
• Taoshi的專有訓練網路基本上是一個開源量化交易公司。他們要求他們的ML貢獻者構建交易算法來預測資產價格的變動。他們的API向零售用戶和機構用戶提供量化級別的交易信號，他們正在快速走上利潤豐厚的道路。
• Corcel團隊的Cortex.t 具有雙重目的。首先，他們激勵礦工爲一流模型（如GPT-4和Claude-3）提供API訪問，確保建設者持續可用。他們還提供合成數據生成，這對於模型訓練和基準測試非常有用（這也是爲什麼Nous使用它的原因）。請查看他們的工具-聊天和搜索。

嘗試免費的 GPT-4 Turbo 以及頂級開源模型 Corcel。甚至可以嘗試頂級 Bittensor 生成的 Nous LLM

如果不出意外，Bittensor 重申了激勵結構的力量。加密經濟學使這一切成爲可能。

智能代理，了解Morpheus

現在，我們來看看Morpheus的兩面，其中：

• 加密經濟結構正在構建人工智能（加密助力人工智能）&
• 人工智能應用使加密領域出現了新的用例（人工智能助力加密）

“智能代理”只是由智能合約訓練的人工智能模型。它們了解所有頂級DeFi協議的內外，知道哪裏可以獲得收益，哪裏可以進行跨鏈操作，以及如何識別可疑的合約。它們是未來的“自動路由器”，在我看來，它們將是每個人在5-10年內與區塊鏈進行交互的方式。事實上，一旦我們達到了那個點，你可能甚至都不知道自己在使用加密貨幣。你只需告訴一個聊天機器人你想把一些儲蓄轉移到另一種投資方式，一切都會在背後發生。

來源： Github

Morpheus體現了本節的“激勵它，他們就會來”的信息。他們的目標是建立一個平台，智能代理可以傳播和繁榮，每一個都在一個最小化外部性的生態系統中建立在上一個的成功基礎上。

• 代幣通脹結構突出了協議的四個主要貢獻者：
• 代碼 - 代理構建者。
• 社區 - 構建前端應用程序和工具，吸引新用戶加入生態系統。
• 計算 - 提供計算資源來運行代理。
• 資本 - 提供他們的收益以推動Morpheus的經濟機器。

每個類別都獲得相等比例的$MOR通脹獎勵（少量也存爲應急基金），迫使他們：

構建最好的代理 - 當他們的代理被持續使用時，創建者會得到支付。與免費提供OpenAI插件不同，這種方式讓構建者立即得到報酬。

• 構建最好的前端/工具 - 當他們的作品被持續使用時，創建者會得到支付。
• 提供穩定的計算能力 - 當他們提供計算資源時，提供者會得到支付。
• 爲項目提供流動性 - 保持項目流動性，獲得MOR的份額。

盡管存在其他AI/智能代理項目（有很多），但Morpheus的代幣經濟結構憑藉其“展示激勵，我會展示結果”的“最清潔”示例而脫穎而出。

這些智能代理是AI真正消除加密應用障礙的最終體現。dApps的用戶體驗聲名狼藉（盡管在過去幾年中已經取得了許多進展），LLMs的興起激發了Web2和Web3中每一個自以爲是的創始人。盡管有大量的套現行爲，但像Morpheus和Wayfinder（下面有演示）這樣的佼佼者展示了有一天在鏈上進行交易將會變得多麼簡單。

來源： 推特

將所有這些系統結合起來，它們之間的相互作用可能會像以下這樣。請注意，這只是一個極其簡單的觀點。

對加密啓用的人工智能潛在未來狀態的過度簡化。是的，還有其他項目可以佔據同樣的方框。如果想了解其他工具如何適用，請再看一下Tommy的流程圖。

鑑別項目的優劣之處-如何知道一個項目不是完全胡說八道

記住我們的兩個廣泛類別：“加密 x 人工智能”：

1. 加密幫助人工智能
2. 人工智能幫助加密

在本文中，我們主要只是探討了＃1。正如我們所見，一個設計良好的代幣系統可以爲整個生態系統的成功奠定基礎。

#1 - 有助於人工智能的加密貨幣

DePIN架構可以幫助啓動市場，創造性的代幣激勵結構可以協調向開源項目的一次無形目標努力。是的，還有幾個其他合法的交叉點我沒有涉及，爲了簡潔起見：

• 去中心化存儲
• 可信執行環境（TEE）
• RAG（實時拉取數據）
• 零知識 x 機器學習用於驗證推理/來源

在決定一個新項目是否真的有所提供時，問問自己：

• 如果它是另一個已經建立的項目的派生，它是否足夠不同以改變現狀？
• 它是否只是開源軟件的包裝版本？
• 它是否是一個受益於加密軌道的問題，還是加密被強行塞入其中？
• 是否真的可以有100個不同的“加密版HuggingFaces”？

#2 - 人工智能幫助加密貨幣

在我個人看來，更多的虛假信息存在於這第二類別中。再次強調，一些非常酷的用例存在，AI模型可以消除加密用戶體驗中的障礙，特別是像智能代理一樣。以下是在AI啓用的加密應用世界中觀察的幾個其他有趣的類別：

• 超級意圖系統-自動化跨鏈操作
• 錢包基礎設施
• 用戶和應用程序的實時警報基礎設施

如果只是一個“帶有代幣的聊天機器人”，那對我來說是胡說八道的。請停止誇大它們的價值，以維護我的理智。此外：

• 添加AI不會奇跡般地使你的無人問津的應用/鏈/工具符合產品市場需求
• 沒有人會因爲有AI角色而玩一個糟糕的遊戲
• 把“AI”綁定到你的項目上並不會使它變得有趣

感謝收聽我的TED演講。

我們從這裏要去哪裏呢

盡管有很多噪音，但一些認真的團隊正在努力實現“去中心化人工智能”的願景，這是值得爲之奮鬥的。除了項目激勵開源模型開發之外，去中心化數據網路爲新興的AI構建者打開了一扇新的大門。當絕大多數OpenAI的競爭對手無法承擔與Reddit、Tumblr、或 WordPress,達成大額交易時，分布式抓取可以扳平機會。

單一公司可能永遠不會擁有比世界其他地方加起來更多的計算能力，而有了去中心化的GPU網路，這意味着任何其他人都有能力匹敵頂級的大公司。你所需要的只是一個加密錢包。

今天我們面臨着一個十字路口。如果我們只專注於那些真正值得一提的“加密 x 人工智能”項目，我們就有了去中心化整個人工智能堆棧的工具。

加密貨幣的設想是通過密碼學的力量創造一種沒有人能夠操縱的硬貨幣。正如這個新生技術開始流行起來，一個新的、更可怕的挑戰者出現了。

與其僅僅控制你的財務不同，集中式人工智能，在最藍天般的案例中，在我們日常生活中遇到的每一點數據上都帶有偏見。它被設定爲在一個自我延續的循環中，數據收集、在親密層面的微調以及模型注入你生活的每個角落中，豐富着微觀技術領袖的微觀世界。它將比你自己更了解你。它將知道哪些按鈕可以按下，讓你更想笑，更憤怒，更消費。盡管它表面看起來是如此，但它不向你負責。

正如在開始時一樣，加密貨幣是對這種幾乎不可避免的人工智能集中化的一種抵抗力量。它的能力將努力協調到一個共同的目標上，現在正在與比央行更加強大的對手競爭。而這一次，我們面對的是時間的競爭。

訂閱

免責聲明：本報告作者，blocmates研究主管563，在加密和人工智能領域非常活躍。他對這些主題充滿激情，因此，您可以認爲他對提到的幾乎每個項目都有所涉獵。提供的信息僅供一般信息目的，不構成財務、投資或法律建議。內容基於據信可靠的來源，但其準確性、完整性和及時性無法保證。您對本文中信息的任何依賴均由您自己承擔風險。On Chain Times可能包含涉及風險和不確定性的前瞻性聲明。實際結果可能與這些聲明中表達或暗示的結果有實質性差異。作者可能擁有或可能沒有提及的資產或證券的持倉。他們保留在任何時候買入或賣出任何討論中的資產或證券的權利，無需通知。在做出任何投資決策之前，與合格的財務顧問或其他專業人士進行諮詢，了解相關投資決策的風險和適用性至關重要。在做出任何投資選擇之前，您有責任進行自己的研究和盡職調查。過去的表現並不預示着未來的結果。作者對因使用本文或其內容而產生的任何直接、間接或後果性損失或損害概不負責。通過訪問On Chain Times，您同意接受本免責聲明的條款。

聲明：

1. 本文轉載自[onchaintimes]，版權歸原作者所有[563]。若對本次轉載有異議，請聯系Gate Learn團隊，他們會及時處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明，否則禁止復制、分發或抄襲翻譯文章。