TL;DR

Conduzimos uma análise aprofundada de 67 projetos Cripto+IA, categorizando-os de uma perspetiva GenAI. Nossa classificação abrange:

1. GPU DePIN
2. Computação Descentralizada (Treino + Inferência)
3. Verificação (ZKML + OPML)
4. Cripto LLM
5. Dados (Geral + Específico de IA)
6. Aplicações Criadoras de IA
7. Aplicações de Consumidor de IA
8. Padrões de IA (Tokens + Agentes)
9. Economia de IA

Porque estamos a escrever isto?

A narrativa Crypto+AI tem captado muita atenção até agora. Muitos relatórios sobre Crypto+AI estão a emergir, mas ou cobrem apenas parte da história da AI ou interpretam a AI apenas a partir da perspectiva da Crypto.

Este artigo irá analisar o tópico de uma perspetiva de IA, explorando como a Cripto apoia a IA e como a IA pode beneficiar a Cripto, para compreender melhor o panorama atual da indústria de Cripto+IA.

Parte I: Descodificar o panorama GenAI

Vamos explorar toda a paisagem GenAI começando pelos produtos de IA que usamos todos os dias. Esses produtos normalmente consistem em dois componentes principais: um LLM e uma UI. Para o modelo grande, existem dois processos-chave: criação do modelo e utilização do modelo, comumente conhecidos como Treino e Inferência. Quanto à UI, ela vem em várias formas, incluindo baseada em conversação como GPT, baseada em visual como LumaAI, e muitas outras que integram APIs de inferência nas interfaces de produtos existentes.

Calcular

Aprofundando, a computação é fundamental tanto para treino como para inferência, dependendo muito da computação subjacente da GPU. Embora as conexões físicas das GPUs possam diferir entre treino e inferência, as GPUs servem como o componente de infraestrutura fundamental em produtos de IA. Além disso, temos a orquestração de clusters de GPU, conhecidos como Nuvens. Estas podem ser divididas em Nuvens Versáteis Tradicionais e Nuvens Verticais[1], com Vertical Clouds a ser mais focado em IA e otimizado para cenários de computação de IA.

Armazenamento

Em relação ao armazenamento, o armazenamento de dados de IA pode ser dividido em soluções de armazenamento tradicionais como AWS S3 e Azure Blob Storage e armazenamento específico otimizado para conjuntos de dados de IA. Essas soluções de armazenamento especializadas, como o Filestore da Google Cloud, são projetadas para melhorar as velocidades de acesso aos dados em cenários específicos.

Treino

Continuando com a infraestrutura de IA, é crucial distinguir entre Treino e Inferência, pois diferem significativamente. E para além da computação geral, ambos implicam inúmeras lógicas de negócios específicas de IA.

Para treinamento, a infraestrutura geralmente pode ser dividida em[2]:

1. Plataformas: Estas são especificamente projetadas para treinar e ajudar os desenvolvedores de IA a treinar eficazmente grandes modelos de linguagem, com soluções adicionais de aceleração de software, como MosaicML.
2. Fornecedores de Modelos Base: Esta categoria inclui plataformas como Hugging Face, que oferecem modelos base que os usuários podem treinar ou ajustar ainda mais.
3. Frameworks: Por último, existem vários frameworks de treinamento fundamentais construídos do zero, como PyTorch e TensorFlow.

Inferência

Para Inferência, o cenário pode geralmente ser dividido em:

1. Otimizadores: Estes especializam-se em fazer uma série de otimizações especificamente para inferência e casos de uso particulares, como suporte a processamento paralelo ou melhorias algorítmicas para geração de mídia. Um exemplo inclui fal.ai, que otimizou a inferência para processos de texto para imagem, melhorando a velocidade das difusões em 50% em comparação com abordagens gerais.
2. Plataformas de Implantação: Estas fornecem serviços gerais de nuvem de inferência de modelo, como o Amazon SageMaker, facilitando a implantação e dimensionamento de modelos de IA em diferentes ambientes.

Aplicação

Embora existam inúmeras aplicações de IA, elas podem ser amplamente categorizadas com base em grupos de usuários em dois tipos principais: criador e consumidor[3].

1. Consumidor de IA: Começando com o consumidor de IA, este grupo usa principalmente produtos de IA e está disposto a pagar pelo valor que esses produtos trazem. Um exemplo típico desta categoria é o ChatGPT.
2. Criador de IA: Por outro lado, as aplicações para Criadores de IA são mais sobre convidar criadores de IA para as suas plataformas para criar agentes, partilhar conhecimentos e depois partilhar lucros com eles, sendo o mercado GPT um dos exemplos mais famosos.

Estas duas categorias englobam praticamente todas as aplicações de IA. Embora existam classificações mais detalhadas, este artigo irá focar-se nestas categorias mais abrangentes.

Parte II: Como a Cripto ajuda a IA

Antes de responder a esta pergunta, vamos resumir as principais vantagens da Cripto que a IA poderia aproveitar: Monetização, Inclusão, Transparência, Propriedade de dados, Redução de custos e muito mais.

Um resumo de alto nível das interseções entre cripto e IA do blog vitalik.eth

Estas sinergias-chave[4] ajudam principalmente a paisagem atual por:

1. Monetização: Através de mecanismos exclusivos de Cripto, como tokenização, monetização e incentivação, inovações disruptivas podem ser feitas em aplicações de criadores de IA, garantindo que a economia de IA seja aberta e justa.
2. Inclusividade: Cripto permite a participação sem a necessidade de permissão, quebrando as várias restrições impostas pelas empresas de IA fechadas e centralizadas que dominam o mercado hoje. Isso permite que a IA alcance verdadeira abertura e liberdade.
3. Transparência: Cripto pode tornar a IA totalmente open-source, utilizando tecnologias ZKML/OPML para colocar todo o processo de treino e inferência de LLMs on-chain, garantindo a abertura e permissão da IA.
4. Propriedade de dados: Ao permitir transações on-chain para estabelecer a propriedade de dados para contas (utilizadores), permitindo assim que os utilizadores sejam verdadeiramente donos dos seus dados de IA. Isto é especialmente benéfico ao nível da aplicação, ajudando os utilizadores a garantir eficazmente os seus direitos de dados de IA.
5. Redução de custos: Ao incentivar com tokens, o valor futuro do poder de computação pode ser convertido em dinheiro, reduzindo significativamente o custo atual das GPUs. Esta abordagem reduz consideravelmente o custo da IA ao nível computacional.

Parte III: Explorando o cenário Cripto+IA

Aplicar as vantagens da Cripto às diferentes categorias dentro do panorama da IA cria uma nova perspetiva do panorama da IA através da lente da Cripto.

Camada LLM

1. GPU DePIN

Continuamos a delinear o plano de IA+Cripto com base na Paisagem da IA. Começando com LLMs e começando no nível fundamental com GPUs, uma narrativa de longa data na Cripto tem sido a Redução de Custos.

Através da incentivação da blockchain, podemos reduzir significativamente os custos recompensando os fornecedores de GPU. Esta narrativa é atualmente conhecida como GPU DePIN. Embora as GPUs sejam usadas não apenas em IA, mas também em jogos, AR e outros cenários, o rastreamento do GPU DePIN geralmente abrange essas áreas.

Aqueles focados na faixa de IA incluemAethirerede Aioz, enquanto aqueles dedicados à renderização visual incluem io.net, rede de renderização, e outros.

2. Computação Descentralizada

A computação descentralizada é uma narrativa que existe desde a criação da blockchain e desenvolveu-se significativamente ao longo do tempo. No entanto, devido à complexidade das tarefas de computação (em comparação com o armazenamento descentralizado), muitas vezes requer limitar os cenários de computação.

A IA, como o cenário de computação mais recente, naturalmente deu origem a uma série de projetos de computação descentralizada. Em comparação com o GPU DePIN, essas plataformas de computação descentralizada não apenas oferecem redução de custos, mas também atendem a cenários de computação mais específicos: Treinamento e Inferência. Eles orquestram sobre redes de grande área para aumentar significativamente a escalabilidade.

Escalabilidade e eficiência de custos pela gensyn.ai

Por exemplo, plataformas focadas na Formação incluem AI Arena, Reencontro, DIN, e Flock.io; os focados na Inferência incluem Então, Ritual, e Justu.ai; e aqueles que lidam com ambos os aspectos incluem Bittensor, 0G, Sentient, Akash, Phala, AnkreOasis.

3. Verificação

A verificação é uma categoria única dentro da Cripto+IA, principalmente porque garante que todo o processo de computação de IA, quer seja de Treino ou Inferência, possa ser verificado na cadeia.

Isto é crucial para manter a completa descentralização e transparência dos processos. Além disso, tecnologias como ZKML também protegem a privacidade e segurança dos dados, permitindo aos utilizadores terem 100% de propriedade dos seus dados pessoais.

Dependendo do algoritmo e do processo de verificação, isso pode ser dividido em ZKML e OPML. ZKML usa a tecnologia de conhecimento zero (ZK) para converter Treino/Inferência de IA em circuitos ZK, tornando o processo verificável na cadeia, como visto em plataformas como EZKL, Modulus Labs, SintéticoeGizaPor outro lado, o OPML utiliza oráculos fora da cadeia para enviar provas para a blockchain, conforme demonstrado por OraeEspectral.

4. Modelo Base de Cripto

Ao contrário de LLMs gerais como ChatGPT ou Claude, os Modelos Base de Cripto são retrabalhados com extensos dados cripto, dotando esses modelos base com uma base de conhecimento especializada em criptomoeda.

Estes modelos base podem fornecer capacidades de IA poderosas a aplicações nativas de cripto, como DeFi, NFT e GamingFi. Atualmente, exemplos desses modelos base incluem LagoaeChainbase.

5. Dados

Os dados são um componente crítico no campo da IA. No Treino de IA, os conjuntos de dados desempenham um papel crucial e, durante a Inferência, as grandes quantidades de prompts e base de conhecimento dos utilizadores também exigem armazenamento substancial.

Descentralizar o armazenamento de dados não só reduz significativamente os custos de armazenamento, mas, mais importante, garante a rastreabilidade e os direitos de propriedade dos dados.

Soluções de armazenamento descentralizado tradicionais como Filecoin, Arweave, e Storjpode armazenar grandes volumes de dados de IA a custos muito baixos.

Entretanto, soluções de armazenamento de dados específicas para IA mais recentes são otimizadas para as características únicas dos dados de IA. Por exemplo, Espaço e TempoeOpenDBotimizar o pré-processamento de dados e a consulta, enquanto Masa, Relva, Nuklai, e Protocolo KIP foco na monetização de dados de IA. Rede Bagelconcentra-se na privacidade dos dados do utilizador.

Estas soluções aproveitam as vantagens únicas da Cripto para inovar em áreas de gestão de dados dentro do campo da IA que anteriormente receberam menos atenção.

Camada de Aplicação

1. Criador

Na camada de aplicação Crypto+AI, as aplicações de criadores são particularmente notáveis. Dada a capacidade inerente do Crypto para monetização, incentivar naturalmente os Criadores de IA.

Para os Criadores de IA, o foco divide-se entre os utilizadores de baixo/código nulo e os programadores. Utilizadores de baixo/código nulo, como criadores de bots, utilizam estas plataformas para criar bots e monetizá-los através de tokens/NFTs. Eles podem rapidamente angariar fundos via ICO ou NFT Mint, e depois recompensar os detentores de tokens a longo prazo através de propriedade partilhada, como partilha de receitas. Isto abre completamente os seus produtos de IA através de co-propriedade comunitária, completando assim o Ciclo de Vida da Economia de IA[6].

Além disso, como plataformas criadoras de IA Cripto, elas abordam os desafios do financiamento inicial e intermediário e do lucro a longo prazo para os criadores de IA. Isso é feito aproveitando a vantagem única da tokenização inerente à Cripto e oferecendo serviços a uma fração do taxas de câmbiotípico do Web2—demonstrando os benefícios de custos operacionais 0 trazidos pela descentralização da Cripto[7].

Neste setor, plataformas como MagnetAI, Olas, Myshell, Fetch.ai, Protocolo Virtual, e Espectralatender aos usuários de baixo/código nulo, fornecendo plataformas de criação de agentes. Para desenvolvedores de modelos de IA, MagnetAIeNowoferecer plataformas de desenvolvimento de modelos. Além disso, para outras categorias como criadores de IA+Social, existem plataformas comoProtocolo da HistóriaeCriadorLanceque atendem especificamente às suas necessidades, enquanto SaharaAIconcentra-se na monetização de bases de conhecimento.

2. Consumidor

O termo Consumidor refere-se ao uso de IA para servir diretamente os utilizadores de criptomoeda. Atualmente, existem menos projetos nesta área, mas os que existem são insubstituíveis e únicos, como WorldcoineChainGPT.

3. Padrão

Os padrões são uma faixa distinta dentro da Cripto , caracterizada pelo desenvolvimento de blockchains independentes, protocolos, ou melhorias para criar blockchains de aplicativos de IA, ou ao permitir que infraestruturas existentes, como Ethereum, suportem aplicações de IA.

Estes padrões permitem que as dApps de IA incorporem vantagens da Cripto, como transparência e descentralização, proporcionando suporte fundamental tanto para produtos criadores quanto para consumidores.

Exemplos incluem Now, que estende o ERC-20 para oferecer partilha de receitas, e 7007.ai, que estende o ERC-721 para tokenizar ativos de inferência de modelo. Além disso, plataformas como Talus, Theoriq, Alethea, e Morpheusestão a criar VMs on-chain para fornecer ambientes de execução para Agentes de IA, enquanto Sensíveloferece padrões abrangentes para aplicativos de IA.

4. Economia de IA

A Economia de IA é uma inovação significativa no domínio Cripto+IA, enfatizando o uso da tokenização, monetização e incentivação da Cripto para democratizar a IA.

Ciclo de Vida da Economia de IA pela MagnetAI

Destaca a economia de partilha de IA, co-propriedade da comunidade e partilha de direitos de propriedade. Estas inovações impulsionam substancialmente a prosperidade e o desenvolvimento contínuo da IA.

Entre eles, TheoriqeFetch.ai foco na monetização do agente; Olas enfatiza a tokenização; Rede Mentaloferece benefícios de restaking; e MagnetAIintegra a tokenização, a monetização e a incentivação numa única plataforma coesa.

Última Parte: Conclusão

IA e Cripto são parceiros naturais. Cripto ajuda a tornar a IA mais aberta, transparente e insubstituivelmente solidária com sua prosperidade futura.

AI, por sua vez, expande os limites da Cripto, atraindo mais usuários e atenção. Como narrativa universal para toda a humanidade, a IA também introduz uma narrativa de adoção massiva para o mundo da Cripto que é sem precedentes.

Aviso legal：

1. Este artigo é reimpresso de [ MagnetAI]. Todos os direitos autorais pertencem ao autor original [MagnetAI]. Se houver objeções a esta reimpressão, contacte o Gate Learnequipa e eles vão tratar disso prontamente.
2. Aviso de responsabilidade: As opiniões expressas neste artigo são unicamente as do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.