摘要：5–10月的二級市場開始轉熊，很有意思的是一級市場的AI項目在這段時間也驟減了許多，直到最近一兩個月數(shù)量才再次活躍起來，市面上關于AICrypto的討論，文章等等同樣豐富起來。模型/Agent的資產(chǎn)化在可見的未來依舊會是AIxCrypto最主要的賽道之一，希望可以看到相對有一定技術壁壘，與區(qū)塊鏈自身結合更加緊密也更加Native的項目在未來可以出現(xiàn)。...
發(fā)文：Laobai，ABCDE
ChatGPT發(fā)布一年多后，最近市場上關于AIGPT的問題 Crpyo的討論再次熱鬧起來，人工智能被視為24–25年牛市最重要的跑道之一，就連V神本人也發(fā)文《The promise and challenges of crypto AI applications》（Crypto AI 應用價值與挑戰(zhàn))探討未來人工智能 Cryto可能的探索方向。
本文不會做太多的主觀預測，而是簡單地從一級市場的角度對過去一年看到的人工智能與Crypto相結合的創(chuàng)業(yè)項目進行總體梳理，看看企業(yè)家從哪些角度切入市場，取得了哪些成就，還在探索哪些地方。
一. AI Crypto的周期
在過去的23年里，我們談到了幾十個人工智能 在Crypto項目中，可以看到明顯的周期。
在22年底ChatGPT發(fā)布之前，與人工智能相關的二級市場區(qū)塊鏈項目屈指可數(shù)。我們能想到的主要是FET、AGIX等幾個老項目。一級市場能看到的人工智能相關性不大。
23年1–5月是人工智能項目的第一個集中爆發(fā)期。畢竟，Chatgpt的影響太大了。二級市場的許多老項目都去了人工智能跑道，一級市場幾乎每周都能談論人工智能 Crypto項目。同樣，這一時期的AI項目給人的感覺比較簡單，很多都是圍繞ChatGPT的“套皮” 在“鏈改”項目中，幾乎沒有技術核心堡壘。我們的In-House開發(fā)團隊通常需要一兩天時間來復制一個項目基本框架。這也導致我們在這段時間里談了很多人工智能項目，但最終沒有出手。
5–10月份，二級市場開始轉熊。有趣的是，一級市場的人工智能項目在這段時間內(nèi)也大幅下降。直到最近一兩個月，數(shù)量才再次活躍起來。市場上有關人工智能的問題 Crypto的討論、文章等同樣豐富。我們每周都能再次進入人工智能項目的“盛景”。半年后，我明顯感受到了一批新的人工智能項目對人工智能軌道的理解，商業(yè)場景的實施，AI Crypto與第一批AIIPTO的融合比 Hype階段有了明顯的提升，雖然技術壁壘依然不強，但整體成熟度已經(jīng)達到了一個更高的水平。我們也進入了24年才終于在人工智能 Crpyto這條賽道有第一次下注。
二. AI Crypto的賽道
在前景和挑戰(zhàn)中，V神從幾個相對抽象的維度和角度進行了預測:
AI作為游戲中的參與者，是游戲中的參與者
人工智能作為游戲界面
人工智能作為游戲規(guī)則
人工智能作為游戲目標
我們從更具體、更直接的角度總結了這些在當前一級市場上看到的人工智能項目。AI Crypto的大部分項目都是圍繞Crypto的關鍵來完成的，即“技術(或政治)上的分散化 商業(yè)資產(chǎn)化”。
分散化沒什么好說的，Web3...根據(jù)資產(chǎn)化類別，大致可以分為三個主跑道:
計算能力的資產(chǎn)化
模型資產(chǎn)化
數(shù)據(jù)的資產(chǎn)化
算率資產(chǎn)化
這是一個相對集中的跑道。除了各種新項目，還有很多老項目的Pivot，比如Cosmos側的Akash和Solana側的Nosana，Pivot后的代幣都在飆升，這也反映了市場對人工智能軌道的樂觀態(tài)度。雖然RNDR主要推動分散渲染，但它也可以為人工智能服務。因此，很多分類也將RNDR這個算率相關的統(tǒng)統(tǒng)劃分為AI跑道
算率資產(chǎn)化可根據(jù)算率用途細分為兩個方向：
一是以Gensyn為代表的“去中心化算率用于人工智能訓練”；
一是以大多數(shù)Pivot和新項目為代表的“去中心化算率用于人工智能推理”；
在這條軌道上可以看到一個非常有趣的現(xiàn)象，或者不看好鄙視鏈:
傳統(tǒng)AI → 去中心化推理 → 分散訓練
傳統(tǒng)人工智能課程背景不樂觀，分散做人工智能培訓 Or 推理
去中心化推理對去中心化培訓不樂觀
主要原因是在技術上，由于人工智能培訓（特別是大模型人工智能）涉及大量數(shù)據(jù)，高速通信形成的帶寬需求比數(shù)據(jù)需求更夸張。在目前Transformer大模型的環(huán)境下，訓練這些大模型需要配置大量4090級高端顯卡/H100專業(yè)人工智能顯卡，形成算率矩陣 由NVLink和專業(yè)光纖交換機組成的百G級通信通道，您說該物品可以去中心化實現(xiàn)，hmm…
人工智能推理對計算能力和通信帶寬的需求遠小于人工智能培訓，分散實現(xiàn)的概率自然遠大于培訓，這就是為什么大多數(shù)與計算相關的項目都是推理的原因，基本上只有通過融資超過1億元的大玩家。但同樣地，從成本性能和可靠性的角度來看，至少在這個階段，集中計算率的推理仍然遠遠優(yōu)于分散化。
這不難解釋為什么分散的推理看起來分散的訓練認為“我們根本做不到”，而傳統(tǒng)的人工智能看起來分散的練習和推理會認為“訓練技術不現(xiàn)實”和“推理業(yè)務不可靠”。
有人說BTC/ETH剛出來的時候，大家也說分布式節(jié)點都算了一遍。這種模式比云計算不可靠，最終不會變成嗎？這取決于人工智能實踐和人工智能推理對未來準確性、不可篡改性和冗余性的需求。暫時不可能簡單地爭奪性能、可靠性和價格。
模型資產(chǎn)化
這也是項目聚集的跑道，也是比算率資產(chǎn)化更容易理解的跑道。因為ChatGPT火了之后最著名的應用之一就是Character.AI了。你不僅可以咨詢蘇格拉底、孔子，還可以和馬斯克、山姆奧特曼等名人聊天，還可以愛上初音未來、雷電將軍等虛擬偶像。所有這些都是大語言模型的魅力。AI 這個概念通過Character.人工智能深受人心
假如孔子、馬斯克、雷電將軍這些Agent都是NFT？
這不是AI X Crypto？
因此，與其說模型資產(chǎn)化，不如說是基于大模型的Agent資產(chǎn)化。畢竟大模型本身是不可能鏈接的，更多的是基于模型的Agent投射到NFT，打造“模型資產(chǎn)化”AI。 X Crypto即視覺感。
現(xiàn)在圈內(nèi)有Agent可以教你學英語，也有Agent可以愛上你，包括Agent搜索和Market 還可以看到Place等衍化項目。
這條賽道的常見問題是首先沒有技術壁壘，基本上就是Character.隨著人工智能的NFT化，我們的In-House技術之神用現(xiàn)有的開源工具和框架，在一夜之間做了一個演講，比如BMAN，聲音像BMAN的Agent。第二，與區(qū)塊鏈的融合水平非常輕，有點像ETH上的Gamefi NFT，本質上，Metadata可能只存儲URL或哈希，模型/Agent都在云主機上，鏈上交易的只是一個所有權。
在可見的未來，模型/Agent的資產(chǎn)化仍將是AI x Crypto最重要的賽道之一，希望看到未來能出現(xiàn)與區(qū)塊鏈本身結合更緊密、更網(wǎng)絡化的項目，有一定的技術壁壘。
數(shù)據(jù)的資產(chǎn)化
從邏輯上講，數(shù)據(jù)資產(chǎn)化最適合AI Crypto，由于傳統(tǒng)的人工智能訓練，大多只能使用互聯(lián)網(wǎng)上的一些可見數(shù)據(jù)，或者更準確 — 公域數(shù)據(jù)，這些信息可能只占10%–不到20%，更多的數(shù)據(jù)實際上是在私域流量(包括個人數(shù)據(jù))，如果這個流量數(shù)據(jù)可以用于訓練或Fine-Tune大模型，我們當然可以在各個垂直領域擁有更專業(yè)的Agent/Bot。
Web3最擅長什么口號，Read，Write，Own！
然后通過人工智能 Crypto，在分散鼓勵的指導下，釋放個人和欲望流量的數(shù)據(jù)，資產(chǎn)化，為大型模型提供更好、更豐富的“食物”聽起來是一種非常合乎邏輯的做法，確實有幾個團隊在這個領域深耕。
然而，這條賽道最大的困難是 — 數(shù)據(jù)很難像算率一樣標準化。去中心化算率你的顯卡可以直接轉換成多少算率，很難衡量私有數(shù)據(jù)數(shù)據(jù)的總數(shù)、質量和用途。如果去中心化算率是ERC20，那么去中心化人工智能培訓數(shù)據(jù)的資產(chǎn)化有點像ERC721，還有很多猴子Punkazuki項目，很多Traits混在一起。與ERC20相比，流通性和市場難度都不是一點半，所以現(xiàn)在做AI數(shù)據(jù)資產(chǎn)化項目有些困難。
數(shù)據(jù)跑道的另一個值得一提的是分散標記。數(shù)據(jù)資產(chǎn)化作用于“數(shù)據(jù)采集”步驟，收集到的數(shù)據(jù)需要在喂養(yǎng)人工智能之前進行處理，這是數(shù)據(jù)標記的過程。目前，這一步大多是集中的人力密集型勞動。通過分散的代幣獎勵，Labour Work變成了去中心化，標注 to Earn，或者以類似眾包平臺的方式分散工作，也是一種思路。我們看到少數(shù)團隊目前在這個領域工作。
三. AI Crypto缺失的拼圖
簡單來說，從我們的角度來看，目前賽道上缺少的拼圖。
一是技術壁壘。正如我之前所說，絕大多數(shù)人工智能 與傳統(tǒng)的Web2AI項目相比，Crypto項目幾乎沒有堡壘，更多的是依靠經(jīng)濟模式和代幣來鼓勵前端感受、市場和運營。當然，這是可以理解的。分散化和價值分配是Web3的優(yōu)勢，但缺乏核心堡壘必然會有X to Earn的即視感?；蛘咂诖嘞馬NDR這樣的總公司OTOY擁有核心技術的團隊在Crypto中大展拳腳。
二是從業(yè)者的現(xiàn)狀。就目前看到的情況而言，AI X Crypto這條賽道的一些創(chuàng)業(yè)者團隊對人工智能非常了解，但對Web3的認知較淺。而且有些團隊非常Crypto Native，但在人工智能領域的造詣較淺。這與早期的Gamefi跑道非常相似，要么理解游戲，思考Web2游戲鏈的變化，要么理解Web3思考各種刷金模型的創(chuàng)新和優(yōu)化。Matr1x是我們在Gamefi跑道上遇到的第一個了解游戲和Crypto的雙A團隊。這就是為什么我之前提到Matr1x是我23年來“聊天后決定”的三個項目之一。我們期待著在24年內(nèi)了解人工智能和Crypto領域的雙A團隊。
三是商業(yè)場景。AI X Crypto正處于一個非常早期的探索階段，上述各種資產(chǎn)化只是幾個大方向，每個方向都有可以仔細挖掘和細分的軌道。現(xiàn)在市場上看到的各種項目在人工智能和Crypto的整合上都有一種“僵化”或“粗糙”的感覺，并沒有發(fā)揮人工智能或Crypto的最佳競爭力或組合，這也與上述第二點密切相關。就像我們In一樣 HouseR&D部門想到并設計了一種更好的組合方式。不幸的是，看了這么多人工智能軌道項目，他們?nèi)匀粵]有看到團隊進入這個細分領域，所以他們不得不繼續(xù)等待。
什么，你問為什么我們的VC能比市場上的企業(yè)家先想到一些場景？因為我們的In House 人工智能團隊中有7位大神，其中5位來自科班人工智能PHD。你知道ABCDE團隊對Crypto的認知嗎..
最后，我想說的是，雖然從一級市場的角度來看，AI x Crpyto也特別初期和不成熟，但這并不妨礙我們看好24–25年，AI X Crypto將成為本輪牛市的主要跑道之一。畢竟，人工智能解放生產(chǎn)力，區(qū)塊鏈釋放生產(chǎn)關系，還有比兩者更好的結合嗎？ ：）
