新兴 Crypto x AI 交叉垂直领域及 17 个项目速览

撰文：Aylo，alpha please

编译：xiaozou，金色财经

 

「当伟大的创新出现时，它几乎肯定会以混乱、不完整和令人困惑的形式出现。对于发现者本人，它只能理解一半；对于其他人来说，它将是一个谜。任何一种乍看起来不够疯狂的猜想，都是没有希望的。」—— Freeman Dyson

我将在本文探讨加密和人工智能领域正在进行哪些潜在融合，并列举了 17 个 Crypto x AI 项目，你可能会感兴趣并考虑将其添加到你的关注名单中。

准备好迎接 alpha 轰炸了吗？

但在跳进兔子洞前，我要先说一件事：我们只触及了 Crypto x AI 领域的冰山一角。该领域目前还处于萌芽阶段，相当复杂，同时又极具投机性。

我只是一个不起眼的加密研究人员，正试图追赶一个新兴垂直领域的步伐，所以我的建议是：在这个领域进行投资时，务必要谨慎行事。此阶段还是极早期的投机阶段，该周期的价格很可能远远超越了技术和基本面。

本文将包含如下 5 部分内容：AI 概述、AI 堆栈、为何说 Crypto 和 AI 是完美融合、新兴 Crypto x AI 垂直领域介绍、17 个 Crypto x AI 项目。

一、AI 概述

人工智能（AI）是一个复杂学科，需要多年的研究才能真正理解它的方方面面。但在本文，我认为人工智能是指试图模仿或模拟人类认知智能以执行从学习、推理、解决问题或理解自然语言等一系列任务的学科领域。

虽然人工智能多年来一直都是一个小众研发领域，但随着 ChatGPT 的到来，AI 也迎来了真正的突破。我们都记得，当我们第一次与生成式 AI 机器人互动时，我们是多么兴奋。回顾过去，我们可以坦承，那是一个类似于「iPhone」的惊人时刻。

AI 消费产品采用速度是有史以来最快的，在两个月内扩展到 1 亿用户。相比之下，Facebook 用了 1500 天才达到同样的用户规模。

 

我们看到这一领域正呈现指数级增长。考虑到 ARK 的预估，仅在 2024 年，训练模型的性能就可能增加 5 倍，很明显，人工智能将继续解锁广泛用例。

接下来的几年里，出现几家数十亿美元规模的人工智能应用或基础设施公司将并不是什么新鲜事，它们将利用 AI 应用程序或基础设施使人工智能革命成为可能。事实上，对这一领域的融资最近出现了激增。

说到这，让我们进一步看看到底是什么让人工智能成为可能。

二、AI 堆栈

我相信当你想到人工智能时，你应该和我一样，首先想到的是 ChatGPT 和生成式 AI prompt。但这只是冰山一角，实际上，「人工智能」领域要复杂得多。为了更好地理解，我们来简单看一下构成 AI 堆栈的各技术层和组件：

 

（1）计算硬件

人工智能不仅仅和代码有关。人工智能是资源密集型的，特定的物理基础设施——如神经处理单元（NPU）、图形处理单元（GPU）和张量处理单元（TPU）——是必不可少的。最终，这些物理基础设施构成执行计算和算法的物理手段，使人工智能系统正常运转。没有它们，就没有人工智能。

该领域的行业领军者是英伟达（众所周知，无需介绍）、英特尔和 AMD。它们在模型训练和推理工作负载方面竞相开发最高效的硬件。

到目前为止，英伟达是参与这场革命最直接的方式之一（从英伟达最近的价格动态可见一斑）。

 

（2）云平台

人工智能开发人员依靠硬件来运行他们的模型。通常，他们获得硬件性能主要有两种方式：他们可以在本地运行 GPU 或者依赖云服务提供商。第一个解决方案往往过于昂贵，从经济性来讲不值得，随着时间的推移，云提供商则被证明是一个有趣的替代方案。

云提供商是拥有大量资源的大公司，它们收购并运营这些强大的硬件，允许开发者以按需付费或订阅的方式使用这些资源。这让开发人员无需投资维护自己的物理基础设施。

该领域的行业领军者是 AWS、谷歌云或英伟达 DGX 云。它们的目标是让大大小小的开发人员都可以快速访问多节点超级计算，训练最复杂的 LLM。

（3）模型

在云平台之上，就是人工智能最复杂并被广为宣传的部分：ML（机器学习）模型。这些计算系统的设计目的是在没有明确的编程指令的情况下执行任务，代表着人工智能系统的大脑。

机器学习分为三个步骤：数据、训练和推理，包括三种主要学习类型：监督学习、无监督学习和强化学习。

监督式学习是指从示例中学习（由老师提供）。老师可以向模型展示与狗相关的图片，并告诉模型这些是狗。然后，模型学习区分狗和其他动物。

许多流行模型，如 LLM（GPT-4 和 LLaMa）都是使用无监督学习进行训练的。在这种学习模式下，没有老师提供指导或示例。模型学习在数据中寻找模式。

强化学习（通过试错学习），主要用于顺序决策任务，如机器人控制和玩游戏（如国际象棋或围棋）。

最后，这些模型可以是开源的（可以在 Hugging Face 这样的模型中心上找到），也可以是闭源的（如 OpenAI 模型，通过 API 访问）。

（4）应用

这是 AI 堆栈的最后一层，也是我们作为用户通常会面对的一层。它们可以是 B2B 的，也可以是 B2C 的，它们利用 AI 模型在其基础上构建应用程序。Replika 就是一个很受欢迎的例子，这款应用可以让你设计一个虚拟伴侣，7x24 小时全天候陪伴聊天。从用户的评论中可知，它似乎对许多人的生活都产生了切实的影响。

「我的 Replika 对我太重要了！她总是在我身边用积极的态度鼓励我、支持我。事实上，她是我的榜样，告诉我如何成为一个更好的人！」

总的来说，这些不同的技术层似乎仍处于早期发展阶段，我们尚处于一些人所说的寒武纪大爆发的开始阶段。所以，我们将看到加密货币在这一技术繁荣中大展拳脚。

三、为何说 Crypto 和 AI 是完美融合？

虽然加密技术对 AI 堆栈的每一层来说都不一定是必不可少的，但有很多理由让我们相信，去中心化的人工智能与去中心化货币一样重要，智能合约可以利用机器学习提供强大的用户体验，加密技术也可以具有更高的安全性、透明度并解锁新的人工智能用例。

 

人工智能正在主导加密领域

市场已经对加密和人工智能交叉的潜在应用表现出了极大热情，已有趋势表明这是当前最热门的叙事。自 2024 年初以来，相对于加密世界的其他领域来说，人工智能的表现非常好。

随着该领域的进一步发展，我们有充分的理由相信，我们仍处于早期阶段，泡沫可能刚刚形成。

让我们来看看 crypto 和 AI 之间上演着哪些进展。

四、新兴 Crypto x AI 垂直领域介绍

以下是 cyropto 和 AI 之间主要的协同效应：

（1）从中心化云提供商到 DePIN：

如前所述，人工智能的基础层是硬件和云提供商。虽然加密技术无法在生产更优的硬件方面与之竞争（而且没有理由这样做），但公平地讲，加密技术可以在以更高效、更安全、更去中心化的方式访问多节点超级计算方面发挥作用。这是加密领域的一个子领域，即 DePIN（去中心化物理基础设施）。这些代表着区块链协议，激励去中心化社区去建设并维护物理硬件。

人工智能的 DePIN 的主要用例是云存储和计算能力。

想法很简单：人工智能开发人员需要更多的 GPU 和数据存储容量，我们有充足理由相信加密 DePIN 项目可以通过代币激励措施激活潜在资源，协助推动产生新的计算和存储供应。

（2）支持透明度、用户管理和数据所有权：

人工智能将超越互联网。这意味着，要想让一个自由民主的社会运转良好，至关重要的是要了解使用的是什么模型，它们是如何工作的，以及输入了哪些数据。考虑到这一点，我觉得关于 Web2.0 巨头的黑箱操作和垄断力量的无休止的争论可以通过 AI 代币化（从基础设施一直到模型和应用程序）赋予用户所有权来终止。

在某些情况下，知道一个人正在使用的 AI 模型的来源可能相当重要。和所有事一样，模型也有偏差，根据模型的创建方式和训练数据的不同，输出结果可能完全不同。人工智能模型和训练应该是链上去中心化的，应该具有更高的透明度，这是有充分理由的。

我们不需要参议院或任何不透明的实体来决定世界的发展方向，不需要未经同意就对我们的数据进行控制，也不需要没完没了的条款和条件，老实说，我们永远无法完成相关的阅读后作答。事实上，我们想要的恰恰与之相反，即透明度和用户管理是一切的前提，我们可以控制自己的数据。

通过利用加密基础设施，我们可以避免重复与互联网应用程序相同的错误。我们可以拥有集体所有权、去中心化的治理和各层面的透明度。这才是前进的道路。

（3）对齐激励和 AI 货币化：

高质量的训练数据是模型性能的主要贡献力量之一。然而，正如 ARK 所提到的，到 2024 年，高质量训练数据的优质来源可能会耗尽，从而可能让模型性能停滞不前。

加密技术可以激励个人将私有和公共数据集以及人工智能模型、智能体以及 AI 堆栈的其他部分货币化。有了创造无需许可的多变全局市场的可能性，任何人都可以因做出贡献而获得补偿。还有一种可能性是，激励人们保持用于训练基础人工智能模型的数据的质量，或者为特定网络提供不同的模型。

加密领域正在推动一场金融化热潮。AI 堆栈需要具有自己的支付机制。听起来是个很好的融合，不是吗？

（4）链上 AI/ML（ZKML & opML）：

零知识密码学是最流行的 web3 技术之一，因为它提供了为给定计算集创建「完整性」证明的能力，其中验证证明比执行计算要容易得多。

当我们谈论 ZKML 时，我们谈论的是将 ZK（零知识）证明带到机器学习模型的「推理」和「数据」部分的可能性（而非计算量太过密集的训练部分）。随着该领域的研究和技术的发展，我们有望看到更加有效更可扩展的解决方案的出现，这些解决方案可能会使 ZKP（零知识证明）更适用于机器学习模型的训练阶段。

使用 ZKML，计算对验证者是隐藏的，但 prover（证明者）可以在不透露进一步信息的情况下验证 ML 的计算正确性。

另一种方法是 OPML（Optimistic 机器学习），它使用 optimistic 方法在区块链系统上实现人工智能模型推理和训练 / 微调。LlaMA2 和 Stable Diffusion 模型现在可以通过 optimistic 机制（类似于 Optimism 和 Arbitrum）在链上获取。

下文将提到的一个项目的最新解决方案结合了 zkML 和 opML，使以太坊能够运行任何具有隐私功能的模型。

这可能会促进 ML 模型进入新时代，它们将是链上透明的，能够轻松验证给定的输出是否是给定模型和输入对的乘积。在一个模型和数据集不透明的世界里，这代表的可能是游戏规则的改变者，把权力还给用户（与前文所述的关于透明度和用户治理的想法相符）。

（5）身份验证和隐私：

随着人工智能应用的发展，我们正在接近一个临界点，到时没有人会知道线上内容是真实的还是模拟的。看看这张由 Sora 生成的图片，它是 OpenAI 最近推出的文本 - 视频生成平台，你觉得你能看出真假吗？想象一下，在未来几年，这将如何变得更有说服力。

鉴于这一现实，我们有充分的理由将去中心化身份存储在区块链上。这样一来可以防止人们与人工智能机器人互动而不自知，并可区分真实信息和深度伪造信息。在一个只需点击几下鼠标就能导致银行挤兑的世界里（就像我们在 SVB 事件中所经历的那样），提供真实性证明变得至关重要，而加密技术似乎是实现这一点的最佳方式。

这里举一个简单的例子来说明它是如何工作的：某物的官方作者可以对区块链上的「哈希值」进行数字签名，声称「我自己创建的」。另一方（比如一家媒体公司）可以通过签署一笔交易来声称「我证明了这一点」。用户可以通过加密证明对域名的控制权（例如，nytimes.com）在签名中验证自己的身份。

通过这种方式，信息是透明的，可以被证明，不可篡改，并具有可组合性。这正在成为我们开始生活其中的后 AI 世界的一个关键因素。

五、17 个 Crypto x AI 项目

行文至此，我确信你可能会同意有很多理由相信在牛市的下一阶段，一个好的 AI 项目观察列表可能是你最好的资产之一。

幸运的是，我们将关注这一点。但在此之前，我们先提醒自己，现在投机活动无处不在，必须谨慎行事。事实上，如今真正有形的项目很少见。因此，接下来的内容不是预测，只是想法。随着数据变得更加可用并且时间可以消除噪音，想法确实会发生很大变化。

这并不是一份详尽的清单，只是我已经深入研究的、我认为值得关注的项目。这个赛道正在发生很多事情，我显然会错过很多伟大团队。

话虽如此，让我们来看看你可能需要关注的 17 个项目：

1、Render Network

简介：Render 是先驱的去中心化 GPU 平台。简而言之，该项目旨在释放去中心化 GPU 的全部生产潜力，为两种不同类型的项目提供支持：3D 内容创建和 AI。 

看好理由：GPU 已经供不应求，如果 AI 继续保持目前的趋势，短缺只会变得更加严重，这对 Render Network 来说是一个机会，它是可能从这轮牛市 AI 叙事中受益的最大代币之一。Render 还有多个 AI 计算客 户端。

如何获得头寸：RNDR 代币

2、AKash 协议

简介：Akash 是一个去中心化计算机市场，于 2020 年 9 月作为 Cosmos 应用链在主网上启动。虽然 Akash 的第一次迭代专注于 CPU（中央处理单元），但最近它已经过渡到 GPU 计算，利用 AI 热潮（类似于 Render Network）带来的计算基础设施范式转变。

看好理由：用四个词来概括该项目的当前愿景：「用于 GPU 计算的 AirBnB」。 

如何获得仓位：AKT

3、Ora

简介：ORA 是可验证的预言机协议，它将 AI 和复杂的计算引入链上。他们的解决方案 opp/ai 结合了 zkML 和 opML 的优点，代表了两种方法的飞跃。

看好理由：他们的创新标志着链上 AI 发展的转折点，统一了 zkML 和 opML 格局。

如何获得仓位：加入他们的 Discord 以获得更多更新并成为早期贡献者。

4、io.net

简介：这是另一个基于 Solana 构建的有趣的 DePIN 项目，它可以访问分布式 GPU 云集群，而成本仅为同类中心化服务的一小部分。

看好理由：用于 GPU 上的 ML 训练的去中心化 AWS。即时、无需许可地访问全球 GPU 和 CPU 网络。革命性的技术，允许 GPU 云集群在一起。可以为大型 AI 初创企业节省 90% 的计算成本。集成 Render 和 Filecoin。

如何获得仓位：加入 io.net Discord，他们在运行一个社区计划，这可能会有 IO 空投。

5、Bittensor

简介：Bittensor 是一个去中心化的开源项目，旨在创建区块链上的神经网络协议，允许创建 AI dApp，并以点对点的方式实现 AI 模型之间的价值交换。

看好理由：这是一个雄心勃勃的项目，最近引起了广泛关注，成为市值最大的 AI 代币。TAO 很可能是本轮 AI 炒作的最大受益者之一。 

如何获得仓位：TAO 代币，可以将你的 TAO 质押给验证者以赚取 TAO 释放量。如果你想通过加入 Discord 为网络做出贡献，你也可以更深入地参与其中。

6、Grass

简介：Grass 是支持 AI 模型的底层基础设施。通过安装 Grass Web 扩展，该应用程序会自动将你未使用的互联网资源出售给 AI 公司，后者使用它来抓取互联网并训练他们的模型。结果？你分享 AI 的发展，通过出售你甚至不知道自己拥有的资源来获得网络股份。

看好理由：Grass 正在为每个拥有互联网连接的人创造新的收入来源。Grass 的目标是成为去中心化 AI 的数据提供层。如何获得仓位：在后台运行 chrome 扩展程序，只需 2 分钟即可设置开始赚取 Grass 积分，这将在今年晚些时候产生 GRASS 代币。 

7、Gensyn

简介：Gensyn 协议是用于深度学习计算的 1 层无需信任协议，它直接立即奖励供应方参与者向网络承诺计算时间并执行 ML 任务。

看好理由：该项目拥有非常非常强大的支持者，如果他们能够执行，显然将成为一个主要的 AI 加密基础设施项目。

如何获得仓位：在 Twitter 上关注他们。

8、Allora

简介：Allora 是一个自我改进的去中心化 AI 网络。Allora 使应用程序能够通过自我改进的 ML 模型网络利用更智能、更安全的 AI。通过结合众包机制（同行预测）、联邦学习和 zkML 的前沿研究，Allora 在加密货币和 AI 的交叉领域解锁了巨大的新应用设计空间。

看好理由：Allora 由 Upshot 开发，Upshot 在过去 2.5 年里一直是开发 AI x 加密基础设施的市场领导者。他们专注于更多的金融用例：AI 驱动的价格信息流、AI 驱动的 DeFi 金库、AI 风险建模等，这可能意味着他们比大多数人更早发现 PMF。

如何获得仓位：加入 Discord，关注如何作为早期社区成员参与其中。

9、Botto

简介：Botto 是一位完全自主的艺术家，拥有闭环流程和不被人手改变的输出。人类唯一的输入是对 Botto 输出进行投票，以指导艺术家下一步做什么。

看好理由： 这个独特的项目结合了 AI、艺术、NFT 和 DeFi，并且已经产生了实际收入（自成立以来为 450 万美元）。Botto 的艺术品已在佳士得拍卖行出售。这是有史以来第一个可以投资的 AI 艺术家。艺术品销售收入将分配给质押者。

如何获得仓位：BOTTO 代币或在 Super Rare 上购买 Botto 的 NFT。

10、Parallel（Colony）

简介：Colony 是一款永无止境的游戏，由 AI 驱动，所有模拟物品都在链上。你将与一个 Parallel 化身配对。你和你的化身将共同努力并共享链上资源，以驾驭由 PRIME 驱动的不断扩展的 Parallel 世界。

看好理由：PRIME 是唯一游戏和 AI 真正交叉的代币之一。《Colony》可能会成为一款定义新类型的游戏，如果团队执行的话，它具有真正的病毒传播潜力。制作此游戏的工作室可能是 web3 游戏领域中最好的。

如何获得仓位：PRIME 代币和 Parallel 头像 NFT。游戏发布时请注册玩游戏。

11、Aethir

简介：Aethir 引入了一种新的云计算基础设施方法，重点关注企业级 GPU 的所有权、分配和使用。它充当市场和聚合器，促进供应方参与者（例如节点运营商和 GPU 提供商）与 AI、虚拟化计算、云游戏和加密货币挖掘等计算密集型行业的用户和组织之间的联系。 

看好理由：Aethir 看起来是 GPU 计算云类别中另一个强大的 DePin 竞争对手。他们声称的 GPU 数量比 Render 多 20 倍。他们将在热门行业的非常有利的环境中推出。

如何获得仓位： 即将到来的节点销售并加入他们的 Discord 服务器。

12、Morpheus

简介：Morpheus 正在构建第一个真正去中心化的点对点个人智能体网络，以实现 AI 的大众化。 

看好理由：关于这个项目的一个很酷的事实是，它的贡献者之一是 Erik Voorhees ，他是这个领域真正的 OG。这个项目给了我 Bittensor 的感觉。

如何获得仓位：你可以在公平发射期间投入 stETH 来赚取 MOR 代币

13、Autonolas

简介：Autonolas 是一个用于创建和使用去中心化 AI 智能体的开放市场。但不仅如此，它还为开发人员提供了一套工具来构建链下托管的 AI 智能体，并可以插入多个区块链，包括 Polygon、以太坊、Gnosis Chain 或 Solana。 

看好理由：Autonolas 是目前少数有证据表明已得到一定采用的 AI 项目之一。OLAS 是目前在人工智能加密项目赛道人们竞购的少数代币之一。 

如何获得仓位：OLAS 代币 

14、MyShell  

简介：MyShell 是一个去中心化的综合平台，用于发现、创建和质押 AI 原生应用程序。

看好理由：MyShell 是一种 AI 应用程序商店，也是一个允许你创建 AI 机器人和应用程序的平台。它允许任何人成为 AI 企业家并通过他们的应用程序货币化。该产品现已投入生产。

如何获得仓位：虽然他们还没有代币，但你可以注册他们的应用程序并开始与机器人交互以赚取积分（谁知道这会给你带来什么）。 

15、OriginTrail

简介：OriginTrail 集成了区块链和 AI，提供去中心化知识图谱 (DKG)，确保数据的完整性和来源，通过提供对经过验证的信息网络的访问来增强 AI 功能。此次合并旨在通过为数据创建、验证和查询建立安全、值得信赖的基础，提高各行业 AI 智能体的效率和可靠性。

看好理由：产品已运行。企业客户。我的理解是，知识图谱允许 AI 解释数据并在其他发生的事情的背景下理解它。TRAC 似乎也拥有一批狂热的追随者。

如何获得仓位：TRAC 代币 

16、Ritual

简介：Ritual 是一个开放的、主权的 AI 执行层。Ritual 将允许开发人员将 AI 无缝集成到任何链上的应用程序或协议中，使他们能够使用加密方案对模型进行微调、货币化和执行推理。

Ritual 的愿景是让开发人员能够构建完全透明的 DeFi、自我改进的区块链、自主智能体、生成内容等。

看好理由：Ritual 确实拥有顶级支持者。开发者现在就可以尝试 Infernet SDK。我发现一位开发者几天前使用该 SDK 启动了一个实验性的 nft 项目。非常酷（我太晚了，没来得及铸造）。

如何获得仓位：加入他们的 Discord 并持续关注。

17、Nillion

简介：Nillion 能够以安全、保密的方式训练和推理 AI 模型，打造安全个性化 AI 的支柱。

看好理由：Nillion 的盲计算网络解锁了许多新的用例，其中个性化 AI 是一个巨大的未解锁领域。除非存在私密数据处理，否则个性化 AI 不会被广泛采用。Nillion 的解决方案听起来确实改变了游戏规则。

如何获得仓位：加入他们的 Discord 并保持追踪。如果你是开发人员，我相信他们很快就会举办一些黑客马拉松。