加密 AI 項目不全是胡扯，如何識別真場景與偽需求？
加密技術被視為對抗 AI 集中化的一種力量。作者：563
編譯：深潮TechFlow
駕馭加密和人工智能的交叉點。
在尋找新的alpha信息時，我們不可避免地會遇到一些垃圾信息。當一個項目只需一個半清晰的簡介和一些體面的品牌就能迅速籌集到5-6位數的資金時，投機者們會抓住每一個新的敘事。而隨著傳統金融領域紛紛加入AI潮流，"加密AI"敘事更是加劇了這一問題。
這些項目的大多數問題在於：
大多數加密項目不需要 AI
大多數 AI 項目不需要加密貨幣
並不是所有去中心化交易所（DEX）都需要內置AI助手，每個聊天機器人也不需要一個伴隨的代幣來促進其採用曲線。AI和加密技術的這種硬性結合讓我在最初深入了解這一敘事時幾乎崩潰。
壞消息是什麼？繼續沿著當前的道路走下去，進一步集中這項技術，最終只會以失敗告終，而大量虛假的 " AI x Crypto "項目也會阻礙我們扭轉頹勢。
好消息是什麼？隧道盡頭有曙光。有時，AI確實能從加密經濟學中獲益。同樣，在一些加密貨幣的使用案例中，AI也能解決一些實際問題。
在今天的文章中，我們將探討這些關鍵的交匯點。這些小眾創新想法的重疊形成了一個整體，其效果大於各部分之和。
AI堆疊的高層次視圖
以下是我對"加密AI"生態系統中不同垂直領域的看法（如果你想更深入了解，可以參考Tommy的文章）。注意，這是一種非常簡化的視圖，但希望能幫助我們奠定基礎。
從高層次來看，它是如何協同工作的：
大規模收集數據。
處理這些數據，使機器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。
然後可以微調以處理特定的使用案例。
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，這些資源可以本地運行或從雲端獲取。
讓我們探討這些領域中的每一個，特別關注不同的加密經濟設計如何能實際改進標準工作流程。
加密賦予開源以戰鬥機會
"閉源"與"開源"開發方法的爭論可以追溯到Windows-Linux的辯論和Eric Raymond著名的《大教堂與集市》理論。雖然今天Linux在愛好者中廣泛使用，但大約90%的用戶選擇了Windows。為什麼？因為激勵措施。
至少從外部來看，開放源碼開發有很多好處。它可以讓最多的人參與到開發過程中，並為之做出貢獻。但在這種無頭結構中，沒有一個統一的指令。CEO不會主動讓盡可能多的人使用他們的產品，以最大限度地提高他們的底線。在開源開發過程中，項目有可能演變成一個 "嵌合體"，在設計理念的每一個交叉點上都會分裂出不同的方向。
調整激勵措施的最佳方式是什麼？構建一個系統，獎勵那些能促進目標實現的行為。換句話說，把錢交到能讓我們更接近目標的行為者手中。有了加密貨幣，這一點就可以硬編碼成法律。
我們將看看一些正在這樣做的項目。
去中心化物理基礎設施網絡（DePINs）
"哦拜托，又是這玩意兒？"是的，我知道DePIN敘事幾乎和AI本身一樣被講爛了，但請稍等片刻。我願意堅信DePINs是一個真正有機會改變世界的加密使用案例。想一想。
加密技術真正擅長的是什麼？去除中介和激勵活動。
比特幣最初的願景是對等貨幣，旨在將銀行排除在外。類似地，現代DePINs旨在排除集中的力量，並引入可證明公平的市場動態。正如我們將看到的，這種架構對於眾包AI相關網絡是理想的。
DePINs使用早期代幣發行來增加供應側（提供者），希望這能吸引可持續的消費者需求。這旨在解決新市場的冷啟動問題。
這意味著早期的硬件/軟件（"節點"）提供者賺取大量代幣和少量現金。隨著用戶利用這些節點（在我們的例子中是機器學習構建者）帶來的現金流，這開始抵消隨著時間減少的代幣發行，直到一個完全自給自足的生態系統建立起來（可能需要幾年時間）。早期的採用者，如Helium和Hivemapper，展示了這種設計的有效性。
數據網絡，Grass的案例
據稱，GPT-3是用45TB的純文本數據訓練的，相當於大約9000萬本小說（但它仍然不能畫一個圓）。GPT-4和GPT-5 所需的數據量比表面網絡上存在的數據還要多，因此稱人工智能為 "數據飢渴症 "是本世紀最輕描淡寫的說法。
如果你不是頂尖玩家（OpenAI，Microsoft，Google，Facebook），獲取這些數據是非常困難的。大多數人的常見策略是網頁抓取，在你嘗試加強之前，這一切都很好。如果使用一個亞馬遜網絡服務（AWS）實例試圖抓取大量網站，就會很快受到速率限制。這就是Grass的用武之地。
Grass連接了超過兩百萬台設備，組織它們從用戶的IP地址抓取網站，收集、結構化並將其出售給急需數據的AI公司。作為回報，參與Grass網絡的用戶可以從使用他們數據的AI公司那裡賺取穩定的收入。
當然，目前還沒有代幣，但未來的$GRASS代幣可能會讓用戶更願意下載他們的瀏覽器擴展（或手機應用）。儘管他們已經通過一場極其成功的推薦活動吸引了大量用戶。
GPU網絡，io.net的案例
或許比數據更重要的是計算能力。你知道嗎，在2020年和2021年，中國在GPU上的投入資金比石油還多。這簡直太瘋狂了，但這僅僅是個開始。再見石油幣，為計算幣讓路。
現在，市面上有很多GPU DePINs，它們的工作原理大致如下。
急需計算的 機器學習 工程師/公司。
另一方面，則是數據中心、閒置礦機和擁有閒置 GPU / CPU 的業餘愛好者。
儘管全球供應量巨大，但卻缺乏協調。要聯繫10個不同的數據中心，讓他們為你的使用出價，並不容易。一個中心化的解決方案會產生一個尋租的中介，其激勵是從每一方中提取最大價值，但加密技術可以幫助。
加密技術非常擅長創建市場層，能夠高效地連接買賣雙方。一個代碼片段不需要對股東的財務利益負責。
io.net脫穎而出，因為它引入了一些對於AI訓練至關重要的酷炫新技術------他們的集群堆疊。傳統的集群涉及在同一個數據中心物理連接一堆GPU，使它們能夠協同工作進行模型訓練。但如果你的硬件分布在全球各地怎麼辦？io.net與Ray（用於創建ChatGPT）合作開發了可以連接非同地點GPU的集群中間件。
而且，AWS的註冊過程可能需要幾天時間，而io.net上的集群可以在90秒內無許可地啟動。出於這些原因，我可以看到io.net成為所有其他GPU DePINs的中心，它們都可以插入他們的"IO引擎"，解鎖內置的集群和順暢的上手體驗。這一切都只有在加密技術的幫助下才有可能。
你會注意到，大多數具有雄心壯志的去中心化AI項目（如Bittensor, Morpheus, Gensyn, Ritual, Sahara）都有明確的"計算"需求------這正是GPU DePINs應當插入的地方，去中心化AI需要無許可的計算。
激勵結構的運用
再次回到比特幣的啟示。為什麼礦工們不斷快速地計算哈希值？因為這是他們的報酬方式------中本聰提出這種架構是因為它優先優化了安全性。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質押者是吸收其所有原生代幣的參與者，因為這是協議想要激勵的------參與者成為礦工和質押者。
在一個組織中，這可能來自CEO，他定義了 "願景 "或 "使命宣言"。但人是容易犯錯的，可能會讓公司偏離正軌。另一方面，計算機代碼卻能比最粗皮的工資奴隸更能保持專注。讓我們來看看幾個去中心化項目，它們內置的令牌效應能讓參與者專注於崇高的目標。
AI構建網絡，探討Bittensor
如果我們讓比特幣礦工構建AI而不是解決無用的數學問題會怎麼樣？這樣，你就得到了Bittensor。
Bittensor的目標是創建幾個實驗性的生態系統，以進行試驗，目的是在每個生態系統內生產"商品化的智能"。這意味著一個生態系統（稱為子網，簡稱"SN"）可能專注於開發語言模型，另一個專注於金融模型，還有更多專注於語音合成、AI檢測或圖像生成（參見當前活躍的項目）。
對於Bittensor網絡來說，你想做什麼並不重要。只要你能證明你的項目值得資助，激勵措施就會流動。這是子網所有者的目標，他註冊子網並調整遊戲規則。
這個"遊戲"的參與者稱為礦工。這些是構建模型的ML/AI工程師和團隊。他們被鎖定在一個持續審查的"雷霆穹頂"中，為了獲得最多的獎勵而互相競爭。
驗證者是另一個面，負責進行審查並相應地評分礦工的工作。如果發現驗證者與礦工勾結，將被驅逐。
記住激勵措施：
礦工在擊敗其他子網內的礦工時賺得更多------這推動了AI的發展。
驗證者在準確識別高績效和低績效礦工時賺得更多------這保持了子網的公正性。
子網所有者在其子網產生的AI模型比其他子網更有用時賺得更多------這推動子網所有者優化其"遊戲"。
你可以將Bittensor視為一個AI開發的永久獎勵機器。新興的機器學習工程師可以嘗試構建某些東西，向VCs推介並嘗試籌集一些資金。或者他們可以作為礦工加入其中一個Bittensor子網，大展拳腳，並獲得大量的TAO。哪個更容易？
一些頂級團隊正在網絡上構建：
Nous Research是開源的王者。他們的子網在微調開源LLMs方面顛覆了傳統。他們通過對模型進行持續的合成數據流測試，使排行榜無法被操縱（與傳統基準測試如HuggingFace不同）。
Taoshi的專有訓練網絡基本上是一個開源的量化交易公司。他們要求ML貢獻者構建預測資產價格走勢的交易算法。他們的API為散戶和機構用戶提供量化級別的交易信號，並且正快速走向重大盈利。
由Corcel團隊開發的Cortex.t有兩個目的。首先，他們激勵礦工提供頂級模型（如GPT-4和Claude-3）的API訪問，以確保開發者的持續可用性。他們還提供合成數據生成，這對於模型訓練和基準測試（這也是Nous使用它的原因）非常有用。查看他們的工具------聊天和搜索。
不出意外的話，Bittensor重申了激勵結構的力量，這一切都是由加密經濟學實現的。
智能代理，探究Morpheus
現在，我們來看看Morpheus的兩個方面：
加密經濟結構正在構建AI（加密幫助AI）
AI啟用的應用程序在加密中啟用新的使用案例（AI幫助加密）
"智能代理"只是受過智能合約訓練的AI模型。它們了解所有頂級DeFi協議的內部運作，知道在哪裡找到收益，在哪裡橋接，以及如何發現可疑的合約。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年內與區塊鏈互動的方式。事實上，一旦我們達到那個點，你可能根本不知道你在使用加密技術。你只會告訴聊天機器人你想把一些儲蓄轉移到另一種投資中，一切都會在後台發生。
Morpheus體現了這一部分的"激勵它們，它們就會來"的信息。他們的目標是擁有一個平台，在這個平台上，智能代理可以傳播和繁榮，每個代理都建立在上一個代理的成功之上，在一個最小化外部性的生態系統中。
代幣通脹結構突出顯示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，以吸引新用戶加入生態系統。
計算------提供運行代理的計算能力。
資本------提供他們的收益，以推動Morpheus的經濟機器。
這些類別中的每一個都獲得了$MOR通脹獎勵的平等份額（也會保存一小部分作為緊急基金），迫使它們：
構建最佳代理------當他們的代理被一致使用時，創建者會得到報酬。與免費提供OpenAI插件不同，這種方式即時支付給構建者。
構建最佳前端/工具------當他們的創作被一致使用時，創建者會得到報酬。
提供穩定的計算能力------提供者在借出計算能力時獲得報酬。
為項目提供流動性------通過保持項目的流動性，賺取他們的MOR份額。
儘管有許多其他的AI/智能代理項目，但Morpheus的代幣經濟結構在設計激勵機制方面尤為清晰有效。
這些智能代理是AI真正消除加密應用障礙的終極例證。dApp的用戶體驗是出了名的糟（儘管過去幾年有很多進步），LLM的興起點燃了每個想成為Web2和Web3創始人的激情。儘管存在大量的牟利項目，但像Morpheus和Wayfinder這樣的優秀項目（見下方演示）展示了將來進行鏈上交易會變得多麼簡單。
將這一切結合起來，這些系統之間的相互作用可能看起來有點像下面這樣。注意，這是一種極度簡化的視圖。
如何分辨一個項目是否完全無用
記住我們兩類廣義的"加密 x AI"：
加密幫助 AI
AI 幫助加密
在本文中，我們主要探討了第一類。正如我們所見，一個設計良好的代幣系統可以為整個生態系統奠定成功的基礎。
第一類 - 加密幫助AI
DePIN架構可以幫助啟動市場，創造性的代幣激勵結構可以協調開源項目向曾經難以實現的目標努力。是的，還有其他幾個合法的交叉點，由於篇幅限制我沒有涵蓋：
去中心化存儲
可信執行環境 （ TEE ）
實時數據獲取（RAG）
零知識x 機器學習 用於推理/出處驗證
在決定一個新項目是否真的有價值時，問自己：
如果它是另一個成熟項目的衍生品，那麼它的不同之處是否足以讓人眼前一亮？
它只是開源軟件的包裝版本嗎？
這個項目是否真正從加密技術中受益，還是加密技術被硬塞了進來？
真的需要100個類似HuggingFace（一個流行的開源機器學習平台）那樣的加密項目嗎？
第二類 - AI幫助加密
在這一類別中，我個人看到更多的是虛假項目，但是也確實存在一些很酷的用例。比如AI模型可以消除加密用戶體驗中的障礙，尤其是智能代理。以下是一些在AI支持的加密應用領域中值得關注的有趣類別：
增強的意圖系統------自動化跨鏈操作
錢包基礎設施
面向用戶和應用的實時警報基礎設施
如果它只是一個"帶有代幣的聊天機器人"，對我來說那就是垃圾項目。請停止為這些項目造勢以維護我的理智。另外：
添加AI不會神奇地讓你的失敗應用/鏈/工具獲得產品市場契合
沒有人會因為一個遊戲有AI角色就去玩一個糟糕的遊戲
給你的項目加上"AI"標籤並不會讓它變得有趣
我們將走向何方
儘管有很多噪音，一些嚴肅的團隊正在努力實現"去中心化AI"的願景，這是值得為之奮鬥的。
除了激勵開源模型開發的項目外，去中心化數據網絡為新興的AI開發者打開了新大門。當OpenAI的大多數競爭對手無法與Reddit, Tumblr, 或WordPress達成大規模交易時，分佈式抓取可以均衡這種差距。
一家公司擁有的計算能力可能永遠不會超過世界上其他公司擁有的計算能力的總和，而有了去中心化的GPU網絡，這意味著其他任何人都有能力與頂級公司相媲美。你所需要的只是一个加密钱包。
今天我們處在一個十字路口。如果我們專注於那些真正有價值的"加密 x AI "項目，我們有能力去中心化整個AI堆疊。
加密貨幣的願景是通過密碼學的力量創造一種無人能干涉的 硬通貨 。正當這項新興技術開始流行時，一個更可怕的挑戰者出現了。
在最理想的情況下，集中的AI不僅僅是控制你的財務，還會對我們日常生活中遇到的每一個數據施加偏見。它將在一個自我延續的數據收集、精細調整和模型注入的循環中豐富極少數科技領袖。
它將比你更了解你自己。它知道按下哪個按鈕會讓你笑得更多、生氣得更多和消費得更多。儘管看起來如此，它並不對你負責。
最初，加密技術被視為對抗 AI 集中化的一種力量。加密技術能夠協調分散的個體共同努力，實現一個共同目標。然而，現在這種能力正面臨一個比 中央銀行 更強大的敵人：集中的AI。這次，時間緊迫，我們需要迅速採取行動以抵抗AI的集中化趨勢。
