要約すると

私たちは67の暗号資産+AIプロジェクトの徹底した分析を行い、GenAIの観点からそれらをカテゴリ分けしました。私たちの分類には、次のものが含まれています:

1. GPU DePIN
2. 分散コンピュート（トレーニング+推論）
3. 検証（ZKML + OPML）
4. 暗号資産LLM
5. データ（一般+AI特化）
6. AIクリエイターアプリ
7. AIコンシューマーアプリ
8. AI標準（トークン+エージェント）
9. AI 経済

なぜ私たちはこれを書いているのか？

暗号資産+AIのナラティブはこれまでに多くの注目を集めています。暗号資産+AIに関する多くの報告が出ていますが、それらはAIストーリーの一部しかカバーしていないか、暗号資産の観点からAIを単に解釈しているだけです。

この記事では、AIの観点からトピックを探求し、暗号資産がAIをサポートし、AIが暗号資産に利益をもたらす方法を探ります。これにより、暗号資産+AI業界の現状をより良く理解することができます。

第一部：GenAIランドスケープのデコード

AI製品を毎日使用するAI製品から始まるGenAIランドスケープ全体を探索しましょう。 これらの製品は通常、LLMとUIの2つの主要なコンポーネントで構成されています。 大規模モデルには、モデル作成とモデル利用の2つの主要プロセスがあり、一般的にはトレーニングと推論として知られています。 UIに関しては、GPTのような会話ベース、LumaAIのようなビジュアルベース、既存の製品インターフェースに推論APIを統合する多くのその他の形式があります。

コンピュート

さらに深く掘り下げると、計算はトレーニングと推論の両方にとって基本的であり、基礎となるGPUコンピューティングに大きく依存しています。トレーニングと推論の間でGPUの物理的な接続が異なることがある一方、GPUはAI製品全体で基盤となるインフラストラクチャコンポーネントとして機能します。その上には、GPUクラスターのオーケストレーションがあり、これをCloudsと呼びます。これらは、従来の汎用クラウドと...垂直クラウド[1], with Vertical Clouds being more AI-focused and optimized for AI computing scenarios.

ストレージ

ストレージに関して、AIデータストレージは、AWS S3やAzure Blob Storageなどの従来のストレージソリューションと、AIデータセット向けに最適化された特定のストレージに分けることができます。Google CloudのFilestoreのようなこれらの専門のストレージソリューションは、特定のシナリオでデータアクセス速度を向上させるよう設計されています。

トレーニング

AIインフラストラクチャを続けるには、トレーニングと推論を区別することが重要です。これらは大きく異なります。一般的なコンピューティングを超えて、両方とも多くのAI固有のビジネスロジックを含んでいます。

トレーニングの場合、インフラストラクチャは一般的に次のように分割できます[2]：

1. プラットフォーム：これらは特に、追加のソフトウェアアクセラレーションソリューションを備えた大規模言語モデルを効果的にトレーニングするために設計されたAI開発者のトレーニングと支援に特化しています。
2. ベースモデルプロバイダー：このカテゴリーには、Hugging Faceのようなプラットフォームが含まれており、ユーザーがさらにトレーニングまたは微調整できるベースモデルを提供しています。
3. フレームワーク：最後に、PyTorchやTensorFlowなど、ゼロから構築されたさまざまな基礎トレーニングフレームワークがあります。

推論

推論では、一般的に、景色は次のように分けることができます:

1. オプティマイザー：これらは、推論や特定の使用事例向けに特化した一連の最適化を行うことに特化しています。例えば、並列処理のサポートやメディア生成のためのアルゴリズムの強化などが挙げられます。fal.ai, テキストから画像への推論を最適化した、一般的なアプローチと比較して拡散のスピードを50%向上させました。
2. Deployment Platforms: これらは、Amazon SageMakerなどの一般的なモデル推論クラウドサービスを提供し、異なる環境でのAIモデルの展開とスケーリングを容易にするものです。

アプリケーション

無数のAIアプリケーションが存在する中、ユーザーグループに基づいて広く2つの主要なタイプに分類することができます：クリエイターとコンシューマー[3]。

1. AIコンシューマー：AIコンシューマーをはじめ、このグループは主にAI製品を使用し、これらの製品がもたらす価値に対して支払いをすることを望んでいます。このカテゴリの典型的な例はChatGPTです。
2. AIクリエイター：一方、AIクリエイター向けのアプリケーションは、彼らのプラットフォームにAIクリエイターを招待してエージェントを作成し、知識を共有し、それらと利益を共有することについてのものであり、GPTマーケットプレイスが最も有名な例の1つです。

これらの2つのカテゴリーはほぼすべてのAIアプリケーションを網羅しています。より詳細な分類が存在しますが、この記事ではこれらより広いカテゴリーに焦点を当てます。

Part II: 暗号資産がAIにどのように役立つか

この質問に答える前に、AIが活用できる暗号資産の主な利点を要約しましょう: 収益化、包括性、透明性、データ所有権、コスト削減など。

vitalik.ethブログからの暗号資産+AIの交差点の高レベルな要約

これら キーのシナジー[4]主に現状を以下のように支援します:

1. モネタイゼーション：トークン化、モネタイゼーション、インセンティブ化などの独自の暗号資産メカニズムを通じて、AIクリエーターアプリケーションに革新的なイノベーションがもたらされ、AI経済が公平で公正になることが保証されます。
2. インクルーシビティ：暗号資産は、現在の市場を支配する閉鎖的で中央集権的なAI企業によって課せられたさまざまな制約を破り、許可なしに参加を可能にします。これにより、AIは真のオープンさと自由を実現できます。
3. 透明性：暗号資産は、ZKML/OPML技術を活用してAIを完全なオープンソース化し、LLMのトレーニングおよび推論プロセス全体をチェーン上に配置することで、AIのオープン性と許可なしを確保できます。
4. データ所有権：オンチェーン取引を可能にすることで、アカウント（ユーザー）のデータ所有権を確立し、ユーザーがAIデータを真に所有できるようにします。これは特に、アプリケーション層で非常に有益であり、ユーザーが効果的にAIデータ権利を保護するのに役立ちます。
5. コスト削減： トークンをインセンティブとして使うことで、コンピューティングパワーの将来価値を現金化でき、GPUの現在のコストを大幅に削減できます。このアプローチにより、計算レベルでのAIのコストが大幅に削減されます。

Part III: 暗号資産+AIの風景を探る

AIランドスケープ内の異なるカテゴリに暗号資産の利点を適用することで、暗号資産のレンズを通じてAIランドスケープの新しい視点が生まれます。

LLM Layer

1. GPU DePIN

AIランドスケープに基づいたAI+Cryptoのブループリントを継続的に概説しています。LLMsから始め、GPUを基礎レベルで開始することで、Cryptoの長年の語り口がコスト削減であることを強調しています。

ブロックチェーンのインセンティブ化を通じて、GPUプロバイダーに報酬を与えることで、コストを大幅に削減することができます。このストーリーは現在、GPU DePINとして知られています。GPUはAIだけでなく、ゲーム、AR、その他のシナリオでも使用されていますが、一般的にGPU DePINトラックはこれらの分野をカバーしています。

AIトラックに焦点を当てた人々は、AethirそしてAiozネットワーク, while those dedicated to visual rendering include io.net, レンダーネットワーク、およびその他。

2. 分散コンピュート

ブロックチェーンの発端以来、分散コンピューティングは存在しており、時間の経過とともに大きく発展してきました。ただし、分散ストレージと比較して、コンピューティングタスクの複雑さのために、通常はコンピューティングシナリオを制限する必要があります。

最新のコンピューティングシナリオであるAIは、自然に一連の分散コンピューティングプロジェクトを生み出しました。これらの分散コンピューティングプラットフォームは、GPU DePINと比較して、コスト削減だけでなく、トレーニングと推論といったより具体的なコンピューティングシナリオにも対応しています。これらは広域ネットワーク上でオーケストレーションを行い、拡張性を大幅に向上させます。

gensyn.aiによるスケーラビリティとコスト効率

例えば、トレーニングに焦点を当てたプラットフォームが含まれますAIアリーナ, Gensyn, DIN、そしてFlock.io; それらは推論に焦点を当てたものを含みます Allora, 儀式、そしてJustu.ai; そして、両方の側面を扱う人々は含まれていますBittensor, 0G, センチエント, Akash, ファラ、Ankrそしてオアシス.

3. 検証

検証は、主に暗号資産+AI内の独自のカテゴリであり、トレーニングまたは推論といったAIコンピューティングプロセス全体がチェーン上で検証できることを保証するために存在します。

これは完全な分散化とプロセスの透明性を維持するために非常に重要です。さらに、ZKMLのような技術はデータのプライバシーとセキュリティを保護し、ユーザーが自分の個人データを100%所有できるようにします。

アルゴリズムと検証プロセスに応じて、これはZKMLとOPMLに分割されることがあります。 ZKMLはゼロ知識（ZK）技術を使用してAIトレーニング/推論をZK回路に変換し、プラットフォームなどでチェーン上で検証可能にします。EZKL、Modulus Labs, 簡潔そしてギザ一方、OPMLはオフチェーンオラクルを利用して、ブロックチェーンに証明を提出します。オラそしてスペクトラル.

4. 暗号資産ベースモデル

ChatGPTやClaudeのような一般的なLLMとは異なり、Crypto Base Modelsは広範囲の暗号資産データで再訓練されており、これらの基本モデルには仮想通貨に特化した知識ベースが備わっています。

これらのベースモデルは、DeFi、NFT、およびGamingFiなどの暗号資産ネイティブアプリケーションに強力なAI機能を提供できます。現在、そのようなベースモデルの例には、池そしてChainbase.

5. データ

データはAI分野において重要な要素です。AIトレーニングでは、データセットが重要な役割を果たし、推論中にはユーザーからの大量のプロンプトや知識ベースも大量のストレージを要求します。

データストレージの分散化は、ストレージコストを大幅に削減するだけでなく、より重要なのはデータの追跡性と所有権の権利を確保することです。

伝統的な分散型ストレージソリューションのような Filecoin, アーウィーブ、およびStorj非常に低コストで大量のAIデータを保存できます。

一方、新しいAI専用データストレージソリューションは、AIデータの特性に最適化されています。例えば、空間と時間そしてOpenDBデータの前処理とクエリの最適化を行います。Masa、草、Nuklai、そしてKIPプロトコルAIデータの収益化に焦点を当てる。ベーグルネットワークユーザーデータプライバシーに焦点を当てています。

これらのソリューションは、これまであまり注目されてこなかったAI分野内のデータ管理分野で、暗号資産の固有の利点を活用して革新を図っています。

アプリケーション層

1. クリエイター

暗号資産+AIアプリケーション層では、クリエイターアプリケーションが特に注目されています。 暗号資産の固有の収益化能力を考慮すると、AIクリエイターをインセンティブ付けすることは自然な流れです。

AIクリエイターにとって、焦点は低コード/ノーコードのユーザーと開発者の間で分かれます。ボットクリエイターなどの低コード/ノーコードのユーザーは、これらのプラットフォームを使用してボットを作成し、トークン/NFTを通じてそれらを収益化します。彼らはICOやNFT Mintを通じて迅速に資金を調達し、その後、収益配分などの共有所有権を通じて長期的なトークン保有者に報酬を与えることができます。これにより、AI製品をコミュニティの共同所有権を通じて完全に公開し、こうしてそれを可能にします。AI 経済ライフサイクル[6].

さらに、暗号資産AIクリエイタープラットフォームとして、彼らはAIクリエイターの初期から中期の資金調達と長期的な利益を提供しています。これは、暗号資産に固有のトークン化の独自の利点を活用し、サービスを一部のコストで提供することによって行われます。テイク率Web2の典型的なものであり、暗号資産の分散化によってもたらされる0の運用コストの利点を示しています[7]。

このセクターでは、Gate.ioのようなプラットフォームがありますMagnetAI、オーラス, Myshell, Fetch.ai, バーチャルプロトコル, そして スペクトルAIモデル開発者向けに、エージェント作成プラットフォームを提供することで、ローコード／ノーコードユーザーに対応しています。マグネットAIそしてOraオファーモデル開発プラットフォーム。また、AI+ソーシャルクリエイターなどの他のカテゴリには、 などのプラットフォームがあります。ストーリープロトコルそしてCreatorBidその顧客のニーズに特化したSaharaAI知識ベースの収益化に焦点を当てています。

2. 消費者

Consumer refers to using AI to directly serve 暗号資産 users. Currently, there are fewer projects in this track, but those that exist are irreplaceable and unique, such as WorldcoinそしてChainGPT.

3. 標準

標準は、AI dAppブロックチェーンを作成するための独立したブロックチェーン、プロトコル、または改善の開発、またはイーサリアムなどの既存のインフラストラクチャがAIアプリケーションをサポートできるようにすることを特徴とする、暗号内の特徴的なトラックです。

これらの基準により、AI dAppsは透明性や分散化などの暗号資産の利点を具現化し、クリエイターや消費者製品の両方に基本的なサポートを提供します。

例えば、Ora、収益共有を提供するERC-20を拡張したもの、および7007.ai, ERC-721を拡張してモデル推論資産をトークン化します。また、のようなプラットフォームTalus, Theoriq、Alethea, そして モルフェウスAIエージェントの実行環境を提供するためにオンチェーンVMを作成しています。センチエントはAI dAppsの包括的な基準を提供しています。

4. AI 経済

AI Economyは、Crypto+AI領域内での重要な革新であり、AIを民主化するためにCryptoのトークン化、収益化、インセンティブ化を強調しています。

MagnetAIによるAI経済ライフサイクル

AI共有経済、コミュニティ共同所有権、所有権の共有を強調しています。これらの革新は、人工知能のさらなる繁栄と発展を実質的に推進しています。

その中で、TheoriqそしてFetch.aiエージェントの収益化に焦点を当てる; Olasトークン化を強調します;マインドネットワークはリステイキングの利点を提供しています; そして MagnetAIトークン化、収益化、インセンティブ化を1つの一貫したプラットフォームに統合します。

最後の部分：結論

AIと暗号資産は自然なパートナーです。暗号資産はAIをよりオープンで透明で、さらなる繁栄を支える欠くことのできない存在にします。

AIは、暗号資産の境界を拡大し、より多くのユーザーと注目を集めます。人類全体のための普遍的な物語として、AIはかつてない暗号資産世界への大規模な採用物語も紹介します。

免責事項：

1. この記事は[から転載されていますマグネットAI]. すべての著作権は元の著者に帰属します [MagnetAI]. If there are objections to this reprint, please contact the Gate Learnチームが迅速に対応します。
2. 責任の免責事項: この記事で表現されている意見は、著者個人のものであり、投資アドバイスを構成するものではありません。
3. 他の言語への記事の翻訳は、Gate Learnチームによって行われています。特に言及がない限り、翻訳された記事のコピー、配布、または盗作は禁止されています。