TL;DR

Мы провели глубокий анализ 67 проектов Crypto+AI, классифицируя их с точки зрения GenAI. Наша классификация включает в себя:

1. GPU DePIN
2. Децентрализованные вычисления (Обучение + Вывод)
3. Проверка (ZKML + OPML)
4. Крипто LLM
5. Данные (Общие + специфические для искусственного интеллекта)
6. Приложения AI Creator
7. Приложения для потребителей искусственного интеллекта
8. Стандарты искусственного интеллекта (токены + агенты)
9. AI Экономика

Зачем мы пишем это?

Рассказ о Крипто+ИИ привлек много внимания на данный момент. Появляется много отчетов о Крипто+ИИ, но они либо охватывают лишь часть истории об искусственном интеллекте, либо истолковывают искусственный интеллект исключительно с точки зрения Крипто.

Эта статья рассмотрит тему с точки зрения искусственного интеллекта, исследуя, как Крипто поддерживает искусственный интеллект и как искусственный интеллект может быть полезен для Крипто, чтобы лучше понять текущий ландшафт отрасли Крипто+ИИ.

Часть I: Декодирование ландшафта GenAI

Давайте исследуем весь ландшафт GenAI, начиная с продуктов искусственного интеллекта, которые мы используем каждый день. Эти продукты обычно состоят из двух основных компонентов: LLM и UI. Для большой модели существуют два ключевых процесса: создание модели и использование модели, обычно известные как Обучение и Вывод. Что касается пользовательского интерфейса, он поставляется в различных формах, включая основанный на разговорах, такой как GPT, основанный на визуальных данных, такой как LumaAI, и многие другие, которые интегрируют API вывода в существующие интерфейсы продуктов.

Вычислить

Углубляясь, вычисление является фундаментальным как для обучения, так и для вывода, сильно полагаясь на базовые вычисления GPU. Хотя физические соединения GPU могут различаться между обучением и выводом, GPU служат фундаментальным инфраструктурным компонентом для продуктов искусственного интеллекта. Выше этого у нас есть оркестровка кластеров GPU, известных как Облака. Их можно разделить на Традиционные Универсальные Облака иВертикальные облака[1], с Vertical Clouds, более ориентированным на искусственный интеллект и оптимизированным для сценариев вычислений искусственного интеллекта.

Хранилище

Относительно хранения данныё AI можно разделить на традиционные решения хранения, такие как AWS S3 и Azure Blob Storage, и специализированные решения хранения, оптимизированные для наборов данных AI. Эти специализированные решения хранения, такие как Filestore от Google Cloud, разработаны для повышения скорости доступа к данным в конкретных сценариях.

Обучение

Продолжая работу с инфраструктурой искусственного интеллекта, важно различать между Обучением и Выводом, поскольку они значительно отличаются. И за пределами общего вычисления оба включают в себя множество специфических для искусственного интеллекта бизнес-логик.

Для обучения инфраструктуру обычно можно разделить на[2]:

1. Платформы: они специально разработаны для обучения и помощи разработчикам искусственного интеллекта в эффективном обучении больших языковых моделей, с добавленными решениями по программному ускорению, такими как MosaicML.
2. Поставщики базовых моделей: в эту категорию входят платформы, такие как Hugging Face, которые предлагают базовые модели, которые пользователи могут дополнительно обучать или настраивать.
3. Фреймворки: Наконец, есть различные базовые обучающие фреймворки, созданные с нуля, такие как PyTorch и TensorFlow.

Вывод

Для выводов ландшафт обычно можно разделить на:

1. Оптимизаторы: Они специализируются на проведении ряда оптимизаций, специально предназначенных для вывода и конкретных случаев использования, таких как поддержка параллельной обработки или алгоритмические улучшения для создания медиа. Пример включаетfal.ai, которая оптимизировала вывод для процессов текст-к-изображению, улучшая скорость распространения на 50% по сравнению с общими подходами.
2. Платформы развертывания: они предоставляют общие облачные сервисы вывода моделей, такие как Amazon SageMaker, облегчающие развертывание и масштабирование моделей ИИ в различных средах.

Приложение

Хотя существует бесчисленное количество приложений искусственного интеллекта, их можно грубо классифицировать на основе групп пользователей на два основных типа: создатель и потребитель[3].

1. Потребитель ИИ: Начиная с потребителя ИИ, эта группа в основном использует продукцию искусственного интеллекта и готова платить за ценность, которую эти продукты приносят. Типичным примером этой категории является ChatGPT.
2. Создатель ИИ: С другой стороны, приложения для создателей искусственного интеллекта больше о том, чтобы приглашать создателей ИИ на свои платформы для создания агентов, обмена знаниями, а затем делиться с ними прибылью, причем рынок GPT является одним из самых известных примеров.

Эти две категории охватывают практически все приложения искусственного интеллекта. Хотя существуют более подробные классификации, в этой статье будет сосредоточено на этих более широких категориях.

Часть II: Как Крипто помогает искусственному интеллекту

Прежде чем ответить на этот вопрос, давайте подведем итог основных преимуществ Крипто, которыми мог бы воспользоваться искусственный интеллект: монетизация, инклюзивность, прозрачность, владение данными, снижение затрат и многое другое.

Высокоуровневое резюме пересечений крипто+ИИ из блога vitalik.eth

Эти ключевые синергии[4] в основном помогают текущему ландшафту:

1. Монетизация: С помощью уникальных механизмов Крипто, таких как токенизация, монетизация и стимулирование, можно добиться деструктивных инноваций в приложениях создателей ИИ, обеспечивая открытость и справедливость экономики ИИ.
2. Инклюзивность: Крипто позволяет участвовать без необходимости получения разрешения, нарушая различные ограничения, накладываемые закрытыми, централизованными компаниями по искусственному интеллекту, которые сегодня доминируют на рынке. Это позволяет искусственному интеллекту достичь истинной открытости и свободы.
3. Прозрачность: Крипто может сделать искусственный интеллект полностью открытым, используя технологии ZKML/OPML для размещения всего процесса обучения и вывода LLMs в цепочке, обеспечивая открытость и разрешение искусственного интеллекта.
4. Собственность на данных: Путем включения цепочечных транзакций для установления собственности на данных для учетных записей (пользователей), позволяя им по-настоящему владеть своими данными ИИ. Это особенно полезно на уровне приложения, помогая пользователям эффективно обеспечивать свои права на данные ИИ.
5. Снижение затрат: Поощряя токенами, будущая стоимость вычислительной мощности может быть обналичена, что значительно снижает текущую стоимость графических процессоров. Такой подход существенно сокращает затраты на искусственный интеллект на вычислительном уровне.

Часть III: Исследование Крипто+Искусственного интеллекта ландшафта

Применение преимуществ криптовалют к различным категориям в области искусственного интеллекта создает новую перспективу области искусственного интеллекта через призму криптовалюты.

Слой LLM

1. GPU DePIN

Мы продолжаем намечать план AI+Crypto на основе AI Landscape. Начиная с LLMs и начиная с базового уровня с GPU, долгожданный нарратив в Crypto был снижение затрат.

Через стимулирование блокчейна мы можем значительно снизить расходы, поощряя поставщиков GPU. Этот подход в настоящее время известен как GPU DePIN. Хотя графические процессоры используются не только в области искусственного интеллекта, но и в играх, дополненной реальности и других сценариях, область применения GPU DePIN обычно охватывает эти области.

Те, кто сосредоточены на треке искусственного интеллекта, включаютAethirиСеть Aioz, а те, что посвящены визуальному воспроизведению, включают в себя io.net, сеть рендеринга, и другие.

2. Децентрализованные вычисления

Децентрализованные вычисления - это повествование, которое существует с момента появления блокчейна и значительно развивалось со временем. Однако из-за сложности вычислительных задач (по сравнению с децентрализованным хранением), часто требуется ограничение сценариев вычислений.

ИИ, как последний сценарий вычислений, естественным образом породил ряд децентрализованных проектов вычислений. По сравнению с GPU DePIN, эти децентрализованные вычислительные платформы не только предлагают снижение затрат, но также соответствуют более конкретным вычислительным сценариям: Обучение и Вывод. Они оркестрируют по всемирным сетям для значительного увеличения масштабируемости[5].

Масштаб и экономичность от gensyn.ai

Например, платформы, сосредоточенные на обучении, включаютАрена искусственного интеллекта, Gensyn, DIN, и Flock.io; те, кто сосредоточен на выводе, включаютAllora, Ритуал, и Justu.ai; и те, кто занимается обоими аспектами, включают в себя Bittensor, 0G, Сознательный, Akash, Phala, AnkrиOasis.

3. Проверка

Проверка является уникальной категорией в области Крипто+ИИ, в первую очередь потому, что она обеспечивает возможность верификации всего процесса вычислений ИИ на цепи, будь то Обучение или Вывод.

Это крайне важно для сохранения полной децентрализации и прозрачности процессов. Кроме того, технологии, такие как ZKML, также защищают конфиденциальность и безопасность данных, позволяя пользователям иметь 100% владение своими персональными данными.

В зависимости от алгоритма и процесса верификации это можно разделить на ZKML и OPML. ZKML использует технологию нулевого разглашения (ZK) для преобразования обучения ИИ/вывода в ZK-схемы, что делает процесс верифицируемым на цепочке, как видно на платформах, таких как EZKL, Modulus Labs, КраткийиGizaС другой стороны, OPML использует оффчейн-оракулов для предоставления доказательств блокчейну, как продемонстрировано Ora и Спектральный.

4. Крипто Базовая Модель

В отличие от общих LLM, таких как ChatGPT или Claude, Crypto Base Models переобучаются с обширными данными о криптовалюте, наделяя эти базовые модели специализированной базой знаний в области криптовалют.

Эти базовые модели могут обеспечить мощные возможности искусственного интеллекта для крипто-ориентированных приложений, таких как DeFi, NFT и GamingFi. В настоящее время примерами таких базовых моделей являются ПрудиChainbase.

5. Данные

Данные являются критическим компонентом в области искусственного интеллекта. В обучении искусственного интеллекта наборы данных играют ключевую роль, и во время вывода огромные объемы запросов и базы знаний пользователей также требуют значительного объема хранения.

Децентрализация хранения данных не только значительно снижает затраты на хранение, но, что более важно, обеспечивает прослеживаемость и права собственности на данные.

Традиционные децентрализованные решения хранения, такие как Filecoin, Arweave, и Storjможет хранить большие объемы данных ИИ по очень низким ценам.

Тем временем, новые специализированные решения для хранения данных ИИ оптимизированы для уникальных характеристик данных ИИ. Например, Пространство и времяиOpenDBоптимизировать предварительную обработку данных и запросы, в то время как Масса, GRASS, Nuklai, и Протокол KIPсосредоточиться на монетизации данных искусственного интеллекта.Сеть Bagelсосредотачивается на конфиденциальности пользовательских данных.

Эти решения используют уникальные преимущества Крипто для инноваций в области управления данными в области искусственного интеллекта, которые ранее получали меньше внимания.

Прикладной уровень

1. Создатель

В слое приложений Crypto+AI особенно заметны приложения создателей. Учитывая врожденную способность криптовалюты к монетизации, стимулирование создателей искусственного интеллекта происходит естественным образом.

Для создателей ИИ фокус разделяется между пользователями с низким/отсутствующим кодом и разработчиками. Пользователи с низким/отсутствующим кодом, такие как создатели ботов, используют эти платформы для создания ботов и монетизации их через токены/NFT. Они могут быстро привлечь средства через ICO или NFT Mint, а затем вознаграждать долгосрочных держателей токенов через совместное владение, такое как распределение доходов. Это открывает их продукты ИИ полностью через совместное владение сообществом, тем самым завершая Жизненный цикл AI Economy[6].

Более того, как платформы создателей Crypto AI, они решают проблемы финансирования на ранних и средних этапах и долгосрочной прибыли для создателей искусственного интеллекта. Это достигается за счет уникального преимущества токенизации, присущего Crypto, и предоставления услуг по доле оттарифытипичное для Web2—демонстрирующее преимущества нулевых операционных затрат, принесенные децентрализацией Крипто[7].

В этом секторе платформы, такие как MagnetAI, Olas, Мойшелл, Fetch.ai, Виртуальный протокол, и Спектральныйпредоставлять платформы для создания агентов для пользователей с низким/нулевым кодом. Для разработчиков моделей искусственного интеллекта,MagnetAIиOraпредлагать модели разработчика платформ. Кроме того, для других категорий, таких как создатели ИИ+Социальные, есть платформы вроде Протокол Истории и СоздательСтавкакоторые специально подходят под их потребности, в то время как SaharaAIсосредотачивается на монетизации баз знаний.

2. Потребитель

Потребитель означает использование искусственного интеллекта для непосредственного обслуживания пользователей криптовалюты. В настоящее время в этом направлении меньше проектов, но существующие проекты незаменимы и уникальны, например, ВорлдкоиниChainGPT.

3. Стандарт

Стандарты - это отличительная черта в Крипто , характеризующаяся разработкой независимых блокчейнов, протоколов или улучшений для создания блокчейнов AI dApp, или обеспечением существующей инфраструктуры, такой как Ethereum, поддержкой приложений искусственного интеллекта.

Эти стандарты позволяют AI dApps воплощать преимущества Крипто, такие как прозрачность и децентрализация, обеспечивая фундаментальную поддержку как для продуктов создателя, так и для потребителя.

Примеры включаютOra, который расширяет ERC-20 для предоставления совместного использования доходов, и 7007.ai, который расширяет ERC-721 для токенизации активов модельного вывода. Кроме того, платформы типа Talus, Теорик, Alethea, и Морфеуссоздают цепочечные виртуальные машины для обеспечения сред выполнения для искусственных интеллектуальных агентов, в то время как Сознательныйпредлагает комплексные стандарты для AI dApps.

4. AI Экономика

Экономика искусственного интеллекта - значительное новшество в области Крипто+ИИ, акцентирующее внимание на использовании токенизации, монетизации и инцентивации Крипто для демократизации искусственного интеллекта.

Жизненный цикл экономики искусственного интеллекта от MagnetAI

Он выделяет экономику совместного использования искусственного интеллекта, совместное владение сообществом и обмен правами собственности. Эти инновации существенно стимулируют дальнейшее процветание и развитие искусственного интеллекта.

Среди них, TheoriqиFetch.aiсосредоточиться на монетизации агента; Олас делает акцент на токенизации; Сеть Mindпредлагает выгоду restaking; и MagnetAI Интегрирует токенизацию, монетизацию и стимулирование в единую целостную платформу.

Последняя часть: Заключение

ИИ и Крипто - естественные партнеры. Крипто помогает сделать ИИ более открытым, прозрачным и незаменимо поддерживающим его дальнейшее процветание.

ИИ, в свою очередь, расширяет границы Крипто, привлекая больше пользователей и внимания. Как универсальная повествовательная модель для всего человечества, ИИ также представляет собой огромную повествовательную модель принятия в мире Крипто, которая является беспрецедентной.

Отказ от ответственности:

1. Эта статья перепечатана с [MagnetAI]. Все авторские права принадлежат оригинальному автору [MagnetAI]. Если есть возражения к этому перепечатыванию, пожалуйста, свяжитесь с Gate Learnкоманда, и они оперативно справятся с этим.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, принадлежат исключительно автору и не являются какими-либо инвестиционными рекомендациями.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, запрещается копирование, распространение или плагиат статей, переведенных на другие языки.