加密AI賽道的下一波敘事推演：催化因素、發展路徑和相關標的

2024-05-28 00:05:15

引言

截止目前來看，本輪加密牛市周期是商業創新上最為乏味的一輪，缺少上一輪牛市 DeFi、NFT、Gamefi 這樣的現象級熱潮賽道，導致整體市場行情缺少產業熱點，用戶、產業投資和开發者的增長都比較乏力。

這也反映在目前的資產價格上，整輪周期來看，大部分 Alt coins 對於 BTC 的匯率持續失血，其中也包括 ETH。畢竟智能合約平臺的估值是由應用的繁榮程度決定的，當應用的發展創新乏善可陳，公鏈的估值也很難擡升。

而 AI 作為本輪較新的加密商業門類，受益於外部商業世界爆炸式的發展速度和持續不斷的熱點，仍有可能為加密世界的 AI 賽道項目帶來不錯的注意力增量。

而在筆者 4 月發布的 IO.NET 報告中，梳理了 AI 與 Crypto 結合的必要性，即加密經濟方案在確定性、調動配置資源和免信任上的優勢，可能是解決 AI 隨機性、資源密集和人機難辨三個挑战的方案之一。

在加密經濟領域的 AI 賽道，筆者嘗試再通過一篇文章，對一些重要問題進行討論和推演，包括：

加密 Ai 賽道還有哪些萌芽中，或將在未來爆發的敘事
這些敘事的催化路徑和邏輯
敘事相關的項目標的
敘事推演的風險和不確定性

本文為筆者截至發表時的階段性思考，未來可能可能發生改變，且觀點具有極強的主觀性，亦可能存在事實、數據、推理邏輯的錯誤，請勿作為投資參考，歡迎同業的批評和探討。

以下為正文部分。

加密 AI 賽道的下一波敘事

在正式盤點加密 AI 賽道的下一波敘事前，我們先來看一下目前的加密 AI 的主要敘事，從市值排序來看，超過 10 億美金的分別有：

算力：Render（RNDR，流通市值 38.5 億）、Akash（流通市值 12 億）、IO.NET（最近一輪一級融資估值 10 億）
算法網絡：Bittensor（TAO，流通市值 29.7 億）
AI 代理：Fetchai（FET，合並前流通市值 21 億）

*數據時間： 2024.5.24 ，貨幣單位均為美金。

除了以上幾個領域，下一個單項目市值超 10 億的 AI 賽道會是哪個？

筆者覺得可以從兩個視角來推測：“產業供給端”的敘事和“GPT 時刻”的敘事。

AI 敘事的第一個視角：從產業供給端，看 AI 背後的能源和數據賽道機會

從產業供應端來看，AI 發展的四個推動力為：

算法：優質的算法能更高效地執行訓練和推理任務
算力：無論是模型訓練還是模型推理，都需要 GPU 硬件提供算力，這也是當下主要的產業瓶頸，行業缺芯導致中高端芯片價格高企
能源：AI 所需的數據計算中心會產生大量的能源消耗，除了 GPU 本身執行計算任務所需的電力之外，處理 GPU 散熱的也需要非常多的能源，一個大型數據中心冷卻系統就佔總能源消耗的 40% 左右
數據：大模型性能的提升需要擴大訓練參數，這意味着海量的優質數據需求

針對上述四個產業的推動力，算法和算力賽道均有流通市值超過 10 億美金的加密項目，而能源和數據賽道尚未出現同市值體量的項目。

而實際上，能源和數據的供給短缺或許將很快來臨，成為新一波的產業熱點，從而帶動加密領域相關項目的熱潮。

我們先來說能源。

2024 年 2 月 29 日，馬斯克在博世互聯世界 2024 大會上談到：“我在一年多前就預測過芯片短缺，下一個短缺的將是電力。我認為，明年將沒有足夠的電力來運行所有的芯片。”

從具體數據來看，李飛飛領導的斯坦福大學人工智能研究所（Human-Centered Artificial Intelligence）每年都會發布《AI 指數報告》，在該團隊 2022 年發布的、針對 21 年 AI 產業的報告中，研究小組評估認為當年 AI 耗能規模只佔全球電力需求的 0.9% ，對能源和環境的壓力有限。而 2023 年，國際能源署（IEA）對 2022 年的總結是：全球數據中心消耗了大約 460 太瓦時（TWh）的電力，佔全球電力需求的 2% ，並預測到 2026 年，全球數據中心能耗最低也會有 620 太瓦時，最高會達到 1050 太瓦時。

而實際上，國際能源署的估測仍然保守了，因為目前已經有大量圍繞 AI 的項目即將上馬，其對應的能源需求規模遠超其 23 年的想象。

比如微軟和 OpenAI 正在籌劃的星際之門（Stargate）項目。這個計劃預計在 2028 年啓動， 2030 年左右建成，該項目計劃構建一臺擁有數百萬個專用 AI 芯片的超級計算機，為 OpenAI 提供前所未有的計算能力,支持其在人工智能尤其是大型語言模型方面的研發。該計劃預計耗資超過 1000 億美金，比當下的大型數據中心成本還要高出 100 倍。

而僅僅星際之門一個項目的能耗就高達 50 太瓦時。

也正是因為如此，OpenAI 的創始人山姆奧特曼在今年 1 月的達沃斯論壇上談到：“未來人工智能需要能源突破，因為人工智能消耗的電力將遠遠超出人們的預期。”

在算力和能源之後，快速增長的 AI 行業的下一個短缺的領域很可能是數據。

或者說，AI 所需要的優質數據的短缺已經成為現實。

目前人類從 GPT 的進化中，已經基本摸清了大語言模型能力增長的規律——即通過擴大模型參數和訓練數據，就能指數級別提升模型的能力——且這一進程短期還看不到技術瓶頸。

但問題是優質且公开的數據在未來或許將越來越稀少，AI 產品在數據上可能會面臨跟芯片、能源一樣的供需矛盾。

首先是數據所有權的爭端增加。

2023 年 12 月 27 日，《紐約時報》正式向美國聯邦地方法院起訴 OpenAI 和微軟，指控它們未經許可使用了自己數百萬篇文章用於訓練 GPT 模型，要求它們對“非法復制和使用獨特價值的作品承擔數十億美元的法定和實際損害賠償”，還要銷毀所有包含《紐約時報》版權材料的模型和訓練數據。

此後的 3 月底，《紐約時報》發表了一篇新的聲明，矛頭不僅指向了 OpenAI，還瞄准了 Google 和 Meta。《紐約時報》這份聲明中說，OpenAI 通過一款名為 Whisper 的語音識別工具轉錄了大量 YouTube 視頻中的語音部分，然後生成文字，作為文本來訓練 GPT-4 。《紐約時報》表示，現在大公司訓練 AI 模型時使用小偷小摸的手段已經非常普遍，並表示這樣的事谷歌也在做，他們也把 YouTube 視頻內容轉成文字，用於自己大模型的訓練，本質上侵犯了視頻內容創作者的權益。

《紐約時報》與 OpenAI 作為“AI 版權第一案”，考慮到案件內容的復雜性和對內容和 AI 產業未來的深遠影響，未必很快能得出一個結果。最終可能的結果之一是雙方庭外和解，財大氣粗的微軟和 OpenAI 支付一筆大額補償金。但未來更多的數據版權摩擦勢必將擡高優質數據的綜合成本。

此外，作為世界上最大的搜索引擎，Google 也曝出正在考慮對自己的搜索功能收費，只不過收費對象不是普通大衆，而是 AI 公司。

來源：路透社

谷歌的搜索引擎服務器裏保存着大量內容，甚至可以說是自從 21 世紀以來所有互聯網頁面上出現過的內容谷歌都保存着。而目前 AI 驅動的搜索產品，海外的如 perplexity，國內的如 Kimi、祕塔，都對這些搜索到的數據通過 AI 進行加工，再輸出給用戶。搜索引擎對 AI 的收費，必然提升數據的獲取成本。

實際上，除了公开的數據之外，AI 巨頭們還盯上了非公开的內部數據。

Photobucket 是一家老牌的圖片和視頻托管網站,在 2000 年代初曾擁有 7000 萬用戶和近一半的美國在线照片市場份額。隨着社交媒體的興起，Photobucket 用戶數量大幅下降，目前僅剩 200 萬活躍用戶（它們每年要支付 399 美金的高昂費用），而根據用戶注冊時籤署的協議和隱私政策，超過一年沒用使用的账戶會被回收，還支持 Photobucket 對用戶上傳的圖片和視頻數據的使用權。Photobucket 首席執行官 Ted Leonard 透露，其擁有的 13 億張照片和視頻數據對訓練生成式 AI 模型極具價值。他正在與多家科技公司就出售這些數據進行談判，報價範圍從每張照片 5 美分到 1 美元不等，每段視頻超過 1 美元，其估計 Photobucket 可提供的數據價值超過 10 億美金。

專注於人工智能發展趨勢的研究團隊 EPOCH，根據 2022 年機器學習對數據的使用和新數據的生成情況，再考慮計算資源的增長，曾經發表了一篇關於機器學習所需的數據的情況報告《Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning》，報告的結論是高質量的文本數據大約會在 2023 年 2 月到 2026 年之間用盡，圖像數據則會在 2030 年到 2060 年間用盡。如果數據的利用效率不能顯著提高，或出現新的數據來源,目前依賴於海量數據集的大型機器學習模型趨勢可能會放緩。

而就目前 AI 巨頭們紛紛高價採买數據的情況來看，免費的優質文本數據真的已經基本用盡，EPOCH 在 2 年前的預測是比較准確的。

同時，圍繞“AI 數據短缺”的需求的解決方案也在出現，即：AI 數據提供服務。

Defined.ai 就是一家為 AI 公司提供定制化真實高質量數據的公司。

Defined.ai 所能提供的數據類型舉例：https://www.defined.ai/datasets

它的生意模式是：AI 公司給 Defined.ai 提供自己對於數據的需求，比如就圖片而言，質量方面需要分辨率達到多少以上、避免模糊、過曝、內容真實。內容方面 AI 公司可以根據自己的訓練任務，定制特定的主題，比如需要夜裏的照片、夜裏的錐桶、停車場、指示牌，用來提高 AI 在夜景下的識別率。大衆都可以領任務，拍完上傳由公司審核，然後把符合要求的部分按張數結算，價格大約是一張高質量的圖片 1-2 美元，一個十幾秒的短片 5-7 美元，一部 10 分鐘以上的高質量影片 100-300 美元，文本是千字 1 美元，領分包任務的人可以得到其中 20% 左右的費用。數據提供可能會成為“數據標記”之後的又一門衆包生意。

全球範圍的任務衆包分配、經濟激勵、數據資產的定價\流通和隱私保護、人人可以參與，聽起來就特別像一門適合Web3範式的商業門類。

產業供給端視角下的 AI 敘事標的

芯片短缺引發的關注滲透到加密行業，讓分布式算力成為了截止目前最熱門、市值最高的 AI 賽道類別。

那么 AI 產業在能源和數據上的供需矛盾如果在未來 1-2 年中爆發，加密行業目前有哪些敘事相關的項目？

先來看能源類的標的。

已經上线了頭部 CEX 的能源類項目非常稀少，僅有 Power Ledger（代幣 Powr）一個。

Power Ledger 於 2017 年立項，是一個基於區塊鏈技術的綜合能源平臺，旨在實現能源交易的去中心化，推動個人和社區直接交易電力，支持可再生能源的廣泛應用，並通過智能合約確保交易的透明和高效。最初 Power Ledger 基於以太坊改造而來的聯盟鏈運行。2023 年下半年，Power Ledger 更新了白皮書，並推出了自己的綜合型公鏈，該公鏈基於 Solana 的技術框架改造而來，便於處理分布式能源市場中的高頻微交易。目前 Power Ledger 的主要業務包括：

能源交易：允許用戶點對點地直接买賣電力，特別是來自可再生能源的電力。
環境產品交易：比如碳信用和可再生能源證書的交易，以及基於環境產品的融資。
公鏈運營：吸引應用开發者在 Powerledger 區塊鏈上構建應用，公鏈的交易費用以 Powr 代幣支付。

目前 Power Ledger 項目的流通市值為 1.7 億$，全流通市值為 3.2 億$。

相比能源類的加密標的，數據賽道的加密標的數量則更豐富一些。

筆者僅羅列目前自己關注的，並已經至少上线了幣安、OKX 和 Coinbase 其中一家 CEX 的數據賽道項目，且按照 FDV 從低至高排列：

1.Streamr – DATA

Streamr 的價值主張是構建一個去中心化的實時數據網絡，允許用戶自由地交易和分享數據，同時保持對自己數據的完全控制。通過其數據市場，Streamr 希望使數據生產者能夠直接向感興趣的消費者銷售數據流，無需中介機構，從而降低成本並提高效率。

來源：https://streamr.network/hub/projects

在實際的合作案例中，Streamr 與另一個Web3車載硬件項目 DIMO 合作，通過裝載在車輛上的 DIMO 硬件傳感器收集溫度、氣壓和其他數據，形成天氣數據流傳輸給需要的機構。

與其他數據項目相比，Streamr 更側重於物聯網、硬件傳感器的數據，除了上面提到的 DIMO 車載數據之外，其他項目還有赫爾辛基的實時交通數據流等。因此，Streamr 的項目代幣 DATA 也曾經在去年 12 月，Depin 概念最火熱的時候一度創造出了單日翻倍的漲幅。

目前 Streamr 項目的流通市值為 4400 萬$，全流通市值為 5800 萬$。

2.Covalent – CQT

與其他數據類項目不同的是，Covalent 提供的是區塊鏈數據。Covalent 網絡通過 RPC 從區塊鏈節點讀取數據，然後對這些數據進行處理和組織，創建一個高效的查詢數據庫。這樣，Covalent 的用戶們可以快速地檢索到他們需要的信息，而不必直接從區塊鏈節點進行復雜的查詢，這類服務也被稱為“區塊鏈數據索引”。

Covalent 的客戶以 B 端為主，其中既有 Dapp 項目，比如各種 Defi，也包括很多中心化加密公司，比如 Consensys（Metamask 的母公司）, CoinGecko (知名加密資產行情站)、Rotki (稅務工具)、Rainbow (加密錢包)等，此外傳統金融行業中的巨頭富達、四大會計事務所安永，也是 Covalent 的客戶。根據 Covalent 官方披露的數據，項目的來自於數據服務的收入已經超過同領域的頭部項目 The Graph。

Web3行業由於鏈上數據的完整性、公开性、真實性以及實時性，有望成為細分 AI 場景和特定“AI 小模型”的優質數據來源。Covalent 作為數據提供方，已經开始為各類 AI 場景提供數據，並推出了專門面向 AI 的可驗證的結構化數據。

來源：https://www.covalenthq.com/solutions/decentralized-ai/

比如為鏈上智能交易平臺 SmartWhales 提供數據，利用 AI 識別出盈利的交易模式和地址；Entendre Finance 則通過 Covalent 的結構化數據，經過 AI 處理用於實時洞察、異常檢測和預測分析等。

目前來看，Covalent 提供的鏈上數據服務的主要場景仍以金融為主，但隨着Web3產品和數據類型的泛化，鏈上數據的使用場景也將進一步拓展。

目前 Covalent 項目的流通市值為 1.5 億$，全流通市值為 2.35 億$，相對於同賽道的區塊鏈數據索引項目 The Graph，具有比較明顯的估值優勢。

3.Hivemapper – Honey

在所有數據素材中，視頻數據的單價往往是最高的。Hivemapper 可以為 AI 公司提供包括視頻和地圖信息在內的數據。Hivemapper 本身是一個去中心化的全球地圖項目，旨在通過區塊鏈技術和社區貢獻來創建一個詳細、動態且可訪問的地圖系統。參與者可以通過行車記錄儀（dashcam）捕捉地圖數據並將其添加到开源的 Hivemapper 數據網絡中，並基於貢獻獲得項目代幣 HONEY 的獎勵。為了提高網絡的效應和降低交互成本，Hivemapper 構建在 Solana 上。

Hivemapper 最早成立於 2015 年，最初的愿景是使用無人機創建地圖，但後來發現這種模式難以擴展，從而轉向使用行車記錄儀和智能手機來捕捉地理數據，降低了全球地圖制作的成本。

與 Google map 等街景和地圖軟件相比，Hivemapper 通過激勵網絡和衆包模式，能更高效地拓展地圖覆蓋範圍、保持地圖實景的新鮮度、提升視頻質量。

在 AI 對數據的需求爆發之前，Hivemapper 的主要客戶包括汽車產業的自動駕駛部門、導航服務公司、政府、保險和地產公司等。如今 Hivemapper 則可以通過 API 為 AI 和大模型提供廣泛的道路和環境數據，通過不斷更新的圖像和道路特徵數據流的輸入，AI 和 ML 模型將能夠更好地將數據轉化為能力的提升，執行與地理位置、視覺判斷有關的任務。

數據來源：https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

目前 Hivemapper – Honey 項目的流通市值為 1.2 億$，全流通市值為 4.96 億$。

除了以上三個項目之外，數據賽道的項目還有 The Graph – GRT（流通市值 32 億$，FDV 37 億$），其業務與 Covalent 類似，也提供區塊鏈數據索引的服務；以及 Ocean Protocol – OCEAN（流通市值 6.7 億$，FDV 14.5 億$，本項目即將與 Fetch.ai 和 SingularityNET 合並，代幣轉換為 ASI），一個开源協議，旨在促進數據和數據相關服務的交換和貨幣化，將數據消費者與數據提供者連接起來，從而在保證信任、透明和可追溯性的前提下共享數據。

AI 敘事的第二個視角：GPT 時刻再現，通用人工智能降臨

在筆者看來，加密行業裏“AI 賽道”的元年是 GPT 震驚世界的 2023 年，加密 AI 項目的暴漲，更多是 AI 產業爆炸式發展帶來的“熱度余波”。

雖然 GPT 3.5 之後 GPT 4、turbo 等的能力不斷升級，以及 Sora 在視頻創作能力的驚人展現，包括 OpenAI 之外的大語言模型也快速發展，但不可否認的是 AI 的科技進步給大衆帶來的認知衝擊正在減弱，人們开始逐漸使用 AI 工具，大規模的崗位替代似乎還未發生。

那么，未來 AI 領域是否還會再現“GPT 時刻”，出現讓大衆震驚的 AI 跨越式發展，讓人們意識到自己的生活和工作都將因此被改變？

這個時刻可能是通用人工智能（AGI）的降臨。

AGI 指的是機器擁有類似於人類的綜合認知能力，能夠解決各種復雜問題，而不僅限於特定任務。AGI 系統擁有高度的抽象思維、廣泛的背景知識、全領域的常識推理和因果關系理解、以及跨專業的遷移學習等能力。 AGI 的表現與各個領域最優秀的人類無異，就綜合能力來說則完全超越最優秀的人類群體。

實際上，無論科幻小說和遊戲、影視作品之中的呈現，還是在 GPT 迅速普及之後的大衆預期，社會大衆對超越人類認知水平的 AGI 的出現早有預期。或者說，GPT 本身就是 AGI 的先導產品，是通用人工智能的預言版。

而 GPT 之所以有這么大的產業能量和心理衝擊，在於其落地的速度和表現超越了大衆的預期： 人們沒想到，一個能完成圖靈測試的人工智能系統真的到來了，而且速度這么快。

實際上，人工智能(AGI）或許將在 1-2 年內再次復現“GPT 時刻”的突然性：人們才剛剛適應 GPT 的輔助，就發現 AI 已經不僅僅是一個助手，它甚至能獨立完成極具創造性和挑战的工作，包括那些困住人類頂尖科學家幾十年的難題。

在今年 4 月 8 日，馬斯克接受了挪威主權財富基金首席投資官 Nicolai Tangen 的採訪，談到了 AGI 出現的時間。

他說：“如果把 AGI 定義為比最聰明的那部分人類還要聰明的話，我認為它很可能在 2025 年出現。”

也就是按照他的推斷，最多就是還需要 1 年半的時間，AGI 就將降臨。當然，他加了一個前提條件，就是“電力和硬件都跟得上的話。”

AGI 的降臨的好處是顯而易見的。

它意味着人類的生產力水平將大跨步地上一個臺階，大量困住我們幾十年的科研難題將迎刃而解。假如我們把“最聰明的那部分人類”定義為諾貝爾獎得主的水平，也就意味只要能源、算力、數據足夠，我們可以擁有無數個不知疲倦的“諾獎得主”，全天候攻關那些最難的科學問題。

而實際上諾獎得主並不是幾億分之一那樣珍貴，他們在能力和智力上大多是頂級大學教授的水平，但是因為概率和運氣選對了方向，持續做了下去並拿到了結果。和他水平相當的人，他同樣優秀的同僚們，也許在科研的平行宇宙中也獲得了諾獎。但是無奈的是，具備頂尖大學教授並參與科研突破的人員還是不足，因此“遍歷所有科研正確方向”的速度仍然很慢。

有了 AGI 之後，在能源和算力充分供給的情況下，我們可以有無限個“諾獎得主”水平的 AGI 在任何一個可能的科研突破方向進行縱深探索，技術的提升速度會快幾十倍。技術的提升，會導致我們如今認為相當昂貴稀缺的資源，在 10 到 20 年間成百倍地增加，比如糧食產量、新材料、新藥、高水准的教育等，獲取這些的成本也將成倍下降，我們得以用更少的資源養活更多的人口，人均財富迅速增加。

全球 GDP 總量走勢圖，數據來源：世界銀行

這聽起來似乎有點聳人聽聞，我們來看兩個例子，這兩個例子筆者在此前關於 IO.NET 的研報中也使用過：

2018 年，諾貝爾化學獎得主弗朗西斯·阿諾德在頒獎儀式上才說道：“今天我們在實際應用中可以閱讀、寫入和編輯任何 DNA 序列，但我們還無法通過它創作（compose it）。”僅僅在他講話的 5 年後， 2023 年，來自斯坦福大學和硅谷的 AI 創業企業 Salesforce Research 的研究者，在《自然-生物技術》發表論文，他們通過基於 GPT 3 微調而成的大語言模型，從 0 創造出了全新的 100 萬種蛋白質，並從中尋找到 2 種結構截然不同、卻都具有殺菌能力的蛋白質，有希望成為抗生素之外的細菌對抗方案。也就是說：在 AI 的幫助下，蛋白質“創造”的瓶頸突破了。
而在此前，人工智能 AlphaFold 算法在 18 個月內，把地球上幾乎所有的 2.14 億種蛋白質結構都做了預測， 這項成果是過往所有人類結構生物學家工作成果的幾百倍。

變革已經發生，而 AGI 的降臨會進一步加快這個過程。

另一個方面，AGI 的降臨帶來的挑战也是非常巨大的。

AGI 不但會替代大量的腦力勞動者，如今被認為“受 AI 衝擊較少的”體力服務業者，也會隨着機器人技術的成熟和新材料的研發帶來的生產成本降低而受到衝擊，被機器和軟件替代的勞動崗位佔比會迅速提高。

屆時，兩個曾經看起來非常遙遠的問題會很快浮出水面：

大量失業人口的就業和收入問題
在 AI 無處不在的世界，如何分辨 AI 和人類

而 Worldcoin\Worldchain 正在嘗試提供解決方案，即用 UBI（全民基本收入）系統為大衆提供基本收入，用基於虹膜的生物特徵把人和 AI 進行區分。

實際上，給全民發錢的 UBI 並非沒有現實實踐的空中樓閣，芬蘭、英格蘭等國都進行過全民基本收入的實踐，而加拿大、西班牙、印度等國亦有政黨正在積極提案推進相關的實驗。

而基於生物特徵識別+區塊鏈的模式進行 UBI 分配的好處在於這個系統的全球性，對人口有更廣泛的覆蓋，此外還可以基於通過收入分配拓展而來的用戶網絡，構建其他商業模式，比如金融服務（Defi）、社交、任務衆包等，形成網絡內商業的協同。

AGI 降臨帶來的衝擊效應的對應標的之一是 Worldcoin – WLD，其流通市值為 10.3 億$，全流通市值為 472 億$。

敘事推演的風險和不確定性

本文與 Mint Ventures 之前發布的諸多項目和賽道研究報告不同，對於敘事的推演和預測具有較大的主觀性，請讀者僅將本文內容作為一個發散性的討論，而不是預測未來的預言。筆者上述的敘事推演面臨很多不確定性，導致猜想錯誤，這些風險或影響因素包括但不限於：

能源方面：GPU 更新換代造成的能耗速降

盡管圍繞 AI 的能源需求猛增，但以英偉達為代表的芯片廠商正在通過不斷的硬件升級，以更低的功耗提供更高的計算能力，比如在今年 3 月英偉達發布了集成了兩個 B 200 GPU 和一個 Grace CPU 的新一代 AI 計算卡 GB 200 ，其訓練的性能是上一代主力 AI GPU H 100 的 4 倍，推理的性能是 H 100 的 7 倍，需要的能耗卻只有 H 100 的 1/4 。當然盡管如此，人們希望從 AI 中獲得的力量渴望遠遠沒到盡頭，伴隨着單元能耗的下降，隨着 AI 應用場景和需求的進一步擴張，總能耗可能反而是上升的。

數據方面：Q*計劃實現“自產數據”

OpenAI 內部一直存在一個傳聞中的項目“Q*”，該項目在 OpenAI 發給員工的內部信息被提到過。根據路透社援引 OpenAI 內部人士的看法，這可能是 OpenAI 在追尋超級智能 / 通用人工智能（AGI）道路上取得的一項突破。Q*不但能夠憑借抽象能力解決以前從未見過的數學問題，還能夠通過自我創造用於訓練大模型的數據，而無需現實世界的數據喂養。如果該傳言為真，AI 大模型訓練受限於優質數據不足的瓶頸將被打破。

AGI 降臨：OpenAI 的隱憂

AGI 降臨的時點是否真的如馬斯克所說，會在 2025 年到來尚不得而知，但這只是一個時間問題。但 Worldcoin 作為 AGI 降臨敘事的直接誒受益標的，最大的隱憂可能來自 OpenAI，畢竟其是公認的“OpenAI 影子代幣”。

5 月 14 日凌晨，OpenAI 在春季新品發布會展示了最新的 GPT-4 o 與另外 19 個不同版本的大語言模型在綜合任務得分中的表現，僅從表格來看，GPT-4 o 得分 1310 ，視覺上似乎比後幾名高出了一大截，但從總分來看，其僅比第二名 GPT 4 turbo 高了 4.5% ，比第四名谷歌的 Gemini 1.5 Pro 高了 4.9% ，比第五名 Anthropic 的 Claude 3 Opus 高了 5.1% 。

從 GPT 3.5 初登場時震驚世界的時刻僅僅過去了一年多，OpenAI 的競爭對手們已經追到了非常接近的位置（盡管 GPT 5 尚且沒有放出，並預計在今年發布），OpenAI 未來是否已經能保持自己的行業領先位置，這個答案似乎正在變得模糊。如果 OpenAI 的領先優勢和統治地位被稀釋乃至趕超，那么 Worldcoin 作為 OpenAI 的影子代幣的敘事含金量也會下降。

此外，除了 Worldcoin 的虹膜認證方案之外，越來越多的競爭對手也开始進入這個市場，比如手掌掃描 ID 項目 Humanity Protocol 剛剛宣布以 10 億美元估值完成 3000 萬美元新一輪融資，LayerZero Labs 也宣布將在 Humanity 上運行，並加入其的驗證者節點網絡，使用 ZK 證明對憑證進行身份驗證。

結語

最後，筆者雖然對 AI 賽道後續的敘事進行了推演，但 AI 賽道與 DeFi 等加密原生賽道不同，其更多是 AI 熱潮外溢至幣圈的產物，目前諸多的項目就商業模式而言並未跑通，很多項目更像是 AI 主題的 Meme（比如 Rndr 類似於英偉達的 meme，Worldcoin 類似於 OpenAI 的 meme），讀者應審慎看待。