Grayscale：AI時代，加密用例如何大展拳腳？

2024-07-19 00:07:08

中心化人工智能的問題

如今，人工智能的發展面臨着一定的挑战和風險。人工智能的網絡效應和密集的資本需求非常顯著，以至於大型科技公司之外的人工智能开發者，如小公司或學術研究人員，要么難以獲得开發所需的資源，要么無法商業化。這限制了人工智能的整體競爭和創新。

因此，對這項關鍵技術的影響力主要集中在 OpenAI 和谷歌等少數幾家公司手中，這引發了人們對人工智能治理的嚴重質疑。例如，今年 2 月，谷歌的人工智能圖像生成器 Gemini 暴露了種族偏見和歷史錯誤。此外，去年 11 月，由六人組成的董事會決定解僱 OpenAI 首席執行官 Sam Altman，暴露了少數人控制着這些公司的事實。

隨着人工智能的影響力和重要性日益增強，許多人擔心，一家公司可能會掌握對社會產生巨大影響的人工智能模型的決策權，它可能會設置護欄，閉門操作，或操縱模型為自己謀利。

去中心化人工智能如何提供幫助

去中心化 AI 是指利用區塊鏈技術以提高透明度和可訪問性的方式分配 AI 所有權和治理權。Grayscale Research 認為，去中心化 AI 有潛力將這些重要決策從封閉的制度中解放出來，並交接到公衆手中。

區塊鏈技術可以幫助开發者更多地接觸人工智能，降低獨立开發者开發和商業化的門檻。我們相信這可以幫助改善人工智能行業的創新和競爭，小公司與科技巨頭之間實現某種平衡。

此外，去中心化 AI 有助於實現 AI 投資的民主化。目前，除了少數科技股之外，幾乎沒有其他方式可以獲得與 AI 發展相關的財務收益。與此同時，大量私募資本被分配給了 AI 初創公司和私營公司（2022 年為 470 億美元， 2023 年為 420 億美元）。因此，只有一小部分風險投資家和合格投資者可以獲得這些公司的財務收益。相比之下，去中心化的 AI 加密資產對每個人都是平等的，所有人都能擁有 AI 未來的一部分。

這個交叉領域發展到了哪一步？

加密貨幣和人工智能的交叉領域仍處於早期階段，但市場反應令人鼓舞。截至 2024 年 5 月，AI 概念加密資產（注：Grayscale Research 定義的一個加密貨幣投資組合，包括 NEAR、FET、RNDR、FIL、TAO、THETA、AKT、AGIX、WLD、AIOZ、TFUEL、GLM、PRIME、OCEAN、ARKM 和 LTP。）回報率為 20% ，表現僅此於貨幣概念類別（圖 1）。此外，根據數據提供商 Kaito 的數據，與 DeFi、Layer 2、Memecoin 和現實世界資產等其他主題相比，人工智能目前是社交平臺上最熱門的「敘事」。

最近，一些知名人士开始擁抱這一新興交叉領域，致力於解決中心化人工智能的缺陷。今年 3 月，知名人工智能公司 Stability AI 的創始人 Emad Mostaque 離开公司，轉而探索去中心化人工智能，他表示「現在是時候讓人工智能开放和去中心化了」。加密貨幣企業家 Erik Vorhees 最近推出了 Venice.ai，這是一款專注於隱私的人工智能服務，具有端到端加密功能。

圖 1 ：今年以來，AI 領域的表現幾乎優於所有加密貨幣細分領域

我們可以將加密貨幣和人工智能的融合分為三個主要子類別：

基礎設施層：為 AI 开發提供平臺的網絡（例如 NEAR、TAO、FET）；
人工智能所需的資源：提供人工智能开發所需的計算、存儲、數據等關鍵資源（例如 RNDR、AKT、LPT、FIL、AR、MASA）；
解決 AI 問題：試圖解決 AI 相關的問題，例如機器人和深度僞造的興起以及模型驗證（例如 WLD、TRAC、NUM）。

圖 2 ：人工智能和加密貨融合的項目版圖，資料來源：Grayscale Investments

AI 基礎設施網絡

第一類是提供無需許可的开放式架構的網絡，專為 AI 开發而構建。這些網絡不專注於某一種 AI 產品或服務，而是為各種 AI 應用創建底層基礎設施和激勵機制。

NEAR 在這一類別中脫穎而出，其創始人是「Transformer」架構的聯合作者之一，該架構為 ChatGPT 等 AI 系統提供支持。然而，該公司最近利用其 AI 專業知識，通過由前 OpenAI 研究工程師顧問領導的研發部門，公布了开發「用戶擁有的 AI」的工作成果。 2024 年 6 月下旬，Near 啓動了 AI 孵化器計劃，用於开發 Near 原生基礎模型、AI 應用程序數據平臺、AI 代理框架和計算市場。

Bittensor 是另一個引人注目的例子。Bittensor 是一個使用 TAO 代幣在經濟上鼓勵人工智能發展的平臺。Bittensor 是 38 個子網絡的底層平臺，每個子網絡都有不同的用例，例如聊天機器人、圖像生成、財務預測、語言翻譯、模型訓練、存儲和計算。Bittensor 網絡用 TAO 代幣獎勵每個子網中表現最佳的礦工和驗證者，並為开發人員提供無需許可的 API，幫助开發者構建特定的人工智能應用程序。

AI 基礎設施網絡還包括其他協議，例如 Fetch.ai 和 Allora。Fetch.ai 是一個供开發人員創建復雜 AI 助手（即「AI 代理」）的平臺，最近與 AGIX 和 OCEAN 合並，總價值約為 75 億美元。另一個是 Allora 網絡，該平臺專注於將 AI 應用於金融領域，包括去中心化交易所和預測市場的自動交易策略。Allora 尚未推出代幣，並於 6 月進行了一輪战略融資，總融資額達到 3500 萬美元。

提供 AI 所需的資源

第二類是以計算、存儲或數據的形式提供人工智能开發所需資源的項目。

人工智能的興起對 GPU 形式的計算資源產生了前所未有的需求。諸如 Render (RNDR)、Akash (AKT) 和 Livepeer (LPT) 之類的去中心化 GPU 市場為需要計算進行模型訓練、模型推理或渲染 3D 生成式 AI 的开發人員提供了闲置 GPU 供應。據估計，Render 提供約 10, 000 個 GPU，重點面向藝術家和生成式 AI，而 Akash 提供 400 個 GPU，重點面向 AI 开發人員和研究人員。與此同時，Livepeer 最近宣布了其新的 AI 子網計劃，目標是在 2024 年 8 月完成文本轉圖像、文本轉視頻和圖像轉視頻等功能。

除了需要大量計算外，AI 模型還需要大量數據。因此，對數據存儲的需求大幅增加。Filecoin (FIL) 和 Arweave (AR) 等數據存儲解決方案可以作為將 AI 數據存儲在中心化 AWS 服務器上的替代方案。這些解決方案不僅提供經濟高效且可擴展的存儲，而且還通過消除單點故障和降低數據泄露風險來增強數據安全性和完整性。

最後，OpenAI 和 Gemini 等現有 AI 服務分別通過 Bing 和 Google 搜索持續訪問實時數據。這使科技巨頭之外的所有其他 AI 模型开發人員處於不利地位。然而，Grass 和 Masa (MASA) 等數據抓取服務可以幫助創造公平的競爭環境，因為它們允許個人通過將其應用程序數據用於 AI 模型訓練來商業化，同時保持對個人數據的控制和隱私。

解決 AI 相關問題

第三類包括試圖解決與人工智能相關的問題的項目，包括網絡機器人和深度僞造泛濫。

人工智能加劇的一個重大問題是機器人和虛假信息的泛濫。人工智能生成的深度僞造內容已經對印度和歐洲的總統選舉產生了影響，專家們「非常害怕」即將到來的總統競選將陷入由深度僞造驅動的「虛假信息海嘯」。希望通過建立可驗證的內容來源來幫助解決與深度僞造相關的問題的項目包括 Origin Trail (TRAC)、Numbers Protocol (NUM) 和 Story Protocol。此外，Worldcoin (WLD) 試圖通過獨特的生物識別技術來證明一個人的人性，從而解決機器人問題。

人工智能的另一個風險是確保對模型本身的信任。我們如何相信收到的 AI 結果沒有被篡改或操縱？目前，有幾種協議正在努力通過密碼學、零知識證明和全同態加密 (FHE) 來幫助解決這個問題，其中包括 Modulus Labs 和 Zama。

結論

雖然這些去中心化的人工智能資產已經取得了初步進展，但我們仍處於這一交叉領域的早期階段。今年年初，著名風險投資家 Fred Wilson 表示，人工智能和加密貨幣是「同一枚硬幣的兩面」，「Web3 將幫助我們信任人工智能」。隨着人工智能行業的不斷成熟，Grayscale Research 認為，這些與人工智能相關的加密用例將變得越來越重要，這兩種快速發展的技術有可能相互支持、共同發展。

很多跡象表明，人工智能時代即將到來，這將產生深遠的影響，既有積極的，也有消極的。通過利用區塊鏈技術的特性，我們相信加密貨幣最終可以幫助減輕人工智能帶來的一些危險。