Más de un año después del lanzamiento de ChatGPT, las discusiones sobre IA+Crypto han vuelto a ser acaloradas recientemente. La IA se considera una de las vías más importantes para el mercado alcista de 2024-2025, e incluso el propio Vitalik Buterin publicó un artículo titulado "La promesa y los desafíos de las aplicaciones de cripto + IA" para discutir las posibles direcciones de exploración de la IA + Cryo en el futuro. Este artículo no hará demasiadas predicciones subjetivas, sino que simplemente clasificará los proyectos empresariales de combinación de IA y Crypto observados durante el año pasado desde una perspectiva de mercado primaria, para ver desde qué ángulos los empresarios han ingresado al mercado, qué logros se han logrado y qué áreas aún se están explorando.

I. El ciclo de la IA + Cripto

A lo largo de 2023, hablamos de casi docenas de proyectos de IA+Crypto, en los que se pudo observar un ciclo claro. Antes del lanzamiento de ChatGPT a finales de 2022, había pocos proyectos de blockchain relacionados con la IA en el mercado secundario, siendo los principales proyectos más antiguos como FET y AGIX. Del mismo modo, en el mercado primario se registraron pocos proyectos relacionados con la IA.

De enero a mayo de 2023 se produjo el primer periodo de explosión concentrada de proyectos de IA, principalmente porque ChatGPT tuvo un gran impacto. Muchos proyectos antiguos en el mercado secundario giraron hacia la vía de la IA, y casi todas las semanas hubo discusiones sobre proyectos de IA + Crypto en el mercado primario. Sin embargo, los proyectos de IA de este período se sintieron relativamente simples, muchos de los cuales eran solo proyectos "rediseñados" y "convertidos en blockchain" basados en ChatGPT, sin barreras tecnológicas centrales. Nuestro equipo de desarrollo interno a menudo podía replicar el marco básico de un proyecto en solo uno o dos días. Esto nos llevó a discutir muchos proyectos de IA durante este tiempo, pero al final, no hicimos ningún movimiento.

De mayo a octubre, el mercado secundario comenzó a crecer y, curiosamente, el número de proyectos de IA en el mercado primario también disminuyó significativamente hasta los últimos uno o dos meses, cuando el número comenzó a aumentar nuevamente, con discusiones, artículos y más sobre IA + Crypto cada vez más ricos. Volvimos a entrar en un "boom" en el que podíamos encontrarnos con proyectos de IA cada semana. Después de seis meses, sentimos notablemente que el nuevo lote de proyectos de IA tenía una comprensión significativamente mejorada de la pista de IA, la implementación de escenarios comerciales y la integración de AI + Crypto en comparación con el primer período de AI Hype. Aunque las barreras tecnológicas aún no son fuertes, la madurez general ha alcanzado un nuevo nivel. No fue hasta 2024 que finalmente hicimos nuestra primera apuesta en la pista AI+Crpyto.

II. En la pista de IA+Crypto

Vitalik, en su artículo sobre "Pronósticos y desafíos", predice desde varias dimensiones y perspectivas relativamente abstractas:

• La IA como jugador en el juego
• La IA como interfaz de juego
• La IA como reglas del juego
• La IA como objetivo de juego

Nosotros, sin embargo, resumimos los proyectos de IA que se ven actualmente en el mercado primario desde un ángulo más concreto y directo. Los proyectos en IA+Crypto giran principalmente en torno al núcleo de Crypto, que es "descentralización técnica (o política) + activos comerciales".

La descentralización no necesita presentación; se trata de Web3. Según el tipo de activo, se puede dividir en tres vías principales:

• Aprovechamiento de la potencia de cálculo
• Assetización de modelos
• Capitalización de datos

Assetización de la potencia de cómputo

Se trata de una pista relativamente densa, que abarca varios proyectos nuevos, así como pivotes de proyectos más antiguos, como Akash de Cosmos y Nosana de Solana. Los precios de los tokens subieron después del pivote, lo que refleja el optimismo del mercado hacia la pista de la IA. RNDR, aunque se centra principalmente en el renderizado descentralizado, también puede servir para fines de IA, por lo que muchos clasifican RNDR y proyectos similares relacionados con la potencia informática en la vía de IA.

La valorización de la potencia de cálculo puede subdividirse a su vez en dos direcciones:

Computación descentralizada para el entrenamiento de IA, representada por Gensyn.

Computación descentralizada para la inferencia de IA, representada por la mayoría de los pivotes y nuevos proyectos.

Un fenómeno interesante observado en esta pista, o más bien una cadena de escepticismo, es el siguiente:

IA tradicional → inferencia descentralizada → entrenamiento descentralizado

Aquellos con una formación tradicional en IA son escépticos sobre el entrenamiento o la inferencia descentralizados de IA. Y dentro del espacio descentralizado, los que se centran en la inferencia dudan de la viabilidad de la formación descentralizada. La razón principal radica en los desafíos técnicos, ya que el entrenamiento de IA (especialmente para modelos grandes) requiere datos masivos y, lo que es más importante, un gran ancho de banda para la comunicación de datos. En la actualidad, el entrenamiento de grandes modelos de Transformer requiere una matriz de GPU de gama alta (como la 4090 o la H100 para IA) más NVLink y conmutadores profesionales de fibra óptica para canales de comunicación de nivel 100G, lo que pone en duda la viabilidad de la descentralización para tales tareas.

• Aquellos que provienen de carreras tradicionales de IA no son optimistas sobre el entrenamiento o el razonamiento descentralizado de la IA.
• Aquellos que utilizan el razonamiento descentralizado no son optimistas sobre el entrenamiento descentralizado.

La razón es principalmente técnica, porque el entrenamiento de IA (especialmente la IA de modelos grandes) implica cantidades masivas de datos, y lo que es más exagerado que los requisitos de datos son los requisitos de ancho de banda causados por la comunicación de alta velocidad de estos datos. En el entorno actual de modelos grandes de Transformer, el entrenamiento de estos modelos grandes requiere una gran cantidad de tarjetas gráficas de gama alta de nivel 4090 / tarjetas gráficas de IA profesional H100 compradas matriz de potencia de cómputo + canales de comunicación de nivel 100G compuestos por NVLink y conmutadores de fibra óptica profesionales. Dices que esto se puede implementar de manera descentralizada, hmm...

El razonamiento de la IA requiere mucha menos potencia de cálculo y ancho de banda de comunicación que el entrenamiento de la IA. La posibilidad de descentralización es, naturalmente, mucho mayor que la de formación. Esta es la razón por la que la mayoría de los proyectos relacionados con la potencia de cómputo se dedican al razonamiento, y el entrenamiento es básicamente solo Gensyn. , un gran jugador como Together que ha recaudado más de 100 millones de yuanes. Pero igualmente, desde la perspectiva del rendimiento de los costes y la fiabilidad, al menos en esta etapa, la potencia de cálculo centralizada sigue siendo mucho mejor que el razonamiento descentralizado.

No es difícil explicar por qué, cuando se analiza el razonamiento descentralizado y la formación descentralizada, piensan que "no se puede hacer en absoluto", mientras que la IA tradicional se centra en la formación y el razonamiento descentralizados y piensa que "la formación es técnicamente poco realista" y que "el razonamiento no es fiable desde el punto de vista comercial". Espectro".

Algunas personas dicen que cuando BTC/ETH salió por primera vez, todos también dijeron que este modelo de todos los nodos distribuidos que se cuentan no es confiable en comparación con la computación en la nube, pero ¿no funcionó al final? A continuación, depende de las necesidades futuras de entrenamiento de la IA y del razonamiento de la IA para las dimensiones de corrección, no manipulación y redundancia. Por el momento, centrarse simplemente en el rendimiento, la fiabilidad y el precio no puede ser mejor que la centralización.

Assetización de modelos

Esta pista está abarrotada y es relativamente más fácil de entender en comparación con la assetización de potencia de cómputo. La popularidad de ChatGPT y aplicaciones como Character.AI han demostrado el potencial de los grandes modelos de lenguaje. Los usuarios pueden buscar conocimientos de figuras históricas como Sócrates o Confucio, chatear con celebridades como Elon Musk o Sam Altman, o incluso entablar conversaciones románticas con ídolos virtuales como Hatsune Miku o Raiden Shogun. Toda esta magia se debe a los grandes modelos de lenguaje, y el concepto de agentes de IA está profundamente arraigado a través de Character.AI.

¿Y si estos agentes, como Confucio, Musk o Raiden Shogun, fueran NFT?

¿No es esto AI X Crypto?

Esto encarna el concepto AI X Crypto. Se trata más de la assetización de agentes creados a partir de grandes modelos que de los propios modelos, ya que los modelos grandes no se pueden colocar directamente en la cadena de bloques. La atención se centra en el mapeo de agentes en NFT para crear una sensación de "assetización de modelos" en el espacio AI X Crypto.

Actualmente, hay agentes para aprender inglés, citas y más, junto con proyectos derivados como búsqueda de agentes y mercados. Un problema común en esta vía es la falta de barreras técnicas, ya que muchos proyectos simplemente NFT-izan el concepto Character.AI. La integración con blockchain suele ser mínima, de forma similar a cómo los NFT de GameFi en Ethereum sólo pueden almacenar una URL o un hash en sus metadatos, con modelos/agentes alojados en servidores en la nube. El comercio en la cadena de bloques implica esencialmente derechos de propiedad.

A pesar de estos desafíos, es probable que la assetización de modelos/agentes siga siendo una vía importante en AI x Crypto, con la esperanza de proyectos más sólidos técnicamente e integrados en blockchain en el futuro.

Assetización de datos

La assetización de datos es lógicamente la más adecuada para IA+Crypto, ya que el entrenamiento tradicional de IA utiliza principalmente datos visibles disponibles en Internet, o más precisamente, datos del tráfico de dominio público, que solo pueden representar entre el 10 y el 20% del total. Una parte significativa de los datos reside realmente en el tráfico de dominio privado (incluidos los datos personales). Si estos datos de tráfico pudieran utilizarse para entrenar o ajustar modelos grandes, sin duda podríamos tener agentes/bots más especializados en varios dominios verticales.

El eslogan más conocido de la Web3 es "¡Lee, escribe, posee!"

Por lo tanto, bajo la guía de incentivos descentralizados a través de AI+Crypto, la publicación de datos de tráfico de deseos individuales y privados para la assetización para proporcionar una "alimentación" mejor y más rica para modelos grandes suena como un enfoque muy lógico. De hecho, varios equipos están profundamente comprometidos en este campo.

Sin embargo, el mayor desafío en esta vía es que los datos no se estandarizan tan fácilmente como la potencia de cómputo. En el caso de la potencia informática descentralizada, el modelo de la tarjeta gráfica se traduce directamente en una determinada cantidad de potencia informática, mientras que la cantidad, la calidad y el propósito de los datos privados son difíciles de medir en varias dimensiones. Si la potencia informática descentralizada es como ERC20, entonces la assetización de los datos de entrenamiento de la IA para la IA descentralizada se parece más a ERC721, mezclada con muchos proyectos y rasgos como PunkAzuki, lo que hace que la liquidez y el desarrollo del mercado sean significativamente más desafiantes que con ERC20. Por lo tanto, los proyectos que trabajan en la valorización de datos de IA se enfrentan a dificultades considerables.

Otro aspecto digno de mención de la pista de datos es el etiquetado descentralizado. La assetización de datos se aplica al paso de "recopilación de datos", y los datos recopilados deben procesarse antes de enviarlos a la IA, que es donde entra en juego el etiquetado de datos. Este paso es actualmente una tarea centralizada y laboriosa. Al descentralizar este proceso a través de recompensas simbólicas, convertir este trabajo laboral en un etiquetado descentralizado para ganar, o dispersar el trabajo de una manera similar a las plataformas de crowdsourcing, es un concepto que se está explorando. Algunos equipos están cultivando actualmente este campo.

III. Las piezas del rompecabezas que faltan en AI + Crypto

Analicemos brevemente, desde nuestra perspectiva, las piezas que faltan en el sector de la IA + Crypto.

1. Barreras tecnológicas: Como se mencionó anteriormente, la mayoría de los proyectos de IA + Crypto casi no tienen barreras en comparación con los proyectos tradicionales de IA en el espacio Web2. Se basan más en modelos económicos e incentivos simbólicos, centrando sus esfuerzos en la experiencia de front-end, el mercado y las operaciones. Aunque no hay nada de malo en ello -la descentralización y la distribución del valor son, de hecho, los puntos fuertes de la Web3-, la falta de barreras básicas suele dar un aire de "X to Earn". Todavía esperamos que más equipos con tecnologías centrales, como la empresa matriz de RNDR, OTOY, logren avances significativos en el espacio criptográfico.

2. Estado actual de los profesionales: Según nuestras observaciones, algunos equipos del sector de la IA x Crypto tienen muchos conocimientos sobre IA, pero carecen de un conocimiento profundo de la Web3. Por el contrario, algunos equipos son muy nativos de las criptomonedas, pero tienen una comprensión superficial de la IA. Esto es muy similar al sector Gamefi temprano, donde los equipos tenían un profundo conocimiento de los juegos y buscaban adaptar los juegos Web2 a blockchain o estaban bien versados en Web3, centrándose en innovar y optimizar varios modelos de ganancias. Matr1x fue el primer equipo que encontramos en el sector Gamefi con una comprensión doble A tanto de los juegos como de las criptomonedas, por lo que mencioné anteriormente que Matr1x fue uno de los tres proyectos en 2023 por los que me decidí "justo después de la discusión". Esperamos ver equipos con una comprensión de doble A tanto en IA como en criptomonedas en 2024.

3. Escenarios comerciales: AI X Crypto se encuentra en una etapa muy temprana de exploración. Las diversas assetizaciones mencionadas son solo algunas direcciones generales, cada una con subsectores potenciales que pueden explorarse y segmentarse meticulosamente. La combinación de IA y Crypto en los proyectos actuales a menudo se siente "rígida" o "áspera", ya que no logra aprovechar las mejores ventajas competitivas o la capacidad de combinación de AI o Crypto. Esto está estrechamente relacionado con el segundo punto mencionado anteriormente. Por ejemplo, nuestro equipo de desarrollo interno concibió y diseñó un método de combinación más óptimo. Desafortunadamente, a pesar de revisar muchos proyectos en el sector de la IA, aún no hemos encontrado un equipo que haya entrado en este nicho. Por lo tanto, solo podemos seguir esperando.

¿Por qué nuestro VC podría pensar en ciertos escenarios ante los emprendedores del mercado? Porque nuestro equipo interno de IA incluye siete maestros, cinco de los cuales tienen doctorados en IA. En cuanto a la comprensión del equipo de ABCDE sobre las criptomonedas, bueno, ya sabes...

En conclusión, aunque desde una perspectiva de mercado primaria, AI x Crypto aún es muy temprana e inmadura, esto no impide ser optimistas sobre sus perspectivas en 2024-2025. AI x Crypto podría convertirse en uno de los principales sectores en el próximo mercado alcista. Al fin y al cabo, si la IA libera fuerzas productivas y la cadena de bloques libera las relaciones de producción, ¿qué mejor combinación podría haber? :)

Renuncia:

1. Este artículo es una reimpresión de [ABCDE], Todos los derechos de autor pertenecen al autor original [ABCDE]. Si hay objeciones a esta reimpresión, comuníquese con el equipo de Gate Learn y ellos lo manejarán de inmediato.
2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.