ChatGPTのリリースから1年以上が経過した最近、AI+Cryptoに関する議論が再び白熱しています。 AIは、2024年から2025年の強気相場で最も重要なトラックの1つと見なされており、ヴィタリック・ブテリン氏自身も「暗号+AIアプリケーションの約束と課題」という記事を発表し、将来のAI+Cryoの潜在的な探求の方向性について議論しています。 この記事では、主観的な予測はあまり多くありませんが、過去1年間に観察されたAIと暗号の組み合わせの起業家プロジェクトを主要な市場の観点から整理し、起業家がどの角度から市場に参入し、どのような成果を上げ、どの分野がまだ探求されているかを確認します。

I. AI+クリプトのサイクル

2023年を通して、私たちは明確なサイクルが観察できる数十近くのAI+Cryptoプロジェクトについて議論しました。 2022年末にChatGPTがリリースされる前は、流通市場ではAIに関連するブロックチェーンプロジェクトはほとんどなく、FETやAGIXなどの古いプロジェクトが主なものでした。 同様に、プライマリーマーケットでは、AI関連のプロジェクトはほとんどありませんでした。

2023 年 1 月から 5 月にかけて、主に ChatGPT が大きな影響を与えたため、AI プロジェクトの最初の集中的な爆発期がありました。 セカンダリーマーケットの古いプロジェクトの多くはAIトラックに軸足を移し、ほぼ毎週、プライマリーマーケットでAI+Cryptoプロジェクトに関する議論がありました。 しかし、この時期のAIプロジェクトは比較的シンプルに感じられ、その多くはChatGPTをベースにした「リスキン」や「ブロックチェーン変換」のプロジェクトであり、中核的な技術的障壁はありませんでした。 社内の開発チームは、多くの場合、プロジェクトの基本的なフレームワークをわずか 1 日か 2 日で再現できます。 そのため、この間、多くのAIプロジェクトについて話し合いましたが、結局、動きはありませんでした。

5月から10月にかけて、セカンダリーマーケットが負担し始め、興味深いことに、プライマリーマーケットのAIプロジェクトの数も、最後の1〜2か月まで大幅に減少していましたが、その後、AI+Cryptoに関する議論や記事などが充実し、再び増加し始めました。 私たちは、毎週のようにAIプロジェクトに遭遇できる「ブーム」に再び突入しました。 6か月後、新しいAIプロジェクトは、最初のAIハイプ期間と比較して、AIトラック、商用シナリオの実装、AI+Cryptoの統合に対する理解が大幅に向上していることを顕著に感じました。 技術的な障壁はまだ強くありませんが、全体的な成熟度は新しいレベルに達しています。 2024年になってようやく、AI+Crpytoトラックに初めて賭けることができました。

(2) AI+Crypto Trackで

ヴィタリックは、「予測と課題」という記事の中で、いくつかの比較的抽象的な次元と視点から予測しています。

• ゲーム内のプレイヤーとしてのAI
• ゲームインターフェースとしてのAI
• ゲームのルールとしてのAI
• ゲームのターゲットとしてのAI

しかし、現在プライマリー市場で見られるAIプロジェクトを、より具体的かつ直接的な角度からまとめます。 AI+Cryptoのプロジェクトは、主にCryptoの中核である「技術的(または政治的)分散化+商業的資産化」を中心に展開しています。

地方分権化は紹介の必要はないでしょう。すべてはWeb3です。 資産化の種類に基づいて、大きく3つの主要なトラックに分けることができます。

• コンピューティングパワーの資産化
• モデルの資産化
• データの大文字化

計算能力の資産化

これは比較的密度の高いトラックで、さまざまな新しいプロジェクトだけでなく、Cosmos の Akash や Solana の Nosana などの古いプロジェクトからのピボットも含まれています。 トークン価格はピボット後に急騰し、AIトラックに対する市場の楽観的な見方を反映しています。 RNDRは、主に分散型レンダリングに焦点を当てていますが、AIの目的にも役立つため、多くの人がRNDRや同様のコンピューティングパワー関連のプロジェクトをAIトラックに分類しています。

コンピューティング能力の資産化は、さらに2つの方向に細分化できます。

Gensynに代表されるAIトレーニングのための分散型コンピューティング。

AI推論のための分散型コンピューティングは、ほとんどのピボットと新しいプロジェクトに代表されます。

このトラックで観察された興味深い現象、あるいはむしろ懐疑論の連鎖は、次の通りです。

従来のAI→分散型推論→分散型トレーニング

従来のAIのバックグラウンドを持つ人は、分散型AIのトレーニングや推論に懐疑的です。 また、分散型の空間では、推論を重視する人々は、分散型トレーニングの実現可能性を疑っています。 主な理由は、AIトレーニング(特に大規模モデル)には大量のデータが必要であり、さらに重要なことに、データ通信に高い帯域幅が必要であるため、技術的な課題にあります。 現在、大規模な Transformer モデルのトレーニングには、ハイエンド GPU (AI 用の 4090 や H100 など) に加えて、100G レベルの通信チャネル用の NVLink とプロ仕様の光ファイバー スイッチのマトリックスが必要であり、そのようなタスクの分散化の実現可能性に疑問を投げかけています。

• 従来のAI専攻出身の人々は、分散型AIのトレーニングや推論について楽観的ではありません。
• 分散型推論を使用する人は、分散型トレーニングについて楽観的ではありません。

その理由は、AIの学習(特に大規模モデルAI)には膨大なデータが含まれ、データ要件よりも誇張されているのは、これらのデータの高速通信によって引き起こされる帯域幅要件であるため、主に技術的なものです。 現在の Transformer 大規模モデル環境では、これらの大規模モデルをトレーニングするには、多数の 4090 レベルのハイエンド グラフィックス カード/H100 プロフェッショナル AI グラフィックス カードの購入コンピューティング パワー マトリックス + NVLink とプロフェッショナル光ファイバー スイッチで構成される 100G レベルの通信チャネルが必要です。 あなたは、このことは分散的に実装できると言っていますが、うーん...

AI推論に必要な計算能力と通信帯域幅は、AIトレーニングよりもはるかに少なくて済みます。 分散化の可能性は、当然のことながら、トレーニングの可能性よりもはるかに大きいです。 そのため、ほとんどの計算能力関連のプロジェクトは推論に従事しており、トレーニングは基本的にGensynのみです。 は、1億元以上を調達したTogetherのような大手企業です。 しかし、同様に、コストパフォーマンスと信頼性の観点からは、少なくとも現段階では、集中型のコンピューティング能力は分散型推論よりもはるかに優れています。

従来のAIが分散型のトレーニングや推論を見て「トレーニングは技術的に非現実的」で「論理的に信頼できない」と考えるのに対し、分散型推論や分散型トレーニングを見ると「まったくできない」と考える理由を説明するのは難しくありません。 スペクトラム」。

BTC/ETHが最初に登場した時、この分散ノードをカウントするモデルはクラウドコンピューティングに比べて信頼性が低いと誰もが言っていたという人もいますが、最終的にはうまくいきませんでしたか? 次に、正確性、改ざん防止性、冗長性の次元に関するAIトレーニングとAI推論の将来のニーズに依存します。 性能、信頼性、価格だけを重視するだけでは、当面は集中化に勝るものはありません。

モデルの資産化

このトラックは混雑しており、コンピューティングパワーの資産化に比べて比較的理解しやすいです。 ChatGPT や Character.AI などのアプリケーションの人気は、大規模言語モデルの可能性を示しています。 ユーザーは、ソクラテスや孔子などの歴史上の人物から知識を求めたり、イーロンマスクやサムアルトマンなどの有名人とチャットしたり、初音ミクや雷電将軍などの仮想アイドルとロマンチックな会話をしたりすることもできます。 この魔法は、Character.AI を通じてAIエージェントの概念が深く根付いた大規模言語モデルのおかげです。

孔子、麝香、雷電将軍などのエージェントがNFTだったらどうなるでしょうか?

これってAI X Cryptoじゃないの?!

これは、AI X Cryptoのコンセプトを具現化したものです。 大規模なモデルはブロックチェーンに直接配置できないため、モデル自体ではなく、大規模なモデルから作成されたエージェントの資産化に関するものです。 焦点は、エージェントをNFTにマッピングして、AI X Crypto空間に「モデル資産化」の感覚を生み出すことです。

現在、英語学習やデートなどのエージェントと、エージェント検索やマーケットプレイスなどの派生プロジェクトがあります。 このトラックに共通する問題は、多くのプロジェクトが Character.AI コンセプトを単にNFT化しているため、技術的な障壁がないことです。 イーサリアム上のGameFi NFTがメタデータにURLまたはハッシュのみを保存し、モデル/エージェントがクラウドサーバーでホストされるのと同様に、ブロックチェーンとの統合は最小限であることが多いです。 ブロックチェーン上での取引には、基本的に所有権が伴います。

これらの課題にもかかわらず、モデル/エージェントの資産化は、AI x Cryptoの主要なトラックであり続ける可能性が高く、将来的には、より技術的に堅牢でブロックチェーンに統合されたプロジェクトが期待されています。

データの資産化

従来のAIトレーニングは、主にインターネット上で利用可能な可視データ、より正確にはパブリックドメイントラフィックからのデータを利用するため、データ資産化は論理的にはAI+Cryptoに最も適しており、全体の10〜20%しか占めていない可能性があります。 データのかなりの部分は、実際にはプライベートドメインのトラフィック(個人データを含む)内に存在します。 このトラフィックデータを大規模モデルのトレーニングや微調整に活用できれば、さまざまな垂直領域でより専門的なエージェント/ボットを持つことができることは間違いありません。

Web3のスローガンとして最もよく知られているのは「Read, Write, Own!」です。

したがって、AI + Cryptoによる分散型インセンティブの指導の下で、個人および個人の欲求トラフィックデータを公開して資産化を行い、大規模モデルにより良い、より豊富な「フィード」を提供することは、非常に論理的なアプローチのように聞こえます。 実際、いくつかのチームがこの分野に深く関わっています。

しかし、このトラックの最大の課題は、データがコンピューティング能力ほど簡単に標準化されないことです。 分散型コンピューティングパワーの場合、グラフィックスカードのモデルは一定量のコンピューティングパワーに直接変換されますが、プライベートデータの量、質、および目的をさまざまな次元で測定することは困難です。 分散型コンピューティングパワーがERC20のようなものだとすれば、分散型AIのAIトレーニングデータの資産化はERC721のように感じられ、PunkAzukiのような多くのプロジェクトや特性が混ざり合って、流動性と市場開発をERC20よりもはるかに困難にしています。 このように、AIデータの資産化に取り組むプロジェクトは、かなりの困難に直面しています。

データトラックのもう一つの注目すべき側面は、分散型ラベリングです。 データ資産化は「データ収集」ステップに適用され、収集したデータをAIに供給する前に処理する必要があるため、データのラベリングの出番です。 このステップは、現在、集中管理された労働集約的なタスクです。 このプロセスをトークン報酬で分散化することで、この労働を分散型のラベリングに変えて稼いだり、クラウドソーシングプラットフォームと同様の方法で作業を分散させたりすることが、現在検討されているコンセプトです。 現在、いくつかのチームがこの分野を開拓しています。

III. AI + Cryptoに欠けているパズルのピース

私たちの視点から、AI + Cryptoセクターに欠けている部分について簡単に説明しましょう。

1. 技術的な障壁:前述したように、AI + Cryptoプロジェクトの大部分は、Web2空間の従来のAIプロジェクトと比較して、ほとんど障壁がありません。 彼らは経済モデルとトークンインセンティブにもっと依存し、フロントエンドのエクスペリエンス、市場、および運用に力を注いでいます。 分散化と価値の分配は確かにWeb3の強みであり、これは悪いことではありませんが、中核となる障壁がないことは、しばしば「X to Earn」の雰囲気を醸し出します。 RNDRの親会社であるOTOYのように、コアテクノロジーを持つチームが暗号分野で大きな進歩を遂げることを期待しています。

2. 実務家の現状:私たちの観察によると、AI x Cryptoセクターの一部のチームは、AIに精通しているが、Web3についての深い理解に欠けています。 逆に、非常にクリプトネイティブなチームもありますが、AIに対する理解が浅いチームもあります。 これは、チームがゲームを深く理解し、Web2ゲームをブロックチェーンに適応させようとしたか、Web3に精通し、さまざまな収益モデルの革新と最適化に重点を置いていた初期のGamefiセクターと非常によく似ています。 Matr1xは、ゲームとクリプトの両方をダブルAで理解しているGamefi分野で最初に出会ったチームであり、Matr1xは2023年に「議論の直後に」決定した3つのプロジェクトのうちの1つであると以前に述べたようにしました。 2024年には、AIと暗号の両方についてダブルAの理解を持つチームが見られることを楽しみにしています。

3. 商用シナリオ:AI X Cryptoは、探索の非常に初期段階にあります。 言及されているさまざまな資産化は、いくつかの大まかな方向性にすぎず、それぞれに細心の注意を払って調査およびセグメント化できる潜在的なサブセクターがあります。 現在のプロジェクトにおけるAIと暗号資産の組み合わせは、しばしば「硬い」または「荒削り」に感じられ、AIと暗号資産の競争上の優位性や組み合わせ可能性を最大限に活用できていません。 これは、上記の2番目のポイントと密接に関連しています。 例えば、社内の開発チームが、より最適な組み合わせ方法を考案・設計しました。 残念ながら、AI分野の多くのプロジェクトを検討しているにもかかわらず、このニッチに参入したチームはまだ見つかっていません。 したがって、私たちは待ち続けることしかできません。

なぜVCは、市場の起業家よりも先に特定のシナリオを思いつくことができたのでしょうか? 社内のAIチームには7人のマスターがおり、そのうち5人はAIの博士号を取得しているからです。 ABCDEチームのクリプトに対する理解については、まあ、ご存知の通りです。

結論として、主要な市場の観点から見ると、AI x Cryptoはまだ非常に初期段階で未熟ですが、これは2024年から2025年の見通しについて楽観的であることを妨げるものではありません。 AI x Cryptoは、次の強気相場の主要セクターの1つになる可能性があります。 結局のところ、AIが生産力を解放し、ブロックチェーンが生産関係を解放するのであれば、これ以上の組み合わせがあるでしょうか?:)

免責事項：

1. この記事は[ABCDE]からの転載で、すべての著作権は原著作者[ABCDE]に帰属します。 この転載に異議がある場合は、 Gate Learn チームに連絡していただければ、迅速に対応いたします。
2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
3. 記事の他言語への翻訳は、Gate Learnチームによって行われます。 特に明記されていない限り、翻訳された記事を複製、配布、盗用することは禁止されています。