Mais de um ano após o lançamento do ChatGPT, as discussões sobre IA+Cripto voltaram a ficar acaloradas recentemente. A IA é considerada um dos caminhos mais importantes para o mercado em alta de 2024-2025, e até o próprio Vitalik Buterin publicou um artigo "The promise and challenges of crypto + AI applications" (A promessa e os desafios das aplicações de criptografia + IA) para discutir as possíveis direções de exploração da IA+Cryo no futuro. Este artigo não fará muitas previsões subjetivas, mas simplesmente classificará os projetos empresariais de combinação de IA e criptomoedas observados no ano passado a partir de uma perspectiva de mercado primário, para ver de quais ângulos os empresários entraram no mercado, quais foram as conquistas e quais áreas ainda estão sendo exploradas.

I. O ciclo de IA+Criptografia

Ao longo de 2023, discutimos quase dezenas de projetos de IA+Criptografia, nos quais foi possível observar um ciclo claro. Antes do lançamento do ChatGPT no final de 2022, havia poucos projetos de blockchain relacionados à IA no mercado secundário, sendo que os principais eram projetos mais antigos, como FET e AGIX. Da mesma forma, o mercado primário viu poucos projetos relacionados à IA.

De janeiro a maio de 2023, houve o primeiro período de explosão concentrada de projetos de IA, principalmente porque o ChatGPT teve um grande impacto. Muitos projetos antigos no mercado secundário passaram para o caminho da IA e, quase toda semana, havia discussões sobre projetos de IA+Criptografia no mercado primário. No entanto, os projetos de IA desse período pareciam relativamente simples, muitos dos quais eram apenas projetos "reskinned" e "blockchain-converted" baseados no ChatGPT, sem nenhuma barreira tecnológica central. Nossa equipe interna de desenvolvimento muitas vezes pode replicar a estrutura básica de um projeto em apenas um ou dois dias. Isso nos levou a discutir muitos projetos de IA durante esse período, mas, no final das contas, não tomamos nenhuma atitude.

De maio a outubro, o mercado secundário começou a cair e, curiosamente, o número de projetos de IA no mercado primário também diminuiu significativamente até os últimos um ou dois meses, quando o número começou a aumentar novamente, com discussões, artigos e muito mais sobre IA+criptografia se tornando mais ricos. Entramos novamente em um "boom" em que podíamos encontrar projetos de IA toda semana. Depois de seis meses, percebemos que o novo lote de projetos de IA tinha uma compreensão significativamente melhor do caminho da IA, da implementação do cenário comercial e da integração de IA+Criptografia em comparação com o primeiro período do AI Hype. Embora as barreiras tecnológicas ainda não sejam fortes, a maturidade geral atingiu um novo patamar. Foi somente em 2024 que finalmente fizemos nossa primeira aposta na trilha AI+Crpyto.

II. Na trilha AI+Crypto

Vitalik, em seu artigo sobre "Forecasts and Challenges" (Previsões e desafios), faz previsões a partir de várias dimensões e perspectivas relativamente abstratas:

• IA como um jogador no jogo
• IA como interface de jogos
• IA como as regras do jogo
• A IA como alvo de jogos

No entanto, resumimos os projetos de IA atualmente vistos no mercado primário de um ângulo mais concreto e direto. Os projetos em AI+Crypto giram principalmente em torno do núcleo da criptografia, que é "descentralização técnica (ou política) + assetização comercial".

A descentralização não precisa de introdução; é tudo sobre a Web3. Com base no tipo de assetização, ela pode ser amplamente dividida em três caminhos principais:

• Assetização da capacidade de computação
• Asetização de modelos
• Capitalização de dados

Assetização do poder de computação

Essa é uma faixa relativamente densa, que engloba vários projetos novos, bem como pivôs de projetos mais antigos, como Akash, do Cosmos, e Nosana, do Solana. Os preços dos tokens subiram após o pivô, refletindo o otimismo do mercado em relação ao caminho da IA. A RNDR, embora tenha como foco principal a renderização descentralizada, também pode servir a propósitos de IA, de modo que muitos classificam a RNDR e projetos semelhantes relacionados ao poder de computação na faixa de IA.

A assetização da capacidade de computação pode ser subdividida em duas direções:

Computação descentralizada para treinamento de IA, representada por Gensyn.

Computação descentralizada para inferência de IA, representada pela maioria dos pivôs e novos projetos.

Um fenômeno interessante observado nessa trilha, ou melhor, uma cadeia de ceticismo, é o seguinte:

IA tradicional → Inferência descentralizada → Treinamento descentralizado

Aqueles com formação tradicional em IA são céticos em relação ao treinamento ou à inferência descentralizada de IA. E dentro do espaço descentralizado, aqueles que se concentram na inferência duvidam da viabilidade do treinamento descentralizado. O principal motivo está nos desafios técnicos, pois o treinamento em IA (especialmente para modelos grandes) requer dados maciços e, o que é mais importante, alta largura de banda para a comunicação de dados. Atualmente, o treinamento de grandes modelos do Transformer exige uma matriz de GPUs de ponta (como a 4090 ou a H100 para IA), além de NVLink e switches de fibra óptica profissionais para canais de comunicação de nível 100G, o que coloca em dúvida a viabilidade da descentralização para essas tarefas.

• Aqueles que vieram de cursos tradicionais de IA não estão otimistas em relação ao treinamento ou raciocínio descentralizado de IA.
• Aqueles que usam o raciocínio descentralizado não são otimistas em relação ao treinamento descentralizado.

O motivo é principalmente técnico, pois o treinamento em IA (especialmente em IA de modelos grandes) envolve grandes quantidades de dados, e o que é mais exagerado do que os requisitos de dados são os requisitos de largura de banda causados pela comunicação em alta velocidade desses dados. No atual ambiente de modelos grandes do Transformer, o treinamento desses modelos grandes requer um grande número de placas de vídeo de alto nível 4090/placas de vídeo AI profissionais 100 adquiridas com matriz de potência de computação + canais de comunicação de nível 100G compostos por NVLink e switches de fibra óptica profissionais. O senhor diz que isso pode ser implementado de forma descentralizada...

O raciocínio de IA requer muito menos capacidade de computação e largura de banda de comunicação do que o treinamento de IA. A possibilidade de descentralização é naturalmente muito maior do que a de treinamento. É por isso que a maioria dos projetos relacionados à potência da computação está envolvida no raciocínio, e o treinamento é basicamente apenas o Gensyn. O senhor é um dos principais participantes da Together, que arrecadou mais de 100 milhões de yuans. Mas, da mesma forma, do ponto de vista do custo, do desempenho e da confiabilidade, pelo menos neste estágio, a capacidade de computação centralizada ainda é muito melhor do que o raciocínio descentralizado.

Não é difícil explicar por que, ao analisar o raciocínio descentralizado e o treinamento descentralizado, eles pensam "o senhor não pode fazer isso de jeito nenhum", enquanto a IA tradicional analisa o treinamento e o raciocínio descentralizados e pensa "o treinamento é tecnicamente irrealista" e "o raciocínio não é comercialmente confiável". Spectrum".

Algumas pessoas dizem que, quando o BTC/ETH foi lançado pela primeira vez, todos também disseram que esse modelo de contagem de todos os nós distribuídos não era confiável em comparação com a computação em nuvem, mas será que não deu certo no final? Em seguida, depende das necessidades futuras de treinamento e raciocínio de IA para as dimensões de correção, não adulterabilidade e redundância. O simples foco no desempenho, na confiabilidade e no preço não pode ser melhor do que a centralização por enquanto.

Assetização de modelos

Esse caminho é concorrido e relativamente mais fácil de entender em comparação com a assetização da potência de computação. A popularidade do ChatGPT e de aplicativos como o Character.AI demonstrou o potencial de grandes modelos de linguagem. Os usuários podem buscar o conhecimento de figuras históricas como Sócrates ou Confúcio, conversar com celebridades como Elon Musk ou Sam Altman, ou até mesmo participar de conversas românticas com ídolos virtuais como Hatsune Miku ou Raiden Shogun. Essa mágica se deve a grandes modelos de linguagem, com o conceito de agentes de IA se tornando profundamente enraizado por meio do Character.AI.

E se esses agentes, como Confúcio, Musk ou Raiden Shogun, fossem NFTs?

Isso não é AI X Crypto?

Isso incorpora o conceito AI X Crypto. Trata-se mais da assetização de agentes criados a partir de modelos grandes do que dos modelos em si, já que modelos grandes não podem ser colocados diretamente no blockchain. O foco está no mapeamento de agentes em NFTs para criar um senso de "assetização de modelos" no espaço AI X Crypto.

Atualmente, há agentes para aprender inglês, namoro e muito mais, além de projetos derivados como busca de agentes e mercados. Um problema comum nessa faixa é a falta de barreiras técnicas, pois muitos projetos simplesmente NFT-ize o conceito Character.AI. A integração com o blockchain geralmente é mínima, semelhante à forma como os NFTs do GameFi no Ethereum podem armazenar apenas um URL ou hash em seus metadados, com modelos/agentes hospedados em servidores em nuvem. A negociação na blockchain envolve essencialmente direitos de propriedade.

Apesar desses desafios, a assetização de modelos/agentes provavelmente continuará sendo um caminho importante em AI x Crypto, com esperanças de projetos mais robustos tecnicamente e integrados ao blockchain no futuro.

Assetização de dados

A assetização de dados é logicamente mais adequada para IA+Criptografia, pois o treinamento tradicional de IA utiliza principalmente dados visíveis disponíveis na Internet ou, mais precisamente, dados do tráfego de domínio público, que podem representar apenas 10 a 20% do total. Na verdade, uma parte significativa dos dados reside no tráfego de domínio privado (incluindo dados pessoais). Se esses dados de tráfego pudessem ser utilizados para treinamento ou ajuste fino de grandes modelos, poderíamos, sem dúvida, ter agentes/bots mais especializados em vários domínios verticais.

O slogan mais conhecido da Web3 é "Read, Write, Own!".

Portanto, sob a orientação de incentivos descentralizados por meio de IA+Criptografia, a liberação de dados de tráfego de desejos individuais e privados para assetização, a fim de fornecer um "feed" melhor e mais rico para grandes modelos, parece uma abordagem altamente lógica. Na verdade, várias equipes estão profundamente engajadas nesse campo.

No entanto, o maior desafio nesse caminho é que os dados não são tão facilmente padronizados quanto a capacidade de computação. Para a capacidade de computação descentralizada, o modelo de sua placa de vídeo se traduz diretamente em uma determinada quantidade de capacidade de computação, enquanto a quantidade, a qualidade e a finalidade dos dados privados são difíceis de medir em várias dimensões. Se a capacidade de computação descentralizada é como o ERC20, então a assetização dos dados de treinamento de IA para IA descentralizada parece mais com o ERC721, misturado com muitos projetos e características como o PunkAzuki, tornando a liquidez e o desenvolvimento do mercado significativamente mais desafiadores do que com o ERC20. Assim, os projetos que trabalham com a assetização de dados de IA estão enfrentando dificuldades consideráveis.

Outro aspecto digno de nota do rastreamento de dados é a rotulagem descentralizada. A assetização de dados se aplica à etapa de "coleta de dados", e os dados coletados precisam ser processados antes de serem enviados à IA, que é onde entra a rotulagem de dados. Atualmente, essa etapa é uma tarefa centralizada e trabalhosa. Um conceito que está sendo explorado é a descentralização desse processo por meio de recompensas simbólicas, transformando esse trabalho em rotulagem descentralizada para ganhar, ou dispersando o trabalho de maneira semelhante às plataformas de crowdsourcing. Atualmente, algumas equipes estão cultivando esse campo.

III. As peças que faltam no quebra-cabeça de IA + criptografia

Vamos discutir brevemente, do nosso ponto de vista, as peças que faltam no setor de IA + criptografia.

1. Barreiras tecnológicas: Conforme mencionado anteriormente, a maioria dos projetos de IA + criptografia quase não tem barreiras em comparação com os projetos tradicionais de IA no espaço da Web2. Elas se baseiam mais em modelos econômicos e incentivos simbólicos, concentrando seus esforços na experiência de front-end, no mercado e nas operações. Embora não haja nada de errado com isso - a descentralização e a distribuição de valores são, de fato, pontos fortes da Web3 -, a falta de barreiras centrais muitas vezes dá uma sensação de "X para ganhar". Ainda esperamos que mais equipes com tecnologias essenciais, como a OTOY, empresa controladora da RNDR, façam avanços significativos no espaço das criptomoedas.

2. Situação atual dos profissionais: Com base em nossas observações, algumas equipes do setor de IA x criptografia têm muito conhecimento em IA, mas não têm uma compreensão profunda da Web3. Por outro lado, algumas equipes são muito nativas em criptografia, mas têm um conhecimento superficial de IA. Isso é muito semelhante ao setor inicial da Gamefi, em que as equipes tinham um profundo conhecimento de jogos e procuravam adaptar os jogos da Web2 à blockchain ou eram bem versadas na Web3, concentrando-se em inovar e otimizar vários modelos de ganhos. A Matr1x foi a primeira equipe que encontramos no setor de Gamefi com um conhecimento duplo A de jogos e criptografia, e é por isso que mencionei anteriormente que a Matr1x foi um dos três projetos em 2023 que escolhi "logo após a discussão". Esperamos ver equipes com um conhecimento duplo A em IA e criptografia em 2024.

3. Cenários comerciais: O AI X Crypto está em um estágio muito inicial de exploração. As várias assetizações mencionadas são apenas algumas direções amplas, cada uma com possíveis subsetores que podem ser meticulosamente explorados e segmentados. A combinação de IA e criptografia nos projetos atuais muitas vezes parece "rígida" ou "áspera", deixando de aproveitar as melhores vantagens competitivas ou a capacidade de combinação da IA ou da criptografia. Isso está intimamente relacionado ao segundo ponto mencionado acima. Por exemplo, nossa equipe interna de desenvolvimento concebeu e projetou um método de combinação mais otimizado. Infelizmente, apesar de analisarmos muitos projetos no setor de IA, ainda não encontramos uma equipe que tenha entrado nesse nicho. Portanto, só podemos continuar esperando.

Por que nosso VC poderia pensar em determinados cenários antes dos empreendedores do mercado? Porque nossa equipe interna de IA inclui sete mestres, cinco dos quais têm Ph.D. em IA. Quanto ao conhecimento da equipe da ABCDE sobre criptografia, bem, o senhor sabe...

Concluindo, embora, do ponto de vista do mercado primário, a IA x criptografia ainda seja muito incipiente e imatura, isso não nos impede de sermos otimistas em relação às suas perspectivas para 2024-2025. A IA x criptografia pode se tornar um dos principais setores do próximo mercado em alta. Afinal, se a IA libera as forças produtivas e o blockchain libera as relações de produção, que combinação melhor poderia haver? :)

Isenção de responsabilidade：

1. Este artigo foi reimpresso de [ABCDE], Todos os direitos autorais pertencem ao autor original[ABCDE]. Se houver objeções a esta reimpressão, entre em contato com a equipe do Gate Learn, que tratará do assunto imediatamente.
2. Isenção de responsabilidade: Os pontos de vista e opiniões expressos neste artigo são de responsabilidade exclusiva do autor e não constituem consultoria de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe do Gate Learn. A menos que mencionado, é proibido copiar, distribuir ou plagiar os artigos traduzidos.