介紹

截至目前，當前的加密牛市週期在商業創新方面最為乏善可陳，缺乏上一輪牛市中 DeFi、NFT 和 GameFi 等現象級熱門賽道。因此，整體市場需要工業熱點，用戶、工業投資和開發商增長緩慢。

這種停滯也反映在當前的資產價格上。在整個週期中，大多數山寨幣對 BTC 繼續貶值，包括 ETH。畢竟，智慧合約平臺的估值是由應用的繁榮程度決定的。當應用開發創新乏善可陳時，公鏈的估值就很難提升。

人工智慧作為這個週期中一個相對較新的商業類別，由於外部商業世界的爆炸性發展速度和持續的熱門話題，仍然有可能為加密人工智慧領域的專案帶來相當大的增量關注。

在作者 4 月份發布的 IO.NET 報告中，概述了將 AI 與 Crypto 相結合的必要性。加密經濟解決方案在確定性、資源動員和分配以及無信任方面的優勢可能會解決人工智慧的三個挑戰：隨機性、資源密集度以及難以區分人與機器。

在加密經濟的人工智慧領域，作者試圖通過另一篇文章討論和推導一些重要問題，包括：

• 加密人工智慧領域新興或潛在的爆炸性敘事
• 這些敘事背後的催化途徑和邏輯
• 與這些敘述相關的項目目標
• 敘事演繹的風險和不確定性

本文反映了作者截至發佈之日的想法，將來可能會發生變化。這些觀點具有高度主觀性，可能包含事實、數據和推理邏輯方面的錯誤。請不要將此視為投資建議。歡迎同行的批評和討論。

讓我們進入正題。

加密 AI 軌道的下一波敘事

在正式介紹加密 AI 賽道的下一波敘事之前，讓我們先來看看當前加密 AI 的主要敘事。從市值來看，超過10億美元的是：

• 算力：Render（RNDR，流通市值38.5億）、Akash（流通市值12億）、IO.NET（最新一輪一級融資估值10億）
• 演算法網路：Bittensor（TAO，流通市值29.7億）
• AI代理：Fetchai（FET，合併前市值21億）

*數據時間：2024.5.24，貨幣單位為美元。

除了上述行業，下一個單專案市值超過10億美元的人工智慧行業會是哪個？

筆者認為，可以從兩個角度進行推測：「產業供給側」的敘事和「GPT時刻」的敘事。

人工智慧敘事的第一視角：從工業供給側看人工智慧背後的能源和數據領域的機遇

從產業供給側來看，人工智慧發展有四大驅動力：

• 演算法：高品質的演算法可以更高效地執行訓練和推理任務。
• 算力：模型訓練和推理都需要GPU硬體提供的算力。這是目前行業的主要瓶頸，因為晶元短缺導致中高端晶元價格高企。
• 能源：人工智慧數據中心消耗大量能源。除了為 GPU 供電所需的電力外，大型數據中心的冷卻系統可能佔總能耗的 40% 左右。
• 數據：提高大型模型性能需要擴展訓練參數，這意味著對高質量數據的巨大需求。

在這四大驅動力中，有演算法和算力領域的流通市值超過10億美元的加密專案。然而，在能源和數據領域尚未出現具有類似市場價值的專案。

實際上，能源和數據的供應短缺可能很快就會成為新的行業熱點，可能會推動相關加密專案的激增。讓我們從能源開始。

2024 年 2 月 29 日，埃隆·馬斯克 （Elon Musk） 在博世 ConnectedWorld 2024 大會上提到：“我在一年多前就預測了晶片短缺。下一個短缺將是電力。我認為明年將沒有足夠的電力來運行所有晶元。

從具體數據來看，由李飛飛牽頭的斯坦福大學以人為本的人工智慧研究所每年發佈的《人工智慧指數報告》在其2022年人工智慧產業報告中評估，人工智慧的能源消耗僅佔全球電力需求的0.9%，對能源和環境構成的壓力有限。2023年，國際能源署 （IEA） 總結，2022 年，全球數據中心消耗約 460 太瓦時 （TWh） 的電力，佔全球電力需求的 2%。他們預測，到 2026 年，全球數據中心的能耗將至少達到 620 TWh，並可能達到 1050 TWh。

然而，國際能源署的估計仍然保守，因為許多人工智慧專案即將啟動，能源需求遠遠超過其 2023 年的預測。

例如，Microsoft 和 OpenAI 正在規劃 Stargate 專案。該項目預計將於 2028 年啟動，並於 2030 年左右完成，旨在構建一台擁有數百萬個專用 AI 晶片的超級電腦，為 OpenAI 提供前所未有的計算能力，尤其是其在人工智慧和大型語言模型方面的研究。該項目預計耗資超過1000億美元，是目前大型數據中心成本的100倍。

據估計，僅星際之門專案的能源消耗就達50太瓦時。

正因為如此，OpenAI創始人Sam Altman在今年1月的達沃斯論壇上表示：「未來的人工智慧需要能源突破，因為AI消耗的電力將遠遠超過人們的預期。

繼計算能力和能源之後，快速增長的人工智慧行業的下一個短缺領域可能是數據。

或者更確切地說，人工智慧所需的高質量數據短缺已經成為現實。

從GPT的演化來看，人類已經基本掌握了大型語言模型能力的增長模式——通過擴展模型參數和訓練數據，模型的能力可以呈指數級提升——這個過程目前沒有出現短期的技術瓶頸。

然而，問題在於，高品質和公開可用的數據在未來可能會變得越來越稀缺。人工智慧產品可能會面臨類似於晶元和能源的數據供需衝突。

首先是數據擁有權糾紛的增加。

2023年12月27日，《紐約時報》在美國地方法院對OpenAI和 Microsoft提起訴訟，指控他們未經許可使用其數百萬篇文章來訓練 GPT 模型。該訴訟要求對「非法複製和使用具有獨特價值的作品」進行數十億美元的法定和實際損害賠償，並要求銷毀所有包含《紐約時報》版權材料的模型和訓練數據。

3月底，《紐約時報》發表了一份新聲明，不僅針對OpenAI，還針對谷歌和Meta。該聲明聲稱，OpenAI 使用名為 Whisper 的語音辨識工具將大量 YouTube 視頻轉錄為文本，然後使用這些文本來訓練 GPT-4。《紐約時報》稱，大公司使用偷偷摸摸的方法來訓練AI模型已經成為一種普遍的做法，並指出谷歌也一直在將YouTube視頻內容轉換為文本來訓練自己的大型模型，這實質上侵犯了視頻內容創作者的權利。

《紐約時報》和OpenAI之間的訴訟被稱為“第一起 AI 版權案件”，非常複雜，對內容和 AI 行業的未來有著深遠的影響。鑒於案件的複雜性及其潛在影響，不太可能快速解決。一種可能的結果是庭外和解，像Microsoft和OpenAI這樣的富裕公司支付巨額賠償。然而，未來的數據版權糾紛將不可避免地提高高質量數據的整體成本。

此外，作為全球最大的搜尋引擎，谷歌透露正在考慮對其搜索功能收費。這些指控不會針對公眾，而是針對人工智慧公司。

英文來源：路透社

谷歌的搜尋引擎伺服器存儲了大量內容。甚至可以說，Google存儲了自21世紀以來出現在所有Internet頁面上的所有內容。目前AI驅動的搜索產品，如Perplexity等海外搜索產品，以及Kimi、Secret Tower等國內搜索產品，都是通過AI對搜索到的數據進行處理，然後輸出給使用者。搜尋引擎對人工智慧的收費將不可避免地增加數據採集的成本。

事實上，除了公開數據，人工智慧巨頭也在關注非公開的內部數據。

Photobucket 是一個成熟的圖像和視頻託管網站，在 2000 年代初期擁有 7000 萬使用者和近一半的美國在線照片市場。隨著社交媒體的興起，Photobucket 用戶數量大幅下降。目前，只剩下 200 萬活躍使用者（他們每年支付 399 美元的高額費用）。根據用戶註冊時簽署的協議和隱私政策，已經一年多沒有使用過了。該帳戶將被回收，並且還支援Photobucket使用用戶上傳的圖片和視頻數據的權利。Photobucket 首席執行官 Ted Leonard 透露，它擁有的 13 億張照片和視頻數據對於訓練生成式 AI 模型非常有價值。他正在與多家科技公司進行談判，以出售這些數據，報價從每張照片5美分到1美元不等，每個視頻超過1美元，估計Photobucket可以提供的數據價值超過10億美元。

專注於人工智慧發展趨勢的研究團隊EPOCH曾在2022年發佈了一份基於數據使用和機器學習產生新數據的機器學習所需數據的報告，並考慮了計算資源的增長。它曾經發佈過一份關於機器學習所需數據狀態的報告，標題為「我們會用完數據嗎？分析機器學習中擴展數據集的局限性」。該報告得出的結論是，高品質的文本數據將在 2023 年 2 月至 2026 年之間耗盡，圖像數據將在 2030 年至 2060 年之間耗盡。如果數據利用效率不能顯著提高，或者新的數據源出現，目前依賴海量數據集的大型機器學習模型的趨勢可能會放緩。

從目前AI巨頭高價購買數據的情況來看，免費的高質量文本數據已經用盡。EPOCH在2年前的預測是比較準確的。

與此同時，針對“AI數據短缺”需求的解決方案也正在湧現，即：AI數據提供服務。

Defined.ai 是一家為 AI 公司提供定製、真實和高品質數據的公司。

Defined.ai 可以提供的數據類型範例： https://www.defined.ai/datasets

它的商業模式是：人工智慧公司為 Defined.ai 提供自己的數據需求。例如，在畫質方面，解析度必須盡可能高，以避免模糊、過度曝光，內容要真實。在內容上，AI公司可以根據自己的訓練任務定製特定的主題，如夜景照片、夜錐、停車場、標誌等，提高AI在夜景中的識別率。公眾可以承擔拍照的任務。然後，公司將審查它們並上傳它們。符合要求的零件將根據照片數量進行結算。高品質圖片的價格約為 1-2 美元，超過 10 秒的短片的價格約為 5-7 美元。一個超過10分鐘的高品質視頻要花費100-300美元，一個文本是每千字1美元。接到分包任務的人可以獲得大約20%的費用。數據提供可能成為繼「數據標籤」之後的另一種眾包業務。

全球任務眾包分發、經濟激勵、數據資產定價/流通和隱私保護對所有人開放，這聽起來特別適合Web3商業範式。

來自工業供給側的AI敘事目標

晶元短缺帶來的關注已經滲透到加密行業，使分散式計算能力成為迄今為止最熱門、市值最高的人工智慧賽道。

那麼，如果人工智慧行業的能源和數據領域的供需衝突在未來1-2年內爆發，那麼加密行業目前存在哪些與敘事相關的專案？

能源相關目標

在主要中心化交易所（CEX）上市的能源相關專案很少見，Power Ledger（代幣：POWR）是唯一值得注意的例子。

Power Ledger 成立於 2017 年，是一個基於區塊鏈的綜合能源平臺，旨在分散能源交易。它促進個人和社區之間的直接電力交易，支援可再生能源的廣泛應用，並通過智慧合約確保透明度和效率。最初，Power Ledger 在源自乙太坊的財團鏈上運行。2023年下半年，Power Ledger更新了白皮書，推出了自己的綜合公鏈，該鏈基於Solana的技術框架，用於處理分散式能源市場的高頻微交易。目前，Power Ledger的主要業務包括：

• 能源交易：允許使用者直接買賣電力，尤其是可再生能源。
• 環境產品交易：促進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：吸引應用開發者在Power Ledger區塊鏈上構建，交易費用以POWR代幣支付。

截至目前，Power Ledger 的流通市值為1.7億美元，完全攤薄后的市值為3.2億美元。

數據相關目標

與與能源相關的加密目標相比，數據軌道具有更豐富的加密目標。以下是我目前正在關注的數據跟蹤專案，所有這些專案都列在至少一個主要的 CEX 上，例如 Binance、OKX 或 Coinbase，按其完全攤薄估值 （FDV） 的升序排列：

1. Streamr – 數據

價值主張：Streamr旨在建立一個去中心化的即時數據網路，允許使用者自由交易和共用數據，同時保留對其數據的完全控制權。通過其數據市場，Streamr尋求使數據生產者能夠在沒有仲介的情況下直接將數據流出售給感興趣的消費者，從而降低成本並提高效率。

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

在一個實際的合作案例中，Streamr 與另一個 Web3 板載硬體專案 DIMO 合作。通過安裝在車輛上的DIMO硬體感測器，它們收集溫度、氣壓和其他指標等數據，形成天氣數據流，並傳輸給有需要的組織。

與其他數據專案相比，Streamr更關注物聯網和硬體感測器數據。除了前面提到的DIMO車輛數據外，其他專案還包括赫爾辛基的即時交通數據流。由於這種關注，Streamr 的專案代幣 DATA 在去年 12 月DePIN 概念達到頂峰時經歷了一次飆升，價值翻了一番。

目前，Streamr 的流通市值為 4400 萬美元，完全攤薄後的市值為 5800 萬美元。

1. 共價 – CQT

與其他數據專案不同，Covalent 提供區塊鏈數據。Covalent 網路通過 RPC 從區塊鏈節點讀取數據，處理和組織這些數據，從而創建高效的查詢資料庫。這使得 Covalent 的用戶能夠快速檢索他們需要的資訊，而無需直接從區塊鏈節點執行複雜的查詢。這項服務被稱為「區塊鏈數據索引」。

Covalent 的客戶主要是 B2B，包括各種 DeFi 應用程式等 Dapp 專案，以及許多中心化加密公司，例如 ConsenSys（MetaMask 的母公司）、CoinGecko（著名的加密資產跟蹤網站）、Rotki（稅務工具）和 Rainbow（加密錢包）。此外，富達（Fidelity）和四大會計師事務所安永（EY）等傳統金融巨頭也是Covalent的客戶。根據Covalent的官方披露，該專案的數據服務收入已經超過了同領域的領先專案The Graph。

Web3 行業由於鏈上數據的完整性、開放性、真實性和即時性，有望成為特定 AI 場景和「小型 AI 模型」的高品質數據的寶貴來源。作為數據供應商，Covalent 已開始為各種 AI 場景提供數據，並專門針對 AI 推出了可驗證的結構化數據。

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

例如，它向鏈上智慧交易平臺SmartWhales提供數據，並使用AI識別有利可圖的交易模式和位址;Entendre Finance 使用 Covalent 的結構化數據和 AI 處理進行即時洞察、異常檢測和預測分析。

目前，Covalent提供的鏈上數據服務的主要場景仍是金融。然而，隨著 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擴展。

Covalent專案目前的攤薄市值為1.5億美元，全部攤薄市值為2.35億美元。與同軌區塊鏈數據指數專案The Graph相比，估值優勢相對明顯。

1. 蜂巢映射器 – 蜂蜜

在所有數據素材中，視頻數據的單價往往最高。Hivemapper可以向人工智慧公司提供包括視頻和地圖資訊在內的數據。Hivemapper本身是一個去中心化的全球地圖專案，旨在通過區塊鏈技術和社區貢獻創建一個詳細、動態和可訪問的地圖系統。參與者可以通過行車記錄儀捕獲地圖數據並將其添加到開源 Hivemapper 數據網路中，並根據他們在專案代幣 HONEY 中的貢獻獲得獎勵。為了改善網路效應，降低交互成本，Hivemapper 基於 Solana 構建。

Hivemapper 成立於 2015 年，最初旨在使用無人機創建地圖。然而，它很快意識到這種模式難以擴展，促使轉向使用行車記錄儀和智慧手機來捕獲地理數據，從而大大降低了全球地圖製作的成本。

與谷歌地圖等街景和地圖軟體相比，Hivemapper使用激勵網路和眾包模式來更有效地擴大地圖覆蓋範圍，保持真實地圖的新鮮度，並提高視頻品質。

在人工智慧驅動的數據需求激增之前，Hivemapper的主要客戶包括汽車行業的自動駕駛部門、導航服務公司、政府、保險公司和房地產公司。如今，Hivemapper 可以通過 API 為 AI 和大型模型提供大量的道路和環境數據。通過不斷更新圖像和道路特徵數據流，AI 和 ML 模型可以更好地將這些數據轉化為改進的功能，執行與地理位置和視覺判斷相關的任務。

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

目前，Hivemapper 的 Honey 專案的攤薄市值為 1.2 億美元，完全攤薄市值 （FDV） 為 4.96 億美元。

除上述三個專案外，數據區還包括：

The Graph – GRT：The Graph 的攤薄市值為 32 億美元，FDV 為 37 億美元，提供類似於 Covalent 的區塊鏈數據索引服務。

Ocean Protocol – OCEAN：Ocean Protocol 的流通市值為 6.7 億美元，FDV 為 14.5 億美元，是一個開源協定，旨在促進數據和數據相關服務的交換和貨幣化。它將數據消費者與數據提供者聯繫起來，以共用數據，同時確保信任、透明度和可追溯性。該專案將與 Fetch.ai 和SingularityNET合併，其代幣將轉換為ASI。

人工智慧敘事的第二個視角：AGI的到來，讓人想起GPT時刻

在筆者看來，加密行業「AI賽道」的首年是以GPT問世為標誌的2023年，加密AI專案的激增更多的是AI行業爆髮式增長的連鎖反應。

儘管 GPT4 和 Turbo 等功能在 GPT3.5 之後繼續發展，Sora 展示了驚人的視頻創作能力，以及 OpenAI 之外大型語言模型的快速發展，但不可否認的是，人工智慧技術進步對公眾的認知影響正在減弱。人們逐漸開始使用人工智慧工具，大規模的工作崗位流失似乎尚未發生。

那麼，未來AI領域會見證另一個「GPT時刻」，AI發展的飛躍讓大眾驚歎不已，讓人們意識到自己的生活和工作將因此而改變嗎？這一刻可能是通用人工智慧（AGI）的出現。

AGI是指具有與人類相似的綜合認知能力的機器，能夠解決特定任務以外的各種複雜問題。AGI系統具有高層次的抽象思維、廣泛的背景知識、跨領域的常識推理、因果理解和跨學科的遷移學習能力。在綜合能力方面，AGI的表現與最優秀的人類不相上下，甚至超越了最優秀的人類群體的集體能力。

事實上，無論是在科幻小說、遊戲或電影中描繪的，還是在 GPT 迅速普及後受到公眾期望的推動，社會長期以來一直期待 AGI 的出現超越人類的認知水準。可以說，GPT本身就是AGI的前身，是通用人工智慧的預言。

GPT之所以具有如此巨大的工業能量和心理衝擊力，是因為它的實現速度和性能超出了大眾的預期：人們沒有想到，一個能夠通過圖靈測試的人工智慧系統居然會到來，而且來得如此之快。

在現實中，通用人工智慧（AGI）可能會在1-2年內重現“GPT時刻”的突然性：人們剛剛適應了GPT的輔助，卻發現AI不再只是一個助手。它甚至可以獨立完成極具創造性和挑戰性的任務，包括那些困擾頂尖科學家數十年的問題。

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出現的時機。

他說：「如果我們將AGI定義為比最聰明的人類更聰明，我認為這很可能在2025年左右發生。換句話說，根據他的估計，AGI最多還需要一年半的時間才能到來。當然，他補充了一個警告，即“電源和硬體要跟上”。

AGI的到來的好處是顯而易見的。

這意味著人類的生產力將向前邁進一大步，困擾我們幾十年的眾多科學研究問題將毫不費力地得到解決。如果我們把“最聰明的人”定義為諾貝爾獎獲得者，那就意味著只要有足夠的精力、算力和數據，我們就可以有無數不知疲倦的“諾貝爾獎獲得者”晝夜不停地鑽研最具挑戰性的科學問題。

實際上，諾貝爾獎獲得者並不像幾億分之一那樣稀有;他們中的大多數人在能力和智力方面與大學教授不相上下。然而，由於選擇正確方向的概率和運氣，並堅持到獲得結果，與他們能力相似的人，他們同樣傑出的同事，也可能在平行的科學研究宇宙中獲得諾貝爾獎。可惜的是，參與科學突破的具有頂尖大學教授能力的人還不夠多，“在科研中探索所有正確方向”的速度仍然很慢。

隨著AGI的出現，在能源和計算能力充足的條件下，我們可以擁有無限數量的AGIs，具有諾貝爾獎獲得者的水準，可以深入探索任何可能的科學突破方向。技術進步的速度將增加數十倍。技術進步將導致目前被認為昂貴和稀缺的資源在未來10到20年內增加數百倍，例如食品生產、新材料、新藥、高品質教育等。獲得這些資源的成本也將呈指數級下降，使我們能夠用更少的資源養活更多的人，人均財富將迅速增加。

全球GDP趨勢（來源：世界銀行）

這聽起來可能有點聳人聽聞。我們來看兩個例子，作者之前在 IO.NET 研究報告中 已經討論過：

• 2018年，諾貝爾化學獎得主法蘭西斯·阿諾德（Frances Arnold）在頒獎典禮上表示：“今天，我們可以在實際應用中讀取、寫入和編輯任何DNA序列，但我們仍然無法組成它。僅僅五年後的 2023 年，來自斯坦福大學和矽谷的人工智慧初創公司 Salesforce Research 的研究人員在《自然生物技術》上發表了一篇論文。他們使用基於微調 GPT-3 的大型語言模型從頭開始創建了 100 萬種新蛋白質，並發現了兩種結構截然不同的蛋白質，它們都具有抗菌特性，並有可能作為抗生素之外的細菌耐藥性解決方案。換句話說，在人工智慧的説明下，蛋白質“創造”的瓶頸已經被克服了。
• 在此之前，人工智慧AlphaFold演算法在18個月內預測了地球上幾乎所有2.14億種已知蛋白質的結構，這一結果比以前所有結構生物學家的共同努力要大數百倍。

革命已經發生，AGI的出現將進一步加速這一進程。另一方面，AGI的出現也帶來了巨大的挑戰。AGI不僅會取代大量的認知工作者，還會影響以前被認為“受人工智慧影響較小”的體力勞動者。隨著機器人技術的成熟和新材料的開發導致生產成本的降低，被機器和軟體取代的工作力職位比例將迅速增加。

屆時，兩個看似遙遠的問題將很快浮出水面：

1. 大量失業人員的就業和收入問題。
2. 在人工智慧無處不在的世界中，如何區分人工智慧和人類。

Worldcoin\Worldchain正試圖通過提供全民基本收入（UBI）系統來為公眾提供基本收入，並使用基於虹膜的生物識別特徵來區分人類和人工智慧。

事實上，為每個人提供資金的UBI不僅僅是天上掉餡餅。芬蘭、英國等國已經嘗試了全民基本收入，加拿大、西班牙、印度等國的政黨也在積極提出和推動相關實驗。

使用生物識別+基於區塊鏈的UBI分配模型的好處在於該系統的全球性，為人群提供了更廣泛的覆蓋範圍。此外，它可以利用通過收入分配擴展的用戶網路來構建其他商業模式，例如金融服務（Defi）、社交網路、眾包等，從而在網路內形成協同效應。

與AGI出現的影響相對應的資產之一是Worldcoin-WLD，攤薄市值為10.3億美元，完全攤薄市值為472億美元。

敘事演繹的風險和不確定性

與Mint Ventures之前發佈的許多專案和軌道研究報告不同，本文在敘事演繹和預測方面具有更大的主觀性。讀者應該將本文的內容視為分歧的討論，而不是對未來的預言。作者提出的敘述推斷面臨許多不確定性，導致推測錯誤。這些風險或影響因素包括但不限於：

• 能源方面：GPU 更新導致能耗快速下降

儘管圍繞人工智慧的能源需求急劇增加，但像英偉達這樣的晶元製造商正在通過持續的硬體升級以更低的功耗提供更高的計算能力。例如，今年3月，英偉達發佈了新一代AI算卡GB200，它集成了兩個B200 GPU和一個Grace CPU。它的訓練性能是上一代主AIGPU H100的4倍，推理性能是H100的7倍，而所需的能耗僅為H100的四分之一。然而，儘管如此，人工智慧對權力的渴望遠未得到滿足。隨著單位能耗的降低，隨著人工智慧應用和需求的進一步擴大，總能耗實際上可能會增加。

• 數據方面：Q*項目實現“自生數據”

OpenAI 內部長期以來一直有關於“Q”項目的謠言，這在給 OpenAI 員工的內部溝通中已經提到過。據路透社援引OpenAI內部人士的話稱，這可能是OpenAI追求超級智慧/通用人工智慧（AGI）的一個突破。Q 不僅能夠通過抽象解決以前看不見的數學問題，而且還能夠生成數據來訓練大型模型，而無需實際數據饋送。如果這個傳言屬實，那麼因缺乏高質量數據而受限的AI模型訓練瓶頸將被打破。

• AGI 的到來：OpenAI 的擔憂

正如埃隆·馬斯克（Elon Musk）所暗示的那樣，AGI到來的時機可能確實在2025年到來，但這隻是時間問題。然而，Worldcoin作為AGI到來的直接受益者，可能會面臨OpenAI的最大擔憂，因為它被廣泛認為是“OpenAI的影子代幣”。

5 月 14 日淩晨，OpenAI 在其春季產品發佈會上展示了最新的 GPT-4o 和其他 19 個不同版本的大型語言模型的綜合任務得分。僅從表格來看，GPT-4o 的得分為 1310，似乎明顯高於後面的排名。不過，就總分而言，僅比第二名的GPT4 turbo高出4.5%，比排名第四的谷歌Gemini 1.5 Pro高出4.9%，比排名第五的Anthropic的Claude 3 Opus高出5.1%。

由於 GPT3.5 首次亮相的驚天動地的時刻已經過去了一年多，OpenAI 的競爭對手已經趕上了非常接近的位置（儘管 GPT5 尚未發佈，預計將於今年推出）。OpenAI未來能否保持行業領先地位，似乎變得模糊不清。如果OpenAI的領先優勢和主導地位被稀釋或超越，那麼Worldcoin作為OpenAI影子代幣的敘事價值也會下降。

此外，除了Worldcoin的虹膜認證方案外，越來越多的競爭對手也進入了這個市場。例如，掌上掃描 ID 專案 Humanity Protocol 剛剛宣佈完成新一輪融資，價值 3000 萬美元，估值為 10 億美元。LayerZero Labs 還宣佈了其在 Humanity 上的運營，並加入了其驗證者節點網路，使用 ZK 證明來驗證憑證。

結論

綜上所述，雖然筆者已經推斷了AI賽道的敘述，但AI賽道與DeFi等原生加密領域不同。它更像是人工智慧熱潮湧入貨幣圈的產物。目前，很多專案還沒有完全建立起自己的商業模式，很多專案更像是AI主題的模因（比如Rndr類似於Nvidia的模因，Worldcoin類似於OpenAI的模因）。讀者應該對它們保持謹慎。

陳述：

1. 本文原標題為“加密人工智慧領域的下一波敘事演繹：催化劑、發展途徑和相關專案”，轉載自 [mintventures]。所有版權歸原作者[Alex Xu]所有。如果您對轉載有任何異議，請聯繫 Gate Learn 團隊，團隊會儘快處理。

2. 免責聲明：本文所表達的觀點和意見僅代表作者的個人觀點，不構成任何投資建議。

3. 本文的其他語言翻譯由 Gate Learn 團隊完成。除非另有說明，否則禁止複製、分發或剽竊翻譯的文章。