平台转变，迎接平台转变……

世界是由技术或基础设施发生巨大变革的时期所塑造的，从而释放了创新的代际功能。想想电报和铁路、光纤电缆和互联网，或者移动电话和 3G。

我们相信两个突破性前沿领域的交汇点 - 人工智能 (AI)和区块链——代表了类似的变革时刻。

支撑本论文的三个重要支柱：

区块链可以提供卓越的设计空间

人工智能的高影响领域众多，但大致可归纳为三大类：

特别是，生成式人工智能带来了独特的挑战和机遇，我们相信这些挑战和机遇可以发挥区块链技术的优势。

要了解原因，重要的是要考虑推动智能系统发展的核心输入。机器学习 (ML) 从根本上由数据（数量多但质量不断提高）和反馈机制提供动力 和计算能力。

AI/ML 领域的主导企业，如 OpenAI（由 Microsoft 支持）和 Anthropic（与 Google 和 Amazon 合作）已经在整合资源，并围绕其模型和数据筑起围墙。但是，尽管这种方法在计算、数据和分发方面具有早期优势，但这种方法有可能会因破坏最初催生该行业的协作开发周期而扼杀发展势头。

以太坊等区块链提供了一个可行的应对方案，它已成为可信的中立数据和计算系统，推动开源创新。 区块链已经支撑了一系列数字原生原语，这些原语能够在日益受到生成人工智能影响的世界中发挥关键作用。

我们相信，区块链有很大机会成为开源研究和开发的主要领域。 AI化合物的开发。

当今市场的状况

今年的生成式人工智能热潮已经在核心基础设施、模型层，甚至聊天机器人、客户支持和编码助理等面向用户的应用程序上投入了大量资金。尽管如此，从长远来看，传统堆栈的价值在哪里（以及为谁）增值并不明显。

在当前范式中，人工智能有可能成为一股集中力量，扩大 web2 市场领导者的主导地位。特别是在基础设施和模型层，游戏的名称是规模 - 在硬件和资本资源、数据访问、分销渠道和独特性方面合作伙伴关系。

其中有许多参与者 - 从云服务提供商（如 AWS 到硬件制造商（如 NvidiaNvidia 对于像微软这样的长期重量级企业来说，无论是通过并购还是通过专有合作伙伴关系，它们都正在走向全栈。

顶尖的巨头正在边际上争夺规模和准确性，但超昂贵、高精度企业 API 模型的市场很可能受到经济、开源性能平价甚至更低趋势的限制。 - 延迟工作负载需求。

与此同时，中间市场的很大一部分已经看到类似“OpenAI API 包装器”集合的产品商品化，这些产品虽然功能充足，但难以区分。

‍

建立在开源势头之上

用于预训练、训练和微调以及可免费访问的基础模型和工具，已经在鼓励各种规模的企业利用开放系统和技术发挥创造力。直接加工。

Google 的泄露论文概述了封闭世界与开源世界之间的差距正在以多快的速度缩小。值得注意的是，当今 96% 的代码库已经使用开源软件，这一趋势在大数据、人工智能和机器学习领域尤其明显。一个>

与此同时，云服务寡头垄断的颠覆时机可能已经成熟。

从历史上看，AWS、Google Cloud 和 Azure 三大巨头通过分层工具和服务巩固自己在企业堆栈中的地位，从而占领了市场。这种主导地位给公司带来了许多挑战，从限制性运营依赖到与云基础设施相关的成本过高，特别是考虑到云基础设施收取的溢价。主要提供商。

现有公司重组运营支出的压力，加上尝试和集成不断增长的开源人工智能的愿望，将为重新构想堆栈创造一个窗口具有去中心化的替代方案。

因此，开源人工智能和区块链技术的新兴交叉点为实验和投资提供了一个非凡的领域。

加密货币 X 人工智能：互惠互利的关系

我们对人工智能和区块链之间的潜在共生感到非常兴奋。

加密中间件可以通过建立高效的计算和数据市场（供应、标签或微调）来大幅改善人工智能供应方的输入 ），以及用于证明或隐私的工具。

反过来，去中心化的应用程序和协议将通过吸收这些劳动成果而达到新的高度。

不可否认，加密技术已经取得了长足的进步，但协议和应用程序仍然受到工具和用户界面对于主流用户来说仍然不直观的困扰。同样，智能合约本身可能会受到限制，无论是在开发人员的手动工作量需求方面，还是在整体功能流动性方面。

Web3 开发人员是一群非常高效的人。最多时只有 ~7500 名全职开发人员已经建立了一个价值数万亿美元的产业。机器学习增强的编码助手和 DevOps 有望增强现有工作，而无代码工具正在迅速赋能新一类构建者。

随着机器学习功能集成到智能合约中并引入链上，开发人员将能够设计更多无缝且富有表现力的用户体验最终，全新的杀手级应用程序。链上体验中的这一步骤功能改进将吸引新的——而且可能是更多的——受众，从而催化重要的采用反馈飞轮。

生成式人工智能可能被证明是加密货币缺失的一环，它改变了 UI/UX 并催化了新的技术发展浪潮。反过来，区块链技术将利用、情境化并加速人工智能的潜力。

使用区块链构建更好的数据市场

数据是机器学习的基础输入

是的，计算基础设施的巨大改进发挥了重要作用，但巨大的数据存储库（例如 Common Crawl 和 The Pile 使当今世界着迷的基础模型成为可能。

此外，这将是哪些公司与哪些公司一起完善支撑其产品的模型产品或的数据构建未来的竞争护城河。最终，数据将成为用户和个人模型之间的桥梁在本地运行并不断适应个人需求。

因此，数据竞争是一个重要的前沿领域，也是区块链可以占据优势的领域——尤其是当质量成为塑造数据市场的重要属性时。

质量而不是数量

早期研究表明，高达 90% 的在线内容可能会在未来几年内综合生成。虽然合成训练数据具有优势，但它也带来了模型质量恶化以及偏见强化的重大风险。

机器学习模型确实存在可能在未来几年内耗尽非合成数据源的风险。加密货币的协调机制和证明原语本质上是为了支持去中心化市场而优化的，用户可以在其中共享、拥有数据或将其数据货币化用于培训或微调域 -具体型号。

因此，web3 可能被证明是人类生成的训练和微调数据的更好、更有效的来源。

复合进步

区块链支持的去中心化训练、微调和推理过程也可以更好地保存和复合开源智能。

使用高效微调流程改进的小型开源模型已经可以与大型同行相媲美输出精度。因此，在来源和市场方面，潮流开始从数量转向质量微调数据。

跟踪和验证原始数据和衍生数据的生命周期的能力可实现可重复性和透明度这将推动更高质量的模型和模型。输入。

资料来源：Will Henshall / Epoch (TIME)

区块链可以建立一条持久的护城河作为具有多样化、可验证和定制数据集的主要领域。这可能特别有价值，因为传统解决方案过度关注算法进展以应对数据短缺。

内容海啸

即将到来的人工智能生成内容浪潮是加密货币先发优势将发挥作用的另一个领域。

这种新技术范式将以前所未有的规模为数字内容创作者提供支持，而 Web3 提供了即插即用基础来理解这一切。加密货币拥有主场优势得益于多年来围绕原语的发展，这些原语建立了 NFT 形式的数字资产和内容的所有权和不可变来源。

NFT 可以捕获整个内容创建生命周期，但也可以代表数字原生身份、虚拟资产，甚至现金流。

因此，NFT 使新的用户体验成为可能就像数字资产市场 (OpenSea, Blur)，同时也重新思考围绕书面内容（镜像）的商业模式，< a i=13>社交媒体(Farcaster、Lens ), 游戏 (Dapper Labs, ）。NFTFi、结果（金融基础设施），甚至不可变

该技术甚至可以比替代方案（使用算法来完成工作）更可靠地对抗深度造假和计算操纵。在一个明显的例子中，OpenAI 的检测工具因准确性故障而被关闭。

最后一点：简洁和可验证计算的进步也将提升 NFT 的活力，因为它们结合了 ML 输出来驱动更智能、不断发展的元数据。我们相信，基于区块链技术的人工智能工具和界面将释放全栈价值并重塑数字内容格局。

以零知识利用机器学习的无限知识

区块链行业寻求技术解决方案，实现资源高效计算，同时保持去信任的动态性，从而在零知识 (ZK) 加密技术方面取得了重大进展.

虽然 ZK 证明最初是为了解决以太坊虚拟机 (EVM) 等系统固有的资源瓶颈而设计的，但它提供了一系列与人工智能相关的有价值的用例。

一个明显的例子就是现有解锁的简单扩展：高效、简洁地验证计算密集型流程，例如离线运行 ML 模型，这样最终产品，如模型的推理，可以通过智能合约以 ZK 证明的形式在链上获取。

存储证明与协同处理相结合可以更进一步，在不引入新的信任假设的情况下使链上应用程序更具反思性，从而显着增强链上应用程序的功能。

这些影响也允许全新的功能。

ZK 密码学可用于验证特定模型或数据池在通过 API 调用时是否确实用于生成推理。它还可以隐藏医疗保健或保险等客户敏感行业中模型消耗的特定权重或数据。

公司甚至可以通过交换数据或知识产权来更有效地协作，从共享学习中受益，同时仍保留其资源的专有性。

最后，ZKP 在区分人类数据和前面讨论的合成数据这一日益相关（且具有挑战性）的领域具有真正的适用性。

其中一些用例取决于进一步开发的需求技术实现和搜索大规模的可持续经济，但 zkML 有潜力对人工智能的发展轨迹产生独特的影响。

长尾资产与潜在价值

加密货币已经证明了其作为跨传统市场（例如音乐和艺术。在过去几年中，链上流动性市场代表了链下有形资产，例如葡萄酒和运动鞋也出现了。

随着人工智能被引入链上并可供智能合约使用，自然的继任者将涉及先进的机器学习功能。

机器学习模型与区块链轨道相结合，将重新设计承销流程以前由于缺乏数据或买家而无法访问的非流动性资产深度。

一种方法是机器学习算法查询大量变量，以评估隐藏关系并最大限度地减少操纵者的攻击面。 Web3 已经在尝试围绕新颖的概念创建市场，例如社交媒体连接和钱包用户名.

与 AMM 对释放长尾代币流动性的影响类似，机器学习将通过吸收大量的定量和数据来彻底改变价格发现定性数据得出非明显模式。这些新见解可以构成基于智能合约的市场的基础。

人工智能的分析能力将融入去中心化的金融基础设施，以发现长尾资产的潜在价值。

去中心化基础设施层

加密货币在吸引和货币化更高质量数据方面的优势解决了等式的一方面。另一方——人工智能背后的支持基础设施——也有着类似的承诺。

去中心化物理基础设施网络 (DePINs)，例如Filecoin 或 Arweave 已经构建了原生包含区块链技术的存储系统。

其他公司，例如 Gensyn 和 一起正在应对这一挑战跨分布式网络的模型训练，而 Akash 推出了一个令人印象深刻的 P2P 市场，连接了过剩计算资源的供需。

除此之外，Ritual 正在以激励网络和模型套件的形式为开放式 AI 基础设施奠定基础，连接分布式计算供用户运行推理和微调的设备。

至关重要的是，Ritual、Filecoin 或 Akash 等 DePIN 还可以创建一个更大、更高效的市场。他们通过向更广泛的领域开放供应方来实现这一目标，其中包括能够释放潜在经济价值的被动提供商，或者将性能较差的硬件整合到与成熟同行竞争的池中。

该堆栈的每个部分都涉及不同的约束和价值偏好，并且在大规模对这些层进行战斗测试方面仍有大量工作要做（特别是去中心化模型训练和计算的新兴领域）。

然而，基于区块链的计算、存储甚至模型训练解决方案的基础已经存在，最终可以与传统市场竞争。

这一切意味着什么

Crypto x AI 正迅速成为最具启发性的设计空间之一。各个领域已经影响着从内容创作和文化表达到企业工作流程和金融基础设施的方方面面。

我们相信这些技术将在未来几十年重塑世界。最好的团队本身就将无需许可的基础设施和加密经济学与人工智能结合起来，以升级性能，实现全新的行为，或实现有竞争力的成本结构。

加密技术将前所未有的规模、深度和粒度的标准化数据引入协调网络，但通常没有明显的手段从该数据中获取效用。

与此同时，人工智能将信息池转换为相关上下文或关系的向量。

当结合在一起时，这两个前沿可以形成独特的互惠关系，为去中心化未来的建设者奠定基础。

*非常感谢 Niraj Pant、Akilesh Potti、贾森·莫顿、但丁·卡穆托、< a i=9>David Wong、Ismael Hishon-Rezaizadeh、 Illia Polosukhin 和其他人在该领域的前沿工作、宝贵的见解和灵感 - 所有这些不仅使本文成为可能，而且使加密货币的光明未来成为可能。

声明：

1. 本文转载自[Archetype]，著作权归属原作者[DANNY SURSOCK]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。