概述

这并不是另一个“AI + Web3”的乐观VC文章。我们对合并这两项技术持乐观态度，但以下文字是一种呼吁。否则，乐观情绪将无法得到证明。

为什么？因为开发和运行最佳AI模型需要在最尖端且通常难以获得的硬件上进行重大资本支出，以及非常领域特定的研发。大多数Web3 AI项目正在试图通过加密激励来众包，但这还不足以抵消大公司投入的数百亿美元，这些公司牢牢掌控着AI开发。考虑到硬件限制，这可能是智能和有创造力的工程师在现有组织之外没有资源来打破的第一个重大软件范式。

软件正在以越来越快的速度“吞噬世界”，很快将会随着AI加速而呈指数级增长。而眼下，所有这些“蛋糕”都流向了科技巨头，而最终用户，包括政府和大企业，更不用说消费者，都变得更加受制于他们的力量。

激励错位

所有这一切都发生在一个更不合适的时机——90%的去中心化网络参与者都在忙着追逐叙事驱动型发展带来的轻松法币收益的金鹅。是的，开发者正在追随我们行业的投资者，而不是相反。从公开承认到更微妙的潜意识动机，各种叙事及其周围形成的市场驱动了Web3中许多决策。参与者们沉浸在一个典型的反射性泡沫中，几乎没有注意到外部世界，除了那些有助于进一步推动这一循环的叙事。而人工智能显然是其中最大的一个，因为它也正在经历自己的繁荣期。

我们已经与人工智能与加密交叉领域的数十个团队进行了交流，并可以确认其中许多团队非常有能力、以使命为驱动力且充满激情。但是，人类的本性是，当面临诱惑时，我们往往会屈服于诱惑，然后在事后合理化这些选择。

易于流动性的路径一直是加密行业的历史诅咒——至今已经减缓了其发展和实际采用数年。它甚至会将最忠实的加密信徒引向“推动代币”的方向。合理化的理由是，拥有代币形式的更多资本，这些建设者可能有更好的机会。

机构和零售资本的相对低复杂性为建设者创造了脱离现实的声称的机会，同时仍然从估值中受益，就好像这些声称已经实现了一样。这些过程的结果是实际上根深蒂固的道德风险和资本破坏，其中很少有这种策略长期有效。需求是所有发明的母亲，当需求消失时，发明也随之消失。

这本不可能发生在更糟糕的时机。当所有最聪明的技术企业家、国家行为者和大大小小的企业都在竞相确保他们从人工智能革命中获得的利益时，加密创始人和投资者却选择了“快速10倍”。而不是一生的1000倍，这才是真正的机会成本，在我们看来。

Web3人工智能景观的粗略摘要

鉴于上述激励因素，Web3人工智能项目的分类实际上可以分为：

• 合法的（也可以细分为现实主义者和理想主义者）
• 半合法的，以及
• 伪造者

基本上，我们认为建设者清楚地知道要跟上他们的Web2竞争对手所需付出的代价，以及实际可能竞争的垂直领域，以及更多是一种幻想的领域，尽管这种幻想可以向风险投资公司和不成熟的公众推销。

目标是能够在此时此刻竞争。否则，人工智能发展的速度可能会将Web3抛在后面，而世界则跃向西方的企业人工智能与中国的国家人工智能之间的反乌托邦式Web4。那些不能够在足够短的时间内保持竞争力，并依赖分布式技术在较长的时间范围内追赶的人过于乐观，不足以被认真对待。

显然，这是一个非常粗略的概括，甚至伪造者组中至少包含一些认真的团队（也许还有更多只是妄想梦想家）。但本文是一种呼吁，因此我们并不打算客观，而是呼吁读者的紧迫感。

[1]。

合法：

• “将人工智能上链”的中间件。背后的创始人理解，如果不是不可能的话，至少目前来说，用户实际需要的模型（即尖端技术）的去中心化训练或推断是不可行的。因此，为了让最佳的中心化模型与链上环境连接起来，让其受益于复杂的自动化，对他们来说是一个足够好的第一步。硬件隔离执行环境（TEE）的隔空处理器，可以托管API访问点、双向oracle（用于双向索引链上和链下数据）并为代理提供可验证的链下计算环境，似乎是目前最佳的解决方案。此外，还有使用零知识证明（ZKP）进行快照状态更改（而不是验证完整计算）的协处理器架构，在中期内我们也认为这是可行的。

  对于同样的问题，更理想主义的方法试图验证链下推理，以使其在信任假设方面与链上计算相媲美。在我们看来，这样做的目标应该是允许人工智能在链上和链下执行任务，就像在一个统一的运行时环境中一样。然而，大多数推理可验证性的支持者谈论”信任模型权重”和其他类似目标，实际上这些目标在多年后才可能变得相关。最近，这个阵营的创始人开始探索替代方法来验证推理，但最初都是基于ZKP的。虽然很多聪明的团队正在致力于所谓的ZKML（零知识机器学习），但他们冒的风险太大了，因为他们预期加密优化会超过AI模型的复杂性和计算需求。因此，我们认为他们目前不适合竞争。然而，@ModulusLabs/chapter-14-the-worlds-1st-on-chain-llm-7e389189f85e">最近的进展是有趣的，不应被忽视。

半合法：

• 使用封闭和开源模型的包装器的消费者应用程序（例如，稳定扩散或Midjourney用于图像生成）。其中一些团队是市场上的先行者，并且拥有实际的用户吸引力。因此，一概称之为虚假是不公平的，但只有少数团队正在深入思考如何以去中心化的方式发展其基础模型并在激励设计上创新。这个类别中有一些有趣的治理/所有权关于代币组件的变化。但是，这个类别中的大多数项目只是在封闭的包装器上随意添加一个代币，比如在OpenAI API上，以获得估值溢价或为团队提供更快的流动性。

以上两个阵营都没有解决的问题是在去中心化环境中进行大型模型的训练和推断。目前，没有办法在合理的时间内训练一个基础模型，而不依赖于紧密连接的硬件集群。在竞争水平下，“合理的时间”是关键因素。

最近有一些有前途的研究成果涉及到这个问题，理论上，诸如差分数据流之类的方法可能会在未来扩展到分布式计算网络，以提高它们的容量（随着网络能力赶上数据流需求）。但是，竞争性的模型训练仍然需要在本地化集群之间进行通信，而不是单个分布式设备，并且需要尖端的计算（零售GPU的竞争力越来越差）。

最近对通过缩小模型大小来实现推断的本地化（去中心化的两种方式之一）的研究也在取得进展，但是在Web3中还没有利用它的现有协议。

去中心化训练和推断的问题在逻辑上将我们带到了最后一个阵营，也是迄今为止最重要的一个，因此对我们情感上触发最大。

伪造者：

• 主要是在去中心化服务器领域的基础设施应用程序，提供裸机硬件或去中心化模型训练/托管环境。还有一些软件基础设施项目正在推动诸如联邦学习（去中心化模型训练）等协议，或者将软件和硬件组件结合到一个平台中，在这个平台上，人们基本上可以端到端地训练和部署他们的去中心化模型。其中大多数缺乏解决实际问题所需的复杂性，而是采用天真的“代币激励+市场尾风”思维。我们在公共和私人市场上看到的解决方案没有一种能够在此时此刻提供有意义的竞争。一些可能会演变成可行（但是利基）的产品，但我们需要一些新的、具有竞争力的解决方案。而这只能通过创新设计来解决分布式计算瓶颈。在训练中，不仅速度，而且工作的可验证性和训练负载的协调都是一个大问题，这加剧了带宽瓶颈。

我们需要一组具有竞争力且真正去中心化的基础模型，它们需要去中心化的训练和推断才能运行。如果人工智能丧失，可能会完全抵消自以太坊问世以来“去中心化世界计算机”所取得的任何成就。如果计算机变成了人工智能，并且人工智能是集中化的，那么除了一些反乌托邦版本之外，就没有什么世界计算机可言了。

训练和推断是人工智能创新的核心。当其他人工智能世界正在朝着更加紧密结构的方向发展时，Web3需要一些正交的解决方案来竞争，因为正面竞争正在变得不可行得很快。

问题的严重性

一切都取决于计算。你投入的训练和推理计算量越多，结果就会越好。是的，有一些微调和优化，计算本身也不是均质的——现在有了各种新的方法来克服传统的冯·诺伊曼架构的处理单元的瓶颈——但最终都归结为你能够在多大的内存块上以多快的速度进行多少次矩阵乘法。

这就是为什么我们目睹了所谓的“超级规模”在数据中心方面的强劲发展，它们都在努力打造一个全方位的堆栈，顶部是AI模型强大的计算机，在其下是为其供电的硬件：OpenAI（模型）+微软（计算）、Anthropic（模型）+AWS（计算）、谷歌（两者）和Meta（通过加大自己数据中心的建设而越来越多地拥有两者）。这里还有更多的细微差别、相互作用动态和参与方，但我们暂且不提。总体而言，超级规模者正在以前所未有的速度投资数十亿美元进行数据中心建设，并在他们的计算和人工智能产品之间创造协同效应，预计随着人工智能在全球经济中的普及而大规模产出。

仅仅是看看今年四家公司的预期建设水平：

• Meta预计在2024年的资本支出将达到300-370亿美元，这很可能会大量倾斜向数据中心。
• 微软在2023年的资本支出约为115亿美元，据广泛传言，他们将在2024年至2025年再投资400-500亿美元！这部分可以通过宣布在几个单一国家进行的巨额数据中心投资来推断：在英国投资32亿美元，在澳大利亚投资35亿美元，在西班牙投资21亿美元，在德国投资32亿欧元，在美国乔治亚州投资10亿美元，在威斯康星州投资100亿美元。这些只是来自他们遍布60多个地区的300个数据中心网络的一些地区性投资。还有关于为OpenAI建造超级计算机的谈话，这可能会让微软再投资1000亿美元！
• 亚马逊领导层预计，由于扩大AWS基础设施用于人工智能的建设，他们的资本支出将在2024年显著增长，这是在2023年他们花费了480亿美元的基础上。
• 谷歌仅在2023年第四季度就花费了110亿美元来扩大其服务器和数据中心规模。他们承认这些投资是为了满足预期的人工智能需求，并预计由于人工智能的原因，2024年他们的基础设施支出的速度和总规模将显著增加。

这就是在2023年已经花在NVIDIA人工智能硬件上的资金:

NVIDIA的首席执行官Jensen Huang一直在向未来几年将投入总计1万亿美元的人工智能加速做出预测。他最近将这一预测翻倍到2万亿美元，据说是因为他目睹了来自主权国家的兴趣。Altimiter的分析师预计，全球在2024年和2025年AI相关的数据中心支出将分别达到1600亿美元和2000亿美元以上。

现在，将这些数字与Web3所提供给独立数据中心运营商的激励进行比较，以鼓励他们在最新的人工智能硬件上扩大资本支出：

• 目前，所有去中心化物理基础设施（DePIn）项目的总市值约为400亿美元，这些项目主要是以相对流动性较低且主要是投机性的代币形式存在的。基本上，这些网络的市值等于它们贡献者的总资本支出的上限估计，因为它们通过代币来激励这种建设。然而，当前的市值几乎没有用处，因为它已经被发行出去了。
• 因此，让我们假设在接下来的3-5年里，还有另外800亿美元（现有价值的两倍）的公私两方面的DePIn代币市值进入市场作为激励，并假设这100%用于人工智能用例。

即使我们将这个非常粗略的估计数字除以3（年），并将其与仅在2024年由超级规模者支付的现金进行比较，也清楚地表明，简单地将代币激励附加到一堆“去中心化GPU网络”项目上是不够的。

还需要数十亿美元的投资者需求来吸收这些代币，因为这些网络的运营商要出售所挖掘的硬币的大部分来支付重要的CapEx和OpEx成本。还需要数十亿美元来推动这些代币的价格上涨，并激励建设扩张以与超级规模者竞争。

然而，了解大多数Web3服务器当前运行方式的人可能预计，“去中心化物理基础设施”的很大一部分实际上是在这些超级规模者的云服务上运行的。当然，GPU和其他人工智能专用硬件需求的激增正在推动更多的供应，最终应该会使云租赁或购买变得更便宜。至少这是预期。

但还要考虑到：现在NVIDIA需要优先考虑为其最新一代GPU提供服务的客户。它还开始在他们自己的领域与最大的云服务提供商竞争-向已经锁定在这些超级规模者中的企业客户提供

工智能平台服务。这最终激励它要么随着时间的推移建设自己的数据中心（基本上是侵蚀它们目前享有的丰厚利润率，因此不太可能），要么显著限制其人工智能硬件销售仅限于其合作伙伴网络的云服务提供商。

此外，与NVIDIA竞争的其他人工智能专用硬件制造商主要使用同样由TSMC生产的芯片。因此，所有人工智能硬件公司目前都在争夺TSMC的产能。TSMC也需要优先考虑某些客户而不是其他客户。三星和潜在的英特尔（正在试图很快重新进入最先进的芯片制造领域）可能能够吸收额外的需求，但目前大部分与人工智能相关的芯片都是由TSMC生产的，并且切割和校准尖端芯片制造（3和2纳米）需要数年时间。

除此之外，目前所有尖端芯片制造都是由台湾的TSMC和韩国的三星在台湾海峡旁边完成的，而在美国建造的设施以抵消这一风险的设施（也不预计在未来几年内生产下一代芯片）可能会在启动之前就可能发生军事冲突的风险。

最后，中国由于美国对NVIDIA和TSMC施加的限制，实际上被切断了最新一代人工智能硬件，正在竞争剩余可用的计算资源，就像Web3 DePIn网络一样。与Web3不同，中国企业实际上拥有自己的竞争模型，特别是百度和阿里巴巴等公司的LLM，这些模型需要大量的上一代设备来运行。

因此，由于上述原因或多重因素的结合，有一个不可忽视的风险，即随着人工智能主导战的加剧并优先于云业务，超级规模者会限制外部方访问其人工智能硬件，基本上是占据了所有与人工智能相关的云容量供自己使用，并且不再提供给其他任何人，同时也吞噬了所有最新的硬件。如果发生这种情况，剩余的计算资源供应将进一步受到其他大型参与者（包括主权国家）的高度需求的影响，而留下的消费级GPU则变得越来越不具竞争力。

显然，这是一个极端的情况，但奖励对于大型参与者来说太大了，以至于在硬件瓶颈仍然存在的情况下，他们不会退缩。这使得像二级数据中心和零售级硬件所有者这样的去中心化运营商，他们构成了Web3 DePIn提供者的大多数，退出了竞争。

硬币的另一面

当加密货币创始人们在开车时打瞌睡时，人工智能大佬们正在密切关注着加密货币。政府的压力和竞争可能会推动他们采用加密货币，以避免被关闭或受到严格监管。

最近，Stability AI的创始人辞去职务，开始“去中心化”他的公司，这是对此的首次公开暗示之一。他之前在公开场合并未掩饰自己计划在公司首次公开募股成功后推出代币的计划，这在某种程度上透露了预期举措背后的真正动机。

同样，尽管Sam Altman并没有在他共同创立的加密项目Worldcoin中扮演运营角色，但其代币确实像是OpenAI的代理。是否存在将自由互联网货币项目与人工智能研发项目连接起来的路径，只有时间会告诉我们，但Worldcoin团队似乎也意识到市场正在测试这一假设。

对我们来说，人工智能巨头可能会探索不同的去中心化路径是有道理的。我们在这里看到的问题再次是，Web3并没有提供有意义的解决方案。 “治理代币”在大多数情况下都是一个梗，而那些明确避免资产持有者与其网络开发和运营之间直接联系的代币 - 比如$BTC和$ETH - 目前是真正去中心化的。

减缓技术发展的(不)激励也影响了不同设计用于治理加密网络的发展。初创团队只是在其产品之上贴上“治理代币”，希望在他们积聚动力的过程中找到解决方案，而最终只是深陷于围绕资源分配的“治理戏剧”中。

结论

人工智能竞赛正在进行，每个人都非常认真对待。当涉及到以前所未有的速度扩展计算能力时，我们无法找到大型科技巨头思考的任何缺陷 - 更多的计算意味着更好的人工智能，更好的人工智能意味着降低成本，增加新的收入并扩大市场份额。对我们来说，这意味着泡沫是合理的，但所有的伪装者仍然会在不可避免的震荡中被洗出。

中心化的大型企业人工智能正在主导该领域，而合法的初创公司发现很难跟上。Web3空间虽然晚来一步，但也加入了这场竞赛。与Web2空间中的初创公司相比，市场对加密人工智能项目的奖励过高，这使得创始人在关键时刻对产品的推出兴趣转向了推动代币，而在这个时刻，追赶的机会窗口正在迅速关闭。到目前为止，还没有任何绕过扩展计算规模以进行竞争的正交创新。

现在已经有一个可信的面向消费者模型的开源运动，最初是由一些中心化的参与者选择与更大的闭源竞争对手争夺市场份额而推动的（例如Meta，Stability AI）。但现在社区正在追赶并向领先的人工智能公司施加压力。这些压力将继续影响人工智能产品的闭源开发，但在开源方面赶上之前并没有真正的意义。这对于Web3空间来说是另一个重大机会，但前提是它解决了去中心化模型训练和推断的问题。

因此，尽管在表面上存在着为颠覆者提供的“经典”机会，但现实情况与其相去甚远。人工智能主要与计算相关联，除非在未来3-5年内有突破性的创新，否则无法改变这一点，这是确定谁控制和引导人工智能发展的关键时期。

计算市场本身，尽管需求推动了供给端的努力，也不能让百花齐放，制造商之间的竞争受到结构性因素的限制，如芯片制造和规模经济。

我们对人类的聪明才智保持乐观态度，并确信有足够聪明和高尚的人在试图解决有利于自由世界而不是自上而下的企业或政府控制的人工智能问题空间。但胜算看起来非常渺茫，最多只能说是一场赌博，但Web3的创始人们忙于翻动硬币而不是实现真正的世界影响。如果你正在建造一些酷炫的东西来帮助增加Web3的机会，而不仅仅是乘着炒作浪潮，那就联系我们吧。

声明：

1. 本文转载自[gagra.vc]，所有版权归原作者[gagra.vc]所有。若对本次转载有异议，请联系Gate Learn团队，他们会及时处理。
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. Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。