AI 解放生產力，區塊鏈解放生產關係，還有比這兩者更好的結合方式么 🙂
作者：Laobai，ABCDE
封面：Photo by Mohamed Nohassi on Unsplash
時隔 ChatGPT 發佈一年多，最近市場上關於 AI+Crpyo 的討論再次熱鬧起來，AI 被視作 24–25 年牛市一個最為重要的賽道之一，就連 V 神本人都發文《The promise and challenges of crypto + AI applications》（Crypto+AI 應用前景和挑戰）探討未來 AI+Cryto 可能的探索方向。
本文不會做太多的主觀預判，而是單純的從一級市場角度，把過去一年觀察到的 AI 與 Crypto 結合的創業專案做一個大致梳理，看看創業者具體是從哪些角度切入的市場，目前取得了哪些成就，又有哪些地方依舊仍在探索。
一. AI+Crypto 的週期
整個 23 年，我們聊了差不多有幾十個 AI+Crypto 的專案，其中可以看到明顯的週期。
22 年底 ChatGPT 發佈之前，二級市場與 AI 相關的區塊鏈專案寥寥無幾，大家能想到的主要就是 FET，AGIX 等幾個老牌專案，一級市場能夠見到的 AI 相關同樣不多。
23 年 1–5 月可以說是 AI 專案的第一個集中爆發期，畢竟 Chatgpt 給人帶來的衝擊太大，二級市場許多老項目紛紛 Pivot 去 AI 賽道，一級市場也是幾乎每周都能聊到 AI+Crypto 的專案。 同樣的，這段時期的 AI 專案給人感覺相對簡單，很多都是基於 ChatGPT 的「套皮」+「鏈改」專案，幾乎沒有任何技術上的核心壁壘，我們的 In-House 開發團隊往往花個一兩個天便能複刻出一個專案基礎框架。 也導致了我們這段時間聊了很多 AI 專案，但最終沒有任何出手。
5–10 月的二級市場開始轉熊，很有意思的是一級市場的 AI 專案在這段時間也驟減了許多，直到最近一兩個月數量才再次活躍起來，市面上關於 AI+Crypto 的討論，文章等等同樣豐富起來。 我們再次進入每周可以遇見 AI 專案的「盛景」。。 時隔半年後明顯感覺到新出現的一批 AI 專案對 AI 賽道的理解，商業場景的落地，AI+Crypto 的結合比第一批 AI Hype 時期有了明顯的提升，技術壁壘雖然依舊不強，但整體成熟度上了一個台階。 我們也是進入 24 年才終於在 AI+Crpyto 這個賽道有了第一次押注。
二. AI+Crypto 的賽道
V 神在前景與挑戰一文里從幾個相對抽象的維度和視角給出了預判：
- AI 作為遊戲中的參與者
- AI 作為遊戲介面
- AI 作為遊戲規則
- AI 作為遊戲目標
我們則從更加具體和直接的角度來總結目前一級市場看到的這些 AI 專案。 AI+Crypto 的專案大多都是圍繞著 Crypto 的核心去做的，即「技術（或者說政治）上的去中心化+商業上的資產化」。。
去中心化沒什麼可說的，Web3 么...... 根據資產化的品類，大體可以分為三個主賽道：
- 算力的資產化
- 模型的資產化
- 數據的資產化
算力資產化
這是相對密集的一個賽道，因為除了各種新項目，還有好多老專案的 Pivot，比如 Cosmos 那邊的 Akash，Solana 那邊的 Nosana，且 Pivot 之後代幣都是瘋漲的節奏，也側面反映出市場對於 AI 賽道的看好，RNDR 雖然主打去中心化渲染，但其實也能服務於 AI，所以很多歸類也都把 RNDR 這類算力相關的統統劃分到了 AI 賽道
算力資產化又可以根據算力用途再細分成兩個方向：
一個是以 Gensyn 為代表的「去中心化算力拿來做 AI 訓練」;
一個是大多數 Pivot 以及新專案為代表的「去中心化算力拿來做 AI 推理」;
在這個賽道可以看到一個很有意思的現象，或者說不看好鄙視鏈：
傳統 AI → 去中心化推理 → 去中心化訓練
- 傳統 AI 科班出身的不看好去中心化做 AI 訓練 Or 推理
- 去中心化推理的不看好去中心化訓練的
原因主要是在技術上，因為 AI 訓練（特指大模型 AI）牽扯到海量的數據，而比數據需求更誇張的是這些數據高速通信形成的頻寬需求。 在目前 Transformer 大模型的環境下，訓練這些大模型需要的是配備大量的 4090 級別的高端顯卡/H100 專業 AI 顯卡購成的算力矩陣+NVLink 與專業光纖交換機構成的百 G 級別通訊通道，你說這東西能去中心化實現，hmm...
AI 推理對與算力和通訊頻寬的需求遠小於 AI 訓練，去中心化實現的可能性自然比訓練大了很多，這也是為什麼多數算力相關專案都是搞推理的，訓練的基本上只有 Gensyn，Together 這種融資過億的大玩家。 但同樣，從性價比和可靠性這兩個角度來講，至少在現階段，中心化算力做推理依舊是遠好於去中心化的。
这就不难解释，为什么去中心化推理看去中心化训练觉得 “你们根本做不成”，而传统 AI 看去中心化训练和推理会觉得 “训练技术上不现实”，“推理商业上不靠谱”。
有人说 BTC/ETH 刚出来的时候大家也说分布式节点全都算一遍这个模式相对云计算不靠谱啊，最后不也成了？那就得看 AI 训练和 AI 推理将来对于正确性，不可篡改，冗余这些维度的需求了，单纯拼性能，可靠性，价格这些，暂时确实不可能好过中心化。
模型的资产化
这也是项目扎堆的一个赛道，也是相对于算力资产化更加容易理解的一个赛道，因为 ChatGPT 火了之后最知名的应用之一就是 Character.AI 了。你既可以和苏格拉底，孔子这些先贤讨教学问，也可以和马斯克，山姆奥特曼这些名人闲聊吹水，更是可以和初音未来，雷电将军这些虚拟偶像谈情说爱，这一切，都是大语言模型的魅力。AI Agent 这个概念经由 Character.AI 深入人心
如果孔子，马斯克，雷电将军这些 Agent 都是 NFT 呢？
这不就是 AI X Crypto 么？！
所以与其说是模型的资产化，不如说是基于大模型打造的 Agent 的资产化，毕竟大模型自身是不可能上链的，更多是基于模型之上的 Agent 映射成 NFT 来打造类 “模型资产化” 的 AI X Crypto 即视感。
现在圈内有可以教你学英语的 Agent，也可以有跟你谈恋爱的 Agent，各式各样，包括 Agent 的搜索以及 Market Place 等衍生项目也可以见到。
这个赛道的普遍问题是第一没有技术壁垒，基本就是 Character.AI 的 NFT 化，我们 In-House 的技术大神用现有的开源工具和框架一晚上就搞出一个说话像 BMAN，声音也像 BMAN 的 Agent。第二与区块链的结合程度非常轻，有点像 ETH 上的 Gamefi NFT，本质上 Metadata 里存的可能只是一个 URL 或是哈希，模型/Agent 都是在云服务器上，链上交易的只是一个所有权而已。
模型/Agent 的資產化在可見的未來依舊會是 AI x Crypto 最主要的賽道之一，希望可以看到相對有一定技術壁壘，與區塊鏈自身結合更加緊密也更加 Native 的專案在未來可以出現。
數據的資產化
數據資產化從邏輯上來說是最適合 AI+Crypto 的，因為傳統 AI 訓練，大多只能利用互聯網上有的看得見的數據，或者說更加精確一點 — 公域流量的數據，這些數據可能佔比只有 10–20% 不到，更多的數據其實都在私域流量（包括個人數據），如果這些流量數據可以被用來訓練或是 Fine-Tune 大模型，我們肯定可以在各個垂類領域擁有更加專業的 Agent/Bot。
Web3 最擅長的口號是什麼，Read，Write，Own！
那麼通過 AI+Crypto，在去中心化激勵的引導下，釋放個人與私慾流量的數據，將其資產化，給大模型提供更好更豐富的「口糧」，聽上去是個十分符合邏輯的做法，也確實有幾個團隊在這個領域深耕。
然而這個賽道最大的難點是 — 數據這個東西很難像算力一樣標準化。 去中心化算力你的顯卡什麼型號直接就可以轉化為多少算力，而私有數據數據的數量，品質，用途等各個維度都很難衡量，如果說去中心化算力是 ERC20，那麼去中心化 AI 訓練數據的資產化有點像 ERC721，且還是猴子 PunkAzuki 很多個專案，很多個 Traits 摻雜在一起那種，流動性與市場做起來的難度比 ERC20 難上不是一點半點，所以目前做 AI 數據資產化的專案都有點舉步維艱。
數據賽道還有一個值得一提的是去中心化標註，數據資產化是作用在「數據收集」這個步驟，而收集到的數據在餵養給 AI 前還需要做一下加工，這就是數據標註的步驟。 這個步驟目前也多是中心化的人力密集型勞動，通過去中心化的代幣獎勵去把這個 Labour Work 變成去中心化，標註 to Earn，或是類似眾包平臺一樣的方式吧工作散出去，也是一個思路。 有見到少量團隊目前在這個領域耕耘。
三. AI+Crypto 缺失的拼圖
簡單說下從我們的視角來看，目前這個賽道缺失的拼圖。
一是技術壁壘。 正如之前所講，絕大多數 AI+Crypto 的專案相對於 Web2 的傳統 AI 專案來說幾乎沒有任何壁壘，更多是依靠經濟模型和代幣激勵在前端體驗，市場和運營上花心思，這當然也無可厚非，去中心化與價值分配本就是 Web3 所長，只是缺乏核心壁壘難免會有 X to Earn 的即視感。 還是期待更多像是 RNDR 這種母公司 OTOY 有核心技術的團隊在 Crypto 里大展拳腳。
二是從業者現狀。 就目前觀察到的情況而言，AI X Crypto 這個賽道的創業者部分團隊很懂 AI，但是對 Web3 的理解不深。 而部分團隊非常的 Crypto Native，但在 AI 領域的造詣較淺。 這與早期的 Gamefi 賽道非常類似，要麼很懂遊戲想著 Web2 遊戲鏈改，要麼很懂 Web3 想著各種打金模型的創新與優化。 Matr1x 是我們 Gamefi 賽道遇到的第一個對遊戲和 Crypto 理解雙 A 的團隊，這也是為什麼之前我有寫到 Matr1x 是我 23 年 “聊完即拍板” 的三個專案之一，我們期待可以在 24 年看到在 AI 與 Crypto 領域理解雙 A 的團隊。
三是商業場景。 AI X Crypto 處在一個極其早期的探索階段，上述的各類資產化只是幾個大的方向，其中每個方向都有可以仔細挖掘和細分的賽道。 目前市面上看到的各類專案在 AI 與 Crypto 的結合多少有些「生硬」或是「粗糙」之感，並沒有發揮出 AI 或是 Crypto 最優的競爭力或是可組合性，這也與上述說的第二點息息相關。 比如我們 In House 研發團隊就想到並設計了一個更優的結合方式，可惜看了這麼多 AI 賽道的專案，依舊沒有看到有團隊切入這個細分領域，所以只能繼續等待。
什麼，你問為什麼我們一個 VC 能比市面上的創業者先想到某些場景？ 因為我們的 In House AI 團隊裡有 7 位大神了，其中 5 個是科班 AI 的 PHD 出身。 至於 ABCDE 團隊對與 Crypto 的理解麼，你懂的......
最後想說的是，雖然目前在一級市場的視角來看，AI x Crpyto 還非常的早期與不成熟，但這並不妨礙我們看好 24–25 年，AI X Crypto 會成為這一輪牛市的主賽道之一。 畢竟，AI 解放生產力，區塊鏈解放生產關係，還有比這兩者更好的結合方式么 🙂
免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 文章內的資訊僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
