ABCDE: Xem AI+Crypto từ góc độ thị trường sơ cấp

Hơn một năm sau khi ChatGPT phát hành, các cuộc thảo luận về AI+Crypto gần đây đã trở nên sôi nổi trở lại. AI được coi là một trong những xu hướng quan trọng nhất đối với thị trường tăng giá giai đoạn 2024-2025, thậm chí chính Vitalik Buterin đã xuất bản một bài báo “Lời hứa và thách thức của các ứng dụng tiền điện tử + AI” để thảo luận về các hướng khám phá tiềm năng cho AI+Cryo trong tương lai. Bài viết này sẽ không đưa ra quá nhiều dự đoán chủ quan mà chỉ đơn giản là sắp xếp các dự án khởi nghiệp kết hợp AI và tiền điện tử được quan sát trong năm qua từ góc độ thị trường sơ cấp, để xem các doanh nhân đã tham gia thị trường từ góc độ nào, những thành tựu đã đạt được và lĩnh vực nào vẫn đang được khám phá.

I. Chu kỳ của AI+Crypto

Trong suốt năm 2023, chúng tôi đã thảo luận về gần hàng chục dự án AI+Crypto, nơi có thể quan sát được một chu kỳ rõ ràng. Trước khi phát hành ChatGPT vào cuối năm 2022, có rất ít dự án blockchain liên quan đến AI trên thị trường thứ cấp, chủ yếu là các dự án cũ như FET và AGIX. Tương tự, thị trường sơ cấp có rất ít dự án liên quan đến AI.

Từ tháng 1 đến tháng 5 năm 2023 là thời kỳ bùng nổ tập trung đầu tiên của các dự án AI, chủ yếu do ChatGPT có tác động rất lớn. Nhiều dự án cũ trên thị trường thứ cấp xoay quanh con đường AI và gần như hàng tuần đều có các cuộc thảo luận về các dự án AI+Crypto trên thị trường sơ cấp. Tuy nhiên, các dự án AI trong giai đoạn này có vẻ tương đối đơn giản, nhiều trong số đó chỉ là các dự án “được làm lại” và “chuyển đổi sang blockchain” dựa trên ChatGPT, không có bất kỳ rào cản công nghệ cốt lõi nào. Nhóm phát triển nội bộ của chúng tôi thường có thể sao chép khung cơ bản của dự án chỉ trong một hoặc hai ngày. Điều này khiến chúng tôi phải thảo luận về nhiều dự án AI trong thời gian này, nhưng cuối cùng, chúng tôi không thực hiện bất kỳ động thái nào.

Từ tháng 5 đến tháng 10, thị trường thứ cấp bắt đầu tăng trưởng và điều thú vị là số lượng dự án AI trên thị trường sơ cấp cũng giảm đáng kể cho đến một hoặc hai tháng cuối cùng khi con số bắt đầu tăng trở lại, cùng với các cuộc thảo luận, bài báo, v.v. AI+Crypto ngày càng phong phú hơn. Chúng tôi lại bước vào giai đoạn “bùng nổ”, nơi chúng tôi có thể bắt gặp các dự án AI hàng tuần. Sau sáu tháng, chúng tôi cảm thấy rõ ràng rằng loạt dự án AI mới đã cải thiện đáng kể sự hiểu biết về lộ trình AI, triển khai kịch bản thương mại và tích hợp AI+Crypto so với giai đoạn AI Hype đầu tiên. Mặc dù rào cản công nghệ vẫn chưa mạnh nhưng mức độ trưởng thành tổng thể đã đạt đến một tầm cao mới. Phải đến năm 2024, chúng tôi mới đặt cược lần đầu tiên vào đường đua AI+Crpyto.

II. Trong đường đua AI+Crypto

Vitalik, trong bài viết về “Dự báo và thách thức”, đã dự đoán từ một số khía cạnh và quan điểm tương đối trừu tượng:

• AI với tư cách là người chơi trong trò chơi
• AI như một giao diện chơi game
• AI là luật chơi
• AI là mục tiêu chơi game

Tuy nhiên, chúng tôi tóm tắt các dự án AI hiện đang được thấy trên thị trường sơ cấp từ một góc độ cụ thể và trực tiếp hơn. Các dự án trong AI+Crypto chủ yếu xoay quanh cốt lõi của Crypto, đó là “phân cấp kỹ thuật (hoặc chính trị) + tài sản thương mại”.

Phân cấp không cần giới thiệu; tất cả là về Web3. Dựa trên loại tài sản, nó có thể được chia thành ba phần chính:

• Tài sản hóa sức mạnh tính toán
• Tài sản hóa các mô hình
• Viết hoa dữ liệu

Tài sản hóa sức mạnh tính toán

Đây là một lộ trình tương đối dày đặc, bao gồm nhiều dự án mới cũng như các dự án xoay quanh các dự án cũ hơn, chẳng hạn như Akash từ Cosmos và Nosana từ Solana. Giá mã thông báo tăng sau xoay vòng, phản ánh sự lạc quan của thị trường đối với con đường AI. RNDR, mặc dù chủ yếu tập trung vào kết xuất phi tập trung, cũng có thể phục vụ các mục đích AI, vì vậy nhiều người phân loại RNDR và các dự án liên quan đến sức mạnh điện toán tương tự theo hướng AI.

Việc tài sản hóa sức mạnh tính toán có thể được chia thành hai hướng:

Điện toán phi tập trung để đào tạo AI, do Gensyn đại diện.

Điện toán phi tập trung dành cho suy luận AI, được thể hiện bằng hầu hết các dự án trục và dự án mới.

Một hiện tượng thú vị được quan sát thấy trong đường đua này, hay đúng hơn là một chuỗi hoài nghi, diễn ra như sau:

AI truyền thống → Suy luận phi tập trung → Đào tạo phi tập trung

Những người có nền tảng AI truyền thống tỏ ra hoài nghi về việc đào tạo hoặc suy luận AI phi tập trung. Và trong không gian phi tập trung, những người tập trung vào suy luận nghi ngờ tính khả thi của việc đào tạo phi tập trung. Lý do chính nằm ở những thách thức kỹ thuật, vì việc đào tạo AI (đặc biệt là đối với các mô hình lớn) đòi hỏi dữ liệu lớn và quan trọng hơn là băng thông cao để truyền dữ liệu. Hiện tại, việc đào tạo các mô hình Transformer lớn cần có ma trận GPU cao cấp (như 4090 hoặc H100 cho AI) cộng với NVLink và các bộ chuyển mạch cáp quang chuyên nghiệp cho các kênh liên lạc cấp 100G, gây nghi ngờ về tính khả thi của việc phân cấp cho các nhiệm vụ đó.

• Những người đến từ các chuyên ngành AI truyền thống không lạc quan về việc đào tạo hoặc lý luận về AI phi tập trung.
• Những người sử dụng lý luận phi tập trung không lạc quan về việc đào tạo phi tập trung.

Lý do chủ yếu là về mặt kỹ thuật, bởi vì việc đào tạo AI (đặc biệt là AI mô hình lớn) liên quan đến lượng dữ liệu khổng lồ và điều cường điệu hơn yêu cầu về dữ liệu là yêu cầu về băng thông do truyền dữ liệu tốc độ cao gây ra. Trong môi trường mô hình lớn Transformer hiện tại, việc đào tạo các mô hình lớn này đòi hỏi một số lượng lớn card đồ họa cao cấp 4090 cấp/card đồ họa AI chuyên nghiệp H100 được mua ma trận sức mạnh tính toán + các kênh liên lạc cấp 100G bao gồm NVLink và các bộ chuyển mạch cáp quang chuyên nghiệp. Bạn nói rằng điều này có thể được thực hiện theo cách phi tập trung, hmm…

Lý luận AI đòi hỏi sức mạnh tính toán và băng thông liên lạc ít hơn nhiều so với đào tạo AI. Khả năng phân cấp đương nhiên lớn hơn nhiều so với khả năng đào tạo. Đây là lý do tại sao hầu hết các dự án liên quan đến sức mạnh điện toán đều tham gia vào quá trình suy luận và về cơ bản chỉ có Gensyn đào tạo. , một công ty lớn như Together đã huy động được hơn 100 triệu nhân dân tệ. Nhưng tương tự, từ góc độ hiệu suất chi phí và độ tin cậy, ít nhất ở giai đoạn này, sức mạnh tính toán tập trung vẫn tốt hơn nhiều so với lý luận phi tập trung.

Không khó để giải thích tại sao khi nhìn vào lý luận phi tập trung và đào tạo phi tập trung, họ nghĩ “bạn không thể làm được điều đó”, trong khi AI truyền thống lại nhìn vào đào tạo và lý luận phi tập trung và cho rằng “đào tạo là phi thực tế về mặt kỹ thuật” và “lý luận”. không đáng tin cậy về mặt thương mại”. Quang phổ”.

Một số người nói rằng khi BTC/ETH lần đầu tiên ra mắt, mọi người cũng nói rằng mô hình tính tất cả các nút phân tán này không đáng tin cậy so với điện toán đám mây, nhưng cuối cùng thì nó không thành công sao? Sau đó, nó phụ thuộc vào nhu cầu đào tạo AI và lý luận AI trong tương lai về các khía cạnh về tính chính xác, không thể giả mạo và dự phòng. Chỉ tập trung vào hiệu suất, độ tin cậy và giá cả không thể tốt hơn việc tập trung hóa vào thời điểm hiện tại.

Tài sản hóa các mô hình

Con đường này đông đúc và tương đối dễ hiểu hơn so với việc tài sản hóa sức mạnh tính toán. Sự phổ biến của ChatGPT và các ứng dụng như Character.AI đã chứng tỏ tiềm năng của các mô hình ngôn ngữ lớn. Người dùng có thể tìm kiếm kiến thức từ các nhân vật lịch sử như Socrates hay Khổng Tử, trò chuyện với những người nổi tiếng như Elon Musk hay Sam Altman hoặc thậm chí tham gia vào các cuộc trò chuyện lãng mạn với các thần tượng ảo như Hatsune Miku hay Raiden Shogun. Tất cả điều kỳ diệu này là nhờ vào các mô hình ngôn ngữ lớn, với khái niệm về Tác nhân AI đã ăn sâu vào Character.AI.

Điều gì sẽ xảy ra nếu những đặc vụ này, như Khổng Tử, Musk hay Raiden Shogun, là NFT?

Đây không phải là tiền điện tử AI X sao?!

Điều này thể hiện khái niệm AI X Crypto. Nó thiên về việc tài sản hóa các tác nhân được tạo ra từ các mô hình lớn hơn là bản thân các mô hình đó, vì các mô hình lớn không thể được đặt trực tiếp trên blockchain. Trọng tâm là ánh xạ các tác nhân lên NFT để tạo ra cảm giác “tài sản hóa mô hình” trong không gian AI X Crypto.

Hiện tại, có các đại lý để học tiếng Anh, hẹn hò, v.v., cùng với các dự án phái sinh như tìm kiếm đại lý và thị trường. Một vấn đề phổ biến trong hướng này là thiếu các rào cản kỹ thuật, vì nhiều dự án chỉ đơn giản là NFT-ize khái niệm Character.AI. Việc tích hợp với blockchain thường ở mức tối thiểu, tương tự như cách GameFi NFT trên Ethereum chỉ có thể lưu trữ URL hoặc hàm băm trong siêu dữ liệu của chúng, với các mô hình/tác nhân được lưu trữ trên máy chủ đám mây. Giao dịch trên blockchain về cơ bản liên quan đến quyền sở hữu.

Bất chấp những thách thức này, việc tài sản hóa mô hình/đại lý có thể sẽ vẫn là một hướng đi chính trong AI x Crypto, với hy vọng về các dự án tích hợp blockchain và mạnh mẽ hơn về mặt kỹ thuật trong tương lai.

Tài sản hóa dữ liệu

Về mặt logic, tài sản hóa dữ liệu phù hợp nhất với AI+Crypto, vì đào tạo AI truyền thống chủ yếu sử dụng dữ liệu hiển thị có sẵn trên internet hoặc chính xác hơn là dữ liệu từ lưu lượng truy cập trong phạm vi công cộng, có thể chỉ chiếm 10-20% tổng số. Một phần đáng kể dữ liệu thực sự nằm trong lưu lượng truy cập tên miền riêng tư (bao gồm cả dữ liệu cá nhân). Nếu dữ liệu lưu lượng truy cập này có thể được sử dụng để đào tạo hoặc tinh chỉnh các mô hình lớn, chắc chắn chúng ta có thể có nhiều tác nhân/bot chuyên dụng hơn trong các lĩnh vực dọc khác nhau.

Khẩu hiệu quen thuộc nhất của Web3 là “Đọc, viết, sở hữu!”

Do đó, dưới sự hướng dẫn của các biện pháp khuyến khích phi tập trung thông qua AI+Crypto, việc phát hành dữ liệu lưu lượng truy cập mong muốn của cá nhân và riêng tư để tài sản hóa nhằm cung cấp “nguồn cấp dữ liệu” tốt hơn và phong phú hơn cho các mô hình lớn nghe có vẻ là một cách tiếp cận rất logic. Thật vậy, một số đội đang tham gia sâu vào lĩnh vực này.

Tuy nhiên, thách thức lớn nhất trong chặng đường này là dữ liệu không dễ dàng được chuẩn hóa như sức mạnh tính toán. Đối với sức mạnh tính toán phi tập trung, mô hình cạc đồ họa của bạn trực tiếp chuyển thành một lượng sức mạnh tính toán nhất định, trong khi số lượng, chất lượng và mục đích của dữ liệu riêng tư rất khó đo lường trên nhiều chiều khác nhau. Nếu sức mạnh tính toán phi tập trung giống như ERC20, thì việc tài sản hóa dữ liệu đào tạo AI cho AI phi tập trung có cảm giác giống ERC721 hơn, kết hợp với nhiều dự án và đặc điểm như PunkAzuki, khiến tính thanh khoản và phát triển thị trường trở nên khó khăn hơn đáng kể so với ERC20. Do đó, các dự án làm việc về tài sản hóa dữ liệu AI đang gặp khó khăn đáng kể.

Một khía cạnh đáng chú ý khác của việc theo dõi dữ liệu là ghi nhãn phi tập trung. Việc tài sản hóa dữ liệu áp dụng cho bước “thu thập dữ liệu” và dữ liệu đã thu thập cần phải được xử lý trước khi cung cấp cho AI, đây là lúc cần gắn nhãn dữ liệu. Bước này hiện là một nhiệm vụ tập trung, tốn nhiều công sức. Bằng cách phân cấp quy trình này thông qua phần thưởng mã thông báo, biến công việc lao động này thành việc ghi nhãn phi tập trung để kiếm tiền hoặc phân tán công việc theo cách tương tự như nền tảng cung cấp dịch vụ cộng đồng, là một khái niệm đang được khám phá. Hiện nay có một số đội đang khai thác lĩnh vực này.

III. Những mảnh ghép còn thiếu trong AI + Crypto

Hãy thảo luận ngắn gọn, theo quan điểm của chúng tôi, những phần còn thiếu trong lĩnh vực AI + Crypto.

1. Rào cản công nghệ: Như đã đề cập trước đó, phần lớn các dự án AI + Crypto hầu như không có rào cản so với các dự án AI truyền thống trong không gian Web2. Họ dựa nhiều hơn vào các mô hình kinh tế và ưu đãi mã thông báo, tập trung nỗ lực vào trải nghiệm, thị trường và hoạt động của người dùng. Mặc dù điều này không có gì sai—sự phân quyền và phân phối giá trị thực sự là điểm mạnh của Web3—việc thiếu các rào cản cốt lõi thường tạo ra cảm giác “X để kiếm tiền”. Chúng tôi vẫn mong đợi có thêm nhiều nhóm có công nghệ cốt lõi, như OTOY, công ty mẹ của RNDR, đạt được những bước tiến đáng kể trong lĩnh vực Tiền điện tử.

2. Tình trạng người thực hành hiện tại: Dựa trên quan sát của chúng tôi, một số nhóm trong lĩnh vực AI x Crypto rất am hiểu về AI nhưng thiếu hiểu biết sâu về Web3. Ngược lại, một số nhóm rất bản địa về tiền điện tử nhưng lại có hiểu biết nông cạn về AI. Điều này rất giống với lĩnh vực Gamefi thời kỳ đầu, nơi các nhóm có hiểu biết sâu sắc về trò chơi và tìm cách thích ứng trò chơi Web2 với blockchain hoặc rất thành thạo về Web3, tập trung vào đổi mới và tối ưu hóa các mô hình kiếm tiền khác nhau. Matr1x là nhóm đầu tiên chúng tôi gặp trong lĩnh vực Gamefi có hiểu biết hạng A về cả trò chơi và tiền điện tử, đó là lý do tại sao trước đây tôi đã đề cập rằng Matr1x là một trong ba dự án vào năm 2023 mà tôi đã quyết định “ngay sau cuộc thảo luận”. Chúng tôi mong muốn được gặp các đội có hiểu biết hạng A về cả AI và Tiền điện tử vào năm 2024.

3. Kịch bản thương mại: AI X Crypto đang ở giai đoạn khám phá rất sớm. Các loại tài sản khác nhau được đề cập chỉ là một số hướng rộng, mỗi hướng đều có các phân ngành tiềm năng có thể được khám phá và phân chia một cách tỉ mỉ. Sự kết hợp giữa AI và Tiền điện tử trong các dự án hiện tại thường có cảm giác “cứng nhắc” hoặc “thô bạo”, không tận dụng được lợi thế cạnh tranh hoặc khả năng kết hợp tốt nhất của AI hoặc Tiền điện tử. Điều này liên quan chặt chẽ đến điểm thứ hai được đề cập ở trên. Ví dụ: nhóm phát triển nội bộ của chúng tôi đã hình thành và thiết kế một phương pháp kết hợp tối ưu hơn. Thật không may, mặc dù đã xem xét nhiều dự án trong lĩnh vực AI, chúng tôi vẫn chưa tìm được nhóm nào tham gia vào lĩnh vực này. Vì vậy, chúng ta chỉ có thể tiếp tục chờ đợi.

Tại sao VC của chúng tôi có thể nghĩ ra những tình huống nhất định trước các doanh nhân trên thị trường? Bởi vì nhóm AI nội bộ của chúng tôi bao gồm bảy bậc thầy, năm người trong số họ có bằng Tiến sĩ về AI. Về sự hiểu biết của nhóm ABCDE về tiền điện tử, bạn biết đấy…

Tóm lại, mặc dù từ góc độ thị trường sơ cấp, AI x Crypto vẫn còn rất sớm và non nớt, nhưng điều này không ngăn cản chúng ta lạc quan về triển vọng của nó trong năm 2024–2025. AI x Crypto có thể trở thành một trong những lĩnh vực chính trong thị trường tăng giá tiếp theo. Rốt cuộc, nếu AI giải phóng lực lượng sản xuất và blockchain giải phóng quan hệ sản xuất, thì còn sự kết hợp nào tốt hơn nữa? :)

Tuyên bố từ chối trách nhiệm:

1. Bài viết này được in lại từ [ABCDE], Mọi bản quyền thuộc về tác giả gốc [ABCDE]. Nếu có ý kiến phản đối việc tái bản này, vui lòng liên hệ với nhóm Gate Learn , họ sẽ xử lý kịp thời.
2. Tuyên bố miễn trừ trách nhiệm pháp lý: Các quan điểm và ý kiến trình bày trong bài viết này chỉ là của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Việc dịch bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được đề cập, việc sao chép, phân phối hoặc đạo văn các bài viết đã dịch đều bị cấm.