作者：PatrickBush，MatthewSigel?
來(lái)源：VanEck?
翻譯：善歐巴，
本文概述了人工智能加密貨幣到 2030 年的潛在收入場(chǎng)景，以 $102 億為基準(zhǔn)預(yù)測(cè)，并強(qiáng)調(diào)了公共區(qū)塊鏈在推動(dòng)人工智能采用方面通過(guò)關(guān)鍵功能發(fā)揮的重要作用。 請(qǐng)注意，VanEck 可能持有以下所述數(shù)字資產(chǎn)的頭寸。
關(guān)鍵要點(diǎn)：
在我們的基準(zhǔn)預(yù)測(cè)中，預(yù)計(jì)到 2030 年，加密貨幣人工智能收入將達(dá)到 102 億美元。
區(qū)塊鏈技術(shù)可能成為人工智能采用和去中心化人工智能解決方案進(jìn)步的關(guān)鍵驅(qū)動(dòng)因素。
與加密激勵(lì)措施的集成可以提高人工智能模型的安全性和效率。
區(qū)塊鏈可能成為解決人工智能身份驗(yàn)證和數(shù)據(jù)完整性挑戰(zhàn)的方案。
公共區(qū)塊鏈極有可能成為解鎖人工智能 (AI) 廣泛采用的關(guān)鍵，而 AI 應(yīng)用將成為加密貨幣存在的意義。這是因?yàn)榧用茇泿盘峁┝巳斯ぶ悄芩璧闹匾A(chǔ)元素，例如透明度、不可變性、明確定義的所有權(quán)屬性和對(duì)抗性測(cè)試環(huán)境。我們相信這些屬性將證明對(duì)人工智能充分發(fā)揮其潛力至關(guān)重要?；趯?duì)人工智能增長(zhǎng)的估計(jì)，我們認(rèn)為到 2030 年，專注于人工智能的加密項(xiàng)目收集的年度收入基準(zhǔn)預(yù)測(cè)為 102 億美元。在這篇文章中，我們推測(cè)了加密貨幣在促進(jìn)人工智能采用方面所扮演的角色以及加密貨幣將從人工智能業(yè)務(wù)中獲得的價(jià)值。
我們發(fā)現(xiàn)加密貨幣在人工智能中的最佳應(yīng)用是：
提供分散的計(jì)算資源
模型測(cè)試、微調(diào)和驗(yàn)證
版權(quán)保護(hù)和數(shù)據(jù)完整性
人工智能安全
身份
加密貨幣對(duì)人工智能來(lái)說(shuō)非常有用，因?yàn)樗呀?jīng)解決了人工智能當(dāng)前和未來(lái)面臨的許多挑戰(zhàn)。從本質(zhì)上講，加密貨幣解決了協(xié)調(diào)問(wèn)題。加密貨幣將人員、計(jì)算和貨幣資源結(jié)合在一起來(lái)運(yùn)行開(kāi)源軟件。它通過(guò)以與每個(gè)網(wǎng)絡(luò)的價(jià)值相關(guān)的代幣形式向創(chuàng)建、支持和使用每個(gè)區(qū)塊鏈網(wǎng)絡(luò)的人提供獎(jiǎng)勵(lì)來(lái)實(shí)現(xiàn)這一目標(biāo)。該獎(jiǎng)勵(lì)系統(tǒng)可用于引導(dǎo)人工智能價(jià)值堆棧的不同組件。將加密技術(shù)與人工智能相結(jié)合的一個(gè)重要意義在于，利用加密貨幣激勵(lì)措施來(lái)開(kāi)發(fā)必要的物理基礎(chǔ)設(shè)施，例如 GPU 集群，專門用于訓(xùn)練、微調(diào)和支持生成模型的使用。
區(qū)塊鏈還帶來(lái)了數(shù)字所有權(quán)的透明度，這可能有助于解決人工智能將在法庭上面臨的一些開(kāi)源軟件問(wèn)題，這在《紐約時(shí)報(bào)》訴 OpenAI 和微軟的訴訟中已經(jīng)很引人注目。也就是說(shuō)，加密可以透明地證明數(shù)據(jù)所有者、模型構(gòu)建者和模型用戶的所有權(quán)和版權(quán)保護(hù)。這種透明度還將擴(kuò)展到將模型有效性的數(shù)學(xué)證明發(fā)布到公共區(qū)塊鏈上。最后，由于不可偽造的數(shù)字簽名和數(shù)據(jù)完整性，我們相信公共區(qū)塊鏈將有助于減輕識(shí)別和安全問(wèn)題，否則這些問(wèn)題會(huì)削弱人工智能的有效性。
定義加密貨幣在人工智能企業(yè)中的作用
2030 年預(yù)計(jì)加密貨幣人工智能收入：熊市、基本情況、牛市情景
資料來(lái)源：摩根士丹利、彭博資訊、VanEck Research 截至 2024 年 1 月 29 日。過(guò)去的表現(xiàn)并不能保證將來(lái)的結(jié)果。本博客中提供的信息、估值情景和價(jià)格目標(biāo)無(wú)意作為財(cái)務(wù)建議或任何行動(dòng)號(hào)召、購(gòu)買或出售建議，或作為對(duì)人工智能業(yè)務(wù)未來(lái)表現(xiàn)的預(yù)測(cè)。未來(lái)的實(shí)際表現(xiàn)尚不清楚，可能與此處描述的假設(shè)結(jié)果有很大差異。所提出的場(chǎng)景中可能存在未考慮到的風(fēng)險(xiǎn)或其他因素，這些因素可能會(huì)阻礙績(jī)效。這些僅僅是基于我們研究的模擬結(jié)果，僅供說(shuō)明之用。請(qǐng)進(jìn)行自己的研究并得出自己的結(jié)論。
為了預(yù)測(cè)加密人工智能的市場(chǎng)，我們首先估計(jì)人工智能帶來(lái)的商業(yè)生產(chǎn)力收益的總可尋址市場(chǎng)（TAM），我們的這一數(shù)字的基線來(lái)自麥肯錫2022 年的假設(shè)。然后，我們將經(jīng)濟(jì)和生產(chǎn)率增長(zhǎng)假設(shè)應(yīng)用到麥肯錫的數(shù)據(jù)中，找到一個(gè)基本案例，即 2030 年 TAM 為 5.85T 美元。在此基本情況下，我們假設(shè) AI 生產(chǎn)力增長(zhǎng)比 GDP 增長(zhǎng)高 50%，GDP 增長(zhǎng) 3%。然后，我們預(yù)測(cè)人工智能在全球企業(yè)中的市場(chǎng)滲透率（在基本情況下為 33%），并將其應(yīng)用到我們的初始 TAM 中，預(yù)計(jì)人工智能將為企業(yè)帶來(lái) 1.93T 美元的生產(chǎn)力提升。為了計(jì)算所有人工智能業(yè)務(wù)的收入，我們假設(shè)這些生產(chǎn)力收益的 13% 由人工智能業(yè)務(wù)捕獲（或由企業(yè)消費(fèi)者花費(fèi)）作為收入。我們通過(guò)應(yīng)用標(biāo)準(zhǔn)普爾 500 強(qiáng)企業(yè)勞動(dòng)力成本的平均收入份額來(lái)估算人工智能收入占比，并假設(shè)人工智能支出應(yīng)該相似。我們分析的下一部分應(yīng)用 Bloomberg Intelligence 對(duì) AI 價(jià)值堆棧分布的預(yù)測(cè)來(lái)估算每個(gè) AI 業(yè)務(wù)群體的年收入。最后，我們對(duì)每個(gè)人工智能業(yè)務(wù)的加密貨幣市場(chǎng)份額進(jìn)行具體估計(jì)，以得出每個(gè)案例和每個(gè)市場(chǎng)的最終數(shù)據(jù)。
我們?cè)O(shè)想未來(lái)將利用開(kāi)源公共存儲(chǔ)庫(kù)構(gòu)建的去中心化人工智能模型應(yīng)用于每個(gè)可以想象的用例。在許多情況下，這些開(kāi)源模型勝過(guò)集中式人工智能創(chuàng)作。這一假設(shè)的基礎(chǔ)源于這樣的假設(shè)：開(kāi)源社區(qū)將有獨(dú)特動(dòng)機(jī)改進(jìn)事物的愛(ài)好者和愛(ài)好者聚集在一起。我們已經(jīng)看到開(kāi)源互聯(lián)網(wǎng)項(xiàng)目打破了傳統(tǒng)業(yè)務(wù)。這種現(xiàn)象最好的例子是維基百科有效地結(jié)束了商業(yè)百科全書(shū)業(yè)務(wù)，而推特則擾亂了新聞媒體。這些開(kāi)源社區(qū)在傳統(tǒng)企業(yè)失敗的地方取得了成功，因?yàn)殚_(kāi)源團(tuán)體通過(guò)社會(huì)影響力、意識(shí)形態(tài)和團(tuán)體團(tuán)結(jié)的結(jié)合來(lái)協(xié)調(diào)和激勵(lì)人們提供價(jià)值。簡(jiǎn)而言之，?關(guān)心。
將開(kāi)源人工智能模型與加密貨幣激勵(lì)相結(jié)合，可以擴(kuò)大這些新興社區(qū)的影響力，賦予他們財(cái)務(wù)能力，以創(chuàng)建必要的基礎(chǔ)設(shè)施來(lái)吸引新參與者。將這一前提應(yīng)用于人工智能將是熱情和金錢資源的迷人結(jié)合。人工智能模型將在加密貨幣激勵(lì)競(jìng)賽中接受測(cè)試，建立模型評(píng)估基準(zhǔn)的環(huán)境。在這種環(huán)境下，最有效的模型和評(píng)估標(biāo)準(zhǔn)會(huì)獲勝，因?yàn)槊總€(gè)模型的價(jià)值都被明確量化。因此，在我們的基本案例中，我們預(yù)計(jì)區(qū)塊鏈生成的人工智能模型將占所有人工智能軟件收入的 5%。這一估算包括硬件、軟件、服務(wù)、廣告、游戲等，反映了企業(yè)運(yùn)營(yíng)數(shù)量的轉(zhuǎn)變。在 AI 軟件的總收入中，我們預(yù)計(jì)這將占所有 AI 收入的一半左右，即 $125.50B 左右。因此，我們預(yù)計(jì)開(kāi)源模型的 5% 市場(chǎng)份額相當(dāng)于$6.27B的收入將用于加密代幣支持的人工智能模型。
我們預(yù)計(jì)，到 2030 年，用于微調(diào)、訓(xùn)練和推理的計(jì)算（或人工智能基礎(chǔ)設(shè)施即服務(wù)）的 TAM 可能會(huì)達(dá)到 $47.44B。隨著人工智能的廣泛采用，人工智能將成為世界經(jīng)濟(jì)許多功能不可或缺的一部分，計(jì)算和存儲(chǔ)的供應(yīng)可以被設(shè)想為類似于發(fā)電和配電的公共設(shè)施。在這種動(dòng)態(tài)中，絕大多數(shù)“基本負(fù)載”將來(lái)自 Amazon 和 Google 等 GPU 云超大規(guī)模企業(yè)，其市場(chǎng)份額將近似帕累托分布80%。我們看到區(qū)塊鏈分配的后端服務(wù)器基礎(chǔ)設(shè)施可以滿足特殊需求，并在高網(wǎng)絡(luò)需求期間充當(dāng)“峰值”提供商。對(duì)于定制人工智能模型的生產(chǎn)者來(lái)說(shuō)，加密存儲(chǔ)和計(jì)算提供商提供了諸如按需服務(wù)交付、更短的 SLA 鎖定期、更定制的計(jì)算環(huán)境以及更高的延遲敏感性等優(yōu)勢(shì)。此外，去中心化 GPU 可以與智能合約中的去中心化 AI 模型無(wú)縫集成，從而實(shí)現(xiàn) AI 代理擴(kuò)展自己的計(jì)算需求的無(wú)需許可的用例。將區(qū)塊鏈提供的 GPU 視為人工智能計(jì)算基礎(chǔ)設(shè)施的 Uber/Lyft 等價(jià)物，我們認(rèn)為區(qū)塊鏈提供的計(jì)算和存儲(chǔ)將占據(jù)人工智能基礎(chǔ)設(shè)施非超大規(guī)模市場(chǎng)的 20%，可能產(chǎn)生到 2030 年將達(dá)到 $1.90B。
通過(guò)可證明的鏈上人性在人工智能代理和模型的背景下定義“身份”可以被視為世界計(jì)算機(jī)網(wǎng)絡(luò)的女巫防御機(jī)制。我們可以通過(guò)檢查與保護(hù)不同區(qū)塊鏈網(wǎng)絡(luò)相關(guān)的費(fèi)用來(lái)估計(jì)這項(xiàng)服務(wù)的成本。2023 年，比特幣、以太坊和 Solana 的成本分別約為1.71%、4.3%、 和 5.57%，分別為每個(gè)網(wǎng)絡(luò)通脹發(fā)行價(jià)值的 5.57%。保守地說(shuō)，我們可以推斷身份識(shí)別應(yīng)占人工智能市場(chǎng)的 3.5% 左右。考慮到 AI 軟件的 TAM 為 $125.5B，這對(duì)應(yīng)于 $8.78B 的年度收入。由于我們相信加密貨幣為身份問(wèn)題提供了最佳解決方案，因此我們相信它將占據(jù)該終端市場(chǎng) 10% 的市場(chǎng)份額，預(yù)計(jì)其年收入約為?8.78 億美元。
人工智能安全有望成為人工智能設(shè)備的另一個(gè)重要組成部分，其基本要求是使用未損壞的、相關(guān)的最新數(shù)據(jù)來(lái)驗(yàn)證模型是否運(yùn)行正確。隨著人工智能擴(kuò)展到人類生命面臨風(fēng)險(xiǎn)的應(yīng)用領(lǐng)域，例如自動(dòng)駕駛汽車、工廠機(jī)器人和醫(yī)療保健系統(tǒng)，對(duì)失敗的容忍度變得很小。發(fā)生事故時(shí)問(wèn)責(zé)的需要將推動(dòng)保險(xiǎn)市場(chǎng)需要具體的安全證明。公共區(qū)塊鏈?zhǔn)菍?shí)現(xiàn)此功能的理想選擇，因?yàn)樗鼈兛梢栽谌魏稳硕伎梢钥吹降牟豢筛牡姆诸愘~上發(fā)布“安全證明”。這項(xiàng)業(yè)務(wù)可以被認(rèn)為類似于金融機(jī)構(gòu)的合規(guī)性。考慮到美國(guó)的商業(yè)和投資銀行產(chǎn)生 $660B 的收入，同時(shí)花費(fèi) $58.75B 的合規(guī)成本（占收入的 8.9%），我們預(yù)計(jì) AI 安全應(yīng)占 $251B AI TAM 的 $22.34B 左右。盡管加密貨幣具有增強(qiáng)人工智能安全的潛力，但鑒于美國(guó)政府對(duì)人工智能的關(guān)注，我們相信人工智能的大部分合規(guī)性將是集中的。因此，我們估計(jì)加密貨幣將占該市場(chǎng)的 5% 左右，即$1.12B左右。
組織分散的計(jì)算資源
加密貨幣可以將其巨大的社會(huì)和財(cái)務(wù)協(xié)調(diào)優(yōu)勢(shì)應(yīng)用于計(jì)算訪問(wèn)的民主化，從而解決當(dāng)前困擾人工智能開(kāi)發(fā)人員的痛點(diǎn)。除了高昂的成本和獲得優(yōu)質(zhì) GPU 的機(jī)會(huì)有限之外，人工智能模型構(gòu)建者目前還面臨著其他棘手的問(wèn)題。其中包括供應(yīng)商鎖定、缺乏安全性、計(jì)算可用性有限、延遲差以及國(guó)家法律規(guī)定的地理圍欄。
加密貨幣能夠滿足人工智能對(duì) GPU 的需求，源于加密貨幣通過(guò)代幣激勵(lì)匯集資源的能力。比特幣網(wǎng)絡(luò)的代幣價(jià)值為 850B 美元，股權(quán)價(jià)值為 20B 美元，這證明了這種能力。因此，當(dāng)前的比特幣礦工和有前途的去中心化 GPU 市場(chǎng)都有潛力通過(guò)提供去中心化計(jì)算來(lái)為人工智能增加巨大的價(jià)值。
對(duì)于理解通過(guò)區(qū)塊鏈提供 GPU 的一個(gè)有用的類比是發(fā)電業(yè)務(wù)。簡(jiǎn)單來(lái)說(shuō)，有一些實(shí)體運(yùn)營(yíng)著大型、昂貴的工廠，可以穩(wěn)定地發(fā)電以滿足大多數(shù)電網(wǎng)需求。這些“基本負(fù)荷”工廠的需求穩(wěn)定，但需要大量的建設(shè)資本投資，導(dǎo)致資本回報(bào)率相對(duì)較低但有保證。補(bǔ)充基本負(fù)載的是另一類稱為“峰值功率”的發(fā)電機(jī)。當(dāng)電力需求超過(guò)基本負(fù)荷發(fā)電能力時(shí)，這些企業(yè)提供電力。這涉及高成本、小規(guī)模的能源生產(chǎn)，其戰(zhàn)略定位接近該能源的需求。我們預(yù)計(jì)“按需計(jì)算”領(lǐng)域也會(huì)出現(xiàn)類似的動(dòng)態(tài)。
比特幣礦工多元化進(jìn)入人工智能領(lǐng)域
比特幣和其他工作量證明加密貨幣與人工智能一樣對(duì)能源有很高的需求。這種能源必須被創(chuàng)造、獲取、運(yùn)輸并分解成可用電力來(lái)為采礦設(shè)備和計(jì)算集群供電。該供應(yīng)鏈需要礦商對(duì)發(fā)電廠、購(gòu)電協(xié)議、電網(wǎng)基礎(chǔ)設(shè)施和數(shù)據(jù)中心設(shè)施進(jìn)行大量投資。挖礦 PoW 加密貨幣帶來(lái)的貨幣激勵(lì)導(dǎo)致了許多分布在全球的比特幣礦工的出現(xiàn)，這些礦工擁有能源和電力權(quán)利以及集成的網(wǎng)格架構(gòu)。這些能源大部分來(lái)自成本較低、社會(huì)回避的碳密集型能源。因此，比特幣礦工可以提供的最引人注目的價(jià)值主張是為人工智能后端基礎(chǔ)設(shè)施提供動(dòng)力的低成本能源基礎(chǔ)設(shè)施。
AWS 和微軟等超大規(guī)模計(jì)算提供商一直奉行投資垂直整合運(yùn)營(yíng)并建立自己的能源生態(tài)系統(tǒng)的戰(zhàn)略。大型科技公司已經(jīng)向上游發(fā)展，設(shè)計(jì)自己的芯片并采購(gòu)自己的能源，其中大部分是可再生能源。目前，數(shù)據(jù)中心消耗了美國(guó)企業(yè)可用的可再生能源的三分之二。微軟和亞馬遜都承諾到 2025 年實(shí)現(xiàn) 100% 可再生能源供應(yīng)。然而，如果預(yù)期的計(jì)算需求超出預(yù)期，正如一些人所說(shuō)，到 2027 年，以人工智能為中心的數(shù)據(jù)中心數(shù)量可能會(huì)增加一倍，資本支出可能是目前估計(jì)的三倍。大型科技公司已經(jīng)支付了 0.06-0.10 美元/千瓦時(shí)的電力費(fèi)用，比競(jìng)爭(zhēng)性比特幣礦工通常支付的價(jià)格（0.03-0.05 千瓦時(shí)）貴得多。如果人工智能對(duì)能源的需求超過(guò)了大型科技公司當(dāng)前的基礎(chǔ)設(shè)施計(jì)劃，那么比特幣礦商相對(duì)于超大規(guī)模礦商的電力成本優(yōu)勢(shì)可能會(huì)大幅增加。礦工越來(lái)越被與 GPU 供應(yīng)相關(guān)的高利潤(rùn)人工智能業(yè)務(wù)所吸引。值得注意的是，蜂巢10 月份報(bào)道稱，按每兆瓦計(jì)算，其 HPC 和 AI 業(yè)務(wù)產(chǎn)生的收入是比特幣挖礦的 15 倍。其他抓住人工智能機(jī)會(huì)的比特幣礦工包括 Hut 8 和 Applied Digital。
比特幣礦商在這個(gè)新市場(chǎng)中經(jīng)歷了增長(zhǎng)，這有助于實(shí)現(xiàn)收入多元化并增強(qiáng)收益報(bào)告。在 Hut 8 的 2023 年第三季度分析師電話會(huì)議中，首席執(zhí)行官 Jaime Leverton 表示：“在我們的 HPC 業(yè)務(wù)中，我們?cè)诘谌径韧ㄟ^(guò)新客戶的增加和現(xiàn)有客戶的增長(zhǎng)創(chuàng)造了一些動(dòng)力。上周，我們推出了按需云服務(wù)，為那些從我們的 GPU 尋求 HPC 服務(wù)的客戶提供基于 Kubernetes 的應(yīng)用程序，這些應(yīng)用程序可以支持人工智能、機(jī)器學(xué)習(xí)、視覺(jué)效果和渲染工作負(fù)載。這項(xiàng)服務(wù)將控制權(quán)交到我們的客戶手中，同時(shí)將配置時(shí)間從幾天縮短到幾分鐘，這對(duì)于那些尋求短期 HPC 項(xiàng)目的人來(lái)說(shuō)尤其具有吸引力。小屋8已實(shí)現(xiàn)2023 年第三季度 HPC 業(yè)務(wù)收入為 450 萬(wàn)美元，占該公司同期收入的 25% 以上。對(duì) HPC 服務(wù)和新產(chǎn)品的需求不斷增長(zhǎng)，應(yīng)有助于該業(yè)務(wù)線的未來(lái)增長(zhǎng)，隨著比特幣減半即將到來(lái)，HPC 收入可能很快就會(huì)超過(guò)挖礦收入，具體取決于市場(chǎng)狀況。
盡管他們的業(yè)務(wù)聽(tīng)起來(lái)很有前途，但轉(zhuǎn)向人工智能的比特幣礦工可能會(huì)因缺乏數(shù)據(jù)中心建設(shè)技能或無(wú)法擴(kuò)大電力供應(yīng)而陷入困境。由于雇用新的以數(shù)據(jù)中心為中心的銷售人員的成本，這些礦工還可能會(huì)發(fā)現(xiàn)與運(yùn)營(yíng)管理費(fèi)用相關(guān)的挑戰(zhàn)。此外，當(dāng)前的采礦作業(yè)沒(méi)有足夠的網(wǎng)絡(luò)延遲或帶寬，因?yàn)樗鼈儗?duì)廉價(jià)能源的優(yōu)化導(dǎo)致它們位于偏遠(yuǎn)地區(qū)，通常缺乏高速光纖連接。
為人工智能實(shí)施去中心化云
我們還看到了以計(jì)算為中心的加密項(xiàng)目的長(zhǎng)尾，這些項(xiàng)目將占據(jù)人工智能服務(wù)器資源市場(chǎng)的一小部分但很大一部分。這些實(shí)體將協(xié)調(diào)超大規(guī)模之外的計(jì)算集群，以提供適合新貴人工智能構(gòu)建者需求的價(jià)值主張。去中心化計(jì)算的好處包括可定制性、開(kāi)放訪問(wèn)和更好的合同條款。這些基于區(qū)塊鏈的計(jì)算公司使小型人工智能參與者能夠避免 H100 和 A100 等高端 GPU 的巨額費(fèi)用和普遍不可用的情況。加密人工智能企業(yè)將通過(guò)創(chuàng)建圍繞加密代幣激勵(lì)構(gòu)建的物理基礎(chǔ)設(shè)施網(wǎng)絡(luò)來(lái)滿足需求，同時(shí)提供專有IP來(lái)創(chuàng)建軟件基礎(chǔ)設(shè)施以優(yōu)化人工智能應(yīng)用程序的計(jì)算使用。區(qū)塊鏈計(jì)算項(xiàng)目將使用市場(chǎng)方法和加密獎(jiǎng)勵(lì)來(lái)從獨(dú)立數(shù)據(jù)中心、具有過(guò)剩計(jì)算能力的實(shí)體和前 PoW 礦工那里發(fā)現(xiàn)更便宜的計(jì)算。為人工智能模型提供去中心化計(jì)算的一些項(xiàng)目包括Akash、渲染和io.net。
Akash每日收入
Akash每日收入。資料來(lái)源：Cloudmos 截至 2024 年 1 月 30 日。過(guò)去的表現(xiàn)并不能保證將來(lái)的結(jié)果。
Akash 是一個(gè)基于 Cosmos 的項(xiàng)目，可以認(rèn)為是一個(gè)通用的去中心化“超級(jí)云””，提供 CPU、GPU、內(nèi)存和存儲(chǔ)。實(shí)際上，它是一個(gè)連接云服務(wù)用戶和云服務(wù)提供商的雙向市場(chǎng)。Akash 的軟件旨在協(xié)調(diào)計(jì)算供應(yīng)與需求，同時(shí)創(chuàng)建促進(jìn) AI 模型訓(xùn)練、微調(diào)和運(yùn)行的工具。Akash 還確保市場(chǎng)買家和賣家誠(chéng)實(shí)履行其義務(wù)。Akash 通過(guò)其 $AKT 代幣進(jìn)行協(xié)調(diào)，該代幣可用于以折扣價(jià)支付云服務(wù)費(fèi)用。$AKT 還作為 GPU 計(jì)算提供商和其他網(wǎng)絡(luò)參與者的激勵(lì)機(jī)制。在供應(yīng)方面，Akash 在添加計(jì)算供應(yīng)商方面取得了長(zhǎng)足進(jìn)步，因?yàn)?Akash 市場(chǎng)上有 65 家不同的供應(yīng)商。盡管在 Akash 的 AI 超級(jí)云于 2023 年 8 月 31 日首次亮相之前，計(jì)算需求一直低迷，
最近遷移到 Solana 的 Render 最初專注于將藝術(shù)家與分散的團(tuán)體聯(lián)系起來(lái)，這些團(tuán)體將提供 GPU 能力來(lái)渲染圖像和視頻。然而，Render 已開(kāi)始將其去中心化 GPU 集群的重點(diǎn)放在滿足機(jī)器學(xué)習(xí)工作負(fù)載上，以支持深度學(xué)習(xí)模型。通過(guò)網(wǎng)絡(luò)改進(jìn)提案RNP-004，Render 現(xiàn)在擁有一個(gè) API 可以連接外部網(wǎng)絡(luò)（例如 io.net），該網(wǎng)絡(luò)將利用 Render 的 GPU 網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)。渲染社區(qū)隨后提出的提案獲得通過(guò)，允許通過(guò)Beam和FEDML訪問(wèn)其 GPU來(lái)完成機(jī)器學(xué)習(xí)任務(wù)。因此，Render 已成為 GPU 工作負(fù)載的去中心化促進(jìn)者，通過(guò)向提供商支付 RNDR 美元以及向運(yùn)行網(wǎng)絡(luò)后端基礎(chǔ)設(shè)施的實(shí)體提供 RNDR 激勵(lì)來(lái)協(xié)調(diào)。
Io.net GPU 價(jià)格比較。來(lái)源：io.net截至 2024 年 1 月 4 日。
Solana 上另一個(gè)有趣的項(xiàng)目是 io.net，它被認(rèn)為是 DePIN 或去中心化物理基礎(chǔ)設(shè)施網(wǎng)絡(luò)。io.net 的目的也是提供 GPU，但其重點(diǎn)僅在于應(yīng)用 GPU 來(lái)驅(qū)動(dòng) AI 模型。除了簡(jiǎn)單地協(xié)調(diào)計(jì)算之外，Io.net 還在其核心堆棧中添加了更多服務(wù)。其系統(tǒng)聲稱可以處理人工智能的所有組件，包括創(chuàng)建、使用和微調(diào)，以正確促進(jìn)整個(gè)網(wǎng)絡(luò)中的人工智能工作負(fù)載并對(duì)其進(jìn)行故障排除。該項(xiàng)目還利用了其他去中心化 GPU 網(wǎng)絡(luò)，例如 Render 和 Filecoin 及其自己的 GPU。盡管 io.net 目前缺乏代幣，但計(jì)劃于 2024 年第一季度推出。
克服去中心化計(jì)算的瓶頸
然而，由于典型的633TB+提出的網(wǎng)絡(luò)需求，利用這種分布式計(jì)算仍然是一個(gè)挑戰(zhàn)訓(xùn)練深度學(xué)習(xí)模型所需的數(shù)據(jù)。由于計(jì)算機(jī)能力的延遲和差異，位于全球各地的計(jì)算機(jī)系統(tǒng)也給并行模型訓(xùn)練帶來(lái)了新的障礙。Together 是一家積極進(jìn)軍開(kāi)源基礎(chǔ)模型市場(chǎng)的公司，該公司正在構(gòu)建一個(gè)去中心化云來(lái)托管開(kāi)源人工智能模型。Together 將使研究人員、開(kāi)發(fā)人員和公司能夠通過(guò)結(jié)合數(shù)據(jù)、模型和計(jì)算的直觀平臺(tái)來(lái)利用和改進(jìn)人工智能，擴(kuò)大人工智能的可訪問(wèn)性并為下一代科技公司提供支持。Together 與領(lǐng)先的學(xué)術(shù)研究機(jī)構(gòu)合作，構(gòu)建了 Together 研究計(jì)算機(jī)，使實(shí)驗(yàn)室能夠集中計(jì)算進(jìn)行人工智能研究。該公司還與斯坦?；A(chǔ)模型研究中心 (CRFM) 合作創(chuàng)建了語(yǔ)言模型的整體評(píng)估 (HELM)。HELM 是一個(gè)“活基準(zhǔn)”，旨在通過(guò)提供評(píng)估此類基礎(chǔ)模型的標(biāo)準(zhǔn)化框架來(lái)提高人工智能的透明度。
自 Together 成立以來(lái)，創(chuàng)始人 Vipul Ved Prakash 率先啟動(dòng)了多個(gè)項(xiàng)目，包括 1) GPT-JT，一個(gè)開(kāi)放式 LLM，具有通過(guò)
HELM (RAFT) 分?jǐn)?shù)
GPT-JT 性能。來(lái)源：截至 2024 年 1 月 4 日的解碼器。
我們相信像Together這樣的去中心化和民主化的云計(jì)算解決方案可以顯著削減構(gòu)建新模型的成本，從而有可能顛覆亞馬遜網(wǎng)絡(luò)服務(wù)、谷歌云和Azure等老牌巨頭并與之競(jìng)爭(zhēng)。就上下文而言，將 AWS 容量塊和 AWS p5.48xlarge 實(shí)例與配置有相同數(shù)量的 H100 SXM5 GPU 的 Together GPU 集群進(jìn)行比較，Together 的定價(jià)大約比 AWS 低 4 倍。
隨著開(kāi)放式法學(xué)碩士變得越來(lái)越準(zhǔn)確并得到更廣泛的采用，Together 可能成為開(kāi)源模型的行業(yè)標(biāo)準(zhǔn)，就像紅帽之于 Linux 一樣。該領(lǐng)域的競(jìng)爭(zhēng)對(duì)手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。
通過(guò)加密貨幣激勵(lì)增強(qiáng)人工智能模型
區(qū)塊鏈和加密貨幣激勵(lì)措施證明，網(wǎng)絡(luò)效應(yīng)和與網(wǎng)絡(luò)效應(yīng)大小相關(guān)的獎(jiǎng)勵(lì)迫使人們從事有用的工作。在比特幣挖礦的背景下，該任務(wù)是通過(guò)使用昂貴的電力、技術(shù)人力和 ASIC 機(jī)器來(lái)保護(hù)比特幣網(wǎng)絡(luò)。這種經(jīng)濟(jì)資源的協(xié)調(diào)提供了一種女巫攻擊防御機(jī)制，防止對(duì)比特幣的經(jīng)濟(jì)攻擊。作為交換，協(xié)調(diào)這些資源的礦工將獲得 BTC 美元。然而，人工智能有用工作的綠色空間要大得多，一些項(xiàng)目已經(jīng)在推動(dòng)人工智能和機(jī)器學(xué)習(xí)模型的改進(jìn)。
這些項(xiàng)目中最原始的是Numerai。目前，Numerai 可以被視為一項(xiàng)去中心化數(shù)據(jù)科學(xué)錦標(biāo)賽，旨在確定最佳機(jī)器學(xué)習(xí)模型，通過(guò)建立股票投資組合來(lái)優(yōu)化財(cái)務(wù)回報(bào)。在每個(gè)時(shí)代，匿名 Numerai 參與者都被授予訪問(wèn)隱藏原始數(shù)據(jù)的權(quán)限，并被要求利用這些數(shù)據(jù)來(lái)構(gòu)建表現(xiàn)最佳的股票投資組合。為了參與，用戶不僅被要求提交預(yù)測(cè)，還被迫在其模型的預(yù)測(cè)背后投入 NMR 代幣，以證明這些模型的價(jià)值。其他用戶也可以在他們認(rèn)為性能最佳的模型上投入代幣。然后，每個(gè)質(zhì)押、提交的模型的輸出都會(huì)被輸入到機(jī)器學(xué)習(xí)算法中，以創(chuàng)建一個(gè)元模型，為 Numerai One 對(duì)沖基金的投資決策提供信息。提交具有最佳信息系數(shù)或有效性的“推論”的用戶將獲得 NMR 代幣獎(jiǎng)勵(lì)。與此同時(shí)，那些質(zhì)押最差模型的人的代幣將被削減（沒(méi)收并重新用于獎(jiǎng)勵(lì)獲勝者）。
Bittensor 上的子網(wǎng)和用例。來(lái)源： https:?//taostats.io/api/截至 2024 年 1 月 2 日。
Bittensor是一個(gè)大規(guī)模擴(kuò)展 Numerai 核心概念的類似項(xiàng)目。Bittensor 可以被認(rèn)為是“機(jī)器智能的比特幣”，因?yàn)樗且粋€(gè)為 AI/ML 模型提供經(jīng)濟(jì)激勵(lì)的網(wǎng)絡(luò)。這是由構(gòu)建人工智能模型的“礦工”和評(píng)估這些模型輸出質(zhì)量的“驗(yàn)證者”實(shí)體來(lái)完成的。Bittensor 的架構(gòu)是一個(gè)基礎(chǔ)網(wǎng)絡(luò)和許多較小的子網(wǎng)（子網(wǎng)）的架構(gòu)。每個(gè)子網(wǎng)絡(luò)都專注于機(jī)器智能的不同領(lǐng)域。驗(yàn)證者會(huì)向這些子網(wǎng)上的礦工提出各種問(wèn)題或請(qǐng)求，以評(píng)估其人工智能模型的質(zhì)量。
表現(xiàn)最好的模型將獲得最高的 TAO 代幣獎(jiǎng)勵(lì)，而驗(yàn)證者則因?qū)ΦV工的準(zhǔn)確評(píng)估而獲得補(bǔ)償。在更高的層面上，驗(yàn)證者和礦工都必須質(zhì)押代幣才能參與每個(gè)子網(wǎng)，每個(gè)子網(wǎng)占總質(zhì)押的比例決定了它從所有 Bittensor 總通脹中獲得多少 TAO 代幣。因此，每個(gè)礦工不僅有動(dòng)力優(yōu)化其模型以贏得最多的獎(jiǎng)勵(lì)，而且有動(dòng)力將其模型集中在最佳的人工智能領(lǐng)域子網(wǎng)上。此外，由于礦工和驗(yàn)證者必須維持資金才能參與，因此每個(gè)人都必須超過(guò)資本成本障礙，否則就會(huì)退出系統(tǒng)。
截至 2024 年 1 月，共有 32 個(gè)不同的子網(wǎng)，每個(gè)子網(wǎng)專用于機(jī)器學(xué)習(xí)或人工智能的特定領(lǐng)域。例如，Subnet 1是類似于ChatGPT的提示LLM的文本。在這個(gè)子網(wǎng)上，礦工運(yùn)行各種經(jīng)過(guò)調(diào)整的 LLM 版本，以最好地響應(yīng)評(píng)估響應(yīng)質(zhì)量的驗(yàn)證者的提示。在名為“Taoshi”的子網(wǎng) 8 上，礦工提交對(duì)比特幣和各種金融資產(chǎn)價(jià)格的短期預(yù)測(cè)。Bittensor 還擁有專用于人類語(yǔ)言翻譯、存儲(chǔ)、音頻、網(wǎng)絡(luò)抓取、機(jī)器翻譯和圖像生成的子網(wǎng)。子網(wǎng)創(chuàng)建是無(wú)需許可的，任何擁有 200 TAO 的人都可以創(chuàng)建子網(wǎng)。子網(wǎng)運(yùn)營(yíng)商負(fù)責(zé)為每個(gè)子網(wǎng)的活動(dòng)創(chuàng)建評(píng)估和獎(jiǎng)勵(lì)機(jī)制。例如，Opentensor，Bittensor 背后的基礎(chǔ)，Cerebras評(píng)估礦工在該子網(wǎng)上的 LLM 輸出。
雖然這些子網(wǎng)最初都是由通貨膨脹獎(jiǎng)勵(lì)全額補(bǔ)貼的，但每個(gè)子網(wǎng)最終都必須在經(jīng)濟(jì)上維持自身。因此，子網(wǎng)運(yùn)營(yíng)商和驗(yàn)證者必須協(xié)調(diào)創(chuàng)建工具，以允許外部用戶付費(fèi)訪問(wèn)每個(gè)子網(wǎng)的服務(wù)。隨著通貨膨脹的 TAO 獎(jiǎng)勵(lì)減少，每個(gè)子網(wǎng)將越來(lái)越依賴外部收入來(lái)維持自身。在這種競(jìng)爭(zhēng)環(huán)境中，存在著創(chuàng)造最佳模型的直接經(jīng)濟(jì)壓力以及其他人創(chuàng)造有利可圖的現(xiàn)實(shí)世界的激勵(lì)措施這些模型的應(yīng)用程序。Bittensor 正在利用斗志旺盛的小型企業(yè)來(lái)識(shí)別人工智能模型并從中獲利，從而釋放人工智能的潛力。正如著名的 Bittensor 傳播者 MogMachine 所說(shuō)，這種動(dòng)態(tài)可以被視為“人工智能的達(dá)爾文競(jìng)爭(zhēng)”。
另一個(gè)有趣的項(xiàng)目是利用加密技術(shù)來(lái)激勵(lì)人工智能代理的創(chuàng)建，這些人工智能代理被編程為代表人類或其他計(jì)算機(jī)程序自主完成任務(wù)。這些實(shí)體本質(zhì)上是旨在解決特定問(wèn)題的自適應(yīng)計(jì)算機(jī)程序。代理是一個(gè)包羅萬(wàn)象的術(shù)語(yǔ)，涵蓋聊天機(jī)器人、自動(dòng)交易策略、游戲角色，甚至虛擬宇宙助手。該領(lǐng)域的一個(gè)著名項(xiàng)目是Altered State Machine，這是一個(gè)使用 NFT 創(chuàng)建擁有、供電和訓(xùn)練的人工智能代理的平臺(tái)。在 Altered State Machine 中，用戶創(chuàng)建他們的“代理”，然后使用分散的 GPU 集群“訓(xùn)練”它們。這些代理針對(duì)特定用例進(jìn)行了優(yōu)化。另一個(gè)項(xiàng)目，F(xiàn)etch.ai，是一個(gè)用于創(chuàng)建根據(jù)每個(gè)用戶的需求定制的代理的平臺(tái)。Fetch.ai 也是一家 SaaS 業(yè)務(wù)，允許注冊(cè)和租賃或出售代理。
自 2023 年 1 月 1 日起 AI 代幣的回報(bào)
來(lái)源：Artemis?XYZ 截至 2024 年 1 月 10 日。過(guò)去的表現(xiàn)并不能保證將來(lái)的結(jié)果。
通過(guò)零知識(shí) (zk) 證明進(jìn)行驗(yàn)證
2023 年是新 AI 模型的標(biāo)志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度學(xué)習(xí)的前景，截至 2023 年 6 月，美國(guó)有超過(guò)18,563 家人工智能相關(guān)初創(chuàng)企業(yè)。這些初創(chuàng)企業(yè)和其他企業(yè)已經(jīng)生產(chǎn)了數(shù)千個(gè)新的基礎(chǔ)模型和微調(diào)模型。然而，在人工智能相關(guān)公司投資的每 4 美元風(fēng)險(xiǎn)投資中就有 1 美元投資的領(lǐng)域中，許多新實(shí)體的激增應(yīng)該引起嚴(yán)重關(guān)注。
誰(shuí)實(shí)際創(chuàng)建并擁有每個(gè)模型？
輸出實(shí)際上是由指定模型產(chǎn)生的嗎？
該模式真的像宣傳的那樣有效嗎？
每個(gè)模型的數(shù)據(jù)源是什么以及誰(shuí)擁有該數(shù)據(jù)？
訓(xùn)練、微調(diào)和/或推理是否侵犯了任何版權(quán)或數(shù)據(jù)權(quán)？
這些模型的投資者和用戶都應(yīng)該 100% 確定他們可以解決這些問(wèn)題。目前，針對(duì) LLM 輸出的不同組件存在許多基準(zhǔn)測(cè)試，例如用于代碼生成的HumanEval、用于 LLM 輔助任務(wù)的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，盡管嘗試了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，沒(méi)有具體證據(jù)證明模型的有效性、最終來(lái)源或其訓(xùn)練/推理數(shù)據(jù)的來(lái)源。不僅可以對(duì)基準(zhǔn)進(jìn)行游戲，而且還不能確定特定模型是否實(shí)際運(yùn)行（而不是使用連接到另一個(gè)模型的 API），也不能保證排行榜本身是誠(chéng)實(shí)的。
這就是公共區(qū)塊鏈、人工智能和稱為零知識(shí)（zk）證明的前沿?cái)?shù)學(xué)領(lǐng)域的統(tǒng)一。zk 證明是密碼學(xué)的一種應(yīng)用，它允許某人以所需水平的數(shù)學(xué)確定性證明他們對(duì)數(shù)據(jù)所做的陳述是正確的，而無(wú)需向任何人透露底層數(shù)據(jù)。語(yǔ)句可以包括簡(jiǎn)單的聲明（例如排名），但可以擴(kuò)展到復(fù)雜的數(shù)學(xué)計(jì)算。例如，某人不僅可以證明他或她知道某個(gè)樣本的相對(duì)財(cái)富而不向另一方透露該財(cái)富，而且他或她還可以證明該群體的平均值和標(biāo)準(zhǔn)差的正確計(jì)算。本質(zhì)上，您可以證明您了解數(shù)據(jù)和/或您使用該數(shù)據(jù)做出了真實(shí)的斷言，而無(wú)需透露該數(shù)據(jù)的細(xì)節(jié)或您如何進(jìn)行計(jì)算。在 AI 之外，zk 證明已經(jīng)被應(yīng)用于擴(kuò)展以太坊，允許交易在第 2 層區(qū)塊鏈上進(jìn)行鏈下交易。最近，zk 證明已應(yīng)用于深度學(xué)習(xí)模型，以證明：
使用特定數(shù)據(jù)來(lái)生成模型或提供推理輸出（此外，未使用哪些數(shù)據(jù)/源）
使用特定模型來(lái)生成推論
推理輸出未被篡改
zk 證明可以發(fā)布到公共、永久的區(qū)塊鏈上，并通過(guò)智能合約進(jìn)行驗(yàn)證。結(jié)果是區(qū)塊鏈可以公開(kāi)且無(wú)可辯駁地證明人工智能模型的重要屬性。將 ZK 應(yīng)用于 AI 的兩個(gè)前沿項(xiàng)目被稱為“零知識(shí)機(jī)器學(xué)習(xí)”（ZKML），即EZKL和Modulus。EZKL 使用Halo2證明系統(tǒng)生成 zk-snarks，這是一種零知識(shí)證明，然后可以在以太坊的 EVM 上公開(kāi)驗(yàn)證。EZKL 首席執(zhí)行官Jason Morton表示，雖然 EZKL 目前可以證明的模型大小相對(duì)較小，約為 100M 參數(shù)，而 ChatGPT 4 的參數(shù)為 175B相信他們正在考慮的是“工程問(wèn)題”而不是“技術(shù)限制”問(wèn)題。EZKL 相信他們可以通過(guò)拆分并行執(zhí)行的證明來(lái)克服證明問(wèn)題，從而減少內(nèi)存限制和計(jì)算時(shí)間。事實(shí)上，杰森·莫頓相信有一天，“驗(yàn)證模型將像簽署區(qū)塊鏈交易一樣簡(jiǎn)單?！?/p>
ZKML證明應(yīng)用于人工智能可以解決人工智能實(shí)現(xiàn)的重要痛點(diǎn)，包括版權(quán)問(wèn)題和人工智能安全。正如《紐約時(shí)報(bào)》最近針對(duì) Open AI 和微軟的訴訟所表明的那樣，版權(quán)法將適用于數(shù)據(jù)所有權(quán)，人工智能項(xiàng)目將被迫提供其數(shù)據(jù)來(lái)源的證明。ZKML 技術(shù)可用于快速解決法庭上有關(guān)模型和數(shù)據(jù)所有權(quán)的爭(zhēng)議。事實(shí)上，ZKML 的最佳應(yīng)用之一是允許Ocean Protocol和SingularityNet等數(shù)據(jù)/模型市場(chǎng)證明其列表的真實(shí)性和有效性。
人工智能模型最終將擴(kuò)展到準(zhǔn)確性和安全性至關(guān)重要的領(lǐng)域。據(jù)估計(jì)，到 2027 年，人工智能邊緣設(shè)備將達(dá)到5.8B 個(gè)，其中可能包括重型機(jī)械、機(jī)器人、自動(dòng)無(wú)人機(jī)和車輛。由于機(jī)器智能應(yīng)用于可能傷害和殺人的事物，因此使用來(lái)自可靠來(lái)源的高質(zhì)量數(shù)據(jù)來(lái)證明該設(shè)備上運(yùn)行了信譽(yù)良好的模型非常重要。盡管從這些邊緣設(shè)備構(gòu)建連續(xù)的實(shí)時(shí)證明并將其發(fā)布到區(qū)塊鏈可能在經(jīng)濟(jì)和技術(shù)上具有挑戰(zhàn)性，但在激活時(shí)驗(yàn)證模型或定期發(fā)布到區(qū)塊鏈可能更可行。然而，來(lái)自0xPARC的 Zupass基金會(huì)已經(jīng)建立了源自“攜帶數(shù)據(jù)證明”的原始證明，可以廉價(jià)地建立邊緣設(shè)備上發(fā)生的事實(shí)證明。目前，這與活動(dòng)出席有關(guān)，但可以預(yù)見(jiàn)，這種情況很快就會(huì)遷移到身份甚至醫(yī)療保健等其他領(lǐng)域。
機(jī)器人外科醫(yī)生的人工智能模型有多好？
機(jī)器人輔助手術(shù)。資料來(lái)源：截至 2024 年 1 月 30 日的《麻省理工學(xué)院技術(shù)評(píng)論》 。
從可能因設(shè)備故障而承擔(dān)責(zé)任的企業(yè)的角度來(lái)看，擁有可驗(yàn)證的證據(jù)來(lái)證明他們的模型不是代價(jià)高昂的事故的根源似乎是理想的選擇。同樣，從保險(xiǎn)的角度來(lái)看，驗(yàn)證和證明基于實(shí)際數(shù)據(jù)訓(xùn)練的可靠模型的使用可能在經(jīng)濟(jì)上變得必要。同樣，在人工智能深度偽造的世界中，利用經(jīng)過(guò)區(qū)塊鏈驗(yàn)證和證明的相機(jī)、手機(jī)和計(jì)算機(jī)來(lái)執(zhí)行各種操作可能會(huì)成為常態(tài)。當(dāng)然，這些設(shè)備的真實(shí)性和準(zhǔn)確性的證明應(yīng)該發(fā)布到公共開(kāi)源分類賬上，以防止篡改和欺詐。
盡管這些證明有著巨大的前景，但它們目前受到天然氣費(fèi)用和計(jì)算開(kāi)銷的限制。按照當(dāng)前的 ETH 價(jià)格，在鏈上提交證明需要花費(fèi)大約 300-500k 的 Gas（按照當(dāng)前的 ETH 價(jià)格約為 35-58 美元）。從計(jì)算的角度來(lái)看，Eigenlayer 的 Sreeram Kennan 估計(jì)，“在 AWS 上運(yùn)行需要花費(fèi) 50 美元的證明計(jì)算，使用當(dāng)前的 ZK 證明技術(shù)將花費(fèi)約 1,000,000 倍的成本?！?結(jié)果是，zk 證明的發(fā)展速度比幾年前任何人的預(yù)期都要快得多，但在打開(kāi)實(shí)際用例之前還有很長(zhǎng)的路要走。假設(shè)有人對(duì) ZKML 的應(yīng)用感到好奇。在這種情況下，他們可以參加由經(jīng)過(guò)驗(yàn)證的鏈上智能合約模型評(píng)判的去中心化歌唱比賽，并將其結(jié)果永久上傳到區(qū)塊鏈。
通過(guò)基于區(qū)塊鏈的身份建立人性
廣泛、先進(jìn)的機(jī)器智能的一個(gè)可能后果是，自主代理將成為最多產(chǎn)的互聯(lián)網(wǎng)用戶。人工智能代理的釋放很有可能會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)受到有目的的機(jī)器人生成的垃圾郵件甚至無(wú)害的基于任務(wù)的代理堵塞網(wǎng)絡(luò)的干擾（“擺脫垃圾電子郵件”）。索拉納當(dāng)機(jī)器人爭(zhēng)奪大約價(jià)值 10 萬(wàn)美元的套利機(jī)會(huì)時(shí)，每秒有 100 GB 的數(shù)據(jù)流量。想象一下，當(dāng)人工智能代理可以勒索數(shù)百萬(wàn)個(gè)企業(yè)網(wǎng)站并勒索數(shù)十億美元時(shí)，將會(huì)出現(xiàn)怎樣的網(wǎng)絡(luò)流量洪流。這表明未來(lái)的互聯(lián)網(wǎng)會(huì)對(duì)非人類流量施加限制。限制此類攻擊的最佳方法之一是對(duì)過(guò)度使用廉價(jià)資源征收經(jīng)濟(jì)稅。但我們?nèi)绾未_定垃圾郵件收費(fèi)的最佳框架，以及如何確定人性化？
幸運(yùn)的是，區(qū)塊鏈已經(jīng)采用了內(nèi)置防御來(lái)防止人工智能機(jī)器人式的女巫攻擊。計(jì)量非人類用戶與非人類用戶收費(fèi)的結(jié)合將是一種理想的實(shí)現(xiàn)方式，同時(shí)稍微繁重的計(jì)算（如Hashcash）會(huì)抑制機(jī)器人。在人性證明方面，區(qū)塊鏈長(zhǎng)期以來(lái)一直在努力克服匿名性，以解鎖諸如抵押不足的貸款和其他基于聲譽(yù)的活動(dòng)等活動(dòng)。
獲得動(dòng)力來(lái)證明身份的一種方法是使用JSON?Web 令牌 (JWT)。JWT 是“0Auth”憑證，類似于“cookie”，是在您登錄 Google 等網(wǎng)站時(shí)生成的。它們?cè)试S您在登錄 Google 后訪問(wèn)互聯(lián)網(wǎng)上的各個(gè)網(wǎng)站時(shí)展示您的 Google 身份。zkLogin由 L1 區(qū)塊鏈Sui創(chuàng)建，允許用戶將其錢包私鑰和操作鏈接到生成 JWT 的 Google 或 Facebook 帳戶。零點(diǎn)對(duì)點(diǎn)進(jìn)一步擴(kuò)展了這個(gè)概念，使用 JWT 來(lái)無(wú)需許可地允許用戶在 Base 區(qū)塊鏈上用法定貨幣交換加密貨幣。這是通過(guò)支付應(yīng)用程序 Venmo 確認(rèn)點(diǎn)對(duì)點(diǎn)現(xiàn)金轉(zhuǎn)賬來(lái)完成的，當(dāng)通過(guò)電子郵件 JWT 確認(rèn)時(shí)，解鎖智能合約托管的 USDC 代幣。這兩個(gè)項(xiàng)目的結(jié)果是它們與鏈下身份建立了牢固的聯(lián)系。例如，zkLogin 將錢包地址連接到 Google 身份，而 zkP2P 僅適用于 Venmo 的 KYC 用戶。盡管兩者都缺乏足夠可靠的可靠保證來(lái)實(shí)現(xiàn)鏈上身份，但它們創(chuàng)建了其他人可以使用的重要構(gòu)建塊。
雖然許多項(xiàng)目都試圖確認(rèn)區(qū)塊鏈用戶的人類身份，但最大膽的是OpenAI 首席執(zhí)行官Sam Altman創(chuàng)立的WorldCoin。盡管備受爭(zhēng)議，因?yàn)橛脩舯仨殥呙韬缒な褂梅礊跬邪畹摹癘rb”機(jī)器，世界幣正在走向一個(gè)不可篡改的身份系統(tǒng)，該系統(tǒng)不能輕易偽造或被機(jī)器智能所淹沒(méi)。這是因?yàn)?WorldCoin 根據(jù)每個(gè)人獨(dú)特的眼睛“指紋”創(chuàng)建了一個(gè)加密標(biāo)識(shí)符，可以對(duì)其進(jìn)行采樣以確保唯一性和真實(shí)性。經(jīng)過(guò)驗(yàn)證后，用戶會(huì)收到 Optimism 區(qū)塊鏈上名為 World ID 的數(shù)字護(hù)照，允許該用戶在區(qū)塊鏈上證明自己的人性。最重要的是，一個(gè)人的獨(dú)特簽名永遠(yuǎn)不會(huì)被泄露，也無(wú)法被追蹤，因?yàn)樗羌用艿?。World ID 只是斷言區(qū)塊鏈地址屬于人類。Checkmate 等項(xiàng)目已經(jīng)將 World ID 與社交媒體資料鏈接起來(lái)，以確保用戶的獨(dú)特性和真實(shí)性。在人工智能主導(dǎo)的未來(lái)互聯(lián)網(wǎng)中，在每一次在線互動(dòng)中明確證明人性可能會(huì)變得司空見(jiàn)慣。當(dāng)人工智能克服了驗(yàn)證碼的局限性時(shí)，區(qū)塊鏈應(yīng)用程序可以廉價(jià)、快速、具體地證明身份。
通過(guò)區(qū)塊鏈技術(shù)為人工智能做出貢獻(xiàn)
毫無(wú)疑問(wèn)，我們正處于人工智能革命的早期階段。然而，如果機(jī)器智能的增長(zhǎng)軌跡符合最大膽的根據(jù)預(yù)測(cè)，人工智能必須面臨挑戰(zhàn)，才能脫穎而出，同時(shí)抑制其潛在危害。我們相信，加密貨幣是正確“訓(xùn)練”結(jié)果豐富但潛在陰險(xiǎn)的人工智能植物的理想網(wǎng)格。區(qū)塊鏈的人工智能解決方案集可以通過(guò)為機(jī)器智能創(chuàng)造者提供響應(yīng)更快、更靈活且可能更便宜的去中心化計(jì)算來(lái)提高機(jī)器智能創(chuàng)造者的產(chǎn)出。它還激勵(lì)能夠創(chuàng)建更好模型的構(gòu)建者，同時(shí)為其他人提供經(jīng)濟(jì)動(dòng)力，讓他們利用這些人工智能模型構(gòu)建有用的業(yè)務(wù)。同樣重要的是，模型所有者可以證明其模型的有效性，同時(shí)證明未使用受保護(hù)的數(shù)據(jù)源。對(duì)于人工智能用戶來(lái)說(shuō)，加密應(yīng)用程序可以確認(rèn)他們運(yùn)行的模型是否符合安全標(biāo)準(zhǔn)，并且可能很有用。
資料來(lái)源：VanEck Research，項(xiàng)目網(wǎng)站，截至 2024 年 1 月 15 日。
提供第三方網(wǎng)站的鏈接是為了方便起見(jiàn)，包含此類鏈接并不意味著我們對(duì)鏈接網(wǎng)站中包含的或可從鏈接網(wǎng)站訪問(wèn)的任何內(nèi)容或信息進(jìn)行任何認(rèn)可、批準(zhǔn)、調(diào)查、驗(yàn)證或監(jiān)控。點(diǎn)擊非 VanEck 網(wǎng)頁(yè)的鏈接，即表示您承認(rèn)您進(jìn)入的第三方網(wǎng)站受其條款和條件的約束。VanEck 對(duì)第三方網(wǎng)站的內(nèi)容、訪問(wèn)合法性或適用性不承擔(dān)任何責(zé)任。
披露：VanEck 通過(guò)我們與早期風(fēng)險(xiǎn)投資經(jīng)理 Cadenza 的戰(zhàn)略合作伙伴關(guān)系在 Together 中占有一席之地，Cadenza 非常友善地為“克服去中心化計(jì)算的瓶頸”?部分做出了貢獻(xiàn)。
特別感謝：
賈森·莫頓，ZKML 首席執(zhí)行官
Ala Shabana，Bittensor 聯(lián)合創(chuàng)始人
Arrash Yasavolian，Bittensor 的 Taoshi 子網(wǎng)創(chuàng)始人
Greg Osuri，Akash 首席執(zhí)行官兼創(chuàng)始人
zkP2P首席執(zhí)行官梁澤強(qiáng)
Sui 區(qū)塊鏈團(tuán)隊(duì)的主要成員 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari
