[牛牛说币]一. AI+Crypto的周期

ChatGPT发布一年多后，最近市场上关于AIGPT的问题 Crpyo的讨论再次热闹起来，人工智能被视为24–25年牛市最重要的跑道之一，就连V神本人也发文《The promise and challenges of crypto AI applications》(Crypto AI 应用价值与挑战)探讨未来人工智能 Cryto可能的探索方向。

本文不会做太多的主观预测，而是简单地从一级市场的角度对过去一年看到的人工智能与Crypto相结合的创业项目进行总体梳理，看看企业家从什么角度切入市场，取得了什么成就，还在探索哪些地方。

在过去的23年里，我们谈到了几十个人工智能 在Crypto项目中，可以看到明显的周期。

在22年底ChatGPT发布之前，与人工智能相关的二级市场区块链项目屈指可数。我们能想到的主要是FET、AGIX等几个老项目。一级市场能看到的人工智能相关性不大。

23年1–5月是人工智能项目的第一个集中爆发期。毕竟，Chatgpt的影响太大了。二级市场的许多老项目都去了人工智能跑道，一级市场几乎每周都能谈论人工智能 Crypto项目。同样，这一时期的AI项目给人的感觉比较简单，很多都是围绕ChatGPT的“套皮” 在“链改”项目中，几乎没有技术核心堡垒。我们的In-House开发团队通常需要一两天时间来复制一个项目基本框架。这也导致我们在这段时间里谈了很多人工智能项目，但最终没有出手。

5–10月份，二级市场开始转熊。有趣的是，一级市场的人工智能项目在这段时间内也大幅下降。直到最近一两个月，数量才再次活跃起来。市场上有关人工智能的问题 Crypto的讨论、文章等同样丰富。我们每周都能再次进入人工智能项目的“盛景”。半年后，我明显感受到了一批新的人工智能项目对人工智能轨道的理解，以及商业场景的实施，AI Crypto与第一批AIIPTO的融合比 Hype阶段有了明显的提升，虽然技术壁垒依然不强，但整体成熟度已经达到了一个更高的水平。我们也进入了24年才终于在人工智能 Crpyto这条赛道有第一次下注。

在前景和挑战中，V神从几个相对抽象的维度和角度进行了预测:

• AI作为游戏中的参与者，是游戏中的参与者
• 人工智能作为游戏界面
• 人工智能作为游戏规则
• 人工智能作为游戏目标

我们从更具体、更直接的角度总结了这些在当前一级市场上看到的人工智能项目。AI Crypto的大部分项目都是围绕Crypto的关键来完成的，即“技术(或政治)上的分散化 商业资产化”。

分散化没什么好说的，Web3怎么样？...根据资产化类别，一般可分为三个主跑道：

• 计算能力的资产化
• 模型资产化
• 数据的资产化

算率资产化

这是一个相对集中的跑道。除了各种新项目，还有很多老项目的Pivot，比如Cosmos侧的Akash和Solana侧的Nosana，Pivot后的代币都在飙升，这也反映了市场对人工智能轨道的乐观态度。虽然RNDR主要推动分散渲染，但它也可以为人工智能服务。因此，很多分类也将RNDR这个算率相关的统统划分为AI跑道

算率资产化可根据算率用途细分为两个方向：

一是以Gensyn为代表的“去中心化算率用于人工智能训练”;

一是以大多数Pivot和新项目为代表的“去中心化算率用于人工智能推理”;

在这条轨道上可以看到一个非常有趣的现象，或者不看好鄙视链:

传统AI → 去中心化推理 → 分散训练

• 传统人工智能课程背景不乐观，分散做人工智能培训 Or 推理
• 去中心化推理对去中心化培训不乐观

主要原因是在技术上，由于人工智能培训（特别是大模型人工智能）涉及大量数据，高速通信形成的带宽需求比数据需求更夸张。在目前Transformer大模型的环境下，训练这些大模型需要配置大量4090级高端显卡/H100专业人工智能显卡，形成算率矩阵 由NVLink和专业光纤交换机组成的百G级通信通道，您说该物品可以去中心化实现，hmm...

这不难解释为什么分散的推理看起来分散的训练认为“我们根本做不到”，而传统的人工智能看起来分散的练习和推理会认为“训练技术不现实”和“推理业务不可靠”。

有人说BTC/ETH刚出来的时候，大家也说分布式节点都算了一遍。这种模式比云计算不可靠，最终不会变成吗？这取决于人工智能实践和人工智能推理对未来准确性、不可篡改性和冗余性的需求。暂时不可能简单地争夺性能、可靠性和价格。

模型资产化

这也是项目聚集的跑道，也是比算率资产化更容易理解的跑道。因为ChatGPT火了之后最著名的应用之一就是Character.AI了。你不仅可以咨询苏格拉底、孔子，还可以和马斯克、山姆奥特曼等名人聊天，还可以爱上初音未来、雷电将军等虚拟偶像。所有这些都是大语言模型的魅力。AI 这个概念通过Character.人工智能深受人心

假如孔子、马斯克、雷电将军这些Agent都是NFT？

因此，与其说模型资产化，不如说是基于大模型的Agent资产化。毕竟大模型本身是不可能链接的，更多的是基于模型的Agent投射到NFT，打造“模型资产化”AI。 X Crypto即视觉感。

现在圈内有Agent可以教你学英语，也有Agent可以爱上你，包括Agent搜索和Market 还可以看到Place等衍化项目。

这条赛道的常见问题是首先没有技术壁垒，基本上就是Character.随着人工智能的NFT化，我们的In-House技术大神用现有的开源工具和框架，在一夜之间做了一个演讲，比如BMAN，声音像BMAN的Agent。第二，与区块链的融合水平非常轻，有点像ETH上的Gamefi NFT,本质上，Metadata可能只存储URL或哈希，模型/Agent都在云主机上，链上交易的只是一个所有权。

在可见的未来，模型/Agent的资产化仍将是AI x Crypto最重要的赛道之一，希望看到未来能出现与区块链本身结合更紧密、更直播的项目，有一定的技术壁垒。

数据的资产化

从逻辑上讲，数据资产化最适合AI Crypto，由于传统的人工智能训练，大多只能使用互联网上的一些可见数据，或者更准确 — 公域数据，这些信息可能只占10%–不到20%，更多的数据实际上是在私域流量(包括个人数据)，如果这个流量数据可以用于训练或Fine-Tune大模型，我们当然可以在各个垂直领域拥有更专业的Agent/Bot。

Web3最擅长什么口号，Read,Write,Own!

然后通过人工智能 Crypto,在分散鼓励的指导下，释放个人和欲望流量的数据，资产化，为大型模型提供更好、更丰富的“食物”听起来是一种非常合乎逻辑的做法，确实有几个团队在这个领域深耕。

然而，这条赛道最大的困难是 — 数据很难像算率一样标准化。去中心化算率你的显卡可以直接转换成多少算率，很难衡量私有数据数据的总数、质量和用途。如果去中心化算率是ERC20，那么去中心化人工智能培训数据的资产化有点像ERC721，还有很多猴子Punkazuki项目，很多Traits混在一起。与ERC20相比，流通性和市场难度都不是一点半，所以现在做AI数据资产化项目有些困难。

数据跑道的另一个值得一提的是分散标记。数据资产化作用于“数据采集”步骤，收集到的数据需要在喂养人工智能之前进行处理，这是数据标记的过程。目前，这一步大多是集中的人力密集型劳动。通过分散的代币奖励，Labour Work变成了去中心化，标注 to Earn,或者以类似众包平台的方式分散工作，也是一种思路。我们看到少数团队目前在这个领域工作。

简单来说，从我们的角度来看，目前赛道上缺少的拼图。

一是技术壁垒。正如我之前所说，绝大多数人工智能 与传统的Web2AI项目相比，Crypto项目几乎没有堡垒，更多的是依靠经济模式和代币来鼓励前端感受、市场和运营。当然，这是可以理解的。分散化和价值分配是Web3的优势，但缺乏核心堡垒必然会有X to Earn的即视感。或者期待更多像RNDR这样的总公司OTOY拥有核心技术的团队在Crypto中大展拳脚。

二是从业者的现状。就目前看到的情况而言，AI X Crypto这条赛道的一些创业者团队对人工智能非常了解，但对Web3的认知较浅。而且有些团队非常Crypto Native,但在人工智能领域的造诣较浅。这与早期的Gamefi跑道非常相似，要么理解游戏，思考Web2游戏链的变化，要么理解Web3思考各种刷金模型的创新和优化。Matr1x是我们在Gamefi跑道上遇到的第一个了解游戏和Crypto的双A团队。这就是为什么我之前提到Matr1x是我23年来“聊天后决定”的三个项目之一。我们期待着在24年内了解人工智能和Crypto领域的双A团队。

三是商业场景。AI X Crypto正处于一个非常早期的探索阶段，上述各种资产化只是几个大方向，每个方向都有可以仔细挖掘和细分的轨道。现在市场上看到的各种项目在人工智能和Crypto的整合上都有一种“僵化”或“粗糙”的感觉，并没有发挥人工智能或Crypto的最佳竞争力或组合，这也与上述第二点密切相关。就像我们In一样 HouseR&D部门想到并设计了一种更好的组合方式。不幸的是，看了这么多人工智能轨道项目，他们仍然没有看到团队进入这个细分领域，所以他们不得不继续等待。

什么，你问为什么我们的VC能比市场上的企业家先想到一些场景？因为我们的In House 人工智能团队中有7位大神，其中5位来自科班人工智能的PHD。你知道ABCDE团队对Crypto的理解吗？...

最后，我想说的是，虽然从一级市场的角度来看，AI x Crpyto也特别初期和不成熟，但这并不妨碍我们看好24–25年,AI X Crypto将成为本轮牛市的主要跑道之一。毕竟，人工智能解放生产力，区块链释放生产关系，还有比两者更好的结合吗？ :)