AI+Web3很可能成为下一轮牛市的热点之一。那么具体的趋势和机会有哪些呢?

'AI+Web3可能成为下一轮牛市的热点,趋势和机会有哪些?'

AI与Web3的结合:科技革命的下一幕

作者:ABCEDE投研合伙人Lao Bai

当下最炙手可热的AI被看作是第四次工业革命的关键点与核心,而科技界上一个炙手可热的概念是被看作下一代互联网关键核心的Web3。AI与Web3是将掀起科技革命浪的两大概念,若它们得以强强联合,可能会给我们带来什么样的“惊喜”呢?

01 先说说AI自身

AI这行业其实本来都要凉凉了,大家知道Near的创始人一龙对吧,这家伙其实以前是做AI的,他是TensorFlow(最流行的机器学习框架)的主要代码贡献者。大家推测他是AI(大模型之前的机器学习)那边看不到啥希望了所以跑来做Web3的。

结果终于去年年底业界迎来了ChatGpt3.5,一下子这行业又活了,因为这次真的可以算质变了,而不是之前那几波的炒作和量变。这不隔了几个月AI创业的浪潮也传递到了我们Web3。硅谷Web2那边则是卷的不行,各种资本Fomo,各种同质化方案开始拼价格战,各种大厂大模型PK……

但是要注意到的是AI经历了半年多的爆发期之后也进入了一个相对瓶颈期,比如Google对与AI的搜索热度断崖式下跌,Chatgpt用户增速大幅放缓,AI Output带有一定的随机性限制了许多落地场景……总而言之,我们离传说中的“AGI – 通用人工智能”还有非常非常远的距离。

目前硅谷创投圈对与AI下一步发展有这么几个判断:

1)没有垂类模型,只有大模型+垂类应用(一会儿说Web3+AI的时候我们会再提到) 2)边缘设备比如手机端的数据可能会是个壁垒,基于边缘设备的AI可能也是个机会 3)Context的长度未来可能引发质变(现在用向量数据库作为AI记忆体,但上下文长度还是不够)

02 Web3+AI

AI和Web3其实是完全不同的两个领域,AI需要集中的算力+海量数据做训练,非常中心化的东西,Web3则是主打一个去中心化,所以其实不是那么好结合,单奈何叙事上AI改变生产力,区块链改变生产关系这个论点太过深入人心,所以总会有人前仆后继的去寻找那个结合点,近俩月得聊了不下10个AI项目。

在说新的结合赛道之前先说说老的AI+Web3项目,基本都是平台型,以FET和AGIX为代表。怎么说呢,国内专业做AI的朋友是这么跟我说的 – “以前这些做AI的现在基本都没啥用了,无论Web2还是Web3,很多都是包袱而不是经验。方向和未来就是像OpenAI的这种基于Transformer的大模型,大模型拯救了AI”,你自己品。

所以通用平台型不是他所看好的Web3+AI的模式,我聊的这10多个项目也确实没有这方面,目前看到的基本是如下几个赛道:

  1. Bot/Agent/Assistant 模型资产化
  2. 算力平台
  3. 数据平台
  4. 生成式AI
  5. DeFi交易/审计/风控
  6. ZKML

1.Bot/Agent/Assistant 模型资产化

Bot/Agent/Assitant的资产化这个赛道,聊的最多,是同质化最为严重的一个赛道。简单来说,这些项目多是拿OpenAI为底层,配合其他的一些开源/自研的技术手段,比如TTS(Text to Speech)之类,加上特定的数据,FineTune出来一些“某一领域比ChatGPT”更好的机器人。

比如你可以训练出一个教你英语的美女老师,你可以选择她是美国口音还是伦敦腔,她的性格和聊天的方式也可以调整,这样相对于ChatGPT比较机械和官方的回答来讲,交互体验会更好一些。圈内前段有个虚拟男友的DAPP、Web3女性向游戏,叫HIM,可以算是这种类型的代表了。

从这个思路出发,你理论上可以有许多个Bot/Agent为你服务。比如你想要做水煮鱼,可能会有专门针对这个领域Fine Tune的Cooking Bot来教你,给的答案相对ChatGPT更加专业,你想出门旅行,同样有旅行小助手Bot给你提供各种出游建议和规划,或是你是项目方,弄一个Discord的客服机器人,帮你回答社区问题。

除了做这种“基于GPT的垂类应用型”Bot,还有基于此的衍生项目,比如Bot算“模型资产化”。有点NFT“小图片资产化”的意味,那现在AI里面流行的Prompt是不是也可以资产化,像是MidJourney不同的Prompt可以生成不同的图片,训练Bot时不同的Prompt也会有不同的效果,所以Promopt自身也具备价值,也可以资产化。

还有像是基于此类Bot进行门户索引,搜索的项目,等哪天我们有了成千上万的Bot,那怎么找到最合适你的Bot?可能届时就需要一个Web2世界类似Hao123这样的门户,或是Google这样的搜索引擎来帮你“定位”。

在我个人看来,Bot(模型)资产化这个东西现阶段有两个弊端+两个方向:

1)弊端 – 弊端1:同质化太过严重,因为这个是用户最容易理解的AI+web3赛道,有那么点像是带一点Utility属性的NFT。所以目前一级市场开始呈现红海趋势,卷起来了,但底层又都是OpenAI,所以大家其实都没啥技术壁垒,只能拼设计和运营; – 弊端2:有时候像是星巴克会员卡NFT上链这种事,虽然是个出圈的好尝试,但对于多数用户来讲可能真的没有一个实体或是电子会员卡来的方便。基于Web3的Bot也存在这个问题,想跟机器人学英语或是跟马斯克,苏格拉底谁的聊天,我直接用Web2的Character.AI不香么?

2)方向 – 方向1:是近+中期,模型上链或许会是一个思路。目前这些模型有那么点ETH NFT小图片的意思,MetaData大多指向的链下服务器或是IPFS,而非纯链上。模型通常几十到几百兆的大小,更是要扔在服务器上了。但随着最近存储价格的飞速下降(2TB SSD 500块RMB),以及Filecoin FVM,ETH Storage这类存储类项目的推进,相信未来两三年百兆级别的模型上链应该不是个难事儿。上链有啥好处呢?上链了模型就可以被其他合约直接调用了,更加的Crypto Native,能玩的花样肯定也更多,有那么点Fully Onchain Game的即视感,因为所有数据都是链原生的。目前看到有团队在做这方面的探索,当然还是非常早期的状态。 – 方向2:是中+远期,如果你认真想一下智能合约这个东西,其实最适合的不是人机交互,而是“机机交互”,AI那边现在有了AutoGPT这个概念,弄一个你的“虚拟化身”或是“虚拟助手”,不光能跟你聊天,还能根据你的要求帮你执行任务,比如帮你订机票,酒店,买域名搭网站……你想AI助手是操作你的各种银行账户支付宝啥的方便,还是整一个区块链地址转帐方便啊?答案显而易见。那么未来,会不会有一堆集成了类似AutoGPT这样的AI助手,在各种任务场景下自动通过区块链与智能合约进行C2C,B2C,甚至B2B的支付与结算呢?那个时候,Web2与Web3的边界也就变得非常模糊了。

2.算力平台

算力平台的项目没有Bot模型资产化那么多和卷,但理解起来相对更加容易,都知道AI需要大量算力,而BTC和ETH在过去10多年已经证明了世界上有这么一种方法,可以自发的,去中心化的,在经济激励和博弈的环境下组织协调起海量的算力去合作+竞争的做一件事。现在可以把这种方法用在AI上。

业内最出名的两个项目无疑是Together和Gensyn,一个种子轮就是千万级别融资,一个是A轮融了4300万,这俩之所以要融这么多钱,据说是因为需要资金和算力先训练自己的模型,然后后面会做成算力平台提供给其他的AI项目做训练用。

而做推理的算力平台融资额相对会小很多,因为本质上就是聚合闲置的GPU等算力然后提供给有需要的AI项目做推理用,RNDR是做渲染算力聚合,这些平台做推理算力聚合。但技术门槛目前都比较模糊,甚至我在想会不会哪天RNDR或是Web3云算力平台一只脚就伸到推理型算力平台这边了。

算力平台这个方向相比模型资产化更加实在和好预测,基本上是板上钉钉一定会有需求也会出现一两个头部项目的赛道,就看谁能杀的出来,唯一目前不确定的是训练和推理各自有龙头,还是龙头会把训练和推理都包圆了。

3.数据平台

这个其实也不难理解,因为AI的底层说白就三大件:算法(模型),算力,数据。既然算法和算力都有“去中心化版本”,那数据肯定也不会缺席,这也是奇绩创坛的创始人陆奇博士在聊AI和Web3时候最看好的一个方向。

Web3一直强调数据隐私和主权,也有ZK之类的技术来确保数据可靠与完整性,那么基于Web3的链上数据训练出来的AI肯定和Web2链下数据训练出来的应该不一样。所以这条线整体Make Sense,目前圈内Ocean应该算是这个赛道,一级市场也有看到基于Ocean做的专门的AI数据市场之类的项目。

4.生成式AI

简单来说就是拿AI画画,或是类似的创作,来服务于其他一些场景。比如做NFT,或是游戏内的地图生成,NPC背景生成等等。感觉做NFT这条线比较难,因为AI生成稀缺性不够,Gamefi倒是一条路,一级市场也有见到有团队在尝试。

不过前几天看到个消息,Unity(与虚幻引擎两家一起霸占游戏引擎市场多年)也出了自己的AI生成工具Sentis和Muse,现在还在封测阶段,明年估计就正式上线了。怎么说呢,感觉Web3圈的游戏AIGC类项目,届时可能会被Unity降维打击……

5.DeFi交易/审计/Yield/风控

这几类都有看到项目在尝试,同质化相对不明显。

1)DeFi交易:这个有点Tricky,因为如果一个交易策略好用,随着用的人越多,可能策略慢慢也就不怎么好用了,得切换到新策略。再就是好奇AI交易机器人未来的胜率如何,会在普通交易者里面处于哪个段位。

2)审计:目测应该可以帮助快速审处已有的常见的漏洞,没出现过的新的或是逻辑上的漏洞应该就不行了,这个得进入AGI时代应该才有戏。

3)Yield与风控:Yield不难理解,你就想像成一个带AI智能的YFI就行,把钱扔给它,AI根据你的风险偏好自己去找平台Staking,组LP,挖矿之类。风控么,感觉单独做成一个项目会很奇怪,以插件形式服务与各个借贷或是类似Defi平台感觉更加Make Sense。

6.ZKML

一个目前圈内越来越火的赛道,因为结合了两项最为前沿的技术,一个圈内的ZK,一个圈外的ML(Mechine Learning 机器学习,AI领域的一个狭义分支)。

理论上来说,与ZK的结合可以给ML提供隐私性,完整性和准确性,但是你要硬说有哪些具体使用场景吧,其实很多项目方也想不出来,基建先搭着再说……目前唯一真的刚需的是部分医疗领域的机器学习确实有这个病人数据的隐私需求,至于链上游戏完整性或反作弊之类的叙事,总感觉有些牵强。

这个赛道目前来说就那么几个明星项目,像是Modulus Labs,EZKL,Giza之类,都是一级市场热捧的对象。没法,因为全世界懂ZK的人本来就那么几个,懂ZK同时还要懂ML的人才就更少了,所以这个赛道的技术门槛相对其他要高了很多,同质化也相对不明显。最后就是,ZKML大多针对的是推理,而非训练。

以上就是目前关于AI与Web3结合的一些赛道和方向。虽然AI和Web3在本质上存在一些矛盾,但通过深入挖掘和探索,我们可以找到一些合适的结合点,实现两者的协同发展。无论是Bot模型资产化、算力平台、数据平台、生成式AI、DeFi交易/审计/Yield/风控,还是ZKML,这些赛道都在不同程度上展示了AI和Web3结合的潜力和前景。随着技术的不断进步和创新,我们可以期待这两个领域的结合将带来更多令人惊喜的发展和应用。