人工智能时代即将到来——加密货币助力AI发展

人工智能（“AI”）是本世纪最有前途的新兴技术之一，具有极大地提升人类生产力和推动医学突破的潜力。尽管人工智能在当今已经占据重要地位，但其影响力仍在持续扩大。普华永道预计，到2030年，人工智能产业将达到15万亿美元的规模。[1]

然而，这项前景广阔的技术也面临诸多挑战。随着人工智能技术的日益强大，行业变得中心化，权力高度集中在少数几家公司手中，这可能对社会造成不利影响。此外，人工智能还引发了深度伪造、嵌入性偏见以及数据隐私风险等严重问题。幸运的是，加密货币及其去中心化和透明性为这些问题提供了潜在的解决方案。

在下文中，我们将探讨中心化带来的问题，以及去中心化的人工智能如何缓解这些问题。同时，我们将讨论加密货币和人工智能的结合现状，重点介绍在这一领域已显现出初步应用的加密货币项目。

中心化人工智能的问题

如今，人工智能的发展面临着一些挑战和风险。由于网络效应和高额的资本需求，许多大型科技公司之外的人工智能开发者，如小型公司或学术研究人员，很难获得开发人工智能所需的资源，或者无法将他们的研究成果变现。这限制了整体的人工智能竞争和创新。

因此，这项关键技术的影响力主要集中在少数几家公司手中，如OpenAI和谷歌，这引发了关于人工智能治理的严重问题。例如，今年二月，谷歌的人工智能图像生成器Gemini暴露了种族偏见和历史不准确性，显示出公司可以操控他们的模型。[2] 此外，去年十一月，六人董事会决定解雇OpenAI的首席执行官山姆.奥特曼，这揭示了开发这些模型的公司实际上由少数几个人掌控。[3]

随着人工智能影响力和重要性的增加，许多人担心某家公司可能会掌握对具有重大社会影响的人工智能模型的决策权，可能会设置限制措施、在暗中操作，或操控模型以谋取自身利益——而这会以牺牲社会整体利益为代价。

去中心化人工智能如何提供帮助

去中心化的人工智能指的是利用区块链技术来分配人工智能的所有权和治理权，从而增加透明度和可访问性。Grayscale Research认为，去中心化的人工智能有可能将这些重要的决策权从封闭的环境中转移到公众手中。

区块链技术可以帮助开发者更容易地访问人工智能，降低独立开发者开发和变现其工作的门槛。我们相信这将有助于提升整体的人工智能创新和竞争，同时与科技巨头开发的模型形成平衡。

此外，去中心化的人工智能还能使投资人工智能更加民主化。目前，除了通过少数科技公司的股票，几乎没有其他途径能够享受到人工智能开发带来的财务收益。同时，大量私人资本已经流向了人工智能初创公司和私人企业（2022年为470亿美元，2023年为420亿美元）。[4]

因此，这些公司的财务收益仅对少部分风险投资家和合格投资者开放。相比之下，去中心化的人工智能加密资产对所有人开放，使每个人都能分享人工智能未来的一部分。

交叉点在哪里？

目前，加密货币和人工智能的结合尚处于早期阶段，但市场反应非常积极。截至2024年5月，人工智能领域[5] 的加密资产回报率为20%，仅次于货币部门，超过了其他所有加密部门（见图1）。此外，据数据提供商Kaito称，人工智能主题目前在社交平台上的关注度最高，超过了去中心化金融、Layer 2s、memecoins和现实世界资产等其他主题。 [6]

最近，一些知名人士开始关注这一新兴领域，致力于解决中心化人工智能的不足。3月，知名人工智能公司Stability AI的创始人Emad Mostaque离开公司，转向去中心化的人工智能，他表示“现在是确保人工智能保持开放和去中心化的时候了”。[7] 此外，加密货币企业家Erik Vorhees最近推出了Venice.ai，一个具有端到端加密功能的隐私保护型人工智能服务。

图1：人工智能领域今年以来的表现超过了几乎所有的加密部门。[8]

今天，我们可以将加密货币和人工智能的交叉点分为三个主要子类别：[9]

1. 基础设施层: 为人工智能开发提供平台的网络（例如 NEAR、TAO、FET）
2. 人工智能所需的资源: 提供人工智能开发所需的关键资源（计算、存储、数据）的资产（例如 RNDR、AKT、LPT、FIL、AR、MASA）
3. 解决人工智能问题: 尝试解决人工智能相关问题的资产，例如机器人和深度造假的兴起以及模型验证（例如 WLD、TRAC、NUM）

图 2：人工智能和加密货币市场地图

资料来源：灰度投资。所包含的协议是说明性示例。

为AI开发提供基础设施的网络

第一类是提供开放架构的网络，这些架构无需许可，专门为人工智能服务的一般开发而构建。这类资产不专注于某一个人工智能产品或服务，而是致力于为各种人工智能应用创建基础设施和激励机制。

在这一领域，Near非常突出，其创始人之一是推动AI系统（如ChatGPT）发展的“Transformer”架构的共同开发者。 [10]然而，Near最近发挥其人工智能专业知识，通过其研发部门推出了“用户拥有的人工智能”开发项目[11] ，该部门由前OpenAI研究工程师顾问领导[12] 。2024年6月底，Near启动了其人工智能孵化器计划，致力于开发Near原生基础模型、人工智能应用的数据平台、人工智能代理框架和计算市场。[13]

Bittensor是另一个引人注目的例子。Bittensor是一个使用TAO代币来鼓励人工智能开发的平台。Bittensor作为38个子网络的基础平台，[14]每个子网都有不同的应用场景，如聊天机器人、图像生成、金融预测、语言翻译、模型训练、存储和计算。Bittensor网络会奖励每个子网中表现最好的矿工和验证者，并提供无需许可的API，供开发者通过查询Bittensor子网的矿工来构建特定的人工智能应用。

这一类别还包括其他协议，如Fetch.ai和Allora网络。Fetch.ai是一个开发人员创建复杂人工智能助手的平台，最近与AGIX和OCEAN合并，合并价值约75亿美元。[15]另一个是Allora网络，一个专注于将人工智能应用于金融的平台，包括去中心化交易所的自动交易策略和预测市场。[16] Allora尚未推出代币，并在6月完成了一轮战略融资，总共筹集了3500万美元的私人资本。[17]

人工智能开发所需资源

第二类资产包括提供人工智能开发所需资源的平台，这些资源可以是计算能力、存储空间或数据。

人工智能的发展带来了对GPU计算资源的巨大需求。[18] 去中心化的GPU市场如Render (RNDR)、Akash (AKT)和Livepeer (LPT)为需要计算资源进行模型训练、推理或3D生成式人工智能渲染的开发者提供了闲置的GPU资源。目前，据估计，Render提供约1万个GPU，主要面向艺术家和生成式人工智能，而Akash提供400个GPU，主要面向人工智能开发者和研究人员。[19]同时，Livepeer最近宣布将在2024年8月推出新的人工智能子网，用于文本生成图像、文本生成视频以及图像生成视频等任务。[20]

除了需要大量的计算资源外，人工智能模型还需要海量的数据。因此，数据存储需求急剧增加。[21] 像Filecoin (FIL)和Arweave (AR)这样的数据存储解决方案，可以作为将人工智能数据存储在中心化AWS服务器的去中心化和安全替代方案。这些解决方案不仅提供经济高效且可扩展的存储，还通过消除单点故障和降低数据泄露风险来提高数据的安全性和完整性。

最后，现有的人工智能服务如OpenAI和Gemini通过Bing和Google搜索持续获取实时数据，这使得其他非科技公司背景的人工智能模型开发者处于不利地位。然而，像Grass和Masa (MASA)这样的数据抓取服务可以帮助实现公平竞争，因为它们允许个人通过提供应用数据用于人工智能模型训练来实现数据变现，同时保持对个人数据的控制和隐私。

尝试解决人工智能相关问题的资产

第三类资产包括那些试图解决与AI相关问题的平台，如机器人泛滥、深度伪造和内容来源认证。

人工智能加剧了机器人的泛滥和虚假信息的传播。人工智能生成的深度伪造已经对印度和欧洲的总统选举产生了影响，[22]专家们担心即将到来的总统选举中，深度伪造将引发大量虚假信息。[23] 试图通过建立可验证的内容来源来解决深度伪造问题的资产包括Origin Trail (TRAC)、Numbers Protocol (NUM)和Story Protocol。此外，Worldcoin (WLD)试图通过独特的生物特征识别来证明人的身份，以解决机器人的问题。

人工智能的另一个风险是确保对模型本身的信任。我们如何确保收到的人工智能结果没有被篡改或操控？目前，有几个协议正在通过密码学、零知识证明和完全同态加密（FHE）来解决这个问题，包括Modulus Labs和Zama。[24]

结论

虽然去中心化的人工智能资产已经取得了一些初步进展，但我们仍处于这一领域的早期阶段。今年年初，著名风险投资家Fred Wilson表示，人工智能和加密货币是“一体两面”，“web3将帮助我们信任人工智能”。[25] 随着人工智能行业的不断成熟，Grayscale Research认为，这些与人工智能相关的加密货币应用将变得越来越重要，而这两种快速发展的技术有可能相互促进，共同成长。

从许多迹象来看，人工智能即将到来，并可能产生深远的影响，既有积极的一面，也有消极的一面。通过利用区块链技术的特性，我们相信加密货币最终可以帮助减轻人工智能带来的一些风险。

声明：

1. 本文转载自[Grayscale]，著作权归属原作者[Will Ogden Moore]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.com的情况下不得复制、传播或抄袭经翻译文章。