去中心化人工智能的挑戰與機遇

進階1/9/2025, 8:07:38 AM
本文探討了 DeAI 的挑戰與機遇。主要挑戰在於基礎設施,因需大量資本投入和規模效應。儘管大型科技公司佔優,AI領域壁壘正在降低。DeAI目標是實現可組合計算,類似DeFi的"金融樂高"。作者對DeAI堆棧持樂觀態度,包括基礎設施、中間件和應用層。中間件關鍵組件包括路由、協處理器、開發者激勵和GNN模型。DeAI代表開放、可組合的智能網絡願景,為小規模貢獻提供激勵,實現更廣泛的集體所有權和治理。儘管存在樂觀預期,作者堅信DeAI機遇巨大,可能證明區塊鏈技術的價值。

轉發原文標題:《DeAI (去中心化人工智能)壓縮版》

鑑於加密貨幣本質上是開源軟件,具有內在的經濟激勵——而人工智能正在顛覆軟件的編寫方式——因此可以推斷人工智能將對整個堆棧的區塊鏈空間產生巨大影響。

DeAI:挑戰與機遇

在我看來,去中心化人工智能面臨的最大挑戰在於基礎設施層面,這是由於構建基礎模型的資本密集性以及數據和計算方面的規模收益。

考慮到規模法則,大型科技公司具有明顯的優勢:他們利用互聯網Web2時期通過聚合消費者需求獲得的壟斷利潤,在人為低利率持續十年的環境中將其再投資於雲基礎設施。如今,這些超大規模公司正試圖通過壟斷數據和計算能力——AI的關鍵要素——來主導智能市場。

由於大規模訓練運行需要大量資本投入和高帶寬支持,統一的超級計算集群仍然是最佳選擇。這為大型科技公司提供了開發高性能封閉源模型的優勢。這些公司計劃以寡頭壟斷式的利潤率出租這些模型,並將收益再投資於每一代新模型的開發。

然而,AI領域的護城河已被證明比Web2的網絡效應更淺,領先的前沿模型相對於整個領域正在迅速貶值,特別是隨著Meta採取”焦土政策”,承諾投入數百億美元開發開源前沿模型,如具有最先進性能的Llama 3.1。

這一趨勢,再加上新興的低延遲分佈式訓練方法研究,很可能會部分商品化前沿商業模型。這將使競爭焦點從硬件超級集群(大型科技公司的優勢領域)至少部分轉移到軟件創新(更有利於開源和加密貨幣領域)。這種轉變的背後,是智能技術價格的持續下降。

考慮到”專家混合”架構和LLM綜合/路由的計算效率,我們似乎正在朝著一個擁有數百萬個具有不同成本/性能權衡的模型的世界發展,而不是3-5個大型模型的世界。這是一個相互交織的智能網絡。一個集體的智慧。

這成為一個巨大的協調問題:正是區塊鏈和加密貨幣激勵機制應該能夠很好地解決的那種問題。

核心 DeAI 投資理論

軟件正在吞噬世界。人工智能正在吞噬軟件。人工智能基本上只是數據和計算能力。

任何可以最有效地獲取上述兩個輸入的東西 (基礎設施),協調它們 (中間件),並滿足用戶需求 (應用程序),都將是是有價值的。

Delphi 看好整個堆棧中的各種組件:

基礎設施

鑑於人工智能是由數據和計算推動的,DeAI 基礎設施致力於儘可能高效地採購兩者,通常使用加密貨幣激勵措施。正如我們之前提到的,這是堆棧中最具挑戰性的競爭部分,但考慮到終端市場的規模,這也可能是最有價值的部分。

計算能力

雖然目前受到延遲的限制,但去中心化訓練協議和 GPU 市場希望協調潛在的異構硬件,為那些無法負擔大型科技集成解決方案的用戶提供更低成本、按需計算能力。 Gensyn、Prime Intellect 和 Neuromesh 等公司正在推動分佈式訓練的前沿,而 io.net、Akash、Aethir 等則在邊緣更近的地方實現低成本推理。

數據

在一個基於較小、專門化模型的普遍智能世界中,數據資產變得越來越有價值和可貨幣化。

日期,DePIN (去中心化物理網絡) 與資本密集型現有企業相比,他們因其構建成本更低的硬件網絡的能力而受到廣泛讚譽 (例如電信公司)。然而,DePIN 最大的潛在市場將出現在收集流入鏈上智能的新穎數據集上: 代理協議 (稍後討論)。

在一個勞動力——很可能是世界上最大的總可用市場(TAM,Total Addressable Market)——正被數據和計算能力的組合所取代的世界裡,去中心化人工智能基礎設施為非科技巨頭提供了一種掌握生產資料的途徑,同時為即將到來的網絡經濟做出貢獻。

中間件

DeAI 的最終目標是有效的可組合計算。類似於DeFi的”金融樂高”,去中心化人工智能通過無需許可的可組合性彌補了當今絕對性能的缺乏——激勵開放的軟件和計算原語生態系統,這些原語隨時間推移而複合,(有望)最終超越現有巨頭。

如果說Google是“集成”的極端,那麼DeAI則代表“模塊化”的極端。正如 克萊頓·克里斯滕森 所提醒的,集成方法往往通過減少價值鏈中的摩擦來引領新興行業,但隨著空間的成熟,模塊化價值鏈通過堆棧每一層內更大的競爭和成本效率來獲得市場份額:

我們對幾個對實現這一模塊化願景至關重要的類別持非常樂觀態度:

  • 路由

在一個智能日益分散的世界中,如何在正確的時間以最佳價格選擇正確的模型?需求方聚合商始終捕獲價值 (看 聚合理論),而路由功能對於在網絡智能世界中優化性能和成本之間的帕累託曲線至關重要:

Bittensor一直是第一代的領導者,但一批專門的競爭對手正在湧現。

Allora以”上下文感知”和自我改進的方式在各種”主題”中舉辦不同模型之間的競賽 - 根據特定條件下的歷史準確性為未來預測提供信息。

Morpheus旨在成為web3用例的”需求側路由器” - 本質上是一個”蘋果智能”,具有開源的本地代理,該代理擁有用戶的相關上下文,可以通過DeFi或web3的”可組合計算”基礎設施的新興構建塊高效路由查詢。

TheoriqAutonolas這樣的代理互操作性協議旨在將模塊化路由推向極致,通過使靈活的代理或組件能夠組合、複合成完全成熟的鏈上服務的生態系統。

簡而言之,在一個智能迅速分散的世界中,供需雙方的聚合器將發揮極其強大的作用。如果谷歌通過索引世界信息成為了一家市值2萬億美元的公司,那麼需求側路由器的贏家 - 無論是蘋果、谷歌還是web3解決方案 - 誰索引代理智能,市值應該會更大。

  • 協處理器

鑑於其去中心化,區塊鏈在數據和計算方面都受到高度限制。如何將用戶需要的計算和數據密集型人工智能應用程序帶到鏈上?答案是:協處理器!

來源: Florin Digital

這些實際上是“預言機”,它們提供不同的技術來“驗證”正在使用的底層數據或模型,從而最大限度地減少鏈上新的信任假設,同時提供實質性的能力增強。迄今為止,已經有許多項目使用 zkML、opML、TeeML 和加密經濟方法 - 所有這些都有不同的優點和缺點:

如需更深入的審查,請查看我們在未來幾周內發佈的 DeAI 第三部分報告。

從高層次來看,協處理器對於制定智能合約至關重要,嗯……智能——提供“數據倉庫”之類的解決方案來查詢更個性化的鏈上體驗,或提供給定推理是否正確完成的驗證。

SuperPhalaMarlin這樣的TEE網絡最近特別受歡迎,因為它們具有實用性和今天就能託管規模化應用的準備就緒性。

總體而言,協處理器對於將高度確定性但低性能的區塊鏈與高性能但概率性的智能合併至關重要。如果沒有協處理器,人工智能就不會出現在這一代區塊鏈中。

  • 開發者激勵

人工智能開源開發的最大問題之一是缺乏使其可持續發展的激勵措施。人工智能開發是高度資本密集型的​​,計算和人工智能知識工作的機會成本都非常高。如果沒有適當的激勵措施來獎勵開源貢獻,該領域將不可避免地輸給超資本主義的超大規模企業。

SentientPluralis再到SaharaMira,一系列項目都旨在啟動網絡,這些網絡能夠適當地啟用和獎勵來自分散個人網絡對網絡智能的貢獻。

通過修復商業模式,開源的複合效應應該會加速 - 為開發者和AI研究人員提供一個大型科技公司之外的選擇,這個選擇是全球性的,希望也能根據創造的價值得到良好的報酬。

雖然很難做對,而且競爭越來越激烈,但這裡的總可用市場(TAM)是巨大的。

  • GNN 模型

LLM在大型文本語料庫中描繪模式並學習預測下一個詞,而圖神經網絡(GNN, Graph Neural Network)處理、分析和學習圖結構數據。由於鏈上數據主要由用戶和智能合約之間的複雜交互組成(換句話說,就是一張圖),GNN 似乎是支撐鏈上人工智能用例的合理選擇。

POND和RPS這樣的項目正在嘗試為web3構建基礎模型 - 這可能在交易、DeFi甚至社交用例中具有變革性,比如

  • 價格預測: 預測價格的鏈上行為模型、自動交易策略、情緒分析
  • 人工智能金融: 集成到現有的 DeFi 應用程序、先進的收益策略和流動性利用、更好的風險管理/治理
  • 鏈上營銷: 更量身定製的空投/定位,基於鏈上行為的推薦引擎

這些模型將大量依賴於數據倉庫解決方案,如Space and TimeSubsquidCovalentHyperline,我對這些也非常看好。

GNN 可以證明區塊鏈和 web3 數據倉庫的 LLM 是重要的推動者:為 web3 提供 OLAP 功能。

應用領域

在我看來,鏈上代理不僅是解鎖加密貨幣臭名昭著的糟糕用戶體驗的關鍵,更是我們過去十年投入數十億美元建設的web3基礎設施所缺失的需求端。這個需求端的缺失導致了當前基礎設施的低利用率。

毫無疑問,代理正在到來…

而且這些代理似乎會利用開放、無需許可的基礎設施 - 跨支付和可組合計算 - 來完成越來越複雜的最終目標,這是合乎邏輯的。

在即將到來的網絡智能經濟中,也許經濟流動會變得不那麼B -> B -> C,而更多的是用戶 -> 代理 -> 計算網絡 -> 代理 -> 用戶。

代理協議是最終結果。這些應用程序或服務業務開銷有限,主要使用鏈上資源運行,在可組合網絡中以比傳統企業低得多的成本滿足最終用戶(或彼此)的需求。

就像web2中應用層捕獲了大部分價值一樣,我支持DeAI中的”胖代理協議”論點。價值捕獲應該隨著時間的推移向堆棧上層轉移。

下一個谷歌、Facebook和貝萊德很可能是代理協議,而使它們成為可能的組件正在誕生。

終局

人工智能將改變我們經濟的形態。如今,市場預期這種價值捕獲將侷限在美國太平洋地區的幾家大公司的範圍內。DeAI 代表了一個不同的願景。

一個開放、可組合的智能網絡的願景,即使是小貢獻也有激勵和報酬,更多的集體所有權/治理。

儘管DeAI領域中某些敘事可能過於樂觀,許多項目的估值也明顯高於其當前實際價值,但這一領域的機遇規模確實巨大。對於具備耐心和洞察力的參與者而言,DeAI真正可組合計算的終極願景或許能證明區塊鏈技術本身的合理性。


如果您喜歡這個預告,請期待我們未來幾周解鎖的深度報告,因為 Delphi 的 AI x Crypto 月份正在展開:

DeAI I:塔與廣場(現已解鎖)

DeAI II:掌握生產資料,基礎設施(即將解鎖)

DeAI III:可組合計算,中間件(下週解鎖)

DeAI IV:代理經濟,應用(兩週後解鎖)

免責聲明:

  1. 本文轉載自【PonderingDurian】,轉發原文標題:《DeAI (去中心化人工智能)壓縮版》,著作權歸屬原作者【PonderingDurian】,如對轉載有異議,請聯繫 Gate Learn 團隊,團隊會根據相關流程儘速處理。
  2. 免責聲明:本文所表達的觀點和意見僅代表作者個人觀點,不構成任何投資建議。
  3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明,否則禁止複製、分發或抄襲翻譯文章。

去中心化人工智能的挑戰與機遇

進階1/9/2025, 8:07:38 AM
本文探討了 DeAI 的挑戰與機遇。主要挑戰在於基礎設施,因需大量資本投入和規模效應。儘管大型科技公司佔優,AI領域壁壘正在降低。DeAI目標是實現可組合計算,類似DeFi的"金融樂高"。作者對DeAI堆棧持樂觀態度,包括基礎設施、中間件和應用層。中間件關鍵組件包括路由、協處理器、開發者激勵和GNN模型。DeAI代表開放、可組合的智能網絡願景,為小規模貢獻提供激勵,實現更廣泛的集體所有權和治理。儘管存在樂觀預期,作者堅信DeAI機遇巨大,可能證明區塊鏈技術的價值。

轉發原文標題:《DeAI (去中心化人工智能)壓縮版》

鑑於加密貨幣本質上是開源軟件,具有內在的經濟激勵——而人工智能正在顛覆軟件的編寫方式——因此可以推斷人工智能將對整個堆棧的區塊鏈空間產生巨大影響。

DeAI:挑戰與機遇

在我看來,去中心化人工智能面臨的最大挑戰在於基礎設施層面,這是由於構建基礎模型的資本密集性以及數據和計算方面的規模收益。

考慮到規模法則,大型科技公司具有明顯的優勢:他們利用互聯網Web2時期通過聚合消費者需求獲得的壟斷利潤,在人為低利率持續十年的環境中將其再投資於雲基礎設施。如今,這些超大規模公司正試圖通過壟斷數據和計算能力——AI的關鍵要素——來主導智能市場。

由於大規模訓練運行需要大量資本投入和高帶寬支持,統一的超級計算集群仍然是最佳選擇。這為大型科技公司提供了開發高性能封閉源模型的優勢。這些公司計劃以寡頭壟斷式的利潤率出租這些模型,並將收益再投資於每一代新模型的開發。

然而,AI領域的護城河已被證明比Web2的網絡效應更淺,領先的前沿模型相對於整個領域正在迅速貶值,特別是隨著Meta採取”焦土政策”,承諾投入數百億美元開發開源前沿模型,如具有最先進性能的Llama 3.1。

這一趨勢,再加上新興的低延遲分佈式訓練方法研究,很可能會部分商品化前沿商業模型。這將使競爭焦點從硬件超級集群(大型科技公司的優勢領域)至少部分轉移到軟件創新(更有利於開源和加密貨幣領域)。這種轉變的背後,是智能技術價格的持續下降。

考慮到”專家混合”架構和LLM綜合/路由的計算效率,我們似乎正在朝著一個擁有數百萬個具有不同成本/性能權衡的模型的世界發展,而不是3-5個大型模型的世界。這是一個相互交織的智能網絡。一個集體的智慧。

這成為一個巨大的協調問題:正是區塊鏈和加密貨幣激勵機制應該能夠很好地解決的那種問題。

核心 DeAI 投資理論

軟件正在吞噬世界。人工智能正在吞噬軟件。人工智能基本上只是數據和計算能力。

任何可以最有效地獲取上述兩個輸入的東西 (基礎設施),協調它們 (中間件),並滿足用戶需求 (應用程序),都將是是有價值的。

Delphi 看好整個堆棧中的各種組件:

基礎設施

鑑於人工智能是由數據和計算推動的,DeAI 基礎設施致力於儘可能高效地採購兩者,通常使用加密貨幣激勵措施。正如我們之前提到的,這是堆棧中最具挑戰性的競爭部分,但考慮到終端市場的規模,這也可能是最有價值的部分。

計算能力

雖然目前受到延遲的限制,但去中心化訓練協議和 GPU 市場希望協調潛在的異構硬件,為那些無法負擔大型科技集成解決方案的用戶提供更低成本、按需計算能力。 Gensyn、Prime Intellect 和 Neuromesh 等公司正在推動分佈式訓練的前沿,而 io.net、Akash、Aethir 等則在邊緣更近的地方實現低成本推理。

數據

在一個基於較小、專門化模型的普遍智能世界中,數據資產變得越來越有價值和可貨幣化。

日期,DePIN (去中心化物理網絡) 與資本密集型現有企業相比,他們因其構建成本更低的硬件網絡的能力而受到廣泛讚譽 (例如電信公司)。然而,DePIN 最大的潛在市場將出現在收集流入鏈上智能的新穎數據集上: 代理協議 (稍後討論)。

在一個勞動力——很可能是世界上最大的總可用市場(TAM,Total Addressable Market)——正被數據和計算能力的組合所取代的世界裡,去中心化人工智能基礎設施為非科技巨頭提供了一種掌握生產資料的途徑,同時為即將到來的網絡經濟做出貢獻。

中間件

DeAI 的最終目標是有效的可組合計算。類似於DeFi的”金融樂高”,去中心化人工智能通過無需許可的可組合性彌補了當今絕對性能的缺乏——激勵開放的軟件和計算原語生態系統,這些原語隨時間推移而複合,(有望)最終超越現有巨頭。

如果說Google是“集成”的極端,那麼DeAI則代表“模塊化”的極端。正如 克萊頓·克里斯滕森 所提醒的,集成方法往往通過減少價值鏈中的摩擦來引領新興行業,但隨著空間的成熟,模塊化價值鏈通過堆棧每一層內更大的競爭和成本效率來獲得市場份額:

我們對幾個對實現這一模塊化願景至關重要的類別持非常樂觀態度:

  • 路由

在一個智能日益分散的世界中,如何在正確的時間以最佳價格選擇正確的模型?需求方聚合商始終捕獲價值 (看 聚合理論),而路由功能對於在網絡智能世界中優化性能和成本之間的帕累託曲線至關重要:

Bittensor一直是第一代的領導者,但一批專門的競爭對手正在湧現。

Allora以”上下文感知”和自我改進的方式在各種”主題”中舉辦不同模型之間的競賽 - 根據特定條件下的歷史準確性為未來預測提供信息。

Morpheus旨在成為web3用例的”需求側路由器” - 本質上是一個”蘋果智能”,具有開源的本地代理,該代理擁有用戶的相關上下文,可以通過DeFi或web3的”可組合計算”基礎設施的新興構建塊高效路由查詢。

TheoriqAutonolas這樣的代理互操作性協議旨在將模塊化路由推向極致,通過使靈活的代理或組件能夠組合、複合成完全成熟的鏈上服務的生態系統。

簡而言之,在一個智能迅速分散的世界中,供需雙方的聚合器將發揮極其強大的作用。如果谷歌通過索引世界信息成為了一家市值2萬億美元的公司,那麼需求側路由器的贏家 - 無論是蘋果、谷歌還是web3解決方案 - 誰索引代理智能,市值應該會更大。

  • 協處理器

鑑於其去中心化,區塊鏈在數據和計算方面都受到高度限制。如何將用戶需要的計算和數據密集型人工智能應用程序帶到鏈上?答案是:協處理器!

來源: Florin Digital

這些實際上是“預言機”,它們提供不同的技術來“驗證”正在使用的底層數據或模型,從而最大限度地減少鏈上新的信任假設,同時提供實質性的能力增強。迄今為止,已經有許多項目使用 zkML、opML、TeeML 和加密經濟方法 - 所有這些都有不同的優點和缺點:

如需更深入的審查,請查看我們在未來幾周內發佈的 DeAI 第三部分報告。

從高層次來看,協處理器對於制定智能合約至關重要,嗯……智能——提供“數據倉庫”之類的解決方案來查詢更個性化的鏈上體驗,或提供給定推理是否正確完成的驗證。

SuperPhalaMarlin這樣的TEE網絡最近特別受歡迎,因為它們具有實用性和今天就能託管規模化應用的準備就緒性。

總體而言,協處理器對於將高度確定性但低性能的區塊鏈與高性能但概率性的智能合併至關重要。如果沒有協處理器,人工智能就不會出現在這一代區塊鏈中。

  • 開發者激勵

人工智能開源開發的最大問題之一是缺乏使其可持續發展的激勵措施。人工智能開發是高度資本密集型的​​,計算和人工智能知識工作的機會成本都非常高。如果沒有適當的激勵措施來獎勵開源貢獻,該領域將不可避免地輸給超資本主義的超大規模企業。

SentientPluralis再到SaharaMira,一系列項目都旨在啟動網絡,這些網絡能夠適當地啟用和獎勵來自分散個人網絡對網絡智能的貢獻。

通過修復商業模式,開源的複合效應應該會加速 - 為開發者和AI研究人員提供一個大型科技公司之外的選擇,這個選擇是全球性的,希望也能根據創造的價值得到良好的報酬。

雖然很難做對,而且競爭越來越激烈,但這裡的總可用市場(TAM)是巨大的。

  • GNN 模型

LLM在大型文本語料庫中描繪模式並學習預測下一個詞,而圖神經網絡(GNN, Graph Neural Network)處理、分析和學習圖結構數據。由於鏈上數據主要由用戶和智能合約之間的複雜交互組成(換句話說,就是一張圖),GNN 似乎是支撐鏈上人工智能用例的合理選擇。

POND和RPS這樣的項目正在嘗試為web3構建基礎模型 - 這可能在交易、DeFi甚至社交用例中具有變革性,比如

  • 價格預測: 預測價格的鏈上行為模型、自動交易策略、情緒分析
  • 人工智能金融: 集成到現有的 DeFi 應用程序、先進的收益策略和流動性利用、更好的風險管理/治理
  • 鏈上營銷: 更量身定製的空投/定位,基於鏈上行為的推薦引擎

這些模型將大量依賴於數據倉庫解決方案,如Space and TimeSubsquidCovalentHyperline,我對這些也非常看好。

GNN 可以證明區塊鏈和 web3 數據倉庫的 LLM 是重要的推動者:為 web3 提供 OLAP 功能。

應用領域

在我看來,鏈上代理不僅是解鎖加密貨幣臭名昭著的糟糕用戶體驗的關鍵,更是我們過去十年投入數十億美元建設的web3基礎設施所缺失的需求端。這個需求端的缺失導致了當前基礎設施的低利用率。

毫無疑問,代理正在到來…

而且這些代理似乎會利用開放、無需許可的基礎設施 - 跨支付和可組合計算 - 來完成越來越複雜的最終目標,這是合乎邏輯的。

在即將到來的網絡智能經濟中,也許經濟流動會變得不那麼B -> B -> C,而更多的是用戶 -> 代理 -> 計算網絡 -> 代理 -> 用戶。

代理協議是最終結果。這些應用程序或服務業務開銷有限,主要使用鏈上資源運行,在可組合網絡中以比傳統企業低得多的成本滿足最終用戶(或彼此)的需求。

就像web2中應用層捕獲了大部分價值一樣,我支持DeAI中的”胖代理協議”論點。價值捕獲應該隨著時間的推移向堆棧上層轉移。

下一個谷歌、Facebook和貝萊德很可能是代理協議,而使它們成為可能的組件正在誕生。

終局

人工智能將改變我們經濟的形態。如今,市場預期這種價值捕獲將侷限在美國太平洋地區的幾家大公司的範圍內。DeAI 代表了一個不同的願景。

一個開放、可組合的智能網絡的願景,即使是小貢獻也有激勵和報酬,更多的集體所有權/治理。

儘管DeAI領域中某些敘事可能過於樂觀,許多項目的估值也明顯高於其當前實際價值,但這一領域的機遇規模確實巨大。對於具備耐心和洞察力的參與者而言,DeAI真正可組合計算的終極願景或許能證明區塊鏈技術本身的合理性。


如果您喜歡這個預告,請期待我們未來幾周解鎖的深度報告,因為 Delphi 的 AI x Crypto 月份正在展開:

DeAI I:塔與廣場(現已解鎖)

DeAI II:掌握生產資料,基礎設施(即將解鎖)

DeAI III:可組合計算,中間件(下週解鎖)

DeAI IV:代理經濟,應用(兩週後解鎖)

免責聲明:

  1. 本文轉載自【PonderingDurian】,轉發原文標題:《DeAI (去中心化人工智能)壓縮版》,著作權歸屬原作者【PonderingDurian】,如對轉載有異議,請聯繫 Gate Learn 團隊,團隊會根據相關流程儘速處理。
  2. 免責聲明:本文所表達的觀點和意見僅代表作者個人觀點,不構成任何投資建議。
  3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明,否則禁止複製、分發或抄襲翻譯文章。
Start Now
Sign up and get a
$100
Voucher!