欧易数字货币交易所 更快、更好、更强

引言

人工智能（AI）是本世纪最有前途的技术之一，预计将成倍提高人类生产力并推动医学突破。随着其重要性日益增加，普华永道预计，到2030年，AI 将发展成为一个价值15万亿美元的产业。然而，随着 AI 技术变得越来越强大，其权力也集中在少数几家公司手中，带来了许多社会问题。这包括深度伪造、内嵌偏见和数据隐私等风险。幸运的是，加密技术的去中心化和透明特性为解决这些问题提供了潜在的解决方案。

本文将探讨由中心化 AI 引起的问题以及去中心化 AI 如何帮助解决其弊端。我们还将讨论加密技术与 AI 的当前交集，重点介绍该领域早期采用的迹象和应用。

中心化 AI 的挑战

当今 AI 的发展面临着若干挑战和风险。AI 的网络效应和庞大的资本需求使得许多大型科技公司之外的 AI 开发者难以获得开发所需的资源或将其工作货币化。这限制了 AI 的整体竞争和创新。

因此，对 AI 这项关键技术的影响力集中在如 OpenAI 和谷歌等少数几家公司手中，导致对 AI 治理的严重质疑。例如，今年2月，谷歌的 AI 图像生成器 Gemini 暴露出种族偏见和历史错误，显示了公司操纵模型的风险。此外，去年11月，由六人组成的董事会决定解雇 OpenAI 首席执行官 Sam Altman，揭示了少数人对这些公司控制权的事实。

随着 AI 影响力和重要性的增加，人们担心一家公司可能掌握对社会产生重大影响的 AI 模型的决策权，可能会设置护栏，闭门操作，或为自身利益操纵模型——这将以牺牲社会其他成员为代价。

去中心化 AI 的优势

去中心化 AI 利用区块链技术，以增加透明度和可访问性的方式分配 AI 所有权和治理权。灰度研究认为，去中心化 AI 有潜力将重要决策从封闭的制度中解放出来，纳入公共所有。

区块链技术可以帮助开发者更多地接触 AI，降低独立开发者开发和货币化其作品的门槛。我们相信这可以改善整体 AI 创新和竞争，与科技巨头开发的模型保持平衡。

此外，去中心化 AI 有助于实现 AI 投资的民主化。目前，除了通过少数科技股之外，几乎没有其他方式可以获得与 AI 发展相关的财务收益。与此同时，大量私人资本被分配给了 AI 初创公司和私营公司（2022年为470亿美元，2023年为420亿美元）。因此，只有一小部分风险投资家和合格投资者可以获得这些公司的财务收益。相比之下，去中心化的 AI 加密资产对每个人都是可用的，让所有人都能拥有 AI 未来的一部分。

当前加密技术和 AI 的交叉点

如今，加密货币和 AI 的交汇在成熟度方面仍处于早期阶段，但市场反应令人鼓舞。截至2024年5月，加密资产的 AI 领域回报率为20%，表现优于除货币赛道以外的每个加密赛道。此外，根据数据提供商 Kaito 的数据，与去中心化金融、Layer 2、模因币和现实世界资产等其他主题相比，AI 主题目前在社交平台上占据了最多的“叙事心智份额”。

最近，一些知名人士开始拥抱这一新兴交叉领域，致力于解决中心化 AI 的缺陷。今年3月，知名 AI 公司 Stability AI 的创始人 Emad Mostaque 离开公司，转而追求去中心化 AI，他表示“现在是时候确保 AI 保持开放和去中心化了”。此外，加密货币企业家 Erik Vorhees 最近推出了 Venice.ai，这是一款专注于隐私的 AI 服务，具有端到端加密功能。

我们可以将 Crypto 和 AI 的交集分为三个主要子类别：

1. 基础设施层：为 AI 开发提供平台的网络（例如 NEAR，TAO，FET）

2. AI 所需的资源：提供 AI 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 AI 问题：试图解决 AI 相关问题的资产，例如机器人和深度伪造的兴起以及模型验证（例如 WLD、TRAC、NUM）

为 AI 发展提供基础设施的网络

第一类是提供无需许可的开放式架构的网络，专为 AI 服务的总体开发而构建。这些资产不专注于某一种 AI 产品或服务，而是专注于为各种 AI 应用创建底层基础设施和激励机制。

NEAR 在这一类别中脱颖而出，其创始人是“Transformer”架构的联合创始人，该架构为 ChatGPT 等 AI 系统提供支持。然而，该公司最近利用其 AI 专业知识，通过由前 OpenAI 研究工程师顾问领导的研发部门，公布了开发“用户拥有的 AI”的努力。2024年6月下旬，NEAR 启动了其 AI 孵化器计划，用于开发 NEAR 原生基础模型、AI 应用程序数据平台、AI 智能体框架和计算市场。

Bittensor 提供了另一个可能引人注目的例子。Bittensor 是一个使用 TAO 代币在经济上鼓励 AI 发展的平台。Bittensor 是38个子网络（子网）的底层平台，每个子网络都有不同的用例，例如聊天机器人、图像生成、财务预测、语言翻译、模型训练、存储和计算。Bittensor 网络用 TAO 代币奖励每个子网中表现最佳的矿工和验证者，并为开发人员提供无需许可的 API，通过查询 Bittensor 子网中的矿工来构建特定的 AI 应用程序。

此类别还包括其他协议，例如 Fetch.ai 和 Allora 网络。Fetch.ai 是一个供开发人员创建复杂 AI 助手（即“AI 智能体”）的平台，最近与 AGIX 和 OCEAN 合并，总价值约为75亿美元。另一个是 Allora 网络，该平台专注于将 AI 应用于金融应用，包括去中心化交易所和预测市场的自动交易策略。Allora 尚未推出代币，并于6月进行了一轮战略融资，使其总融资额达到3500万美元的私募资本。

AI 发展所需的资源

第二类包括以计算、存储或数据的形式提供人工智能开发所需资源的资产。

人工智能的兴起对 GPU 形式的计算资源产生了前所未有的需求。诸如 Render (RNDR)、Akash (AKT)和 Livepeer (LPT)之类的去中心化 GPU 市场为需要计算进行模型训练、模型推理或渲染3D 生成式 AI 的开发人员提供了闲置 GPU 供应。如今，据估计，Render 提供约10,000个 GPU，重点面向艺术家和生成式 AI，而 Akash 提供400个 GPU，重点面向 AI 开发人员和研究人员。与此同时，Livepeer 最近宣布了其新的 AI 子网计划，目标是在2024年8月完成文本转图像、文本转视频和图像转视频等任务。

除了需要大量计算外，AI 模型还需要大量数据。因此，对数据存储的需求大幅增加。Filecoin (FIL)和 Arweave (AR)等数据存储解决方案可以作为将 AI 数据存储在中心化 AWS 服务器上的去中心化安全网络替代方案。这些解决方案不仅提供经济高效且可扩展的存储，而且还通过消除单点故障和降低数据泄露风险来增强数据安全性和完整性。

最后，OpenAI 和 Gemini 等现有 AI 服务分别通过 Bing 和 Google 搜索持续访问实时数据。这使这些科技公司之外的所有其他 AI 模型开发人员处于不利地位。然而，Grass 和 Masa (MASA)等数据抓取服务可以帮助创造公平的竞争环境，因为它们允许个人通过将其应用程序数据用于 AI 模型训练来将其货币化，同时保持对个人数据的控制和隐私。

尝试解决 AI 相关问题的资产

第三类包括试图解决与 AI 相关的问题的资产，包括机器人、深度伪造和内容来源的兴起。

AI 加剧的一个重大问题是机器人和虚假信息的泛滥。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，专家们“非常害怕”即将到来的总统竞选将涉及由深度伪造严重驱动的“虚假信息海啸”。希望通过建立可验证的内容来源来帮助解决与深度伪造相关的问题的资产包括 Origin Trail (TRAC)、Numbers Protocol (NUM)和 Story Protocol。此外，Worldcoin (WLD)试图通过独特的生物识别符来证明一个人的人性，从而解决机器人问题。

AI 的另一个风险是模型本身的信任度。我们如何信任 AI 的结果没有被篡改或操纵？几个协议，包括 Modulus Labs 和 Zama，正在努力解决这个问题。Modulus Labs 在本月早些时候宣布，其模型验证工具使用先进的加密技术，使人们能够检查 AI 模型的信任度、模型公平性和深度伪造检测。Zama 专注于使用零知识证明和完全同态加密（FHE），这是一种在2021年使用云计算时保护 AI 数据的新兴技术。

结论

虽然这些去中心化的 AI 资产取得了初步进展，但该交叉领域仍处于早期阶段。今年早些时候，知名风险投资家 Fred Wilson 表示，AI 和加密货币是“同一枚硬币的两面”，其中“web3帮助我们信任 AI”。随着 AI 产业的成熟，灰度研究认为，与 AI 相关的加密用例将变得越来越重要，这两种快速发展的技术可能会相互支持并共同发展。

许多迹象表明，AI 正处于重大影响的边缘，无论是积极的还是消极的。通过利用区块链技术，我们相信加密货币最终可以帮助缓解 AI 带来的一些危险。