AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯
在過去的 1 年里，隨著 ChatGPT 等生成式 AI 大模型的誕生，AI 從簡單的自動化工具擴展到復雜的決策和預測系統(tǒng)，發(fā)展成為驅(qū)動當代社會重要進步動力。AI 類產(chǎn)品和應用也發(fā)生了爆發(fā)式的增長，ChatGPT 本身陸續(xù)推出 GPTs，Sora 等矚目的產(chǎn)品，AI 底層設施英偉達的業(yè)績持續(xù)超出預期， 2024 財年第四季度中數(shù)據(jù)中心業(yè)務占據(jù) 83% 以上營收，同步增長 409%，其中 40% 用于大模型的推理場景，顯示出對于底層算力的快速需求增長。
當下，AI 已經(jīng)成為歐美資本圈競相追逐的主題，同時 Web3 市場也迎來新一輪的牛市，AI+Web3 是當下最熱門的兩個技術主題的碰撞，近期也出現(xiàn)了一批該主題的項目，凸顯了市場對這個主題的關注和期待。
拋開炒作和價格泡沫，AI+Web 行業(yè)目前發(fā)展情況如何？是否真實有應用場景？長期來看，是否能夠創(chuàng)造有價值和敘事和產(chǎn)業(yè)？未來 AI+Web3 的產(chǎn)業(yè)將會形成怎樣的生態(tài)格局，具有潛力的方向在哪里？
圍繞以上話題，F(xiàn)uture3 Campus 將會撰寫一系列相關文章，從 AI+Web3 產(chǎn)業(yè)鏈的各個層面進行分析。本文為第一篇，AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯。
AI工作生產(chǎn)流程
概括地說，AI+Web3 結(jié)合的方向可以分為兩方面，一方面是 Web3 如何幫助 AI 發(fā)展，另一方面是 Web3 應用結(jié)合 AI 技術。其中 Web3 技術和概念賦能 AI 是當下大部分項目的方向。因此，我們可以通過 AI 從模型訓練到生產(chǎn)的流程中來分析如何與 Web3 相結(jié)合。
LLM 的誕生與之前機器學習的流程有一些區(qū)別，但總體上，一個簡化的 AI 生產(chǎn)流程大致分為以下幾個階段：
1.數(shù)據(jù)獲取
在 AI 模型的訓練全生命周期中，數(shù)據(jù)是 AI 模型提供訓練的基石。通常需要采用高質(zhì)量的數(shù)據(jù)集作為基礎，并進行探索性數(shù)據(jù)分析 (EDA) ，創(chuàng)造可重現(xiàn)、可編輯和可共享的數(shù)據(jù)集、表格和可視化圖標。
2.數(shù)據(jù)預處理和特征工程 / 提示工程
獲得數(shù)據(jù)后需要對數(shù)據(jù)進行預處理，這里在機器學習中是特征工程（數(shù)據(jù)標注），在大模型中是提示（Prompt）工程。包括迭代地對數(shù)據(jù)進行分類、聚合和刪除重復數(shù)據(jù)以標注精細的特征，迭代開發(fā)可供 LLM 結(jié)構化查詢的 Prompt。同時需要可靠地將特征 /Prompt 進行存儲和共享。
3.模型訓練和調(diào)優(yōu)
利用豐富的模型庫對 AI 模型進行訓練，通過不斷的迭代和調(diào)整，提升模型的性能、效率和準確性。其中在 LLM 中主要是通過人類反饋強化學習（RLHF）來不斷對模型進行調(diào)優(yōu)。
4.模型審查和治理
使用 MLOps/LLMOps 平臺來優(yōu)化模型開發(fā)流程，包括模型的發(fā)現(xiàn)、跟蹤、共享和協(xié)作，確保模型的質(zhì)量和透明度，同時符合倫理和合規(guī)要求。
5.模型推理
部署訓練有素的 AI 模型，對新的、未見過的數(shù)據(jù)進行預測。模型利用其學習到的參數(shù)對輸入數(shù)據(jù)進行處理，生成預測結(jié)果，如分類或回歸預測。
6.模型部署和監(jiān)控
在確保模型性能達標后，將其部署到實際應用場景中，并實施持續(xù)的監(jiān)控和維護，確保模型在動態(tài)變化的環(huán)境中保持最佳性能。
在以上流程中，有很多 Web3 與之結(jié)合的機會。目前，我們看到 AI 發(fā)展過程中的一些挑戰(zhàn)，例如模型的透明度、偏見和倫理應用等問題引起了廣泛關注，在這一方面，Web3 技術結(jié)合 ZK 等密碼學技術，能夠改善 AI 的信任問題。此外，AI 應用需求的提高也對更低成本、更開放的基礎設施和數(shù)據(jù)網(wǎng)絡提出了要求，而 Web3 的分布式網(wǎng)絡和激勵模型也能夠打造更加開放、開源的 AI 網(wǎng)絡和社區(qū)。
AI+Web3產(chǎn)業(yè)圖景和敘事邏輯
結(jié)合上述 AI 生產(chǎn)流程和 AI 與 Web3 結(jié)合的方向，以及當前市場上主流的 AI+Web3 項目，我們梳理出了 AI+Web3 產(chǎn)業(yè)圖景，AI+Web3 產(chǎn)業(yè)鏈可以分為三層，分別為基礎設施層、中間層和應用層。
1.基礎設施層
主要包括計算和存儲基礎設施，貫穿整個 AI 工作生產(chǎn)流程，提供 AI 模型訓練、推測等需要的算力，以及全生命周期中數(shù)據(jù)和模型的存儲。
當前 AI 應用快速增長，使得對基礎設施尤其是高性能算力的需求出現(xiàn)了暴增。因此，提供更高性能、更低成本、更充足的計算和存儲基礎設施會成為未來幾年（AI 發(fā)展早期）成為非常重要的趨勢，預計將搶占 50% 以上的產(chǎn)業(yè)鏈價值。
Web3 能夠打造去中心化的計算和存儲資源網(wǎng)絡，利用閑置、分散的資源，來顯著降低基礎設施的成本，服務廣大的 AI 應用需求。因此去中心化 AI 基礎設施是目前確定性最高的敘事。
當前這一賽道的代表性項目包括主打渲染服務的 Render Network，以及提供去中心化的云服務和計算硬件網(wǎng)絡的 Akash、gensyn 等；存儲領域，代表項目仍然是老牌去中心化存儲網(wǎng)絡 Filecoin、Arweave 等，最近也推出了針對 AI 領域的存儲和計算服務。
2.中間層
主要指在 AI 工作生產(chǎn)的特定流程中，采用 Web3 相關技術改善現(xiàn)狀和存在的問題。主要包括：
1）數(shù)據(jù)獲取階段，采用去中心化的數(shù)據(jù)身份，創(chuàng)造更開放的數(shù)據(jù)網(wǎng)絡 / 數(shù)據(jù)交易平臺。主要通過結(jié)合密碼學技術和區(qū)塊鏈特性來保護用戶和確權數(shù)據(jù)，并結(jié)合激勵措施鼓勵用戶分享高質(zhì)量的數(shù)據(jù)，從而擴大數(shù)據(jù)來源，提高數(shù)據(jù)獲取效率。這一領域的代表性項目包括 AI 身份項目 Worldcoin，Aspecta，數(shù)據(jù)交易平臺 Ocean Protocol，以及低參與門檻的數(shù)據(jù)網(wǎng)絡 Grass 等。
2）數(shù)據(jù)預處理階段：主要創(chuàng)建分布式的 AI 數(shù)據(jù)標注和處理平臺，采用經(jīng)濟模型激勵來鼓勵眾包模式，以推動更高效、更低成本的數(shù)據(jù)預處理，服務后續(xù)的模型訓練階段。代表項目如 Public AI 等。
3）模型驗證和推理階段：如上一小節(jié)所述，數(shù)據(jù)和模型黑盒是目前 AI 中現(xiàn)實存在的問題，因此在模型驗證和推理階段中，Web3 能夠結(jié)合 ZK、同態(tài)加密等密碼學技術，來驗證模型的推理，是否使用給定的數(shù)據(jù)和參數(shù)，確保模型的正確性，同時保護輸入數(shù)據(jù)的隱私。典型的應用場景是 ZKML。目前 Web3 技術結(jié)合在模型驗證和推理階段的代表性項目包括 bittensor、Privasea、Modulus 等。
中間層的很多項目更偏向于開發(fā)者工具，通常針對現(xiàn)有的開發(fā)者、項目方等提供附加服務，在目前 AI 發(fā)展的早期，其市場需求和商業(yè)落地仍在發(fā)展過程中。
3.應用層
在應用層面，更多的是 AI 技術如何應用到 Web3 中。Web3 應用結(jié)合 AI 技術能夠有效提高效率和產(chǎn)品體驗，例如利用 AI 的內(nèi)容生成、分析、推測等功能，可以應用到諸如游戲、社交、數(shù)據(jù)分析、金融預測等各個領域。目前 AI+Web3 的應用主要可以分為三大類。
1）AIGC 類，即采用 AI 生成式技術允許用戶通過對話生成文字、圖片、視頻、Avatar 等內(nèi)容。以單獨的 AI agent 或者直接結(jié)合進產(chǎn)品中展現(xiàn)。代表項目包括 NFPrompt、SleeplessAI 等。
2）AI 分析類，項目方融入自己積累的數(shù)據(jù)、知識庫、分析能力等訓練垂直的 AI 模型，能夠進行分析、判斷、預測等，并產(chǎn)品化提供給用戶，使得用戶可以低門檻地獲取獲取 AI 的分析能力，例如數(shù)據(jù)分析、信息追蹤、代碼審計和修改、金融預測等。代表性項目包括 Kaito、Dune 等。
3）AI Agent Hub，各類 AI Agent 的聚合，通常提供用戶無代碼創(chuàng)建定制化 AI Agent 的能力，類似 GPTs。代表性項目包括 My Shell、Fetch.ai 等。
應用層目前還有沒有出現(xiàn)非常頭部的項目，但長期來看一定是天花板更高的板塊，具有極強的尚待挖掘的潛力。AI+Web3 應用的競爭不在于技術的創(chuàng)新競爭力，而在于產(chǎn)品能力和技術能力的積累，特別是在 AI 方面能夠提供體驗更好的產(chǎn)品，將會在這一領域獲得更多競爭優(yōu)勢。
你可能感興趣的文章
-
建立AI人工智能及游戲基金！傳Web3創(chuàng)投a16z再籌資69億美元
根據(jù)知情人士透露，全球最大的Web3創(chuàng)投基金a16z（Andreessen Horowitz），正計劃從投資人手中再籌集69億美元，關于建立AI人工智能及游戲基金，請看下面小編整理的正文…
2024-03-08 -
Sora橫空出世，2024或成AI+Web3變革元年？
2 月 16 日，OpenAI 公布了最新的文本控制視頻生成擴散模型「Sora」，Sora橫空出世，2024或成AI+Web3變革元年？除了 Depin 之外，Web3 與 AI 的交織還能碰撞出怎樣的火花？…
2024-02-26 -
超越技術的界限：AI+Web3 的未來發(fā)展之道
跨越技術邊界：AI與Web3的未來融合之路，隨著科技的飛速發(fā)展，人工智能（AI）與Web3的結(jié)合正在開創(chuàng)全新的未來,這種結(jié)合不僅超越了單純的技術層面，更在深層次上改變了我們…
2024-01-29 -
超越技術的界限：AI+Web3的未來發(fā)展之道
本篇文章通過10個代表性AI+Web3的項目，洞察2024年AI+Web3的可能十大發(fā)展趨勢…
2024-01-29 -
空投6%，一文讀懂OKX Jumpstart項目Web3通信協(xié)議Dmail
1月24日，OKX Jumpstart宣布即將上線新項目Dmail，引發(fā)社交媒體廣泛討論,伴隨去中心化治理的臨近，Dmail有望持續(xù)領跑Web3基礎設施賽道,本文將帶大家詳細了解OKX Jumpstart…
2024-01-24 -
BNB Chain多鏈解讀：如何滿足Web3大規(guī)模采用的多樣場景？
Greenfield上線，給BNB Chain帶來革新力，本文對BNB Chain多鏈解讀，如何滿足Web3大規(guī)模采用的多樣場景…
2023-10-20 -
ZKML與分布式算力：AI與Web3的潛在治理敘事
這篇文章主要介紹了ZKML與分布式算力：AI與Web3的潛在治理敘事的相關資料,需要的朋友可以參考下…
2023-06-29 -
幣安整合ChatGPT！推出AI聊天機器人教你學習Web3知識
這篇文章主要介紹了幣安整合ChatGPT！推出AI聊天機器人教你學習Web3知識的相關資料,需要的朋友可以參考下…
2023-04-25
