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(fù)雜的決策和預(yù)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(yīng)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(shè)施英偉達的業(yè)績持續(xù)超出預(yù)期， 2024 財年第四季度中數(shù)據(jù)中心業(yè)務(wù)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(shù)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(guān)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(yīng)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(guān)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(yīng)用結(jié)合 AI 技術(shù)。其中 Web3 技術(shù)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(chǔ)，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(yù)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(yù)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(fù)數(shù)據(jù)以標注精細的特征，迭代開發(fā)可供 LLM 結(jié)構(gòu)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(yù)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(yù)測結(jié)果，如分類或回歸預(yù)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(yīng)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(yīng)用等問題引起了廣泛關(guān)注，在這一方面，Web3 技術(shù)結(jié)合 ZK 等密碼學技術(shù)，能夠改善 AI 的信任問題。此外，AI 應(yīng)用需求的提高也對更低成本、更開放的基礎(chǔ)設(shè)施和數(shù)據(jù)網(wǎng)絡(luò)提出了要求，而 Web3 的分布式網(wǎng)絡(luò)和激勵模型也能夠打造更加開放、開源的 AI 網(wǎng)絡(luò)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(chǔ)設(shè)施層、中間層和應(yīng)用層。
1.基礎(chǔ)設(shè)施層
主要包括計算和存儲基礎(chǔ)設(shè)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(yīng)用快速增長，使得對基礎(chǔ)設(shè)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(chǔ)設(shè)施會成為未來幾年（AI 發(fā)展早期）成為非常重要的趨勢，預(yù)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(luò)，利用閑置、分散的資源，來顯著降低基礎(chǔ)設(shè)施的成本，服務(wù)廣大的 AI 應(yīng)用需求。因此去中心化 AI 基礎(chǔ)設(shè)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(wù)的 Render Network，以及提供去中心化的云服務(wù)和計算硬件網(wǎng)絡(luò)的 Akash、gensyn 等；存儲領(lǐng)域，代表項目仍然是老牌去中心化存儲網(wǎng)絡(luò) Filecoin、Arweave 等，最近也推出了針對 AI 領(lǐng)域的存儲和計算服務(wù)。
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(guān)技術(shù)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(luò) / 數(shù)據(jù)交易平臺。主要通過結(jié)合密碼學技術(shù)和區(qū)塊鏈特性來保護用戶和確權(quán)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(lǐng)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(luò) Grass 等。
2）數(shù)據(jù)預(yù)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(yù)處理，服務(wù)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(shù)，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(yīng)用場景是 ZKML。目前 Web3 技術(shù)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(wù)，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(yīng)用層
在應(yīng)用層面，更多的是 AI 技術(shù)如何應(yīng)用到 Web3 中。Web3 應(yīng)用結(jié)合 AI 技術(shù)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(yīng)用到諸如游戲、社交、數(shù)據(jù)分析、金融預(yù)測等各個領(lǐng)域。目前 AI+Web3 的應(yīng)用主要可以分為三大類。
1）AIGC 類，即采用 AI 生成式技術(shù)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(yù)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(yù)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(yīng)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(yīng)用的競爭不在于技術(shù)的創(chuàng)新競爭力，而在于產(chǎn)品能力和技術(shù)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(lǐng)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(guān)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(shù)的界限：AI+Web3 的未來發(fā)展之道
跨越技術(shù)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(shù)層面，更在深層次上改變了我們…
2024-01-29 -
超越技術(shù)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(lǐng)跑Web3基礎(chǔ)設(shè)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(guān)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(guān)資料,需要的朋友可以參考下…
2023-04-25
