近两年,如果说资本市场最火热的赛道,那必然 AI 无疑,大家对 AI 技术的无限遐想也把英伟达送上了第一大美股的席位。在加密货币中,AI 概念代币近两年的涨幅也是尤其惊人。不断涌现的 AI+Web3 项目让投资者应接不暇,风险资本也在不断加码推高整个赛道泡沫。 将 AI 技术用于 Web3 应用中,能够结合的应用场景十分广泛。 比如用于 gamefi 中,可以 AI 生成游戏的化身、装备等; 用于交易中,可以 AI 生成交易策略等; 用于链上数据中,可以 AI 进行数据分析; 用于 Defi 中,可以 AI 生成投资决策; 用于安全领域时,可以 AI 进行风险识别等。 还有一些对应用来说比较通用的功能,比如代码生成、AI 对话等等。应用场景实在是太过丰富了。因此,如何让 Web3 对 AI 产生帮助才是更有价值的事。 AI 的三要素“数据” “模型” “算力”,将其中一个要素与 #Web3 结合,或者将其组合与 Web3 结合,都可以产生出新的火花,不少 AI 项目也是这么做的。 区块链擅长的事情之一是提供一个自动化的、无需信任的经济系统,个人认为这种特点能提供给 AI 最大的价值在于,利用代币激励促进 AI 要素的流动和多方协作。可以发现,估值较高的几个 AI 项目都是朝着这个方向发展的,尤其是 #depin +AI 赛道。 在快速迭代的大模型时代,神经网络参数规模增长大概率会存在边际收益递减。此前 #OpenAI 提出的“世界模型”引起广泛的关注,而要让 AI 能够很好的认识世界,最关键的地方在于让 AI 学习的内容有多少,而不仅仅是 AI 的“大脑”有多少神经元和突触。 这些学习的内容就是 AI 三要素之一的数据要素,或者说关于这个世界的知识。目前 AI 领域中,已经存在了成千上万的各种类型的数据集,有开源的、有付费的,也有许多因为隐私问题、敏感问题或者版权问题等只能在有限范围内使用的私有数据集。 经过大模型迅猛发展的这几年,目前公开数据集基本都已被使用,而增量数据的增长速度是有限的。有研究称,到 2026 年全世界高质量的语言数据将耗尽。未来我们如何获取增量高质量数据是将要面临的一大难题。 也许通过协作的确能够解决数据饥渴问题。目前市场上已经有了许多 AI 数据加工公司或者众包平台。但既然是中心化运作,就必然有一定的管理成本,而协作这件事 Web3 很擅长。因此利用 Web3 打造一个去中心化的 AI 协作平台,是逻辑最通畅的 AI+Web3 结合方式。 我们拿 AI 项目@oortech 来举例,OORT 是为去中心化 AI 打造的云计算平台,成立于 2021 年 5 月。旨在通过去中心化网络搭建更公平高效的 AI 应用基础设施,并将开放性和透明性带入 AI 模型多阶段的开发中,促进多方协作。其目标是打造民主化和大众化的 AI 开发流程。 先上一张全景图: 从图上可以清晰地看出,OORT 的核心产品是中间的云平台(OORT Cloud Platform),其中包括:OORT Compute、OORT Storage、OORT DataHub。 云平台链接了超级节点、存储节点、边缘节点等 Depin 资源,并通过作为 Layer1 的 Olympus 协议实现交互管理。打造的去中心化云平台能够为各类 AI 应用提供服务。形成了一个完整的 AI 生态闭环。 OORT Compute 能够整合并利用来自全球的 GPU,由于经济激励有助于整合未充分利用的闲置算力,因此可为 AI 模型训练和推理提供具有成本优势的算力。 OORT Storage 集成了希捷、腾讯云等全球存储服务器,提供堪比亚马逊 AWS S3 性能的去中心化对象存储解决方案,节省成本高达 60%。 OORT Datahub 为 AI 项目提供数据集,数据由来自全球的 OORT 社区提供并进行预处理。产品中集成的区块链技术确保每一步操作都有明确和永久的记录。通过全世界的分散协作,可以更加容易地获得多样性的数据集。 目前的 AI 公司,例如 OpenAI、Google 等,都是以中心化的方式建立自己的数据中心、训练模型,整个开发流程并不公开,用户无法得知他们究竟将哪些数据喂给了模型。而 OORT 通过其云平台可以将 AI 开发的每个阶段都透明化,全世界的任何人都可以通过其个人电脑、手机共享数据以获得奖励,或者使用手机、电脑来帮助完成数据预处理,例如进行数据标注。 这些经过处理的数据随后会被更新到 OORT 去中心化云平台,数据集的“哈希值”将被存储在区块链上。 AI 项目可以使用来自社区的开源模型,有能力的社区成员都能参与设计,为模型创新贡献智慧。利用 OORT Compute,又能够为模型训练和微调带来更具性价比的算力,因为可以在全球范围内挖掘未被充分利用的计算资源。 更重要的是,训练过程中的时间戳和使用的数据集都会记录在 OORT 的区块链上,整个过程自始至终都是透明的。在模型部署阶段,任何 AI 应用和软件开发者都可以直接在其的设备上部署模型,从而能够离线使用 AI 应用,享受便捷性和安全性。