Všichni doufají, že AI+Web3 se stane katalyzátorem tohoto býčího trhu, což je zřejmé z vysokého ocenění a velkých investic, které poskytují VC. Otázkou je, jaké jsou současné problémy v integraci AI+Web3? Dovolte mi podělit se o svůj názor:

1) Školení AI vyžaduje data ve velkém měřítku a Web3 je užitečný pro sledování dat a výsledné motivační efekty. Z dlouhodobého hlediska bude AI určitě potřebovat pomoc web3, ale je třeba si ujasnit, že web3 může vyřešit pouze omezené problémy AI.

Například tradiční rozsáhlá datová školení, kontinuální optimalizace algoritmů, počítačové vidění, technologie rozpoznávání řeči, herní umělá inteligence a další klíčové oblasti jsou poháněny především rozsáhlým centralizovaným výpočetním výkonem a softwarovou a hardwarovou adaptací a optimalizací čipů, algoritmů atd. ., jako je deep Ve směrech, jako je učení konvolučních neuronových sítí, posilování učení a výpočetní modely inspirované mozkem pro rozšíření hranic schopností umělé inteligence, neexistuje žádná možnost, že by web3 v krátkodobém horizontu získal oporu;

2) Generativní AI představuje pouze malou větev většího sektoru AI, ale urychluje integraci AI a webu3. Protože generativní AI je technologie zahrnující AI, která je více orientovaná na aplikace. V ideálním případě budou velké základní modely obecně dokončeny velkými společnostmi, které využívají centralizovaný výpočetní výkon a přijímají politiku open source, aby řídily vyšší trh aplikací. Celkový trh s umělou inteligencí se postupně stane long tail a bude zdůrazněna důležitost jemného doladění modelu a odvození.

Jakmile však společnost, která řídí základní výpočetní výkon a modelové zdroje, změní svou politiku open source, bude to mít přímý dopad na celkový trh s umělou inteligencí architektura spolupráce distribuovaného uvažování se stane nutností.

3) web3 může hrát klíčovou roli v procesu výstavby distribuovaného rámce AI Například: během modelování může blockchain vytvořit jedinečný identifikátor pro zdroj dat a deduplikovat data, aby se zlepšila efektivita tréninku je nedostatečná, okres Blockchain může použít pobídkový mechanismus Tokenomics k vybudování distribuované výpočetní sítě AI v procesu dolaďování parametrů, blockchain může zaznamenávat různé verze modelu, sledovat vývoj modelu a provádět rafinované; řízení;

V modelovém inferenčním propojení mohou být ZK, TEE a další technologie použity k vybudování decentralizované inferenční sítě pro posílení komunikace a vzájemné důvěry mezi modely v propojení Edge Computing a DePIN, web3 může pomoci vybudovat decentralizovanou okrajovou AI síť a pohon AI+ DePIN kombinace IoT.

4) Když Vitalik dříve mluvil o kombinaci AI + Web3, uvedl, že AI lze postupně integrovat jako účastníka světa Web3, takže integrace AI a web3 bude určitě velmi pomalá.

Na jedné straně se mainstreamový svět web2 stále zaměřuje na výkonnostní úroveň AI a příliš se nespoléhá na zákulisní rámec spolupráce s AI Web3 stále zůstává v oblasti integrace umělé inteligence v distribuovaných výpočtech Fáze budování základní infrastruktury, jako je síť sil, síť s architekturou distribuovaného uvažování, síť distribuovaných aplikací Tokenomics a síť pro spolupráci s distribuovanými nástroji AI Agent, nebyly plně ověřeny a aplikovány. hlavní poptávkové skupiny web2.

Stručně řečeno, obecný trend AI+Web3 je správný, ale skutečná implementace a vývoj nejsou tak rychlé. Může trvat cyklus nebo dokonce napříč cykly, než je vidět významný pokrok, a je potřeba trochu více trpělivosti.