Semua orang berharap AI+Web3 akan menjadi katalis bagi pasar yang sedang naik ini, yang terbukti dari valuasi tinggi dan investasi besar yang diberikan oleh para VC. Pertanyaannya adalah, apa permasalahan yang ada pada jalur integrasi AI+Web3 saat ini? Izinkan saya membagikan pendapat saya:

1) Pelatihan AI memerlukan data berskala besar, dan Web3 berguna untuk pelacakan data dan efek insentif yang dihasilkan. Dalam jangka panjang, AI pasti membutuhkan bantuan web3, namun perlu diperjelas bahwa web3 hanya dapat menyelesaikan permasalahan AI yang terbatas.

Misalnya, pelatihan data tradisional berskala besar, pengoptimalan algoritme berkelanjutan, visi komputer, teknologi pengenalan suara, AI game, dan area inti lainnya terutama didorong oleh daya komputasi terpusat berskala besar serta adaptasi perangkat lunak dan perangkat keras serta optimalisasi chip, algoritme, dll. ., seperti arah mendalam seperti mempelajari jaringan saraf konvolusional, pembelajaran penguatan, dan model komputasi yang diilhami otak untuk memperluas batas kemampuan AI, tidak ada kemungkinan bahwa web3 akan mendapatkan pijakan dalam jangka pendek;

2) AI generatif hanya mencakup sebagian kecil dari sektor AI yang lebih besar, namun mempercepat integrasi AI dan web3. Karena AI generatif merupakan teknologi inklusif AI yang lebih berorientasi pada aplikasi. Idealnya, model dasar yang besar umumnya akan diselesaikan oleh perusahaan besar yang menggunakan daya komputasi terpusat dan mengadopsi kebijakan sumber terbuka untuk mendorong pasar aplikasi tingkat atas. Pasar AI secara keseluruhan secara bertahap akan menjadi jangka panjang, dan pentingnya penyempurnaan model dan inferensi akan disorot.

Namun, begitu perusahaan yang mengendalikan daya komputasi inti dan sumber daya model mengubah kebijakan sumber terbukanya, hal itu akan berdampak langsung pada pasar AI secara keseluruhan, sebuah infra yang lebih bergantung pada arsitektur daya komputasi terdistribusi dan arsitektur kolaborasi penalaran terdistribusi akan menjadi suatu keharusan.

3) web3 dapat memainkan peran kunci dalam proses konstruksi kerangka terdistribusi AI. Misalnya: selama pelatihan model, blockchain dapat membuat pengidentifikasi unik untuk sumber data dan menghapus duplikat data untuk meningkatkan efisiensi pelatihan saat daya komputasi; tidak mencukupi, distrik Blockchain dapat menggunakan mekanisme insentif Tokenomics untuk membangun jaringan daya komputasi AI terdistribusi, dalam proses penyesuaian parameter, blockchain dapat merekam versi model yang berbeda, melacak evolusi model, dan melakukan penyempurnaan. kontrol;

Dalam tautan inferensi model, ZK, TEE, dan teknologi lainnya dapat digunakan untuk membangun jaringan inferensi terdesentralisasi guna meningkatkan komunikasi dan rasa saling percaya antar model; dalam tautan integrasi edge computing dan DePIN, web3 dapat membantu membangun jaringan dan drive AI edge yang terdesentralisasi AI+ DePIN kombinasi IoT.

4) Ketika Vitalik sebelumnya berbicara tentang kombinasi AI + Web3, beliau menyatakan bahwa AI dapat diintegrasikan secara bertahap sebagai peserta di dunia Web3, sehingga integrasi AI dan web3 pasti akan sangat lambat.

Di satu sisi, dunia web2 arus utama masih berfokus pada tingkat kinerja AI dan tidak terlalu bergantung pada kerangka kolaborasi AI di balik layar , web3 masih berada di bidang integrasi AI dalam komputasi terdistribusi. Tahap konstruksi infra dasar seperti jaringan kekuatan, jaringan arsitektur penalaran terdistribusi, jaringan aplikasi Tokenomics terdistribusi, dan jaringan kolaborasi alat Agen AI terdistribusi belum sepenuhnya diverifikasi dan diterapkan oleh kelompok permintaan web2 arus utama.

Singkatnya, tren umum AI+Web3 benar, namun implementasi dan pengembangan sebenarnya tidak secepat itu. Mungkin diperlukan satu siklus atau bahkan lintas siklus untuk melihat kemajuan yang signifikan, dan diperlukan lebih banyak kesabaran.