Negli ultimi due anni, con l'emergere dell'intelligenza artificiale, l'AI è penetrata in vari settori come la manifattura, l'e-commerce, la pubblicità, la medicina, e il settore delle criptovalute non fa eccezione. La fusione tra intelligenza artificiale e blockchain ci ha mostrato un asset digitale unico: i token crittografici AI.

La sua popolarità è iniziata alla fine del 2022, con il successo del chatbot AI ChatGPT di OpenAI, molte persone si sono rese conto che l'intelligenza artificiale non è più solo nei film, ma molte applicazioni sono già diventate realtà, e l'AI è stata applicata come una produttività efficiente in vari settori.

L'entusiasmo per l'intelligenza artificiale ha influenzato anche i grandi istituti. Ad esempio, Google ha annunciato di voler sviluppare il proprio chatbot AI Bard. Inoltre, una notizia da tenere d'occhio è che Microsoft ha acquisito OpenAI per 10 miliardi di dollari e ha proposto di integrarlo nel suo motore di ricerca Bing. L'interesse continuo per la tecnologia AI ha portato a una crescita esplosiva del valore di mercato di vari token AI, alcuni dei quali hanno visto aumenti fino al 1600%!

Allora, cosa sono i token AI? Come si combinano con il Web3 e quali sono le direzioni future? Di seguito discuteremo queste domande.

Cosa sono i token AI?

I token AI sono asset crittografici che integrano i principi dell'AI nella tecnologia blockchain. Gli elementi AI di tali token consentono di sviluppare strategie di automazione migliori per risolvere problemi specifici. Poiché la loro intelligenza si adatta meglio alle condizioni di mercato, sono più vantaggiosi rispetto ad altri asset crittografici.

I token AI sono criptovalute che supportano progetti, applicazioni e servizi basati su AI all'interno dell'ecosistema blockchain. Svolgono principalmente tre funzioni chiave:

  1. Facilitano le transazioni, fungendo da mezzo di scambio all'interno delle piattaforme alimentate dall'intelligenza artificiale, consentendo agli utenti di pagare le spese di servizio, accedere ai dati e partecipare alle attività della piattaforma.

  2. Possono anche fungere da token di governance, dove questi token conferiscono ai loro possessori diritti di governance, permettendo loro di partecipare alla definizione dello sviluppo di progetti o piattaforme AI.

  3. Possono anche fungere da incentivi per gli utenti a contribuire a protocolli o progetti AI, generalmente attraverso la fornitura di dati, risorse di calcolo, ecc.

Infrastruttura AI+web3

I principali progetti dell'infrastruttura del settore AI+Web3 sono fondamentalmente narrativi basati su reti di calcolo decentralizzate, con il vantaggio principale del basso costo e l'espansione della rete principalmente tramite incentivi in token, servendo principalmente i clienti AI+Web3.

L'infrastruttura è la direzione di crescita certa per lo sviluppo dell'AI.

Domanda di potenza di calcolo in esplosione.

Negli ultimi anni, la domanda di potenza di calcolo è cresciuta rapidamente, soprattutto dopo l'emergere dei grandi modelli LLM, la domanda di potenza di calcolo AI ha fatto esplodere il mercato della potenza di calcolo ad alte prestazioni. I dati di OpenAI mostrano che dal 2012, l'uso di calcolo per addestrare i modelli AI più grandi è cresciuto in modo esponenziale, raddoppiando in media ogni 3-4 mesi, e il tasso di crescita supera di gran lunga la legge di Moore.

Allo stesso tempo, la necessità di enormi quantità di dati ha posto delle richieste anche per l'archiviazione e la memoria hardware, soprattutto nella fase di addestramento dei modelli, dove è necessario un gran numero di input di parametri e archiviare grandi quantità di dati. I chip di archiviazione utilizzati nei server AI includono principalmente: memoria ad alta larghezza di banda (HBM), DRAM e SSD, e per gli scenari di lavoro dei server AI è necessario fornire maggiore capacità, prestazioni più elevate, latenza più bassa e maggiore velocità di risposta.

Uno squilibrio tra domanda e offerta spinge i costi elevati della potenza di calcolo.

Con lo sviluppo dei grandi modelli, la complessità del calcolo è aumentata vertiginosamente, richiedendo più hardware di alta gamma per soddisfare le esigenze di addestramento dei modelli. Prendendo GPT3 come esempio, con 13 milioni di utenti unici, la domanda di chip è di oltre 30.000 A100 GPU. Quindi, il costo iniziale sarà di 800 milioni di dollari, con una stima dei costi di inferenza giornaliera del modello di 700.000 dollari. Pertanto, la domanda di GPU di alta gamma e i vincoli di offerta hanno spinto i prezzi elevati dell'hardware come le GPU.

L'infrastruttura AI occupa il valore centrale della crescita della catena industriale.

Un rapporto di Grand View Research stima che il mercato globale dell'AI nel cloud avrà un valore di 62,63 miliardi di dollari nel 2023 e si prevede che crescerà fino a 647,6 miliardi di dollari entro il 2030, con un tasso di crescita annuale composto del 39,6%. Questi dati riflettono il potenziale di crescita dei servizi AI nel cloud e la loro quota importante nell'intera catena industriale dell'AI.

La logica narrativa dei progetti di infrastruttura AI+Web3

La domanda di infrastruttura AI distribuita è forte e ha un potenziale di crescita a lungo termine, rendendola un'area facilmente narrabile e apprezzata dal capitale. Attualmente, i principali progetti nell'infrastruttura del settore AI+Web3 sono fondamentalmente narrativi basati su reti di calcolo decentralizzate, con il basso costo come vantaggio principale e l'espansione della rete principalmente attraverso incentivi in token, servendo i clienti AI+Web3 come obiettivo principale. Comprende principalmente due livelli:

1. Confronto tra piattaforme di condivisione e affitto di risorse di calcolo decentralizzate: ci sono molti progetti AI iniziali, come Render Network, Akash Network, ecc.

  • Le risorse di calcolo sono il principale vantaggio competitivo: il vantaggio competitivo chiave e le risorse sono in genere la capacità di accedere a un gran numero di fornitori di potenza di calcolo, costruendo rapidamente la loro rete di base, fornendo al contempo prodotti di facile utilizzo per i clienti.

  • Basso ostacolo all'ingresso e velocità di lancio rapida: per prodotti maturi come Render Network, Akash Network, sono già visibili dati di crescita concreti, con un certo vantaggio competitivo.

  • Omogeneità dei prodotti per i nuovi entranti: a causa dell'attuale attrattiva del settore e del basso ostacolo all'ingresso per tali prodotti, recentemente sono entrati molti altri progetti che raccontano la condivisione di potenza di calcolo e l'affitto di potenza di calcolo, ma i prodotti sono piuttosto omogenei, quindi è necessario vedere più vantaggi competitivi differenziati.

  • Orientato a servire clienti con esigenze semplici di calcolo: ad esempio, Render Network serve principalmente esigenze di rendering, mentre la fornitura di risorse di Akash Network include più CPU.

2. Fornire servizi di calcolo decentralizzato + flussi di lavoro ML: ci sono molti progetti emergenti recentemente finanziati con grandi somme, come Gensyn, io.net, Ritual, ecc.

  • Il calcolo decentralizzato innalza la base di valutazione. Poiché la potenza di calcolo è la narrazione deterministica dello sviluppo dell'AI, i progetti basati su potenza di calcolo tendono ad avere modelli di business più stabili e ad alto potenziale, portando a valutazioni più elevate rispetto ai progetti puramente intermedi.

  • I servizi intermedi offrono vantaggi differenziati. I servizi intermedi sono la parte in cui queste infrastrutture di potenza di calcolo hanno un vantaggio competitivo, come gli oracle e i validatori che sincronizzano il calcolo AI on-chain e off-chain, gli strumenti di distribuzione e gestione del flusso di lavoro AI, ecc.