W ciągu ostatnich dwóch lat, wraz z wzrostem znaczenia sztucznej inteligencji, AI przeniknęło do różnych branż, takich jak przemysł, e-commerce, reklama, farmaceutyka, a branża kryptowalut nie jest wyjątkiem. Fuzja sztucznej inteligencji z technologią blockchain pozwala nam dostrzec unikalny cyfrowy zasób - tokeny kryptograficzne AI.

Jego popularność zaczęła się pod koniec 2022 roku, gdy inteligentny chatbot OpenAI ChatGPT zyskał ogromną popularność, wielu ludzi zdało sobie sprawę, że sztuczna inteligencja nie jest już tylko w filmach, a więcej aplikacji przeniknęło do rzeczywistości, AI już jako efektywna siła robocza jest wykorzystywana w rzeczywistych branżach.

Szał na sztuczną inteligencję wpłynął również na wielkie instytucje. Na przykład Google ogłosiło, że zacznie rozwijać swojego własnego chatbota AI Bard. Ponadto, istotna wiadomość to to, że Microsoft przejął OpenAI za 10 miliardów dolarów i zaproponował integrację z jego wyszukiwarką Bing. Trwałe zainteresowanie technologią AI prowadzi do eksplozji wartości rynkowej różnych tokenów AI, z których niektóre wzrosły o nawet 1600%!

Czym więc są tokeny AI? Jak łączą się z Web3, a dokąd zmierza przyszłość? Poniżej omówimy te pytania.

Czym są tokeny AI?

Tokeny AI to kryptowaluty, które integrują zasady AI z technologią blockchain. Elementy AI tych tokenów sprawiają, że mogą one rozwijać lepsze strategie automatyzacji rozwiązujące konkretne problemy. Dzięki temu, że ich inteligencja lepiej dostosowuje się do warunków rynkowych, są one bardziej korzystne niż inne aktywa kryptograficzne.

Tokeny AI to kryptowaluty, które wspierają projekty, aplikacje i usługi oparte na AI w ekosystemie blockchain. Pełnią trzy kluczowe role:

  1. Ułatwiają transakcje, są one nośnikami wymiany w platformach napędzanych przez sztuczną inteligencję, użytkownicy mogą płacić za usługi, uzyskiwać dostęp do danych i uczestniczyć w aktywnościach platformy.

  2. Mogą być używane jako tokeny zarządzające, w których te tokeny przyznają ich posiadaczom prawa do zarządzania, co umożliwia im uczestniczenie w kształtowaniu rozwoju projektu lub platformy sztucznej inteligencji.

  3. Mogą również służyć jako nagrody, które zachęcają użytkowników do wniesienia wkładu w protokoły lub projekty AI, zazwyczaj w zamian za wkład danych, dostarczanie zasobów obliczeniowych itp.

Infrastruktura AI+web3

Główne projekty na poziomie infrastruktury w branży AI+Web3 opierają się zasadniczo na zdecentralizowanej sieci obliczeniowej jako głównej narracji, z niskimi kosztami jako główną zaletą, a zachęty w postaci tokenów jako główny sposób rozszerzania sieci, a obsługa klientów AI+Web3 jako główny cel.

Infrastruktura jest deterministycznym kierunkiem wzrostu sztucznej inteligencji

Eksplozja zapotrzebowania na moc obliczeniową AI

W ostatnich latach zapotrzebowanie na moc obliczeniową szybko rosło, szczególnie po wprowadzeniu dużych modeli LLM, co spowodowało wybuch zapotrzebowania na moc obliczeniową wysokiej wydajności. Dane OpenAI pokazują, że od 2012 roku zużycie obliczeniowe potrzebne do treningu największych modeli AI rosło w tempie wykładniczym, podwajając się średnio co 3-4 miesiące, a jego tempo wzrostu znacznie przekroczyło prawo Moore'a.

Jednocześnie ogromna ilość danych stawia również wymagania wobec przechowywania i pamięci hardware, szczególnie na etapie treningu modeli, który wymaga dużej ilości danych wejściowych i przechowywania ogromnych zbiorów danych. Główne chipy pamięci stosowane w serwerach AI to: pamięć o wysokiej przepustowości (HBM), DRAM i SSD, które muszą oferować większą pojemność, wyższą wydajność, niższe opóźnienia i wyższą szybkość reakcji.

Niedobór podaży i popytu napędza wysokie koszty mocy obliczeniowej

Wraz z rozwojem dużych modeli, złożoność obliczeniowa wzrosła wykładniczo, co wymaga większej ilości zaawansowanego sprzętu do zaspokojenia potrzeb treningowych modeli. Na przykład w przypadku GPT-3, przy 13 milionach unikalnych użytkowników, potrzebne jest ponad 30 tysięcy chipów A100 GPU. W związku z tym początkowe koszty inwestycji wyniosą oszałamiające 800 milionów dolarów, a codzienne koszty inferencji modelu oszacowano na 700 tysięcy dolarów. Dlatego wzrost zapotrzebowania na zaawansowane GPU oraz zakłócenia w dostawach przyczyniają się do wysokich cen sprzętu, takiego jak GPU.

Infrastruktura AI zajmuje centralną pozycję w wzroście wartości łańcucha przemysłowego

Raport Grand View Research pokazuje, że globalny rynek chmurowej AI w 2023 roku szacowany jest na 62,63 miliarda dolarów, a do 2030 roku ma wzrosnąć do 647,6 miliarda dolarów, z roczną złożoną stopą wzrostu wynoszącą 39,6%. Dane te odzwierciedlają potencjał wzrostu usług chmurowych AI oraz ich ważny udział w całym łańcuchu przemysłowym AI.

Logika narracji projektów infrastruktury AI+Web3

Zapotrzebowanie na rozproszoną infrastrukturę AI jest silne i ma długoterminowy potencjał wzrostu, dlatego jest to obszar łatwy do narracji i cieszący się zainteresowaniem kapitału. Obecnie główne projekty na poziomie infrastruktury w branży AI+Web3 opierają się zasadniczo na zdecentralizowanej sieci obliczeniowej jako głównej narracji, z niskimi kosztami jako główną zaletą, a zachęty w postaci tokenów jako główny sposób rozszerzania sieci, obsługując klientów AI+Web3 jako główny cel. Obejmuje to dwa poziomy:

1. Porównanie czysto zdecentralizowanych platform do dzielenia się i wynajmu zasobów obliczeniowych: istnieje wiele wczesnych projektów AI, takich jak Render Network, Akash Network itp.;

  • Zasoby obliczeniowe jako główna przewaga konkurencyjna: podstawowe przewagi konkurencyjne i zasoby często polegają na dostępie do dużej liczby dostawców mocy obliczeniowej, szybkim budowaniu ich podstawowej sieci oraz oferowaniu łatwych w użyciu produktów dla klientów.

  • Niski próg wejścia dla produktów, szybki czas wprowadzenia na rynek: w przypadku dojrzałych produktów, takich jak Render Network czy Akash Network, już teraz widać konkretne dane dotyczące wzrostu, co daje im pewną przewagę.

  • Homogeniczność produktów nowych graczy: z powodu aktualnych trendów i niskiego progu wejścia dla tego typu produktów, ostatnio na rynek weszło wiele projektów zajmujących się dzieleniem się mocą obliczeniową i wynajmem mocy, ale produkty te są dość jednorodne, co wymaga więcej różnicujących przewag konkurencyjnych.

  • Skierowanie na obsługę klientów z prostymi potrzebami obliczeniowymi: na przykład Render Network obsługuje głównie potrzeby renderowania, a w zasobach Akash Network więcej CPU.

2. Oferowanie zdecentralizowanych usług obliczeniowych + przepływów pracy ML: istnieje wiele nowych projektów, które ostatnio uzyskały duże finansowanie, takich jak Gensyn, io.net, Ritual itp.;

  • Zdecentralizowane obliczenia podnoszą wartość podstawy. Ponieważ moc obliczeniowa jest deterministyczną narracją rozwoju AI, projekty oparte na mocy obliczeniowej zwykle mają bardziej stabilny i wysoko potencjalny model biznesowy, co sprawia, że w porównaniu do czysto pośrednich projektów mają wyższą wycenę.

  • Usługi pośrednie wyróżniają się przewagą konkurencyjną. Usługi pośrednie to te infrastruktury mocy obliczeniowej, które mają przewagę konkurencyjną, na przykład usługi synchronizacji obliczeń AI na blockchainie i poza nim, oracle i walidatory, narzędzia do wdrażania i zarządzania całym przepływem pracy AI itp.