Mọi người đều hy vọng rằng AI+Web3 sẽ trở thành chất xúc tác cho thị trường tăng giá này, điều này được thể hiện rõ qua mức định giá cao và khoản đầu tư lớn của các quỹ đầu tư mạo hiểm. Câu hỏi đặt ra là các vấn đề hiện tại trong lộ trình tích hợp AI+Web3 là gì? Hãy để tôi chia sẻ ý kiến ​​​​của tôi:

1) Đào tạo AI yêu cầu dữ liệu quy mô lớn và Web3 rất hữu ích cho việc theo dõi dữ liệu và mang lại hiệu quả khuyến khích. Về lâu dài, AI chắc chắn sẽ cần đến sự trợ giúp của web3, nhưng cần phải làm rõ rằng web3 chỉ có thể giải quyết được những vấn đề còn hạn chế của AI.

Ví dụ: đào tạo dữ liệu quy mô lớn truyền thống, tối ưu hóa thuật toán liên tục, thị giác máy tính, công nghệ nhận dạng giọng nói, AI trò chơi và các lĩnh vực cốt lõi khác chủ yếu được thúc đẩy bởi sức mạnh tính toán tập trung quy mô lớn và khả năng thích ứng phần mềm và phần cứng cũng như tối ưu hóa chip, thuật toán, v.v. ., chẳng hạn như các hướng đi sâu như học mạng lưới thần kinh tích chập, học tăng cường và các mô hình điện toán lấy cảm hứng từ não bộ để mở rộng ranh giới của các khả năng AI, không có khả năng web3 sẽ có được chỗ đứng trong thời gian ngắn;

2) Generative AI chỉ chiếm một nhánh nhỏ trong lĩnh vực AI lớn hơn, nhưng nó đẩy nhanh quá trình tích hợp AI và web3. Bởi vì AI tổng quát là một công nghệ bao gồm AI thiên về ứng dụng hơn. Lý tưởng nhất là các mô hình cơ bản lớn thường sẽ được hoàn thành bởi các công ty lớn sử dụng sức mạnh tính toán tập trung và áp dụng chính sách nguồn mở để thúc đẩy thị trường ứng dụng cấp cao hơn. Thị trường AI tổng thể sẽ dần dần trở thành một cái đuôi dài và tầm quan trọng của việc tinh chỉnh và suy luận mô hình sẽ được nêu bật.

Tuy nhiên, một khi một công ty kiểm soát sức mạnh tính toán cốt lõi và tài nguyên mô hình thay đổi chính sách nguồn mở của mình, điều đó sẽ có tác động trực tiếp đến thị trường AI tổng thể, một cơ sở hạ tầng phụ thuộc nhiều hơn vào kiến ​​trúc sức mạnh tính toán phân tán và. kiến trúc cộng tác lý luận phân tán sẽ trở thành điều bắt buộc.

3) web3 có thể đóng một vai trò quan trọng trong quá trình xây dựng khung phân phối AI. Ví dụ: trong quá trình đào tạo mô hình, chuỗi khối có thể tạo một mã định danh duy nhất cho nguồn dữ liệu và loại bỏ dữ liệu trùng lặp để cải thiện hiệu quả đào tạo khi sức mạnh tính toán; chưa đủ, khu vực blockchain có thể sử dụng cơ chế khuyến khích Tokenomics để xây dựng mạng lưới sức mạnh tính toán AI phân tán, trong quá trình tinh chỉnh tham số, blockchain có thể ghi lại các phiên bản khác nhau của mô hình, theo dõi sự phát triển của mô hình và thực hiện tinh chỉnh; điều khiển;

Trong liên kết suy luận mô hình, ZK, TEE và các công nghệ khác có thể được sử dụng để xây dựng mạng suy luận phi tập trung nhằm tăng cường giao tiếp và tin cậy lẫn nhau giữa các mô hình; trong liên kết tích hợp điện toán biên và DePIN, web3 có thể giúp xây dựng và thúc đẩy mạng AI biên phi tập trung AI+ DePIN sự kết hợp của IoT.

4) Khi Vitalik trước đây nói về sự kết hợp giữa AI + Web3, anh ấy nói rằng AI có thể dần dần được tích hợp với tư cách là một thành viên tham gia vào thế giới Web3, vì vậy việc tích hợp AI và web3 chắc chắn sẽ rất chậm.

Một mặt, thế giới web2 chính thống vẫn tập trung vào mức độ hiệu suất của AI và không phụ thuộc nhiều vào khuôn khổ cộng tác hậu trường của AI. Mặt khác có vấn đề là mất liên lạc với web3; , web3 vẫn nằm trong lĩnh vực tích hợp AI trong điện toán phân tán. Giai đoạn xây dựng các cơ sở hạ tầng cơ bản như mạng lực lượng, mạng kiến ​​trúc lý luận phân tán, mạng ứng dụng Tokenomics phân tán và mạng cộng tác công cụ AI Agent phân tán vẫn chưa được xác minh và áp dụng đầy đủ. các nhóm nhu cầu web2 chính thống.

Nói tóm lại, xu hướng chung của AI+Web3 là đúng, nhưng việc triển khai và phát triển thực tế không nhanh như vậy. Có thể phải mất một chu kỳ hoặc thậm chí xuyên suốt các chu kỳ để thấy được tiến bộ đáng kể và cần kiên nhẫn hơn một chút.