作者：Will Ogden Moore，編譯：0xjs@金色財經
AI是本世紀最有前途的新興技術之一，它有潛力成倍提高人類生產力並推動醫學突破。儘管AI在今天可能很重要，但它的影響力只會越來越大，普華永道估計，到 2030 年，它將發展成爲一個價值 15 萬億美元的產業。
然而，這項前景光明的技術也面臨挑戰。隨着AI技術變得越來越強大，AI行業變得極爲集中，權力集中在少數幾家公司手中，這可能會損害社會。這也引發了人們對深度僞造、內嵌偏見和數據隱私風險的嚴重擔憂。幸運的是，Crypto及其去中心化和透明的特性爲其中一些問題提供了潛在的解決方案。
本文我們將探討由中心化AI引起的問題以及去中心化AI如何幫助解決其一些弊病，並討論Crypto和AI目前的交集，重點介紹該領域已顯示出早期採用跡象的加密應用。
中心化AI的問題
如今，AI的發展面臨着一定的挑戰和風險。AI的網絡效應和密集的資本需求非常顯著，以至於許多大型科技公司以外的AI開發者，如小公司或學術研究人員，要麼難以獲得AI開發所需的資源，要麼無法將其工作貨幣化。這限制了AI的整體競爭和創新。
因此，對這項關鍵技術的影響力主要集中在 OpenAI 和谷歌等少數幾家公司手中，這引發了人們對AI治理的嚴重質疑。例如，今年 2 月，谷歌的AI圖像生成器 Gemini 暴露了種族偏見和歷史錯誤，說明了公司如何操縱他們的模型。此外，去年 11 月，由六人組成的董事會決定解僱 OpenAI 首席執行官 Sam Altman，暴露了少數人控制着開發這些模型的公司的事實。
隨着AI的影響力和重要性日益增強，許多人擔心，一家公司可能會掌握對社會產生巨大影響的AI模型的決策權，可能會設置護欄，閉門操作，或操縱模型爲自己謀利——但卻以犧牲社會其他成員爲代價。
去中心化AI如何提供幫助
去中心化 AI 是指利用區塊鏈技術以旨在提高透明度和可訪問性的方式分配 AI 所有權和治理權的 AI 服務。Grayscale Research認爲，去中心化 AI 有潛力將這些重要決策從封閉的制度中解放出來，並納入公共所有。
區塊鏈技術可以幫助開發者更多地接觸AI，降低獨立開發者開發和貨幣化其作品的門檻。我們相信這可以幫助改善整體AI創新和競爭，並與科技巨頭開發的模型保持平衡。
此外，去中心化 AI 有助於實現 AI 投資的民主化。目前，除了通過少數科技股之外，幾乎沒有其他方式可以獲得與 AI 發展相關的財務收益。與此同時，大量私人資本被分配給了 AI 初創公司和私營公司（2022 年爲 470 億美元，2023 年爲 420 億美元）。因此，只有一小部分風險投資家和合格投資者可以獲得這些公司的財務收益。相比之下，去中心化的 AI 加密資產對每個人都是可用的，讓所有人都能擁有 AI 未來的一部分。
如今Crypto和AI的交叉路口位於何處？
如今，加密貨幣和AI的交匯在成熟度方面仍處於早期階段，但市場反應令人鼓舞。截至 2024 年 5 月，加密資產的AI領域回報率爲 20%，表現優於除Currencies賽道以外的每個加密賽道（圖 1）。此外，根據數據提供商 Kaito 的數據，與去中心化金融、Layer 2、模因幣和現實世界資產等其他主題相比，AI主題目前在社交平臺上佔據了最多的“敘事心智份額”。
最近，一些知名人士開始擁抱這一新興交叉領域，致力於解決中心化AI的缺陷。今年 3 月，知名AI公司 Stability AI 的創始人 Emad Mostaque 離開公司，轉而追求去中心化AI，他表示“現在是時候確保AI保持開放和去中心化了”。此外，加密貨幣企業家 Erik Vorhees 最近推出了 Venice.ai，這是一款專注於隱私的AI服務，具有端到端加密功能。
圖 1：今年迄今爲止，AI賽道表現幾乎優於所有加密賽道
我們可以將Crypto和AI的交集分爲三個主要子類別：
1、基礎設施層：爲AI開發提供平臺的網絡（例如NEAR，TAO，FET）
2、AI所需的資源：提供AI開發所需的關鍵資源（計算、存儲、數據）的資產（例如 RNDR、AKT、LPT、FIL、AR、MASA）
3、解決 AI 問題：試圖解決 AI 相關問題的資產，例如機器人和深度僞造的興起以及模型驗證（例如 WLD、TRAC、NUM）
圖 2：AI和Crypto市場地圖
資料來源：Grayscale Investments
爲AI發展提供基礎設施的網絡
第一類是提供無需許可的開放式架構的網絡，專爲 AI 服務的總體開發而構建。這些資產不專注於某一種 AI 產品或服務，而是專注於爲各種 AI 應用創建底層基礎設施和激勵機制。
Near 在這一類別中脫穎而出，其創始人是“Transformer”架構的聯合創始人，該架構爲 ChatGPT 等 AI 系統提供支持。 然而，該公司最近利用其 AI 專業知識，通過由前 OpenAI 研究工程師顧問領導的研發部門，公佈了開發“用戶擁有的 AI” 的努力。 2024 年 6 月下旬，Near 啓動了其 AI 孵化器計劃，用於開發 Near 原生基礎模型、AI 應用程序數據平臺、AI 智能體框架和計算市場。
Bittensor 提供了另一個可能引人注目的例子。Bittensor 是一個使用 TAO 代幣在經濟上鼓勵AI發展的平臺。Bittensor 是 38 個子網絡（子網）的底層平臺，每個子網絡都有不同的用例，例如聊天機器人、圖像生成、財務預測、語言翻譯、模型訓練、存儲和計算。Bittensor 網絡用 TAO 代幣獎勵每個子網中表現最佳的礦工和驗證者，併爲開發人員提供無需許可的 API，通過查詢 Bittensor 子網中的礦工來構建特定的AI應用程序。
此類別還包括其他協議，例如 Fetch.ai 和 Allora 網絡。Fetch.ai 是一個供開發人員創建複雜 AI 助手（即“AI 智能體”）的平臺，最近與 AGIX 和 OCEAN 合併，總價值約爲 75 億美元。另一個是 Allora 網絡，該平臺專注於將 AI 應用於金融應用，包括去中心化交易所和預測市場的自動交易策略。Allora 尚未推出代幣，並於 6 月進行了一輪戰略融資，使其總融資額達到 3500 萬美元的私募資本。
AI發展所需的資源
第二類包括以計算、存儲或數據的形式提供人工智能開發所需資源的資產。
人工智能的興起對 GPU 形式的計算資源產生了前所未有的需求。諸如 Render (RNDR)、Akash (AKT) 和 Livepeer (LPT) 之類的去中心化 GPU 市場爲需要計算進行模型訓練、模型推理或渲染 3D 生成式 AI 的開發人員提供了閒置 GPU 供應。如今，據估計，Render 提供約 10,000 個 GPU，重點面向藝術家和生成式 AI，而 Akash 提供 400 個 GPU，重點面向 AI 開發人員和研究人員。與此同時，Livepeer 最近宣佈了其新的 AI 子網計劃，目標是在 2024 年 8 月完成文本轉圖像、文本轉視頻和圖像轉視頻等任務。
除了需要大量計算外，AI 模型還需要大量數據。因此，對數據存儲的需求大幅增加。Filecoin (FIL) 和 Arweave (AR) 等數據存儲解決方案可以作爲將 AI 數據存儲在中心化 AWS 服務器上的去中心化安全網絡替代方案。這些解決方案不僅提供經濟高效且可擴展的存儲，而且還通過消除單點故障和降低數據泄露風險來增強數據安全性和完整性。
最後，OpenAI 和 Gemini 等現有 AI 服務分別通過 Bing 和 Google 搜索持續訪問實時數據。這使這些科技公司之外的所有其他 AI 模型開發人員處於不利地位。然而，Grass 和 Masa (MASA) 等數據抓取服務可以幫助創造公平的競爭環境，因爲它們允許個人通過將其應用程序數據用於 AI 模型訓練來將其貨幣化，同時保持對個人數據的控制和隱私。
嘗試解決 AI 相關問題的資產
第三類包括試圖解決與AI相關的問題的資產，包括機器人、深度僞造和內容來源的興起。
AI加劇的一個重大問題是機器人和虛假信息的泛濫。人工智能生成的深度僞造已經對印度和歐洲的總統選舉產生了影響，專家們“非常害怕”即將到來的總統競選將涉及由深度僞造嚴重驅動的“虛假信息海嘯”。希望通過建立可驗證的內容來源來幫助解決與深度僞造相關的問題的資產包括 Origin Trail (TRAC)、Numbers Protocol (NUM) 和 Story Protocol。此外，Worldcoin (WLD) 試圖通過獨特的生物識別符來證明一個人的人性，從而解決機器人問題。
AI的另一個風險是確保對模型本身的信任。我們如何相信收到的人工智能結果沒有被篡改或操縱？目前有幾種協議正在努力通過密碼學、零知識證明和全同態加密 (FHE) 來幫助解決這個問題，其中包括 Modulus Labs 和 Zama。
結論
雖然這些去中心化的AI資產已經取得了初步進展，但我們仍處於這一交叉點的第一局。今年年初，著名風險投資家 Fred Wilson 表示，AI和加密貨幣是“同一枚硬幣的兩面”，“web3 將幫助我們信任AI”。隨着AI行業的不斷成熟，Grayscale Research 認爲，這些與AI相關的加密用例將變得越來越重要，這兩種快速發展的技術有可能相互支持彼此的增長。
很多跡象表明，AI即將到來，並將產生深遠的影響，既有積極的，也有消極的。通過利用區塊鏈技術的特性，我們相信加密最終可以幫助減輕AI帶來的一些危險。
