加密 AI 项目不全是胡扯，如何识别真场景与伪需求？

作者：563

编译：深潮TechFlow

驾驭加密和人工智能的交叉点。

在寻找新的alpha信息时，我们不可避免地会遇到一些垃圾信息。当一个项目只需一个半清晰的简介和一些体面的品牌就能迅速筹集到5-6位数的资金时，投机者们会抓住每一个新的叙事。而随着传统金融领域纷纷加入AI潮流，“加密AI”叙事更是加剧了这一问题。

这些项目的大多数问题在于：

大多数加密项目不需要AI
大多数AI项目不需要加密货币

并不是所有去中心化交易所（DEX）都需要内置AI助手，每个聊天机器人也不需要一个伴随的代币来促进其采用曲线。AI和加密技术的这种硬性结合让我在最初深入了解这一叙事时几乎崩溃。

坏消息是什么？继续沿着当前的道路走下去，进一步集中这项技术，最终只会以失败告终，而大量虚假的 “AI x Crypto “项目也会阻碍我们扭转颓势。

好消息是什么？隧道尽头有曙光。有时，AI 确实能从加密经济学中获益。同样，在一些加密货币的使用案例中，AI 也能解决一些实际问题。

在今天的文章中，我们将探讨这些关键的交汇点。这些小众创新想法的重叠形成了一个整体，其效果大于各部分之和。

Table of Contents

AI堆栈的高层次视图

以下是我对“加密AI”生态系统中不同垂直领域的看法（如果你想更深入了解，可以参考Tommy的文章）。注意，这是一种非常简化的视图，但希望能帮助我们奠定基础。

从高层次来看，它是如何协同工作的：

大规模收集数据。
处理这些数据，使机器理解如何摄取和应用它。
在这些数据上训练模型以创建一个通用模型。
然后可以微调以处理特定的使用案例。
最后，这些模型被部署和托管，以便应用程序可以查询它们进行有用的实现。
所有这些都需要大量的计算资源，这些资源可以本地运行或从云端获取。

让我们探讨这些领域中的每一个，特别关注不同的加密经济设计如何能实际改进标准工作流程。

加密赋予开源以战斗机会

“闭源”与“开源”开发方法的争论可以追溯到Windows-Linux的辩论和Eric Raymond著名的《大教堂与集市》理论。虽然今天Linux在爱好者中广泛使用，但大约90%的用户选择了Windows。为什么？因为激励措施。

至少从外部来看，开放源码开发有很多好处。它可以让最多的人参与到开发过程中，并为之做出贡献。但在这种无头结构中，没有一个统一的指令。CEO 不会主动让尽可能多的人使用他们的产品，以最大限度地提高他们的底线。在开源开发过程中，项目有可能演变成一个 “嵌合体”，在设计理念的每一个交叉点上都会分裂出不同的方向。

调整激励措施的最佳方式是什么？构建一个系统，奖励那些能促进目标实现的行为。换句话说，把钱交到能让我们更接近目标的行为者手中。有了加密货币，这一点就可以硬编码成法律。

我们将看看一些正在这样做的项目。

去中心化物理基础设施网络（DePINs）

“哦拜托，又是这玩意儿？”是的，我知道DePIN叙事几乎和AI本身一样被讲烂了，但请稍等片刻。我愿意坚信DePINs是一个真正有机会改变世界的加密使用案例。想一想。

加密技术真正擅长的是什么？去除中介和激励活动。

比特币最初的愿景是对等货币，旨在将银行排除在外。类似地，现代DePINs旨在排除集中的力量，并引入可证明公平的市场动态。正如我们将看到的，这种架构对于众包AI相关网络是理想的。

DePINs使用早期代币发行来增加供应侧（提供者），希望这能吸引可持续的消费者需求。这旨在解决新市场的冷启动问题。

这意味着早期的硬件/软件（“节点”）提供者赚取大量代币和少量现金。随着用户利用这些节点（在我们的例子中是机器学习构建者）带来的现金流，这开始抵消随着时间减少的代币发行，直到一个完全自给自足的生态系统建立起来（可能需要几年时间）。早期的采用者，如Helium 和 Hivemapper，展示了这种设计的有效性。

数据网络，Grass的案例

据称，GPT-3是用45TB的纯文本数据训练的，相当于大约9000万本小说（但它仍然不能画一个圆）。GPT-4 和 GPT-5 所需的数据量比表面网络上存在的数据还要多，因此称人工智能为 “数据饥渴症 “是本世纪最轻描淡写的说法。

如果你不是顶尖玩家（OpenAI，Microsoft，Google，Facebook），获取这些数据是非常困难的。大多数人的常见策略是网页抓取，在你尝试加强之前，这一切都很好。如果使用一个亚马逊网络服务（AWS）实例试图抓取大量网站，就会很快受到速率限制。这就是 Grass 的用武之地。

Grass连接了超过两百万台设备，组织它们从用户的IP地址抓取网站，收集、结构化并将其出售给急需数据的AI公司。作为回报，参与Grass网络的用户可以从使用他们数据的AI公司那里赚取稳定的收入。

当然，目前还没有代币，但未来的$GRASS代币可能会让用户更愿意下载他们的浏览器扩展（或手机应用）。尽管他们已经通过一场极其成功的推荐活动吸引了大量用户。

GPU网络，io.net的案例

或许比数据更重要的是计算能力。你知道吗，在 2020年和2021年，中国在 GPU 上投入的资金比石油还多。这简直太疯狂了，但这仅仅是个开始。再见石油币，为计算币让路。

（报告详见）

现在，市面上有很多 GPU DePINs，它们的工作原理大致如下。

急需计算的机器学习工程师/公司。
另一方面，则是数据中心、闲置矿机和拥有闲置 GPU/CPU 的业余爱好者。

尽管全球供应量巨大，但却缺乏协调。要联系 10 个不同的数据中心，让他们为你的使用出价，并不容易。一个中心化的解决方案会产生一个寻租的中介，其激励是从每一方中提取最大价值，但加密技术可以帮助。

加密技术非常擅长创建市场层，能够高效地连接买卖双方。一个代码片段不需要对股东的财务利益负责。

io.net 脱颖而出，因为它引入了一些对于AI训练至关重要的酷炫新技术——他们的集群堆栈。传统的集群涉及在同一个数据中心物理连接一堆GPU，使它们能够协同工作进行模型训练。但如果你的硬件分布在全球各地怎么办？io.net与Ray（用于创建ChatGPT）合作开发了可以连接非同地点GPU的集群中间件。

而且，AWS的注册过程可能需要几天时间，而 io.net 上的集群可以在90秒内无许可地启动。出于这些原因，我可以看到io.net成为所有其他GPU DePINs的中心，它们都可以插入他们的“IO引擎”，解锁内置的集群和顺畅的上手体验。这一切都只有在加密技术的帮助下才有可能。

你会注意到，大多数具有雄心壮志的去中心化AI项目（如Bittensor, Morpheus, Gensyn, Ritual, Sahara）都有明确的“计算”需求——这正是GPU DePINs应当插入的地方，去中心化AI需要无许可的计算。

激励结构的运用

再次回到比特币的启示。为什么矿工们不断快速地计算哈希值？因为这是他们的报酬方式——中本聪提出这种架构是因为它优先优化了安全性。教训是什么？这些协议内置的激励结构决定了它们产生的最终产品。

比特币矿工和以太坊质押者是吸收其所有原生代币的参与者，因为这是协议想要激励的——参与者成为矿工和质押者。

在一个组织中，这可能来自CEO，他定义了 “愿景 “或 “使命宣言”。但人是容易犯错的，可能会让公司偏离正轨。另一方面，计算机代码却能比最糙皮的工资奴隶更能保持专注。让我们来看看几个去中心化项目，它们内置的令牌效应能让参与者专注于崇高的目标。

AI构建网络，探讨Bittensor

如果我们让比特币矿工构建AI而不是解决无用的数学问题会怎么样？这样，你就得到了Bittensor。

Bittensor的目标是创建几个实验性的生态系统，以进行试验，目的是在每个生态系统内生产“商品化的智能”。这意味着一个生态系统（称为子网，简称“SN”）可能专注于开发语言模型，另一个专注于金融模型，还有更多专注于语音合成、AI检测或图像生成（参见当前活跃的项目）。

对于Bittensor网络来说，你想做什么并不重要。只要你能证明你的项目值得资助，激励措施就会流动。这是子网所有者的目标，他注册子网并调整游戏规则。

这个“游戏”的参与者称为矿工。这些是构建模型的ML/AI工程师和团队。他们被锁定在一个持续审查的“雷霆穹顶”中，为了获得最多的奖励而互相竞争。

验证者是另一个面，负责进行审查并相应地评分矿工的工作。如果发现验证者与矿工勾结，将被驱逐。

记住激励措施：

矿工在击败其他子网内的矿工时赚得更多——这推动了AI的发展。
验证者在准确识别高绩效和低绩效矿工时赚得更多——这保持了子网的公正性。
子网所有者在其子网产生的AI模型比其他子网更有用时赚得更多——这推动子网所有者优化其“游戏”。

你可以将Bittensor视为一个AI开发的永久奖励机器。新兴的机器学习工程师可以尝试构建某些东西，向VCs推介并尝试筹集一些资金。或者他们可以作为矿工加入其中一个Bittensor子网，大展拳脚，并获得大量的TAO。哪个更容易？

一些顶级团队正在网络上构建：

Nous Research 是开源的王者。他们的子网在微调开源LLMs方面颠覆了传统。他们通过对模型进行持续的合成数据流测试，使排行榜无法被操纵（与传统基准测试如HuggingFace不同）。
Taoshi 的专有训练网络基本上是一个开源的量化交易公司。他们要求ML贡献者构建预测资产价格走势的交易算法。他们的API为散户和机构用户提供量化级别的交易信号，并且正快速走向重大盈利。
由 Corcel 团队开发的 Cortex.t 有两个目的。首先，他们激励矿工提供顶级模型（如GPT-4和Claude-3）的API访问，以确保开发人员的持续可用性。他们还提供合成数据生成，这对于模型训练和基准测试（这也是Nous使用它的原因）非常有用。查看他们的工具——聊天和搜索。

不出意外的话，Bittensor重申了激励结构的力量，这一切都是由加密经济学实现的。

智能代理，探究 Morpheus

现在，我们来看看Morpheus的两个方面：

加密经济结构正在构建AI（加密帮助AI）
AI启用的应用程序在加密中启用新的使用案例（AI帮助加密）

“智能代理”只是受过智能合约训练的AI模型。它们了解所有顶级DeFi协议的内部运作，知道在哪里找到收益，在哪里桥接，以及如何发现可疑的合约。它们是未来的“自动路由器”，在我看来，它们将是每个人在5-10年内与区块链互动的方式。事实上，一旦我们达到那个点，你可能根本不知道你在使用加密技术。你只会告诉聊天机器人你想把一些储蓄转移到另一种投资中，一切都会在后台发生。

Morpheus体现了这一部分的“激励它们，它们就会来”的信息。他们的目标是拥有一个平台，在这个平台上，智能代理可以传播和繁荣，每个代理都建立在上一个代理的成功之上，在一个最小化外部性的生态系统中。

代币通胀结构突出显示了协议的四个主要贡献者：

代码——代理构建者。
社区——构建前端应用程序和工具，以吸引新用户加入生态系统。
计算——提供运行代理的计算能力。
资本——提供他们的收益，以推动Morpheus的经济机器。

这些类别中的每一个都获得了$MOR通胀奖励的平等份额（也会保存一小部分作为紧急基金），迫使它们：

构建最佳代理——当他们的代理被一致使用时，创建者会得到报酬。与免费提供OpenAI插件不同，这种方式即时支付给构建者。
构建最佳前端/工具——当他们的创作被一致使用时，创建者会得到报酬。
提供稳定的计算能力——提供者在借出计算能力时获得报酬。
为项目提供流动性——通过保持项目的流动性，赚取他们的 MOR 份额。

尽管有许多其他的AI/智能代理项目，但Morpheus的代币经济结构在设计激励机制方面尤为清晰有效。

这些智能代理是AI真正消除加密应用障碍的终极例证。dApp的用户体验是出了名的糟（尽管过去几年有很多进步），LLM 的兴起点燃了每个想成为 Web2 和 Web3 创始人的激情。尽管存在大量的牟利项目，但像 Morpheus 和 Wayfinder这样的优秀项目（见下方演示）展示了将来进行链上交易会变得多么简单。