Peluang dalam AI dan Web3: Perspektif Investor tentang Prospek dan Peluang

Kombinasi AI dengan Web3 tidak disarankan karena AI relatif terpusat sedangkan Web3 difokuskan pada desentralisasi.

Sementara pasar sekunder NFT menurun, pasar primer tampaknya tidak membicarakan proyek terkait NFT atau NFTFi dalam dua bulan terakhir, sementara proyek AI benar-benar mulai lepas landas, sehingga artikel NFT terus menyeret . Ketika saya selesai menulis tentang ekologi BTC terakhir kali, saya seharusnya menambahkan artikel tentang NFT dan NFTFI. Namun, NFT umumnya tidak keren saat ini. Tren menggabungkan AI dengan Web3 pertama kali disebutkan.

AI

Industri AI akan segera menurun. Illia, Pendiri Near Protocol, sebenarnya ahli dalam AI, kontributor kode utama untuk TensorFlow, framework pembelajaran mesin yang paling terkenal. Orang-orang berspekulasi bahwa menurutnya tidak ada harapan dalam  AI (pembelajaran mesin sebelum model besar) dan datang untuk mengerjakan Web3.

Namun, industri menyambut ChatGpt3.5 sekitar akhir tahun lalu, dan bisnis AI mulai bangkit kembali. Karena, tidak seperti putaran hype dan perubahan kuantitatif sebelumnya, kali ini benar-benar dapat dianggap sebagai perubahan kualitatif. Setelah beberapa bulan, tsunami kewirausahaan AI juga telah mencapai Web3. Persaingan internal Silicon Valley Web2 sengit, berbagai modal adalah Fomo, banyak program homogenisasi yang mulai mengobarkan perang harga, pabrik besar dan model besar adalah PK...

Namun, perlu dicatat bahwa AI juga telah memasuki periode hambatan relatif setelah lebih dari setengah tahun merebak, seperti popularitas pencarian Google dengan AI jatuh dari tebing, pertumbuhan pengguna Chatgpt melambat secara signifikan, Keluaran AI dengan keacakan tertentu membatasi banyak adegan pendaratan... Secara keseluruhan, kita sangat, sangat jauh dari dongeng "kecerdasan buatan umum AGI".

Saat ini, Silicon Valley Venture Capitals  melakukan penilaian seperti itu terhadap perkembangan AI selanjutnya:

1. Tidak ada model vertikal, hanya aplikasi vertikal model besar (kita akan kembali lagi nanti ketika kita berbicara tentang Web3+AI);

2. Data pada perangkat edge seperti ponsel mungkin menjadi penghalang, dan perangkat on-edge berbasis AI juga bisa menjadi peluang;

3. Panjang Konteks dapat menyebabkan perubahan kualitatif di masa mendatang (database vektor sekarang digunakan sebagai memori AI, tetapi panjang konteks masih belum cukup).

Web3+AI

Pada kenyataannya, AI dan Web3 adalah dua teknologi yang sepenuhnya berbeda. AI membutuhkan kekuatan pemrosesan yang terkonsentrasi dan sejumlah besar data untuk melakukan pelatihan, yang cukup terpusat. Meskipun mereka tidak bekerja sama dengan baik karena Web3 terdesentralisasi, anggapan bahwa AI mengubah produktivitas dan blockchain mengubah hubungan produksi terlalu meluas. Akan selalu ada individu yang mencari persimpangan itu, dan selama dua bulan terakhir, saya telah membahas tidak kurang dari 10 inisiatif AI.

Sebelum berbicara tentang jalur kombinasi baru, mari kita mulai dengan membahas proyek AI+Web3 lama, yang pada dasarnya adalah tipe platform, diwakili oleh FET dan AGIX. Teman-teman AI profesional domestik saya memberi tahu saya bahwa Semua hal AI yang dulu dilakukan pada dasarnya tidak berguna sekarang, baik Web2 atau Web3, banyak yang merupakan barang bawaan daripada pengalaman." Arah dan masa depan ada di model besar seperti OpenAI berdasarkan trafo, model besar menyimpan AI.

Oleh karena itu, jenis platform umum bukanlah model Web3+AI yang dia optimis, dan lebih dari 10 proyek yang saya bicarakan tidak memiliki aspek ini, dan hal dasar yang saya lihat adalah sektor berikut:

1. Kapitalisasi Bot/Agen/Asisten

2. Platform komputasi

3. Platform Data

4. AI generatif

5. Perdagangan/Audit/Kontrol Risiko DeFi

6.ZKML

1. Bot/Agen/Asistenkapitalisasi

Sektor yang paling banyak dibicarakan dan dihomogenkan adalah sektor ini. Sederhananya, proyek-proyek ini biasanya menggunakan OpenAI sebagai fondasi, bersama dengan sumber terbuka tambahan atau alat teknis yang dikembangkan sendiri seperti TTS (Text to Speech), dan dengan data spesifik, FineTune membuat beberapa bot yang "lebih baik daripada ChatGPT dalam beberapa hal. lapangan."

Misalnya, Anda dapat menyewa instruktur yang cantik untuk mengajari Anda bahasa Inggris. Dia memiliki pilihan antara aksen Cockney dan aksen Amerika. Pengalaman interaksi Anda akan menjadi lebih baik daripada dengan ChatGPT, yang lebih formal dan mekanis berkat kemampuan untuk mengubah kepribadian dan gaya obrolannya. ada pacar virtual DAPP, sebuah game wanita Web3 bernama HIM, yang bisa dianggap sebagai perwakilan dari tipe ini.

Dari konsep ini, secara teoritis Anda dapat memiliki banyak bot/agen untuk melayani Anda. Misalnya, jika Anda ingin mempelajari cara merebus ikan, mungkin ada Bot Memasak Fine Tune khusus bidang ini untuk mengajari Anda, dan responsnya lebih mumpuni daripada ChatGPT. Jika Anda ingin bepergian, ada juga bot perjalanan yang dapat memberi Anda saran dan perencanaan perjalanan. Atau, jika Anda adalah mitra proyek, dapatkan robot layanan pelanggan Discord untuk membantu Anda menjawab pertanyaan komunitas.

Ada proyek turunan berdasarkan jenis "tipe aplikasi vertikal berbasis GPT" Bot selain melakukan jenis "tipe aplikasi vertikal berbasis GPT" Bot, sebagai kapitalisasi model" dan NFT sebagai kapitalisasi gambar," yang berarti bahwa sekarang Prompt yang terkenal di AI juga dapat dikapitalisasi. Promopt sendiri memiliki nilai dan dapat dikapitalisasi, misalnya, petunjuk MidJourney yang berbeda dapat menghasilkan visual yang berbeda dan petunjuk yang bervariasi akan memiliki hasil yang berbeda saat melatih bot.

Pada bot semacam itu, ada inisiatif tambahan seperti pengindeksan dan pencarian portal. Bagaimana kami dapat memilih Bot terbaik untuk Anda ketika kami memiliki ribuan Bot? Kemudian, untuk membantu Anda "menemukan," Anda mungkin memerlukan portal Web2 seperti Hao123 atau mesin pencari seperti Google.

Saya yakin saat ini, kapitalisasi Bot (model) memiliki dua kelemahan dan dua arah:

Kelemahan 1. Karena ini adalah trek AI+web3 yang paling mudah digunakan, homogenisasi merupakan kelemahan utama. Ada elemen NFT dengan petunjuk karakteristik utilitas. Akibatnya, pasar utama mulai menunjukkan tren Laut Merah dan bersaing, tetapi OpenAI berada di bawah, jadi kami benar-benar tidak memiliki kendala teknis untuk diatasi; kami hanya dapat bersaing berdasarkan desain dan operasi.

Kelemahan 2. Kartu keanggotaan fisik atau elektronik mungkin lebih nyaman bagi sebagian besar pengguna, terlepas dari kenyataan bahwa kartu keanggotaan Starbucks NFT on-Chain melakukan upaya yang patut dipuji untuk memasuki dunia web3. Ini juga merupakan masalah dengan bot berbasis Web3. Jika saya ingin berkomunikasi dengan Musk, Socrates, atau robot untuk belajar bahasa Inggris, bukankah akan bermanfaat bagi saya untuk langsung menggunakan Web2 http://Character.AI?

Arahan 1.  Model on-chain mungkin merupakan konsep yang baik dalam jangka pendek hingga menengah. Model-model ini saat ini memiliki pemahaman terbatas tentang NFT ETH, dengan MetaData terutama menunjuk ke IPFS atau server off-chain daripada blockchain itu sendiri. Terutama di server, model biasanya berukuran puluhan hingga ratusan megabita.

Namun, menurut saya seharusnya tidak menantang untuk membuat rantai model dalam skala 100 megabit dalam dua atau tiga tahun ke depan mengingat penurunan harga penyimpanan yang signifikan baru-baru ini (2TB SSD 500RMB) dan pengembangan proyek penyimpanan seperti Filecoin FVM dan ETHStorage.

Apa keuntungan dari on-chain, Anda mungkin bertanya-tanya? Model on-chain dapat langsung digunakan oleh kontrak lain, yang lebih merupakan Crypto Native, dan pola permainannya pasti lebih besar. Ada sedikit rasa visual dari Game Sepenuhnya Onchain karena semua data asli dari rantai. ada banyak tim yang sedang menjajaki hal ini, namun prosesnya masih sangat awal.

Arah2. Jika Anda memikirkan kontrak pintar dengan serius dalam jangka menengah-panjang, Anda mungkin menemukan bahwa "interaksi mesin-mesin" daripada interaksi manusia-komputer yang lebih tepat. AI sekarang memiliki ide dari AutoGPT, yang memungkinkan Anda mendapatkan "avatar virtual" atau "asisten virtual" yang dapat membantu Anda dengan tugas-tugas seperti memesan tiket, hotel, membeli nama domain untuk membuat situs web, dan item lainnya sesuai kebutuhan.

Apakah Anda lebih suka kenyamanan Alipay dan semua jenis kartu bank atau kenyamanan transfer alamat blockchain lengkap ketika asisten AI mengelola banyak rekening bank Anda? Solusinya jelas. Oleh karena itu, akankah ada banyak pembantu AI seperti AutoGPT di masa depan yang melakukan pembayaran dan penyelesaian C2C, B2C, atau bahkan B2B secara otomatis melalui blockchain dan kontrak pintar dalam berbagai skenario tugas? Kemudian garis yang memisahkan Web2 dan Web3 menjadi sangat kabur pada saat itu.

2. Platform Komputasi

Proyek platform daya komputasi kurang dikapitalisasi dan kompetitif dibandingkan dengan model Bot, tetapi relatif lebih mudah untuk dipahami. AI membutuhkan daya komputasi yang signifikan, dan BTC dan ETH telah membuktikan dalam dekade terakhir bahwa metode semacam itu ada, yang dapat mengatur dan mengoordinasikan daya komputasi yang sangat besar untuk bekerja sama dan bersaing dalam lingkungan insentif dan permainan ekonomi yang terdesentralisasi. Sekarang, pendekatan ini dapat diterapkan pada AI.

Together dan Gensyn tidak diragukan lagi adalah dua proyek paling terkenal di sektor ini, salah satunya menerima $10 juta dalam pendanaan awal dan yang lainnya $43 juta dalam putaran A. Keduanya mencoba mengumpulkan banyak uang karena mereka membutuhkan uang dan kapasitas pemrosesan untuk membangun model mereka sendiri terlebih dahulu, setelah itu mereka akan menggunakan platform tersebut untuk membangun proyek AI lainnya.

Jumlah pembiayaan untuk platform daya komputasi penalaran akan relatif kecil karena pada dasarnya adalah agregasi GPU yang menganggur dan daya komputasi lainnya dan kemudian diberikan kepada proyek AI yang membutuhkan penalaran. RNDR memang membuat agregasi daya, dan platform ini melakukan agregasi daya inferensi. Tetapi ambang teknisnya relatif tidak jelas saat ini, dan saya bahkan bertanya-tanya apakah suatu hari platform komputasi awan RNDR atau Web3 akan meluas ke platform komputasi penalaran.

Arah platform daya komputasi lebih realistis dan prediktor yang lebih baik daripada modal model; pada dasarnya, akan ada kebutuhan untuk itu dan satu atau dua proyek terkemuka untuk melihat siapa yang dapat melakukannya. Satu-satunya ketidakpastian adalah apakah pelatihan dan penalaran memiliki proyek utama yang terpisah, atau apakah proyek utama akan melakukan keduanya.

3.Platform Data

Ini tidak sulit untuk dipahami, karena AI yang mendasarinya adalah tiga hal utama: algoritme (model), daya komputasi, dan data.

Karena algoritme dan daya komputasi memiliki "versi terdesentralisasi", data pasti tidak akan ada, yang juga merupakan arahan paling optimis dari Dr. Lu Qi, pendiri platform pembuatan Qiji, ketika berbicara tentang AI dan Web3.

Web3 selalu menekankan privasi dan kedaulatan data, dan ada teknologi seperti ZK untuk memastikan keandalan dan integritas data, sehingga AI yang dilatih berdasarkan data on-chain Web3 harus berbeda dari yang dilatih pada data off-chain Web2. Jadi arah ini secara keseluruhan masuk akal. Lautan harus dianggap milik sektor ini, dan ada juga proyek seperti pasar data AI khusus berdasarkan Lautan di pasar utama.

4. AI generatif

Sederhananya, ini melibatkan penggunaan lukisan AI atau produksi serupa lainnya untuk mendukung beberapa adegan lain, termasuk pembuatan NFT, peta dalam game, latar belakang NPC, dan sebagainya. Metode penerapan NFT ini menantang karena kelangkaan generasi AI tidak mencukupi. Namun Gamefi mungkin saja, ada tim yang mencoba mengimplementasikan Gamefi di pasar utama.

Namun, beberapa hari yang lalu, Unity (bersama dengan Unreal Engine, yang telah lama mendominasi pasar game engine) juga merilis Sentis dan Muse, dua alat penghasil AI-nya sendiri. Alat-alat ini sekarang dalam tahap beta terbatas, tetapi diperkirakan akan dirilis secara resmi tahun depan. Proyek AIGC game Web3, mungkin penurunan dimensi terkena Unity...

5.Perdagangan DeFi/Audit/Kontrol Risiko

Proyek telah dicoba dalam kategori ini, tetapi homogenisasi tidak begitu jelas.

·      Perdagangan - Yang ini Rumit karena jika strategi perdagangan berhasil dengan baik, karena semakin banyak orang menggunakannya, mungkin menjadi kurang berguna dan Anda harus beralih ke strategi baru. Kemudian kami ingin tahu tentang tingkat kemenangan robot perdagangan AI di masa depan dan di posisi apa mereka akan berada di antara pedagang biasa.

·      Audit - Ini akan membantu dalam mengatasi kerentanan umum yang ada dengan segera, tetapi tidak untuk kelemahan logis atau baru, dan ini hanya boleh terjadi di era AGI.

·      Hasil – Hasil mudah dipahami. Bayangkan saja YFI dengan kecerdasan AI dan investasikan dana Anda di sana. AI Staking akan memilih platform untuk dipertaruhkan, membuat kumpulan LP, dan menambang berdasarkan toleransi risiko Anda.

·      Kontrol risiko - rasanya aneh mengerjakan proyek sendirian, dan masuk akal untuk melayani berbagai platform peminjaman atau Defi dalam bentuk plugin.

6.ZKML

Ini adalah sektor yang semakin populer karena menggabungkan dua teknologi paling mutakhir, ZK dan ML (pembelajaran mesin, bidang khusus AI).

Secara teori, kombinasi ZK dapat memberikan privasi, integritas, dan akurasi ML, tetapi dalam praktiknya, banyak pihak proyek kesulitan untuk membuat skenario penggunaan khusus dan malah berfokus pada membangun infrastruktur.

Satu-satunya hal yang benar-benar dibutuhkan saat ini adalah pembelajaran mesin di beberapa bagian bidang medis, kebutuhan akan privasi data pasien, dan narasi seperti integritas game on-chain atau anti-kecurangan selalu terasa dibuat-buat.

Modulus Labs, EZKL, Giza, dll., adalah beberapa proyek terpanas di sektor ini di pasar primer.

Hambatan teknis sektor ini jauh lebih tinggi daripada trek lain dan homogenisasi umumnya tidak terlihat. Tidak banyak orang di dunia yang memahami ZK, bahkan lebih sedikit lagi talenta yang memahami ZK dan ML. ZKML lebih berfokus pada penalaran daripada pelatihan.