作者:Lao Bai,ABCDE 投研合伙人 / 来源:https://twitter.com/Wuhuoqiu/status/1679370185369874433
在上一篇文章中,作者介绍了 Web3+AI 的 6 种模型中的 Bot/Agent/Assistant 资产化。本文将进一步介绍其他五种模型,它们分别是算力平台、数据平台、生成式 AI、Defi 交易/审计/风控以及 ZKML。
算力平台
算力平台的项目没有 Bot 模型资产化那么多和卷,但理解起来相对更加容易,都知道 AI 需要大量算力,而 BTC 和 ETH 在过去 10 多年已经证明了世界上有这么一种方法:可以自发的,去中心化的,在经济激励和博弈的环境下组织协调起海量的算力去合作+竞争的做一件事。现在可以把这种方法用在 AI 上。
业内最出名的两个项目无疑是 Together 和 Gensyn,一个种子轮就是千万级别融资;一个是 A 轮融了 4300 万。这俩之所以要融这么多钱,据说是因为需要资金和算力先训练自己的模型,然后后面会做成算力平台提供给其他的AI项目做训练用。
而做推理的算力平台融资额相对会小很多,因为本质上就是聚合闲置的 GPU 等算力然后提供给有需要的 AI 项目做推理用。RNDR 是做渲染算力聚合,这些平台做推理算力聚合。但技术门槛目前都比较模糊,甚至我在想会不会哪天 RNDR 或是 Web3 云算力平台一只脚就伸到推理型算力平台这边了。
算力平台这个方向相比模型资产化更加实在和好预测,基本上是板上钉钉一定会有需求也会出现一两个头部项目的赛道,就看谁能杀的出来,唯一目前不确定的是训练和推理各自有龙头,还是龙头会把训练和推理都包圆了。
数据平台
这个其实也不难理解,因为 AI 的底层说白就三大件:算法(模型)、算力和数据。
既然算法和算力都有“去中心化版本”,那数据肯定也不会缺席,这也是奇绩创坛的创始人陆奇博士在聊AI和Web3时候最看好的一个方向。
Web3 一直强调数据隐私和主权,也有 ZK 之类的技术来确保数据可靠与完整性,那么基于 Web3 的链上数据训练出来的 AI 肯定和 Web2 链下数据训练出来的应该不一样。所以这条线整体 Make Sense,目前圈内 Ocean 应该算是这个赛道,一级市场也有看到基于 Ocean 做的专门的 AI 数据市场之类的项目。
生成式 AI
简单来说就是拿 AI 画画,或是类似的创作,来服务与其他一些场景,比如做 NFT,或是游戏内的地图生成,NPC 背景生成等等。感觉做 NFT 这条线比较难,因为 AI 生成稀缺性不够,Gamefi 倒是一条路,一级市场也有见到有团队在尝试。
不过前几天看到个消息,Unity(与虚幻引擎两家一起霸占游戏引擎市场多年)也出了自己的 AI 生成工具 Sentis 和 Muse,现在还在封测阶段,明年估计就正式上线了。怎么说呢,感觉 Web3 圈的游戏 AIGC 类项目,届时可能会被 Unity 降维打击……
Defi 交易/审计/Yield/风控
这几类都有看到项目在尝试,同质化相对不明显。
-
交易——这个有点 Tricky,因为如果一个交易策略好用,随着用的人越多,可能策略慢慢也就不怎么好用了,得切换到新策略。再就是好奇 AI 交易机器人未来的胜率如何,会在普通交易者里面处于哪个段位。
-
审计——目测应该可以帮助快速审处已有的常见的漏洞,没出现过的新的或是逻辑上的漏洞应该就不行了,这个得进入 AGI 时代应该才有戏。
-
Yield——Yield 不难理解,你就想像成一个带 AI 智能的 YFI 就行,把钱扔给它,AI 根据你的风险偏好自己去找平台 Staking,组 LP,挖矿之类。
-
风控——感觉单独做成一个项目会很奇怪,以插件形式服务与各个借代或是类似 Defi 平台感觉更加 Make Sense。
ZKML
一个目前圈内越来越火的赛道,因为结合了两项最为前沿的技术,一个圈内的 ZK,一个圈外的 ML(机器学习,AI 领域的一个狭义分支)。
理论上来说,与 ZK 的结合可以给 ML 提供隐私性、完整性和准确性,但是你要硬说有哪些具体使用场景吧,其实很多项目方也想不出来,基建先搭着再说……
目前唯一真的刚需的是部分医疗领域的机器学习确实有这个病人数据的隐私需求,至于链上游戏完整性或反作弊之类的叙事,总感觉有些牵强。
这个赛道目前来说就那么几个明星项目,像是 Modulus Labs,EZKL,Giza 之类,都是一级市场热捧的对象。
没法,因为全世界懂 ZK 的人本来就那么几个,懂 ZK 同时还要懂 ML 的人才就更少了,所以这个赛道的技术门槛相对其他要高了很多,同质化也相对不明显。
最后就是,ZKML 大多针对的是推理,而非训练。
关于AI +Web3看到的趋势就先说这么多,如果你有看到好的结合类项目或是不在我上述6个赛道里的新思路,欢迎随时Message我。