FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Sora横空出世 2024或成AI+Web3变革元年？

这条老技术路径达成了一种暴力美学，其它AI公司依然存在着通过技术弯道超车的可能。虽然Sora与区块链的关系并不大，但个人认为之后的一两年里。因为Sora的影响，会迫使其它高质量AI生成工具出现并快速发展，并且将辐射到Web3内的GameFi、社交、创作平台、Depin等多条赛道，所以对于Sora有个大致了解是必要的，未来的AI将如何有效的与Web3结合，也许是我们需要思考的一个重点。 AI x Web3的四大路径如上文所诉，我们可以知道，生成式AI所需的底层基座其实只有三点：算法、数据、算力，另一方面从泛用性和生成效果来看AI是颠覆生产方式的工具。而区块链最大的作用有两点：重构生产关系以及去中心化。所以两者碰撞所能产生的路径我个人认为有如下四种：去中心化算力由于过去已经写过相关文章，所以本段的主要目的是更新一下算力赛道的近况。当谈到AI时，算力永远是难以绕开的一环。AI对于算力的需求之大，在Sora诞生之后已经是难以想象了。而近期，在瑞士达沃斯2024年度世界经济论坛期间，OpenAI首席执行官山姆·奥特曼更是直言算力和能源是现阶段最大的枷锁，两者在未来的重要性甚至会等同于货币。而在随后的2月10日，山姆·奥特曼在推上发表了一个极为惊人的计划，融资7万亿美元（相当于中国23年全国GDP的40%）改写目前全球的半导体产业格局，创立一家芯片帝国。在写算力相关的文章时，我的想象力还局限在国家封锁，巨头垄断，如今一家公司就想要控制全球半导体产业真的还是挺疯狂的。所以去中心化算力的重要性自然不言而喻，区块链的特性确实能解决目前算力极度垄断的问题，以及购置专用GPU价格昂贵的问题。从AI所需的角度来看，算力的使用可以分为推理和训练两种方向，主打训练的项目，目前还是寥寥无几，从去中心化网络需要结合神经网络设计，再到对于硬件的超高需求，注定是门槛极高且落地极难的一种方向。而推理相对来说简单很多，一方面是在去中心化网络设计上并不复杂，二是硬件和带宽需求较低，算是目前比较主流的方向。中心化算力市场的想象空间是巨大的，常常与“万亿级”这个关键词挂钩，同时也是AI时代下最容易被频繁炒作的话题。不过从近期大量涌现的项目来看，绝大部分还是属于赶鸭子上架，蹭热度。总是高举去中心化的正确旗帜，却闭口不谈去中心化网络的低效问题。并且在设计上存在高度同质化，大量的项目非常相似（一键L2加挖矿设计），最终可能会导致一地鸡毛，这样的情况想要从传统AI赛道分一杯羹着实困难。算法、模型协作系统机器学习算法，是指这些算法能够从数据中学习规律和模式，并据此做出预测或决策。算法是技术密集型的，因为它们的设计和优化需要深厚的专业知识和技术创新。算法是训练AI模型的核心，它定义了数据如何被转化为有用的见解或决策。较为常见的生成式AI算法比如生成对抗网络（GAN）、变分自编码器（VAE）、转换器（Transformer），每个算法都是为了一个特定领域（比如绘画、语言识别、翻译、视频生成）或者说目的而生，再通过算法训练出专用的AI模型。那么如此之多的算法和模型，都是各有千秋，我们是否能将其整合为一种能文能武的模型？近期热度高涨的Bittensor便是这个方向的领头者，通过挖矿激励的方式让不同AI模型和算法相互协作与学习，从而创作出更高效全能的AI模型。而同样以这个方向为主的还有Commune AI（代码协作）等，不过算法和模型对于现在的AI公司来说，都是自家的看门法宝，并不会随意外借。所以AI协作生态这种叙事很新奇有趣，协作生态系统利用了区块链的优势去整合AI算法孤岛的劣势，但是否能创造出对应的价值目前尚未可知。毕竟头部AI公司的闭源算法和模型，更新迭代与整合的能力非常强，比如OpenAI发展不到两年，已从早期文本生成模型迭代到多领域生成的模型，Bittensor等项目在模型和算法所针对的领域也许要另辟蹊径。去中心化大数据从简单的角度来说，将私有数据用来喂AI以及对数据进行标记都是与区块链非常契合的方向，只需要注意如何防止垃圾数据以及作恶，并且数据存储上也能使FIL、AR等Depin项目受益。而从复杂的角度来说，将区块链数据用于机器学习（ML），从而解决区块链数据的可访问性也是一种有趣的方向（Giza的摸索方向之一）。在理论上，区块链数据可随时访问，反映了整个区块链的状态。但对于区块链生态系统之外的人来说，获取这些庞大数据量并不容易。完整存储一条区块链需要丰富的专业知识和大量的专门硬件资源。为了克服访问区块链数据的挑战，行业内出现了几种解决方案。例如，RPC提供商通过API访问节点，而索引服务则通过SQL和GraphQL使数据提取变得可能，这两种方式在解决问题上发挥了关键作用。然而，这些方法存在局限性。RPC服务并不适合需要大量数据查询的高密度使用场景，经常无法满足需求。同时，尽管索引服务提供了更有结构的数据检索方式，但Web3协议的复杂性使得构建高效查询变得极其困难，有时需要编写数百甚至数千行复杂的代码。这种复杂性对于一般的数据从业者和对Web3细节了解不深的人来说是一个巨大的障碍。这些限制的累积效应凸显了需要一种更易于获取和利用区块链数据的方法，可以促进该领域更广泛的应用和创新。那么通过ZKML（零知识证明机器学习，降低机器学习对于链的负担）结合高质量的区块链数据，也许能创造出解决区块链可访问性的数据集，而AI能大幅降低区块链数据可访问性的门槛，那么随着时间的推移，开发者、研究人员和ML领域的爱好者将能够访问到更多高质量、相关的数据集，用于构建有效和创新的解决方案。 AI赋能Dapp 自23年，ChatGPT3爆火以来，AI赋能Dapp已经是一个非常常见的方向。泛用性极广的生成式AI，可以通过API接入，从而简化且智能化分析数据平台、交易机器人、区块链百科等应用。另一方面，也可以扮演聊天机器人（比如Myshell）或者AI伴侣（Sleepless AI），甚至通过生成式AI创造链游中的NPC。但由于技术壁垒很低，大部分都是接入一个API之后进行微调，与项目本身的结合也不够完美，所以很少被人提起。但在Sora到来之后，我个人认为AI赋能GameFi（包括元宇宙）与创作平台的方向将是接下来关注的重点。因为Web3领域自下而上的特性，肯定很难诞生出一些与传统游戏或是创意公司抗衡的产品，而Sora的出现很可能会打破这一窘境（也许只用两到三年）。以Sora的Demo来看，其已具备和微短剧公司竞争的潜力，Web3活跃的社区文化也能诞生出大量有趣的Idea，而当限制条件只有想象力的时候，自下而上的行业与自上而下的传统行业之间的壁垒将被打破。结语随着生成式AI工具的不断进步，我们未来还将经历更多划时代的“iPhone时刻”。尽管许多人对AI与Web3的结合嗤之以鼻，但实际上我认为目前的方向大多没有问题，需要解决的痛点其实只有三点，必要性、效率、契合度。两者的融合虽处于探索阶段，却并不妨碍这条赛道成为下个牛市的主流。对新事物永远保持足够的好奇心和接纳度是我们需要必备的心态，历史上，汽车取代马车的转变瞬息之间便已成定局，亦如同铭文和过去的NFT一样，持有太多偏见只会和机遇失之交臂。来源：金色财经

金色财经2024-02-23

“AI狂飙”停不下来英伟达估值首次突破2万亿美元！“木头姐”为抛售再辩：它估值太高了！

0-50%。她还强调了投资不太明显的AI公司的重要性，例如UiPath Inc.和 Twilio Inc.。近日，英伟达公布了令人印象深刻的财报。其第四季营收超出预期，并为第一季度提供了强有力的指引。去年，木头姐将英伟达描述为“简单”、“非常昂贵”和“非常明显”，并表示偏爱UiPath Inc和Twilio Inc.等鲜为人知的公司。

IreneLim2024-02-23

Sora涌现：2024年会是AI+Web3革命年吗

e AI（代码协作），但算法和模型对于AI公司来说是严格保密的，不容易共享。因此，AI协作生态系统的叙述新颖而有趣。协作生态系统利用区块链的优势来整合孤立的AI算法的劣势，但是否能够创造相应的价值还有待观察。毕竟，拥有自主算法和模型的领先AI公司，拥有强大的更新、迭代和集成能力。例如，OpenAI 在不到两年的时间内从早期的文本生成模型发展到多领域生成模型。像 Bittensor 这样的项目可能需要在其模型和算法目标领域探索新路径。去中心化大数据从简单的角度来看，利用隐私数据来喂养AI和注释数据是与区块链技术非常吻合的方向，主要考虑的是如何防止垃圾数据和恶意行为。此外，数据存储可以使 FIL 和 AR 等 DePIN项目受益。从更复杂的角度来看，使用区块链数据进行机器学习来解决区块链数据的可访问性是另一个有趣的方向（Giza 的探索之一）。理论上，区块链数据是随时可访问的，反映了整个区块链的状态。然而，对于区块链生态系统之外的人来说，访问这些大量数据并不简单。存储整个区块链需要丰富的专业知识和大量的专业硬件资源。为了克服访问区块链数据的挑战，行业内出现了多种解决方案。例如，RPC 提供商通过 API 提供节点访问，索引服务使通过 SQL 和 GraphQL 进行数据检索成为可能，在解决该问题方面发挥了至关重要的作用。然而，这些方法都有其局限性。RPC服务不适合需要大量数据查询的高密度用例，往往无法满足需求。同时，尽管索引服务提供了一种更加结构化的数据检索方式，但 Web3 协议的复杂性使得构造高效查询变得极其困难，有时需要数百甚至数千行复杂代码。这种复杂性对于一般数据从业者和那些对 Web3 细节了解有限的人来说是一个重大障碍。这些限制的累积效应凸显了需要一种更易于访问和利用的方法来获取和利用区块链数据，这可以促进该领域更广泛的应用和创新。因此，将ZKML（零知识证明机器学习，减轻链上机器学习的负担）与高质量的区块链数据相结合，可能会创建解决区块链数据可访问性的数据集。AI可以显着降低区块链数据的访问障碍。随着时间的推移，开发人员、研究人员和机器学习爱好者可以访问更多高质量、相关的数据集，以构建有效和创新的解决方案。 AI赋能Dapp 自2023年ChatGPT3爆发以来，AI对Dapp的赋能已经成为一个非常普遍的方向。广泛适用的生成式人工智能可以通过API集成，从而简化和智能化数据平台、交易机器人、区块链百科全书和其他应用程序。另一方面，它还可以充当聊天机器人（如 Myshell）或 AI 伴侣（Sleepless AI），甚至可以使用生成式 AI 在区块链游戏中创建 NPC。但由于技术门槛较低，大多数只是集成API后的调整，与项目本身的集成并不完善，因此很少被提及。但随着Sora的到来，我个人认为AI对GameFi（包括元宇宙）和创意平台的赋能将是未来的重点。鉴于Web3领域自下而上的性质，它不太可能生产出可以与传统游戏或创意公司竞争的产品。然而，Sora的出现可能会打破这一僵局（也许只需两到三年）。从Sora的演示来看，它有与短剧公司竞争的潜力。Web3活跃的社区文化还可以催生出大量有趣的想法，当唯一的限制就是想象力时，自下而上的行业与自上而下的传统行业之间的壁垒将被打破。结论随着生成式人工智能工具的不断发展，未来我们将见证更多突破性的“iPhone时刻”。尽管人们对AI与Web3的整合持怀疑态度，但我相信目前的方向基本上是正确的，只需要解决三个主要痛点：必要性、效率和契合度。虽然这两者的融合还处于探索阶段，但并不妨碍这条路径成为下一次牛市的主流。对新事物保持足够的好奇心和开放的态度是我们的基本心态。从历史上看，从马车到汽车的转变是瞬间解决的，正如铭文和过去的 NFT 所显示的那样。持有太多偏见只会导致错失机会。来源：金色财经

金色财经2024-02-23

指南针(300803.SZ)：公司不考虑在 AI 基础研究领域做广泛的投入

有连云2024-02-23

海淀国投集团成立AI公司注册资本8000万

天眼查App显示，近日，北京海新睿人工智能科技有限公司成立，法定代表人为曹凯，注册资本8000万人民币，经营范围含人工智能行业应用系统集成服务、人工智能双创服务平台、人工智能基础软件开发、人工智能基础资源与技术平台、智能机器人的研发、工业设计服务、数据处理服务等。股东信息显示，该公司由北京市海淀区国有资产投资集团有限公司全资持股。

金融界2024-02-22

马斯克：Open AI曾授予我股份但我没要

他的本意。去年，马斯克还成立了自己的AI公司，并发布了一款聊天机器人，与OpenAI的ChatGPT展开竞争。

金融界2024-02-20

游戏产业遭遇30年来最大放缓报告称游戏产业开始走下坡路

0年来最严重的增长放缓。根据Data.ai公司的最新报告，2023年手游消费支出为1073亿美元（当前约7725.6亿元人民币），同比下降了2%，并预估2024年手游市场将出现低个位数增长。同样令人担忧的是，缺乏能够扩大或撼动市场的新游戏设备。2020年发布的最新一代PlayStation和Xbox游戏机的受欢迎程度已经减弱，而全球智能手机销量的下降也意味着近年来已成为该行业最赚钱部分的网络游戏的新玩家正在减少。

金融界2024-02-20

英伟达入股5家公司，透露了什么信号？

、生物技术公司Recursion、语音AI公司SoundHound、自动驾驶公司图森未来和医疗成像开发商NANO-X IMAGING：持仓数据被曝光后，相关公司股价暴涨，如SoundHound两个交易日暴涨69.4%、NANO-X暴涨103.6%！ AI之王的号召力真是令人惊愕！不禁要问，市值逼近2万亿美元的巨头英伟达，为何要入股这5家公司？英伟达看中了什么？这5家公司又是否存在投资机会？首先看持最多的ARM，按照13F的截止时间（12月31日）来算，英伟达的持股市值达到1.47亿美元，占投资组合比例为63.95%。 Arm是芯片设计公司，2023年9月上市，世界上几乎所有的智能手机都采用了arm架构，目前正在向物联网和电脑端渗透，极具发展潜力。 Arm最早是英国的芯片公司，后被日本的软银收购退市，在2020年，英伟达试图以400亿美元的价格全资收购，但被监管机构以反垄断的理由拒绝。 Arm上市之后，股价表现亮眼，如今市值已经高达1319亿美元，较IPO估值上涨154%！英伟达入股arm的理由非常简单，即希望将自身的GPU与arm的CPU系统进行结合，摆脱对英特尔的依赖，同时打造出AI时代的世界顶级计算公司！虽然这一计划落空，但arm是独立的芯片设计IP公司，英伟达只要购买技术专利，可以正常与旗下的GPU进行整合，并不会影响AI之王的地位。再来看持仓第二大的公司Recursion，英伟达持有的市值约7600万美元，无论是金额还是持股比例，都不大。 Recursion是一家AI生物医药公司，利用专有大模型加速药物发现，旗下进展最快的药物已经推进至临床试验2期：除了自己研发药物之外，Recursion还会与其他药企进行合作，帮助药物研发，如2021年公司与罗氏及旗下的基因泰克签订了一份协议，两家公司将在神经病学和癌症领域进行多达40个项目的合作，罗氏已经预付了1.5亿美元的预付款，未来Recursion还有望拿到数十亿美元的里程碑付款！在AI制药领域，Recursion处于领先地位，早在2023年7月12日，英伟达的这笔投资就被曝光与众，当时也引发了Recursion股价暴涨，但炒作过后，Recursion股价一度创下新低：将AI技术应用于生物医药研发并非新鲜事，无论是大型医药公司还是医药代工公司都在积极入场，与其说是英伟达看好Recursion，不如说英伟达希望通过与Recursion的合作，提高自己的生物医药模型技术和推广自己的人工智能云服务BioNeMo。说的直白点，英伟达看好AI技术在生物医药领域的应用，希望该领域由生命科学向生命工程的转变，以便卖出更多的GPU！在今年2月12日召开的2024世界政府峰会上，英伟达CEO黄仁勋曾谈到过AI在生物医药上的应用，由于其回答极为精彩，这里我将原话直接贴在这里，以便大家更好的理解英伟达投资生物医药公司的意图： “如果我能重新开始，我会意识到，理解生物学，尤其是人类生物学，是科学领域中最为复杂的。不仅因为它的多样性和复杂性，还因为理解生命的呼吸本身就是一项艰巨的挑战，而且这是一项具有重大影响力的复杂科技和科学。记住，我们称这个领域为生命科学，并且将药物发现称作“发现”，仿佛我们在宇宙中漫步突然发现了新大陆。与此不同，计算机科学和其他今天的主流产业不会用“发现”来形容他们的成就。没有人会说“汽车发现”、“计算机发现”或“软件发现”，我们不会回家对另一半说：“看，亲爱的，我今天发现了这段软件。”我们称之为工程。我们的计算机科学、软件每年都在进步，芯片和基础设施也在不断改善。然而，生命科学的进步却是零星的。如果我现在有机会重新开始，我会认识到，将生命科学、生命工程化的技术已经到来，数字生物学将成为一门工程学科，而不仅仅是科学。未来，它当然还会包含科学，但不再仅仅是一门科学。因此，我希望这将开启一个新的时代，人们热衷于与蛋白质、化学品、酶和材料工作，工程化那些更节能、更轻、更强、更可持续的杰出成就。所有这些未来的发明都将成为工程的一部分，而非仅仅是科学发现。”。理解了这一点也就明白了英伟达为何也入股了一家AI医疗影像识别公司NANO，从投资金额上看，英伟达的持股市值仅38万美元，有点像娱乐仓，背后的意图未必是真的看好NANO，本质上还是想推广GPU在医疗影像领域的应用。英伟达对另外2家公司的投资市值仅在300万美元左右，同样是mini仓，对投资者的启示意义并不大，其中专注于卡车自动驾驶领域的图森未来已经宣布退市，而且英伟达有自己的自动驾驶芯片orin，入股更像是为了卖货。对语音AI公司SoundHound的入股同样基于卖货的逻辑，如果是看好公司，投资金额恐怕不止是百万美元。总的来说，无论英伟达入股arm还是投资生物医药，黄仁勋的目的都是更好的卖货，这5家公司中，论价值，最高的当属arm，Recursion能否成功面临极大的不确定性，至于其他，投资者还需擦亮双眼！ $英伟达(NVDA)$ $ARM Holdings Ltd(ARM)$ $Recursion Pharmaceuticals, Inc.(RXRX)$ $SoundHound AI Inc(SOUN)$ $Nano-X Imaging Ltd.(NNOX)$

老虎证券2024-02-19

融资超10亿美金 AI公司“月之暗面”获红杉、小红书、美团、阿里新一轮投资

AI创业公司“月之暗面”近期已完成新一轮超10亿美金融资，投资方包括红杉中国、小红书、美团、阿里，老股东跟投。月之暗面的上一轮融资为2023年获得的超2亿美金融资，投资方包括红杉中国、真格基金等。本轮融资后，月之暗面估值已达约25亿美金，为国内大模型领域的头部企业之一。自ChatGPT掀起全球浪潮以来，这也是国内AI大模型公司迄今获得的单轮最大金额融资。

金融界2024-02-19

Galaxy万字长文：加密货币和AI交叉领域和项目盘点

的带宽市场。用户可以将多余的带宽出售给AI公司，后者利用这些带宽从互联网上抓取数据。Grass建立在Wynd 网络之上，这不仅使个人能够将其带宽货币化，而且还为带宽购买者提供了更多样化的观点来了解个人用户在网上看到的内容（因为个人的互联网访问通常是根据其 IP 地址专门定制的））。 HiveMapper：构建一个去中心化的地图产品，其中包含从日常汽车驾驶员收集的信息。 HiveMapper 依靠 AI 来解释从用户仪表板摄像头收集的图像，并奖励用户通过强化人类学习反馈 (RHLF) 帮助微调 AI 模型的代币。总的来说，这些都指向探索支持AI模型的去中心化市场模型或开发它们所需的周边基础设施的几乎无限的机会。目前，这些项目大多处于概念验证阶段，需要更多的研究和开发来证明它们能够以提供全面人工智能服务所需的规模运行。展望去中心化计算产品仍处于开发的早期阶段。他们刚刚开始推出最先进的计算能力，能够在生产中训练最强大的AI模型。为了获得有意义的市场份额，他们需要展示与中心化替代方案相比的实际优势。更广泛采用的潜在触发因素包括： GPU 供应/需求。 GPU 的稀缺加上快速增长的计算需求正在导致 GPU 军备竞赛。由于 GPU 的限制，OpenAI 已经一度限制对其平台的访问。 Akash 和 Gensyn 等平台可以为需要高性能计算的团队提供具有成本竞争力的替代方案。对于去中心化计算提供商来说，未来 6-12 个月是一个特别独特的机会来吸引新用户，由于缺乏更广泛的市场准入，这些新用户被迫考虑去中心化产品。再加上 Meta 的 LLaMA 2 等性能日益提高的开源模型，用户在部署有效的微调模型时不再面临同样的障碍，使计算资源成为主要瓶颈。然而，平台本身的存在并不能确保足够的计算供应和消费者的相应需求。采购高端 GPU 仍然很困难，而且成本并不总是需求方的主要动机。这些平台将面临挑战，以展示使用去中心化计算选项的实际好处（无论是由于成本、审查阻力、正常运行时间和弹性还是可访问性）来积累粘性用户。他们必须快速行动。 GPU 基础设施投资和建设正在以惊人的速度进行。监管。监管仍然是去中心化计算运动的阻力。短期内，缺乏明确的监管意味着提供商和用户都面临使用这些服务的潜在风险。如果供应商提供计算或买方在不知情的情况下从受制裁实体购买计算怎么办？用户可能会犹豫是否使用缺乏中心化实体控制和监督的去中心化平台。协议试图通过将控制纳入其平台或添加过滤器以仅访问已知的计算提供商（即提供了解你的客户KYC信息）来减轻这些担忧，但需要更强大的方法在确保合规性的同时保护隐私。短期内，我们可能会看到 KYC 和合规平台的出现，这些平台限制对其协议的访问，以解决这些问题。此外，围绕美国可能的新监管框架的讨论（最好的例子是《关于安全、可靠和值得信赖的人工智能开发和使用的行政命令》的发布）凸显了进一步限制 GPU 获取的监管行动的潜力。审查。监管是双向的，去中心化的计算产品可以从限制AI访问的行动中受益。除了行政命令之外，OpenAI 创始人 Sam Altman 还在国会作证，说明监管机构需要为人工智能开发颁发许可证。关于人工智能监管的讨论才刚刚开始，但任何此类限制访问或审查AI功能的尝试都可能加速不存在此类障碍的去中心化平台的采用。2023年11月OpenAI 领导层变动（或缺乏）进一步表明，将最强大的现有AI模型的决策权授予少数人是有风险的。此外，所有AI模型都必然反映了创建它们的人的偏见，无论是有意还是无意。消除这些偏差的一种方法是使模型尽可能开放地进行微调和训练，确保任何地方的任何人都可以访问各种类型和偏差的模型。数据隐私。当与为用户提供数据自主权的外部数据和隐私解决方案集成时，去中心化计算可能会比中心化替代方案更具吸引力。当三星意识到工程师正在使用 ChatGPT 帮助芯片设计并将敏感信息泄露给 ChatGPT 时，三星成为了这一事件的受害者。 Phala Network 和 iExec 声称为用户提供 SGX 安全飞地来保护用户数据，并且正在进行的全同态加密研究可以进一步解锁确保隐私的去中心化计算。随着AI进一步融入我们的生活，用户将更加重视能够在具有隐私保护的应用程序上运行模型。用户还需要支持数据可组合性的服务，以便他们可以将数据从一种模型无缝移植到另一种模型。用户体验（UX）。用户体验仍然是更广泛采用所有类型的加密应用程序和基础设施的重大障碍。这对于去中心化计算产品来说并没有什么不同，并且在某些情况下，由于开发人员需要了解加密货币和人工智能，这会加剧这种情况。需要从基础知识进行改进，例如登入抽象与区块链的交互，以提供与当前市场领导者相同的高质量输出。鉴于许多提供更便宜产品的可操作的去中心化计算协议很难获得常规使用，这一点显而易见。智能合约和zkML 智能合约是任何区块链生态系统的核心构建块。在给定一组特定条件的情况下，它们会自动执行并减少或消除对受信任第三方的需求，从而能够创建复杂的去中心化应用程序，例如 DeFi 中的应用程序。然而，由于智能合约目前大部分存在，其功能仍然受到限制，因为它们根据必须更新的预设参数执行。例如，部署的借贷协议智能合约包含根据特定贷款与价值比率何时清算头寸的规范。虽然在静态环境中有用，但在风险不断变化的动态情况下，这些智能合约必须不断更新以适应风险承受能力的变化，这给不通过中心化流程管理的合约带来了挑战。例如，依赖去中心化治理流程的 DAO 可能无法快速反应以应对系统性风险。集成AI（即机器学习模型）的智能合约是增强功能、安全性和效率同时改善整体用户体验的一种可能方法。然而，这些集成也带来了额外的风险，因为不可能确保支撑这些智能合约的模型不会被攻击或解释长尾情况（鉴于数据输入的稀缺，长尾情况很难训练模型）。零知识机器学习（zkML）机器学习需要大量的计算来运行复杂的模型，这使得AI模型由于成本高昂而无法直接在智能合约中运行。例如，为用户提供收益优化模型的 DeFi 协议将很难在链上运行该模型，而无需支付过高的Gas费。一种解决方案是增加底层区块链的计算能力。然而，这也增加了对链验证者集的要求，可能会破坏去中心化特性。相反，一些项目正在探索使用 zkML 以无需信任的方式验证输出，而不需要密集的链上计算。说明 zkML 有用性的一个常见示例是，用户需要其他人通过模型运行数据并验证其交易对手实际上运行了正确的模型。也许开发人员正在使用去中心化计算提供商来训练他们的模型，并担心该提供商试图通过使用输出差异几乎无法察觉的更便宜的模型来削减成本。 zkML 使计算提供商能够通过其模型运行数据，然后生成可以在链上验证的证明，以证明给定输入的模型输出是正确的。在这种情况下，模型提供者将具有额外的优势，即能够提供他们的模型，而不必透露产生输出的基础权重。也可以做相反的事情。如果用户想要使用他们的数据运行模型，但由于隐私问题（比如在医疗检查或专有商业信息的情况下），不希望提供模型的项目访问他们的数据，那么用户可以在他们的数据上运行模型而不共享数据，然后通过证明验证他们运行了正确的模型。这些可能性通过解决令人望而却步的计算限制，极大地扩展了人工智能和智能合约功能集成的设计空间。基础设施和工具鉴于 zkML 领域的早期状态，开发主要集中在构建团队所需的基础设施和工具，以将其模型和输出转换为可以在链上验证的证明。这些产品尽可能地抽象了开发的零知识方面。 EZKL和Giza是通过提供机器学习模型执行的可验证证明来构建此工具的两个项目。两者都帮助团队构建机器学习模型，以确保这些模型可以在链上以可信方式验证结果的方式执行。这两个项目都使用开放神经网络交换 (ONNX) 将用 TensorFlow 和 Pytorch 等通用语言编写的机器学习模型转换为标准格式。然后，他们输出这些模型的版本，这些模型在执行时也会生成 zk 证明。 EZKL 是开源的，生产 zk-SNARKS，而 Giza 是闭源的，生产 zk-STARKS。这两个项目目前仅兼容 EVM。过去几个月，EZKL 在增强 zkML 解决方案方面取得了重大进展，主要集中在降低成本、提高安全性和加快证明生成速度。例如，2023 年 11 月，EZKL 集成了一个新的开源 GPU 库，可将聚合证明时间缩短 35%；1 月，EZKL发布了Lilith，这是一种软件解决方案，用于在使用 EZKL 证明时集成高性能计算集群和编排并发作业系统。 Giza 的独特之处在于，除了提供用于创建可验证的机器学习模型的工具之外，他们还计划实现相当于Hugging Face的 web3 ，为 zkML 协作和模型共享开辟用户市场，并最终集成去中心化计算产品。一月份，EZKL 发布了一项基准评估，比较了 EZKL、Giza 和 RiscZero（如下所述）的性能。 EZKL 展示了更快的证明时间和内存使用。 Modulus Labs还在开发一种专为 AI 模型定制的新的 zk-proof 技术。 Modulus 发表了一篇名为《智能的成本》（The Cost of Intelligence ）的论文（暗示在链上运行 AI 模型的成本极高），该论文对当时现有的 zk-proof 系统进行了基准测试，以确定改进 AI 模型 zk-proofs 的能力和瓶颈。该论文于 2023 年 1 月发布，表明现有产品过于昂贵且效率低下，无法大规模实现AI应用。在最初研究的基础上，Modulus 在 11 月推出了Remainder，这是一种专门的零知识证明器，专门用于降低 AI 模型的成本和证明时间，目标是使项目在经济上可行，将模型大规模集成到智能合约中。他们的工作是闭源的，因此无法与上述解决方案进行基准测试，但最近在 Vitalik关于加密和人工智能的博客文章中引用了他们的工作。工具和基础设施开发对于 zkML 空间的未来增长至关重要，因为它可以显著减少需要部署运行可验证的链下计算所需的 zk 电路的团队的摩擦。创建安全接口，使从事机器学习工作的非加密原生构建者能够将他们的模型带到链上，这将使应用程序能够通过真正新颖的用例进行更大的实验。工具还解决了更广泛采用 zkML 的一个主要障碍，即缺乏知识渊博且对零知识、机器学习和密码学交叉领域工作感兴趣的开发人员。协处理器（Coprocessors）正在开发的其他解决方案（称为“协处理器”）包括RiscZero 、Axiom和Ritual。协处理器这个术语主要是语义上的——这些网络履行许多不同的角色，包括在链上验证链下计算。与 EZKL、Giza 和 Modulus 一样，他们的目标是完全抽象零知识证明生成过程，创建本质上能够执行链下程序并生成链上验证证明的零知识虚拟机。 RiscZero 和 Axiom 可以为简单的 AI 模型提供服务，因为它们是更通用的协处理器，而 Ritual 是专门为与 AI 模型一起使用而构建的。 Infernet是 Ritual 的第一个实例，包含一个Infernet SDK，允许开发人员向网络提交推理请求并接收输出和证明（可选）作为回报。 Infernet 节点接收这些请求并在返回输出之前处理链下计算。例如，DAO 可以创建一个流程，确保所有新的治理提案在提交之前满足某些先决条件。每次提交新提案时，治理合约都会通过 Infernet 触发推理请求，调用 DAO 特定治理训练的 AI 模型。该模型审查提案以确保提交所有必要的标准，并返回输出和证据，批准或拒绝提案的提交。在接下来的一年里，Ritual 团队计划推出更多功能，形成称为 Ritual 超级链的基础设施层。前面讨论的许多项目都可以作为服务提供商插入 Ritual。 Ritual 团队已经与 EZKL 集成以生成证明，并且可能很快会添加其他领先提供商的功能。Ritual 上的 Infernet 节点还可以使用 Akash 或 io.net GPU 以及在 Bittensor 子网上训练的查询模型。他们的最终目标是成为开放AI基础设施的首选提供商，能够为任何网络、任何工作负载的机器学习和其他AI相关任务提供服务。应用 zkML有助于调和区块链和人工智能之间的矛盾，前者本质上是资源受限的，而后者需要大量的计算和数据。正如 Giza 的一位创始人所说，“用例非常丰富……这有点像以太坊早期问智能合约的用例是什么……我们所做的只是扩展智能合约的用例。 ”然而，如上所述，当今的开发主要发生在工具和基础设施级别。应用仍处于探索阶段，团队面临的挑战是证明使用 zkML 实现模型所产生的价值超过了其复杂性和成本。目前的一些应用包括：去中心化金融。 zkML通过增强智能合约能力，升级了DeFi的设计空间。 DeFi 协议为机器学习模型提供大量可验证且不可篡改的数据，可用于生成收益获取或交易策略、风险分析、用户体验等。例如，Giza与Yearn Finance合作，为 Yearn 的新 v3 金库构建概念验证自动风险评估引擎。 Modulus Labs与Lyra Finance合作将机器学习纳入其 AMM，与 Ion Protocol合作实施分析验证者风险的模型，并帮助Upshot验证其人工智能支持的 NFT 价格信息。 NOYA（利用 EZKL）和Mozaic等协议提供了对专有链下模型的访问，这些模型使用户能够访问自动化流动性挖矿，同时使他们能够验证链上的数据输入和证明。 Spectral Finance正在构建链上信用评分引擎，以预测Compound或Aave借款人拖欠贷款的可能性。由于 zkML，这些所谓的“De-Ai-Fi”产品在未来几年可能会变得更加流行。游戏。长期以来，游戏一直被认为可以通过公链进行颠覆和增强。 zkML 使人工智能的链上游戏成为可能。 Modulus Labs已经实现了简单链上游戏的概念验证。 Leela vs the World是一款博弈论国际象棋游戏，用户在其中对抗 AI 国际象棋模型，zkML 验证 Leela 所做的每一步都是基于游戏运行的模型。同样，团队也使用 EZKL 框架来构建简单的歌唱比赛和链上井字游戏。 Cartridge正在使用Giza使团队能够部署完全链上游戏，最近重点引入了一款简单的人工智能驾驶游戏，用户可以竞争为试图避开障碍物的汽车创建更好的模型。虽然简单，但这些概念验证指向未来的实现，能够实现更复杂的链上验证，例如能够与游戏内经济体进行交互的复杂 NPC 演员，如《 AI Arena》中所见，这是一款超级大乱斗游戏，玩家可以在其中训练自己的战士，然后部署为AI模型进行战斗。身份、溯源和隐私。加密货币已经被用作验证真实性和打击越来越多的人工智能生成/操纵内容和深度伪造的手段。 zkML 可以推进这些努力。 WorldCoin 是一种身份证明解决方案，要求用户扫描虹膜以生成唯一的 ID。未来，生物识别 ID 可以使用加密存储在个人设备上进行自我托管，并使用验证本地运行的生物识别所需的模型。然后，用户可以提供生物识别证据，而无需透露自己的身份，从而在确保隐私的同时抵御女巫攻击。这也可以应用于需要隐私的其他推论，例如使用模型分析医疗数据/图像来检测疾病、验证人格并在约会应用程序中开发匹配算法，或者需要验证财务信息的保险和贷款机构。展望 zkML 仍处于实验阶段，大多数项目都专注于构建基础设施原语和概念证明。如今的挑战包括计算成本、内存限制、模型复杂性、有限的工具和基础设施以及开发人员人才。简而言之，在 zkML 能够以消费产品所需的规模实施之前，还有相当多的工作要做。然而，随着该领域的成熟以及这些限制的解决，zkML将成为AI和加密集成的关键组成部分。从本质上讲，zkML 承诺能够将任何规模的链下计算引入链上，同时保持与链上运行相同或接近相同的安全保证。然而，在这一愿景实现之前，该技术的早期用户将继续必须在 zkML 的隐私和安全性与替代方案的效率之间进行权衡。 AI智能体 AI和加密货币最令人兴奋的集成之一是正在进行的AI智能体实验。智能体是能够使用AI模型接收、解释和执行任务的自主机器人。这可以是任何事情，从拥有一个随时可用的根据你的偏好进行微调的个人助理，到雇用一个根据你的风险偏好来管理和调整你的投资组合的金融机器人。由于加密货币提供了无需许可和无需信任的支付基础设施，智能体和加密货币可以很好地结合在一起。经过培训后，智能体将获得一个钱包，以便他们可以自行使用智能合约进行交易。例如，今天的简单智能体可以在互联网上抓取信息，然后根据模型在预测市场上进行交易。智能体提供商 Morpheus是 2024 年在以太坊和 Arbitrum 上上市的最新开源智能体项目之一。其白皮书于 2023 年 9 月匿名发布，为社区的形成和构建提供了基础（包括Erik Vorhees等著名人物）。该白皮书包括一个可下载的智能体协议，它是一个开源的LLM，可以在本地运行，由用户的钱包管理，并与智能合约交互。它使用智能合约排名来帮助智能体根据处理的交易数量等标准确定哪些智能合约可以安全地进行交互。白皮书还提供了构建 Morpheus 网络的框架，例如使智能体协议运行所需的激励结构和基础设施。这包括激励贡献者构建用于与智能体交互的前端、供开发人员构建可插入智能体以便他们可以相互交互的应用程序的 API，以及使用户能够访问运行智能体所需的计算和存储的云解决方案在边缘设备上。该项目的初始资金已于 2 月初启动，完整协议预计将于 2024 年第二季度启动。去中心化自治基础设施网络 (DAIN)是一种新的智能体基础设施协议，在 Solana 上构建智能体到智能体经济。 DAIN 的目标是让来自不同企业的智能体可以通过通用 API 无缝地相互交互，从而大大开放 AI 智能体的设计空间，重点是实现能够与 web2 和 web3 产品交互的智能体。一月份，DAIN 宣布与 Asset Shield 首次合作，使用户能够将“智能体签名者”添加到其多重签名中，这些签名者能够根据用户设置的规则解释交易并批准/拒绝。 Fetch.AI是最早部署的 AI 智能体协议之一，并开发了一个生态系统，用于使用 FET 代币和Fetch.AI钱包在链上构建、部署和使用智能体。该协议提供了一套用于使用智能体的全面工具和应用程序，包括用于与智能体交互和订购代理的钱包内功能。 Autonolas的创始人包括 Fetch 团队的前成员，它是一个用于创建和使用去中心化AI智能体的开放市场。 Autonolas 还为开发人员提供了一套工具来构建链下托管的AI智能体，并可以插入多个区块链，包括 Polygon、Ethereum、Gnosis Chain 和 Solana。他们目前拥有一些活跃的智能体概念验证产品，包括用于预测市场和 DAO 治理。 SingularityNet正在为AI智能体构建一个去中心化的市场，人们可以在其中部署专注的AI智能体，这些智能体可以被其他人或智能体雇用来执行复杂的任务。其他公司，如AlteredStateMachine，正在构建 AI 智能体与 NFT 的集成。用户铸造具有随机属性的 NFT，这些属性赋予他们在不同任务上的优势和劣势。然后可以对这些智能体进行训练，以增强某些属性，以用于游戏、DeFi 或作为虚拟助手并与其他用户进行交易。总的来说，这些项目设想了一个未来的智能体生态系统，这些智能体能够协同工作，不仅可以执行任务，还可以帮助构建通用AI。真正复杂的智能体将有能力自主完成任何用户任务。例如，完全自主的智能体将能够弄清楚如何雇用另一个智能体来集成 API，然后执行，而不必确保智能体在使用之前已经与外部 API（例如旅行预订网站）集成并执行任务。从用户的角度来看，不需要检查智能体是否可以完成任务，因为智能体可以自己确定。比特币和AI智能体 2023 年 7 月，闪电网络实验室推出了在闪电网络上使用智能体的概念验证实施方案，称为 LangChain 比特币套件。该产品特别有趣，因为它旨在解决 Web 2 世界中日益严重的问题——Web应用程序的门禁且昂贵的API 密钥。 LangChain 通过为开发人员提供一套工具来解决这个问题，使智能体能够购买、出售和持有比特币，以及查询 API 密钥和发送小额支付。在传统的支付领域，小额支付由于费用而成本高昂，而在闪电网络上，智能体可以每天以最低的费用发送无限的小额支付。当与 LangChain 的 L402 支付计量 API 框架结合使用时，这允许公司可以根据使用量的增加和减少调整其 API 的访问费用，而不是设定单一的成本过高的标准。在未来，链上活动主要由智能体与智能体交互所主导，这样的事情将是必要的，以确保智能体能够以成本不过高的方式相互交互。这是一个早期的例子，说明如何在无需许可且经济高效的支付赛道上使用智能体，为新市场和经济互动开辟了可能性。展望智能体领域仍处于新生阶段。项目刚刚开始推出功能性智能体，可以使用其基础设施处理简单的任务——这通常只有经验丰富的开发人员和用户才能访问。然而，随着时间的推移，AI智能体对加密货币的最大影响之一是所有垂直领域的用户体验改进。交易将开始从基于点击转向基于文本，用户能够通过大语言模性与链上智能体进行交互。Dawn Wallet等团队已经推出了聊天机器人钱包，供用户在链上进行交互。此外，目前尚不清楚智能体如何在 Web 2 中运作，因为金融领域依赖于受监管的银行机构，这些机构不能 24/7 运营，也无法进行无缝跨境交易。正如Lyn Alden所强调的那样，由于缺乏退款和处理微交易的能力，与信用卡相比，加密赛道尤其有吸引力。然而，如果智能体成为一种更常见的交易方式，现有的支付提供商和应用程序很可能会迅速采取行动，实施在现有金融领域运营所需的基础设施，从而削弱使用加密货币的一些好处。目前，智能体可能仅限于确定性的加密货币交易，其中给定输入保证给定输出。这两种模型都规定了这些智能体弄清楚如何执行复杂任务的能力，而工具则扩大了它们可以完成的范围，都需要进一步开发。为了让加密智能体在新颖的链上加密用例之外变得有用，需要更广泛的集成和接受加密作为一种支付形式以及监管的明确性。然而，随着这些组件的发展，智能体准备成为上述去中心化计算和 zkML 解决方案的最大消费者之一，以自主的非确定性方式接收和解决任何任务。结论 AI 为加密货币引入了我们在 web2 中看到的相同创新，增强了从基础设施开发到用户体验和可访问性的各个方面。然而，项目仍处于发展早期，近期加密货币和AI集成将主要由链下集成主导。像Copilot这样的产品将使开发人员效率“提高10 倍”，Layer1和DeFi应用程序已经与微软等大公司合作推出人工智能辅助开发平台。Cub3.ai和Test Machine等公司正在开发用于智能合约审计和实时威胁监控的AI集成，以增强链上安全性。 LLM 聊天机器人正在使用链上数据、协议文档和应用程序进行培训，为用户提供增强的可访问性和用户体验。对于真正利用加密货币底层技术的更高级集成来说，挑战仍然是证明在链上实施AI解决方案在技术上是可行的，而且在经济上也是可行的。去中心化计算、zkML 和 AI 智能体的发展指向有前景的垂直领域，这些领域为加密货币和AI深度互联的未来奠定了基础。来源：金色财经

金色财经2024-02-19

24小时热点