AI 与 Web3 是将掀起科技革命浪潮的两大概念，若它们得以强强联合，可能会给我们带来什麽样的 「惊喜」 呢？
（前情提要：高盛深度报告》生成式AI是炒作？还是真正革命）
（背景补充：马斯克预言：通用人工智慧 AGI 一定会出现！xAI 将取代微软、OpenAI…）
本文目录
当下最炙手可热的 AI 被看作是第四次工业革命的关键点与核心，而科技界上一个炙手可热的概念是被看作下一代网际网路关键核心的 Web3。
AI 与 Web3 是将掀起科技革命浪潮的两大概念，若它们得以强强联合，可能会给我们带来什麽样的 「惊喜」 呢？
先说说 AI 自身
AI 这行业其实本来都要凉凉了，大家知道 Near 的创办人一龙对吧，这家伙其实以前是做 AI 的，他是 TensorFlow（最流行的机器学习框架）的主要程式码贡献者。大家推测他是 AI（大模型之前的机器学习）那边看不到啥希望了所以跑来做 Web3 的。
结果终於去年年底业界迎来了 ChatGpt3.5，一下子这行业又活了，因为这次真的可以算质变了，而不是之前那几波的炒作和量变。这不隔了几个月 AI 创业的浪潮也传递到了我们 Web3。矽谷 Web2 那边则是卷的不行，各种资本 Fomo，各种同质化方案开始拼价格战，各种大厂大模型 PK……
但是要注意到的是 AI 经历了半年多的爆发期之後也进入了一个相对瓶颈期，比如 Google 对於 AI 的搜寻热度断崖式下跌，Chatgpt 使用者增速大幅放缓，AI Output 带有一定的随机性限制了许多落地场景…… 总而言之，我们离传说中的 「AGI – 通用人工智慧」 还有非常非常远的距离。
目前矽谷创投圈对於 AI 下一步发展有这麽几个判断：
1）没有垂直类模型，只有大模型 + 垂直类应用（一会儿说 Web3+AI 的时候我们会再提到）
2）边缘装置比如手机端的资料可能会是个壁垒，基於边缘装置的 AI 可能也是个机会
3）Context 的长度未来可能引发质变（现在用向量资料库作为 AI 记忆体，但上下文长度还是不够）
延伸阅读：聚集12位AI大神！马斯克「xAI直播」讲了什麽..特斯拉自动驾驶将大跃进？
Web3 + AI
AI 和 Web3 其实是完全不同的两个领域，AI 需要集中的算力 + 海量资料做训练，非常中心化的东西，Web3 则是主打一个去中心化，所以其实不是那麽好结合，单奈何叙事上 AI 改变生产力，区块链改变生产关系这个论点太过深入人心，所以总会有人前仆後继的去寻找那个结合点，近俩月得聊了不下 10 个 AI 专案。
在说新的结合赛道之前先说说老的 AI+Web3 专案，基本都是平台型，以 FET 和 AGIX 为代表。怎麽说呢，国内专业做 AI 的朋友是这麽跟我说的 – 「以前这些做 AI 的现在基本都没啥用了，无论 Web2 还是 Web3, 很多都是包袱而不是经验。方向和未来就是像 OpenAI 的这种基於 Transformer 的大模型，大模型拯救了 AI」，你自己想想。
所以通用平台型不是他所看好的 Web3+AI 的模式，我聊的这 10 多个专案也确实没有这方面，目前看到的基本是如下几个赛道：
1. Bot/Agent/Assistant 模型资产化
2. 算力平台
3. 资料平台
4. 生成式 AI
5. Defi 交易 / 审计 / 风控
6. ZKML
1. Bot/Agent/Assistant 模型资产化
Bot/Agent/Assitant 的资产化这个赛道，聊的最多，是同质化最为严重的一个赛道。简单来说，这些专案多是拿 OpenAI 为底层，配合其他的一些开源 / 自研的技术手段，比如 TTS（Text to Speech）之类，加上特定的资料，FineTune 出来一些 「某一领域比 ChatGPT」 更好的机器人。
比如你可以训练出一个教你英语的美女老师，你可以选择她是美国口音还是伦敦腔，她的性格和聊天的方式也可以调整，这样相对於 ChatGPT 比较机械和官方的回答来讲，互动体验会更好一些。圈内前段有个虚拟男友的 DAPP、Web3 女性向游戏，叫 HIM，可以算是这种型别的代表了。
从这个思路出发，你理论上可以有许多个 Bot/Agent 为你服务。比如你想要做水煮鱼，可能会有专门针对这个领域 Fine Tune 的 Cooking Bot 来教你，给的答案相对 ChatGPT 更加专业，你想出门旅行，同样有旅行小助手 Bot 给你提供各种出游建议和规划，或是你是专案方，弄一个 Discord 的客服机器人，帮你回答社群问题。
除了做这种 「基於 GPT 的垂直类应用型」 Bot，还有基於此的衍生专案，比如 Bot 算 「模型资产化」。有点 NFT 「小图片资产化」 的意味，那现在 AI 里面流行的 Prompt 是不是也可以资产化，像是 MidJourney 不同的 Prompt 可以生成不同的图片，训练 Bot 时不同的 Prompt 也会有不同的效果，所以 Promopt 自身也具备价值，也可以资产化。
还有像是基於此类 Bot 进行门户索引，搜寻的专案，等哪天我们有了成千上万的 Bot，那怎麽找到最合适你的 Bot？可能届时就需要一个 Web2 世界类似 Hao123 这样的入口网站，或是 Google 这样的搜寻引擎来帮你 「定位」。
在我个人看来，Bot（模型）资产化这个东西现阶段有两个弊端 + 两个方向：
1）弊端
弊端 1 – 同质化太过严重，因为这个是使用者最容易理解的 AI+web3 赛道，有那麽点像是带一点 Utility 属性的 NFT。所以目前一级市场开始呈现红海趋势，卷起来了，但底层又都是 OpenAI，所以大家其实都没啥技术壁垒，只能拼设计和运营；
弊端 2 – 有时候像是星巴克会员卡 NFT 上链这种事，虽然是个出圈的好尝试，但对於多数使用者来讲可能真的没有一个实体或是电子会员卡来的方便。基於 Web3 的 Bot 也存在这个问题，想跟机器人学英语或是跟马斯克，苏格拉底谁的聊天，我直接用 Web2 的 http://Character.AI 不香麽？
2）方向
方向 1 – 是近 + 中期，模型上链或许会是一个思路。目前这些模型有那麽点 ETH NFT 小图片的意思，MetaData 大多指向的链下伺服器或是 IPFS，而非纯链上。模型通常几十到几百兆的大小，更是要扔在伺服器上了。
但随着最近储存价格的飞速下降（2TB SSD 500 块 RMB），以及 Filecoin FVM，ETH Storage 这类储存类专案的推进，相信未来两三年百兆级别的模型上链应该不是个难事儿。
你可能会问上链有啥好处啊？上链了模型就可以被其他合约直接呼叫了，更加的 Crypto Native，能玩的花样肯定也更多，有那麽点 Fully Onchain Game 的即视感，因为所有资料都是链原生的。目前看到有团队在做这方面的探索，当然还是非常早期的状态。
方向 2 – 是中 + 远期，如果你认真想一下智慧合约这个东西，其实最适合的不是人机互动，而是 「机机互动」，AI 那边现在有了 AutoGPT 这个概念，弄一个你的 「虚拟化身」 或是 「虚拟助手」，不光能跟你聊天，还能根据你的要求帮你执行任务，比如帮你订机票，酒店，买域名搭网站……
你想 AI 助手是操作你的各种银行帐户支付宝啥的方便，还是整一个区块链地址转帐方便啊？答案显而易见。那麽未来，会不会有一堆集成了类似 AutoGPT 这样的 AI 助手，在各种任务场景下自动通过区块链与智慧合约进行 C2C，B2C，甚至 B2B 的支付与结算呢？那个时候，Web2 与 Web3 的边界也就变得非常模糊了。
2. 算力平台
算力平台的专案没有 Bot 模型资产化那麽多和卷，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麽一种方法，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。
业内最出名的两个专案无疑是 Together 和 Gensyn，一个种子轮就是千万级别融资，一个是 A 轮融了 4,300 万，这俩之所以要融这麽多钱，据说是因为需要资金和算力先训练自己的模型，然後後面会做成算力平台提供给其他的 AI 专案做训练用。
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 等算力然後提供给有需要的 AI 专案做推理用，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 云端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顶级专案的赛道，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。
3. 资料平台
这个其实也不难理解，因为 AI 的底层说白就三大件：演算法（模型），算力，资料。
既然演算法和算力都有 「去中心化版本」，那资料肯定也不会缺席，这也是奇绩创坛的创办人陆奇博士在聊 AI 和 Web3 时候最看好的一个方向。
Web3 一直强调资料隐私和主权，也有 ZK 之类的技术来确保资料可靠与完整性，那麽基於 Web3 的链上资料训练出来的 AI 肯定和 Web2 链下资料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於 Ocean 做的专门的 AI 资料市场之类的专案。
4. 生成式 AI
简单来说就是拿 AI 画画，或是类似的创作，来服务於其他一些场景。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。
不过前几天看到个讯息，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。怎麽说呢，感觉 Web3 圈的游戏 AIGC 类专案，届时可能会被 Unity 降维打击……
5. DeFi 交易 / 审计 / Yield / 风控
这几类都有看到专案在尝试，同质化相对不明显。
1）DeFi 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麽好用了，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於哪个段位。
2）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。
3）Yield 与风控 – Yield 不难理解，你就想像成一个带 AI 智慧的 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。风控麽，感觉单独做成一个专案会很奇怪，以外挂形式服务与各个借贷或是类似 Defi 平台感觉更加 Make Sense。
延伸阅读：Foresight Ventures：去中心化AI Marketplace是什麽？
6. ZKML
一个目前圈内越来越火的赛道，因为结合了两项最为前端的技术，一个圈内的 ZK，一个圈外的 ML（Mechine Learning 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，其实很多专案方也想不出来，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资料的隐私需求，至於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麽几个明星专案，像是 Modulus Labs，EZKL，Giza 之类，都是一级市场热捧的物件。没法，因为全世界懂 ZK 的人本来就那麽几个，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。最後就是，ZKML 大多针对的是推理，而非训练。
关於 AI +Web3 看到的趋势就先说这麽多，你有看到好的结合类专案或者新思路吗？
📍相关报导📍
马斯克踩着Space上天，再开新公司 xAI 探索「生命的意义」
Google Bard 开放支援中文！三大AI聊天机器人，哪个最受用户欢迎？
GPT-4突然变笨？OpenAI被质疑「省成本」导致性能下滑、改变运算模式
马斯克成立新人工智慧公司 xAI！剑指 OpenAI
