浅谈重塑世界之区块链和AI的交汇lg...

1、平台转换

在这个时代，世界的变革是由技术和基础设施的巨大改变所塑造的。当这些改变发生时，它们释放出代际创新的力量，为我们带来了一个崭新的世界。回想一下电报和铁路的诞生，光纤电缆和互联网的普及，以及移动电话和3G网络的革命，它们都为人类的生活带来了翻天覆地的改变。

现在，我们正处在一个类似的变革时刻，那就是人工智能（AI）和区块链这两个开创性领域的交汇。人工智能的快速发展和区块链技术的突破，让我们见证了一场科技革命的到来。人工智能正在以惊人的速度改变我们的工作、生活和社会结构，而区块链技术则为数据安全和信任建立提供了全新的解决方案。

人工智能的进步为我们带来了许多新的应用和可能性。从智能助手到自动驾驶汽车，从语音识别到机器翻译，人工智能正逐渐渗透到各个领域。它的出现不仅提高了生产效率，也为我们提供了更多的便利和舒适。同时，区块链技术的兴起也引发了人们对于数据交换和信任机制的重新思考。通过去中心化的方式，区块链可以确保数据的安全性和可信度，打破了传统信任体系的限制，为许多行业带来了革新的可能性。

人工智能和区块链的交汇将为社会带来巨大的变革。它们的结合可以赋予人工智能更多的智慧和自主性，提升其在各个领域的表现。同时，区块链的去中心化特点也可以为人工智能提供更加安全和可靠的底层支持，确保数据的正确性和隐私的保护。这种技术的融合将推动人类社会向着更加智能、高效和可持续的方向发展。

正如历史上其他技术革命一样，人工智能和区块链的变革时刻将改变我们的世界。它们将重新定义我们的生活方式、职业发展和社会结构。我们正站在一个新的起点，迎接着前所未有的机遇和挑战。随着人工智能和区块链不断发展，我们可以期待一个更加智能化和繁荣的未来。让我们共同迎接这个变革时刻，并以开放的心态和创新的精神，打造一个更加美好的世界。本文的三大理论支柱如下：

①   AI的兴起将增加对区块链技术的需求

②   AI将加速去中心化应用程序的成熟和采用

③   去中心化基础设施的开源创新将塑造AI的未来

2、区块链可以提供更优设计空间

人工智能具有高影响力的领域很多，但大致可以归纳为三个主要类别：

①    面向用户的智能系统、产品或应用程序

②   提高企业的运营和/或资本效率

③   消除了内容创作（和创意生成）的边际成本

尤其是，生成式AI带来了独特的挑战和机遇，我们认为区块链技术可以在其中发挥优势。

要理解其中的原因，重要的一点是要考虑驱动智能系统进化的核心输入。机器学习（ML）从根本上来说是由数据（大量数据，但质量越来越高）、反馈机制和算力驱动的。

目前，人工智能和机器学习领域的主要参与者，如OpenAI（微软支持）和Anthropic（谷歌和亚马逊支持），正在整合资源，并建立起围绕自身模型和数据的壁垒。然而，这种做法可能破坏了最初催生该行业的协作开发周期，抑制了行业的发展势头，尽管他们在计算、数据和分销方面具有早期优势。

区块链，例如以太坊，提供了一个可行的解决方案，并已成为可靠的中立数据和计算系统。它推动了开源创新，并支持了一系列数字原生原语。这些原语在一个越来越由生成式AI塑造的世界中具有重要地位，因此区块链有望成为人工智能领域开源研究和开发的主要力量。

区块链的去中心化特性提供了更加安全、透明和可信的数据管理方式。通过将数据存储在分布式网络中，并使用加密算法确保数据的完整性和真实性，区块链为人工智能研究和开发提供了信任基础和数据共享的机制。

在人工智能领域，数据是至关重要的。然而，数据的获取和管理往往面临许多挑战，如数据安全性、数据隐私和数据分发等。区块链通过建立分布式的数据存储和管理系统，允许参与者共享和访问数据，同时保持数据的安全性和隐私性。这为人工智能研究和开发提供了更加开放和合作的环境。

此外，区块链还可以解决人工智能算法的透明性和可解释性问题。人工智能算法往往是黑箱，难以理解其决策过程和判断依据。区块链可以记录和追溯算法的训练过程和数据输入，使得人工智能的决策过程更加透明和可解释。

总而言之，区块链有着广阔的应用前景，尤其在人工智能领域的开源研究和开发中。它为数据管理、数据共享、算法透明性和可解释性提供了解决方案，促进了人工智能领域的协作和创新。我们相信，区块链将成为人工智能领域开发的重要动力，推动行业朝着更加开放和合作的方向发展。

3、当今市场状况

今年，大量资金已经投入到人工智能的核心基础设施、模型层，甚至是面向用户的应用程序，例如聊天机器人、客户支持和编码助手。然而，在传统领域里，对于人工智能产生的价值在哪里积累并不明显。

当前的场景中，人工智能很有可能成为一股中心化力量，并继续扩张Web2市场主导者的地位。特别是在基础设施和模型层，参与者们已经在扩展硬件和资本资源、数据访问、分销渠道和独特的合作伙伴关系方面进行投资。

许多头部巨头们正朝向全栈模式发展，通过并购或专利合作的方式，从云服务提供商如AWS到硬件制造商如英伟达（Nvidia），再到老牌巨头如微软。这些巨头们正在进行规模和利润的争夺，但超昂贵、高精度的企业API模型的市场可能会受到经济、开源性能趋同、甚至低延迟工作负载需求趋势的限制。

与此同时，中端市场的很大一部分已经出现了类似于“OpenAI API wrapper”产品的商品化趋势，这些产品功能齐全，但却难以区分。这些产品为用户提供了自定义API的灵活性和价值，但也呈现出资金缺乏和扩展能力不足的问题。

在这个市场环境下，开源的解决方案显得尤为重要。开源软件可以提供更好的性能、成本更低、更好的可重复性和可扩展性。在开源的模型、工具和库的基础上，开发者可以更加灵活地构建自己的应用，并快速响应市场和用户需求。

总之，人工智能市场的未来发展趋势与开源和开放合作密不可分。去中心化的开源生态系统可以降低人工智能发展中的壁垒，为更多人提供机会，从而推动行业的发展和技术的进步。

4、开源建设势头

当前，开源系统和工具正在鼓励大大小小的企业直接利用预训练、训练和微调的开源数据集，以及免费访问的基础模型和工具，使创造力得到了更加充分的发挥。

值得注意的是，据谷歌泄露的一篇文章概述，闭源和开源代码世界之间的差距正在迅速缩小。目前，有96%的代码库都使用了开源软件，这一趋势在大数据、人工智能和机器学习领域尤为明显。

与此同时，颠覆云服务寡头垄断的时机或已成熟。过去，AWS、Google Cloud和Azure这三大巨头是通过将工具和服务分层来占领市场，从而在企业竞争中深入巩固自己的地位。然而，这种主导地位给企业带来了许多挑战，从限制性运营依赖到云基础设施相关的过高成本，尤其是考虑到主要提供商收取的溢价。

在这种情况下，开源系统和工具的应用将是一个强大的颠覆者。开源系统和工具可以为企业节省成本，降低依赖性，并提供更加灵活的解决方案。企业可以依据自己的需求选择开源系统和工具，并且可以对其进行定制和优化，以满足自身的业务需求。

总之，开源系统和工具的广泛应用将颠覆云服务寡头垄断的市场环境，并给企业带来更加灵活和经济的解决方案。

现有公司面临着运营重组的费用压力，再加上试图尝试和整合越来越多的开源AI，将为使用去中心化替代方案重构业务创造一个窗口。

因此，开源AI和区块链技术的新兴交叉点为实验和投资提供了一个非凡领域。

5、加密与AI：双向价值关系

我们对人工智能和区块链之间潜在的共生关系感到异常兴奋。

加密中间件可以通过建立有效的计算和数据市场（供应、标签或微调）以及证明或隐私工具，极大地改善人工智能供应方的信息输入。

反过来，去中心化应用程序和协议将通过吸收这种劳动成果达到新的高度。

不可否认，加密技术已经取得了长足的进步，但协议和应用程序仍然受到主流用户使用的仍然不直观的工具和用户界面的影响。同样，智能合约本身可能会受到限制，无论是在开发人员的手动工作负载需求方面，还是在整体功能的流动性方面。

Web3开发人员是一群非常高产的人。高峰时期，仅仅7.5万名全职开发者就创造了价值数万亿美元的产业。编码助手和ML增强DevOps有望助力现有工作，而无代码工具正在迅速赋能新一类建设者。

随着机器学习功能被整合进智能合约并被带到链上，开发人员将能够设计出更加流畅和富有表现力的用户体验，并最终设计出全新的杀手级应用程序。这种链上体验的跨越式功能改进将吸引新的——可能是更多的——受众，催化出重要的采用反馈飞轮。

生成式AI可能就是加密货币缺失的一环，它将改变UI/UX，并催生新一波技术发展浪潮。反过来，区块链技术将利用、泛化和加速人工智能的潜力。

6、使用区块链建设更好的数据市场

使用区块链技术来建设更好的数据市场是一个具有潜力的方向。数据在机器学习中扮演着基础信息输入的角色，庞大的数据库如Common Crawl和The Pile使得基础模型获得了全球的关注。

企业可以利用这些数据来完善产品供应的基础模型，或者用于建立未来的竞争优势。数据最终将成为用户和个人模型之间的桥梁，个人模型可以在本地运行，并不断适应个人需求。

因此，数据的竞争成为了一个必不可少的前沿领域，区块链技术可以在这个领域中占据优势，尤其是在质量成为塑造数据市场的重要属性的情况下。

数据质量比数量更为重要。早期研究表明，未来高达90%的在线内容可能是人工合成的。虽然合成训练数据具有一定的优势，但它也存在模型质量恶化和偏见强化的重大风险。

未来几年，机器学习模型可能会面临非合成数据源的枯竭的风险。区块链技术通过其协调机制和证明原语，为支持去中心化市场提供了优化的可能性，使用户能够共享、拥有或变现用于训练或微调特定领域模型的数据。

因此，Web3可能成为更好、更有效的人工生成训练和微调数据的源头。

目前，区块链技术已经在支持去中心化的训练、微调和推理过程方面取得了进展，同时也可以更好地保存和利用开源智能。

较小的开源模型通过高效的微调过程进行改进，其输出精度已经可以与较大的模型相媲美。因此，在数据来源和微调数据方面，趋势已经开始从数量转向质量。

能够跟踪和验证原始数据和衍生数据生命周期的能力可以促进模型复现性和透明度，从而推动更高质量的模型和输入的发展。

区块链可以建立一个持久的护城河，成为具有多样化、可验证和量身定制数据集的主要领域。这在传统解决方案过度索引算法进度以应对数据不足的情况下尤其有价值。

内容模仿爆发

即将到来的内容模仿浪潮是另一个加密货币先发优势将发挥作用的领域。

这种新的技术范式将以前所未有的规模赋能数字内容创作者，而Web3即插即用的基础设施让这一切都变得简单明了。加密货币具有主场优势，这要归功于多年来围绕以NFT形式建立数字资产和内容的所有权和不可变来源的原语的开发。

NFT可以捕获整个内容创作生命周期，但也可以代表数字原生身份、虚拟资产，甚至现金流。

因此，NFT使数字资产市场（OpenSea、Blur）等新用户体验成为可能，同时也重新思考了书面内容（Mirror）、社交媒体（Farcaster、Lens）、游戏（Dapper Labs、Immutable），甚至是金融基础设施（Upshot、NFTFi）等商业模式。

这项技术甚至可以比另一种选择——使用算法——更可靠地打击深度造假和计算操纵。一个明显的例子就是，OpenAI的检测工具因精度失败而关停。

最后一点：简洁和可验证计算的进步也将升级NFT的动态格局，因为它们包含ML输出以驱动更智能、不断发展的元数据。我们相信，基于区块链技术的AI工具和界面将释放出全面价值，重塑数字内容格局。

利用零知识证明实现机器学习的无限知识

区块链行业正在寻求技术解决方案，既能够实现资源高效计算，又能够保持无需信任的特性，而零知识证明（ZK）正是在这方面取得了重大进展。

虽然最初的设计是为了解决以太坊虚拟机等系统的资源瓶颈问题，但ZK证明实际上提供了许多与人工智能相关的有价值用例。

一个明显的例子是对现有用例进行简单扩展：通过高效而简洁的方式验证计算密集型过程，比如在链下运行机器学习模型，这样最终的产品（如模型推理）可以以ZK证明的形式在链上整合。

通过将存储证明与协同处理相结合，我们可以在不引入新的信任假设的情况下，使得链上应用程序更加灵活和敏捷，大大增强其功能。

当使用ZK证明调用API时，我们可以验证特定模型或数据池是否真正用于生成推断。它还可以隐藏模型在敏感行业如医疗保健或保险中使用的特定权重或数据。

公司甚至可以通过交换数据或知识产权来更有效地进行合作，并从共享学习中受益，同时仍然保持着自己资源的所有权。

最后，ZK证明在区分人工数据和合成数据这一日益相关而又具有挑战性的领域中具有真正的适用性。

这些用例中的一些还需要进一步的技术开发和寻找可持续规模经济的方法，但zkML有可能对人工智能的发展轨迹产生独特的影响。

8、长尾资产及潜在价值

加密货币已经证明了其作为音乐和艺术等传统市场价值流的卓越架构师的作用。在过去的几年里，还出现了代表链下有形资产（如葡萄酒和运动鞋）的链上流动性市场。

继任者自然将涉及先进的ML功能，因为人工智能被带到链上并可让智能合约访问。

ML模型与区块链围栏（rails）相结合，将重新设计以前由于缺乏数据或买家深度而无法获得的非流动性资产背后的担保流程。

一种方法是，机器学习算法查询大量变量，以评估隐藏的关系，并最大限度地减少操纵者的攻击面。Web3已经在尝试围绕社交媒体关系和钱包用户名等新概念创建市场。

与AMM对释放长尾代币流动性的影响类似，ML将通过获取大量定量和定性数据来获得隐性模式，从而彻底改变价格发现。这些新的见解可以形成基于智能合约的市场的基础。

人工智能的分析能力将嵌入去中心化金融基础设施，以发现长尾资产中的潜在价值。

9、去中心化基础设施层

加密货币不仅在吸引和货币化高质量数据方面具有优势，而且在人工智能背后的基础设施支持方面也具有相似的前景。

一些去中心化物理基础设施网络（DePINs），如Filecoin和Arweave，已建立了用于存储的系统，这些系统本身就包含区块链技术。

还有其他公司，如Gensyn和Together，致力于解决分布式网络模型训练的挑战，而Akash则推出了一个令人印象深刻的P2P市场，将过剩的计算资源与需求联系起来。

此外，Ritual以激励网络和模型套件的形式为开源AI基础设施的建设提供基础，将分布式计算设备连接起来，供用户进行推理和微调。

其中最重要的是，像Ritual、Filecoin或Akash这样的DePIN还可以创建一个更大、更有效的市场。他们通过向更广泛的供应端开放，包括能够释放潜在经济价值的被动供应商，或者将性能较差的硬件整合到与高水平同行竞争的池中来实现这一点。

技术栈的各部分都涉及不同的约束和价值偏好，并且对这些层进行规模性实战测试（特别是去中心化模型训练和计算的新兴领域）方面仍有大量工作要做。

然而，基于区块链的计算、存储甚至模型训练解决方案的基础已存在，这些解决方案最终可以与传统市场一较高下。

10、综上所述，加密技术和人工智能的结合已经成为最具前景的设计领域之一，影响到了从内容创作到企业工作流程及金融基础设施等方方面面。

我们相信在未来几十年内，这些技术将对世界进行重塑。最好的团队将结合基础设施、加密经济学和人工智能等技术，以提升产品/服务性能、实现全新行为或实现具有竞争力的成本结构。

加密技术为协作网络引入了前所未有的规模、深度和标准化数据粒度，而人工智能将信息池转换为相关背景或关系的向量。当这两个领域结合在一起时，可以形成一种独特的互惠关系，为去中心化未来的建设者奠定基础。

来源：金色财经