AI 與 Web3 是將掀起科技革命浪潮的兩大概念，若它們得以強強聯合，可能會給我們帶來什麼樣的 「驚喜」 呢？
（前情提要：高盛深度報告》生成式AI是炒作？還是真正革命）
（背景補充：馬斯克預言：通用人工智慧 AGI 一定會出現！xAI 將取代微軟、OpenAI…）
當下最炙手可熱的 AI 被看作是第四次工業革命的關鍵點與核心，而科技界上一個炙手可熱的概念是被看作下一代網際網路關鍵核心的 Web3。
AI 與 Web3 是將掀起科技革命浪潮的兩大概念，若它們得以強強聯合，可能會給我們帶來什麼樣的 「驚喜」 呢？
先說說 AI 自身
AI 這行業其實本來都要涼涼了，大家知道 Near 的創辦人一龍對吧，這傢伙其實以前是做 AI 的，他是 TensorFlow（最流行的機器學習框架）的主要程式碼貢獻者。大家推測他是 AI（大模型之前的機器學習）那邊看不到啥希望了所以跑來做 Web3 的。
結果終於去年年底業界迎來了 ChatGpt3.5，一下子這行業又活了，因為這次真的可以算質變了，而不是之前那幾波的炒作和量變。這不隔了幾個月 AI 創業的浪潮也傳遞到了我們 Web3。矽谷 Web2 那邊則是卷的不行，各種資本 Fomo，各種同質化方案開始拼價格戰，各種大廠大模型 PK……
但是要注意到的是 AI 經歷了半年多的爆發期之後也進入了一個相對瓶頸期，比如 Google 對於 AI 的搜尋熱度斷崖式下跌，Chatgpt 使用者增速大幅放緩，AI Output 帶有一定的隨機性限制了許多落地場景…… 總而言之，我們離傳說中的 「AGI – 通用人工智慧」 還有非常非常遠的距離。
目前矽谷創投圈對於 AI 下一步發展有這麼幾個判斷：
1）沒有垂直類模型，只有大模型 + 垂直類應用（一會兒說 Web3+AI 的時候我們會再提到）
2）邊緣裝置比如手機端的資料可能會是個壁壘，基於邊緣裝置的 AI 可能也是個機會
3）Context 的長度未來可能引發質變（現在用向量資料庫作為 AI 記憶體，但上下文長度還是不夠）
延伸閱讀：聚集12位AI大神！馬斯克「xAI直播」講了什麼..特斯拉自動駕駛將大躍進？
Web3 + AI
AI 和 Web3 其實是完全不同的兩個領域，AI 需要集中的算力 + 海量資料做訓練，非常中心化的東西，Web3 則是主打一個去中心化，所以其實不是那麼好結合，單奈何敘事上 AI 改變生產力，區塊鏈改變生產關係這個論點太過深入人心，所以總會有人前仆後繼的去尋找那個結合點，近倆月得聊了不下 10 個 AI 專案。
在說新的結合賽道之前先說說老的 AI+Web3 專案，基本都是平臺型，以 FET 和 AGIX 為代表。怎麼說呢，國內專業做 AI 的朋友是這麼跟我說的 – 「以前這些做 AI 的現在基本都沒啥用了，無論 Web2 還是 Web3, 很多都是包袱而不是經驗。方向和未來就是像 OpenAI 的這種基於 Transformer 的大模型，大模型拯救了 AI」，你自己想想。
所以通用平臺型不是他所看好的 Web3+AI 的模式，我聊的這 10 多個專案也確實沒有這方面，目前看到的基本是如下幾個賽道：
1. Bot/Agent/Assistant 模型資產化
2. 算力平臺
3. 資料平臺
4. 生成式 AI
5. Defi 交易 / 審計 / 風控
6. ZKML
1. Bot/Agent/Assistant 模型資產化
Bot/Agent/Assitant 的資產化這個賽道，聊的最多，是同質化最為嚴重的一個賽道。簡單來說，這些專案多是拿 OpenAI 為底層，配合其他的一些開源 / 自研的技術手段，比如 TTS（Text to Speech）之類，加上特定的資料，FineTune 出來一些 「某一領域比 ChatGPT」 更好的機器人。
比如你可以訓練出一個教你英語的美女老師，你可以選擇她是美國口音還是倫敦腔，她的性格和聊天的方式也可以調整，這樣相對於 ChatGPT 比較機械和官方的回答來講，互動體驗會更好一些。圈內前段有個虛擬男友的 DAPP、Web3 女性向遊戲，叫 HIM，可以算是這種型別的代表了。
從這個思路出發，你理論上可以有許多個 Bot/Agent 為你服務。比如你想要做水煮魚，可能會有專門針對這個領域 Fine Tune 的 Cooking Bot 來教你，給的答案相對 ChatGPT 更加專業，你想出門旅行，同樣有旅行小助手 Bot 給你提供各種出遊建議和規劃，或是你是專案方，弄一個 Discord 的客服機器人，幫你回答社群問題。
除了做這種 「基於 GPT 的垂直類應用型」 Bot，還有基於此的衍生專案，比如 Bot 算 「模型資產化」。有點 NFT 「小圖片資產化」 的意味，那現在 AI 裡面流行的 Prompt 是不是也可以資產化，像是 MidJourney 不同的 Prompt 可以生成不同的圖片，訓練 Bot 時不同的 Prompt 也會有不同的效果，所以 Promopt 自身也具備價值，也可以資產化。
還有像是基於此類 Bot 進行門戶索引，搜尋的專案，等哪天我們有了成千上萬的 Bot，那怎麼找到最合適你的 Bot？可能屆時就需要一個 Web2 世界類似 Hao123 這樣的入口網站，或是 Google 這樣的搜尋引擎來幫你 「定位」。
在我個人看來，Bot（模型）資產化這個東西現階段有兩個弊端 + 兩個方向：
1）弊端
弊端 1 – 同質化太過嚴重，因為這個是使用者最容易理解的 AI+web3 賽道，有那麼點像是帶一點 Utility 屬性的 NFT。所以目前一級市場開始呈現紅海趨勢，捲起來了，但底層又都是 OpenAI，所以大家其實都沒啥技術壁壘，只能拼設計和運營；
弊端 2 – 有時候像是星巴克會員卡 NFT 上鏈這種事，雖然是個出圈的好嘗試，但對於多數使用者來講可能真的沒有一個實體或是電子會員卡來的方便。基於 Web3 的 Bot 也存在這個問題，想跟機器人學英語或是跟馬斯克，蘇格拉底誰的聊天，我直接用 Web2 的 http://Character.AI 不香麼？
2）方向
方向 1 – 是近 + 中期，模型上鏈或許會是一個思路。目前這些模型有那麼點 ETH NFT 小圖片的意思，MetaData 大多指向的鏈下伺服器或是 IPFS，而非純鏈上。模型通常幾十到幾百兆的大小，更是要扔在伺服器上了。
但隨著最近儲存價格的飛速下降（2TB SSD 500 塊 RMB），以及 Filecoin FVM，ETH Storage 這類儲存類專案的推進，相信未來兩三年百兆級別的模型上鏈應該不是個難事兒。
你可能會問上鏈有啥好處啊？上鏈了模型就可以被其他合約直接呼叫了，更加的 Crypto Native，能玩的花樣肯定也更多，有那麼點 Fully Onchain Game 的即視感，因為所有資料都是鏈原生的。目前看到有團隊在做這方面的探索，當然還是非常早期的狀態。
方向 2 – 是中 + 遠期，如果你認真想一下智慧合約這個東西，其實最適合的不是人機互動，而是 「機機互動」，AI 那邊現在有了 AutoGPT 這個概念，弄一個你的 「虛擬化身」 或是 「虛擬助手」，不光能跟你聊天，還能根據你的要求幫你執行任務，比如幫你訂機票，酒店，買域名搭網站……
你想 AI 助手是操作你的各種銀行帳戶支付寶啥的方便，還是整一個區塊鏈地址轉帳方便啊？答案顯而易見。那麼未來，會不會有一堆集成了類似 AutoGPT 這樣的 AI 助手，在各種任務場景下自動通過區塊鏈與智慧合約進行 C2C，B2C，甚至 B2B 的支付與結算呢？那個時候，Web2 與 Web3 的邊界也就變得非常模糊了。
2. 算力平臺
算力平臺的專案沒有 Bot 模型資產化那麼多和卷，但理解起來相對更加容易，都知道 AI 需要大量算力，而 BTC 和 ETH 在過去 10 多年已經證明了世界上有這麼一種方法，可以自發的，去中心化的，在經濟激勵和博弈的環境下組織協調起海量的算力去合作 + 競爭的做一件事。現在可以把這種方法用在 AI 上。
業內最出名的兩個專案無疑是 Together 和 Gensyn，一個種子輪就是千萬級別融資，一個是 A 輪融了 4,300 萬，這倆之所以要融這麼多錢，據說是因為需要資金和算力先訓練自己的模型，然後後面會做成算力平臺提供給其他的 AI 專案做訓練用。
而做推理的算力平臺融資額相對會小很多，因為本質上就是聚合閒置的 GPU 等算力然後提供給有需要的 AI 專案做推理用，RNDR 是做渲染算力聚合，這些平臺做推理算力聚合。但技術門檻目前都比較模糊，甚至我在想會不會哪天 RNDR 或是 Web3 雲端算力平臺一隻腳就伸到推理型算力平臺這邊了。
算力平臺這個方向相比模型資產化更加實在和好預測，基本上是板上釘釘一定會有需求也會出現一兩個頂級專案的賽道，就看誰能殺的出來，唯一目前不確定的是訓練和推理各自有龍頭，還是龍頭會把訓練和推理都包圓了。
3. 資料平臺
這個其實也不難理解，因為 AI 的底層說白就三大件：演算法（模型），算力，資料。
既然演算法和算力都有 「去中心化版本」，那資料肯定也不會缺席，這也是奇績創壇的創辦人陸奇博士在聊 AI 和 Web3 時候最看好的一個方向。
Web3 一直強調資料隱私和主權，也有 ZK 之類的技術來確保資料可靠與完整性，那麼基於 Web3 的鏈上資料訓練出來的 AI 肯定和 Web2 鏈下資料訓練出來的應該不一樣。所以這條線整體 Make Sense，目前圈內 Ocean 應該算是這個賽道，一級市場也有看到基於 Ocean 做的專門的 AI 資料市場之類的專案。
4. 生成式 AI
簡單來說就是拿 AI 畫畫，或是類似的創作，來服務於其他一些場景。比如做 NFT，或是遊戲內的地圖生成，NPC 背景生成等等。感覺做 NFT 這條線比較難，因為 AI 生成稀缺性不夠，Gamefi 倒是一條路，一級市場也有見到有團隊在嘗試。
不過前幾天看到個訊息，Unity（與虛幻引擎兩家一起霸佔遊戲引擎市場多年）也出了自己的 AI 生成工具 Sentis 和 Muse，現在還在封測階段，明年估計就正式上線了。怎麼說呢，感覺 Web3 圈的遊戲 AIGC 類專案，屆時可能會被 Unity 降維打擊……
5. DeFi 交易 / 審計 / Yield / 風控
這幾類都有看到專案在嘗試，同質化相對不明顯。
1）DeFi 交易 – 這個有點 Tricky，因為如果一個交易策略好用，隨著用的人越多，可能策略慢慢也就不怎麼好用了，得切換到新策略。再就是好奇 AI 交易機器人未來的勝率如何，會在普通交易者裡面處於哪個段位。
2）審計 – 目測應該可以幫助快速審處已有的常見的漏洞，沒出現過的新的或是邏輯上的漏洞應該就不行了，這個得進入 AGI 時代應該才有戲。
3）Yield 與風控 – Yield 不難理解，你就想像成一個帶 AI 智慧的 YFI 就行，把錢扔給它，AI 根據你的風險偏好自己去找平臺 Staking，組 LP，挖礦之類。風控麼，感覺單獨做成一個專案會很奇怪，以外掛形式服務與各個借貸或是類似 Defi 平臺感覺更加 Make Sense。
延伸閱讀：Foresight Ventures：去中心化AI Marketplace是什麼？
6. ZKML
一個目前圈內越來越火的賽道，因為結合了兩項最為前端的技術，一個圈內的 ZK，一個圈外的 ML（Mechine Learning 機器學習，AI 領域的一個狹義分支）。
理論上來說，與 ZK 的結合可以給 ML 提供隱私性，完整性和準確性，但是你要硬說有哪些具體使用場景吧，其實很多專案方也想不出來，基建先搭著再說…… 目前唯一真的剛需的是部分醫療領域的機器學習確實有這個病人資料的隱私需求，至於鏈上游戲完整性或反作弊之類的敘事，總感覺有些牽強。
這個賽道目前來說就那麼幾個明星專案，像是 Modulus Labs，EZKL，Giza 之類，都是一級市場熱捧的物件。沒法，因為全世界懂 ZK 的人本來就那麼幾個，懂 ZK 同時還要懂 ML 的人才就更少了，所以這個賽道的技術門檻相對其他要高了很多，同質化也相對不明顯。最後就是，ZKML 大多針對的是推理，而非訓練。
關於 AI +Web3 看到的趨勢就先說這麼多，你有看到好的結合類專案或者新思路嗎？
📍相關報導📍
馬斯克踩著Space上天，再開新公司 xAI 探索「生命的意義」
Google Bard 開放支援中文！三大AI聊天機器人，哪個最受用戶歡迎？
