简介

在时间轴上搜索新的Alpha时，需要穿越一些糟糕的内容。当一个项目快速筹集5-6位数的资金的门槛只是一个半一致的简介和一些不错的品牌形象时，骗子们会奉行他们能找到的每一个新叙事。而随着每个人在传统金融中都跳上人工智能的列车，“加密-人工智能”叙事将这个问题升级到了11级。

绝大多数这些项目的问题在于：

• 大多数加密货币项目不需要人工智能
• 大多数人工智能项目不需要加密货币

所有的去中心化交易所都不需要内置的人工智能助手，每个聊天机器人也不需要一个附带的代币来推动其采用曲线。将人工智能硬塞到加密货币中（反之亦然）在我之前深入研究这个叙事时，让我走向了疯狂的边缘。

坏消息是？继续沿着我们当前的集中化技术路径前进将以泪水收场，而大量虚假的“人工智能 x 加密货币”项目阻碍了扭转局势的努力。

好消息是？隧道尽头有一束光。有时，人工智能确实受益于加密经济学。同样，加密货币也有一些使用案例，人工智能可以解决一些真正的问题。

在今天的文章中，我们将探讨这些关键交叉点。这些小型创新的领域，这些小众想法相互交叠，形成一个整体，其价值远大于各自的部分之和。

AI 堆栈的高级视图

以下是我对“加密-人工智能”食物链中涉及的不同垂直领域的思考方式（我也喜欢汤米的，如果你想深入了解一点）。请注意，这只是一个极其简化的观点，但希望能帮助搭建舞台。

从高层次来看，这就是它们如何共同运作的：

• 数据以大规模进行收集。
• 对这些数据进行处理，使得机器能够理解如何摄取和应用它。
• 在这些数据上训练模型以创建一个通用模型。
• 可以对其进行微调以处理特定的用例。
• 最后，这些模型被部署和托管，以便应用程序可以查询它们进行有用的实现。
• 所有这些都需要大量的计算资源，可以在本地运行，也可以从云中获取。

让我们探索每个领域，特别关注不同的加密经济设计如何实际改善标准工作流程。

加密货币给开源带来了战斗的机会

整个“封闭源代码”与“开放源代码”开发方法论的辩论可以追溯到Windows-Linux之争和埃里克·雷蒙德（Eric Raymond）著名的大教堂与市场的论点。虽然Linux今天在业余爱好者中被广泛使用，但大约90%的用户选择Windows。为什么？因为激励机制。

从外部看来，开放源代码开发有很多好处。它允许最大数量的人参与和贡献到开发过程中。但在这种无头结构中，你没有统一的指令。你没有一个CEO，他们有动力尽可能多地让他们的产品进入到更多人的手中，以最大化他们的底线。在开放源代码开发中，你有可能项目演变成一个嵌合体，在设计哲学的每个交叉点上分叉成不同的分支。

而对齐激励的最佳方法是什么？构建一个奖励符合我们目标的行为的系统。换句话说，把钱放到能够使我们更接近目标的行动者手中。在加密货币中，这可以被硬编码到法律中。

我们将看一些正在做到这一点的项目。

去中心化物理基础设施网络（DePINs）

“哦，拜托，这种话题又来了？”是的，我知道DePIN的叙事几乎像人工智能本身一样被过度使用，但请稍等片刻。我会坚持认为，DePIN是加密货币中一个真正有机会改变世界的用例。想想看。

加密货币真正擅长什么？消除中间人和激励活动。

比特币最初的愿景是建立一个点对点的货币系统，力图将银行排除在外。同样地，现代的DePIN旨在驱逐集中力量，引入可证明公平的市场动态。正如我们将看到的，这种架构非常适合众包人工智能相关网络。

DePINs利用早期代币发行来增加供应端（提供者），希望吸引消费者的可持续需求。这旨在解决新市场的冷启动问题。

这意味着早期的硬件/软件（“节点”）提供者将获得大量代币和少量现金。随着从利用这些节点（在我们的情况下是ML构建者）的用户那里开始流入现金，这开始抵消随时间减少的发行量，直到一个完全自我维持的生态系统建立起来（这可能需要几年时间）。早期采用者如Helium和Hivemapper展示了这种设计可以多么有效。

数据网络，深入了解Grass

GPT-3据说是用45TB的纯文本数据进行训练的，这相当于大约9000万部小说（但它仍然无法画一个该死的圆）。随着GPT-4和GPT-5需要比表面网络上实际存在的数据更多的数据，称AI为数据饥渴是本十年的轻描淡写。

如果你不是顶尖公司（OpenAI、微软、谷歌、Facebook）之一，获取这些数据是非常困难的。对于大多数人来说，常见的策略是网页抓取，这在尝试扩大规模时并不是一件容易的事情。拥有一个单独的亚马逊网络服务（AWS）实例，试图抓取大量网站，会让你很快被限制访问速度。这就是Grass的用武之地。

Grass连接了超过两百万台设备，将它们组织起来从用户自己的IP地址上抓取网站，收集数据，将其结构化，并将其出售给这些急需数据的AI公司。为了酬劳，贡献给Grass网络的用户可以获得稳定的收入，这得益于使用他们数据的AI公司。

当然，现在还没有代币，但未来的$GRASS代币可能会吸引用户下载他们的浏览器扩展程序（或手机应用）。尽管他们不需要这样做，因为他们已经运行了一场极具吸引力的推荐活动，已经吸引了其他项目无法想象的用户数量。

GPU 网络，了解 io.net

也许比数据更重要的是计算能力。你知道吗，2020年和2021年中国在GPU上的支出比石油还多。简直疯狂，但这只是开始。再见石油美元，计算币要来了。

来源： Messari DePIN 状况报告

现在，市场上有很多GPU DePINs，它们通常是这样工作的。一方面，你有急需计算资源的机器学习工程师/公司。另一方面，你有闲置的数据中心、空置的挖矿设备以及闲置的GPU/CPU的爱好者。这个全球供应是庞大的，但却不协调。没有简单的方法可以联系到10个不同的数据中心，让它们竞标你的使用权。

中心化的解决方案会产生一个寻租中间人，其动机是从每一方中提取最大的价值，但是加密货币可以如何帮助呢？

加密货币在创建市场层面上非常擅长，以一种高效的方式连接不同的买家和卖家。一段代码不受股东的财务利益所约束。

io.net因引入一些很酷的新技术而脱颖而出，这对于AI训练至关重要——它们的聚类技术。传统的聚类涉及在同一个数据中心内物理连接一堆GPU，以便它们可以共同进行模型训练。但如果你的硬件分散在全球各地呢？IO与Ray（用于创建ChatGPT）合作开发了可以连接非同地点的GPU的聚类中间件。相当酷。

而且，尽管AWS的注册过程可能需要数天时间，但io.net上的集群可以在90秒内启动，而且100%无需许可。出于这些原因，我可以看到io.net成为所有其他GPU DePINs的中心枢纽，在那里它们都可以插入其“IO引擎”，解锁内置的聚类和顺畅的入门体验。这只有通过加密货币才可能实现。

我的对io.net的思考，它们的独特卖点（USP）以及它们如何推动下一代人工智能应用

你会注意到，大多数具有雄心勃勃目标的去中心化人工智能项目（例如Bittensor、 Morpheus,、Gensyn,、Ritual、Sahara）都有明确的“计算”需求——这正是GPU DePINs应该发挥作用的地方。去中心化人工智能需要无需许可的计算资源。

玩弄激励结构

再次回到比特币寻找灵感。为什么矿工们不停地以高速进行哈希计算？因为这是他们被支付的任务——中本聪提出了这种架构，因为它优化了安全性。这个教训是什么？这些协议内置的激励结构决定了它们产生的最终产品。

比特币矿工和以太坊权益证明者是吸收所有本地代币的主要参与者，因为这是协议想要激励的——参与者成为矿工和权益证明者。

在一个组织中，这可能来自于CEO，他定义了“愿景”或“使命宣言”。但是人是容易犯错误的，可能会使公司偏离轨道。另一方面，计算机代码甚至比最乖巧的工资奴隶更能保持专注。让我们看看一些内置代币经济的去中心化项目，它们将参与者引向崇高的目标。

人工智能构建网络，深入探讨 Bittensor

所以…激励。

轻抚大麻 “老兄。如果我们让比特币矿工构建人工智能，而不仅仅是解决无用的数学问题呢？”

这样一来，你就创建了Bittensor。嗯，有点意思。

Bittensor的目标是为调试创建几个实验性生态系统，其目标是在每个生态系统内产生“商品化智能”。这意味着一个生态系统（称为子网，简称为“SN”）可以专注于开发语言模型，另一个则专注于金融模型，还有更多专注于文本转语音、AI检测或图像生成（请参阅目前活跃的项目）。

对于Bittensor网络来说，你想要做什么并不太重要。只要你能证明你的项目值得被资助，激励就会流动。这是子网所有者的目标，他注册了子网并调整了他们游戏的规则。

这个“游戏”的玩家被称为矿工。他们是构建模型的ML/AI工程师和团队。他们被锁在一个持续考核的雷鸣之室中，互相竞争，争夺最高位置以获得最多的奖励。

验证者则是硬币的另一面，负责分发考核并根据矿工的工作成绩评定。如果发现验证者串通一气支持某个矿工，他们会被驱逐出局。

记住这些激励：

• 当矿工在他们的子网内击败其他矿工时，他们可以获得更多收益——这推动了人工智能的发展。
• 当验证者准确地识别出高、低绩效的矿工时，他们可以获得更多收益——这使子网保持诚实。
• 当他们的子网生产的有用AI模型比其他子网更多时，所有者可以获得更多收益——这推动了所有者优化他们的“游戏”。

TAO奖励流向子网及其参与者的高层次分解

你可以将Bittensor看作是一个永久性的奖励机制，用于人工智能开发。新兴的ML工程师可以尝试构建一些东西，向风险投资者提出想法，并试图筹集一些资金。或者他们可以加入Bittensor的一个子网作为矿工，表现出色，并大量获取TAO。哪种方式更容易呢？

网络上有一些一流的团队正在构建：

• Nous Research是开源之王。他们的子网在微调开源LLMs时颠覆了传统。通过将模型与持续的合成数据流进行测试，@marketing_novita.ai/reliable-or-not-unveiling-secrets-behind-llm-leaderboard-b40a1d3dc6ab">排行榜无法被操纵（与HuggingFace等传统基准不同）。
• Taoshi的专有训练网络基本上是一个开源量化交易公司。他们要求他们的ML贡献者构建交易算法来预测资产价格的变动。他们的API向零售用户和机构用户提供量化级别的交易信号，他们正在快速走上利润丰厚的道路。
• Corcel团队的Cortex.t 具有双重目的。首先，他们激励矿工为一流模型（如GPT-4和Claude-3）提供API访问，确保建设者持续可用。他们还提供合成数据生成，这对于模型训练和基准测试非常有用（这也是为什么Nous使用它的原因）。请查看他们的工具-聊天和搜索。

尝试免费的 GPT-4 Turbo 以及顶级开源模型 Corcel。甚至可以尝试顶级 Bittensor 生成的 Nous LLM

如果不出意外，Bittensor 重申了激励结构的力量。加密经济学使这一切成为可能。

智能代理，了解Morpheus

现在，我们来看看Morpheus的两面，其中：

• 加密经济结构正在构建人工智能（加密助力人工智能）&
• 人工智能应用使加密领域出现了新的用例（人工智能助力加密）

“智能代理”只是由智能合约训练的人工智能模型。它们了解所有顶级DeFi协议的内外，知道哪里可以获得收益，哪里可以进行跨链操作，以及如何识别可疑的合约。它们是未来的“自动路由器”，在我看来，它们将是每个人在5-10年内与区块链进行交互的方式。事实上，一旦我们达到了那个点，你可能甚至都不知道自己在使用加密货币。你只需告诉一个聊天机器人你想把一些储蓄转移到另一种投资方式，一切都会在背后发生。

来源： Github

Morpheus体现了本节的“激励它，他们就会来”的信息。他们的目标是建立一个平台，智能代理可以传播和繁荣，每一个都在一个最小化外部性的生态系统中建立在上一个的成功基础上。

• 代币通胀结构突出了协议的四个主要贡献者：
• 代码 - 代理构建者。
• 社区 - 构建前端应用程序和工具，吸引新用户加入生态系统。
• 计算 - 提供计算资源来运行代理。
• 资本 - 提供他们的收益以推动Morpheus的经济机器。

每个类别都获得相等比例的$MOR通胀奖励（少量也存为应急基金），迫使他们：

构建最好的代理 - 当他们的代理被持续使用时，创建者会得到支付。与免费提供OpenAI插件不同，这种方式让构建者立即得到报酬。

• 构建最好的前端/工具 - 当他们的作品被持续使用时，创建者会得到支付。
• 提供稳定的计算能力 - 当他们提供计算资源时，提供者会得到支付。
• 为项目提供流动性 - 保持项目流动性，获得MOR的份额。

尽管存在其他AI/智能代理项目（有很多），但Morpheus的代币经济结构凭借其“展示激励，我会展示结果”的“最清洁”示例而脱颖而出。

这些智能代理是AI真正消除加密应用障碍的最终体现。dApps的用户体验声名狼藉（尽管在过去几年中已经取得了许多进展），LLMs的兴起激发了Web2和Web3中每一个自以为是的创始人。尽管有大量的套现行为，但像Morpheus和Wayfinder（下面有演示）这样的佼佼者展示了有一天在链上进行交易将会变得多么简单。

来源： 推特

将所有这些系统结合起来，它们之间的相互作用可能会像以下这样。请注意，这只是一个极其简单的观点。

对加密启用的人工智能潜在未来状态的过度简化。是的，还有其他项目可以占据同样的方框。如果想了解其他工具如何适用，请再看一下Tommy的流程图。

鉴别项目的优劣之处-如何知道一个项目不是完全胡说八道

记住我们的两个广泛类别：“加密 x 人工智能”：

1. 加密帮助人工智能
2. 人工智能帮助加密

在本文中，我们主要只是探讨了＃1。正如我们所见，一个设计良好的代币系统可以为整个生态系统的成功奠定基础。

#1 - 有助于人工智能的加密货币

DePIN架构可以帮助启动市场，创造性的代币激励结构可以协调向开源项目的一次无形目标努力。是的，还有几个其他合法的交叉点我没有涉及，为了简洁起见：

• 去中心化存储
• 可信执行环境（TEE）
• RAG（实时拉取数据）
• 零知识 x 机器学习用于验证推理/来源

在决定一个新项目是否真的有所提供时，问问自己：

• 如果它是另一个已经建立的项目的派生，它是否足够不同以改变现状？
• 它是否只是开源软件的包装版本？
• 它是否是一个受益于加密轨道的问题，还是加密被强行塞入其中？
• 是否真的可以有100个不同的“加密版HuggingFaces”？

#2 - 人工智能帮助加密货币

在我个人看来，更多的虚假信息存在于这第二类别中。再次强调，一些非常酷的用例存在，AI模型可以消除加密用户体验中的障碍，特别是像智能代理一样。以下是在AI启用的加密应用世界中观察的几个其他有趣的类别：

• 超级意图系统-自动化跨链操作
• 钱包基础设施
• 用户和应用程序的实时警报基础设施

如果只是一个“带有代币的聊天机器人”，那对我来说是胡说八道的。请停止夸大它们的价值，以维护我的理智。此外：

• 添加AI不会奇迹般地使你的无人问津的应用/链/工具符合产品市场需求
• 没有人会因为有AI角色而玩一个糟糕的游戏
• 把“AI”绑定到你的项目上并不会使它变得有趣

感谢收听我的TED演讲。

我们从这里要去哪里呢

尽管有很多噪音，但一些认真的团队正在努力实现“去中心化人工智能”的愿景，这是值得为之奋斗的。除了项目激励开源模型开发之外，去中心化数据网络为新兴的AI构建者打开了一扇新的大门。当绝大多数OpenAI的竞争对手无法承担与Reddit、Tumblr、或 WordPress,达成大额交易时，分布式抓取可以扳平机会。

单一公司可能永远不会拥有比世界其他地方加起来更多的计算能力，而有了去中心化的GPU网络，这意味着任何其他人都有能力匹敌顶级的大公司。你所需要的只是一个加密钱包。

今天我们面临着一个十字路口。如果我们只专注于那些真正值得一提的“加密 x 人工智能”项目，我们就有了去中心化整个人工智能堆栈的工具。

加密货币的设想是通过密码学的力量创造一种没有人能够操纵的硬货币。正如这个新生技术开始流行起来，一个新的、更可怕的挑战者出现了。

与其仅仅控制你的财务不同，集中式人工智能，在最蓝天般的案例中，在我们日常生活中遇到的每一点数据上都带有偏见。它被设定为在一个自我延续的循环中，数据收集、在亲密层面的微调以及模型注入你生活的每个角落中，丰富着微观技术领袖的微观世界。它将比你自己更了解你。它将知道哪些按钮可以按下，让你更想笑，更愤怒，更消费。尽管它表面看起来是如此，但它不向你负责。

正如在开始时一样，加密货币是对这种几乎不可避免的人工智能集中化的一种抵抗力量。它的能力将努力协调到一个共同的目标上，现在正在与比央行更加强大的对手竞争。而这一次，我们面对的是时间的竞争。

订阅

免责声明：本报告作者，blocmates研究主管563，在加密和人工智能领域非常活跃。他对这些主题充满激情，因此，您可以认为他对提到的几乎每个项目都有所涉猎。提供的信息仅供一般信息目的，不构成财务、投资或法律建议。内容基于据信可靠的来源，但其准确性、完整性和及时性无法保证。您对本文中信息的任何依赖均由您自己承担风险。On Chain Times可能包含涉及风险和不确定性的前瞻性声明。实际结果可能与这些声明中表达或暗示的结果有实质性差异。作者可能拥有或可能没有提及的资产或证券的持仓。他们保留在任何时候买入或卖出任何讨论中的资产或证券的权利，无需通知。在做出任何投资决策之前，与合格的财务顾问或其他专业人士进行咨询，了解相关投资决策的风险和适用性至关重要。在做出任何投资选择之前，您有责任进行自己的研究和尽职调查。过去的表现并不预示着未来的结果。作者对因使用本文或其内容而产生的任何直接、间接或后果性损失或损害概不负责。通过访问On Chain Times，您同意接受本免责声明的条款。

声明：

1. 本文转载自[onchaintimes]，版权归原作者所有[563]。若对本次转载有异议，请联系Gate Learn团队，他们会及时处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。