早安,各位天使投資人 👼
這篇研究報告我們來看看「Crypto AI」,一個評價兩極的幣圈板塊。有人譏笑說它只是炒作,也有人說它是未來十年最重要的敘事。這篇文章會分享 Crypto AI 板塊的現況、運作方式、賽道分類、潛力項目,與我自己推薦的佈局方式。這篇是半公開報告,目前有兩種方式可以開啟來支持我的獨立研究:
🔥🔥🔥 開始之前宣布一件事情:在上次的表單調查裡,有很多讀者希望能有個小空間深入交流幣圈研究&投資策略,所以我把它搭建起來了 — 這會是一個專屬「付費訂閱者」的 Telegram 群組。我預計會在裡面分享我的持倉調整、投資規劃,以及重大時事解讀。未來也會考慮時不時地做個 AMA 跟直播,讓觀眾跟上重要趨勢。
加入資格:曾經開啟過我的付費電子報(註冊交易所 or 現金訂閱)
加入方法
點選連結申請加入 https://t.me/+dBllh3JEvhs1MTI5
用 IG 或 Email 告訴我你「訂閱電子報的 Email」與「Telegram 姓名」
📚 文章目錄
0.0 AI 產業現況
1.0 Crypto AI 是什麼
2.0 Crypto AI 板塊解析&潛力項目
2.1 架構層
2.2 資源層
2.3 應用層
2.4 賽道差異
3.0 Crypto AI 佈局方式
3.1 注意事項
3.2 建議佈局方式
4.0 總結
5.0 參考資料
0.0 AI 產業現況:正被大型公司壟斷的市場
不可否認,諸如 ChatGPT、Claude 的生成式 AI 模型正在改變我們的生活,成為我們不可或缺的工具,但你知道這些模型需要花費多少錢才能訓練出來嗎?目前的預估是 $100 million 美金,而這個數字會在未來三年成長到最高 $100 billion 美金 — 換句話說,能擁有這些錢與資源去建立優秀 AI 模型的,只剩下大型科技公司(如 OpenAI、Google、Anthropic)。
這是一個很嚴重的問題!如果過往的經驗教會我們任何事,那就是當你把如 AI 一樣的強大力量交由一群「利益至上」的中心化實體掌控時,很多問題就會產生:
透明度(Transparency):我們該如何證實這些 AI 產生的資訊是客觀、正確的?
言論審查(Censorship):AI 是否會審查我們能接受到的訊息,主導輿論+操縱我們的思想?
資料掌控權(Data Control):我們產生的資料不再屬於自己,而是被任意被拿去訓練更好的 AI 模型
想像一下,一個由中心化公司控制的 AI 世界,那應該會是很黑暗吧?
不要說不可能,在銀行 2008 年發生次貸危機破產倒閉前,我們也認為中心化銀行是最佳的金融體系。在 Meta 進行言論審查前,我們也認為社群媒體就應該由中心化公司經營。AI 與前兩者唯一不同的地方在於,AI 發展還處於早期階段,還沒有發生過任何系統性危機。
這時我就在想:「如果說區塊鏈技術能被用來打造一個去中心化的金融系統,成為了我們現在知道的比特幣,那我們是不是也能用它來打造一個…去中心化的 AI 架構,確保用戶得到的資訊永遠都是公正且正確的?」
答案是:可以,它就叫做 Crypto AI,而且比我們想的更厲害!
1.0 Crypto AI 是什麼?
Crypto AI (又叫做 Decentralized AI)指的是透過加密貨幣、區塊鏈作為底層結構打造的 AI 應用與生態系。這些被打造出來的生態系因為使用 Crypto 的關係,不但去中心化,也更為開放、透明、抗審查,解決了中心化 AI 遇到的種種問題。
但…這是怎麼做到的?AI 為什麼一定需要 Crypto 才能實現去中心化呢?
剛才我們有說過 AI 的訓練需要大量的算力、數據、人才、電力才能完成,似乎只有大型中心化公司才能做到,而 Crypto 的價值在於,他能夠充當「價值層」聚集世界各地的用戶資源,共同建設去中心化的 AI 生態系(這跟 DePIN 的運作原理差不多1)
建造 AI 的啟動資金太高(需要買顯卡、僱人才):Crypto 可以作為孵化器,以「大眾籌資」的方式啟動項目,並以代幣形式分配利益,創建一個可持續性成長的生態
訓練 AI 需要大量資源(模型、算力、數據):Crypto 可以使用代幣作為激勵機制,讓大眾共同建造開源資料庫+提供顯卡、數據,提升資源運用效率,降低成本
2.0 Crypto AI 板塊解析&潛力項目
Crypto AI 是非常新的概念,因此在板塊劃分上還沒有一套共識的標準。不過以我來看,我喜歡把Crypto AI 劃分成三個主要賽道(層面),由下而上分別是架構層、資源層、應用層,我們一個一個來看。
2.1 架構層(Infrastructure Layer)
這邊指的是把 Crypto 作為底層架構,幫助 AI 發展的項目。在這個賽道裡面的 Crypto AI 專案通常允許各式各樣的 AI 應用進駐,形成自己的 AI 生態系。最著名的代表當然就是 Bittensor 與 NEAR。
🔶 AI 聚合市場:Bittensor($TAO)
Bittensor 是一條 Layer1 區塊鏈,做的是「去中心化 AI 聚合市場」,使用 $TAO 代幣作為激勵機制,吸引各式各樣的 AI 模型以「子網」型式進駐到市場中,提供 AI 給需要的用戶。目前 Bittensor 上有 52 個子網(Subnet),每個子網提供不一樣的 AI 產品與服務,例如子網 1 提供類似 ChatGPT 的 LLM 聊天機器人、子網 12 提供算力資源、子網 26 提供圖片生成等等。
Bittensor 的子網包羅萬象,已經漸漸成為自己的 AI 生態系,也是目前 Crypto AI 的龍頭項目。我有寫過一篇完整的研究報告分析2,也常常在推特上分享項目進展。
🔶 AI 應用平台:NEAR($NEAR)
NEAR 是一條爲「AI 應用」所打造的 Layer 1 區塊鏈,主打好上手的開發者工具以及開放的生態系,讓 AI 應用能快速地部署在上方。此外 NEAR 還成立了專屬於 Crypto AI 的孵化器,幫助發展去中心化 AI,目前已經初具規模(包括知名專案 Hyperbolic、Mizu)。
NEAR 的開發團隊算是非常強大,創始人 Illia Polosukhin 與 Alex Skidanov 都有深厚 AI 開發背景,前者曾是 Google Brain 核心成員,後者則是 OpenAI 的科技顧問。另外,NEAR 在 GameFi、DeFi 的發展也有一定規模,因此在流通市值上,甚至比 Bittensor 還要略高一點(目前 $5B)。
🔶 AI 代理人架構:Fetch AI
Fetch AI 是一個專為「AI 代理人」所創建的平台,使用 Fetch AI 的底層協議可以幫助用戶輕鬆創建各式各樣的 AI 代理人,完成不一樣的工作。等等我們會在應用層面更多的聊到 AI 代理人的運作方式,現在你只需要知道 Fetch AI 也算是架構層的一種。
架構層的項目跟 Layer1 區塊鏈賽道非常類似,因為代幣價值捕獲能力高、想像空間大,每一次的 AI 敘事漲幅都會優先受益這些項目。難題是競爭比較激烈(相較於其他兩個),並且要在短時間內旋轉成長飛輪,開始形成網路效應,不然很難健康成長(參考 L1 區塊鏈進展,我寫過一篇推文分析)
2.2 資源層(Resource Layer)
AI 的發展離不開這三大資源:算力(Compute)、數據(Data)、模型(Model)。這個「資源層」指的是針對 AI 所需要的資源所創建的 Crypto 項目專案,目的是減低獲取成本,增加資源的分配效率。
🔶 去中心化算力(Decentralized Compute)
這邊指的是利用 Crypto 作為激勵機制,讓用戶、機構貢獻自己的閒置運算資源(CPU、GPU)形成的算力資源網路,讓需要算力的需求方能以低價獲得算力。著名的項目包括 Render、Akash、Gensyn 等等。這些項目每個都有自己特殊的地方,如 Render 提供的是渲染工作需要的算力;Akash 主打的是「完全開源」,有著更多的平台透明度;Gensyn 則專門提供「機器學習」的算力,適合用作模型訓練與 Fine-Tuning。
算力是目前 AI 產業發展的最大瓶頸,機構對於算力的需求每年都在爆發性的成長(Nvidia 的 GPU 晶片已經供不應求),因此這個賽道可以說是資源層裡發展最好的一個。同時,這個賽道中的競爭對手也非常多,協議與協議間似乎沒有足夠的護城河,依然是「誰便宜就用誰」的階段。
Keep reading with a 7-day free trial
Subscribe to Max的區塊鏈空間 to keep reading this post and get 7 days of free access to the full post archives.