加密货币与 AI 的联合正迅速成为最鼓舞人心的设计阵地之一。

撰文：Danny Sursock，Archetype Fund 负责人

翻译：xiaozou，金色财经

1、平台转换

世界是由技术或基础设施发生巨大变革的时期塑造的，当它们发生巨变，释放出代际功能创新，就会塑造一个新世界。想想电报和铁路，光纤电缆和互联网，或者是移动电话和 3G 网络。

我们相信，人工智能（AI）和区块链这两个开创性领域的交汇就是一个类似的变革时刻。

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。

OpenAI（微软支持）和 Anthropic（谷歌和亚马逊支持）等人工智能 / 机器学习领域的主要参与者已经在整合资源，并围绕自身模型和数据建立壁垒。但是，尽管在计算、数据和分销方面具有早期优势，这种做法可能会破坏最初催生该行业的协作开发周期，扼杀发展势头。

像以太坊这样的区块链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，推动了开源创新。区块链已经支撑了一系列数字原生原语，这些原语处于有利地位，可以在一个越来越由生成式 AI 塑造的世界中发挥关键作用。

我们相信，区块链有很大的机会成为人工智能领域开源研究和开发的主要力量。

3、当今市场状况

今年，在核心基础设施、模型层，甚至是面向用户的应用程序（如聊天机器人、客户支持和编码助手）上，已经投入了大量资金。尽管如此，从长远来看，在传统领域里价值在哪里产生积累（以及流向谁）并不明显。

在目前的范例中，AI 有可能成为一股中心化力量，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，游戏的名字是扩展——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的扩展。

从 AWS 这样的云服务提供商，到英伟达（Nvidia）这样的硬件制造商，再到微软这样的老牌巨头，许多参与者都在走向全栈模式，无论是通过并购还是通过专利合作的方式。

头部巨头们正在进行规模和利润的争夺，但是超昂贵、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、甚至是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，这些产品功能充足，但难以区分。

4、开源建设势头

用于预训练、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，鼓励着大大小小的企业直接利用开源系统和工具尽情发挥创造力。

谷歌泄露的一篇文章概述了闭源和开源代码世界之间的差距正在迅速缩小。值得注意的是，如今 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。

历来，三大巨头 AWS、Google Cloud 和 Azure 都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。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。

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

（1）数据是机器学习的基础信息输入

是的，计算基础设施的巨大改进是非常有用的，但正是像 Common Crawl 和 The Pile 这样的庞大数据库使基础模型如今吸引世界目光成为可能。

此外，企业将利用这些数据完善其产品供应的基础模型，或建立未来的竞争护城河。最终，数据将成为用户和个人模型之间的桥梁，这些模型在本地运行，并不断适应个人需求。

因此，数据的竞争是一个必不可少的前沿领域，区块链可以在这个领域占据优势——尤其是在质量成为塑造数据市场的重要属性的情况下。

（2）质量重于数量

早期研究表明，在未来几年，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优势，但它也引入了模型质量恶化和偏见强化相关的重大风险。

未来几年，机器学习模型可能会耗尽非合成数据源，这是一个真正的风险。加密货币的协调机制和证明原语本质上是为支持去中心化市场优化的，让用户可以共享、拥有或变现他们用于训练或微调特定领域模型的数据。

因此，web3 可能是一个更好、更有效的人工生成训练和微调数据的源头。

（3）进展情况

区块链支持的去中心化训练、微调和推理过程也可以更好地保存和利用开源智能。

较小的开源模型使用高效的微调过程进行改进，在输出精度上已经可以与较大的模型相媲美。因此，就来源和微调数据而言，趋势已开始从数量转向质量。

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复现性和透明度，从而为更高质量的模型和输入提供动力。

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。

（4）内容海啸

即将到来的 AI 生成内容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。

7、采用零知识证明利用机器学习的无限知识

区块链行业寻求技术解决方案，在保持无需信任动态的同时实现资源高效计算，这使得零知识（ZK）证明取得了十足进展。

虽然最初的设计是为了解决以太坊虚拟机（EVM）等系统固有的资源瓶颈，但 ZK 证明提供了一系列与人工智能相关的有价值的用例。

一个明显的例子就是对现有用例的简单扩展：高效、简洁地验证计算密集型过程，比如在链下运行 ML 模型，这样最终产品（比如模型推理）就可以通过智能合约以 ZK 证明的形式在链上整合。

存储证明与协同处理相结合可以更进一步，在不引入新的信任假设的情况下，使链上应用程序更灵活敏捷，从而大大增强其功能。

当然也允许实现全新的功能。

当通过 API 调用 ZK 证明时，ZK 证明可以用来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医疗保健或保险等客户敏感行业中使用的特定权重或数据。

公司甚至可以通过交换数据或 IP 来更有效地协作，从共享学习中受益，同时仍然保持其资源的所有权。

最后，ZKP 在区分人工数据和前面讨论的合成数据这一日益相关（且具有挑战性）的领域中具有真正的适用性。

其中一些用例取决于围绕技术实现的进一步开发和寻找可持续的规模化经济的需求，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

加密货币在吸引和货币化高质量数据方面的优势解决了一方面问题。另一方面——人工智能背后的基础设施支持——也有类似前景。

像 Filecoin 或 Arweave 这样的去中心化物理基础设施网络（DePINs）已经建立了用于存储的系统，这些系统本身就包含区块链技术。

其他像 Gensyn 和 Together 这样的公司正在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，将过剩计算资源的供需联系起来。

除此之外，Ritual 正在以激励网络和模型套件的形式为开源 AI 基础设施建设基础，将分布式计算设备连接起来，供用户进行推理和微调。

至关重要的是，像 Ritual、Filecoin 或 Akash 这样的 DePIN 也可以创建一个更大、更有效的市场。他们通过向更广泛的领域开放供应端，包括能够释放潜在经济价值的被动供应商，或者通过将性能较差的硬件整合到与高水平的同行相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、结论

加密与 AI 的联合正迅速成为最鼓舞人心的设计阵地之一。各领域已经形成了从内容创作和文化表达到企业工作流程及金融基础设施的方方面面的影响。

总之，我们相信这些技术将在未来几十年重塑世界。最好的团队将进行无需许可的基础设施、加密经济学及人工智能进行原生结合，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。

加密技术向协作网络引入了前所未有的规模、深度和标准化数据粒度，而从这些数据中获得效用通常是没有明显方法的。

与此同时，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。