TRANSLATING...

PLEASE WAIT
去中心化人工智能的挑战与机遇

去中心化人工智能的挑战与机遇

进阶10/30/2024, 9:31:17 AM
本文探讨了 DeAI 的挑战与机遇。主要挑战在于基础设施,因需大量资本投入和规模效应。尽管大型科技公司占优,AI领域壁垒正在降低。DeAI目标是实现可组合计算,类似DeFi的"金融乐高"。作者对DeAI堆栈持乐观态度,包括基础设施、中间件和应用层。中间件关键组件包括路由、协处理器、开发者激励和GNN模型。DeAI代表开放、可组合的智能网络愿景,为小规模贡献提供激励,实现更广泛的集体所有权和治理。尽管存在乐观预期,作者坚信DeAI机遇巨大,可能证明区块链技术的价值。

转发原文标题:《DeAI (去中心化人工智能)压缩版》

鉴于加密货币本质上是开源软件,具有内在的经济激励——而人工智能正在颠覆软件的编写方式——因此可以推断人工智能将对整个堆栈的区块链空间产生巨大影响。

DeAI:挑战与机遇

在我看来,去中心化人工智能面临的最大挑战在于基础设施层面,这是由于构建基础模型的资本密集性以及数据和计算方面的规模收益。

考虑到规模法则,大型科技公司具有明显的优势:他们利用互联网Web2时期通过聚合消费者需求获得的垄断利润,在人为低利率持续十年的环境中将其再投资于云基础设施。如今,这些超大规模公司正试图通过垄断数据和计算能力——AI的关键要素——来主导智能市场。

由于大规模训练运行需要大量资本投入和高带宽支持,统一的超级计算集群仍然是最佳选择。这为大型科技公司提供了开发高性能封闭源模型的优势。这些公司计划以寡头垄断式的利润率出租这些模型,并将收益再投资于每一代新模型的开发。

然而,AI领域的护城河已被证明比Web2的网络效应更浅,领先的前沿模型相对于整个领域正在迅速贬值,特别是随着Meta采取”焦土政策”,承诺投入数百亿美元开发开源前沿模型,如具有最先进性能的Llama 3.1。

这一趋势,再加上新兴的低延迟分布式训练方法研究,很可能会部分商品化前沿商业模型。这将使竞争焦点从硬件超级集群(大型科技公司的优势领域)至少部分转移到软件创新(更有利于开源和加密货币领域)。这种转变的背后,是智能技术价格的持续下降。

考虑到”专家混合”架构和LLM综合/路由的计算效率,我们似乎正在朝着一个拥有数百万个具有不同成本/性能权衡的模型的世界发展,而不是3-5个大型模型的世界。这是一个相互交织的智能网络。一个集体的智慧。

这成为一个巨大的协调问题:正是区块链和加密货币激励机制应该能够很好地解决的那种问题。

核心 DeAI 投资理论

软件正在吞噬世界。人工智能正在吞噬软件。人工智能基本上只是数据和计算能力。

任何可以最有效地获取上述两个输入的东西 (基础设施),协调它们 (中间件),并满足用户需求 (应用程序),都将是是有价值的。

Delphi 看好整个堆栈中的各种组件:

基础设施

鉴于人工智能是由数据和计算推动的,DeAI 基础设施致力于尽可能高效地采购两者,通常使用加密货币激励措施。正如我们之前提到的,这是堆栈中最具挑战性的竞争部分,但考虑到终端市场的规模,这也可能是最有价值的部分。

计算能力

虽然目前受到延迟的限制,但去中心化训练协议和 GPU 市场希望协调潜在的异构硬件,为那些无法负担大型科技集成解决方案的用户提供更低成本、按需计算能力。 Gensyn、Prime Intellect 和 Neuromesh 等公司正在推动分布式训练的前沿,而 io.net、Akash、Aethir 等则在边缘更近的地方实现低成本推理。

数据

在一个基于较小、专门化模型的普遍智能世界中,数据资产变得越来越有价值和可货币化。

日期,DePIN (去中心化物理网络) 与资本密集型现有企业相比,他们因其构建成本更低的硬件网络的能力而受到广泛赞誉 (例如电信公司)。然而,DePIN 最大的潜在市场将出现在收集流入链上智能的新颖数据集上: 代理协议 (稍后讨论)。

在一个劳动力——很可能是世界上最大的总可用市场(TAM,Total Addressable Market)——正被数据和计算能力的组合所取代的世界里,去中心化人工智能基础设施为非科技巨头提供了一种掌握生产资料的途径,同时为即将到来的网络经济做出贡献。

中间件

DeAI 的最终目标是有效的可组合计算。类似于DeFi的”金融乐高”,去中心化人工智能通过无需许可的可组合性弥补了当今绝对性能的缺乏——激励开放的软件和计算原语生态系统,这些原语随时间推移而复合,(有望)最终超越现有巨头。

如果说Google是“集成”的极端,那么DeAI则代表“模块化”的极端。正如 克莱顿·克里斯滕森 所提醒的,集成方法往往通过减少价值链中的摩擦来引领新兴行业,但随着空间的成熟,模块化价值链通过堆栈每一层内更大的竞争和成本效率来获得市场份额:

我们对几个对实现这一模块化愿景至关重要的类别持非常乐观态度:

  1. 路由

在一个智能日益分散的世界中,如何在正确的时间以最佳价格选择正确的模型?需求方聚合商始终捕获价值 (看 聚合理论),而路由功能对于在网络智能世界中优化性能和成本之间的帕累托曲线至关重要:

Bittensor一直是第一代的领导者,但一批专门的竞争对手正在涌现。

Allora以”上下文感知”和自我改进的方式在各种”主题”中举办不同模型之间的竞赛 - 根据特定条件下的历史准确性为未来预测提供信息。

Morpheus旨在成为web3用例的”需求侧路由器” - 本质上是一个”苹果智能”,具有开源的本地代理,该代理拥有用户的相关上下文,可以通过DeFi或web3的”可组合计算”基础设施的新兴构建块高效路由查询。

TheoriqAutonolas这样的代理互操作性协议旨在将模块化路由推向极致,通过使灵活的代理或组件能够组合、复合成完全成熟的链上服务的生态系统。

简而言之,在一个智能迅速分散的世界中,供需双方的聚合器将发挥极其强大的作用。如果谷歌通过索引世界信息成为了一家市值2万亿美元的公司,那么需求侧路由器的赢家 - 无论是苹果、谷歌还是web3解决方案 - 谁索引代理智能,市值应该会更大。

  1. 协处理器

鉴于其去中心化,区块链在数据和计算方面都受到高度限制。如何将用户需要的计算和数据密集型人工智能应用程序带到链上?答案是:协处理器!

来源: Florin Digital

这些实际上是“预言机”,它们提供不同的技术来“验证”正在使用的底层数据或模型,从而最大限度地减少链上新的信任假设,同时提供实质性的能力增强。迄今为止,已经有许多项目使用 zkML、opML、TeeML 和加密经济方法 - 所有这些都有不同的优点和缺点:

如需更深入的审查,请查看我们在未来几周内发布的 DeAI 第三部分报告。

从高层次来看,协处理器对于制定智能合约至关重要,嗯……智能——提供“数据仓库”之类的解决方案来查询更个性化的链上体验,或提供给定推理是否正确完成的验证。

SuperPhalaMarlin这样的TEE网络最近特别受欢迎,因为它们具有实用性和今天就能托管规模化应用的准备就绪性。

总体而言,协处理器对于将高度确定性但低性能的区块链与高性能但概率性的智能合并至关重要。如果没有协处理器,人工智能就不会出现在这一代区块链中。

  1. 开发者激励

人工智能开源开发的最大问题之一是缺乏使其可持续发展的激励措施。人工智能开发是高度资本密集型的​​,计算和人工智能知识工作的机会成本都非常高。如果没有适当的激励措施来奖励开源贡献,该领域将不可避免地输给超资本主义的超大规模企业。

SentientPluralis再到SaharaMira,一系列项目都旨在启动网络,这些网络能够适当地启用和奖励来自分散个人网络对网络智能的贡献。

通过修复商业模式,开源的复合效应应该会加速 - 为开发者和AI研究人员提供一个大型科技公司之外的选择,这个选择是全球性的,希望也能根据创造的价值得到良好的报酬。

虽然很难做对,而且竞争越来越激烈,但这里的总可用市场(TAM)是巨大的。

  1. GNN 模型

LLM在大型文本语料库中描绘模式并学习预测下一个词,而图神经网络(GNN, Graph Neural Network)处理、分析和学习图结构数据。由于链上数据主要由用户和智能合约之间的复杂交互组成(换句话说,就是一张图),GNN 似乎是支撑链上人工智能用例的合理选择。

POND和RPS这样的项目正在尝试为web3构建基础模型 - 这可能在交易、DeFi甚至社交用例中具有变革性,比如

  • 价格预测: 预测价格的链上行为模型、自动交易策略、情绪分析
  • 人工智能金融: 集成到现有的 DeFi 应用程序、先进的收益策略和流动性利用、更好的风险管理/治理
  • 链上营销: 更量身定制的空投/定位,基于链上行为的推荐引擎

这些模型将大量依赖于数据仓库解决方案,如Space and TimeSubsquidCovalentHyperline,我对这些也非常看好。

GNN 可以证明区块链和 web3 数据仓库的 LLM 是重要的推动者:为 web3 提供 OLAP 功能。

应用领域

在我看来,链上代理不仅是解锁加密货币臭名昭著的糟糕用户体验的关键,更是我们过去十年投入数十亿美元建设的web3基础设施所缺失的需求端。这个需求端的缺失导致了当前基础设施的低利用率。

毫无疑问,代理正在到来…

而且这些代理似乎会利用开放、无需许可的基础设施 - 跨支付和可组合计算 - 来完成越来越复杂的最终目标,这是合乎逻辑的。

在即将到来的网络智能经济中,也许经济流动会变得不那么B -> B -> C,而更多的是用户 -> 代理 -> 计算网络 -> 代理 -> 用户。

代理协议是最终结果。这些应用程序或服务业务开销有限,主要使用链上资源运行,在可组合网络中以比传统企业低得多的成本满足最终用户(或彼此)的需求。

就像web2中应用层捕获了大部分价值一样,我支持DeAI中的”胖代理协议”论点。价值捕获应该随着时间的推移向堆栈上层转移。

下一个谷歌、Facebook和贝莱德很可能是代理协议,而使它们成为可能的组件正在诞生。

终局

人工智能将改变我们经济的形态。如今,市场预期这种价值捕获将局限在美国太平洋地区的几家大公司的范围内。DeAI 代表了一个不同的愿景。

一个开放、可组合的智能网络的愿景,即使是小贡献也有激励和报酬,更多的集体所有权/治理。

尽管DeAI领域中某些叙事可能过于乐观,许多项目的估值也明显高于其当前实际价值,但这一领域的机遇规模确实巨大。对于具备耐心和洞察力的参与者而言,DeAI真正可组合计算的终极愿景或许能证明区块链技术本身的合理性。


如果您喜欢这个预告,请期待我们未来几周解锁的深度报告,因为 Delphi 的 AI x Crypto 月份正在展开:

DeAI I:塔与广场(现已解锁)

DeAI II:掌握生产资料,基础设施(即将解锁)

DeAI III:可组合计算,中间件(下周解锁)

DeAI IV:代理经济,应用(两周后解锁)

免责声明:

  1. 本文转载自[PonderingDurian],原文标题《DeAI (去中心化人工智能)压缩版》,著作权归属原作者【 PonderingDurian 】,如对转载有异议,请联系Sanv Nurlae 团队,团队会根据相关流程尽速处理。
  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. Sanv Nurlae 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。

去中心化人工智能的挑战与机遇

进阶10/30/2024, 9:31:17 AM
本文探讨了 DeAI 的挑战与机遇。主要挑战在于基础设施,因需大量资本投入和规模效应。尽管大型科技公司占优,AI领域壁垒正在降低。DeAI目标是实现可组合计算,类似DeFi的"金融乐高"。作者对DeAI堆栈持乐观态度,包括基础设施、中间件和应用层。中间件关键组件包括路由、协处理器、开发者激励和GNN模型。DeAI代表开放、可组合的智能网络愿景,为小规模贡献提供激励,实现更广泛的集体所有权和治理。尽管存在乐观预期,作者坚信DeAI机遇巨大,可能证明区块链技术的价值。

转发原文标题:《DeAI (去中心化人工智能)压缩版》

鉴于加密货币本质上是开源软件,具有内在的经济激励——而人工智能正在颠覆软件的编写方式——因此可以推断人工智能将对整个堆栈的区块链空间产生巨大影响。

DeAI:挑战与机遇

在我看来,去中心化人工智能面临的最大挑战在于基础设施层面,这是由于构建基础模型的资本密集性以及数据和计算方面的规模收益。

考虑到规模法则,大型科技公司具有明显的优势:他们利用互联网Web2时期通过聚合消费者需求获得的垄断利润,在人为低利率持续十年的环境中将其再投资于云基础设施。如今,这些超大规模公司正试图通过垄断数据和计算能力——AI的关键要素——来主导智能市场。

由于大规模训练运行需要大量资本投入和高带宽支持,统一的超级计算集群仍然是最佳选择。这为大型科技公司提供了开发高性能封闭源模型的优势。这些公司计划以寡头垄断式的利润率出租这些模型,并将收益再投资于每一代新模型的开发。

然而,AI领域的护城河已被证明比Web2的网络效应更浅,领先的前沿模型相对于整个领域正在迅速贬值,特别是随着Meta采取”焦土政策”,承诺投入数百亿美元开发开源前沿模型,如具有最先进性能的Llama 3.1。

这一趋势,再加上新兴的低延迟分布式训练方法研究,很可能会部分商品化前沿商业模型。这将使竞争焦点从硬件超级集群(大型科技公司的优势领域)至少部分转移到软件创新(更有利于开源和加密货币领域)。这种转变的背后,是智能技术价格的持续下降。

考虑到”专家混合”架构和LLM综合/路由的计算效率,我们似乎正在朝着一个拥有数百万个具有不同成本/性能权衡的模型的世界发展,而不是3-5个大型模型的世界。这是一个相互交织的智能网络。一个集体的智慧。

这成为一个巨大的协调问题:正是区块链和加密货币激励机制应该能够很好地解决的那种问题。

核心 DeAI 投资理论

软件正在吞噬世界。人工智能正在吞噬软件。人工智能基本上只是数据和计算能力。

任何可以最有效地获取上述两个输入的东西 (基础设施),协调它们 (中间件),并满足用户需求 (应用程序),都将是是有价值的。

Delphi 看好整个堆栈中的各种组件:

基础设施

鉴于人工智能是由数据和计算推动的,DeAI 基础设施致力于尽可能高效地采购两者,通常使用加密货币激励措施。正如我们之前提到的,这是堆栈中最具挑战性的竞争部分,但考虑到终端市场的规模,这也可能是最有价值的部分。

计算能力

虽然目前受到延迟的限制,但去中心化训练协议和 GPU 市场希望协调潜在的异构硬件,为那些无法负担大型科技集成解决方案的用户提供更低成本、按需计算能力。 Gensyn、Prime Intellect 和 Neuromesh 等公司正在推动分布式训练的前沿,而 io.net、Akash、Aethir 等则在边缘更近的地方实现低成本推理。

数据

在一个基于较小、专门化模型的普遍智能世界中,数据资产变得越来越有价值和可货币化。

日期,DePIN (去中心化物理网络) 与资本密集型现有企业相比,他们因其构建成本更低的硬件网络的能力而受到广泛赞誉 (例如电信公司)。然而,DePIN 最大的潜在市场将出现在收集流入链上智能的新颖数据集上: 代理协议 (稍后讨论)。

在一个劳动力——很可能是世界上最大的总可用市场(TAM,Total Addressable Market)——正被数据和计算能力的组合所取代的世界里,去中心化人工智能基础设施为非科技巨头提供了一种掌握生产资料的途径,同时为即将到来的网络经济做出贡献。

中间件

DeAI 的最终目标是有效的可组合计算。类似于DeFi的”金融乐高”,去中心化人工智能通过无需许可的可组合性弥补了当今绝对性能的缺乏——激励开放的软件和计算原语生态系统,这些原语随时间推移而复合,(有望)最终超越现有巨头。

如果说Google是“集成”的极端,那么DeAI则代表“模块化”的极端。正如 克莱顿·克里斯滕森 所提醒的,集成方法往往通过减少价值链中的摩擦来引领新兴行业,但随着空间的成熟,模块化价值链通过堆栈每一层内更大的竞争和成本效率来获得市场份额:

我们对几个对实现这一模块化愿景至关重要的类别持非常乐观态度:

  1. 路由

在一个智能日益分散的世界中,如何在正确的时间以最佳价格选择正确的模型?需求方聚合商始终捕获价值 (看 聚合理论),而路由功能对于在网络智能世界中优化性能和成本之间的帕累托曲线至关重要:

Bittensor一直是第一代的领导者,但一批专门的竞争对手正在涌现。

Allora以”上下文感知”和自我改进的方式在各种”主题”中举办不同模型之间的竞赛 - 根据特定条件下的历史准确性为未来预测提供信息。

Morpheus旨在成为web3用例的”需求侧路由器” - 本质上是一个”苹果智能”,具有开源的本地代理,该代理拥有用户的相关上下文,可以通过DeFi或web3的”可组合计算”基础设施的新兴构建块高效路由查询。

TheoriqAutonolas这样的代理互操作性协议旨在将模块化路由推向极致,通过使灵活的代理或组件能够组合、复合成完全成熟的链上服务的生态系统。

简而言之,在一个智能迅速分散的世界中,供需双方的聚合器将发挥极其强大的作用。如果谷歌通过索引世界信息成为了一家市值2万亿美元的公司,那么需求侧路由器的赢家 - 无论是苹果、谷歌还是web3解决方案 - 谁索引代理智能,市值应该会更大。

  1. 协处理器

鉴于其去中心化,区块链在数据和计算方面都受到高度限制。如何将用户需要的计算和数据密集型人工智能应用程序带到链上?答案是:协处理器!

来源: Florin Digital

这些实际上是“预言机”,它们提供不同的技术来“验证”正在使用的底层数据或模型,从而最大限度地减少链上新的信任假设,同时提供实质性的能力增强。迄今为止,已经有许多项目使用 zkML、opML、TeeML 和加密经济方法 - 所有这些都有不同的优点和缺点:

如需更深入的审查,请查看我们在未来几周内发布的 DeAI 第三部分报告。

从高层次来看,协处理器对于制定智能合约至关重要,嗯……智能——提供“数据仓库”之类的解决方案来查询更个性化的链上体验,或提供给定推理是否正确完成的验证。

SuperPhalaMarlin这样的TEE网络最近特别受欢迎,因为它们具有实用性和今天就能托管规模化应用的准备就绪性。

总体而言,协处理器对于将高度确定性但低性能的区块链与高性能但概率性的智能合并至关重要。如果没有协处理器,人工智能就不会出现在这一代区块链中。

  1. 开发者激励

人工智能开源开发的最大问题之一是缺乏使其可持续发展的激励措施。人工智能开发是高度资本密集型的​​,计算和人工智能知识工作的机会成本都非常高。如果没有适当的激励措施来奖励开源贡献,该领域将不可避免地输给超资本主义的超大规模企业。

SentientPluralis再到SaharaMira,一系列项目都旨在启动网络,这些网络能够适当地启用和奖励来自分散个人网络对网络智能的贡献。

通过修复商业模式,开源的复合效应应该会加速 - 为开发者和AI研究人员提供一个大型科技公司之外的选择,这个选择是全球性的,希望也能根据创造的价值得到良好的报酬。

虽然很难做对,而且竞争越来越激烈,但这里的总可用市场(TAM)是巨大的。

  1. GNN 模型

LLM在大型文本语料库中描绘模式并学习预测下一个词,而图神经网络(GNN, Graph Neural Network)处理、分析和学习图结构数据。由于链上数据主要由用户和智能合约之间的复杂交互组成(换句话说,就是一张图),GNN 似乎是支撑链上人工智能用例的合理选择。

POND和RPS这样的项目正在尝试为web3构建基础模型 - 这可能在交易、DeFi甚至社交用例中具有变革性,比如

  • 价格预测: 预测价格的链上行为模型、自动交易策略、情绪分析
  • 人工智能金融: 集成到现有的 DeFi 应用程序、先进的收益策略和流动性利用、更好的风险管理/治理
  • 链上营销: 更量身定制的空投/定位,基于链上行为的推荐引擎

这些模型将大量依赖于数据仓库解决方案,如Space and TimeSubsquidCovalentHyperline,我对这些也非常看好。

GNN 可以证明区块链和 web3 数据仓库的 LLM 是重要的推动者:为 web3 提供 OLAP 功能。

应用领域

在我看来,链上代理不仅是解锁加密货币臭名昭著的糟糕用户体验的关键,更是我们过去十年投入数十亿美元建设的web3基础设施所缺失的需求端。这个需求端的缺失导致了当前基础设施的低利用率。

毫无疑问,代理正在到来…

而且这些代理似乎会利用开放、无需许可的基础设施 - 跨支付和可组合计算 - 来完成越来越复杂的最终目标,这是合乎逻辑的。

在即将到来的网络智能经济中,也许经济流动会变得不那么B -> B -> C,而更多的是用户 -> 代理 -> 计算网络 -> 代理 -> 用户。

代理协议是最终结果。这些应用程序或服务业务开销有限,主要使用链上资源运行,在可组合网络中以比传统企业低得多的成本满足最终用户(或彼此)的需求。

就像web2中应用层捕获了大部分价值一样,我支持DeAI中的”胖代理协议”论点。价值捕获应该随着时间的推移向堆栈上层转移。

下一个谷歌、Facebook和贝莱德很可能是代理协议,而使它们成为可能的组件正在诞生。

终局

人工智能将改变我们经济的形态。如今,市场预期这种价值捕获将局限在美国太平洋地区的几家大公司的范围内。DeAI 代表了一个不同的愿景。

一个开放、可组合的智能网络的愿景,即使是小贡献也有激励和报酬,更多的集体所有权/治理。

尽管DeAI领域中某些叙事可能过于乐观,许多项目的估值也明显高于其当前实际价值,但这一领域的机遇规模确实巨大。对于具备耐心和洞察力的参与者而言,DeAI真正可组合计算的终极愿景或许能证明区块链技术本身的合理性。


如果您喜欢这个预告,请期待我们未来几周解锁的深度报告,因为 Delphi 的 AI x Crypto 月份正在展开:

DeAI I:塔与广场(现已解锁)

DeAI II:掌握生产资料,基础设施(即将解锁)

DeAI III:可组合计算,中间件(下周解锁)

DeAI IV:代理经济,应用(两周后解锁)

免责声明:

  1. 本文转载自[PonderingDurian],原文标题《DeAI (去中心化人工智能)压缩版》,著作权归属原作者【 PonderingDurian 】,如对转载有异议,请联系Sanv Nurlae 团队,团队会根据相关流程尽速处理。
  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. Sanv Nurlae 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。
即刻开始交易
注册并交易即可获得
$100
和价值
$5500
理财体验金奖励!