AI와 Web3의 조합은 권장되지 않습니다.

NFT 2차 시장이 하락하는 가운데 1차 시장은 지난 2개월 동안 NFT나 NFTFi 관련 프로젝트에 대해 이야기하지 않은 것 같고 AI 프로젝트가 본격적으로 도약하기 시작하면서 NFT 기사는 계속해서 질질 끌고 있습니다. . 저번에 BTC 생태계에 대한 글을 마쳤을 때 NFT와 NFTFI에 대한 글을 추가했어야 했습니다. 그러나 NFT는 현재 일반적으로 멋지지 않습니다. AI와 Web3를 결합하는 추세가 먼저 언급됩니다.

일체 포함

인공지능 산업은 쇠퇴할 지경이었다. Near Protocol의 창립자인 Illia는 실제로 가장 잘 알려진 기계 학습 프레임워크인 TensorFlow의 주요 코드 기여자인 AI에 능숙합니다. 사람들은 그가 AI(대형 모델 이전의 기계 학습)에 희망이 없다고 생각하고 Web3를 하기 위해 왔다고 추측합니다.

하지만 업계는 지난해 말경 ChatGpt3.5를 환영하며 AI 사업이 되살아나기 시작했다. 이전의 과대 광고 및 양적 변화와 달리 이번에는 진정한 질적 변화로 간주될 수 있기 때문입니다. 몇 달 후 AI 기업가 쓰나미도 Web3에 도달했습니다. Silicon Valley Web2의 내부 경쟁은 치열합니다. 광범위한 자본은 Fomo, 가격 전쟁을 시작한 많은 균질화 프로그램, 대규모 공장 및 대형 모델은 PK...

다만 구글의 AI 검색 인기도가 벼랑 아래로 떨어졌고, Chatgpt 사용자 성장이 크게 둔화됐으며, 특정 무작위성은 많은 착륙 장면을 제한했습니다... 대체로 우리는 전설적인 "AGI-일반 인공 지능"과는 거리가 멀었습니다.

현재 Silicon Valley Venture Capitals는 AI의 다음 개발에 대해 다음과 같은 판단을 내립니다.

1. 수직 모델은 없고 대형 모델 수직 응용 프로그램만 있습니다(나중에 Web3+AI에 대해 이야기할 때 다시 설명하겠습니다).

2. 휴대폰과 같은 에지 장치의 데이터가 장벽이 될 수 있으며 AI 기반 온 에지 장치도 기회가 될 수 있습니다.

3. Context의 길이는 향후 질적인 변화를 일으킬 수 있다(지금은 AI 메모리로 벡터 데이터베이스를 사용하고 있지만 아직 Context 길이가 부족하다).

웹3+AI

실제로 AI와 Web3는 완전히 별개의 기술입니다. AI는 훈련을 수행하기 위해 집중된 처리 능력과 막대한 양의 데이터가 필요하며 이는 상당히 중앙 집중식입니다. Web3가 분산되어 있기 때문에 잘 작동하지 않지만 AI가 생산성을 변경하고 블록체인이 생산 관계를 변경한다는 개념이 너무 널리 퍼져 있습니다. 그 교차로를 찾는 개인은 항상 있을 것입니다. 지난 두 달 동안 저는 10개 이상의 AI 이니셔티브에 대해 논의했습니다.

새로운 조합 트랙에 대해 이야기하기 전에 FET 및 AGIX로 대표되는 기본적으로 플랫폼 유형인 이전 AI+Web3 프로젝트에 대해 논의하는 것으로 시작하겠습니다. 내 국내 전문 AI 친구들은 예전에 하던 이 모든 AI 작업은 Web2이든 Web3이든 지금은 기본적으로 쓸모가 없으며 많은 것이 경험이 아니라 짐이라고 말했습니다.' 그 방향과 미래는 트랜스포머 기반의 OpenAI, AI를 구한 빅모델에 있다.

따라서 일반적인 플랫폼 유형은 그가 낙관하는 Web3+AI 모델이 아니며 내가 말한 10개 이상의 프로젝트에는 이러한 측면이 없으며 내가 보는 기본 사항은 다음과 같은 분야입니다.

1. 봇/에이전트/어시스턴트 대문자

2. 컴퓨팅 플랫폼

3. 데이터 플랫폼

4. 생성 AI

5. DeFi 거래/감사/위험 관리

6. ZKML

1.봇/에이전트/어시스턴트자본화

가장 많이 논의되고 균질화된 부문이 바로 이 부문입니다. 간단히 말해서, 이러한 프로젝트는 일반적으로 OpenAI를 기반으로 사용하고 추가 오픈 소스 또는 TTS(텍스트 음성 변환)와 같은 자체 개발 기술 도구와 함께 특정 데이터를 사용하여 FineTune은 특정 분야에서 "ChatGPT보다 나은" 봇을 생성합니다. 분야.'

예를 들어, 당신은 당신에게 영어를 가르칠 멋진 강사를 고용할 수 있습니다. 그녀는 Cockney 억양과 미국 억양 중에서 선택할 수 있습니다. 그녀의 성격과 채팅 스타일을 수정할 수 있는 능력 덕분에 더 형식적이고 기계적인 ChatGPT를 사용하는 것보다 상호 작용 경험이 더 나을 것입니다. HIM이라는 Web3 여성 게임인 가상 남자 친구 DAPP가 있으며 이러한 유형의 대표라고 할 수 있습니다.

이 개념에서 이론적으로 서비스를 제공할 많은 봇/에이전트를 가질 수 있습니다. 예를 들어 생선 삶는 방법을 배우고 싶다면 이 분야에 특화된 Fine Tune Cooking Bot이 가르쳐 줄 수 있으며 응답은 ChatGPT보다 더 적합합니다. 여행을 원하는 경우 여행 조언과 계획을 제공할 수 있는 여행 봇도 있습니다. 또는 프로젝트 파트너인 경우 Discord 고객 서비스 로봇을 통해 커뮤니티 질문에 응답할 수 있습니다.

이러한 "GPT 기반의 수직적 적용 유형"을 기반으로 하는 파생 프로젝트가 있습니다. 이러한 유형의 "GPT 기반 수직 응용 프로그램 유형"을 수행하는 것 외에도 봇은 모델 대문자로 봇" 그림 대문자로 NFT"라고 설명합니다. 이는 이제 AI에서 잘 알려진 Prompt도 대문자로 표시될 수 있음을 의미합니다. Promopt 자체는 가치가 있으며 대문자로 표시할 수 있습니다. 예를 들어, 다양한 MidJourney 프롬프트는 뚜렷한 시각적 효과를 생성할 수 있으며 다양한 프롬프트는 봇을 교육할 때 다른 결과를 나타냅니다.

이러한 봇에는 포털 인덱싱 및 검색과 같은 추가 이니셔티브가 있습니다. 수천 개의 봇이 있을 때 어떻게 최고의 봇을 선택할 수 있습니까? 그런 다음 "찾기"를 돕기 위해 Hao123과 같은 Web2 포털이나 Google과 같은 검색 엔진이 필요할 수 있습니다.

현재 Bot(모델) 자본화에는 두 가지 단점과 두 가지 방향이 있다고 생각합니다.

단점 1. 가장 사용자 친화적인 AI+web3 트랙이기 때문에 균질화가 큰 단점입니다. 유틸리티 특성의 힌트가 있는 NFT의 요소가 있습니다. 결과적으로 1차 시장은 홍해 추세를 보이고 경쟁하기 시작했지만 OpenAI는 바닥에 있으므로 진정으로 극복해야 할 기술적 장애물이 없습니다. 우리는 디자인과 운영을 기준으로만 경쟁할 수 있습니다.

단점 2. 스타벅스 멤버십 카드 NFT on-Chain이 web3의 세계에 진입하기 위해 상당한 노력을 기울인다는 사실에도 불구하고 대부분의 사용자에게는 물리적 또는 전자 멤버십 카드가 더 편리할 수 있습니다. 이는 Web3 기반 봇의 문제이기도 합니다. 머스크나 소크라테스나 로봇과 대화를 해서 영어를 배우고 싶다면 바로 Web2 http://Character.AI를 활용하는 것이 나에게 유리하지 않을까요?

방향 1. 모델 온체인은 단기 및 중기적으로 좋은 개념일 수 있습니다. 이러한 모델은 현재 ETH NFT에 대한 이해가 제한되어 있으며 메타데이터는 주로 블록체인 자체가 아닌 IPFS 또는 오프체인 서버를 가리킵니다. 특히 서버에서 모델의 크기는 일반적으로 수십에서 수백 메가바이트입니다.

그러나 최근 스토리지 가격(2TB SSD 500RMB)의 대폭 인하와 Filecoin FVM과 같은 스토리지 프로젝트의 개발을 고려할 때 향후 2~3년 내에 100메가비트 규모의 모델을 체인화하는 것은 어렵지 않을 것이라고 생각합니다. 그리고 ETH스토리지.

온체인의 장점이 무엇인지 궁금하실 것입니다. 온체인 모델은 다른 계약에서 직접 사용할 수 있으며, 이는 더 크립토 네이티브이며 게임 패턴은 의심할 여지 없이 더 큽니다. 모든 데이터가 체인에 고유하기 때문에 완전 온체인 게임의 시각적 감각이 약간 있습니다. 현재 많은 팀에서 이를 검토하고 있지만 아직 초기 단계입니다.

방향2. 중장기적으로 스마트 계약에 대해 진지하게 생각해보면 "기계-기계 상호 작용"이 중요하다는 것을 알 수 있습니다. 인간과 컴퓨터의 상호 작용보다는 더 적절합니다. AI는 이제 AutoGPT라는 아이디어를 가지고 있습니다. 또는 "가상 비서" 티켓 예약, 호텔, 웹사이트 생성을 위한 도메인 이름 구매 및 필요에 따라 기타 항목과 같은 작업을 도와줄 수 있는 사람.

AI 도우미가 귀하의 수많은 은행 계좌를 관리하는 것과 관련하여 Alipay와 모든 종류의 은행 카드의 편리함 또는 완전한 블록체인 주소 전송의 편리함을 선호하십니까? 해결책은 분명합니다. 따라서 다양한 작업 시나리오에서 블록체인 및 스마트 계약을 통해 자동으로 C2C, B2C 또는 심지어 B2B 지불 및 정산을 수행하는 AutoGPT와 같은 수많은 AI 도우미가 미래에 있을까요? 그런 다음 Web2와 Web3을 구분하는 선이 그 순간 꽤 흐릿해졌습니다.

2. 컴퓨팅 플랫폼

컴퓨팅 파워 플랫폼 프로젝트는 Bot 모델에 비해 자본화 및 경쟁력이 덜하지만 상대적으로 이해하기 쉽습니다. AI에는 상당한 컴퓨팅 성능이 필요하며, BTC와 ETH는 지난 10년 동안 경제적 인센티브와 게임의 분산된 환경에서 협력하고 경쟁하기 위해 대규모 컴퓨팅 성능을 구성하고 조정할 수 있는 그러한 방법이 존재한다는 것을 입증했습니다. 이제 이 접근 방식을 AI에 적용할 수 있습니다.

Together와 Gensyn은 의심할 여지 없이 해당 분야에서 가장 잘 알려진 두 프로젝트로, 하나는 시드 펀딩으로 1,000만 달러를, 다른 하나는 A 라운드에서 4,300만 달러를 받았습니다. 이 두 사람은 먼저 자신의 모델을 구축하기 위해 자금과 처리 능력이 필요하기 때문에 많은 돈을 모으려고 노력하고 있으며, 그 후에 다른 AI 프로젝트를 구축하기 위해 해당 플랫폼을 사용할 것입니다.

추론 컴퓨팅 파워 플랫폼에 대한 자금 조달 금액은 본질적으로 유휴 GPU 및 기타 컴퓨팅 파워의 집합체이며 추론이 필요한 AI 프로젝트에 제공되기 때문에 상대적으로 적습니다. RNDR은 전력 집계를 렌더링하고 이러한 플랫폼은 전력 집계를 추론합니다. 그러나 기술적 한계는 현재로서는 상대적으로 모호하며 언젠가 RNDR 또는 Web3 클라우드 컴퓨팅 플랫폼이 추론 컴퓨팅 플랫폼으로 확장될 수 있을지 궁금합니다.

컴퓨팅 파워 플랫폼의 방향은 모델 자본보다 더 현실적이고 더 나은 예측자입니다. 기본적으로 누가 그것을 할 수 있는지 알아보기 위해 그것에 대한 필요성과 하나 또는 두 개의 주요 프로젝트가 있을 것입니다. 유일한 불확실성은 교육과 추론이 별도의 주요 프로젝트를 가지고 있는지 또는 주요 프로젝트가 두 가지를 모두 수행하는지 여부입니다.

삼.데이터 플랫폼

기본 AI는 알고리즘(모델), 컴퓨팅 성능 및 데이터의 세 가지 주요 항목이기 때문에 이해하기 어렵지 않습니다.

알고리즘과 컴퓨팅 파워는 "분산형 버전"을 가지고 있기 때문에 데이터가 확실히 없을 것입니다. 이는 AI 및 Web3에 대해 이야기할 때 Qiji 생성 플랫폼의 창시자인 Dr. Lu Qi의 가장 낙관적인 방향이기도 합니다.

Web3는 항상 데이터 프라이버시와 주권을 강조해왔고 ZK와 같이 데이터 신뢰성과 무결성을 보장하는 기술이 있으므로 Web3 온체인 데이터를 기반으로 훈련된 AI는 Web2 오프체인 데이터를 기반으로 훈련된 AI와 달라야 합니다. 따라서 이 방향은 전체적으로 의미가 있습니다. Ocean은 이 분야에 속한다고 봐야 하며, 1차 시장에는 Ocean을 기반으로 한 특화된 AI 데이터 시장과 같은 프로젝트도 있습니다.

4. 생성 AI

간단히 말해, AI 페인팅 또는 기타 유사한 프로덕션을 사용하여 NFT 구성, 게임 내 지도, NPC 배경 등을 비롯한 여러 다른 장면을 지원하는 것이 포함됩니다. 이러한 NFT 구현 방법은 AI 생성의 희소성이 부족하기 때문에 어렵습니다. 그러나 Gamefi는 가능할 수 있으며 기본 시장에서 Gamefi를 구현하려는 팀이 있습니다.

하지만 며칠 전 유니티(오랫동안 게임 엔진 시장을 장악한 언리얼 엔진과 함께)도 자체 AI 생성 툴인 센티스(Sentis)와 뮤즈(Muse)를 출시했다. 이러한 도구는 현재 제한된 베타 단계에 있지만 내년에 공식적으로 출시될 것으로 예상됩니다. Web3 게임 AIGC 프로젝트, 유니티로 인한 차원 감소일지도...

5.DeFi 거래/감사/위험 관리

이러한 범주에서 프로젝트가 시도되었지만 균질화가 명확하지 않습니다.

· 거래 - 거래 전략이 잘 작동하면 더 많은 사람들이 사용할수록 유용성이 떨어지고 새로운 전략으로 전환해야 하기 때문에 까다롭습니다. 그렇다면 AI 트레이딩 로봇의 향후 승률과 일반 트레이더 사이에서 어떤 위치에 있게 될지 궁금하다.

· 감사 - 기존의 일반적인 취약점을 신속하게 해결하는 데 도움이 되어야 하지만 논리적 또는 새로운 취약점은 지원하지 않으며 이는 AGI 시대에만 발생해야 합니다.

· 수율 – 수율은 이해하기 쉽습니다. AI 인텔리전스를 갖춘 YFI를 상상하고 거기에 자금을 투자하세요. AI Staking은 위험 허용 범위에 따라 스테이킹할 플랫폼을 선택하고 LP 풀을 만들고 채굴합니다.

· 리스크 관리 - 프로젝트를 혼자 하기엔 낯설게 느껴지고, 다양한 렌딩이나 Defi 플랫폼을 플러그인 형태로 서비스하는 것이 합리적이다.

6. ZKML

ZK와 ML(머신 러닝, AI의 전문 분야)이라는 최첨단 기술 두 가지를 결합했기 때문에 점점 인기를 얻고 있는 분야입니다.

이론적으로 ZK의 조합은 ML 개인 정보 보호, 무결성 및 정확성을 제공할 수 있지만 실제로는 많은 프로젝트 당사자가 특정 사용 시나리오를 제시하고 대신 인프라 구축에 집중하는 데 어려움을 겪고 있습니다.

지금 당장 정말로 필요한 유일한 것은 의료 분야의 기계 학습, 환자 데이터의 프라이버시에 대한 필요성, 온체인 게임 무결성 또는 치팅 방지와 같은 내러티브는 항상 억지스럽게 느껴집니다.

Modulus Labs, EZKL, Giza 등은 1차 시장에서 이 부문의 가장 인기 있는 프로젝트 중 일부입니다.

이 부문의 기술적 장벽은 다른 트랙보다 상당히 높으며 일반적으로 균질화가 보이지 않습니다. ZK를 이해하는 사람은 세상에 많지 않으며 ZK와 ML을 이해하는 인재는 더 적습니다. ZKML은 훈련보다 추론에 더 중점을 둡니다.