ส่งต่อชื่อเรื่องต้นฉบับ: DeAI บีบอัด

โดยทั่วไปสามารถสรุปได้ว่าไครปโต้เป็นซอฟต์แวร์โอเพนซอร์สที่มีเข้าไปด้วยสิ่งส่งเสริมการเงิน – และ AI กำลังทำลายวิธีการเขียนซอฟต์แวร์ – ดังนั้นมีเหตุผลที่ AI จะมีผลกระทบอย่างมากต่อพื้นที่บล็อกเชนทั่วทั้ง

DeAI: ความท้าทายและโอกาส

ตามความคิดของฉัน ความท้าทายที่สำคัญที่สุดที่ DeAI ต้องเผชิญคือในเรื่องของระบบพื้นฐาน เนื่องจากแบบจำลองพื้นฐานมีความต้องการทุนลงทุนสูงและคืนทุนจากขนาดใหญ่ในข้อมูลและการคำนวณ

ด้วยกฎหมายการปรับขนาด Big Tech มีข้อได้เปรียบที่เด่นชัด: ใช้ประโยชน์จากหีบสงครามขนาดมหึมาจากผลกําไรจากการผูกขาดในการรวมความต้องการของผู้บริโภคในช่วงรุ่นที่สองของอินเทอร์เน็ตและลงทุนในโครงสร้างพื้นฐานระบบคลาวด์ในช่วงทศวรรษของอัตราที่ต่ําเทียม hyperscalers กําลังพยายามจับตลาดเพื่อความฉลาดโดยการเข้ามุมข้อมูลและการคํานวณ - ส่วนผสมสําคัญของ AI:

เนื่องจากความต้องการทุนและความต้องการแบนด์วิดท์สูงของการเรียนรู้ขนาดใหญ่ สูทเปอร์คลัสเตอร์ที่มีความเหมาะสมยังคงเป็นที่เหมาะสมที่สุดสำหรับ Big Tech ด้วยแบบจำลองที่ดีที่สุด เป็นแหล่งที่มาปิโตรส์แบบออลิกอโปลี ที่พวกเขาวางแผนที่จะให้เช่าในระยะเวลาที่ยาวนาน และนำรายได้ไปลงทุนในรุ่นต่อไป

อย่างไรก็ตาม ความแข็งแกร่งใน AI ได้แสดงให้เห็นว่าน้อยกว่าผลกระทบจากเครือข่าย web2 โดยโมเดลชั้นหน้าที่นำ กำลังเสื่อมค่าอย่างรวดเร็วตามฟิลด์โดยเฉพาะ Meta ซึ่งกำลังจะไป “ทำลายดิน” และลงทุนเป็นสิบหลายพันล้านเพื่อสร้างโมเดลชั้นหน้าเปิดเป็น Open Source เช่น Llama 3.1 ที่มีประสิทธิภาพระดับ SOTA

นี่ร่วมกับการวิจัยที่เกิดขึ้นในวิธีการฝึกอบรมแบบกระจายที่มีความหมายต่ำ อาจ (บางส่วน) ทำให้รูปแบบธุรกิจด้านหน้าเป็นพาณิชย์ - การเปลี่ยน (อย่างน้อยหนึ่งส่วน) การแข่งขันจากกลุ่มคอมพิวเตอร์พลัสเตอร์ที่มีความสามารถสูง (ที่ชอบสิทธิ์ Big Tech) เป็นนวัตกรรมซอฟต์แวร์ (ที่ชอบสิทธิ์ open source / คริปโต) เนื่องจากราคาของความฉลาดลดลง

โดยพลวัตของสถาปัตยกรรม 'mixture of expert' และการสังเคราะห์ / การเส้นทางของ LLM ดูเหมือนว่าเรากำลังเดินหน้าไปสู่โลกของโมเดลขนาด 3 - 5 เมกะ แต่มีลวดลายของล้านๆ โมเดลที่แตกต่างกันด้านความต้องการ / ประสิทธิภาพ ระบบของความฉลาดที่เกี่ยวข้องกัน จิตใจของมดแดง

นี้กลายเป็นปัญหาการประสานงานขนาดใหญ่: ประเภทที่บล็อกเชนและสิ่งส่งตัวโดยเงินสนับสนุนควรจะได้รับการติดตั้งอุปกรณ์ที่ดี

Core DeAI Investment Thesis

ซอฟต์แวร์กำลังกินโลก ปัญญาประดิษฐ์กำลังกินซอฟต์แวร์ และปัญญาประดิษฐ์พื้นฐานก็คือข้อมูลและการคำนวณ

สิ่งใดก็ตามที่สามารถหาแหล่งที่มีประสิทธิภาพที่สุดสำหรับอินพุทสองอย่างข้างต้น (โครงสร้างพื้นฐาน) ประสานงานกัน (มิดเดิลแวร์) และตอบสนองต่อความต้องการของผู้ใช้ (แอป) จะมีค่า

Delphi มีความมั่นใจในส่วนประกอบต่าง ๆ ของแท่นโดยรวม:

โครงสร้างพื้นฐาน

เนื่องจาก AI ได้รับพลังจากข้อมูลและคำนวณ โครงสร้าง DeAI มุ่งเน้นในการเก็บข้อมูลและคำนวณอย่างมีประสิทธิภาพที่สุด โดยใช้สิ่งสร้างแรงจูงใจด้วยเงินสกุลดิจิตอลโดยทั่วไปนั้น ตามที่เราได้กล่าวไว้ก่อนหน้านี้ นี่เป็นส่วนที่ท้าทายที่สุดของสแต็กที่ต้องแข่งขันกัน แต่ก็อาจเป็นส่วนที่มีผลตอบแทนสูงที่สุดเนื่องจากขนาดของตลาดปลายทาง

คำนวณ

ในขณะที่ถูกควบคุมโดย latency จนถึงตอนนี้ โปรโตคอลการฝึกอบรมแบบกระจายและตลาด GPU หวังจะจัดการฮาร์ดแวร์ชนิดแตกต่างเพื่อให้บริการคำนวณตามที่ต้องการในราคาที่ถูกกว่าสำหรับคนที่ไม่สามารถจะใช้งานโซลูชันที่ผสมผสานของ Big Tech ผู้เล่นอย่าง Gensyn, Prime Intellect และ Neuromesh กำลังผลักดันขอบเขตของการฝึกอบรมแบบกระจายio.net, Akash, Aethir และอื่น ๆ ช่วยให้การอ่านค่าที่ถูกกว่าเข้าใกล้ด้านของระบบได้

ข้อมูล

ในโลกที่มีความสามารถทั่วไปที่อ้างอิงจากแบบจำลองขนาดเล็กและเชี่ยวชาญ ทรัพยากรข้อมูลมีค่าและสามารถสร้างรายได้ได้อย่างมากขึ้น

จนถึงปัจจุบัน ระบบ DePIN (ระบบเครือข่ายทางกายภาพแบบกระจาย) ได้รับคำชมอย่างมากเพราะความสามารถในการสร้างเครือข่ายฮาร์ดแวร์ต่ำราคาเมื่อเทียบกับผู้ครองการทุนที่ต้องการลงทุนมาก (เช่น บริษัทโทรคมนาคม) อย่างไรก็ตาม ตลาดที่ใหญ่ที่สุดของ DePIN อาจจะเกิดขึ้นในการรวบรวมชุดข้อมูลใหม่ที่ไหลเข้าสู่อินเทลลิเจนซ์บนเชนโปรโตคอลที่มีความสามารถ (ที่จะถูกพูดถึงในภายหลัง)

ในโลกที่แรงงาน - รากฐาน TAM ที่ใหญ่ที่สุดในโลก? - ถูกแทนที่ด้วยการรวมข้อมูลและการคำนวณ โครงสร้างพื้นฐาน DeAI จะเป็นทางเลือกสำหรับบุคคลที่ไม่ได้เป็นเทคบารอนส์ยึดครองสิ่งที่ใช้ในการผลิตและเป็นส่วนหนึ่งในการมีส่วนร่วมในเศรษฐกิจเครือข่ายที่กำลังจะมา

Middleware

เป้าหมายสุดท้ายของ DeAI คือการคำนวณแบบเสมือนจริงได้อย่างมีประสิทธิภาพ คล้ายกับ DeFi money Lego's ที่การเรียกใช้ AI แบบกระจายช่วยเติมเต็มในส่วนของประสิทธิภาพที่ยังไม่สมบูรณ์ในปัจจุบันด้วยความสามารถในการรวมเครื่องมือและโปรแกรมในระบบที่เปิดกว้างและเชิงสร้างสรรค์ ซึ่งเพิ่มขึ้นเรื่อยๆ และมีโอกาสเอื้อต่อการเข้าสู่ตลาดมากขึ้นในอนาคต

หาก Google เป็น "แบบบูรณาการ" สุดขั้ว DeAI จะเป็นตัวแทนของ "โมดูลาร์" สุดขั้ว เป็นClayton Christensenเตือนให้เรารู้, วิธีการเชื่อมต่อแบบรวม tend to lead in อุตสาหกรรมที่เพิ่งเกิดขึ้นโดยการลดการเสียเวลาในโซ่มูลค่า แต่เมื่อพื้นที่เริ่มต้นเป็นแบบโมดูล โซ่มูลค่าจะขยายตัวผ่านการแข่งขันที่ดีขึ้นและประสิทธิภาพทางค่าใช้จ่ายภายในแต่ละชั้นของสแต็ก:

เรามีความเชื่อมั่นในหลายประเภทที่สำคัญต่อการทำให้วิสัยทั่วไปนี้เป็นจริง:

• เส้นทาง

ในโลกที่ความสามารถในการแยกแยะกันเป็นส่วนสำคัญ การเลือกโมเดลที่เหมาะสมและเวลาที่เหมาะสมในราคาที่ดีที่สุดได้อย่างไร? ผู้รวมความต้องการทางด้านฝ่ายบริโภคเสมอได้รับค่าใช้จ่าย (ดูทฤษฎีการรวมตัว), และฟังก์ชันการเชื่อมต่อเป็นสิ่งสำคัญในการปรับเส้นโค้งปารีโตรระหว่างประสิทธิภาพและต้นทุนในโลกของอินเทลลิเจนที่เชื่อมต่อกัน

Bittensorได้เป็นผู้นำที่นี่ในรุ่น 1 แต่มีคู่แข่งที่มุ่งมั่นจำนวนมากกำลังเกิดขึ้น

Allora เป็นเจ้าภาพจัดการแข่งขันระหว่างแบบจําลองที่แตกต่างกันใน "หัวข้อ" ต่างๆในลักษณะที่ "รับรู้บริบท" และปรับปรุงตนเองเมื่อเวลาผ่านไป - แจ้งการคาดการณ์ในอนาคตตามความแม่นยําในอดีตภายใต้เงื่อนไขเฉพาะ

Morpheusเป้าหมายคือการกลายเป็น "ตัวเชื่อมต่อด้านความต้องการ" สำหรับกรณีการใช้ web3 - โดยพื้นฐานแล้วเป็น "ความฉลาดของแอปเปิ้ล" ที่มีตัวแทนท้องถิ่นโอเพ่นซอร์สที่มีบริบทที่เกี่ยวข้องของผู้ใช้และสามารถเชื่อมต่อคำถามได้อย่างมีประสิทธิภาพผ่าน DeFi หรือบล็อกเชนของส่วนกลางที่เพิ่มขึ้นของโครงสร้างของ "คอมโพซเอเบิิลคอมพิวต์" ของ web3

โปรโตคอลสำหรับความสามารถในการทำงานร่วมกันของตัวแทน เช่นTheoriqและAutonolasฝันว่าจะเลื่อนการเชื่อมต่อแบบโมดูลาร์ไปสู่ขีดสุด โดยการให้สิ่งที่สามารถปรับเปลี่ยนได้หรือส่วนประกอบเข้ารวมกันเป็นบริการบนเชนอย่างเต็มรูปแบบ

ในสรุปในโลกที่อัจฉริยะแยกออกเร็ว ๆ นี้ผู้รวบรวมข้อมูลจากฝั่งการส่งมอบและการส่งมอบจะเป็นปัจจัยที่มีอิทธิพลอย่างมากมาย ถ้า Google เป็นบริษัทมูลค่า 2 ล้านดอลลาร์สหรัฐที่ทำการจัดลำดับข้อมูลของโลก แล้วผู้ชนะในฝั่งการส่งมอบเราเตอร์ - ไม่ว่าจะเป็น Apple หรือ Google หรือเว็บ 3 ตัวเลือก - ที่จะทำการจัดลำดับอิทธิพลเอเจนต์ควรจะใหญ่กว่าเดิม

• Co-Processors

เนื่องจากการกระจายอำนาจของพวกเขา บล็อกเชนถูก จำกัด อย่างมากทั้งในด้านข้อมูลและการคำนวณ คุณจะนำแอปพลิเคชัน AI ที่ใช้ข้อมูลและการคำนวณอย่างหนักที่ผู้ใช้ต้องการบนเชนได้อย่างไร

Co-processors!

Source:ฟลอรินดิจิทัล

เหล่านี้เป็น "โอราเคิล" ที่ให้เทคนิคต่าง ๆ เพื่อ "การยืนยัน" ข้อมูลหรือโมเดลพื้นฐานที่ใช้ในวิธีที่ลดการสมมติใหม่บนเครือข่ายขณะที่มีการเพิ่มความสามารถอย่างมาก จนถึงปัจจุบันมีโครงการจำนวนมากที่ใช้ zkML, opML, TeeML, และวิธีการเศรษฐกิจทางคริปโต - ทั้งหมดมีข้อดีและข้อเสียแตกต่างกัน:

สำหรับบทวิจารณ์ที่ละเอียดมากขึ้น โปรดตรวจสอบรายงาน DeAI ชิ้นที่ III ที่จะเผยแพร่ในสัปดาห์ถัดไป

ในระดับสูงผู้ประมวลผลร่วมมีความสําคัญต่อการสร้างสัญญาอัจฉริยะ... สมาร์ท - ให้ "คลังข้อมูล" เช่นโซลูชันเพื่อสอบถามประสบการณ์แบบ on-chain ที่เป็นส่วนตัวมากขึ้นหรือให้การตรวจสอบว่าการอนุมานที่กําหนดเสร็จสมบูรณ์อย่างถูกต้อง

เครือข่าย TEE ที่เป็นซุปเปอร์,Phala, และMarlinเป็นพิเศษในปัจจุบันเพราะความนิยมที่สูงขึ้นเรื่อย ๆ ด้วยความสะดวกและความพร้อมที่จะเป็นโฮสต์แอปพลิเคชันขนาดใหญ่ในปัจจุบัน

โดยรวมแล้ว คอ-โปรเซสเซอร์เป็นสิ่งที่จำเป็นต่อการรวมตัวกันของบล็อกเชนที่มีความแน่นอนมากแต่มีประสิทธิภาพต่ำ กับอัจฉริยะที่มีประสิทธิภาพสูงแต่มีความน่าจะเป็น โดยไม่มีคอ-โปรเซสเซอร์ AI จะไม่มาถึงการสร้างบล็อกเชนในรุ่นนี้

• สิทธิ์แรงจูงใจสำหรับนักพัฒนา

หนึ่งในปัญหาที่ใหญ่ที่สุดของการพัฒนาโอเพนซอร์สใน AI คือขาดแรงบันดาลใจในการทำให้มันยั่งยืน การพัฒนา AI เป็นการลงทุนมาก และต้นทุนของการคำนวณและการทำงานด้านความรู้ของ AI สูงมาก โดยไม่มีแรงบันดาลใจเหมาะสมในการรางวัลการมีส่วนร่วมในโอเพนซอร์ส อุตสาหกรรมนี้ต้องแพ้กับ hyperscalers ที่เป็นแบบไฮเปอร์แคปิตาลิสต์ไปเรื่อย ๆ

ชุดของโครงการจากSentientไป PluralisไปSaharaถึงMiraทั้งหมดกำลังมุ่งหน้าไปที่การเริ่มต้นให้เครือข่ายที่สามารถเปิดใช้งานและรางวัลการมีส่วนร่วมกับอัจฉริยะที่เชื่อมโยงกันจากเครือข่ายของบุคคลที่แตกต่างกัน

โดยการแก้ไขโมเดลธุรกิจ การคอมพาวด์ของโอเพ่นซอร์สควรเร่งความเร็ว - ให้นักพัฒนาและนักวิจัยด้าน AI มีตัวเลือกนอกเหนือจาก Big Tech ที่เป็นที่รู้จักทั่วโลกและหวังว่าจะได้รับค่าตอบแทนที่ดีตามค่าที่สร้างขึ้น

ในขณะที่ยากมากที่จะทำให้ถูกต้องและการแข่งขันที่เพิ่มมากขึ้น ปริมาณ TAM ที่นี่มีขนาดใหญ่มาก

• แบบจำลอง GNN

เมื่อ LLMs แบ่งแยกรูปแบบในข้อมูลขนาดใหญ่ของข้อความและเรียนรู้ทำนายคำต่อไป กราฟเนอรัลเน็ต (GNNs) จะประมวลผล วิเคราะห์และเรียนรู้จากข้อมูลโครงสร้างกราฟ โดยเนื่องจากข้อมูล on-chain ประกอบด้วยปฏิสัมพันธ์ที่ซับซ้อนระหว่างผู้ใช้และสัญญาอัจฉริยะ - กล่าวคือกราฟ - GNNs จึงเหมาะที่จะเป็นตัวเลือกแบบตรรกะที่มีฐานรากของการใช้งาน AI บน chain

โครงการเช่น บ่อและ RPS กำลังพยายามสร้างโมเดลพื้นฐานสำหรับ web3 - ซึ่งอาจเปลี่ยนแปลงได้ในการซื้อขาย Defi และการใช้งานทางสังคมอย่าง

• การคาดการณ์ราคา: แบบจําลองพฤติกรรมแบบ on-chain เพื่อทํานายราคา, กลยุทธ์การซื้อขายอัตโนมัติ, การวิเคราะห์ความเชื่อมั่น
• AI Finance: การรวมเข้ากับแอปพลิเคชัน DeFi ที่มีอยู่, กลยุทธ์ผลตอบแทนขั้นสูงและการใช้สภาพคล่อง, การจัดการความเสี่ยง / การกํากับดูแลที่ดีขึ้น
• การตลาด On-Chain: การแจกจ่ายที่ปรับแต่งมากขึ้น / การเป้าหมายเป็นพิเศษ, ส่วนของเครื่องมือแนะนำที่อ้างอิงจากพฤติกรรม On-Chain

รุ่นเหล่านี้จะใช้ข้อมูลคลังข้อมูลอย่างหนักเช่นเวลาและพื้นที่,Subsquid,Covalent, และ Hyperlineฉันก็คิดว่าดีนะ

GNNs อาจเป็นตัวเปิดใช้งาน LLMs ของบล็อกเชนและคลังข้อมูลเว็บ 3 อย่างสำคัญ: ให้ฟังก์ชัน OLAP สำหรับเว็บ 3

แอพพลิเคชั่น

ตามความคิดของฉัน ตัวแทน on-chain อาจเป็นคำตอบที่สำคัญสำหรับ UX ที่ไม่ดีของ crypto แต่สำคัญมากกว่านั้นคือฝั่งอุปทานที่ขาดหายของเงินด้านดีแมนด์ สำหรับการใช้จ่ายที่น่าเสียดายของพันล้านดอลลาร์สหรัฐที่เราได้ริดเท้าไปในโครงสร้างพื้นฐาน web3 ในช่วง 10 ปีที่ผ่านมา

อย่าทําผิดพลาดตัวแทนกําลังมา

และดูเหมือนว่าตัวแทนเหล่านี้จะใช้โครงสร้างพื้นฐานที่เปิดโอกาสและไม่มีการอนุญาต - ทั้งในการชำระเงินและการคำนวณที่สามารถเชื่อมต่อกันได้ - เพื่อทำภารกิจที่ซับซ้อนมากขึ้น

ในเศรษฐกิจของความฉลาดที่เชื่อมต่อเครือข่าย บางทีกระแสเศรษฐกิจจะน้อยลงระหว่างธุรกิจไปยังลูกค้าและมากขึ้นระหว่างผู้ใช้งาน ตัวแทนการคำนวณเครือข่าย -> ตัวแทน -> ผู้ควบคุมเครือข่าย -> ตัวแทน -> ผู้ใช้งาน

โปรโตคอลที่มีสมบัติของเอเจนติกคือผลลัพธ์ท้ายที่สุด ธุรกิจแอปพลิเคชันหรือบริการที่มีค่าใช้จ่ายจำกัดซึ่งทำงานโดยใช้ทรัพยากรบนเชนโดยสะท้อนความต้องการของผู้ใช้งาน (หรือกันเอง) ในเครือข่ายที่สามารถสร้างร่วมกันได้ โดยมีต้นทุนต่ำกว่าธุรกิจทั่วไป

เช่นเดียวกับเว็บ 2 ที่เลิกคว้าค่าใช้จ่ายส่วนใหญ่ในชั้นของแอปพลิเคชัน ฉันเป็นผู้สนับสนุนทฤษฎี "โปรโตคอลเจ้าหน้าที่หนัก" ใน DeAI การคว้าค่าควรเปลี่ยนแปลงขึ้นเมื่อเวลาผ่านไป

Google, Facebook และ Blackrock ถัดไปอาจเป็นโปรโตคอลตัวแทนและส่วนประกอบที่เปิดใช้งานกําลังถือกําเนิดขึ้นในขณะนี้

เกมจบ

AI จะเปลี่ยนรูปร่างของเศรษฐกิจของเรา วันนี้ตลาดคาดหวังให้การเก็บค่าตัวอยู่ภายในบริษัทใหญ่ไม่กี่รายที่อยู่ในแปซิฟิกเนตเวิร์คของสหรัฐอเมริกา แต่ DeAI แสดงให้เห็นวิสัยทัศน์ที่แตกต่าง

วิสัยทัศน์ของเครือข่ายข่าวกรองที่เปิดกว้างและประกอบด้วยสิ่งจูงใจและค่าตอบแทนสําหรับการมีส่วนร่วมแม้แต่น้อยและความเป็นเจ้าของ / การกํากับดูแลโดยรวมมากขึ้น

มีบางเรื่องร้อนแรงใน DeAI ที่เกินไปและโครงการหลายๆ โครงการมีการซื้อขายเหนือค่าที่สามารถรับได้ในปัจจุบัน โอกาสที่ใหญ่จริงๆ สำหรับผู้ที่อดทนและมีความคิดรอบคอบ วิสัยทัศน์สุดท้ายของ DeAI เกี่ยวกับความสามารถในการคำนวณที่เป็นไปในทางที่แท้จริงอาจจะเป็นหลักฐานสำคัญสำหรับบล็อกเชนเอง

หากคุณสนุกกับตัวอย่างนี้โปรดติดตามรายงานรูปแบบยาวของเราที่จะปลดล็อกในสัปดาห์ที่จะมาเมื่อเดลฟีเปิดตัวเดือน AI x Crypto:

DeAI I: ตึกและสี่เหลี่ยม (ปลดล็อคแล้ว)

DeAI II: ยึดครองสิทธิในการผลิต, อินฟรา (ปลดล็อกเร็ว ๆ นี้)

DeAI III: คอมพิวเตอร์ที่สามารถใช้งานร่วมกันได้, Middleware (ปลดล็อกอีกหนึ่งสัปดาห์)

DeAI IV: เศรษฐกิจเอเจนติก, แอปพลิเคชัน (ปลดล็อคสองสัปดาห์)

เดือนนี้จะเป็นเดือนที่ใหญ่โตมาก พร้อมเตรียมตัวให้ดี

คำประกาศปฏิเสธความรับผิดชอบ:

1. บทความนี้ถูกนำเข้าจาก [PonderingDurian]. ส่งต่อชื่อเรื่องเดิม: DeAI บีบอัด ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [PonderingDurian]. หากมีข้อแม้สำหรับการพิมพ์ฉบับนี้ โปรดติดต่อGate เรียนรู้ทีม (เกตเลิร์น”)และพวกเขาจะจัดการกับมันโดย prompt
2. คำประกาศรับผิดชอบ: มุมมองและความเห็นที่แสดงในบทความนี้เป็นเพียงเพียงของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำในการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นๆ ทำโดยทีม gate Learn หากไม่ได้กล่าวถึง การคัดลอก การกระจายหรือการลอกเลียนบทความที่ถูกแปล ถือเป็นการละเมิด