AI+Web3大概率是下輪牛市熱點之一 具體趨勢和機會有哪些？_WEB

作者：ABCEDE投研合伙人Lao Bai

當下最炙手可熱的AI被看作是第四次工業革命的關鍵點與核心，而科技界上一個炙手可熱的概念是被看作下一代互聯網關鍵核心的Web3。

AI與Web3是將掀起科技革命浪的兩大概念，若它們得以強強聯合，可能會給我們帶來什么樣的“驚喜”呢？

01 先說說AI自身

AI這行業其實本來都要涼涼了，大家知道Near的創始人一龍對吧，這家伙其實以前是做AI的，他是TensorFlow（最流行的機器學習框架）的主要代碼貢獻者。大家推測他是AI（大模型之前的機器學習）那邊看不到啥希望了所以跑來做Web3的。

結果終于去年年底業界迎來了ChatGpt3.5，一下子這行業又活了，因為這次真的可以算質變了，而不是之前那幾波的炒作和量變。這不隔了幾個月AI創業的浪潮也傳遞到了我們Web3。硅谷Web2那邊則是卷的不行，各種資本Fomo，各種同質化方案開始拼價格戰，各種大廠大模型PK……

但是要注意到的是AI經歷了半年多的爆發期之后也進入了一個相對瓶頸期，比如Google對與AI的搜索熱度斷崖式下跌，Chatgpt用戶增速大幅放緩，AI Output帶有一定的隨機性限制了許多落地場景……總而言之，我們離傳說中的“AGI - 通用人工智能”還有非常非常遠的距離。

目前硅谷創投圈對與AI下一步發展有這么幾個判斷：

1）沒有垂類模型，只有大模型+垂類應用（一會兒說Web3+AI的時候我們會再提到）

派盾：0x765776開頭合約被攻擊，被盜2萬枚USDT已轉入Railgun:6月19日消息，據PeckShield監測顯示，0x765776開頭合約被攻擊，合約部署者已損失2萬枚USDT，目前已經換成2萬枚DAI，并轉入DeFi隱私協議Railgun。[2023/6/19 21:47:06]

2）邊緣設備比如手機端的數據可能會是個壁壘，基于邊緣設備的AI可能也是個機會

3）Context的長度未來可能引發質變（現在用向量數據庫作為AI記憶體，但上下文長度還是不夠）

02 Web3+AI

AI和Web3其實是完全不同的兩個領域，AI需要集中的算力+海量數據做訓練，非常中心化的東西，Web3則是主打一個去中心化，所以其實不是那么好結合，單奈何敘事上AI改變生產力，區塊鏈改變生產關系這個論點太過深入人心，所以總會有人前仆后繼的去尋找那個結合點，近倆月得聊了不下10個AI項目。

在說新的結合賽道之前先說說老的AI+Web3項目，基本都是平臺型，以FET和AGIX為代表。怎么說呢，國內專業做AI的朋友是這么跟我說的 - “以前這些做AI的現在基本都沒啥用了，無論Web2還是Web3,很多都是包袱而不是經驗。方向和未來就是像OpenAI的這種基于Transformer的大模型，大模型拯救了AI”，你自己品。

所以通用平臺型不是他所看好的Web3+AI的模式，我聊的這10多個項目也確實沒有這方面，目前看到的基本是如下幾個賽道：

Fairyproof：BNB鏈上ShadowFi (SDF)遭到攻擊，被盜1078個BNB:9月2日消息，根據區塊鏈安全公司Fairyproof的探測系統，部署在BNB鏈上的ShadowFi (SDF)遭到攻擊。

根本原因是它的“burn”函數的可見性是“public”。這種可見性通常不應該設置為公開，而應該是一個內部函數。

攻擊過程如下：

步驟1:攻擊者獲取了一定數量的SDF

步驟2: 燒掉交易對中的一些SDF，以推高SDF的價格

步驟3:攻擊者將步驟1中獲取的所有SDF交換為WBNB

下面是攻擊交易的截圖:

在撰寫本文時，大約有1078 BNB(30萬美元)被盜，并通過BNB鏈上的Tornado Cash提現。[2022/9/2 13:05:04]

1.Bot/Agent/Assistant 模型資產化

2.算力平臺

3.數據平臺

4.生成式AI

5.Defi交易/審計/風控

6.ZKML

1.Bot/Agent/Assistant 模型資產化

Bot/Agent/Assitant的資產化這個賽道，聊的最多，是同質化最為嚴重的一個賽道。簡單來說，這些項目多是拿OpenAI為底層，配合其他的一些開源/自研的技術手段，比如TTS（Text to Speech）之類，加上特定的數據，FineTune出來一些“某一領域比ChatGPT”更好的機器人。

Bamboo Relay已集成Chainlink FTM/ETH喂價:Chainlink發推稱，Bamboo Relay已經集成FTM/ETH喂價。[2021/7/4 0:25:21]

比如你可以訓練出一個教你英語的美女老師，你可以選擇她是美國口音還是倫敦腔，她的性格和聊天的方式也可以調整，這樣相對于ChatGPT比較機械和官方的回答來講，交互體驗會更好一些。圈內前段有個虛擬男友的DAPP、Web3女性向游戲，叫HIM，可以算是這種類型的代表了。

從這個思路出發，你理論上可以有許多個Bot/Agent為你服務。比如你想要做水煮魚，可能會有專門針對這個領域Fine Tune的Cooking Bot來教你，給的答案相對ChatGPT更加專業，你想出門旅行，同樣有旅行小助手Bot給你提供各種出游建議和規劃，或是你是項目方，弄一個Discord的客服機器人，幫你回答社區問題。

除了做這種“基于GPT的垂類應用型”Bot，還有基于此的衍生項目，比如Bot算“模型資產化”。有點NFT“小圖片資產化”的意味，那現在AI里面流行的Prompt是不是也可以資產化，像是MidJourney不同的Prompt可以生成不同的圖片，訓練Bot時不同的Prompt也會有不同的效果，所以Promopt自身也具備價值，也可以資產化。

還有像是基于此類Bot進行門戶索引，搜索的項目，等哪天我們有了成千上萬的Bot，那怎么找到最合適你的Bot？可能屆時就需要一個Web2世界類似Hao123這樣的門戶，或是Google這樣的搜索引擎來幫你“定位”。

動態 | Chainlink 發生 XAG/USD 喂價故障 導致約四萬美元損失:預言機 Chainlink 的 XAG/USD 因發生一次長達 6 個小時的喂價故障，導致不到四萬美元的損失。Chainlink 隨后迅速響應，該交易對喂價已恢復正常，并表示，此次事故是因一次功能升級時導致的人為錯誤，從而讓請求黃金（XAU）的價格錯誤地變成了白銀（XAG）的價格。Chainlink 計劃在近期內在預言機去中心網絡升級流程機制中增加多重簽名者的數量，從而在很大程度上消除此類問題。（鏈聞）[2020/2/23]

在我個人看來，Bot（模型）資產化這個東西現階段有兩個弊端+兩個方向：

1）弊端

弊端1 - 同質化太過嚴重，因為這個是用戶最容易理解的AI+web3賽道，有那么點像是帶一點Utility屬性的NFT。所以目前一級市場開始呈現紅海趨勢，卷起來了，但底層又都是OpenAI，所以大家其實都沒啥技術壁壘，只能拼設計和運營；

弊端2 - 有時候像是星巴克會員卡NFT上鏈這種事，雖然是個出圈的好嘗試，但對于多數用戶來講可能真的沒有一個實體或是電子會員卡來的方便。基于Web3的Bot也存在這個問題，想跟機器人學英語或是跟馬斯克，蘇格拉底誰的聊天，我直接用Web2的http://Character.AI不香么？

2）方向

方向1 - 是近+中期，模型上鏈或許會是一個思路。目前這些模型有那么點ETH NFT小圖片的意思，MetaData大多指向的鏈下服務器或是IPFS，而非純鏈上。模型通常幾十到幾百兆的大小，更是要扔在服務器上了。

BitTemple與創世資本、積木云、DACC、RRChain、ESIC企服鏈達成戰略合作:BitTemple，為全球優質區塊鏈項目提供一站式落地孵化服務。本次創世資本攜手被投企業積木云、RRChain、DACC入駐BitTemple落地新加坡，并達成戰略合作關系。BitTemple世界區塊鏈孵化器，旨在培育來自新加坡和全球的高質量區塊鏈項目，并將鏈接全球區塊鏈頂級資源，匯聚頂尖區塊鏈項目，積累行業精英人才。BitTemple將布局全球主要區塊鏈創業城市，并與重要基石產業深度合作。此次將攜手創世資本等機構共同為更多優質區塊鏈項目對接當地資源，建立全球區塊鏈生態。[2018/6/10]

但隨著最近存儲價格的飛速下降（2TB SSD 500塊RMB），以及Filecoin FVM，ETH Storage這類存儲類項目的推進，相信未來兩三年百兆級別的模型上鏈應該不是個難事兒。

你可能會問上鏈有啥好處啊？上鏈了模型就可以被其他合約直接調用了，更加的Crypto Native，能玩的花樣肯定也更多，有那么點Fully Onchain Game的即視感，因為所有數據都是鏈原生的。目前看到有團隊在做這方面的探索，當然還是非常早期的狀態。

方向2 - 是中+遠期, 如果你認真想一下智能合約這個東西，其實最適合的不是人機交互，而是“機機交互”，AI那邊現在有了AutoGPT這個概念，弄一個你的“虛擬化身”或是“虛擬助手”，不光能跟你聊天，還能根據你的要求幫你執行任務，比如幫你訂機票，酒店，買域名搭網站……

你想AI助手是操作你的各種銀行賬戶支付寶啥的方便，還是整一個區塊鏈地址轉帳方便啊？答案顯而易見。那么未來，會不會有一堆集成了類似AutoGPT這樣的AI助手，在各種任務場景下自動通過區塊鏈與智能合約進行C2C，B2C，甚至B2B的支付與結算呢？那個時候，Web2與Web3的邊界也就變得非常模糊了。

2.算力平臺

算力平臺的項目沒有Bot模型資產化那么多和卷，但理解起來相對更加容易，都知道AI需要大量算力，而BTC和ETH在過去10多年已經證明了世界上有這么一種方法，可以自發的，去中心化的，在經濟激勵和博弈的環境下組織協調起海量的算力去合作+競爭的做一件事。現在可以把這種方法用在AI上。

業內最出名的兩個項目無疑是Together和Gensyn，一個種子輪就是千萬級別融資，一個是A輪融了4300萬，這倆之所以要融這么多錢，據說是因為需要資金和算力先訓練自己的模型，然后后面會做成算力平臺提供給其他的AI項目做訓練用。

而做推理的算力平臺融資額相對會小很多，因為本質上就是聚合閑置的GPU等算力然后提供給有需要的AI項目做推理用，RNDR是做渲染算力聚合，這些平臺做推理算力聚合。但技術門檻目前都比較模糊，甚至我在想會不會哪天RNDR或是Web3云算力平臺一只腳就伸到推理型算力平臺這邊了。

算力平臺這個方向相比模型資產化更加實在和好預測，基本上是板上釘釘一定會有需求也會出現一兩個頭部項目的賽道，就看誰能殺的出來，唯一目前不確定的是訓練和推理各自有龍頭，還是龍頭會把訓練和推理都包圓了。

3.數據平臺

這個其實也不難理解，因為AI的底層說白就三大件：算法（模型），算力，數據。

既然算法和算力都有“去中心化版本”，那數據肯定也不會缺席，這也是奇績創壇的創始人陸奇博士在聊AI和Web3時候最看好的一個方向。

Web3一直強調數據隱私和主權，也有ZK之類的技術來確保數據可靠與完整性，那么基于Web3的鏈上數據訓練出來的AI肯定和Web2鏈下數據訓練出來的應該不一樣。所以這條線整體Make Sense，目前圈內Ocean應該算是這個賽道，一級市場也有看到基于Ocean做的專門的AI數據市場之類的項目。

4.生成式AI

簡單來說就是拿AI畫畫，或是類似的創作，來服務于其他一些場景。比如做NFT，或是游戲內的地圖生成，NPC背景生成等等。感覺做NFT這條線比較難，因為AI生成稀缺性不夠，Gamefi倒是一條路，一級市場也有見到有團隊在嘗試。

不過前幾天看到個消息，Unity（與虛幻引擎兩家一起霸占游戲引擎市場多年）也出了自己的AI生成工具Sentis和Muse，現在還在封測階段，明年估計就正式上線了。怎么說呢，感覺Web3圈的游戲AIGC類項目，屆時可能會被Unity降維打擊……

5.DeFi交易/審計/Yield/風控

這幾類都有看到項目在嘗試，同質化相對不明顯。

1）DeFi交易 - 這個有點Tricky，因為如果一個交易策略好用，隨著用的人越多，可能策略慢慢也就不怎么好用了，得切換到新策略。再就是好奇AI交易機器人未來的勝率如何，會在普通交易者里面處于哪個段位。

2）審計 - 目測應該可以幫助快速審處已有的常見的漏洞，沒出現過的新的或是邏輯上的漏洞應該就不行了，這個得進入AGI時代應該才有戲。

3）Yield與風控 - Yield不難理解，你就想像成一個帶AI智能的YFI就行，把錢扔給它，AI根據你的風險偏好自己去找平臺Staking，組LP，挖礦之類。風控么，感覺單獨做成一個項目會很奇怪，以插件形式服務與各個借貸或是類似Defi平臺感覺更加Make Sense。

6.ZKML

一個目前圈內越來越火的賽道，因為結合了兩項最為前沿的技術，一個圈內的ZK，一個圈外的ML（Mechine Learning 機器學習，AI領域的一個狹義分支）。

理論上來說，與ZK的結合可以給ML提供隱私性，完整性和準確性，但是你要硬說有哪些具體使用場景吧，其實很多項目方也想不出來，基建先搭著再說……目前唯一真的剛需的是部分醫療領域的機器學習確實有這個病人數據的隱私需求，至于鏈上游戲完整性或反作弊之類的敘事，總感覺有些牽強。

這個賽道目前來說就那么幾個明星項目，像是Modulus Labs，EZKL，Giza之類，都是一級市場熱捧的對象。沒法，因為全世界懂ZK的人本來就那么幾個，懂ZK同時還要懂ML的人才就更少了，所以這個賽道的技術門檻相對其他要高了很多，同質化也相對不明顯。最后就是，ZKML大多針對的是推理，而非訓練。

金色財經

企業專欄

閱讀更多

金色薦讀

Block unicorn

區塊鏈騎士

金色財經 善歐巴

Foresight News

深潮TechFlow

Tags：WEBWEB3BOTCHAWEB4 AIWeb3GoldROBOTbroadcastchain

Gate.io