加密世界的AI海市蜃樓

原文標題：Crypto's AI Mirage

原文來源：Coinbase institutional

· 人⼯智能(AI) 與加密貨幣之間的交點⾮常⼴泛，但⼈們往往對其知之甚少。我們認為，這個交點的不同⼦部分之間有著截然不同的機會和發展時間表。

· 我們普遍認為，對於人工智慧產品來說，去中心化本身並不足以帶來競爭優勢——它還必須在某些其他關鍵領域達到與中心化產品同等的功能。

· 我們的逆向觀點是，由於人工智慧產業受到廣泛關注，許多人工智慧代幣的價值潛力可能被誇大，而且許多人工智慧代幣在中短期內可能缺乏可持續的需求面驅動因素。

近年來，人工智慧的持續突破，特別是生成式人工智慧領域，引起了人們對人工智慧產業的高度關注，並位於兩者交叉點的加密項目提供了機會。我們先前在 2023 年 6 月的一份早期報告中介紹了該行業的一些可能性，並指出加密貨幣的整體資本配置似乎對人工智慧的投入不足。此後，加密人工智慧領域取得了巨大的發展，我們認為，指出可能阻礙其廣泛採用的某些實際挑戰非常重要。

人工智慧的快速變化使我們對「以加密貨幣為中心的平台具有獨特的優勢來顛覆該行業」的大膽主張持謹慎態度；這使得我們認為大多數人工智慧代幣實現長期和可持續價值增值的道路充滿不確定性，特別是對於那些代幣經濟模型固定的項目。  相反，我們認為，鑑於更廣泛的市場競爭和監管，人工智慧領域的一些新興趨勢實際上可能會使基於加密貨幣的創新更難被採用。

也就是說，我們相信人工智慧和加密貨幣之間的點是廣泛且有不同的機會的，某些⼦部分的採用速度可能會更快，儘管許多此類領域缺乏已經上市的代幣。儘管如此，這似乎並沒有抑制投資者的興趣。我們發現，人工智慧相關加密代幣的表現受到人工智慧市場頭條新聞的支持，即使在比特幣交易走低的日子裡，也可能具有積極的價格走勢。因此，我們相信許多與人工智慧相關的代幣可以繼續作為人工智慧進步的代表進行交易。

人工智慧的主要趨勢

人工智慧領域（與加密人工智慧產品相關）最重要的趨勢之一是圍繞開源模型的持續文化。 Hugging Face 上公開了超過 53 萬個模型，供研究人員和使用者操作和微調。 Hugging Face 在人工智慧協作中的作用與依賴 GitHub 進行程式碼託管或 Discord 進行社群管理（兩者都在加密領域廣泛使用）沒有什麼不同。除非出現嚴重的管理不善，否則這種情況在不久的將來不會改變。

Hugging Face 上可用的模型範圍從大型語言模型(LLM) 到生成圖像和視頻模型，包括Open AI、Meta 和Google 等主要行業參與者以及獨立開發人員的創作。一些開源語言模型甚至在吞吐量方面比最先進的閉源模型具有效能優勢（同時保持可比較的輸出品質），這確保了開源模型和商業模型之間存在一定程度的競爭（見圖 1）。重要的是，我們認為這個充滿活力的開源生態系統與競爭激烈的商業部門相結合，已經使不良模型被競爭淘汰的行業成為可能。

第二個趨勢是較小模型的品質和成本效益不斷提高（早在2020 年的LLM 研究以及微軟最近的一篇論文中就強調了這一點），這也與開源文化相吻合，以進一步實現高性能、 本地運行的人工智慧模型。一些經過微調的開源模型在某些基準下甚至可以超越領先的閉源模型。在這樣的世界中，一些人工智慧模型可以在本地運行，從而最大限度地去中心化。當然，現有技術公司將繼續在雲端上訓練和運行更大的模型，但兩者之間的設計空間將需要權衡。

另外，考慮到人工智慧模型基準測試的任務日益複雜（包括資料污染和不同的測試範圍），生成模型輸出最終可能由自由市場中的最終使用者進行最佳評估。實際上，最終用戶可以使用現有工具來橫向比較模型輸出以及執行相同操作的基準公司。從各種不斷增長的開放式LLM 基準中可以粗略地了解生成式AI 基準測試的難度，這些基準包括 MMLU、HellaSwag、TriviaQA、BoolQ 等，每個基準測試不同的用例，例如常識推理、學術主題，以及各種問題格式。

我們在人工智慧領域觀察到的第三個趨勢是，具有強大用戶黏性或解決具體業務問題的現有平台能夠從人工智慧整合中獲得不成比例的收益。例如，GitHub Copilot 與程式碼編輯器的整合增強了本已強大的開發人員環境。將人工智慧介面嵌入其他工具中，從郵件用戶端到電子表格再到客戶關係管理軟體，也都是人工智慧的自然用例（例如，Klarna 的人工智慧助理完成了700 名全職客服人員的工作） 。

但值得注意的是，在許多此類場景中，人工智慧模型不會帶來新平台，而只會增強現有平台。其他在內部改進傳統業務流程的人工智慧模型（例如，Meta 公司的 Lattice 系統，它在蘋果推出 App Tracking Transparency 功能後幫助其廣告性能恢復到了原有水平）也通常依賴專有數據和封閉系統。這些類型的人工智慧模型可能會保持閉源狀態，因為它們垂直整合到核心產品中並使用專有資料。

在人工智慧硬體和運算領域，我們看到了另外兩個相關趨勢。首先是計算用途從訓練到推理的轉變。也就是說，當人工智慧模型首次開發時，大量計算資源被用來透過向模型提供大型資料集來「訓練」模型。現在已經轉向部署和查詢模型。

NVIDIA 2024 年2 月的財報電話會議顯示，他們大約40% 的業務用於推理，Satya Nadella 在1 月前一個月的微軟財報電話會議上也發表了類似言論，指出他們的Azure AI「大部分」使用都是用於推理。隨著這種趨勢的持續，我們認為尋求模型貨幣化的實體將優先考慮能夠以安全和生產就緒的方式可靠運行模型的平台。

第二個主要趨勢是圍繞硬體架構的競爭格局。 Nvidia 的 H200 處理器將於 2024 年第二季開始上市，下一代 B100 預計將進一步翻倍。此外，Google對其自身張量處理單元（TPU）和 Groq 較新的語言處理單元（LPU）的持續支持也可能在未來幾年作為該領域的替代品增加其市場份額（見圖 2）。此類發展可能會改變人工智慧產業中的成本動態，並且可以使雲端服務供應商受益，他們可以快速轉向、大量採購硬體並設定任何相關的實體網路要求和開發人員工具。

整體而言，人工智慧領域是一個新興且快速發展的領域。 ChatGPT 於 2022 年 11 月首次向市場發布不到 1.5 年（儘管其底層 GPT 3 模型自 2020 年 6 月以來就已存在），此後該領域的快速發展令人震驚。儘管一些生成式人工智慧模型背後的偏見存在一些值得懷疑的行為，但我們可以看到表現較差的模型被市場淘汰，轉而青睞更好的替代方案。該行業的快速發展和即將出台的法規的可能性意味著，隨著新解決方案的出現，該行業的問題正在定期變化。

對於這樣一個快速創新的領域來說，經常被吹捧的“去中心化解決 [XXX]”作為已成定局的一攬子補救措施還為時過早。它還搶先解決了一個可能不一定存在的中心化問題。現實情況是，透過許多不同公司和開源專案之間的競爭，人工智慧產業在技術和業務垂直領域已經實現了很大程度的去中心化。此外，由於其決策和共識過程的性質，真正的去中心化協議在技術和社會層面上的進展速度比中心化協議慢。這可能會對在人工智慧發展的現階段尋求平衡去中心化和具有競爭力的產品造成障礙。也就是說，加密貨幣和人工智慧之間在較長的時間範圍內存在一些可以有意義地實現的協同效應。

確定機會範圍

從廣義上講，我們將人工智慧和加密貨幣的交點分為兩大類。第一類是人工智慧產品改善加密產業的用例。這包括從創建人類可讀的交易和改進區塊鏈數據分析，到利用鏈上模型輸出作為無許可協議的一部分等場景。第二類是加密貨幣旨在透過分散的運算、驗證、身分等方法顛覆傳統人工智慧管線的用例。

前一類業務相關場景的用例是明確的，我們相信，儘管仍然存在重大技術挑戰，但在更複雜的鏈上推理模型場景中也有長期前景。集中式人工智慧模型可以像其他以技術為中心的行業一樣改善加密貨幣，從改進開發人員工具和程式碼審計到將人類語言轉化為鏈上行動。但這領域的投資通常透過創投流入私人公司，因此通常被公共市場忽視。

然而，對於加密技術如何顛覆現有的人工智慧管線這一說法，其意義和好處 對我們來說還不太確定。後一類的困難不只是技術挑戰（我們認為從長遠來看通常可以解決），也是與更廣泛的市場和監管力量的艱苦鬥爭。最近對人工智慧和加密貨幣的大部分關注都集中在這一類別上，因為這些用例更適合擁有流動性代幣。這是我們下一節的重點，因為目前而言與加密貨幣中的集中式人工智慧工具相關的流動性代幣相對較少。

加密貨幣在人工智慧管線中的作用

冒著過於簡化問題的風險，我們認為加密貨幣在人工智慧管線的四個主要階段對人工智慧的潛在影響：

1、資料的收集、儲存和處理，

2、模型的訓練與推理，

3、模型輸出的驗證，

4、追蹤人工智慧模型的輸出。

這些領域已經出現了大量新的加密人工智慧項目，儘管許多項目在中短期內將面臨需求側生成以及來自中心化公司和開源解決方案的激烈競爭兩大嚴峻挑戰。

Proprietary Data

資料是所有人工智慧模型的基礎，並且可能是專業人工智慧模型性能的關鍵區別因素。歷史區塊鏈資料本身是模型的新的豐富資料來源，而像 Grass 這樣的某些專案也旨在利用加密激勵措施從開放互聯網中管理新的資料集。在這方面，加密有機會提供行業特定的資料集，並激勵創建新的有價值的資料集。 （我們認為，Reddit 最近與Google 達成的每年6000 萬美元的數據許可協議預示著數據集貨幣化的未來。）

許多早期模型（例如GPT 3）混合使用了CommonCrawl、WebText2、書籍和維基百科等開放資料集，以及Hugging Face 上免費提供的類似資料集（目前託管超過110,000 個選項）。然而，可能是為了保護商業利益，許多最近的閉源模型尚未公佈最終的訓練資料集組成。專有資料集的趨勢，特別是在商業模型中，將繼續保持下去，並提高資料許可的重要性。

現有的集中式資料市場已在幫助彌合資料提供者和消費者之間的差距，使新的去中心化資料市場解決方案的機會空間夾在開源資料目錄和企業競爭對手之間。如果沒有法律結構的支持，純粹去中心化的資料市場還需要建立標準化的資料介面和管道，驗證資料完整性和配置，並解決其產品的冷啟動問題——並同時平衡市場參與者之間的代幣激勵。

另外，去中心化儲存解決方案最終也可能在人工智慧產業中找到一席之地，儘管這方面仍然存在諸多挑戰。一方面，用於分發開源資料集的管線已經存在並被廣泛使用。另一方面，許多專有資料集的所有者有嚴格的安全性和合規性要求。事實上目前不存在在 Filecoin 和 Arweave 等去中心化儲存平台上託管敏感資料的監管途徑。許多企業仍在從本地伺服器過渡到集中式雲端儲存供應商。在技術層面上，這些網路的去中心化性質目前也不符合敏感資料儲存的某些地理位置和實體資料孤島要求。

雖然去中心化儲存解決方案和成熟雲端供應商之間的價格比較，表明每個去中心化的儲存單元更便宜，但這忽略了重大的前提。首先，與在提供者之間遷移系統相關的前期成本需要考慮到日常營運費用之外。其次，基於加密的去中心化儲存平台需要與過去二十年發展的成熟雲端系統更好的工具和整合相匹配。從業務營運的角度來看，雲端解決方案還具有更可預測的成本，提供合約義務和專門的支援團隊，並且還擁有大量現有的開發人員人才。

也值得注意的是，與「三大」雲端供應商（亞馬遜網路服務、Google雲端平台和微軟Azure）的粗略比較是不完整的。還有數十家成本較低的雲端公司也在透過提供更便宜的基礎伺服器機架來爭奪市場份額。我們認為，對於成本敏感的消費者來說，這些才是真正的近期主要競爭對手。

也就是說，最近的創新，如Filecoin 的資料計算和Arweave 的ao 計算環境，可能會為即將到來的利用不太敏感資料集的綠地專案或尚未成為供應商的對成本最敏感（可能規模較小）的公司發揮作用。

因此，雖然資料空間中肯定存在新型加密產品的空間，但最近的技術顛覆將發生在它們可以產生獨特價值主張的地方。去中心化產品與傳統和開源競爭對手正面競爭的領域將需要更多時間才能取得進展。

Training and Inferencing Models

加密產業的去中心化運算（DeComp）領域也旨在成為集中式雲端運算的替代方案，部分原因是現有的GPU 供應緊張。針對這個短缺問題提出的解決方案是在集體網路中重新利用閒置運算資源，並降低集中式雲端供應商的成本，Akash 和 Render 等協定應用了類似的解決方案。根據初步指標，此類項目在用戶和供應商方面的使用似乎都在增加。例如，今年迄今為止，Akash 的活躍租約（即用戶數量）增加了三倍（參見圖 3），這主要是由於其儲存和運算資源的使用量增加所致。

然而，自2023 年12 月的高峰以來，支付給網路的費用實際上有所下降，因為可用GPU 的供應超過了這些資源的需求成長。也就是說，隨著越來越多的供應商加入網絡，租賃的 GPU 數量（按比例來看，這似乎是最大的收入驅動因素）已經下降（參見圖 4）。對於計算定價可以根據供需變化而變化的網絡，尚不清楚如果供應方的增長超過需求方的增長，最終會在哪裡出現對原生代幣的持續的、使用驅動的需求。儘管此類變化的長期影響尚不明確，未來可能需要重新審視此類代幣經濟模型，以針對市場變化進行最佳化。

在技術層面上，去中心化運算解決方案也面臨網路頻寬限制的挑戰。對於需要多節點訓練的大型模型，實體網路基礎設施層起著至關重要的作用。資料傳輸速度、同步開銷以及對某些分散式訓練演算法的支援意味著需要特定的網路配置和自訂網路通訊（如 InfiniBand）來促進高效能執行。當超過一定的叢集規模時，則很難以分散的方式實現

總的來說，去中心化運算（和儲存）的長期成功面臨著來自中心化雲端供應商的激烈競爭。任何運用至少將是一個類似於雲端採用時間表的長期過程。鑑於去中心化網路開發的技術複雜性不斷增加，加上缺乏類似的可擴展開發和銷售團隊，完全執行去中心化計算願景將是一個艱難的旅程。

Validating and Trusting Models

隨著人工智慧模型在生活中愈發重要，人們越來越擔心它們的輸出品質和偏差。某些加密項目旨在透過利用一套演算法來評估不同類別的輸出，找到一個去中心化的、基於市場的解決方案來解決這個問題。然而，上述圍繞模型基準測試的挑戰，以及明顯的成本、吞吐量和品質權衡，使得面對面的比較具有挑戰性。 BitTensor 是此類中最大的專注於人工智慧的加密貨幣之一，旨在解決這個問題，儘管存在許多突出的技術挑戰可能會阻礙其廣泛採用（請參閱附錄 1）。

另外，無需信任的模型推理（即證明模型輸出實際上是由所聲稱的模型生成的）是加密人工智慧重疊領域的另一個活躍研究領域。然而，隨著開源模型規模的縮小，此類解決方案可能會面臨需求上的挑戰。在模型可以在本地下載和運行並且透過完善的檔案雜湊/校驗和方法驗證內容完整性的世界中，去信任推理的作用不太明確。誠然，許多 LLM 還無法透過手機等輕型設備進行培訓和操作，但功能強大的桌上型電腦（如用於高階遊戲的電腦）已經可以用於運行許多高效能模型。

Data Provenance and Identity

隨著生成式人工智慧的輸出與人類的輸出越來越難以區分，辨識與追蹤AI 生成內容的重要性也逐漸成為人們關注的焦點。 GPT 4 通過圖靈測試的速度是 GPT 3.5 的 3 倍，而且我們幾乎不可避免地在某一天無法區分機器人和人類。在這樣的世界中，確定線上用戶的身份以及對人工智慧生成的內容加浮水印將是關鍵功能。

像 Worldcoin 這樣的去中心化識別碼和身分證明機制旨在解決先前在鏈上識別人類的問題。同樣，將資料雜湊發佈到區塊鏈可以透過驗證內容的時間標誌和來源來幫助確定資料來源。然而，與前面的部分類似，我們認為必須權衡基於加密的解決方案的可行性與集中式替代方案。

中國等一些國家將網路人格與政府控制的資料庫連結起來。儘管世界其他地區的中心化程度並不高，但了解你的客戶(KYC) 供應商聯盟也可以提供獨立於區塊鏈技術的身份證明解決方案（可能與構成了當今互聯網安全的基石的受信任的證書頒發機構類似）。目前還正在進行人工智慧浮水印研究，以在文字和圖像輸出中嵌入隱藏訊號，以便演算法能夠檢測內容是否是人工智慧生成的。許多領先的人工智慧公司，包括微軟、Anthropic 和亞馬遜，都公開承諾在其生成的內容中添加此類浮水印。

此外，許多現有的內容提供者已經被委託嚴格記錄內容的元數據，以滿足合規要求。因此，用戶通常會委託社交媒體貼文關聯的元資料（但不信任其截圖），即使它們是集中儲存的。這裡要注意的是，任何基於加密的資料來源和身分解決方案都需要與使用者平台整合才能廣泛有效。因此，雖然用於證明身分和資料來源的基於加密的解決方案在技術上是可行的，但我們也認為它們的採用並不是既定的，最終將取決於業務、合規性和監管要求。

Trading the AI Narrative

儘管存在上述難點，但從2023 年第四季開始，許多人工智慧代幣的表現優於比特幣和以太幣，也優於英偉達和微軟等主要人工智慧股票。這是因為人工智慧代幣通常受益於更廣泛的加密市場以及相關人工智慧新聞頭條的強勁相關表現（請參閱附錄 2）。因此，即使比特幣價格下跌，以人工智慧為中心的代幣價格也可能上漲波動，這會導致比特幣下跌期間出現上行波動。圖 5 直觀地顯示了 AI 代幣在比特幣交易下跌期間的分散。

整體而言，人工智慧敘事交易中仍缺乏許多短期持續需求驅動因素。由於缺乏明確的採用預測和指標，導致了廣泛的模因式投機，這可能無法長期持續下去。最終，價格和效用將會趨同——懸而未決的問題是這需要多長時間，以及效用是否會上升以滿足價格，反之亦然。也就是說，持續建設的加密貨幣市場和表現出色的人工智慧產業可能會在一段時間內維持強大的加密貨幣人工智慧敘事。

結論

加密貨幣在人工智慧中的作用並不是憑空存在的－任何去中心化平台都在與現有的中心化替代方案競爭，必須在更廣泛的業務和監管要求背景下進行分析。因此，純粹為了「去中心化」而取代中心化提供者不足以推動有意義的進步。生成式人工智慧模型已經存在了幾年，由於市場競爭和開源軟體，已經保留了一定程度的去中心化。

本報告中反覆出現的一個主題是，承認基於加密的解決方案雖然在技術上通常是可行的，但仍然需要大量的工作才能達到與更集中的平台相同的功能，而平台並不會在未來的發展中停滯不前。事實上，由於共識機制的原因，集中式開發通常比分散式開發更快，這可能會為人工智慧如此快速發展的領域帶來挑戰。

有鑑於此，人工智慧和加密貨幣的交疊仍處於初級階段，隨著更廣泛的人工智慧領域的發展，未來幾年可能會迅速發生變化。正如加密產業許多人目前所設想的那樣，去中心化的人工智慧未來並不能得到保證——事實上，人工智慧產業本身的未來在很大程度上仍然不確定。因此，我們認為謹慎的做法是謹慎地駕馭這樣的市場，更深入地研究基於加密貨幣的解決方案以及如何真正提供更好的替代方案，或理解潛在的交易敘事。

strong>歡迎加入律動BlockBeats 官方社群 

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/theblockbeatsApp

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia