分析》如何判斷Crypto x AI浪潮中的陷阱「貼牌」項目？

駕馭加密和人工智慧的交叉點，本文源自前 Bankless 研究員所著文章《AI <> Crypto Projects That Aren’t Complete Bullsh*t》，由 Techflow 整理、編譯及撰稿。 （前情提要：io.net真實GPU數量成謎，有鬼？去中心化AI算力網有4大難題待解 ） （背景補充：Google強打OpenAI：Gemini Live和GPT-4o誰能更勝一籌？ ）   在尋找新的 alpha 資訊時，我們不可避免地會遇到一些垃圾資訊。當一個專案只需一個半清晰的簡介和一些體面的品牌就能迅速籌集到 5-6 位數的資金時，投機者們會抓住每一個新的敘事。而隨著傳統金融領域紛紛加入 AI 潮流，「加密 AI」 敘事更是加劇了這一問題。 這些專案的大多數問題在於： 大多數加密專案不需要 AI 大多數 AI 專案不需要加密貨幣 並不是所有去中心化交易所（DEX）都需要內建 AI 助手，每個聊天機器人也不需要一個伴隨的代幣來促進其採用曲線。AI 和加密技術的這種硬性結合讓我在最初深入瞭解這一敘事時幾乎崩潰。 壞訊息是什麼？繼續沿著當前的道路走下去，進一步集中這項技術，最終只會以失敗告終，而大量虛假的 “AI x Crypto” 專案也會阻礙我們扭轉頹勢。 好訊息是什麼？隧道盡頭有曙光。有時，AI 確實能從加密經濟學中獲益。同樣，在一些加密貨幣的使用案例中，AI 也能解決一些實際問題。 在今天的文章中，我們將探討這些關鍵的交匯點。這些小眾創新想法的重疊形成了一個整體，其效果大於各部分之和。 AI 堆疊的高層次檢視 以下是我對 「加密 AI」 生態系統中不同垂直領域的看法（如果你想更深入瞭解，可以參考 Tommy 的文章）。注意，這是一種非常簡化的檢視，但希望能幫助我們奠定基礎。 從高層次來看，它是如何協同工作的： 大規模收集資料。 處理這些資料，使機器理解如何攝取和應用它。 在這些資料上訓練模型以建立一個通用模型。 然後可以微調以處理特定的使用案例。 最後，這些模型被部署和託管，以便應用程式可以查詢它們進行有用的實現。 所有這些都需要大量的計算資源，這些資源可以本地執行或從雲端獲取。 讓我們探討這些領域中的每一個，特別關注不同的加密經濟設計如何能實際改進標準工作流程。 加密賦予開源以戰鬥機會 「閉源」 與 「開源」 開發方法的爭論可以追溯到 Windows-Linux 的辯論和 Eric Raymond 著名的《大教堂與集市》理論。雖然今天 Linux 在愛好者中廣泛使用，但大約 90% 的使用者選擇了 Windows。為什麼？因為激勵措施。 至少從外部來看，開放原始碼開發有很多好處。它可以讓最多的人蔘與到開發過程中，並為之做出貢獻。但在這種無頭結構中，沒有一個統一的指令。CEO 不會主動讓儘可能多的人使用他們的產品，以最大限度地提高他們的底線。在開源開發過程中，專案有可能演變成一個 “嵌合體”，在設計理念的每一個交叉點上都會分裂出不同的方向。 調整激勵措施的最佳方式是什麼？構建一個系統，獎勵那些能促進目標實現的行為。換句話說，把錢交到能讓我們更接近目標的行為者手中。有了加密貨幣，這一點就可以硬編碼成法律。 我們將看看一些正在這樣做的專案。 去中心化物理基礎設施網路（DePINs） 「哦拜託，又是這玩意兒？」 是的，我知道 DePIN 敘事幾乎和 AI 本身一樣被講爛了，但請稍等片刻。我願意堅信 DePINs 是一個真正有機會改變世界的加密使用案例。想一想。 加密技術真正擅長的是什麼？去除中介和激勵活動。 比特幣最初的願景是對等貨幣，旨在將銀行排除在外。類似地，現代 DePINs 旨在排除集中的力量，並引入可證明公平的市場動態。正如我們將看到的，這種架構對於眾包 AI 相關網路是理想的。 DePINs 使用早期代幣發行來增加供應側（提供者），希望這能吸引可持續的消費者需求。這旨在解決新市場的冷啟動問題。 這意味著早期的硬體 / 軟體（「節點」）提供者賺取大量代幣和少量現金。隨著使用者利用這些節點（在我們的例子中是機器學習構建者）帶來的現金流，這開始抵消隨著時間減少的代幣發行，直到一個完全自給自足的生態系統建立起來（可能需要幾年時間）。早期的採用者，如 Helium 和 Hivemapper，展示了這種設計的有效性。 資料網路，Grass 的案例 據稱，GPT-3 是用 45TB 的純文字資料訓練的，相當於大約 9000 萬本小說（但它仍然不能畫一個圓）。GPT-4 和 GPT-5 所需的資料量比表面網路上存在的資料還要多，因此稱人工智慧為 “資料飢渴症” 是本世紀最輕描淡寫的說法。 如果你不是頂尖玩家（OpenAI，Microsoft，Google，Facebook），獲取這些資料是非常困難的。大多數人的常見策略是網頁抓取，在你嘗試加強之前，這一切都很好。如果使用一個亞馬遜網路服務（AWS）例項試圖抓取大量網站，就會很快受到速率限制。這就是 Grass 的用武之地。 Grass 連線了超過兩百萬臺裝置，組織它們從使用者的 IP 地址抓取網站，收集、結構化並將其出售給急需資料的 AI 公司。作為回報，參與 Grass 網路的使用者可以從使用他們資料的 AI 公司那裡賺取穩定的收入。 當然，目前還沒有代幣，但未來的 $GRASS 代幣可能會讓使用者更願意下載他們的瀏覽器擴展套件（或手機應用）。儘管他們已經通過一場極其成功的推薦活動吸引了大量使用者。 GPU 網路，io.net 的案例 或許比資料更重要的是計算能力。你知道嗎，在 2020 年和 2021 年，中國在 GPU 上投入的資金比石油還多。這簡直太瘋狂了，但這僅僅是個開始。再見石油幣，為計算幣讓路。 （報告詳見） 現在，市面上有很多 GPU DePINs，它們的工作原理大致如下。 急需計算的機器學習工程師 / 公司。 另一方面，…