Delphi Digital: การวิเคราะห์เชิงลึกเกี่ยวกับโอกาสและความท้าทายของ DeAI

ผู้เขียนต้นฉบับ: PonderingDurian, นักวิจัยของ Delphi Digital

การแปลเบื้องต้น: Pzai, ข่าว Foresight

เนื่องจากสกุลเงินดิจิทัลเป็นซอฟต์แวร์โอเพ่นซอร์สที่มีกลไกกระตุ้นเศรษฐกิจภายใน ในขณะเดียวกัน AI กำลังเขย่าวิธีการเขียนซอฟต์แวร์ ดังนั้น AI จะมีผลกระทบใหญ่ต่ออุตสาหกรรมบล็อกเชนโดยรวม

AI x Crypto สะสมรวม

DeAI: โอกาสและความท้าทาย

ในความเห็นของฉัน ความท้าทายที่สำคัญที่สุดของ DeAI อยู่ในระดับพื้นฐาน เนื่องจากการสร้างโมเดลพื้นฐานต้องใช้งบประมาณมากและมีระดับการคืนทุนของข้อมูลและการคำนวณที่สูง

ด้วยหลักขยายตัวที่มีอยู่ เทคโนโลยีที่ใหญ่โตมีข้อเสียที่เกิดขึ้นโดยธรรมชาติ: ในช่วง Web2 พวกเขาได้รับผลกำไรที่มหาศาลจากการกอบกู้ความต้องการของผู้บริโภคและใช้กำไรขนาดใหญ่เหล่านี้ลงทุนใหม่ในพื้นฐานคลาวด์ ตอนนี้ ไอที ยักษ์ใหญ่กำลังพยายามบังคับการครองตลาด AI โดยการครองข้อมูลและการคำนวณ (องค์ประกอบสำคัญของ AI)

การเปรียบเทียบขนาดของ TOKEN

เนื่องจากความหนาแน่นของการฝึกอบรมขนาดใหญ่และความต้องการแบนด์วิดท์สูง สุดยอดคลัสเตอร์ที่สมบูรณ์ยังคงเป็นตัวเลือกที่ดีที่สุด - ให้บริการโมเดลปิดที่ดีที่สุดสำหรับธุรกิจเทคโนโลยี - พวกเขาวางแผนที่จะเช่าโมเดลเหล่านี้ด้วยกำไรจากการถือเอาตัวความสำเร็จในตัวเองและลงทุนกลับในผลิตภัณฑ์รุ่นถัดไปในทุกสายพันธุ์

อย่างไรก็ตามปรากฎว่าคูน้ําในฟิลด์ AI นั้นตื้นกว่าเอฟเฟกต์เครือข่าย Web2 และโมเดลที่ทันสมัยชั้นนํากําลังเสื่อมราคาอย่างรวดเร็วเมื่อเทียบกับภาคสนามโดยเฉพาะ “นโยบายโลกที่ไหม้เกรียม” ของ Meta ซึ่งได้ลงทุนหลายหมื่นล้านดอลลาร์เพื่อพัฒนาโมเดลที่ทันสมัยเช่น Llama 3.1 ซึ่งประสิทธิภาพถึงระดับ SOTA

Llama 3 การให้คะแนนโมเดลขนาดใหญ่

ในจุดนี้การรวมกันของวิธีการฝึกอบรมแบบกระจายที่เกี่ยวข้องกับค่าเครือข่ายเวลาแฝงต่ำ อาจทำให้การค้าสมัยใหม่ (บางส่วน) ได้รับการพาธสู่การค้าขายเชิงพาณิชย์ - พร้อมกับการลดราคาอัตโนมัติ การแข่งขันอาจกลายเป็นการแข่งขันในด้านนวัตกรรมซอฟต์แวร์ (ที่บ้านโอเพ่นซอร์ส / สกุลเงินดิจิทัล) ในทางกลับกันจากการแข่งขันในด้านฮาร์ดแวร์คลัสเตอร์ (ที่เป็นประโยชน์สำหรับซูเปอร์แก๊งค์เทคโนโลยี)

ดัชนีความสามารถ (คุณภาพ) - แผนภูมิการกระจายราคาการฝึก

โดยพิจารณาถึงความหลากหลายในโครงสร้าง “นักเชี่ยวชาญผสม” และประสิทธิภาพในการคำนวณของการสังเคราะห์ / การเส้นทางของโมเดลขนาดใหญ่ น่าจะไม่ใช่โลกที่มีแค่ 3-5 โมเดลขนาดใหญ่ แต่เป็นโลกที่ประกอบด้วยโมเดลล้านล้านตัวที่มีความหลากหลายในเรื่องต้นทุน / ประสิทธิภาพ โลกของเครือข่ายอัจฉริยะที่ปกคลุมอยู่ (รัง)

นี้ก็เป็นปัญหาประสาทที่ใหญ่: เทคโนโลยีบล็อกเชนและกลไกส่งเสริมสกุลเงินดิจิทัลควรช่วยให้เราสามารถแก้ไขปัญหานี้ได้ดี

สาขาการลงทุน DeAI หลัก

ซอฟต์แวร์กำลังกินโลก AI กำลังกินซอฟต์แวร์ และ AI พื้นฐานก็คือข้อมูลและการคำนวณ

Delphi มองด้วยดีต่อส่วนประกอบที่ต่างๆในสแต็กนี้:

การทำให้ AI x Crypto กระจาย

สถาปัตยกรรมพื้นฐาน

เนื่องจากพลังขับเคลื่อนของ AI มาจากข้อมูลและการคำนวณ DeAI พื้นฐานมุ่งเน้นที่จะจัดซื้อข้อมูลและการคำนวณอย่างมีประสิทธิภาพให้มากที่สุดเท่าที่จะเป็นไปได้ และโดยทั่วไปใช้กลไกสร้างสะสมสกุลเงินดิจิทัล ตามที่เราได้กล่าวมาแล้ว นี่เป็นส่วนที่ท้าทายมากที่สุดในการแข่งขัน แต่อย่างไรก็ตาม โดยพิจารณาขนาดของตลาดปลายทาง นี่ก็อาจเป็นส่วนที่มีผลตอบแทนสูงสุด

การคำนวณ

จนถึงปัจจุบัน โปรโตคอลการฝึกอบรมแบบกระจายและตลาด GPU ถูกจำกัดโดยค่าเครือข่ายเวลาแฝง แต่พวกเขาหวังว่าจะประสานอุปกรณ์ที่แตกต่างกันได้อย่างมีประสิทธิภาพและให้บริการคำนวณตามความต้องการที่มีต้นทุนต่ำกว่าสำหรับคนที่ถูกปฏิเสธการใช้งานโซลูชันรวมของไทยและให้บริการตามความต้องการ บริษัท Gensyn 、Prime Intellect และ Neuromesh กำลังส่งเสริมการพัฒนาการฝึกอบรมแบบกระจายในขณะที่บริษัท io.net 、Akash และ Aethir กำลังทำให้การอะไรที่ใกล้เคียงกับอัจฉริยะขอบเขตมีต้นทุนต่ำขึ้น

โครงการที่มีพื้นที่นิเวศน์บนระบบซัพพลายอิเคชัน

ข้อมูล

ในโลกอัจฉริยะที่มีข้อมูลอยู่ทุกที่ซึ่งขึ้นอยู่กับโมเดลที่เล็กลงและมีความเชี่ยวชาญมากขึ้น มูลค่าของทรัพย์สินข้อมูลและการเปลี่ยนเป็นเงินมีมูลค่ามากขึ้น

จนถึงที่นี่ DePIN ได้รับคำชมอย่างมาก เนื่องจากสามารถสร้างเครือข่ายฮาร์ดแวร์ที่มีต้นทุนต่ำกว่า บริษัทที่ใช้ทุนมาก (เช่น บริษัทโทรคมนาคม) อย่างไรก็ตาม ตลาดที่ใหญ่ที่สุดของ DePIN จะเกิดขึ้นในการเก็บข้อมูลชุดใหม่ที่จะไหลเข้าสู่ระบบอัจฉริยะ on-chain: โปรโตคอลตัวแทน (ที่จะถูกพูดถึงในภายหลัง)

ในโลกนี้ ตลาดภาพเพียงใดที่ใหญ่ที่สุดในโลก - แรงงาน กำลังถูกข้อมูลและการคำนวณทำลาย ในโลกนี้ โครงสร้างพื้นฐาน De AI มุ่งเน้นการให้ทางการสามารถเข้าถึงทรัพยากรการผลิตและมีส่วนร่วมในเศรษฐกิจของเครือข่ายที่กำลังจะมาถึง

หน่วยความจำกลาง

เป้าหมายสุดท้ายของ DeAI คือการทำให้การคำนวณที่สามารถเชื่อมต่อกันได้อย่างมีประสิทธิภาพ คล้ายกับอะไรที่เรียกว่าการเงินแบบกระจายอำนาจ ที่หน้าที่ของ DeAI คือการเติมเต็มประสิทธิภาพที่เป็นไปได้ของประสิทธิภาพที่เป็นจริงในปัจจุบัน และกระตุ้นระบบนิเวศอัตโนมัติและการคำนวณที่เปิดเผยได้อย่างต่อเนื่อง โดยทำให้เกิดดอกเบี้ยทบต้นซึ่งจะเพิ่มขึ้นไปเรื่อย ๆ ตามเวลา และหวังว่าจะเกินความสามารถของซอฟต์แวร์และการคำนวณที่มีอยู่ในปัจจุบัน

ถ้าเราพูดถึง Google ที่เป็น “แบบรวม” ในทางตรงข้าม DeAI จะแทน “แบบโมดูล” ในทางตรงข้าม ตามที่ Clayton Christensen เตือนให้ระวัง ในอุตสาหกรรมใหม่ วิธีการแบบรวมมักจะช่วยลดความเสียหายในโซ่ค่าความเสียหาย แต่เมื่ออุตสาหกรรมเติบโตจนถึงขั้นตอนการเจริญเติบโต โมดูลไลน์ค่าความเสียหายจะเข้ามาแข่งขันในแต่ละชั้นของสแต็กและประสิทธิภาพต้นทุน

AI แบบ อินเทกระบบ ต่อกับ AI แบบ โมดูล

เรามีความมั่นใจมากในการดูและสนับสนุนหมวดหมู่ที่สำคัญสำหรับการทำให้วิสัยทธิ์นี้เป็นจริง

เส้นทาง

ในโลกของชิ้นส่วนอัจฉริยะที่แตกต่างกัน อย่างไรก็ตาม เราจะเลือกโหมดและเวลาที่ถูกต้องโดยใช้ราคาที่ดีที่สุดได้อย่างไร? ผู้รวมอำนาจในการต้องการตลอดเวลาจะตระหนักถึงค่าใช้จ่าย (ดูทฤษฎีการรวมกลุ่ม) และความสามารถในการเส้นทางเป็นสิ่งที่สำคัญอย่างยิ่งสำหรับการปรับปรุงเสถียรภาพและต้นทุนในโลกของชิ้นส่วนอัจฉริยะ

Bittensor ยังคงเป็นผู้นำในรุ่นที่หนึ่ง แต่ก็มีคู่แข่งที่เข้ามาแข่งขันหลายรายอีกเช่นกัน

Allora จัดการการแข่งขันระหว่างโมเดลที่แตกต่างกันในหัวข้อที่แตกต่างกันด้วย “การรับรู้บริบท” และการปรับปรุงตนเองตามเวลา และให้ข้อมูลสำหรับการทำนายในอนาคตตามความถูกต้องทางประวัติศาสตร์ของเงื่อนไขที่ระบุ

เป้าหมายของ Morpheus คือเป็น “ตัวเชื่อมต่อผู้ต้องการ” สำหรับกรณีใช้ของ Web3 - ซึ่งเป็นพื้นฐานที่มีโอเพ่นซอร์ส ในที่สุดก็เป็นตัวแทนท้องถิ่นที่สามารถตรวจจับบริบทที่เกี่ยวข้องกับผู้ใช้และสามารถสอบถามได้อย่างมีประสิทธิภาพผ่าน DeFi หรือการค้นหาเส้นทางในรูปแบบใหม่ของพื้นฐานการคำนวณที่สามารถสร้างผลลัพธ์ที่สอดคล้องกันได้

Agent โปรโตคอลแบบอินเตอร์ออเปอเรเบิล เช่น Theoriq และ Autonolas เป็นต้น มีจุดประสงค์เพื่อเน้นการเลี้ยงเส้นทางแบบโมดูลไปสู่ขีดสุดของความยืดหยุ่น ทำให้ Agent หรือส่วนประกอบที่ยืดหยุ่นสามารถเป็นส่วนประกอบและระบบนิเวศที่ซับซ้อนได้เติมเต็มอย่างสมบูรณ์เป็นบริการ on-chain ที่สมบูรณ์

ในโลกที่มีเทคโนโลยีอัจฉริยะแตกต่างกันอย่างรวดเร็ว สะสมความต้องการและขายของจะเป็นเครื่องมือที่มีประสิทธิภาพมากขึ้น เช่นเดียวกับบริษัทมูลค่า 2 ล้านดอลลาร์ของ Google ที่ทำการจัดทำดัชนีข้อมูลทั่วโลก ผู้ที่จะเป็นผู้ชนะในการเป็นเครื่องมือสำหรับเส้นทางผู้ต้องการ ไม่ว่าจะเป็นบริษัทแทนสำหรับการจัดทำดัชนีข้อมูลอัจฉริยะ เช่น Apple, Google หรือ Web3 solution จะมีขนาดใหญ่กว่านั้น

ตัวประมวลผลร่วม

เนื่องจากความกระจายของมัน บล็อกเชนถูก จำกัด อย่างมากในด้านข้อมูลและการคำนวณ วิธีการนำเข้าแอปพลิเคชัน AI ที่ต้องการการคำนวณและข้อมูลที่หนาแน่นเข้าสู่บล็อกเชนคือ ผ่านตัวประมวลผลร่วม

อินทรีย์อยู่ใน Crypto 中的ชั้นโปรแกรมประยุกต์

พวกเขาได้ให้เทคโนโลยีที่แตกต่างกันมาเพื่อ “ยืนยัน” ข้อมูลหรือแบบจำลองพื้นฐานที่กำลังใช้อยู่ว่าเป็น “เครื่อง Oracle” ที่ถูกต้อง วิธีนี้สามารถลดการสมมติฐานความเชื่อใหม่ๆ บน on-chain ลงได้สูงสุดพร้อมกับเพิ่มความสามารถของมันอย่างมาก จนถึงปัจจุบันมีโครงการหลายๆ รายการใช้ zkML、opML、TeeML และวิธีการเข้ารหัสเศรษฐศาสตร์ แต่ข้อดีและข้อเสียของแต่ละอย่างนั้นไม่เหมือนกัน:

การเปรียบเทียบหน่วยประมวลผลเสริม

ในระดับที่สูงขึ้น การประมวลผลร่วมเป็นสิ่งสำคัญสำหรับสัญญาอัจฉริยะ - ให้การแก้ปัญหาแบบเก็บข้อมูลที่คล้ายกับ “คลังข้อมูล” เพื่อให้สามารถสอบถามหรือยืนยันว่าการตรวจคำนวณที่กำหนดมีความถูกต้องหรือไม่สำหรับประสบการณ์ on-chain ที่กำหนดเอง

TEE ( การดำเนินการที่น่าเชื่อถือ ) เครือข่าย เช่น Super, Phala และ Marlin ซึ่งเป็นเป็นที่นิยมมากขึ้นเร็ว ๆ นี้ เนื่องจากความสามารถในการใช้งานและความสามารถในการรองรับแอปพลิเคชันของมัน

โดยรวมแล้วตัวประมวลผลร่วมเป็นสิ่งสำคัญอย่างยิ่งในการรวมบล็อกเชนที่มีความแม่นยำสูงแต่มีประสิทธิภาพต่ำกับอสังหาริมทรัพย์ที่มีประสิทธิภาพสูงแต่มีความน่าจะเป็นสูงเข้าด้วยกัน หากไม่มีตัวประมวลผลร่วม ภาคปัญหาจะไม่ปรากฏในบล็อกเชนรุ่นนี้

มาตรการส่งเสริมนักพัฒนา

AI โอเพ่นซอร์สการพัฒนามีหนึ่งในปัญหาที่สำคัญคือขาดความสนับสนุนที่จะทำให้มันยังอยู่ได้ต่อไป การพัฒนา AI เป็นการใช้ทุนมาก มีค่า Opportunity สูงสุด หากไม่มีมาตรการสนับสนุนที่เหมาะสมที่จะรางวัลการมีส่วนร่วมของโอเพ่นซอร์ส สาขานี้อาจจะถูกพลิกตำแหน่งไปให้กับซูเปอร์คอมพิวเตอร์ที่เป็นของพวกคนพิเศษ

จาก Sentiment ไปยัง Pluralis, Sahara AI และ Mira, โครงการเหล่านี้มีเป้าหมายที่จะเปิดใช้เครือข่ายให้บุคคลที่กระจายอยู่สามารถมีส่วนร่วมในอัจฉริยะเครือข่ายได้พร้อมกับรับสิ่งส่งตอบที่เหมาะสม

ด้วยการชดเชยในโมเดลธุรกิจ, ความเร็วของดอกเบี้ยทบต้นโอเพ่นซอร์สอาจจะเพิ่มขึ้น - ให้โอกาสแก่นักพัฒนาและนักวิจัย AI ได้เลือกที่ระดับโลกนอกเหนือจากบริษัทเทคโนโลยีขนาดใหญ่และมีโอกาสได้รับผลตอบแทนอย่างมีค่าตามความคิดสร้างสรรค์

การที่จะทำให้สำเร็จนั้นยากมาก และการแข่งขันก็กำลังเพิ่มขึ้น แต่ตลาดภายในประเทศที่นี่มีขนาดใหญ่มาก

โมเดล GNN

โมเดลภาษาใหญ่จะแบ่งรูปแบบในโครงสร้างของข้อความขนาดใหญ่และเรียนรู้การทำนายคำต่อไป ในขณะที่เครือข่ายประสาทกราฟ (GNN) จะประมวลผล วิเคราะห์ และเรียนรู้ข้อมูลโครงสร้างกราฟ โดยเนื่องจากข้อมูล on-chain มีโครงสร้างกราฟซึ่งประกอบด้วยการโต้ตอบที่ซับซ้อนระหว่างผู้ใช้และสัญญาอัจฉริยะ กล่าวอีกนัยหนึ่ง GNN ดูเหมาะสมกับการใช้งาน AI บน on-chain

โครงการ Pond และ RPS นี้กำลังพยายามสร้างโมเดลพื้นฐานสำหรับ web3 ซึ่งอาจถูกนำไปใช้ในกรณีการซื้อขาย การใช้ Defi หรือแม้กระทั่งกรณีการใช้ในเคสทางสังคม เช่น

• การพยากรณ์ราคา: โมเดลพฤติกรรมบนเชื่อมต่อ on-chain ทำนายราคา กลยุทธ์การซื้อขายอัตโนมัติ การวิเคราะห์อารมณ์
• AI 金融： 与现有 การเงินแบบกระจายอำนาจ 应用程序的集成、先进的收益策略和สภาพคล่อง利用、更好的การบริหารความเสี่ยง / 治理
• การตลาดแบบ on-chain: เครื่องมือแนะนำที่มีเป้าหมายและตำแหน่งที่ชัดเจนยิ่งขึ้น ซึ่งขึ้นอยู่กับพฤติกรรม on-chain

โมเดลเหล่านี้จะใช้โซลูชันคลังข้อมูลมากมาย เช่น Space and Time, Subsquid, Covalent และ Hyperline ฯลฯ ฉันก็คาดว่ามันจะดีอย่างยิ่ง

GNN สามารถพิสูจน์ว่าโมเดลขนาดใหญ่ของบล็อกเชนและคลังข้อมูล Web3 เป็นเครื่องมือช่วยที่จำเป็น นั่นคือการให้ OLAP (การวิเคราะห์แบบออนไลน์) ให้กับ Web3

การใช้งาน

ในทางผมมองเห็นว่า on-chain Agents อาจเป็นสิ่งสำคัญที่สำคัญในการแก้ไขปัญหาประสบการณ์ผู้ใช้สำหรับสกุลเงินดิจิทัลที่รู้จักทั่วไป แต่สิ่งที่สำคัญกว่าคือ ในภายหลังสิบปีที่ผ่านมา เราลงทุนในพื้นฐานของ Web3 หลายพันล้านดอลลาร์ แต่อัตราการใช้งานของฝ่ายอุปทานกลับน้อยมาก

ไม่ต้องกังวล เอเจ้นท์มาแล้ว…

AI ในคะแนนการทดสอบด้านพฤติกรรมของมนุษย์พุ่งขึ้น

นอกจากนี้ยังดูเหมือนว่ามีเหตุผลที่ตัวแทนเหล่านี้ใช้ประโยชน์จากโครงสร้างพื้นฐานแบบเปิดและไม่ได้รับอนุญาตซึ่งครอบคลุมการชําระเงินและการประมวลผลแบบประกอบได้เพื่อให้บรรลุเป้าหมายสุดท้ายที่ซับซ้อนยิ่งขึ้น ในระบบเศรษฐกิจอัจฉริยะแบบเครือข่ายที่กําลังจะมาถึง การเคลื่อนย้ายทางเศรษฐกิจอาจไม่ใช่ B-> B->C อีกต่อไป แต่เป็นผู้ใช้เครือข่ายคอมพิวเตอร์>> -> เอเจนต์->ผู้ใช้ ผลลัพธ์สุดท้ายของโฟลว์นี้คือโปรโตคอลเอเจนซี่ องค์กรที่ใช้แอปพลิเคชันหรือบริการมีค่าใช้จ่ายที่ จํากัด ทํางานบนทรัพยากรแบบ on-chain เป็นหลักและมีราคาถูกกว่าองค์กรแบบดั้งเดิมเพื่อตอบสนองความต้องการของผู้ใช้ปลายทาง (หรือซึ่งกันและกัน) ในเครือข่ายที่ประกอบได้ ในลักษณะเดียวกับที่เลเยอร์แอปพลิเคชันของ Web2 จับค่าส่วนใหญ่ฉันยังเป็นแฟนตัวยงของทฤษฎี “fat proxy protocol” ใน DeAI เมื่อเวลาผ่านไปการจับภาพค่าควรเปลี่ยนไปที่ชั้นบนของสแต็ค

การสะสมมูลค่าใน AI แบบสร้าง

Google, Facebook และ Blackrock ถัดไปมีแนวโน้มที่จะเป็นผู้รับมอบฉันทะและส่วนประกอบที่ใช้พวกเขากําลังถือกําเนิดขึ้น

DeAI ตาย

AI จะเปลี่ยนแปลงรูปแบบเศรษฐกิจของเรา ในปัจจุบันตลาดคาดหวังว่าการจับคู่ค่าความคิดค่านี้จะถูก จำกัด ภายใต้บริษัทใหญ่ในฝั่งตะวันตกของอเมริกาเท่านั้น แต่ DeAI แสดงให้เห็นวิสัยทัศน์ที่แตกต่าง โดยเป็นวิสัยทัศน์ของเครือข่ายปัญญาประดิษฐ์ที่เปิดกว้างและสามารถรวมกันได้ ซึ่งมีรางวัลและค่าตอบแทนสำหรับภาพที่เล็กน้อยอย่างเป็นทางการและสิทธิ์ในการครอบครองร่วมกันมากขึ้น

แม้ว่าคำพูดบางอย่างใน DeAI จะเกินไปและราคาการซื้อขายของโครงการหลายๆ โครงการจะสูงกว่าแรงขับเคลื่อนที่เกิดขึ้นในปัจจุบัน แต่ขอบเขตของโอกาสนั้นก็เป็นไปได้อย่างแน่นอน สำหรับคนที่มีความอดทนและมีวิสัยทัศน์ วิสัยทัศน์สุดท้ายของ DeAI ที่สามารถรวมความสามารถในการคำนวณจริงๆ อาจพิสูจน์ถึงความสมเหตุสมผลของบล็อกเชนเอง