Compreendendo o crescente ecossistema de IA da Web3

Em pouco mais de um ano desde o lançamento de estreia do ChatGPT, a IA generativa se tornou indiscutivelmente a narrativa global mais influente hoje. O sucesso inicial do OpenAI impulsionou um aumento no interesse dos investidores por modelos de grandes linguagens (LLMs) e aplicativos de IA, atraindo US$ 25 bilhões em financiamento em 2023 ((aumento de 5x em relação ao ano anterior!), em busca da potencial oportunidade de mercado multibilionária.

Você está lendo Cripto Longas e Curtas, nosso boletim informativo semanal com insights, notícias e análises para o investidor profissional.Inscreva-se aquipara recebê-lo em sua caixa de entrada toda quarta-feira.

Como eu tenhoescrito anteriormente, IA e tecnologias de Cripto se complementam bem, então não é surpreendente ver um ecossistema de IA crescente surgindo dentro da Web3. Apesar de toda a atenção, notei muita confusão sobre o que esses protocolos fazem, o que é exagero vs. real e como todos eles se encaixam. Este relatório mapeará a cadeia de suprimentos de IA da Web3, definirá cada camada na pilha de tecnologia e explorará os vários cenários competitivos. No final, você deve ter uma compreensão básica de como o ecossistema funciona e o que procurar a seguir.

Pilha de tecnologia de IA da Web3

Camada de Infraestrutura

A IA generativa é alimentada por LLMs, que são executados em GPUs de alto desempenho. Os LLMs têm três cargas de trabalho principais: treinamento (criação de modelo), ajuste fino (especialização de setor/tópico) e inferência (execução do modelo). Eu segmentei essa camada em GPU de uso geral, GPU específica de ML e agregadores de GPU, que são caracterizados por suas diferentes capacidades de carga de trabalho e casos de uso. Esses mercados P2P são incentivados por criptomoedas para garantir a descentralização segura, mas é importante observar que o processamento real da GPU ocorre fora da cadeia.

• GPU de uso geral:Mercados (descentralizados) incentivados por criptomoedas para poder de computação de GPU que podem ser usados para qualquer tipo de aplicação. Dada sua natureza de propósito geral, o recurso de computação é mais adequado apenas para inferência de modelo (a carga de trabalho LLM mais usada). Os primeiros líderes de categoria incluem Akash e Render, mas, com muitos novos participantes surgindo, não está claro como a diferenciação de protocolo se desenvolverá. Embora a computação seja tecnicamente uma mercadoria, a demanda da Web3 por computação sem permissão e específica para GPU deve continuar a crescer exponencialmente na próxima década, à medida que integramos mais a IA em nossas vidas diárias. Os principais diferenciadores de longo prazo serão a distribuição e os efeitos de rede.
• GPU específica de ML:Esses marketplaces são mais específicos para aplicações de machine learning (ML) e, portanto, podem ser usados para treinamento de modelos, ajuste fino e inferência. Ao contrário dos marketplaces de uso geral, esses protocolos podem se diferenciar melhor por meio da sobreposição de software específico de ML, mas a distribuição e os efeitos de rede também serão essenciais. A Bittensor tem uma liderança inicial, mas muitos projetos serão lançados em breve.
• Agregadores de GPU:Esses marketplaces agregam o fornecimento de GPU das duas categorias anteriores, abstraem a orquestração de rede e sobrepõem com software específico de ML. Eles são como VARs (revendedores de valor agregado) da Web2 e podem ser considerados distribuidores de produtos. Esses protocolos oferecem soluções de GPU mais completas que podem executar treinamento de modelo, ajuste fino e inferência.Io.neté o primeiro protocolo a surgir na categoria, mas espero que mais concorrentes surjam dada a necessidade de uma distribuição de GPU mais consolidada.

Camada de Middleware

A camada anterior permite acesso sem permissão a GPUs, mas o middleware é necessário para conectar esse recurso de computação a contratos inteligentes on-chain de uma maneira com confiança minimizada (ou seja, para uso por aplicativos Web3). Insira provas de conhecimento zero (ZKPs), um método criptográfico pelo qual uma parte (provador) pode provar a outra parte (verificador) que uma determinada declaração é verdadeira, evitando transmitir ao verificador qualquer informação além do fato da verdade da declaração. No nosso caso, a “declaração” é a saída dos LLMs dada uma entrada específica.

• Verificação de inferência de conhecimento zero (ZK):Mercados descentralizados para verificadores ZKP darem lances na oportunidade de verificar (por compensação) se as saídas de inferência são produzidas com precisão pelo LLM desejado (mantendo os dados e parâmetros do modelo privados). Embora a Tecnologia ZK tenha evoluído muito, o ZK para aprendizado de máquina (zkML) ainda está em seus primórdios e deve ficar mais barato e rápido para ser prático. Quando isso acontecer, ele tem o potencial de abrir drasticamente o espaço de design Web3 e IA, permitindo que contratos inteligentes acessem LLMs de forma descentralizada. Embora ainda seja cedo, =nil;, Giza e RISC Zero lideram a atividade do desenvolvedor no GitHub. Protocolos como Blockless estão bem posicionados, independentemente do que os provedores ZKP WIN , pois atuam como camadas de agregação e abstração (distribuição ZKP).
• Hubs de ferramentas e aplicativos para desenvolvedores:Além dos ZKPs, os desenvolvedores Web3 exigem ferramentas, kits de desenvolvimento de software (SDKs) e serviços para criar aplicativos de forma eficiente, como agentes de IA.(entidades de software que realizam operações em nome de um usuário ou outro programa com algum grau de autonomia, empregando a representação dos objetivos do usuário)e estratégias de negociação automatizadas alimentadas por IA. Muitos desses protocolos também funcionam como hubs de aplicativos, onde os usuários podem acessar diretamente aplicativos finalizados que foram criados em suas plataformas (distribuição de aplicativos). Os primeiros líderes incluem Bittensor, que atualmente hospeda 32 “sub-redes” diferentes (aplicativos de IA) eFetch.ai, que oferece uma plataforma de serviço completo para o desenvolvimento de agentes de IA de nível empresarial.

Camada de Aplicação

E, finalmente, no topo da pilha de tecnologia, temos aplicativos de interface de usuário que alavancam o poder de processamento de IA sem permissão do Web3 (habilitado pelas duas camadas anteriores) para concluir tarefas específicas para uma variedade de casos de uso. Essa parte do mercado ainda é incipiente e ainda depende de infraestrutura centralizada, mas os primeiros exemplos incluem auditoria de contratos inteligentes, chatbots específicos de blockchain, jogos de metaverso, geração de imagens e plataformas de negociação e gerenciamento de risco. À medida que a infraestrutura subjacente continua a avançar e os ZKPs amadurecem, os aplicativos de IA de última geração surgirão com funcionalidades difíceis de imaginar hoje. Não está claro se os primeiros participantes conseguirão KEEP ou se novos líderes surgirão em 2024 e depois.

Perspectiva do investidor:Embora eu esteja otimista com toda a pilha de tecnologia de IA, acredito que infraestrutura e protocolos de middleware são melhores investimentos hoje, dada a incerteza sobre como a funcionalidade de IA evoluirá ao longo do tempo. Não importa como evolua, os aplicativos de IA Web3 sem dúvida exigirão grande poder de GPU, Tecnologia ZKP e ferramentas e serviços de desenvolvedor (ou seja, infraestrutura e middleware).

Aviso Importante:A M31 Capital tem posições em vários tokens mencionados neste artigo.