Разбираемся в быстрорастущей экосистеме искусственного интеллекта Web3

Всего за год с момента дебютного релиза ChatGPT генеративный ИИ, возможно, стал самым влиятельным мировым нарративом сегодня. Ранний успех OpenAI вызвал всплеск интереса инвесторов к большим языковым моделям (LLM) и приложениям ИИ, привлекая $25 млрд финансирования в 2023 году ((в 5 раз больше, чем в предыдущем году!), в погоне за потенциальными рыночными возможностями стоимостью в несколько триллионов долларов.

Вы читаете Криптo Лонг и Шорт, наш еженедельный информационный бюллетень с идеями, новостями и аналитикой для профессиональных инвесторов.Зарегистрируйтесь здесьчтобы получать его на свой почтовый ящик каждую среду.

Как я уже сказалранее написанное, ИИ и Криптo хорошо дополняют друг друга, поэтому неудивительно, что в Web3 появляется растущая экосистема ИИ. Несмотря на все внимание, я заметил много путаницы в том, что делают эти протоколы, что является шумихой, а что реальностью, и как они все сочетаются друг с другом. В этом отчете будет представлена ​​цепочка поставок ИИ Web3, определен каждый уровень в технологическом стеке и изучены различные конкурентные ландшафты. К концу вы должны иметь базовое понимание того, как работает экосистема и на что обратить внимание в дальнейшем.

Технологический стек искусственного интеллекта Web3

Уровень инфраструктуры

Генеративный ИИ работает на LLM, которые работают на высокопроизводительных GPU. LLM имеют три основные рабочие нагрузки: обучение (создание модели), тонкая настройка (специализация сектора/темы) и вывод (запуск модели). Я сегментировал этот слой на GPU общего назначения, GPU, специфичные для ML, и агрегаторы GPU, которые характеризуются различными возможностями рабочей нагрузки и вариантами использования. Эти торговые площадки P2P стимулируются криптовалютой для обеспечения безопасной децентрализации, но важно отметить, что фактическая обработка GPU происходит вне цепочки.

• Универсальный графический процессор:Криптовалютно-стимулированные (децентрализованные) рынки вычислительной мощности GPU, которые могут использоваться для любого типа приложений. Учитывая его универсальный характер, вычислительный ресурс лучше всего подходит только для вывода модели (наиболее используемая рабочая нагрузка LLM). Ранние лидеры категории включают Akash и Render, но с появлением множества новых участников неясно, как будет проявляться дифференциация протоколов. Хотя вычисление технически является товаром, спрос Web3 на не требующие разрешения вычисления, специфичные для GPU, должен продолжать экспоненциально расти в течение следующего десятилетия с лишним, поскольку мы все больше интегрируем ИИ в нашу повседневную жизнь. Ключевыми долгосрочными дифференциаторами будут распределение и сетевые эффекты.
• Графический процессор, специфичный для машинного обучения:Эти торговые площадки более специфичны для приложений машинного обучения (ML) и поэтому могут использоваться для обучения моделей, тонкой настройки и вывода. В отличие от универсальных торговых площадок, эти протоколы могут лучше дифференцироваться через наложение специфичного для ML программного обеспечения, но распределение и сетевые эффекты также будут ключевыми. Bittensor имеет раннее лидерство, но многие проекты запускаются в ближайшее время.
• Агрегаторы GPU:Эти торговые площадки объединяют поставки GPU из предыдущих двух категорий, абстрагируются от оркестровки сетей и накладываются на специфичное для ML программное обеспечение. Они похожи на Web2 VAR (реселлеры с добавленной стоимостью) и могут рассматриваться как дистрибьюторы продуктов. Эти протоколы предлагают более полные решения GPU, которые могут выполнять обучение моделей, тонкую настройку и вывод.Ио.нетэто первый протокол, появившийся в этой категории, но я ожидаю появления большего количества конкурентов, учитывая необходимость более консолидированного распределения графических процессоров.

Промежуточный уровень

Предыдущий уровень обеспечивает неконтролируемый доступ к графическим процессорам, но для подключения этого вычислительного ресурса к смарт-контрактам в цепочке с минимальным доверием (т. е. для использования приложениями Web3) необходимо промежуточное программное обеспечение. Введите доказательства с нулевым разглашением (ZKP), криптографический метод, с помощью которого ONE сторона (доказывающая) может доказать другой стороне (проверяющей), что данное утверждение истинно, избегая при этом передачи проверяющей стороне какой-либо информации, выходящей за рамки факта истинности утверждения. В нашем случае «утверждение» — это вывод LLM с учетом конкретных входных данных.

• Проверка вывода с нулевым разглашением (ZK):Децентрализованные рынки для верификаторов ZKP, чтобы делать ставки на возможность проверки (за компенсацию) того, что выводы вывода точно производятся желаемым LLM (при этом данные и параметры модели остаются конфиденциальными). Хотя Технологии ZK прошла долгий путь, ZK для машинного обучения (zkML) все еще находится на ранней стадии развития и должна стать дешевле и быстрее, чтобы стать практичной. Когда это произойдет, у него есть потенциал радикально открыть пространство проектирования Web3 и AI, позволяя смарт-контрактам получать доступ к LLM децентрализованным образом. Хотя это еще рано, =nil;, Giza и RISC Zero лидируют в активности разработчиков на GitHub. Такие протоколы, как Blockless, хорошо позиционируются, независимо от того, какой поставщик ZKP WIN, поскольку они действуют как слои агрегации и абстракции (распределение ZKP).
• Инструменты разработчика и центры приложений:Помимо ZKP, разработчикам Web3 требуются инструменты, комплекты средств разработки программного обеспечения (SDK) и службы для эффективного создания приложений, таких как агенты ИИ.(программные объекты, которые выполняют операции от имени пользователя или другой программы с некоторой степенью автономии, используя представление целей пользователя)и автоматизированные торговые стратегии на базе ИИ. Многие из этих протоколов также дублируют хабы приложений, где пользователи могут напрямую получать доступ к готовым приложениям, созданным на их платформах (распределение приложений). Ранние лидеры включают Bittensor, который в настоящее время размещает 32 различные «подсети» (приложения ИИ), иFetch.ai, которая предлагает полнофункциональную платформу для разработки агентов искусственного интеллекта корпоративного уровня.

Уровень приложений

И, наконец, на вершине технологического стека у нас есть приложения пользовательского интерфейса, которые используют вычислительную мощность ИИ без разрешения Web3 (обеспеченную предыдущими двумя уровнями) для выполнения определенных задач для различных вариантов использования. Эта часть рынка все еще находится в зачаточном состоянии и по-прежнему полагается на централизованную инфраструктуру, но ранние примеры включают аудит смарт-контрактов, чат-ботов, специфичных для блокчейна, игры в метавселенной, генерацию изображений, а также платформы для торговли и управления рисками. По мере того, как базовая инфраструктура продолжает развиваться, а ZKP становятся зрелыми, появятся приложения ИИ следующего поколения с функциональностью, которую сегодня трудно представить. Неясно, смогут ли ранние участники не KEEP или появятся новые лидеры в 2024 году и далее.

Взгляд инвесторов:Хотя я настроен оптимистично в отношении всего стека технологий ИИ, я считаю, что инфраструктура и протоколы промежуточного ПО являются лучшими инвестициями сегодня, учитывая неопределенность в том, как будет развиваться функциональность ИИ с течением времени. Как бы они ни развивались, приложениям ИИ Web3, несомненно, потребуются огромные мощности графических процессоров, Технологии ZKP, а также инструменты и сервисы для разработчиков (т. е. инфраструктура и промежуточное ПО).

Раскрытие информации:M31 Capital имеет позиции в нескольких токенах, упомянутых в этой статье.