Розуміння екосистеми штучного інтелекту Web3, що розвивається

Лише за рік після дебютного випуску ChatGPT генеративний штучний інтелект, можливо, став найвпливовішим глобальним наративом сьогодні. Ранній успіх OpenAI спричинив сплеск інтересу інвесторів до великих мовних моделей (LLM) і програм штучного інтелекту, залучивши 25 мільярдів доларів США у 2023 році (більше ніж у 5 разів!), у гонитві за потенційною багатотрильйонною ринковою можливістю.

Ти читаєш Довгі та короткі Крипто, наш щотижневий інформаційний бюлетень, що містить статистику, новини та аналіз для професійних інвесторів. Зареєструйтеся тут щоб отримувати його на свою поштову скриньку щосереди.

Як і я раніше написане, штучний інтелект і Крипто добре доповнюють одна одну, тому не дивно, що екосистема штучного інтелекту в Web3 розвивається. Незважаючи на всю увагу, я помітив багато плутанини щодо того, що ці протоколи роблять, що таке реклама чи реальність і як вони всі поєднуються. У цьому звіті буде описано ланцюжок постачання Web3 AI, визначено кожен рівень у наборі технологій і досліджено різні конкурентні ландшафти. Наприкінці ви повинні мати базове розуміння того, як працює екосистема та на що слід звернути увагу.

Стек технологій ШІ Web3

Рівень інфраструктури

Generative AI базується на LLM, які працюють на високопродуктивних графічних процесорах. LLM мають три основні робочі навантаження: навчання (створення моделі), тонке налаштування (спеціалізація галузі/теми) і висновок (запуск моделі). Я поділив цей рівень на графічний процесор загального призначення, спеціальний графічний процесор для машинного навчання та агрегатори графічного процесора, які характеризуються різними можливостями робочого навантаження та варіантами використання. Ці P2P-ринки стимулюються криптографією, щоб забезпечити безпечну децентралізацію, але важливо зазначити, що фактична обробка GPU відбувається поза мережею.

• GPU загального призначення: Крипто-стимульовані (децентралізовані) ринки для обчислювальної потужності GPU, які можна використовувати для будь-якого типу програм. З огляду на його характер загального призначення, обчислювальний ресурс найкраще підходить лише для моделювання висновків (найбільш використовуване навантаження LLM). Ранні лідери категорії включають Akash і Render, але, оскільки з’являється багато нових учасників, незрозуміло, як відбуватиметься диференціація протоколів. Хоча обчислення є технічно товаром, попит Web3 на обчислення без дозволів, які працюють на основі GPU, має продовжувати експоненціально зростати протягом наступного десятиліття з лишком, оскільки ми все більше інтегруємо штучний інтелект у наше повсякденне життя. Ключовими довгостроковими відмінностями будуть розподіл і мережеві ефекти.
• Спеціальний графічний процесор ML: Ці ринки більш специфічні для додатків машинного навчання (ML), тому їх можна використовувати для навчання моделей, тонкого налаштування та висновків. На відміну від торговельних майданчиків загального призначення, ці протоколи можуть краще диференціюватись завдяки накладенню спеціального програмного забезпечення для ML, але розповсюдження та мережеві ефекти також будуть ключовими. Bittensor має раннє лідерство, але незабаром буде запущено багато проектів.
• Агрегатори GPU: Ці ринки об’єднують пропозиції GPU з попередніх двох категорій, абстрагуються від мережевої оркестровки та накладаються на спеціальне програмне забезпечення для ML. Вони схожі на Web2 VAR (посередники з доданою цінністю), і їх можна розглядати як дистриб’юторів продуктів. Ці протоколи пропонують більш повні рішення GPU, які можуть запускати навчання моделі, точне налаштування та висновки.Io.net — це перший протокол, який з’явився в цій категорії, але я очікую, що з’явиться більше конкурентів, зважаючи на потребу в більш консолідованому розповсюдженні GPU.

Рівень проміжного програмного забезпечення

Попередній рівень забезпечує доступ до графічних процесорів без дозволу, але проміжне програмне забезпечення потрібне для підключення цього обчислювального ресурсу до інтелектуальних контрактів у ланцюжку з мінімізованою довірою (тобто для використання програмами Web3). Введіть докази з нульовим знанням (ZKPs), криптографічний метод, за допомогою якого ONE сторона (доказник) може довести іншій стороні (верифікатору), що певне твердження є істинним, уникаючи при цьому передати верифікатору будь-яку інформацію, окрім факту правдивості твердження. У нашому випадку «заява» — це вихідні дані LLM з урахуванням певних вхідних даних.

• Перевірка висновків із нульовим знанням (ZK): Децентралізовані ринкові майданчики для верифікаторів ZKP, щоб брати участь у торгах за можливість перевірити (за компенсацію), що вихідні дані точно створені бажаним LLM (зберігаючи при цьому конфіденційність даних і параметрів моделі). Незважаючи на те, що Технології ZK пройшла довгий шлях, ZK для машинного навчання (zkML) все ще знаходиться на ранніх стадіях і має стати дешевшим і швидшим, щоб бути практичним. Коли це станеться, він має потенціал кардинально відкрити простір дизайну Web3 і AI, дозволяючи смарт-контрактам отримувати децентралізований доступ до LLM. Хоча це ще рано, =nil;, Giza та RISC Zero ведуть діяльність розробників на GitHub. Протоколи, такі як Blockless, добре позиціонуються незалежно від того, який постачальник ZKP WIN, оскільки вони діють як рівні агрегації та абстракції (розповсюдження ZKP).
• Центри інструментів і додатків розробників: Окрім ZKP, розробникам Web3 потрібні інструменти, комплекти розробки програмного забезпечення (SDK) і послуги для ефективного створення додатків, таких як агенти ШІ (програмні об’єкти, які виконують операції від імені користувача або іншої програми з деяким ступенем автономності, використовуючи представлення цілей користувача) і автоматизовані торгові стратегії на основі ШІ. Багато з цих протоколів також є концентраторами додатків, де користувачі можуть отримати прямий доступ до готових додатків, створених на їхніх платформах (розповсюдження додатків). Перші лідери включають Bittensor, який наразі містить 32 різні «підмережі» (програми ШІ), і Fetch.ai, який пропонує платформу з повним набором послуг для розробки агентів ШІ корпоративного рівня.

Рівень програми

І, нарешті, на вершині технологічного стеку ми маємо додатки з інтерфейсом користувача, які використовують бездозволну обробну потужність Web3 AI (забезпечену попередніми двома рівнями) для виконання конкретних завдань для різноманітних випадків використання. Ця частина ринку все ще зароджується і все ще покладається на централізовану інфраструктуру, але ранні приклади включають аудит смарт-контрактів, чат-боти для блокчейнів, ігри в метавсесвіті, створення зображень, а також платформи для торгівлі та управління ризиками. Оскільки базова інфраструктура продовжує розвиватися, а ZKP розвиваються, з’являться додатки ШІ нового покоління з функціональністю, яку сьогодні важко уявити. Незрозуміло, чи зможуть перші учасники KEEP , чи з’являться нові лідери у 2024 році та пізніше.

Погляд інвестора: Хоча я позитивно оцінюю весь пакет технологій штучного інтелекту, я вважаю, що інфраструктура та протоколи проміжного програмного забезпечення сьогодні є кращими інвестиціями, враховуючи невизначеність щодо того, як функціональність ШІ розвиватиметься з часом. Незважаючи на розвиток, додатки Web3 AI, безсумнівно, вимагатимуть величезної потужності графічного процесора, Технології ZKP, інструментів і послуг розробника (тобто інфраструктури та проміжного ПЗ).

Повідомлення: M31 Capital має позиції в кількох токенах, згаданих у цій статті.