灰度：Crypto 怎样加速 AI 时代的到来？

Grayscale（灰度）昨日宣布推出专注于去中心化 AI 的新基金 Grayscale Decentralized AI Fund LLC。基金首批项目包括 Bittensor（TAO）、Filecoin（FIL）、Livepeer（LPT）、Near（NEAR）和 Render（RNDR），其中 Near、Filecoin 和 Render 为基金中的最高权重资产。受此消息影响，相关代币大幅上涨。随后，Grayscale 发文对 AI 及去中心化 AI 进行了解读，阐述了对其重视的原因。以下为内容全文。

人工智能（AI）是本世纪最有前途的新兴技术之一，有可能指数级提高人类生产力并为医学突破提供动力。虽然 AI 在今天可能很重要，但其影响力只会越来越大。据普华永道估计，到 2030 年，AI 将成长为一个价值 15 万亿美元的行业。

然而，这项前景光明的技术也面临着挑战。随着 AI 技术越来越强大，AI 行业的权力却集中在少数公司手中，对社会有潜在的危害。这也引发了外界对深度造假、嵌入式偏见和数据隐私风险的严重担忧。幸运的是，加密技术以去中心化和透明度的特性为其中一些问题提供了潜在的解决方案。

本文将探讨中心化带来的问题，以及去中心化 AI 如何帮助解决其中的一些弊端。此外还将讨论 Crypto 和 AI 的交集，重点介绍该领域已显示出早期采用迹象的加密应用。

中心化 AI 的问题

当前 AI 发展面临着一定风险和挑战。AI 的网络效应和密集的资本需求非常显著，以至于大型科技公司以外的许多 AI 开发人员，如小公司或学术研究人员，要么难以获得 AI 开发所需的资源，要么无法将其工作变现。这限制了 AI 的整体竞争和创新。

因此，对这一关键技术的影响力主要集中在 OpenAI 和谷歌等少数几家公司手中，引发了对 AI 治理的严重质疑。例如，今年 2 月，谷歌的 AI 图像生成器 Gemini 被曝种族歧视和历史错误，涉嫌操纵模型。此外，去年 11 月，一个由六人组成的董事会决定解雇 OpenAI 首席执行官 Sam Altman，暴露了少数人控制着开发这些模型的公司的事实。

随着 AI 影响力和重要性越来越大，许多人担心一家公司可能会掌握对社会产生巨大影响的 AI 模型的决策权。甚至可能会以牺牲他人的利益为代价，设置壁垒闭门造车，或者操纵模型以谋取私利。

去中心化 AI 如何提供帮助

去中心化 AI 是指利用区块链技术，以提高透明度和可访问性的方式，分配 AI 所有权和治理的 AI 服务。Grayscale Research 认为，去中心化的 AI 有可能将这些重要的决策从封闭的环境中释放出来，为公众所有。

区块链技术可以帮助开发人员增加对 AI 的访问，降低独立开发人员构建和工作成果变现的门槛。这将有助于提高整体 AI 创新和竞争，并与科技巨头开发的模型保持平衡。

此外，去中心化的 AI 可以帮助实现 AI 投资的民主化。目前，除了通过一些科技股之外，很少有办法获得与 AI 开发相关的收益。与此同时，大量私人资本已分配给 AI 初创公司和私营公司（2022 年为 470 亿美元，2023 年为 420 亿美元）。因此，只有一小部分风投和合格投资者可以获得这些公司的收益。相比之下，去中心化的 AI 加密资产对每个人都是开放的，任何人都可以参与 AI 的未来。

如今交汇领域发展如何？

Crypto 和 AI 的交汇在成熟度方面仍处于早期阶段，但市场的反应令人振奋。截至 2024 年 5 月，加密资产的 AI 领域回报率为 20%，其表现优于绝大多数加密赛道。此外据 Kaito 数据，与 DeFi、Layer2、Meme 和 RWA 等其他赛道相比，AI 赛道目前在社交平台上的「叙事心智份额」最高（市场关注度最高）。

最近，一些知名人士开始拥抱这一新兴领域，致力于解决中心化 AI 的缺陷。今年 3 月，AI 公司 Stability AI 创始人 Emad Mostaque 离开公司，转而追求去中心化 AI，他表示「现在是时候确保 AI 保持开放和去中心化了」。此外，ShapeShift 创始人 Erik Vorhees 最近推出了 Venice.ai，这是一款专注于隐私的 AI 服务，具有端到端加密功能。

可以将 Crypto 和 AI 的交集分为三个主要子类：

• 基础设施层：为 AI 开发提供平台的网络（例如 NEAR，TAO，FET）
• AI 所需的资源：提供 AI 开发所需的关键资源（计算、存储、数据）的资产（例如 RNDR、AKT、LPT、FIL、AR、MASA）
• 解决 AI 问题：试图解决 AI 相关问题的资产，例如机器人和深度伪造的兴起以及模型验证（例如 WLD、TRAC、NUM）

为 AI 发展提供基础设施的网络

第一类是提供无需许可的开放式架构的网络，专为 AI 服务的总体开发而构建。这些资产不专注于某一种 AI 产品或服务，而是专注于为各种 AI 应用创建底层基础设施和激励机制。

NEAR 在这一类别中脱颖而出，其创始人是「Transformer」架构的联合创始人，该架构为 ChatGPT 等 AI 系统提供支持。今年 5 月，NEAR 宣布将专注于打造用户拥有的 AI 生态系统，致力于优化用户隐私和主权。6 月下旬，NEAR 启动了其 AI 孵化器计划，用于开发 NEAR 原生基础模型、AI 应用程序的数据平台、AI 代理框架和计算市场。

Bittensor 是一个使用 TAO 代币来经济地鼓励 AI 发展的平台。Bittensor 作为 38 个子网（subnets）的底层平台，每个子网都有不同的用例，如聊天机器人、图像生成、财务预测、语言翻译、模型训练、存储和计算。Bittensor 网络用 TAO 代币奖励每个子网中表现最好的矿工和验证者，并为开发人员提供无需许可的 API，通过查询 Bittensor 子网中的矿工来构建特定的 AI 应用。

此类别还包括其他协议，如 Fetch.ai 和 Allora 网络。Fetch.ai 是一个供开发人员创建复杂 AI 助手（即「AI 代理」）的平台，最近与 AGIX 和 OCEAN 合并，总市值约为 75 亿美元。另一个是 Allora 网络，这是一个专注于将 AI 应用于金融应用的平台，包括 DEX 和预测市场的自动交易策略。Allora 还没有发行代币，并在 6 月份进行了一轮战略融资，私募融资总额达 3500 万美元。

AI 发展所需的资源

第二类包括以计算、存储或数据的形式为 AI 开发提供所需资源的资产。

AI 的兴起对 GPU 形式的计算资源产生了海量的需求。诸如 Render（RNDR）、Akash（AKT）和 Livepeer（LPT）之类的去中心化 GPU 市场为模型训练、模型推理或渲染 3D 生成式 AI 的开发人员提供了闲置 GPU 供应。据估计，Render 提供约 1 万 GPU，重点面向艺术家和生成式 AI；而 Akash 提供 400 GPU，重点面向 AI 开发人员和研究人员。与此同时，Livepeer 最近宣布了一个新的 AI 子网计划，目标是 2024 年 8 月执行文本转图像、文本转视频和图像转视频等 AI 推理任务。

除了需要大量的计算资源外，AI 模型还需要大量的数据。因此，对数据存储的需求大幅增加。Filecoin（FIL）和 Arweave（AR）等数据存储解决方案可以作为去中心化和安全的网络替代方案，将 AI 数据存储在中心化 AWS 服务器上。这些解决方案不仅提供具有成本效益和可扩展的存储，还通过消除单点故障和降低数据泄露风险，来增强数据安全性和完整性。

最后，现有的 AI 服务，如 OpenAI 和 Gemini，可以分别通过 Bing 和谷歌搜索持续访问实时数据。这让除科技公司之外的所有其他 AI 模型开发者处于不利地位。然而，像 Grass 和 Masa 这样的数据抓取服务可以帮助创造公平的竞争环境，因为其允许个人通过为 AI 模型培训提供应用程序数据来获利，同时保持对个人数据的控制和隐私。

尝试解决 AI 相关问题的资产

第三类包括试图解决 AI 相关问题的资产，包括机器人、深度伪造和内容来源的兴起。

AI 的另一个显著问题是机器人和错误信息的泛滥。AI 生成的深度伪造已经对印度和欧洲的总统选举产生了影响，专家们「非常害怕」即将到来的美国总统竞选，出现由深度伪造严重驱动的海量「虚假信息」。旨在通过建立可验证的内容来源，来帮助解决与深度伪造相关的问题的资产包括 Origin Trail（TRAC）、Numbers Protocol（NUM）和 Story Protocol。此外，Worldcoin（WLD）试图通过独特的生物识别标识来验证，从而解决机器人问题。

AI 的另一个风险是确保对模型本身的信任。如何相信收到的 AI 结果没有被篡改或操纵？目前，有几个协议通过密码学、零知识证明和完全同态加密（FHE）来帮助解决这个问题，比如 Modulus Labs 和 Zama。

结论

虽然这些去中心化的 AI 资产已经取得了初步成果，但目前仍处于早期阶段。今年年初，风险投资家 Fred Wilson 表示，AI 和 Crypto 是「同一枚硬币的两面」，「Web3 将帮助我们信任 AI」。随着 AI 行业的不断成熟，Grayscale Research 认为，这些与 AI 相关的加密用例将变得越来越重要，这两种快速发展的技术有可能相互成就。

许多迹象表明 AI 时代即将来临，并将产生深远的，或积极或消极的影响。通过利用区块链技术的特性，相信 Crypto 最终可以帮助减轻 AI 一些危险。