Galaxy万字长文：加密货币和AI交叉领域和项目盘点

作者：Lucas Tcheyan，Galaxy副研究员；翻译：0xjs@金色财经

前言

公链的出现是计算机科学历史上最深刻的进步之一。但AI的发展将会并且已经在对我们的世界产生深远的影响。如果说区块链技术为交易结算、数据存储和系统设计提供了新的模板，那么人工智能则是计算、分析和内容交付方面的一场革命。这两个行业的创新正在释放新的用例，从而可能在未来几年加速这两个行业的采用。本报告探讨了加密货币和AI的持续集成，重点关注试图弥合两者之间差距、利用两者力量的新颖用例。具体来说，本报告研究了开发去中心化计算协议、零知识机器学习 (zkML) 基础设施和AI智能体的项目。

加密货币为AI提供了无需许可、无需信任且可组合的结算层。这解锁了用例，例如通过去中心化计算系统使硬件更容易访问，构建可以执行需要价值交换的复杂任务的AI智能体，以及开发身份和溯源（provenance）解决方案来对抗女巫攻击和深度伪造。AI为加密货币带来了许多我们在 Web 2 中看到的相同好处。这包括由于大语言模型（即经过专门训练的ChatGPT 和 Copilot 版本）而为用户和开发人员增强的用户体验 (UX) 以及潜在的潜力显著提高智能合约功能和自动化。区块链是AI所需的透明的数据丰富环境。但区块链的计算能力也有限，这是直接集成AI模型的主要障碍。

加密货币和Ai交叉领域正在进行的实验和最终采用背后的驱动力与推动加密货币最有前途的用例的驱动力相同——访问无需许可和无需信任的协调层，从而更好地促进价值转移。鉴于巨大的潜力，该领域的参与者需要了解这两种技术交叉的基本方式。

要点：

在不久的将来（6个月到1年），加密货币和AI的集成将由AI应用程序主导，这些应用程序可以提高开发人员的效率、智能合约的可审计性和安全性以及用户的可访问性。这些集成并非特定于加密货币，而是增强了链上开发人员和用户体验。

正如高性能 GPU 严重短缺一样，去中心化计算产品正在实施AI定制的GPU产品，为采用提供了推动力。

用户体验和监管仍然是吸引去中心化计算客户的障碍。然而， OpenAI 的最新发展以及美国正在进行的监管审查凸显了无需许可、抗审查、去中心化的AI网络的价值主张。

链上AI集成，特别是能够使用人工智能模型的智能合约，需要改进 zkML 技术和其他验证链下计算的计算方法。缺乏全面的工具和开发人员人才以及高昂的成本是采用的障碍。

AI智能体非常适合加密货币，用户（或智能体本身）可以创建钱包以与其他服务、智能体或人员进行交易。目前使用传统的金融方法无法实现这一点。为了更广泛的采用，需要与非加密产品进行额外的集成。

术语

AI是利用计算和机器来模仿人类推理和解决问题的能力。

神经网络是人工智能模型的一种训练方法。他们通过离散的算法层运行输入，对其进行改进，直到产生所需的输出。神经网络由具有权重的方程组成，可以修改权重来改变输出。它们可能需要大量的数据和计算来进行训练，以便其输出准确。这是开发 AI 模型最常见的方式之一（ChatGPT 使用依赖于Transformer 神经网络过程）。

训练是开发神经网络和其他人工智能模型的过程。它需要大量数据来训练模型以正确解释输入并产生准确的输出。在训练过程中，模型方程的权重不断修改，直到产生令人满意的输出。培训费用可能非常昂贵。例如，ChatGPT使用数万个自己的 GPU 来处理数据。资源较少的团队通常依赖专门的计算提供商，例如 Amazon Web Services、Azure 和 Google Cloud 提供商。

推理是实际使用 AI 模型来获取输出或结果（例如，使用 ChatGPT 为有关加密货币和 AI 交叉点的论文创建大纲）。在整个培训过程和最终产品中都会使用推理。由于计算成本的原因，即使在训练完成后，它们的运行成本也可能很高，但其计算强度低于训练。

零知识证明 (ZKP)允许在不泄露基础信息的情况下验证声明。这在加密货币中很有用，主要有两个原因：1) 隐私和 2) 扩展。为了保护隐私，这使用户能够在不泄露敏感信息（例如钱包中有多少 ETH）的情况下进行交易。对于扩展而言，它使链下计算能够比重新执行计算更快地在链上得到证明。这使得区块链和应用程序能够廉价地在链下运行计算，然后在链上验证它们。

AI/加密货币生态图

AI和加密货币交叉的项目仍在构建支持大规模链上人工智能交互所需的底层基础设施。