IOSG｜从AI x Web3技术堆栈展开infra新叙事

前言

最近大型语言模型（LLMs）的迅猛发展引发了人们对利用人工智能（AI）改造各行业的兴趣。区块链行业也未能幸免，AI x Crypto 叙事的出现使其备受瞩目。本文探讨了融合AI和加密的三种主要方式，并探讨了区块链技术在解决AI行业问题上的独特机遇。

AIxCrypto 的三种途径包括：

1. 将AI融入现有产品中：像Dune这样的公司正在利用AI增强其产品，比如引入SQL copilot来帮助用户编写复杂查询。

2. 为加密生态系统构建AI基础设施：Ritual和Autonolas等新创公司专注于开发AI驱动的基础设施，专为加密生态系统需求量身定制。

3. 利用区块链解决AI行业问题：Gensyn、EZKL和io.net等项目正在探讨区块链技术如何解决AI行业面临的挑战，如数据隐私、安全性和透明度。

AI x Crypto的独特之处在于区块链技术有望解决AI行业内在问题。这一独特交汇点为创新解决方案开辟了新的可能性，有益于AI和区块链社区。

在深入探讨AI x Crypto领域时，我们旨在识别和展示区块链技术在解决AI行业挑战方面最有前景的应用。通过与AI行业专家和加密建设者合作，我们致力于促进充分利用两种技术优势的尖端解决方案的发展。

1. 行业概览

AI x Crypto领域可分为基础设施和应用两大类。尽管一些现有基础设施持续为AI用例提供支持，但新的参与者正在市场上推出全新的AI原生架构。

1. 1计算网络

在AIxCrypto领域，计算网络对于提供AI应用所需的基础设施起着至关重要的作用。这些网络根据其支持的任务，可以分为两种类型：通用计算网络和专用计算网络。

1.1.1通用计算网络

通用计算网络（例如 IO.net 和 Akash）为用户提供通过SSH访问机器的机会，并提供命令行接口（CLI），使用户能够构建自己的应用程序。这些网络类似于虚拟专用服务器（VPS），在云中提供个人计算环境。

IO.net 基于Solana生态系统，着重于GPU租赁和计算集群，而基于Cosmos生态系统的Akash主要提供CPU云服务器和各种应用模板。

IOSG Ventures 的看法：

与成熟的Web2云市场相比，计算网络仍处于早期阶段。Web3计算网络不及Web2那种“乐高”构建模块，例如基于主要云服务提供商（如AWS、Azure和Google Cloud）的无服务器函数、VPS和数据库云项目。

计算网络的优势包括：

区块链技术可以利用未使用的计算资源和个人电脑，使网络更具可持续性。

点对点（P2P）设计允许个体将未使用的计算资源货币化，并提供成本更低的计算，从而潜在地降低75%-90%的成本。

但由于以下挑战，计算网络很难投入实际生产并取代Web2云服务：

定价固然是通用计算网络的主要优势，但要与成熟的Web2云公司在功能、安全性和稳定性等方面竞争仍具挑战性。

点对点风格可能会限制这些网络快速交付成熟和稳健产品的能力。去中心化的特性会额外增加开发和维护成本。

1.1.2 专用计算网络

专用计算网络在通用计算网络基础上增加了一个额外的层，使用户可以通过配置文件部署特定的应用程序。这些网络旨在满足特定的用例，例如3D渲染或AI推理和训练。

Render是一家专注于3D渲染的专业计算网络。在AI领域，像Bittensor、Hyperbolic、Ritual和fetch.ai这样的新玩家专注于AI推理，而Flock和Gensyn主要专注于AI训练。

IOSG Ventures 的看法：

专用计算网络的优势：

去中心化和 crypto 特性解决了 AI 行业普遍存在的中心化和透明性问题。

无许可计算网络和验证方案确保了推理和训练过程的有效性。

隐私保护技术，如Flock采用的联邦学习，允许个人为模型训练贡献数据，同时保持其数据在本地和私密。

通过支持智能合约与下游区块链应用集成，使得AI推理可以直接在区块链上使用。

Source: IOSG Ventures

虽然专门的AI推理和训练计算网络仍处于早期阶段，但我们预计Web3 AI应用将优先使用Web3 AI基础设施。这种趋势已经在Story Protocol和Ritual与MyShell合作引入AI模型作为知识产权等合作中明显。

尽管基于这些新兴 AI x Web3基础设施构建的杀手级应用程序尚未出现，但增长潜力巨大。随着生态系统的成熟，我们预计会看到更多利用去中心化AI计算网络独特能力的创新应用程序。

2. 数据

数据在AI模型中起着至关重要的作用，开发 AI 模型的各个阶段都涉及到数据，包括数据收集、训练数据集存储和模型存储。

2.1 数据存储

去中心化存储AI模型对于以去中心化方式提供推理API至关重要。推理节点应该能够随时从任何地方检索这些模型。随着AI模型可能达到数百GB的大小，需要一个强大的去中心化存储网络。去中心化存储领域的领军者，如Filecoin和Arweave，可能可以提供这一功能。

IOSG Ventures 的看法：

这个领域存在着巨大的机会。

针对AI模型优化的去中心化数据存储网络，提供版本控制、存储不同的低精度模型量化以及大型模型快速下载等功能。

去中心化向量数据库，因为它们经常与模型捆绑在一起，通过插入必要的与问题相关知识提供更准确的答案。现有的SQL数据库也可以增加向量搜索支持。