作者：PatrickBush，MatthewSigel?
來源：VanEck?
翻譯：善歐巴，

本文概述了人工智能加密貨幣到 2030 年的潛在收入場景，以 $102 億為基準(zhǔn)預(yù)測，并強(qiáng)調(diào)了公共區(qū)塊鏈在推動人工智能采用方面通過關(guān)鍵功能發(fā)揮的重要作用。 請注意，VanEck 可能持有以下所述數(shù)字資產(chǎn)的頭寸。

關(guān)鍵要點：

• 在我們的基準(zhǔn)預(yù)測中，預(yù)計到 2030 年，加密貨幣人工智能收入將達(dá)到 102 億美元。

• 區(qū)塊鏈技術(shù)可能成為人工智能采用和去中心化人工智能解決方案進(jìn)步的關(guān)鍵驅(qū)動因素。

• 與加密激勵措施的集成可以提高人工智能模型的安全性和效率。

• 區(qū)塊鏈可能成為解決人工智能身份驗證和數(shù)據(jù)完整性挑戰(zhàn)的方案。

公共區(qū)塊鏈極有可能成為解鎖人工智能 (AI) 廣泛采用的關(guān)鍵，而 AI 應(yīng)用將成為加密貨幣存在的意義。這是因為加密貨幣提供了人工智能所需的重要基礎(chǔ)元素，例如透明度、不可變性、明確定義的所有權(quán)屬性和對抗性測試環(huán)境。我們相信這些屬性將證明對人工智能充分發(fā)揮其潛力至關(guān)重要。基于對人工智能增長的估計，我們認(rèn)為到 2030 年，專注于人工智能的加密項目收集的年度收入基準(zhǔn)預(yù)測為 102 億美元。在這篇文章中，我們推測了加密貨幣在促進(jìn)人工智能采用方面所扮演的角色以及加密貨幣將從人工智能業(yè)務(wù)中獲得的價值。

我們發(fā)現(xiàn)加密貨幣在人工智能中的最佳應(yīng)用是：

• 提供分散的計算資源

• 模型測試、微調(diào)和驗證

• 版權(quán)保護(hù)和數(shù)據(jù)完整性

• 人工智能安全

• 身份

加密貨幣對人工智能來說非常有用，因為它已經(jīng)解決了人工智能當(dāng)前和未來面臨的許多挑戰(zhàn)。從本質(zhì)上講，加密貨幣解決了協(xié)調(diào)問題。加密貨幣將人員、計算和貨幣資源結(jié)合在一起來運行開源軟件。它通過以與每個網(wǎng)絡(luò)的價值相關(guān)的代幣形式向創(chuàng)建、支持和使用每個區(qū)塊鏈網(wǎng)絡(luò)的人提供獎勵來實現(xiàn)這一目標(biāo)。該獎勵系統(tǒng)可用于引導(dǎo)人工智能價值堆棧的不同組件。將加密技術(shù)與人工智能相結(jié)合的一個重要意義在于，利用加密貨幣激勵措施來開發(fā)必要的物理基礎(chǔ)設(shè)施，例如 GPU 集群，專門用于訓(xùn)練、微調(diào)和支持生成模型的使用。

區(qū)塊鏈還帶來了數(shù)字所有權(quán)的透明度，這可能有助于解決人工智能將在法庭上面臨的一些開源軟件問題，這在《紐約時報》訴 OpenAI 和微軟的訴訟中已經(jīng)很引人注目。也就是說，加密可以透明地證明數(shù)據(jù)所有者、模型構(gòu)建者和模型用戶的所有權(quán)和版權(quán)保護(hù)。這種透明度還將擴(kuò)展到將模型有效性的數(shù)學(xué)證明發(fā)布到公共區(qū)塊鏈上。最后，由于不可偽造的數(shù)字簽名和數(shù)據(jù)完整性，我們相信公共區(qū)塊鏈將有助于減輕識別和安全問題，否則這些問題會削弱人工智能的有效性。

定義加密貨幣在人工智能企業(yè)中的作用

2030 年預(yù)計加密貨幣人工智能收入：熊市、基本情況、牛市情景

資料來源：摩根士丹利、彭博資訊、VanEck Research 截至 2024 年 1 月 29 日。過去的表現(xiàn)并不能保證將來的結(jié)果。本博客中提供的信息、估值情景和價格目標(biāo)無意作為財務(wù)建議或任何行動號召、購買或出售建議，或作為對人工智能業(yè)務(wù)未來表現(xiàn)的預(yù)測。未來的實際表現(xiàn)尚不清楚，可能與此處描述的假設(shè)結(jié)果有很大差異。所提出的場景中可能存在未考慮到的風(fēng)險或其他因素，這些因素可能會阻礙績效。這些僅僅是基于我們研究的模擬結(jié)果，僅供說明之用。請進(jìn)行自己的研究并得出自己的結(jié)論。

為了預(yù)測加密人工智能的市場，我們首先估計人工智能帶來的商業(yè)生產(chǎn)力收益的總可尋址市場（TAM），我們的這一數(shù)字的基線來自麥肯錫2022 年的假設(shè)。然后，我們將經(jīng)濟(jì)和生產(chǎn)率增長假設(shè)應(yīng)用到麥肯錫的數(shù)據(jù)中，找到一個基本案例，即 2030 年 TAM 為 5.85T 美元。在此基本情況下，我們假設(shè) AI 生產(chǎn)力增長比 GDP 增長高 50%，GDP 增長 3%。然后，我們預(yù)測人工智能在全球企業(yè)中的市場滲透率（在基本情況下為 33%），并將其應(yīng)用到我們的初始 TAM 中，預(yù)計人工智能將為企業(yè)帶來 1.93T 美元的生產(chǎn)力提升。為了計算所有人工智能業(yè)務(wù)的收入，我們假設(shè)這些生產(chǎn)力收益的 13% 由人工智能業(yè)務(wù)捕獲（或由企業(yè)消費者花費）作為收入。我們通過應(yīng)用標(biāo)準(zhǔn)普爾 500 強(qiáng)企業(yè)勞動力成本的平均收入份額來估算人工智能收入占比，并假設(shè)人工智能支出應(yīng)該相似。我們分析的下一部分應(yīng)用 Bloomberg Intelligence 對 AI 價值堆棧分布的預(yù)測來估算每個 AI 業(yè)務(wù)群體的年收入。最后，我們對每個人工智能業(yè)務(wù)的加密貨幣市場份額進(jìn)行具體估計，以得出每個案例和每個市場的最終數(shù)據(jù)。

我們設(shè)想未來將利用開源公共存儲庫構(gòu)建的去中心化人工智能模型應(yīng)用于每個可以想象的用例。在許多情況下，這些開源模型勝過集中式人工智能創(chuàng)作。這一假設(shè)的基礎(chǔ)源于這樣的假設(shè)：開源社區(qū)將有獨特動機(jī)改進(jìn)事物的愛好者和愛好者聚集在一起。我們已經(jīng)看到開源互聯(lián)網(wǎng)項目打破了傳統(tǒng)業(yè)務(wù)。這種現(xiàn)象最好的例子是維基百科有效地結(jié)束了商業(yè)百科全書業(yè)務(wù)，而推特則擾亂了新聞媒體。這些開源社區(qū)在傳統(tǒng)企業(yè)失敗的地方取得了成功，因為開源團(tuán)體通過社會影響力、意識形態(tài)和團(tuán)體團(tuán)結(jié)的結(jié)合來協(xié)調(diào)和激勵人們提供價值。簡而言之，?關(guān)心。

將開源人工智能模型與加密貨幣激勵相結(jié)合，可以擴(kuò)大這些新興社區(qū)的影響力，賦予他們財務(wù)能力，以創(chuàng)建必要的基礎(chǔ)設(shè)施來吸引新參與者。將這一前提應(yīng)用于人工智能將是熱情和金錢資源的迷人結(jié)合。人工智能模型將在加密貨幣激勵競賽中接受測試，建立模型評估基準(zhǔn)的環(huán)境。在這種環(huán)境下，最有效的模型和評估標(biāo)準(zhǔn)會獲勝，因為每個模型的價值都被明確量化。因此，在我們的基本案例中，我們預(yù)計區(qū)塊鏈生成的人工智能模型將占所有人工智能軟件收入的 5%。這一估算包括硬件、軟件、服務(wù)、廣告、游戲等，反映了企業(yè)運營數(shù)量的轉(zhuǎn)變。在 AI 軟件的總收入中，我們預(yù)計這將占所有 AI 收入的一半左右，即 $125.50B 左右。因此，我們預(yù)計開源模型的 5% 市場份額相當(dāng)于$6.27B的收入將用于加密代幣支持的人工智能模型。

我們預(yù)計，到 2030 年，用于微調(diào)、訓(xùn)練和推理的計算（或人工智能基礎(chǔ)設(shè)施即服務(wù)）的 TAM 可能會達(dá)到 $47.44B。隨著人工智能的廣泛采用，人工智能將成為世界經(jīng)濟(jì)許多功能不可或缺的一部分，計算和存儲的供應(yīng)可以被設(shè)想為類似于發(fā)電和配電的公共設(shè)施。在這種動態(tài)中，絕大多數(shù)“基本負(fù)載”將來自 Amazon 和 Google 等 GPU 云超大規(guī)模企業(yè)，其市場份額將近似帕累托分布80%。我們看到區(qū)塊鏈分配的后端服務(wù)器基礎(chǔ)設(shè)施可以滿足特殊需求，并在高網(wǎng)絡(luò)需求期間充當(dāng)“峰值”提供商。對于定制人工智能模型的生產(chǎn)者來說，加密存儲和計算提供商提供了諸如按需服務(wù)交付、更短的 SLA 鎖定期、更定制的計算環(huán)境以及更高的延遲敏感性等優(yōu)勢。此外，去中心化 GPU 可以與智能合約中的去中心化 AI 模型無縫集成，從而實現(xiàn) AI 代理擴(kuò)展自己的計算需求的無需許可的用例。將區(qū)塊鏈提供的 GPU 視為人工智能計算基礎(chǔ)設(shè)施的 Uber/Lyft 等價物，我們認(rèn)為區(qū)塊鏈提供的計算和存儲將占據(jù)人工智能基礎(chǔ)設(shè)施非超大規(guī)模市場的 20%，可能產(chǎn)生到 2030 年將達(dá)到 $1.90B。

通過可證明的鏈上人性在人工智能代理和模型的背景下定義“身份”可以被視為世界計算機(jī)網(wǎng)絡(luò)的女巫防御機(jī)制。我們可以通過檢查與保護(hù)不同區(qū)塊鏈網(wǎng)絡(luò)相關(guān)的費用來估計這項服務(wù)的成本。2023 年，比特幣、以太坊和 Solana 的成本分別約為1.71%、4.3%、 和 5.57%，分別為每個網(wǎng)絡(luò)通脹發(fā)行價值的 5.57%。保守地說，我們可以推斷身份識別應(yīng)占人工智能市場的 3.5% 左右。考慮到 AI 軟件的 TAM 為 $125.5B，這對應(yīng)于 $8.78B 的年度收入。由于我們相信加密貨幣為身份問題提供了最佳解決方案，因此我們相信它將占據(jù)該終端市場 10% 的市場份額，預(yù)計其年收入約為?8.78 億美元。

人工智能安全有望成為人工智能設(shè)備的另一個重要組成部分，其基本要求是使用未損壞的、相關(guān)的最新數(shù)據(jù)來驗證模型是否運行正確。隨著人工智能擴(kuò)展到人類生命面臨風(fēng)險的應(yīng)用領(lǐng)域，例如自動駕駛汽車、工廠機(jī)器人和醫(yī)療保健系統(tǒng)，對失敗的容忍度變得很小。發(fā)生事故時問責(zé)的需要將推動保險市場需要具體的安全證明。公共區(qū)塊鏈?zhǔn)菍崿F(xiàn)此功能的理想選擇，因為它們可以在任何人都可以看到的不可更改的分類賬上發(fā)布“安全證明”。這項業(yè)務(wù)可以被認(rèn)為類似于金融機(jī)構(gòu)的合規(guī)性。考慮到美國的商業(yè)和投資銀行產(chǎn)生 $660B 的收入，同時花費 $58.75B 的合規(guī)成本（占收入的 8.9%），我們預(yù)計 AI 安全應(yīng)占 $251B AI TAM 的 $22.34B 左右。盡管加密貨幣具有增強(qiáng)人工智能安全的潛力，但鑒于美國政府對人工智能的關(guān)注，我們相信人工智能的大部分合規(guī)性將是集中的。因此，我們估計加密貨幣將占該市場的 5% 左右，即$1.12B左右。

組織分散的計算資源

加密貨幣可以將其巨大的社會和財務(wù)協(xié)調(diào)優(yōu)勢應(yīng)用于計算訪問的民主化，從而解決當(dāng)前困擾人工智能開發(fā)人員的痛點。除了高昂的成本和獲得優(yōu)質(zhì) GPU 的機(jī)會有限之外，人工智能模型構(gòu)建者目前還面臨著其他棘手的問題。其中包括供應(yīng)商鎖定、缺乏安全性、計算可用性有限、延遲差以及國家法律規(guī)定的地理圍欄。

加密貨幣能夠滿足人工智能對 GPU 的需求，源于加密貨幣通過代幣激勵匯集資源的能力。比特幣網(wǎng)絡(luò)的代幣價值為 850B 美元，股權(quán)價值為 20B 美元，這證明了這種能力。因此，當(dāng)前的比特幣礦工和有前途的去中心化 GPU 市場都有潛力通過提供去中心化計算來為人工智能增加巨大的價值。

對于理解通過區(qū)塊鏈提供 GPU 的一個有用的類比是發(fā)電業(yè)務(wù)。簡單來說，有一些實體運營著大型、昂貴的工廠，可以穩(wěn)定地發(fā)電以滿足大多數(shù)電網(wǎng)需求。這些“基本負(fù)荷”工廠的需求穩(wěn)定，但需要大量的建設(shè)資本投資，導(dǎo)致資本回報率相對較低但有保證。補(bǔ)充基本負(fù)載的是另一類稱為“峰值功率”的發(fā)電機(jī)。當(dāng)電力需求超過基本負(fù)荷發(fā)電能力時，這些企業(yè)提供電力。這涉及高成本、小規(guī)模的能源生產(chǎn)，其戰(zhàn)略定位接近該能源的需求。我們預(yù)計“按需計算”領(lǐng)域也會出現(xiàn)類似的動態(tài)。

比特幣礦工多元化進(jìn)入人工智能領(lǐng)域

比特幣和其他工作量證明加密貨幣與人工智能一樣對能源有很高的需求。這種能源必須被創(chuàng)造、獲取、運輸并分解成可用電力來為采礦設(shè)備和計算集群供電。該供應(yīng)鏈需要礦商對發(fā)電廠、購電協(xié)議、電網(wǎng)基礎(chǔ)設(shè)施和數(shù)據(jù)中心設(shè)施進(jìn)行大量投資。挖礦 PoW 加密貨幣帶來的貨幣激勵導(dǎo)致了許多分布在全球的比特幣礦工的出現(xiàn)，這些礦工擁有能源和電力權(quán)利以及集成的網(wǎng)格架構(gòu)。這些能源大部分來自成本較低、社會回避的碳密集型能源。因此，比特幣礦工可以提供的最引人注目的價值主張是為人工智能后端基礎(chǔ)設(shè)施提供動力的低成本能源基礎(chǔ)設(shè)施。

AWS 和微軟等超大規(guī)模計算提供商一直奉行投資垂直整合運營并建立自己的能源生態(tài)系統(tǒng)的戰(zhàn)略。大型科技公司已經(jīng)向上游發(fā)展，設(shè)計自己的芯片并采購自己的能源，其中大部分是可再生能源。目前，數(shù)據(jù)中心消耗了美國企業(yè)可用的可再生能源的三分之二。微軟和亞馬遜都承諾到 2025 年實現(xiàn) 100% 可再生能源供應(yīng)。然而，如果預(yù)期的計算需求超出預(yù)期，正如一些人所說，到 2027 年，以人工智能為中心的數(shù)據(jù)中心數(shù)量可能會增加一倍，資本支出可能是目前估計的三倍。大型科技公司已經(jīng)支付了 0.06-0.10 美元/千瓦時的電力費用，比競爭性比特幣礦工通常支付的價格（0.03-0.05 千瓦時）貴得多。如果人工智能對能源的需求超過了大型科技公司當(dāng)前的基礎(chǔ)設(shè)施計劃，那么比特幣礦商相對于超大規(guī)模礦商的電力成本優(yōu)勢可能會大幅增加。礦工越來越被與 GPU 供應(yīng)相關(guān)的高利潤人工智能業(yè)務(wù)所吸引。值得注意的是，蜂巢10 月份報道稱，按每兆瓦計算，其 HPC 和 AI 業(yè)務(wù)產(chǎn)生的收入是比特幣挖礦的 15 倍。其他抓住人工智能機(jī)會的比特幣礦工包括 Hut 8 和 Applied Digital。

比特幣礦商在這個新市場中經(jīng)歷了增長，這有助于實現(xiàn)收入多元化并增強(qiáng)收益報告。在 Hut 8 的 2023 年第三季度分析師電話會議中，首席執(zhí)行官 Jaime Leverton 表示：“在我們的 HPC 業(yè)務(wù)中，我們在第三季度通過新客戶的增加和現(xiàn)有客戶的增長創(chuàng)造了一些動力。上周，我們推出了按需云服務(wù)，為那些從我們的 GPU 尋求 HPC 服務(wù)的客戶提供基于 Kubernetes 的應(yīng)用程序，這些應(yīng)用程序可以支持人工智能、機(jī)器學(xué)習(xí)、視覺效果和渲染工作負(fù)載。這項服務(wù)將控制權(quán)交到我們的客戶手中，同時將配置時間從幾天縮短到幾分鐘，這對于那些尋求短期 HPC 項目的人來說尤其具有吸引力。小屋8已實現(xiàn)2023 年第三季度 HPC 業(yè)務(wù)收入為 450 萬美元，占該公司同期收入的 25% 以上。對 HPC 服務(wù)和新產(chǎn)品的需求不斷增長，應(yīng)有助于該業(yè)務(wù)線的未來增長，隨著比特幣減半即將到來，HPC 收入可能很快就會超過挖礦收入，具體取決于市場狀況。

盡管他們的業(yè)務(wù)聽起來很有前途，但轉(zhuǎn)向人工智能的比特幣礦工可能會因缺乏數(shù)據(jù)中心建設(shè)技能或無法擴(kuò)大電力供應(yīng)而陷入困境。由于雇用新的以數(shù)據(jù)中心為中心的銷售人員的成本，這些礦工還可能會發(fā)現(xiàn)與運營管理費用相關(guān)的挑戰(zhàn)。此外，當(dāng)前的采礦作業(yè)沒有足夠的網(wǎng)絡(luò)延遲或帶寬，因為它們對廉價能源的優(yōu)化導(dǎo)致它們位于偏遠(yuǎn)地區(qū)，通常缺乏高速光纖連接。

為人工智能實施去中心化云

我們還看到了以計算為中心的加密項目的長尾，這些項目將占據(jù)人工智能服務(wù)器資源市場的一小部分但很大一部分。這些實體將協(xié)調(diào)超大規(guī)模之外的計算集群，以提供適合新貴人工智能構(gòu)建者需求的價值主張。去中心化計算的好處包括可定制性、開放訪問和更好的合同條款。這些基于區(qū)塊鏈的計算公司使小型人工智能參與者能夠避免 H100 和 A100 等高端 GPU 的巨額費用和普遍不可用的情況。加密人工智能企業(yè)將通過創(chuàng)建圍繞加密代幣激勵構(gòu)建的物理基礎(chǔ)設(shè)施網(wǎng)絡(luò)來滿足需求，同時提供專有IP來創(chuàng)建軟件基礎(chǔ)設(shè)施以優(yōu)化人工智能應(yīng)用程序的計算使用。區(qū)塊鏈計算項目將使用市場方法和加密獎勵來從獨立數(shù)據(jù)中心、具有過剩計算能力的實體和前 PoW 礦工那里發(fā)現(xiàn)更便宜的計算。為人工智能模型提供去中心化計算的一些項目包括Akash、渲染和io.net。

Akash每日收入

Akash每日收入。資料來源：Cloudmos 截至 2024 年 1 月 30 日。過去的表現(xiàn)并不能保證將來的結(jié)果。

Akash 是一個基于 Cosmos 的項目，可以認(rèn)為是一個通用的去中心化“超級云””，提供 CPU、GPU、內(nèi)存和存儲。實際上，它是一個連接云服務(wù)用戶和云服務(wù)提供商的雙向市場。Akash 的軟件旨在協(xié)調(diào)計算供應(yīng)與需求，同時創(chuàng)建促進(jìn) AI 模型訓(xùn)練、微調(diào)和運行的工具。Akash 還確保市場買家和賣家誠實履行其義務(wù)。Akash 通過其 $AKT 代幣進(jìn)行協(xié)調(diào)，該代幣可用于以折扣價支付云服務(wù)費用。$AKT 還作為 GPU 計算提供商和其他網(wǎng)絡(luò)參與者的激勵機(jī)制。在供應(yīng)方面，Akash 在添加計算供應(yīng)商方面取得了長足進(jìn)步，因為 Akash 市場上有 65 家不同的供應(yīng)商。盡管在 Akash 的 AI 超級云于 2023 年 8 月 31 日首次亮相之前，計算需求一直低迷，

最近遷移到 Solana 的 Render 最初專注于將藝術(shù)家與分散的團(tuán)體聯(lián)系起來，這些團(tuán)體將提供 GPU 能力來渲染圖像和視頻。然而，Render 已開始將其去中心化 GPU 集群的重點放在滿足機(jī)器學(xué)習(xí)工作負(fù)載上，以支持深度學(xué)習(xí)模型。通過網(wǎng)絡(luò)改進(jìn)提案RNP-004，Render 現(xiàn)在擁有一個 API 可以連接外部網(wǎng)絡(luò)（例如 io.net），該網(wǎng)絡(luò)將利用 Render 的 GPU 網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)。渲染社區(qū)隨后提出的提案獲得通過，允許通過Beam和FEDML訪問其 GPU來完成機(jī)器學(xué)習(xí)任務(wù)。因此，Render 已成為 GPU 工作負(fù)載的去中心化促進(jìn)者，通過向提供商支付 RNDR 美元以及向運行網(wǎng)絡(luò)后端基礎(chǔ)設(shè)施的實體提供 RNDR 激勵來協(xié)調(diào)。

Io.net GPU 價格比較。來源：io.net截至 2024 年 1 月 4 日。

Solana 上另一個有趣的項目是 io.net，它被認(rèn)為是 DePIN 或去中心化物理基礎(chǔ)設(shè)施網(wǎng)絡(luò)。io.net 的目的也是提供 GPU，但其重點僅在于應(yīng)用 GPU 來驅(qū)動 AI 模型。除了簡單地協(xié)調(diào)計算之外，Io.net 還在其核心堆棧中添加了更多服務(wù)。其系統(tǒng)聲稱可以處理人工智能的所有組件，包括創(chuàng)建、使用和微調(diào)，以正確促進(jìn)整個網(wǎng)絡(luò)中的人工智能工作負(fù)載并對其進(jìn)行故障排除。該項目還利用了其他去中心化 GPU 網(wǎng)絡(luò)，例如 Render 和 Filecoin 及其自己的 GPU。盡管 io.net 目前缺乏代幣，但計劃于 2024 年第一季度推出。

克服去中心化計算的瓶頸

然而，由于典型的633TB+提出的網(wǎng)絡(luò)需求，利用這種分布式計算仍然是一個挑戰(zhàn)訓(xùn)練深度學(xué)習(xí)模型所需的數(shù)據(jù)。由于計算機(jī)能力的延遲和差異，位于全球各地的計算機(jī)系統(tǒng)也給并行模型訓(xùn)練帶來了新的障礙。Together 是一家積極進(jìn)軍開源基礎(chǔ)模型市場的公司，該公司正在構(gòu)建一個去中心化云來托管開源人工智能模型。Together 將使研究人員、開發(fā)人員和公司能夠通過結(jié)合數(shù)據(jù)、模型和計算的直觀平臺來利用和改進(jìn)人工智能，擴(kuò)大人工智能的可訪問性并為下一代科技公司提供支持。Together 與領(lǐng)先的學(xué)術(shù)研究機(jī)構(gòu)合作，構(gòu)建了 Together 研究計算機(jī)，使實驗室能夠集中計算進(jìn)行人工智能研究。該公司還與斯坦?；A(chǔ)模型研究中心 (CRFM) 合作創(chuàng)建了語言模型的整體評估 (HELM)。HELM 是一個“活基準(zhǔn)”，旨在通過提供評估此類基礎(chǔ)模型的標(biāo)準(zhǔn)化框架來提高人工智能的透明度。

自 Together 成立以來，創(chuàng)始人 Vipul Ved Prakash 率先啟動了多個項目，包括 1) GPT-JT，一個開放式 LLM，具有通過

HELM (RAFT) 分?jǐn)?shù)

GPT-JT 性能。來源：截至 2024 年 1 月 4 日的解碼器。

我們相信像Together這樣的去中心化和民主化的云計算解決方案可以顯著削減構(gòu)建新模型的成本，從而有可能顛覆亞馬遜網(wǎng)絡(luò)服務(wù)、谷歌云和Azure等老牌巨頭并與之競爭。就上下文而言，將 AWS 容量塊和 AWS p5.48xlarge 實例與配置有相同數(shù)量的 H100 SXM5 GPU 的 Together GPU 集群進(jìn)行比較，Together 的定價大約比 AWS 低 4 倍。

隨著開放式法學(xué)碩士變得越來越準(zhǔn)確并得到更廣泛的采用，Together 可能成為開源模型的行業(yè)標(biāo)準(zhǔn)，就像紅帽之于 Linux 一樣。該領(lǐng)域的競爭對手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。

通過加密貨幣激勵增強(qiáng)人工智能模型

區(qū)塊鏈和加密貨幣激勵措施證明，網(wǎng)絡(luò)效應(yīng)和與網(wǎng)絡(luò)效應(yīng)大小相關(guān)的獎勵迫使人們從事有用的工作。在比特幣挖礦的背景下，該任務(wù)是通過使用昂貴的電力、技術(shù)人力和 ASIC 機(jī)器來保護(hù)比特幣網(wǎng)絡(luò)。這種經(jīng)濟(jì)資源的協(xié)調(diào)提供了一種女巫攻擊防御機(jī)制，防止對比特幣的經(jīng)濟(jì)攻擊。作為交換，協(xié)調(diào)這些資源的礦工將獲得 BTC 美元。然而，人工智能有用工作的綠色空間要大得多，一些項目已經(jīng)在推動人工智能和機(jī)器學(xué)習(xí)模型的改進(jìn)。

這些項目中最原始的是Numerai。目前，Numerai 可以被視為一項去中心化數(shù)據(jù)科學(xué)錦標(biāo)賽，旨在確定最佳機(jī)器學(xué)習(xí)模型，通過建立股票投資組合來優(yōu)化財務(wù)回報。在每個時代，匿名 Numerai 參與者都被授予訪問隱藏原始數(shù)據(jù)的權(quán)限，并被要求利用這些數(shù)據(jù)來構(gòu)建表現(xiàn)最佳的股票投資組合。為了參與，用戶不僅被要求提交預(yù)測，還被迫在其模型的預(yù)測背后投入 NMR 代幣，以證明這些模型的價值。其他用戶也可以在他們認(rèn)為性能最佳的模型上投入代幣。然后，每個質(zhì)押、提交的模型的輸出都會被輸入到機(jī)器學(xué)習(xí)算法中，以創(chuàng)建一個元模型，為 Numerai One 對沖基金的投資決策提供信息。提交具有最佳信息系數(shù)或有效性的“推論”的用戶將獲得 NMR 代幣獎勵。與此同時，那些質(zhì)押最差模型的人的代幣將被削減（沒收并重新用于獎勵獲勝者）。

Bittensor 上的子網(wǎng)和用例。來源： https:?//taostats.io/api/截至 2024 年 1 月 2 日。

Bittensor是一個大規(guī)模擴(kuò)展 Numerai 核心概念的類似項目。Bittensor 可以被認(rèn)為是“機(jī)器智能的比特幣”，因為它是一個為 AI/ML 模型提供經(jīng)濟(jì)激勵的網(wǎng)絡(luò)。這是由構(gòu)建人工智能模型的“礦工”和評估這些模型輸出質(zhì)量的“驗證者”實體來完成的。Bittensor 的架構(gòu)是一個基礎(chǔ)網(wǎng)絡(luò)和許多較小的子網(wǎng)（子網(wǎng)）的架構(gòu)。每個子網(wǎng)絡(luò)都專注于機(jī)器智能的不同領(lǐng)域。驗證者會向這些子網(wǎng)上的礦工提出各種問題或請求，以評估其人工智能模型的質(zhì)量。

表現(xiàn)最好的模型將獲得最高的 TAO 代幣獎勵，而驗證者則因?qū)ΦV工的準(zhǔn)確評估而獲得補(bǔ)償。在更高的層面上，驗證者和礦工都必須質(zhì)押代幣才能參與每個子網(wǎng)，每個子網(wǎng)占總質(zhì)押的比例決定了它從所有 Bittensor 總通脹中獲得多少 TAO 代幣。因此，每個礦工不僅有動力優(yōu)化其模型以贏得最多的獎勵，而且有動力將其模型集中在最佳的人工智能領(lǐng)域子網(wǎng)上。此外，由于礦工和驗證者必須維持資金才能參與，因此每個人都必須超過資本成本障礙，否則就會退出系統(tǒng)。

截至 2024 年 1 月，共有 32 個不同的子網(wǎng)，每個子網(wǎng)專用于機(jī)器學(xué)習(xí)或人工智能的特定領(lǐng)域。例如，Subnet 1是類似于ChatGPT的提示LLM的文本。在這個子網(wǎng)上，礦工運行各種經(jīng)過調(diào)整的 LLM 版本，以最好地響應(yīng)評估響應(yīng)質(zhì)量的驗證者的提示。在名為“Taoshi”的子網(wǎng) 8 上，礦工提交對比特幣和各種金融資產(chǎn)價格的短期預(yù)測。Bittensor 還擁有專用于人類語言翻譯、存儲、音頻、網(wǎng)絡(luò)抓取、機(jī)器翻譯和圖像生成的子網(wǎng)。子網(wǎng)創(chuàng)建是無需許可的，任何擁有 200 TAO 的人都可以創(chuàng)建子網(wǎng)。子網(wǎng)運營商負(fù)責(zé)為每個子網(wǎng)的活動創(chuàng)建評估和獎勵機(jī)制。例如，Opentensor，Bittensor 背后的基礎(chǔ)，Cerebras評估礦工在該子網(wǎng)上的 LLM 輸出。

雖然這些子網(wǎng)最初都是由通貨膨脹獎勵全額補(bǔ)貼的，但每個子網(wǎng)最終都必須在經(jīng)濟(jì)上維持自身。因此，子網(wǎng)運營商和驗證者必須協(xié)調(diào)創(chuàng)建工具，以允許外部用戶付費訪問每個子網(wǎng)的服務(wù)。隨著通貨膨脹的 TAO 獎勵減少，每個子網(wǎng)將越來越依賴外部收入來維持自身。在這種競爭環(huán)境中，存在著創(chuàng)造最佳模型的直接經(jīng)濟(jì)壓力以及其他人創(chuàng)造有利可圖的現(xiàn)實世界的激勵措施這些模型的應(yīng)用程序。Bittensor 正在利用斗志旺盛的小型企業(yè)來識別人工智能模型并從中獲利，從而釋放人工智能的潛力。正如著名的 Bittensor 傳播者 MogMachine 所說，這種動態(tài)可以被視為“人工智能的達(dá)爾文競爭”。

另一個有趣的項目是利用加密技術(shù)來激勵人工智能代理的創(chuàng)建，這些人工智能代理被編程為代表人類或其他計算機(jī)程序自主完成任務(wù)。這些實體本質(zhì)上是旨在解決特定問題的自適應(yīng)計算機(jī)程序。代理是一個包羅萬象的術(shù)語，涵蓋聊天機(jī)器人、自動交易策略、游戲角色，甚至虛擬宇宙助手。該領(lǐng)域的一個著名項目是Altered State Machine，這是一個使用 NFT 創(chuàng)建擁有、供電和訓(xùn)練的人工智能代理的平臺。在 Altered State Machine 中，用戶創(chuàng)建他們的“代理”，然后使用分散的 GPU 集群“訓(xùn)練”它們。這些代理針對特定用例進(jìn)行了優(yōu)化。另一個項目，F(xiàn)etch.ai，是一個用于創(chuàng)建根據(jù)每個用戶的需求定制的代理的平臺。Fetch.ai 也是一家 SaaS 業(yè)務(wù)，允許注冊和租賃或出售代理。

自 2023 年 1 月 1 日起 AI 代幣的回報

來源：Artemis?XYZ 截至 2024 年 1 月 10 日。過去的表現(xiàn)并不能保證將來的結(jié)果。

通過零知識 (zk) 證明進(jìn)行驗證

2023 年是新 AI 模型的標(biāo)志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度學(xué)習(xí)的前景，截至 2023 年 6 月，美國有超過18,563 家人工智能相關(guān)初創(chuàng)企業(yè)。這些初創(chuàng)企業(yè)和其他企業(yè)已經(jīng)生產(chǎn)了數(shù)千個新的基礎(chǔ)模型和微調(diào)模型。然而，在人工智能相關(guān)公司投資的每 4 美元風(fēng)險投資中就有 1 美元投資的領(lǐng)域中，許多新實體的激增應(yīng)該引起嚴(yán)重關(guān)注。

• 誰實際創(chuàng)建并擁有每個模型？

• 輸出實際上是由指定模型產(chǎn)生的嗎？

• 該模式真的像宣傳的那樣有效嗎？

• 每個模型的數(shù)據(jù)源是什么以及誰擁有該數(shù)據(jù)？

• 訓(xùn)練、微調(diào)和/或推理是否侵犯了任何版權(quán)或數(shù)據(jù)權(quán)？

這些模型的投資者和用戶都應(yīng)該 100% 確定他們可以解決這些問題。目前，針對 LLM 輸出的不同組件存在許多基準(zhǔn)測試，例如用于代碼生成的HumanEval、用于 LLM 輔助任務(wù)的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，盡管嘗試了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，沒有具體證據(jù)證明模型的有效性、最終來源或其訓(xùn)練/推理數(shù)據(jù)的來源。不僅可以對基準(zhǔn)進(jìn)行游戲，而且還不能確定特定模型是否實際運行（而不是使用連接到另一個模型的 API），也不能保證排行榜本身是誠實的。

這就是公共區(qū)塊鏈、人工智能和稱為零知識（zk）證明的前沿數(shù)學(xué)領(lǐng)域的統(tǒng)一。zk 證明是密碼學(xué)的一種應(yīng)用，它允許某人以所需水平的數(shù)學(xué)確定性證明他們對數(shù)據(jù)所做的陳述是正確的，而無需向任何人透露底層數(shù)據(jù)。語句可以包括簡單的聲明（例如排名），但可以擴(kuò)展到復(fù)雜的數(shù)學(xué)計算。例如，某人不僅可以證明他或她知道某個樣本的相對財富而不向另一方透露該財富，而且他或她還可以證明該群體的平均值和標(biāo)準(zhǔn)差的正確計算。本質(zhì)上，您可以證明您了解數(shù)據(jù)和/或您使用該數(shù)據(jù)做出了真實的斷言，而無需透露該數(shù)據(jù)的細(xì)節(jié)或您如何進(jìn)行計算。在 AI 之外，zk 證明已經(jīng)被應(yīng)用于擴(kuò)展以太坊，允許交易在第 2 層區(qū)塊鏈上進(jìn)行鏈下交易。最近，zk 證明已應(yīng)用于深度學(xué)習(xí)模型，以證明：

• 使用特定數(shù)據(jù)來生成模型或提供推理輸出（此外，未使用哪些數(shù)據(jù)/源）

• 使用特定模型來生成推論

• 推理輸出未被篡改

zk 證明可以發(fā)布到公共、永久的區(qū)塊鏈上，并通過智能合約進(jìn)行驗證。結(jié)果是區(qū)塊鏈可以公開且無可辯駁地證明人工智能模型的重要屬性。將 ZK 應(yīng)用于 AI 的兩個前沿項目被稱為“零知識機(jī)器學(xué)習(xí)”（ZKML），即EZKL和Modulus。EZKL 使用Halo2證明系統(tǒng)生成 zk-snarks，這是一種零知識證明，然后可以在以太坊的 EVM 上公開驗證。EZKL 首席執(zhí)行官Jason Morton表示，雖然 EZKL 目前可以證明的模型大小相對較小，約為 100M 參數(shù)，而 ChatGPT 4 的參數(shù)為 175B相信他們正在考慮的是“工程問題”而不是“技術(shù)限制”問題。EZKL 相信他們可以通過拆分并行執(zhí)行的證明來克服證明問題，從而減少內(nèi)存限制和計算時間。事實上，杰森·莫頓相信有一天，“驗證模型將像簽署區(qū)塊鏈交易一樣簡單。”

ZKML證明應(yīng)用于人工智能可以解決人工智能實現(xiàn)的重要痛點，包括版權(quán)問題和人工智能安全。正如《紐約時報》最近針對 Open AI 和微軟的訴訟所表明的那樣，版權(quán)法將適用于數(shù)據(jù)所有權(quán)，人工智能項目將被迫提供其數(shù)據(jù)來源的證明。ZKML 技術(shù)可用于快速解決法庭上有關(guān)模型和數(shù)據(jù)所有權(quán)的爭議。事實上，ZKML 的最佳應(yīng)用之一是允許Ocean Protocol和SingularityNet等數(shù)據(jù)/模型市場證明其列表的真實性和有效性。

人工智能模型最終將擴(kuò)展到準(zhǔn)確性和安全性至關(guān)重要的領(lǐng)域。據(jù)估計，到 2027 年，人工智能邊緣設(shè)備將達(dá)到5.8B 個，其中可能包括重型機(jī)械、機(jī)器人、自動無人機(jī)和車輛。由于機(jī)器智能應(yīng)用于可能傷害和殺人的事物，因此使用來自可靠來源的高質(zhì)量數(shù)據(jù)來證明該設(shè)備上運行了信譽(yù)良好的模型非常重要。盡管從這些邊緣設(shè)備構(gòu)建連續(xù)的實時證明并將其發(fā)布到區(qū)塊鏈可能在經(jīng)濟(jì)和技術(shù)上具有挑戰(zhàn)性，但在激活時驗證模型或定期發(fā)布到區(qū)塊鏈可能更可行。然而，來自0xPARC的 Zupass基金會已經(jīng)建立了源自“攜帶數(shù)據(jù)證明”的原始證明，可以廉價地建立邊緣設(shè)備上發(fā)生的事實證明。目前，這與活動出席有關(guān)，但可以預(yù)見，這種情況很快就會遷移到身份甚至醫(yī)療保健等其他領(lǐng)域。

機(jī)器人外科醫(yī)生的人工智能模型有多好？

機(jī)器人輔助手術(shù)。資料來源：截至 2024 年 1 月 30 日的《麻省理工學(xué)院技術(shù)評論》 。

從可能因設(shè)備故障而承擔(dān)責(zé)任的企業(yè)的角度來看，擁有可驗證的證據(jù)來證明他們的模型不是代價高昂的事故的根源似乎是理想的選擇。同樣，從保險的角度來看，驗證和證明基于實際數(shù)據(jù)訓(xùn)練的可靠模型的使用可能在經(jīng)濟(jì)上變得必要。同樣，在人工智能深度偽造的世界中，利用經(jīng)過區(qū)塊鏈驗證和證明的相機(jī)、手機(jī)和計算機(jī)來執(zhí)行各種操作可能會成為常態(tài)。當(dāng)然，這些設(shè)備的真實性和準(zhǔn)確性的證明應(yīng)該發(fā)布到公共開源分類賬上，以防止篡改和欺詐。

盡管這些證明有著巨大的前景，但它們目前受到天然氣費用和計算開銷的限制。按照當(dāng)前的 ETH 價格，在鏈上提交證明需要花費大約 300-500k 的 Gas（按照當(dāng)前的 ETH 價格約為 35-58 美元）。從計算的角度來看，Eigenlayer 的 Sreeram Kennan 估計，“在 AWS 上運行需要花費 50 美元的證明計算，使用當(dāng)前的 ZK 證明技術(shù)將花費約 1,000,000 倍的成本。”?結(jié)果是，zk 證明的發(fā)展速度比幾年前任何人的預(yù)期都要快得多，但在打開實際用例之前還有很長的路要走。假設(shè)有人對 ZKML 的應(yīng)用感到好奇。在這種情況下，他們可以參加由經(jīng)過驗證的鏈上智能合約模型評判的去中心化歌唱比賽，并將其結(jié)果永久上傳到區(qū)塊鏈。

通過基于區(qū)塊鏈的身份建立人性

廣泛、先進(jìn)的機(jī)器智能的一個可能后果是，自主代理將成為最多產(chǎn)的互聯(lián)網(wǎng)用戶。人工智能代理的釋放很有可能會導(dǎo)致整個網(wǎng)絡(luò)受到有目的的機(jī)器人生成的垃圾郵件甚至無害的基于任務(wù)的代理堵塞網(wǎng)絡(luò)的干擾（“擺脫垃圾電子郵件”）。索拉納當(dāng)機(jī)器人爭奪大約價值 10 萬美元的套利機(jī)會時，每秒有 100 GB 的數(shù)據(jù)流量。想象一下，當(dāng)人工智能代理可以勒索數(shù)百萬個企業(yè)網(wǎng)站并勒索數(shù)十億美元時，將會出現(xiàn)怎樣的網(wǎng)絡(luò)流量洪流。這表明未來的互聯(lián)網(wǎng)會對非人類流量施加限制。限制此類攻擊的最佳方法之一是對過度使用廉價資源征收經(jīng)濟(jì)稅。但我們?nèi)绾未_定垃圾郵件收費的最佳框架，以及如何確定人性化？

幸運的是，區(qū)塊鏈已經(jīng)采用了內(nèi)置防御來防止人工智能機(jī)器人式的女巫攻擊。計量非人類用戶與非人類用戶收費的結(jié)合將是一種理想的實現(xiàn)方式，同時稍微繁重的計算（如Hashcash）會抑制機(jī)器人。在人性證明方面，區(qū)塊鏈長期以來一直在努力克服匿名性，以解鎖諸如抵押不足的貸款和其他基于聲譽(yù)的活動等活動。

獲得動力來證明身份的一種方法是使用JSON?Web 令牌 (JWT)。JWT 是“0Auth”憑證，類似于“cookie”，是在您登錄 Google 等網(wǎng)站時生成的。它們允許您在登錄 Google 后訪問互聯(lián)網(wǎng)上的各個網(wǎng)站時展示您的 Google 身份。zkLogin由 L1 區(qū)塊鏈Sui創(chuàng)建，允許用戶將其錢包私鑰和操作鏈接到生成 JWT 的 Google 或 Facebook 帳戶。零點對點進(jìn)一步擴(kuò)展了這個概念，使用 JWT 來無需許可地允許用戶在 Base 區(qū)塊鏈上用法定貨幣交換加密貨幣。這是通過支付應(yīng)用程序 Venmo 確認(rèn)點對點現(xiàn)金轉(zhuǎn)賬來完成的，當(dāng)通過電子郵件 JWT 確認(rèn)時，解鎖智能合約托管的 USDC 代幣。這兩個項目的結(jié)果是它們與鏈下身份建立了牢固的聯(lián)系。例如，zkLogin 將錢包地址連接到 Google 身份，而 zkP2P 僅適用于 Venmo 的 KYC 用戶。盡管兩者都缺乏足夠可靠的可靠保證來實現(xiàn)鏈上身份，但它們創(chuàng)建了其他人可以使用的重要構(gòu)建塊。

雖然許多項目都試圖確認(rèn)區(qū)塊鏈用戶的人類身份，但最大膽的是OpenAI 首席執(zhí)行官Sam Altman創(chuàng)立的WorldCoin。盡管備受爭議，因為用戶必須掃描虹膜使用反烏托邦的“Orb”機(jī)器，世界幣正在走向一個不可篡改的身份系統(tǒng)，該系統(tǒng)不能輕易偽造或被機(jī)器智能所淹沒。這是因為 WorldCoin 根據(jù)每個人獨特的眼睛“指紋”創(chuàng)建了一個加密標(biāo)識符，可以對其進(jìn)行采樣以確保唯一性和真實性。經(jīng)過驗證后，用戶會收到 Optimism 區(qū)塊鏈上名為 World ID 的數(shù)字護(hù)照，允許該用戶在區(qū)塊鏈上證明自己的人性。最重要的是，一個人的獨特簽名永遠(yuǎn)不會被泄露，也無法被追蹤，因為它是加密的。World ID 只是斷言區(qū)塊鏈地址屬于人類。Checkmate 等項目已經(jīng)將 World ID 與社交媒體資料鏈接起來，以確保用戶的獨特性和真實性。在人工智能主導(dǎo)的未來互聯(lián)網(wǎng)中，在每一次在線互動中明確證明人性可能會變得司空見慣。當(dāng)人工智能克服了驗證碼的局限性時，區(qū)塊鏈應(yīng)用程序可以廉價、快速、具體地證明身份。

通過區(qū)塊鏈技術(shù)為人工智能做出貢獻(xiàn)

毫無疑問，我們正處于人工智能革命的早期階段。然而，如果機(jī)器智能的增長軌跡符合最大膽的根據(jù)預(yù)測，人工智能必須面臨挑戰(zhàn)，才能脫穎而出，同時抑制其潛在危害。我們相信，加密貨幣是正確“訓(xùn)練”結(jié)果豐富但潛在陰險的人工智能植物的理想網(wǎng)格。區(qū)塊鏈的人工智能解決方案集可以通過為機(jī)器智能創(chuàng)造者提供響應(yīng)更快、更靈活且可能更便宜的去中心化計算來提高機(jī)器智能創(chuàng)造者的產(chǎn)出。它還激勵能夠創(chuàng)建更好模型的構(gòu)建者，同時為其他人提供經(jīng)濟(jì)動力，讓他們利用這些人工智能模型構(gòu)建有用的業(yè)務(wù)。同樣重要的是，模型所有者可以證明其模型的有效性，同時證明未使用受保護(hù)的數(shù)據(jù)源。對于人工智能用戶來說，加密應(yīng)用程序可以確認(rèn)他們運行的模型是否符合安全標(biāo)準(zhǔn)，并且可能很有用。

資料來源：VanEck Research，項目網(wǎng)站，截至 2024 年 1 月 15 日。

提供第三方網(wǎng)站的鏈接是為了方便起見，包含此類鏈接并不意味著我們對鏈接網(wǎng)站中包含的或可從鏈接網(wǎng)站訪問的任何內(nèi)容或信息進(jìn)行任何認(rèn)可、批準(zhǔn)、調(diào)查、驗證或監(jiān)控。點擊非 VanEck 網(wǎng)頁的鏈接，即表示您承認(rèn)您進(jìn)入的第三方網(wǎng)站受其條款和條件的約束。VanEck 對第三方網(wǎng)站的內(nèi)容、訪問合法性或適用性不承擔(dān)任何責(zé)任。

披露：VanEck 通過我們與早期風(fēng)險投資經(jīng)理 Cadenza 的戰(zhàn)略合作伙伴關(guān)系在 Together 中占有一席之地，Cadenza 非常友善地為“克服去中心化計算的瓶頸”?部分做出了貢獻(xiàn)。

特別感謝：

賈森·莫頓，ZKML 首席執(zhí)行官

Ala Shabana，Bittensor 聯(lián)合創(chuàng)始人

Arrash Yasavolian，Bittensor 的 Taoshi 子網(wǎng)創(chuàng)始人

Greg Osuri，Akash 首席執(zhí)行官兼創(chuàng)始人

zkP2P首席執(zhí)行官梁澤強(qiáng)

Sui 區(qū)塊鏈團(tuán)隊的主要成員 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari