当前位置: 首页 > article >正文

AI代币是什么?AI与Web3结合的未来方向在哪里?

近两年随着人工智能的崛起,AI已经渗透到制造业、电商、广告、医药等各个行业,加密货币领域也不例外,人工智能与区块链的融合,让我们看到了独特的数字资产 — AI加密代币。

它的流行始于2022年底,随着OpenAI智能聊天机器人ChatGPT的火爆,许多人意识到,人工智能不再只是出现在电影里面,更多的应用已经照进现实,AI已经作为一种高效的生产力应用到实际的产业中。

人工智能狂热也影响了机构巨头。例如,谷歌宣布将着手开发自己的人工智能聊天机器人 Bard。此外,值得关注的新闻是,微软以100亿美元收购了OpenAI并提议整合到其Bing搜索引擎中。人们对AI技术产生的这种持续的主流兴趣导致各种 AI 代币的市场价值呈爆炸式增长,其中一些涨幅高达1600%!

那么AI代币是什么?如何与Web3结合,未来方向在哪里?下面讲讨论这些问题。

AI代币是什么?

AI代币是将AI原理集成到区块链技术的加密资产。此类代币的 AI 元素使让它们能开发出可解决特定问题的更好自动化策略。由于它们的智能可更好地适应市场条件,因此它们比其他加密资产更具优势。

AI代币是支持区块链生态系统中基于AI的项目、应用程序、服务的加密货币。主要发挥三个关键作用:

  1. 促进交易的便利,它们是人工智能驱动平台内的交换媒介,用户可以支付服务费用、访问数据并参与平台的活动。
  2. 可以用作治理代币,其中这些代币会赋予其持有者治理权,持有者能够参与塑造人工智能项目或平台的发展。
  3. 它们还可以作为激励用户为人工智能协议或项目做出贡献的奖励,一般是因为贡献数据、提供计算资源等而获得代币奖励。

AI+web3基础设施

AI+Web3 产业的基础设施层的主要项目基本是以去中心化的计算网络为主要的叙事,以低成本为主要优势,以代币激励为主要方式扩展网络,服务 AI+Web3 客户为主要目标。

基础设施是AI发展的确定性成长方向

爆发增长的AI算力需求

近年来,算力需求快速增长,尤其是在LLM大模型面世后,AI算力需求引爆了高性能算力市场。OpenAI数据显示,自2012年以来,用于训练最大AI模型的计算用量呈指数级增长,平均每3–4个月翻倍,其增长速度大大超过了摩尔定律。

同时需要海量数据也对存储和硬件内存提出了要求,尤其是在模型训练阶段,需要大量的参数输入,需要存储大量数据。在 AI 服务器中应用的存储芯片主要包括:高带宽存储器 (HBM)、DRAM 和 SSD,针对 AI 服务器的工作场景需要提供更大的容量、更高的性能、更低的延迟和更高的响应速度。

供需失衡推动高昂的算力成本

随着大模型的发展,计算复杂度也直线上升,使得需要更多高端硬件来满足模型训练需求。以GPT3为例,按1300万独立用户访问的情况来说,对应的芯片需求是3万多片A100GPU。那么初始投入成本将达到惊人的8亿美元,每日模型推理费用预估费用70万美元。因此高端GPU的需求上升和供应受阻两方面推动了当前GPU等硬件的高昂价格。

AI基础设施占据产业链核心价值增长

Grand View Research的报告显示,全球云AI市场的规模在2023年估计为626.3亿美元,并预计到2030年将增长到6476亿美元,年复合增长率为39.6%。这一数据反映了云AI服务的增长潜力及其在整个AI产业链中所占的重要份额。

AI+Web3基础设施项目的叙事逻辑

分布式AI基础设施需求强,且具有长期增长潜力,因此是易于叙事和受到资本青睐的领域。目前AI+Web3产业的基础设施层的主要项目基本是以去中心化的计算网络为主要的叙事,以低成本为主要优势,以代币激励为主要方式扩展网络,服务AI+Web3客户为主要目标。主要包括两个层面:

1. 比较纯粹的去中心化云计算资源的共享和租赁平台:有很多早期的AI项目,例如Render Network、Akash Network等;

  • 算力资源为主要竞争优势:核心竞争优势和资源通常是能够接触到大量的算力提供商,快速建立其基础网络,同时提供易用性强的产品给客户使用。
  • 产品门槛较低,上线速度快:对于Render Network、Akash Network这种成熟产品来说,已经可以看到切实增长的数据,具有一定的领先优势。
  • 新进入者产品同质化:由于目前赛道热点和此类产品低门槛的特点,最近也进入了一大批做共享算力、算力租赁等叙事的项目,但是产品比较同质化,还需要看到更多的差异化竞争优势。
  • 偏向于服务简单计算需求的客户:例如Render Network主要服务渲染需求,Akash Nerwork的资源提供中CPU更多。

2. 提供去中心化计算+ML工作流服务:有很多最近获得高额融资的新兴项目,例如Gensyn, io.net, Ritual等;

  • 去中心化计算抬高估值地基。由于算力是AI发展的确定性叙事,因此具有算力基础的项目通常具有更加稳定和高潜力的商业模式,使得对比纯中间层项目具有更高的估值。
  • 中间层服务打出差异化优势。中间层的服务则是这些算力基础设施具有竞争优势的部分,例如服务AI链上链下计算同步的预言机和验证器,服务AI整体工作流的部署和管理工具等。

http://www.kler.cn/a/373668.html

相关文章:

  • linux之网络子系统- TCP连接建立过程 三次握手四次挥手
  • Linux 开机自动挂载硬盘
  • HarmonyOS生命周期
  • 数据结构——单链表详解
  • 快速全面系统的学习Python基础语法知识
  • unordered_map、unordered_set 底层原理及其相关面试题
  • Transformer-BiGRU多特征输入时间序列预测(Pytorch)
  • WSGI、uwsgi与uWSGI
  • 【深度学习】用LSTM写诗,生成式的方式写诗系列之一
  • 下一代「自动化测试框架」WebdriverIO
  • STM32--STM32 微控制器详解
  • unity3d————Mathf.Lerp() 函数详解
  • 从0开始深度学习(21)——读写数据和GPU
  • 【Nas】X-DOC:Mac mini 安装 ZeroTier 并替换 planet 实现内网穿透
  • 人工智能中的机器学习和模型评价
  • RNN在训练中存在的问题
  • 常见的机器学习模型汇总
  • C++ 复习记录(个人记录)
  • 基于Multisim的四位抢答器设计与仿真
  • 数据结构,问题 A: 翻转字符串
  • 野火鲁班猫4 (RK3588)系统配置
  • Mybatis 统计sql运行时间
  • 嵌入式linux跨平台基于mongoose的TCP C++类的源码
  • 如何在macOS开发中给 PKG 签名和公证(productsign+notarytool)
  • Vue中path和component属性
  • JAVA基础练习题