人工智能區(qū)塊鏈;中國(guó)唯一合法數(shù)字貨幣

“區(qū)塊鏈+人工智能”行業(yè)分析

如果將人工智能比作建造太空火箭，那么數(shù)據(jù)和算力是燃料，算法就是發(fā)動(dòng)機(jī)。但傳統(tǒng)人工智能公司在數(shù)據(jù)層面上面臨著被大型機(jī)構(gòu)壟斷等困境，在算力層面上面臨著購(gòu)置硬件資源導(dǎo)致的資金難題，在算法層面上面臨著算法運(yùn)行不穩(wěn)定等難題。

區(qū)塊鏈可以看做是分布式的數(shù)據(jù)、算力、算法的資源集合體，所以“區(qū)塊鏈+AI”被看做是一種解決傳統(tǒng)AI難題的良藥。本文立足于傳統(tǒng)人工智能的現(xiàn)狀與痛點(diǎn)，重點(diǎn)分析了11個(gè)區(qū)塊鏈+AI項(xiàng)目，總結(jié)了區(qū)塊鏈與人工智能在數(shù)據(jù)、算力、算法三方面的優(yōu)勢(shì)。

AI和區(qū)塊鏈的發(fā)展是由區(qū)塊鏈引發(fā)的，不是AI領(lǐng)域的單邊需求，因此投資邏輯在于探索交叉領(lǐng)域給雙邊的機(jī)遇。文章最后給出了區(qū)塊鏈+人工智能類(lèi)未來(lái)的發(fā)展趨勢(shì)。

1人工智能行業(yè)現(xiàn)狀

1.1人工智能的概念

人工智能（Artificial Intelligence），英文縮寫(xiě)為AI。日常生活中接觸的人工智能多指深度學(xué)習(xí)，即多層神經(jīng)網(wǎng)絡(luò)，如圖1所示。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的技術(shù)科學(xué)。本質(zhì)上是通過(guò)統(tǒng)計(jì)數(shù)據(jù)，并從中歸納出模型。

圖1深度學(xué)習(xí)模型

1.2人工智能的歷史

“人工智能”一詞最初是在1956年DARTMOUTH學(xué)會(huì)上提出，1975年之后學(xué)者開(kāi)始著手研究BP(Back Propagation，后向傳播)算法，現(xiàn)在使用神經(jīng)網(wǎng)絡(luò)時(shí)，大多是在使用BP算法進(jìn)行訓(xùn)練。1986年之后，學(xué)者們實(shí)現(xiàn)了BP網(wǎng)絡(luò)，同時(shí)期計(jì)算機(jī)硬件能力快速提升。2006年之后，隨著移動(dòng)互聯(lián)網(wǎng)發(fā)展，海量數(shù)據(jù)爆發(fā)，深度學(xué)習(xí)算法在語(yǔ)音和視覺(jué)識(shí)別上實(shí)現(xiàn)突破，人工智能商業(yè)化高速發(fā)展，人工智能關(guān)鍵時(shí)間節(jié)點(diǎn)如圖2所示。

圖2人工智能關(guān)鍵時(shí)間節(jié)點(diǎn)

1.3人工智能產(chǎn)業(yè)圖譜

人工智能產(chǎn)業(yè)圖譜的角色包括了數(shù)據(jù)和計(jì)算資源的提供方，算法、產(chǎn)品及解決方案提供者，終端落地行業(yè)如金融、公共安全、教育等

如圖3所示，數(shù)據(jù)、運(yùn)算力和算法模型是影響人工智能行業(yè)發(fā)展的三大要素。

圖3人工智能產(chǎn)業(yè)圖譜圖片來(lái)源：艾瑞咨詢(xún)中國(guó)人工智能行業(yè)研究報(bào)告（2018年）

2人工智能行業(yè)的痛點(diǎn)

2.1數(shù)據(jù)：被大型機(jī)構(gòu)壟斷，數(shù)據(jù)標(biāo)注質(zhì)量差

互聯(lián)網(wǎng)巨頭，像谷歌、微軟、蘋(píng)果、Facebook、阿里、騰訊和亞馬遜，基于海量用戶(hù)數(shù)壟斷了我們的數(shù)據(jù)。現(xiàn)在的人工智能多為有監(jiān)督學(xué)習(xí)，需要對(duì)數(shù)據(jù)進(jìn)行充分標(biāo)注，并非所有類(lèi)型的影像數(shù)據(jù)都易標(biāo)注，例如如醫(yī)療影像數(shù)據(jù)需由專(zhuān)業(yè)醫(yī)師標(biāo)注病灶，業(yè)界領(lǐng)先的視覺(jué)公司一般會(huì)有數(shù)百人的標(biāo)注團(tuán)隊(duì)，但標(biāo)注多為外包，缺乏專(zhuān)業(yè)培訓(xùn)和實(shí)時(shí)指導(dǎo)，導(dǎo)致被標(biāo)注的數(shù)據(jù)質(zhì)量差。

區(qū)塊鏈如何解決：區(qū)塊鏈?zhǔn)且环N以密碼學(xué)技術(shù)為基礎(chǔ)，以去中心化的方式，對(duì)大量數(shù)據(jù)進(jìn)行組織和維護(hù)，用戶(hù)控制自己的數(shù)據(jù)，打破科技巨頭壟斷數(shù)據(jù)的現(xiàn)狀。區(qū)塊鏈上的數(shù)據(jù)全部都附有相關(guān)人不可偽造的數(shù)字簽名，區(qū)塊鏈還具有完全公開(kāi)、高可靠性、去信任等諸多優(yōu)點(diǎn)，可以實(shí)現(xiàn)全球數(shù)據(jù)共享和溯源，使得構(gòu)建更高規(guī)模、更高質(zhì)量、可控制權(quán)限、可審計(jì)的全球去中心化人工智能數(shù)據(jù)標(biāo)注平臺(tái)成為可能。

2.2 算力：硬件成本高

在工業(yè)領(lǐng)域需要大量的圖片、視頻輸入以及場(chǎng)景訓(xùn)練，需要極大的運(yùn)算量，普通人工智能科技公司需要百萬(wàn)以上的資金購(gòu)置GPU、FPGA等硬件資源，對(duì)于大部分中小型企業(yè)來(lái)說(shuō)，負(fù)擔(dān)太大。

區(qū)塊鏈如何解決：把分布式挖礦與人工智能結(jié)合，將大型GPU或者FPGA服務(wù)器集群、中小型企業(yè)閑散的空余GPU放服務(wù)器以及個(gè)人閑置GPU作為計(jì)算節(jié)點(diǎn)，利用區(qū)塊鏈技術(shù)通過(guò)共享算力，為人工智能提供算力供給。

2.3 算法：人才短缺，研發(fā)進(jìn)度緩慢

算法是邏輯的表現(xiàn)，目前的困境在于缺乏專(zhuān)家，一個(gè)博士生大概需要五年的時(shí)間培養(yǎng)，但是五年前還沒(méi)有博士生開(kāi)始從事深度學(xué)習(xí)，所以該領(lǐng)域的專(zhuān)家極度稀缺。

區(qū)塊鏈如何解決：搭建發(fā)布機(jī)器學(xué)習(xí)任務(wù)的平臺(tái)，利用群體智慧優(yōu)化人工智能算法，一套算法由多個(gè)人工智能專(zhuān)家更新維護(hù)，不再是由一家公司決定一套算法。

3區(qū)塊鏈+人工智能行業(yè)整體分析

區(qū)塊鏈+人工智能類(lèi)項(xiàng)目按照涉及的領(lǐng)域，分為數(shù)據(jù)類(lèi)、算力類(lèi)和算法類(lèi)項(xiàng)目，概括如下圖。

3.1區(qū)塊鏈+人工智能行業(yè)項(xiàng)目一覽

根據(jù)CoinMarketCap數(shù)據(jù)，截至2018年7月24日14:00，在區(qū)塊鏈中的AI概念板塊中，項(xiàng)目市值排名主要集中在130-270名之間。

3.2 區(qū)塊鏈+人工智能賽道市值與總市值關(guān)系

2018年1月1日至2018年6月1日，在區(qū)塊鏈+人工智能行業(yè)中，根據(jù)非小號(hào)統(tǒng)計(jì)，一月有1個(gè)主流幣上了交易所并且統(tǒng)計(jì)了市值，有1個(gè)主流幣上了交易所沒(méi)有統(tǒng)計(jì)市值，有7個(gè)主流幣沒(méi)有上交易所；三月份有4個(gè)主流幣上了交易所并統(tǒng)計(jì)了市值，有4個(gè)主流幣上了交易所沒(méi)有統(tǒng)計(jì)了市值，有1個(gè)主流幣沒(méi)有上交易所；六月份之后，主流幣種都上了交易所并統(tǒng)計(jì)了市值。

圖4 AI賽道市值與總市值關(guān)系（億人民幣）數(shù)據(jù)來(lái)源：非小號(hào)項(xiàng)目市值信息不完全，但是根據(jù)六月份之后的趨勢(shì)可以判斷，隨著區(qū)塊鏈總市值在下降，AI概念板塊的市值也在下跌，如圖4所示。

4區(qū)塊鏈+人工智能類(lèi)項(xiàng)目

本章對(duì)代表性的區(qū)塊鏈+人工智能項(xiàng)目進(jìn)行技術(shù)分析。

4.1數(shù)據(jù)類(lèi)項(xiàng)目

數(shù)據(jù)服務(wù)涉及到數(shù)據(jù)來(lái)源、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)安全保護(hù)及防數(shù)據(jù)造假、數(shù)據(jù)清洗標(biāo)注。

1）數(shù)據(jù)來(lái)源：為保證用戶(hù)隱私，所有區(qū)塊鏈+AI項(xiàng)目中的數(shù)據(jù)來(lái)源均是用戶(hù)、或者機(jī)構(gòu)自主提供，而非網(wǎng)絡(luò)爬取。

2）數(shù)據(jù)存儲(chǔ)及交易：解決方案可概括為利用區(qū)塊鏈的分布式特點(diǎn)，采用分布式存儲(chǔ)方案，對(duì)于提供存儲(chǔ)能力的節(jié)點(diǎn)，提供代幣激勵(lì)，個(gè)人或單位可以加入網(wǎng)絡(luò)，成為節(jié)點(diǎn)的貢獻(xiàn)者，登記并提供節(jié)點(diǎn)存儲(chǔ)能力，包括容量、接口、存儲(chǔ)類(lèi)型以及相應(yīng)的SLA（ServiceLevelAggrement）。對(duì)于個(gè)人隱私數(shù)據(jù)，用戶(hù)可以上傳到用戶(hù)本地節(jié)點(diǎn)，利用私鑰限制訪問(wèn)權(quán)限。

3）數(shù)據(jù)安全保護(hù)及防數(shù)據(jù)造假：目前使用密碼學(xué)的公私鑰技術(shù)，驗(yàn)證數(shù)據(jù)的來(lái)源，判斷數(shù)據(jù)提供者的身份，驗(yàn)證數(shù)據(jù)的有效性。

4）數(shù)據(jù)清洗標(biāo)注：結(jié)合社區(qū)節(jié)點(diǎn)的多角色參與，取代人工智能行業(yè)中的數(shù)據(jù)眾包平臺(tái)。

表2列舉了數(shù)據(jù)類(lèi)項(xiàng)目的對(duì)比表。

重點(diǎn)項(xiàng)目分析：

1）Bottos(BTO)

Bottos項(xiàng)目采用數(shù)據(jù)挖礦的方式實(shí)現(xiàn)用戶(hù)數(shù)據(jù)變現(xiàn)，用戶(hù)不是依靠大量的算力投入，只需要擁有所需的測(cè)試數(shù)據(jù)（測(cè)試數(shù)據(jù)可以是方言、一些鳥(niǎo)類(lèi)的照片或者叫聲），就可以獲得代幣。

Bottos系統(tǒng)構(gòu)建的數(shù)據(jù)交換市場(chǎng)，提供了基礎(chǔ)的存儲(chǔ)服務(wù)，可以幫助用戶(hù)存儲(chǔ)一定、短時(shí)、少量的數(shù)據(jù)，數(shù)據(jù)交換市場(chǎng)為有大容量、長(zhǎng)時(shí)間存儲(chǔ)需求的特殊客戶(hù)，提供了儲(chǔ)存交易市場(chǎng)的購(gòu)買(mǎi)服務(wù)。為獲取優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)，Bottos項(xiàng)目采用社區(qū)節(jié)點(diǎn)多角色參與進(jìn)行清洗和標(biāo)注，但是清洗和標(biāo)注落地方案作為技術(shù)保留，在項(xiàng)目白皮書(shū)中沒(méi)有披露。

底層技術(shù)通過(guò)對(duì)當(dāng)前區(qū)塊鏈技術(shù)棧的總結(jié)，該項(xiàng)目首創(chuàng)積木式動(dòng)態(tài)節(jié)點(diǎn)模型，實(shí)現(xiàn)動(dòng)態(tài)編排區(qū)塊鏈節(jié)點(diǎn)，讓系統(tǒng)支持不同節(jié)點(diǎn)的類(lèi)型，構(gòu)成不同的服務(wù)網(wǎng)絡(luò)，實(shí)現(xiàn)了分層和模塊化構(gòu)架，如圖5所示。

圖5 Bottos積木式動(dòng)態(tài)節(jié)點(diǎn)

2）AICHAIN(AIT)

AICHAIN希望打破全球數(shù)據(jù)壟斷性壁壘，打造由區(qū)塊鏈驅(qū)動(dòng)的人工智能生態(tài)系統(tǒng)，讓數(shù)據(jù)資源方、應(yīng)用開(kāi)發(fā)方、運(yùn)行平臺(tái)資源方和用戶(hù)在這個(gè)區(qū)塊鏈上自由發(fā)布和使用各自的資源和應(yīng)用，讓用戶(hù)以更低的技術(shù)門(mén)檻和成本將AI應(yīng)用生態(tài)建設(shè)到區(qū)塊鏈平臺(tái)之上

資源分享平臺(tái)示意圖如圖6所示。

分享平臺(tái)存在著兩個(gè)技術(shù)落地的難題，一是鏈上資源如何能安全保存，二是如何撮合資源所有者和資源需求者交易。

圖6 分享平臺(tái)示意圖

4.2算力類(lèi)項(xiàng)目

算力類(lèi)項(xiàng)目涉及算力交易以及算力分配。

1）算力交易：公鏈中的節(jié)點(diǎn)通過(guò)安裝挖礦軟件及基礎(chǔ)人工智能運(yùn)行環(huán)境，參與算力的貢獻(xiàn)，然后算力購(gòu)買(mǎi)方與算力出售方通過(guò)任務(wù)競(jìng)價(jià)等模式進(jìn)行交易。

2）算力分配：區(qū)塊鏈本身是分布式的計(jì)算資源，算力分配的做法是將計(jì)算任務(wù)拆解分配給大量計(jì)算機(jī)并行計(jì)算。

表3算力類(lèi)項(xiàng)目特點(diǎn)

重點(diǎn)項(xiàng)目介紹：

1）DeepBrainChain(DBC)深腦鏈通過(guò)智能合約在交易平臺(tái)上進(jìn)行算力交易，運(yùn)用動(dòng)態(tài)計(jì)算協(xié)同計(jì)算節(jié)點(diǎn)，通過(guò)利用閑置計(jì)算資源降低成本。算力分配模式采用采用競(jìng)爭(zhēng)部署挖礦，如圖7所示，優(yōu)點(diǎn)是節(jié)點(diǎn)分散、去中心化程度高。但是算力分配技術(shù)細(xì)節(jié)，該項(xiàng)目并沒(méi)有披露。

圖7深腦鏈挖礦節(jié)點(diǎn)架構(gòu)

2）Hadron.Cloud

通過(guò)AI瀏覽器進(jìn)行算力交易，出售算力獲取Hadron代幣。

Hypernet的算力分配是通過(guò)在blockchain層下面創(chuàng)造新編程模型，解決連續(xù)通信進(jìn)程計(jì)算有關(guān)的問(wèn)題。

在目前區(qū)塊鏈行業(yè)里，用全新的區(qū)塊鏈協(xié)議有效支持百萬(wàn)級(jí)的任務(wù)分發(fā)和協(xié)作，是一個(gè)新穎的做法。

3）Hypernet

Hypernet沒(méi)有提及如何進(jìn)行算力交易，項(xiàng)目著重介紹了算力分配的安全保護(hù)機(jī)制，為促進(jìn)算力買(mǎi)賣(mài)雙方之間的交易，設(shè)計(jì)了ProcessReplication（復(fù)制過(guò)程），這可以確保計(jì)算過(guò)程的損失不會(huì)影響到整個(gè)作業(yè)。當(dāng)peer的一組被分配相同的一種數(shù)據(jù)時(shí)，各peer可以通過(guò)hashing的運(yùn)行結(jié)果，保證任何參與人不會(huì)被騙。

這種過(guò)程跟ProofofSpacetime（已使用在其它分散式項(xiàng)目）一樣的結(jié)構(gòu)。

Hypernet軟件基礎(chǔ)架構(gòu)包括三個(gè)主要組件組成：BlockchainResource Scheduler、基于分散平均分配規(guī)則的API、Hypernet的運(yùn)行環(huán)境。

圖8 Hypernet軟件基礎(chǔ)架構(gòu)

4.3算法類(lèi)項(xiàng)目

算法項(xiàng)目技術(shù)模式包括：

1）改善算法：公鏈系統(tǒng)上模型不是最優(yōu)的，區(qū)塊鏈中的每一個(gè)節(jié)點(diǎn)都可以為算法調(diào)參，即利用群體智慧改善現(xiàn)有的人工智能算法；

2）交易平臺(tái)：構(gòu)建AI算法交易平臺(tái)，交易的標(biāo)的可以是算法需求、算法模型或者將算法模型封裝好的AI Dapps；

3）改善區(qū)塊鏈：當(dāng)前區(qū)塊鏈設(shè)計(jì)固定，區(qū)塊鏈參數(shù)不能靈活調(diào)整且智能合約，不能自動(dòng)判斷交易模型的合理性，利用人工智能算法動(dòng)態(tài)更新區(qū)塊鏈參數(shù)，讓區(qū)塊鏈系統(tǒng)實(shí)現(xiàn)自我進(jìn)化，并自動(dòng)嗅探交易漏洞，實(shí)現(xiàn)合約交易的文明化進(jìn)程。

表4列舉了算法類(lèi)重點(diǎn)項(xiàng)目對(duì)比表，

表4算法類(lèi)重點(diǎn)項(xiàng)目對(duì)比表

重點(diǎn)項(xiàng)目介紹：

（1）Cortex(CTXC)

Cortex公鏈不能改善算法，算法交易的模式是構(gòu)建一個(gè)機(jī)器學(xué)習(xí)平臺(tái)，允許用戶(hù)在平臺(tái)上發(fā)布任務(wù)、購(gòu)買(mǎi)算法模型，Cortex通過(guò)將訓(xùn)練后的最先進(jìn)的機(jī)器學(xué)習(xí)模型放到公鏈上，解決模型的鏈上推斷共識(shí)，利用人工智能算法實(shí)現(xiàn)區(qū)塊鏈進(jìn)化。底層技術(shù)愿景包括：

第一點(diǎn)是鏈上推斷共識(shí)，高度去中心化，所有節(jié)點(diǎn)根據(jù)經(jīng)過(guò)訓(xùn)練的AI算法模型的推斷結(jié)果而不是其他共識(shí)機(jī)制下得出的確定結(jié)果達(dá)成一致，從而保證了去中心化的區(qū)塊鏈自治。

第二點(diǎn)是構(gòu)建虛擬機(jī)CVM，兼容以太坊的虛擬機(jī)，CVM指令集完全兼容EVM，同時(shí)CVM還支持推理指令。指令的輸入是推斷的代碼，輸出是推斷的結(jié)果。

第三點(diǎn)是AI智能合約，這部分相較于普通的智能合約，AI智能合約涉及推理指令，是整個(gè)區(qū)塊鏈體系的重點(diǎn)，架構(gòu)圖如圖9所示，要求所有節(jié)點(diǎn)在推斷結(jié)果的結(jié)果上達(dá)成一致。Cortex后期脫離以太坊的構(gòu)架，銷(xiāo)毀ERC-20代幣，采用Endorphins，模擬以太坊中Gas的概念來(lái)做AI智能合約計(jì)算耗費(fèi)的記賬，并命名為Endorphins，以此作為CVM在顯卡級(jí)別的計(jì)費(fèi)方式。相對(duì)于同類(lèi)AI項(xiàng)目，技術(shù)的創(chuàng)新點(diǎn)為：項(xiàng)目在技術(shù)架構(gòu)上創(chuàng)新提出鏈上推斷共識(shí)；有自己的虛擬機(jī)且相對(duì)于以太坊的虛擬機(jī)而言，增加了支持推斷指令的設(shè)計(jì)；后期脫離以太坊的構(gòu)架，采用Endorphins作為計(jì)費(fèi)方式且設(shè)計(jì)科學(xué)合理，可實(shí)現(xiàn)性較強(qiáng)。

圖9 AI智能合約推斷

（2）SingularityNET(AGI)

SingularityNET(AGI)通過(guò)建立一個(gè)針對(duì)AI的去中心化開(kāi)源平臺(tái)，實(shí)現(xiàn)改善算法的目的，平臺(tái)循環(huán)模式圖如圖10所示，讓AI算法的提供方和使用方實(shí)現(xiàn)實(shí)時(shí)靈活的溝通交流。算法交易部分通過(guò)跟蹤哪些算法正在被使用，并相應(yīng)地對(duì)開(kāi)發(fā)人員進(jìn)行補(bǔ)償。項(xiàng)目沒(méi)有涉及改善區(qū)塊鏈的部分。

底層技術(shù)創(chuàng)新點(diǎn)：前期采用POW+POS共識(shí)機(jī)制，未來(lái)脫離以太坊后，采用POR（ProofofReputation）信譽(yù)共識(shí)機(jī)制。該機(jī)制包含以下因素：股權(quán)、在網(wǎng)絡(luò)中的整體活動(dòng)、特定評(píng)級(jí)方面、活動(dòng)長(zhǎng)度和特定閾值以上的評(píng)級(jí)等。基于貢獻(xiàn)和行為計(jì)算節(jié)點(diǎn)的可信度，同時(shí)利用算法的隨機(jī)性保證公平性。

與同類(lèi)的項(xiàng)目相比，SingulaityNET項(xiàng)目并不定位于AI領(lǐng)域的公鏈搭建，而是致力于開(kāi)源的AI算法平臺(tái)的建立和社區(qū)的建設(shè)，這使得該項(xiàng)目具有極強(qiáng)的可實(shí)現(xiàn)性。團(tuán)隊(duì)本身也處于AI領(lǐng)域的前沿，母公司的OpenCog基金會(huì)背景使得項(xiàng)目具有極強(qiáng)的吸引力。總體來(lái)看，容易落地。

圖10 SingularityNET開(kāi)源平臺(tái)機(jī)構(gòu)圖

4.4項(xiàng)目投資明細(xì)

根據(jù)CoinMarketCap，區(qū)塊鏈+AI項(xiàng)目發(fā)行時(shí)間集中在2017年前后，投資機(jī)構(gòu)既有老牌傳統(tǒng)機(jī)構(gòu)如微軟等，也有專(zhuān)注于區(qū)塊鏈的投資機(jī)構(gòu)如節(jié)點(diǎn)資本、比特大陸等，圖11列出了市值前9的區(qū)塊鏈+AI項(xiàng)目。

圖11人工智能項(xiàng)目投資明細(xì)

5區(qū)塊鏈+AI項(xiàng)目投資邏輯

從技術(shù)角度出發(fā)，區(qū)塊鏈+AI項(xiàng)目的投資邏輯將從數(shù)據(jù)、算力、算法層面進(jìn)行分析，技術(shù)方向的關(guān)注重點(diǎn)如圖12所示。

圖12人工智能領(lǐng)域投資邏輯關(guān)注重點(diǎn)

5.1 整體邏輯

1）AI和區(qū)塊鏈的投資趨勢(shì)，是由區(qū)塊鏈引發(fā)的，因此一定不是AI領(lǐng)域單邊的需求，因?yàn)槟菢拥脑捑蜁?huì)回歸AI領(lǐng)域的投資邏輯。我們需要探索交叉領(lǐng)域給雙邊帶來(lái)的機(jī)遇，以及創(chuàng)造全新的機(jī)會(huì)。

2）人工智能市場(chǎng)并不是一片藍(lán)海，BAT等巨頭公司資源，技術(shù)優(yōu)勢(shì)非常明顯。初創(chuàng)企業(yè)在長(zhǎng)尾眾包市場(chǎng)機(jī)會(huì)可能大一些。比如未來(lái)去中心化的算法交易市場(chǎng)可能更易落地，用物質(zhì)獎(jiǎng)勵(lì)，來(lái)刺激機(jī)器學(xué)習(xí)專(zhuān)家開(kāi)發(fā)模型，性能最好的模型會(huì)獲得更高比例的收益。

3）要讓去中心化的AI市場(chǎng)起作用，就需要運(yùn)用各種安全計(jì)算技術(shù)，包括聯(lián)合學(xué)習(xí)等，保證個(gè)人和公司提供的任何模型參數(shù)都能以完全私密的方式來(lái)處理。

4）目前創(chuàng)業(yè)要充分考慮到熊市的影響，已經(jīng)有一定進(jìn)展和實(shí)力或具有賺錢(qián)能力的項(xiàng)目才能安穩(wěn)度過(guò)熊市，比如項(xiàng)目主網(wǎng)已經(jīng)上線、已經(jīng)有實(shí)際業(yè)務(wù)現(xiàn)金流等。

5.1 數(shù)據(jù)

這一領(lǐng)域初創(chuàng)公司可以通過(guò)數(shù)據(jù)眾包的方式，利用token的優(yōu)勢(shì)進(jìn)行彎道超車(chē)。

1）數(shù)據(jù)保密：由于數(shù)據(jù)讀寫(xiě)方面，區(qū)塊鏈僅支持記錄級(jí)寫(xiě)授權(quán)，但讀操作時(shí)完全共享，這種情況導(dǎo)致鏈上數(shù)據(jù)完全共享，因此數(shù)據(jù)的保密性很重要。

2）規(guī)模化存儲(chǔ)節(jié)點(diǎn)：項(xiàng)目前期應(yīng)該能吸引大量的儲(chǔ)存節(jié)點(diǎn)，以降低數(shù)據(jù)存儲(chǔ)的成本的項(xiàng)目。

5.2 算力

目前這一領(lǐng)域巨頭公司優(yōu)勢(shì)明顯，在目前的發(fā)展情況下，初創(chuàng)公司突破較難，等算法市場(chǎng)、存儲(chǔ)市場(chǎng)等生態(tài)起來(lái)了以后可能會(huì)有新機(jī)會(huì)出現(xiàn)。

1）AI芯片研發(fā)：英特爾壟斷了芯片，芯片是人工智能算力的硬件基礎(chǔ)，這類(lèi)項(xiàng)目投資者需要關(guān)注項(xiàng)目方是否有能力研發(fā)并生產(chǎn)芯片。

2）并行計(jì)算：算力分配需要考察各個(gè)客戶(hù)端能否將提交的算法進(jìn)行聚合修改，保證算法參數(shù)實(shí)時(shí)有效的更新在每一個(gè)客戶(hù)端，是目前AI算力分配過(guò)程中遇到的難點(diǎn)，所以投資者需要關(guān)注項(xiàng)目方是否有能力處理大規(guī)模并行計(jì)算難題。

5.3 算法

1）算法保密：去中心的AI算法交易市場(chǎng)，讓每個(gè)AI人才都可以為算法做出貢獻(xiàn)，但是要讓去中心化的AI市場(chǎng)起作用，就需要保證個(gè)人和公司提供的任何算法模型都能以完全私密的方式來(lái)處理。

2）同步模型參數(shù)：分布式網(wǎng)絡(luò)協(xié)同訓(xùn)練人工智能模型時(shí)，參數(shù)需要通過(guò)共識(shí)機(jī)制協(xié)同調(diào)整，如果模型參數(shù)不一致，最終的算法模型可用性非常低，所以此類(lèi)項(xiàng)目投資者需要關(guān)注項(xiàng)目是否能做到同步模型參數(shù)。

6區(qū)塊鏈+AI項(xiàng)目未來(lái)趨勢(shì)

6.1技術(shù)總體趨勢(shì)：此領(lǐng)域成熟還有大量條件待滿足

理想情況是：利用合理的Token模型構(gòu)建底層價(jià)值網(wǎng)絡(luò)，保證區(qū)塊鏈節(jié)點(diǎn)的積極性，在區(qū)塊鏈的隱私，性能，硬件，算法安全性提高的前提下，越來(lái)越多的數(shù)據(jù)，算力，算法，新理論在市場(chǎng)上進(jìn)行交易。同時(shí)進(jìn)行自我優(yōu)化。

6.2 隱私：首要因素

ai相關(guān)的數(shù)據(jù)和計(jì)算的隱私，在云計(jì)算時(shí)代未得到徹底解決，區(qū)塊鏈時(shí)代是一個(gè)大的機(jī)遇。因此應(yīng)關(guān)注隱私方面的進(jìn)展。

6.3 經(jīng)濟(jì)模型：給予角色正確的激勵(lì)

區(qū)塊鏈+AI項(xiàng)目中包括數(shù)據(jù)的提供方和購(gòu)買(mǎi)方，算力的提供方和購(gòu)買(mǎi)方，算法的提供方和購(gòu)買(mǎi)方。如何協(xié)調(diào)AI生態(tài)中各種角色的經(jīng)濟(jì)激勵(lì)，使更多的數(shù)據(jù)、算力和算法在平臺(tái)上交易，甚至貢獻(xiàn)新的理論，是值得研究的課題。

6.4 擴(kuò)容：更好的解決方案

隨著區(qū)塊鏈擴(kuò)容方案的落地，目前AI+區(qū)塊鏈中使用的各種算法可以有更智能的解決方案。

6.5 存儲(chǔ)：未來(lái)會(huì)出現(xiàn)更好的垂直性?xún)?chǔ)存。

在訓(xùn)練AI模型的過(guò)程中，為了訓(xùn)練屬于自己的模型，需要存儲(chǔ)自己的數(shù)據(jù)。目前IPFS方案的落地可能性眾說(shuō)紛紜，一種可能性是，會(huì)出現(xiàn)專(zhuān)門(mén)應(yīng)用于人工智能領(lǐng)域的數(shù)據(jù)存儲(chǔ)協(xié)議，針對(duì)ai計(jì)算所需的隱私要求和存儲(chǔ)pattern做的專(zhuān)門(mén)的優(yōu)化，有些場(chǎng)景下比通用存儲(chǔ)可能會(huì)先出現(xiàn)落地應(yīng)用。

6.6 硬件：期待專(zhuān)用芯片的出現(xiàn)

礦工一直在做的就是簡(jiǎn)單的SHA256的哈希運(yùn)算，但深度學(xué)習(xí)還是以GPU通用計(jì)算為主，而且深度學(xué)習(xí)訓(xùn)練的算法本身不是確定的，因此目前挖礦硬件是難以支持深度學(xué)習(xí)訓(xùn)練的。未來(lái)期望會(huì)出現(xiàn)滿足ai+blockchain各種需求的專(zhuān)用芯片，配合專(zhuān)門(mén)的協(xié)議，可以解決均等分配計(jì)算任務(wù)的難題，使得在礦工在挖礦給區(qū)塊鏈記賬的同時(shí)，幫助解決AI計(jì)算問(wèn)題。

6.7 AI算法安全性趨勢(shì)

AI算法如果架構(gòu)在去中心化的區(qū)塊鏈上，隨著AI被用在各種區(qū)塊鏈上的越來(lái)越重要的場(chǎng)景，如果會(huì)出現(xiàn)沒(méi)有任何一家公司完全控制算法，算法存在失控的可能性，因此，AI行為安全一定會(huì)變得越發(fā)重要。

長(zhǎng)推：聊聊AI+區(qū)塊鏈的看法

原文作者：B

原文來(lái)源：twitter

注：本文來(lái)自@bonnazhu推特，火星財(cái)經(jīng)整理如下：

借著近期OpenAI 4o版本的發(fā)布，侃一下對(duì)AI+區(qū)塊鏈的看法：

以O(shè)penAI為首的生成式AI浪潮，靠一己之力，拉動(dòng)了數(shù)據(jù)、存儲(chǔ)、計(jì)算這三個(gè)板塊的發(fā)展。從此之后，AI將成為它們未來(lái)十年甚至幾十年最重要的客戶(hù)，服務(wù)好AI，再由AI去服務(wù)各個(gè)下游行業(yè)客戶(hù)和應(yīng)用的鏈條正在逐步形成，AI成了最重要的中間層和發(fā)動(dòng)機(jī)：

第一，AI帶動(dòng)了上游基建的需求：

1) 計(jì)算：包括芯片的設(shè)計(jì)與生產(chǎn)，云計(jì)算服務(wù)，數(shù)據(jù)中心，網(wǎng)絡(luò)/電力基礎(chǔ)設(shè)施等

這一環(huán)節(jié)偏重物理，AI的訓(xùn)練和結(jié)果輸出需要消耗大量的算力、電力以及網(wǎng)絡(luò)資源，而芯片的性能又是決定效率和能耗的關(guān)鍵，這就決定了像英偉達(dá), AMD這樣的芯片設(shè)計(jì)公司，臺(tái)積電, 三星這樣的晶圓代工廠，以及谷歌、微軟，亞馬遜等有云計(jì)算和數(shù)據(jù)中心業(yè)務(wù)的科技巨頭注定捕獲這一輪最大的價(jià)值。

但區(qū)塊鏈并不是沒(méi)有用武之地。目前算力壟斷非常明顯，高性能GPU一卡難求，或者需要付出很高的溢價(jià)才能在云計(jì)算廠商處獲取相關(guān)服務(wù)，并且還可能由于地緣政治，芯片禁售等原因，導(dǎo)致算力在地理上的分布也呈現(xiàn)集中。這種失衡帶來(lái)的需求外溢，使得去中心化計(jì)算成為這一輪AI浪潮中獲取實(shí)際利益的區(qū)塊鏈板塊之一。這一板塊的項(xiàng)目眾多，新項(xiàng)目不斷涌現(xiàn)，爭(zhēng)奪會(huì)很激烈，如@akashnet_@rendernetwork@gensynai@NodeAIETH@exa_bits@ionet@fluence_project@gpunet@nosana_ai等等。

不過(guò)由于區(qū)塊鏈網(wǎng)絡(luò)本身的性能局限與機(jī)器學(xué)習(xí)高昂計(jì)算量的矛盾，使得復(fù)雜的深度學(xué)習(xí)必然要在鏈下進(jìn)行，然后把結(jié)果傳輸?shù)芥溕稀Ｈ绾悟?yàn)證算力提供方是否按照要求執(zhí)行了訓(xùn)練任務(wù)是一個(gè)難點(diǎn)，并且計(jì)算需要調(diào)用數(shù)據(jù)和模型，存在潛在的隱私暴露問(wèn)題。此時(shí)ZK（零知識(shí)證明）的威力就顯現(xiàn)出來(lái)了。目前已經(jīng)有不少項(xiàng)目在探索ZK為AI進(jìn)行服務(wù)，例如 @bagel_network@gizatechxyz@ModulusLabs都旨在打造一個(gè)開(kāi)發(fā)者可以部署AI模型，并可運(yùn)用ZK對(duì)AI訓(xùn)練和推斷過(guò)程進(jìn)行校驗(yàn)的機(jī)器學(xué)習(xí)平臺(tái)，即ZK machine learning，而@ezklxyz則是專(zhuān)注做服務(wù)AI的ZKP生成器和驗(yàn)證器，@Ingo_zk則是鉆研ZKP生成硬件加速。

另外，生成式AI帶來(lái)的能耗（包括計(jì)算產(chǎn)生的能耗以及散熱帶來(lái)的能耗）也是相當(dāng)驚人。據(jù)說(shuō)OpenAI訓(xùn)練GPT-6的時(shí)候，把微軟的電網(wǎng)都搞崩了。隨著之后各大巨頭繼續(xù)加碼AI數(shù)據(jù)中心（其中OpenAI計(jì)劃聯(lián)合微軟耗資1000億美元打造名為Stargate星際之門(mén)的超級(jí)計(jì)算器），能耗只會(huì)幾何級(jí)上漲。但是網(wǎng)絡(luò)/電力這種基礎(chǔ)的建設(shè)翻新周期很慢，且在例如美國(guó)這種國(guó)家，土地大多是私有的，拓展電網(wǎng)及相關(guān)的基礎(chǔ)設(shè)施需要經(jīng)過(guò)私人同意。如何讓私人有動(dòng)力參與到基礎(chǔ)設(shè)施的拓展中，或是讓私人減輕對(duì)電網(wǎng)的依賴(lài)和負(fù)擔(dān)，這可能是未來(lái) #DePin的一個(gè)重要議題。當(dāng)然，除了電能，穩(wěn)定的帶寬也是AI需求的重要基礎(chǔ)設(shè)施之一，大部分?jǐn)?shù)據(jù)中心都會(huì)傾向于構(gòu)建在ISP（網(wǎng)絡(luò)業(yè)務(wù)提供商）近一些的地方，電力豐富的地方，網(wǎng)絡(luò)帶寬資源不一定豐富。如何利用#DePin解決這個(gè)錯(cuò)配問(wèn)題，也是一個(gè)值得期待的方向。

2) 數(shù)據(jù)：包括數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注/處理、數(shù)據(jù)交易/授權(quán)。

盡管數(shù)據(jù)是AI的“食物”，然而大多數(shù)機(jī)器學(xué)習(xí)模型只能使用經(jīng)過(guò)處理的結(jié)構(gòu)化數(shù)據(jù)。目前，用于機(jī)器學(xué)習(xí)的數(shù)據(jù)來(lái)源非常廣泛，且大部分是非結(jié)構(gòu)化的和分散在各處的公開(kāi)數(shù)據(jù)，因此需要花費(fèi)大量時(shí)間和精力對(duì)這些數(shù)據(jù)進(jìn)行搜集和處理。這其實(shí)是一個(gè)勞動(dòng)密集的苦差事，卻也是區(qū)塊鏈和代幣經(jīng)濟(jì)能夠很好切入的環(huán)節(jié)，目前在做這個(gè)數(shù)據(jù)采集、處理分包業(yè)務(wù)的主要有 @getgrass_io@PublicAI_@AITProtocol這幾家。

不過(guò)需要注意的是，隨著新的機(jī)器學(xué)習(xí)模型架構(gòu)的出現(xiàn)，對(duì)于結(jié)構(gòu)化數(shù)據(jù)的依賴(lài)會(huì)有所改變。新的技術(shù)架構(gòu)如自監(jiān)督學(xué)習(xí)、GAN、VAE和預(yù)訓(xùn)練模型，可以直接利用非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，繞過(guò)數(shù)據(jù)處理和清洗環(huán)節(jié)，而這會(huì)對(duì)勞動(dòng)密集型平臺(tái)的需求帶來(lái)一定沖擊。

此外，可以公開(kāi)抓取的數(shù)據(jù)只是這個(gè)世界數(shù)據(jù)的冰山一角，大量的數(shù)據(jù)其實(shí)掌握在私營(yíng)機(jī)構(gòu)或者個(gè)人用戶(hù)手中，除了部分企業(yè)會(huì)有公開(kāi)的API允許調(diào)用外，大部分?jǐn)?shù)據(jù)仍舊沒(méi)有被激活。如何讓更多的數(shù)據(jù)持有者貢獻(xiàn)/授權(quán)自己的數(shù)據(jù)，同時(shí)又能良好的保護(hù)隱私，是一個(gè)重點(diǎn)方向。曾經(jīng)有不少做去中心化數(shù)據(jù)交易的平臺(tái)，但因?yàn)榭嘤谡也坏接袛?shù)據(jù)需求的甲方，經(jīng)過(guò)幾輪周期的大浪淘沙，基本都銷(xiāo)聲匿跡，只剩下少數(shù)如 @oceanprotocol熬到了AI的春天，而它們獨(dú)特的Compute-to-data模式，讓數(shù)據(jù)使用者可以直接在數(shù)據(jù)分享者的數(shù)據(jù)集上進(jìn)行計(jì)算而不暴露數(shù)據(jù)，恰好解決了這個(gè)隱私痛點(diǎn)。

3) 存儲(chǔ)：包括數(shù)據(jù)庫(kù)（database），數(shù)據(jù)備份/存儲(chǔ)系統(tǒng)（storage）

深度學(xué)習(xí)模型在訓(xùn)練和推斷時(shí)用到的數(shù)據(jù)，大多是從數(shù)據(jù)庫(kù)或者數(shù)據(jù)存儲(chǔ)備份系統(tǒng)處調(diào)取的。可以把數(shù)據(jù)庫(kù)和備份/存儲(chǔ)系統(tǒng)理解成“冰箱”，不過(guò)數(shù)據(jù)庫(kù)和備份/存儲(chǔ)系統(tǒng)其實(shí)是不太一樣的，前者側(cè)重管理，需要支持頻繁的讀寫(xiě)，以及復(fù)雜查詢(xún)（如SQL）和檢索，后者側(cè)重大規(guī)模、長(zhǎng)期的備份和歸檔，需要保證隱私、安全和不可篡改。

Database和storage相輔相成，共同服務(wù)AI深度學(xué)習(xí)，一個(gè)典型的場(chǎng)景是：數(shù)據(jù)從database中提取，進(jìn)行預(yù)處理和清洗，轉(zhuǎn)換成適合模型訓(xùn)練的格式，處理后的數(shù)據(jù)可以存儲(chǔ)在去中心化storage中，確保數(shù)據(jù)的安全。模型訓(xùn)練階段，從去中心化storage中讀取訓(xùn)練數(shù)據(jù)，進(jìn)行模型訓(xùn)練，訓(xùn)練過(guò)程中生成的中間數(shù)據(jù)和模型參數(shù)可以存儲(chǔ)在database中，便于快速訪問(wèn)和微調(diào)、更新。

這一板塊是區(qū)塊鏈的優(yōu)勢(shì)所在，@ArweaveEco@Filecoin@storj@Sia__Foundation都是這個(gè)賽道的，甚至@dfinity也可以歸類(lèi)進(jìn)去，然而越來(lái)越覺(jué)得@ArweaveEco才是最適合服務(wù)AI的那個(gè)方案：其一次性支付永續(xù)存儲(chǔ)的模式，加上生態(tài)系統(tǒng)中許多database項(xiàng)目作為補(bǔ)充，以及新發(fā)布的并行架構(gòu)AO計(jì)算網(wǎng)絡(luò)，完美適配深度學(xué)習(xí)中多線程任務(wù)的需求，這使得其能夠很好地支持機(jī)器學(xué)習(xí)的部署。

第二，AI性能決定了下游應(yīng)用的上限：

雖然AI已經(jīng)或多或少在工業(yè)、農(nóng)業(yè)領(lǐng)域（2B）有所應(yīng)用，但這一輪我們看到的突破主要是基于大語(yǔ)言模型（LLM）的2C應(yīng)用。我們可以把這些應(yīng)用分成兩大類(lèi)：

第一類(lèi)其實(shí)只是大語(yǔ)言模型的具象化，例如一些AIGC平臺(tái)，它們根據(jù)用戶(hù)指令生成用戶(hù)想要的結(jié)果，但這一類(lèi)應(yīng)用的性能主要取決于使用的AI模型，而主要的LLM模型被巨頭們壟斷，因而應(yīng)用間的差異性往往較小，護(hù)城河相對(duì)較窄；另一類(lèi)則是利用AI模型來(lái)提升現(xiàn)有產(chǎn)品的功能和用戶(hù)體驗(yàn)，例如增加了AI能力的搜索引擎、游戲等，包括@_kaitoai@ScopeProtocol@EchelonFND

除此之外，生成式AI浪潮還催熱了一種新的應(yīng)用生態(tài)—AI Agent，即智能機(jī)器人，其具備根據(jù)用戶(hù)意圖獨(dú)立執(zhí)行任務(wù)和做出決策的功能。AI Agent本質(zhì)是在LLM的模型基礎(chǔ)上，增加了更為復(fù)雜的執(zhí)行和處理邏輯，使其能服務(wù)于不同的應(yīng)用場(chǎng)景。實(shí)際上，這種Agent的雛形在加密貨幣領(lǐng)域已經(jīng)存在，例如DeFi借貸協(xié)議的清算機(jī)器人（liquidation bot）和去中心化交易平臺(tái)的套利機(jī)器人（arbitrage bot）。這些DeFi Bots雖然具備智能機(jī)器人的一些特點(diǎn)，但它們是純鏈上的，不支持鏈下行為，且因?yàn)槭腔谥悄芎霞s，需要外部觸發(fā)才能啟動(dòng)。

在沒(méi)有AI的情況下，目前是通過(guò)一套外部的keeper網(wǎng)絡(luò)來(lái)打通鏈下和鏈上的，例如價(jià)格預(yù)言機(jī)就是這樣一個(gè)典型，以及 @thekeep3r也是一個(gè)例子。而AI Agent的出現(xiàn)，給了一種新的思路，即可以由智能機(jī)器人自行去完成，并實(shí)現(xiàn)自動(dòng)化。鏈上AI Agent標(biāo)的主要有：@autonolas@MorpheusAIs；而其他較為通用的AI Agent的標(biāo)的有@chainml_@Fetch_ai；以及專(zhuān)注陪伴、人機(jī)交互的AI Agent有@myshell_ai@virtuals_io@The_Delysium，而這一類(lèi)Agent的特點(diǎn)是擬人化，提供情緒價(jià)值，且具有被運(yùn)用到各個(gè)游戲、元宇宙之中的想象空間。

第三，寫(xiě)在最后：

AI其實(shí)是一個(gè)融合敘事，它的出現(xiàn)，把原先各個(gè)孤立甚至當(dāng)初找不到市場(chǎng)契合點(diǎn)的幾個(gè)加密板塊串聯(lián)起來(lái)了。目前AI仍舊處于大基建投資時(shí)代，數(shù)據(jù)、存儲(chǔ)、計(jì)算這一類(lèi)上游板塊是最直接的持續(xù)受益者，它們對(duì)AI發(fā)展更為敏感，確定性也更高。

但是對(duì)于這個(gè)行業(yè)的投資者來(lái)說(shuō)，風(fēng)險(xiǎn)在于大部分的紅利可能不在加密貨幣市場(chǎng)，目前幣市的AI效應(yīng)更多還是來(lái)自傳統(tǒng)市場(chǎng)供需關(guān)系失衡帶來(lái)的溢出效應(yīng)，或者就是純炒作。而下游應(yīng)用由于性能天花板取決于AI模型，而AI模型仍處在不斷迭代的過(guò)程中，且AI與產(chǎn)品的結(jié)合點(diǎn)還在探索，市場(chǎng)契合度還有待驗(yàn)證，這使得下游應(yīng)用的未來(lái)變數(shù)還比較大，確定性不如上游板塊那么高。

當(dāng)然，還有像@bittensor_和@ritualnet這樣的項(xiàng)目，我認(rèn)為更應(yīng)該稱(chēng)之為AI生態(tài)平臺(tái)的項(xiàng)目。他們并不單純專(zhuān)注于上游或下游的某一塊業(yè)務(wù)，而是通過(guò)架構(gòu)和經(jīng)濟(jì)機(jī)制設(shè)計(jì)，使上下游業(yè)務(wù)的各個(gè)提供者能夠接入并部署到其平臺(tái)或鏈上，實(shí)現(xiàn)所謂的人工智能協(xié)作。這些項(xiàng)目有著宏大的遠(yuǎn)景，但目前區(qū)塊鏈AI上下游面臨的需求捕獲問(wèn)題同樣會(huì)反映到它們身上，且估值較高。不過(guò)，相比于押注某一個(gè)具體項(xiàng)目，押注這些平臺(tái)的風(fēng)險(xiǎn)會(huì)相對(duì)小一些。

短期內(nèi)，區(qū)塊鏈能否繼續(xù)從AI紅利中獲益，可能仍然取決于上游板塊的供需關(guān)系失衡，尤其是供給不足狀況的持續(xù)。但從中長(zhǎng)期來(lái)看，區(qū)塊鏈的可驗(yàn)證性、不可篡改性和代幣激勵(lì)等特性，確實(shí)能夠?yàn)锳I帶來(lái)新的可能性，其中，零知識(shí)證明是一大利器，既能保護(hù)隱私，又能實(shí)現(xiàn)可信驗(yàn)證，完美解決了區(qū)塊鏈在性能局限下服務(wù)AI深度學(xué)習(xí)高計(jì)算量需求的問(wèn)題。