Foresight Ventures: AI+Crypto Ultimate Report V1
「AI は依然として最も注目に値するトラックの 1 つであり、Web3 において最大のチャンスを秘めています。このロジックは間違いなく変わりません。」
執筆者: Ian、Foresight Ventures
##TL;DR
AI と暗号通貨を組み合わせる分野を数か月にわたって掘り下げた後、この方向性についての理解はさらに深まりました。この記事では、初期の視聴回数と現在のトラックの傾向を比較分析します。このトラックに精通している友人は、2 番目のセクションから読み始めることができます。
- 分散型コンピューティング パワー ネットワーク: 市場の需要という課題に直面しているため、分散型の最終目標はコストを削減することに特に重点が置かれています。 Web3 のコミュニティ属性とトークンは無視できない価値をもたらしますが、それは破壊的な変化ではなく、コンピューティング パワー トラック自体への付加価値にすぎません。焦点は、それをユーザーのニーズと組み合わせる方法を見つけることです。盲目的に分散化されたコンピューティング パワー ネットワークは、集中型コンピューティング パワーの不足を補う役割を果たします。
- AI 市場: フルリンク金融 AI 市場の概念、コミュニティとトークンによってもたらされる価値、およびそれらの重要性について議論しました。このような市場は、基礎となるコンピューティング能力とデータに焦点を当てるだけでなく、モデル自体や関連アプリケーションも含みます。モデルの金融化は AI 市場の中核要素であり、ユーザーを AI モデルの価値創造プロセスに直接参加させる一方で、基盤となるコンピューティング能力とデータに対する需要を生み出します。
- オンチェーン AI と ZKML は需要と供給という二重の課題に直面していますが、OPML はコストと効率の点でよりバランスの取れたソリューションを提供します。 OPML は技術革新ではありますが、需要がないというオンチェーン AI が直面する根本的な課題を解決できるわけではありません。
- アプリケーション層では、ほとんどの Web3 AI アプリケーション プロジェクトは単純すぎるため、AI アプリケーションのより合理的な点は、ユーザー エクスペリエンスを向上させ、開発効率を向上させるか、AI 市場の重要な部分として機能することです。
1. AI トラックのレビュー
過去数か月間、私は AI と暗号通貨のテーマについて徹底的な調査を行ってきました。数か月の蓄積を経て、いくつかのトラックの方向性について早い段階で洞察が得られたことを非常にうれしく思っていますが、まだできることはありません。また、現在いくつかの傾向が見えてきていますが、これは正確な見解ではありません。
**この記事では意見についてのみ説明し、概要については説明しません。**この記事では、web3 における AI の一般的な方向性をいくつか取り上げ、このトラックに関する私の以前および現在の意見と分析を示します。視点が異なれば、インスピレーションも異なる可能性があり、それを比較的かつ弁証法的に見ることができます。
まず、今年上半期に設定された AI と暗号通貨の主な方向性を確認しましょう。
1.1 分散コンピューティング能力
「分散型コンピューティングパワーネットワークの合理的な考察」では、コンピューティングパワーが将来最も価値のあるリソースになるという一般的な論理に基づいて、暗号がコンピューティングパワーネットワークに与えることができる価値を分析します。
分散型分散コンピューティング電力ネットワークには、大規模な AI モデルのトレーニングに対する最大の需要がありますが、最大の課題や技術的なボトルネックにも直面しています。複雑なデータ同期やネットワーク最適化の問題が含まれます。さらに、データのプライバシーとセキュリティも重要な制約です。大規模な分散トレーニング タスクにおいて予備的な解決策を提供できる既存の技術はいくつかありますが、膨大な計算と通信のオーバーヘッドのため、これらの技術はまだ実用的ではありません。明らかに、分散型分散コンピューティング電力ネットワークはモデル推論に実装される可能性が高く、将来の増加を予測する十分な余地があります。しかし、通信遅延、データプライバシー、モデルのセキュリティなどの課題にも直面しています。モデル トレーニングと比較すると、推論中の計算の複雑さとデータの対話性が低く、分散環境での実行により適しています。
1.2 分散型 AI 市場
「分散型 AI マーケットプレイスの最良の試み」では、分散型 AI マーケットプレイスを成功させるためには、AI と Web3 の利点を密接に組み合わせ、分散、資産確認、収益分散、分散化を使用する必要があると述べています。集中化されたコンピューティング能力により、AI アプリケーションの敷居が低くなり、開発者によるモデルのアップロードと共有が促進されると同時に、ユーザーのデータプライバシー権が保護され、開発者にとって使いやすくユーザーのニーズを満たす AI リソースの取引および共有プラットフォームが構築されます。
当時の考えは (今では完全に正確ではないかもしれませんが)、データベースの AI 市場にはより大きな可能性があるというものでした。モデルのみに依存するマーケットプレイスには、多数の高品質モデルのサポートが必要ですが、初期のプラットフォームにはユーザー ベースと高品質リソースが不足しているため、優れたモデル プロバイダーが高品質モデルを引き付けることが困難になります。データは分散化され分散されており、収集、インセンティブ層の設計、およびデータ所有権の保証により、大量の貴重なデータとリソース、特にプライベート ドメイン データを蓄積できます。
分散型 AI マーケットプレイスの成功は、ユーザー リソースの蓄積と強力なネットワーク効果にかかっており、ユーザーと開発者が市場から得られる価値は、市場の外で得られる価値を上回ります。市場の初期段階では、ユーザーを引き付けて維持するために高品質のモデルを蓄積することに重点が置かれ、その後、高品質のモデル ライブラリとデータ障壁を確立した後、より多くのエンド ユーザーを引きつけて維持することに移ります。
1.3 ZKML
オンチェーン AI の価値は、ZKML の話題が広く議論される前に「AI + Web3 = ?」で議論されました。
分散化とトラストレスを犠牲にすることなく、オンチェーン AI には Web3 の世界を「次のレベル」に導く機会があります。現在の web3 は web2 の初期段階に似ており、より広範なアプリケーションを引き受けたり、より大きな価値を生み出したりする能力はまだありません。オンチェーン AI は、透明性と信頼性の高いソリューションを提供するように正確に設計されています。
1.4 AI アプリケーション
「AI + Crypto が語る Web3 女性向けゲーム - HIM」では、ポートフォリオ プロジェクト「HIM」と合わせて、Web3 アプリケーションにおける大規模モデルがもたらす価値を分析し、AI + Crypto がどのような可能性をもたらすのかを分析します。より高い利益を得るには?インフラストラクチャからアルゴリズムまでのチェーンにおけるトラストレス LLM の本格的な開発に加えて、もう 1 つの方向性は、製品内の推論プロセスに対するブラック ボックスの影響を軽視し、大規模モデルの強力な推論機能を実装するための適切なシナリオを見つけることです。 。
2. 現在の AI トラックの分析
2.1 コンピューティング ネットワーク: 想像力の余地はたくさんありますが、敷居は高くなります
コンピューティング パワー ネットワークの一般的なロジックは変わっていませんが、依然として市場の需要という課題に直面しています。効率と安定性が低いソリューションを必要とする人がいるでしょうか?したがって、次の点を考慮する必要があると思います。
**分散化は何のためにあるのでしょうか? **
今、分散型コンピューティング ネットワークの創設者に尋ねれば、おそらく、私たちのコンピューティング ネットワークはセキュリティと攻撃耐性を強化し、透明性と信頼性を向上させ、リソース利用を最適化し、データ プライバシーとユーザー コントロールを改善し、検閲と干渉から保護できると答えるでしょう。
これらは常識であり、Web3 プロジェクトには検閲への抵抗、トラストレス性、プライバシーなどが含まれる可能性がありますが、私の見解は、これらは重要ではないということです。よく考えてみてください。セキュリティの観点から言えば、集中管理されたサーバーの方が優れているのではないでしょうか?分散型コンピューティングパワーネットワークは本質的にプライバシーの問題を解決するものではなく、そのような矛盾は依然として多く存在します。したがって: **コンピューティング パワー ネットワークの分散化の最終目標は、コストの削減でなければなりません。分散化の程度が高くなるほど、コンピューティング能力の使用コストは低くなります。 **
したがって、基本的に「遊休計算能力の活用」というのは長期的な話であり、分散型計算能力ネットワークを構築できるかどうかは、以下の点を理解できているかどうかに大きく依存すると思う。
Web3 が提供する価値
一連の独創的なトークン設計とそれに付随するインセンティブ/罰則メカニズムは、分散型コミュニティによって提供される強力な付加価値であることは明らかです。従来のインターネットと比較して、トークンはトランザクション媒体として機能するだけでなく、スマート コントラクトと相互補完して、プロトコルがより複雑なインセンティブおよびガバナンス メカニズムを実装できるようにします。同時に、取引のオープン性と透明性、コスト削減、効率の向上はすべて、暗号通貨がもたらす価値の恩恵を受けています。この独自の価値により、貢献者にさらなる柔軟性とイノベーションの余地が提供されます。
分散型コンピューティング ネットワークにとって、Web3 やブロックチェーン技術がもたらす価値は、別の観点から見た「付加価値」にすぎません。破壊的手法では、ネットワーク全体の基本的な動作方法を変更したり、現在の技術的なボトルネックを打破したりすることはできません。
つまり、これらの Web3 の価値は分散型ネットワークの魅力を高めることですが、その中核となる構造や運用モデルを完全に変えるわけではありません。分散型ネットワークが AI の波の中で真の地位を占めることを望むのであれば、 web3 の価値に依存するだけでは十分ではありません。したがって、後述するように、適切なテクノロジーは適切な問題を解決するものであり、分散型コンピューティング パワー ネットワークのゲームプレイは決して AI のコンピューティング能力不足の問題を単に解決することではなく、長い間眠っていたこの路線にチャンスを与えることを目的としています。ゲーム性とアイデア。
コンピューティング能力を資産として収益化するのは、POW マイニングやストレージ マイニングに似ているかもしれません。このモデルでは、コンピューティング能力のプロバイダーは、独自のコンピューティング リソースを提供することで報酬としてトークンを取得できます。魅力は、コンピューティング リソースを経済的利益に直接変換する方法を提供し、より多くの参加者がネットワークに参加する動機となることです。また、Web3 に基づいてコンピューティング パワーを消費する市場を創出し、コンピューティング パワーの上流側 (モデルなど) を金融化することで、不安定で遅いコンピューティング パワーを受け入れることができる需要点を開拓することもできます。
それをユーザーの実際のニーズと組み合わせる方法を理解したいです。結局のところ、ユーザーと参加者のニーズは必ずしも効率的なコンピューティング能力だけではありません。「お金を稼ぐ」は常に最も説得力のある動機の 1 つです。
分散型コンピューティング パワー ネットワークの中核的な競争力は価格です
分散型コンピューティング能力を実際の価値から議論しなければならない場合、web3 によってもたらされる最大の想像力は、さらに圧縮される可能性のあるコンピューティング能力コストです。
コンピューティング パワー ノードの分散化の度合いが高くなるほど、コンピューティング パワーの単位あたりの価格は低くなります。それは次の方向から推測できます。
- トークンの導入により、ノード コンピューティング パワー プロバイダーへの支払いが現金からプロトコルのネイティブ トークンに変更され、運用コストが根本的に削減されます。
- Web3 のパーミッションレス アクセスと強力なコミュニティ効果は、市場主導のコスト最適化に直接貢献し、より多くの個人ユーザーや小規模企業が既存のハードウェア リソースを使用してネットワークに参加できるようになり、コンピューティング パワーの供給が増加し、市場が上昇し、電力の供給価格が下落します。自律およびコミュニティ管理モード。
- このプロトコルによって創設されたオープンなコンピューティング電力市場は、コンピューティング電力プロバイダー間の価格競争を促進し、それによってコストがさらに削減されます。
ケース: ChainML
簡単に言うと、ChainML は、推論と微調整のためのコンピューティング能力を提供する分散型プラットフォームです。短期的には、chainml はオープンソース AI エージェント フレームワークに基づいて Council を実装し、Council の試み (さまざまなアプリケーションに統合できるチャットボット) を通じて、分散型コンピューティング ネットワークへの需要の増加をもたらすでしょう。長期的には、chainml は、モデル市場とコンピューティングパワー市場を含む、完全な AI + web3 プラットフォーム (詳細は後で分析します) となるでしょう。
ChainML の技術的なパス計画は非常に合理的だと思います。彼らは前述の問題についても明確に考えています。分散型コンピューティング能力の目的は、集中型コンピューティング能力と同等ではなく、AI 業界に十分なコンピューティング能力を供給することです。適切な需要者がこの低品質のコンピューティング能力のソースを受け入れることができるように、コストを段階的に削減することです。そして、プロジェクトの初期段階では、プロトコルが多数の分散型コンピューティング パワー ノードを取得できない場合、安定した効率的なコンピューティング パワー ソースを見つけることが焦点となります。集中型のアプローチから開始し、初期段階で製品リンクを実行し、強力な bd 機能を通じて顧客の蓄積を開始し、市場を拡大し、次に集中型のコンピューティング能力のプロバイダーを徐々に低コストの中小企業に分散させ、最後に広範囲に分散したコンピューティングパワーノードを転送します。これがchainmlの分割統治の考え方です。
デマンドサイドのレイアウトの観点から見ると、ChainML は集中インフラストラクチャ プロトコルの MVP を構築しており、設計コンセプトは移植可能です。そして、今年2月からお客様とともにこのシステムを運用しており、今年4月から本番環境での利用を開始しました。現在は Google Cloud 上で実行されていますが、Kubernetes やその他のオープンソース テクノロジーに基づいているため、他の環境 (AWS、Azure、Coreweave など) に簡単に移植できます。将来的には、このプロトコルは徐々に分散化され、ニッチなクラウドに分散され、最終的にはコンピューティング能力を提供するマイナーに分散されるでしょう。
2.2 AI 市場: 想像力の余地はさらにある
この分野は AI マーカープレイスと呼ばれ、想像力をある程度制限します。厳密に言えば、真に想像力豊かな「AI マーケット」は、基盤となるコンピューティング能力やデータからモデル自体や関連アプリケーションに至るまで、すべてをカバーするモデルチェーン全体を金融化する中間プラットフォームであるべきです。前述したように、分散型コンピューティング能力の初期の主な矛盾は、需要をどのように創出するかということでしたが、AI チェーン全体を金融化する閉ループ市場には、そのような需要を創出する機会があります。
それは次のようになります:
Web3 がサポートする AI 市場はコンピューティング能力とデータに基づいており、開発者はより貴重なデータを使用してモデルを構築または微調整し、対応するモデルベースのアプリケーションを開発することができます。これらのアプリケーションとモデルは同時に開発され、使用されます。コンピューティング能力の需要を生み出します。トークンやコミュニティによってインセンティブが与えられ、報奨金ベースのリアルタイム データ収集タスクやデータ貢献に対する正規化されたインセンティブは、この市場におけるデータ レイヤーの独自の利点を拡大する機会をもたらします。同時に、アプリケーションの人気により、より貴重なデータがデータ層に返されます。
コミュニティ
前述のトークンによってもたらされる価値に加えて、コミュニティは間違いなく web3 によってもたらされる最大の利益の 1 つであり、プラットフォームの開発の中核となる原動力です。コミュニティとトークンのサポートにより、寄稿者と寄稿コンテンツの質が中央集権的な機関の質を上回る機会が得られます。たとえば、データの多様性の実現は、このタイプのプラットフォームの利点であり、正確で偏りのない AI を構築するために不可欠です。同時に、これは現在のデータ方向のボトルネックでもあります。
プラットフォーム全体の核心はモデルにあると思います。私たちは、AI マーケットプレイスの成功は高品質のモデルがあるかどうかに依存すること、そして開発者が分散プラットフォーム上でモデルを提供することにどのようなインセンティブがあるかに非常に早い段階で気づきました。しかし、私たちは問題について考えることも忘れているようです。インフラストラクチャは従来のプラットフォームほど強力ではなく、開発者コミュニティは従来のプラットフォームほど成熟しておらず、評判には従来のプラットフォームのような先行者利益がありません。従来の AI プラットフォームには巨大なユーザー ベースがあり、成熟したインフラストラクチャと Web3 プロジェクトは隅でしか追い越せません。
答えは AI モデルの金融化にあるかもしれません**
- モデルは商品とみなすことができる AI モデルを投資可能な資産として扱うことは、Web3 および分散型市場では興味深いイノベーションとなる可能性があります。この種の市場では、ユーザーが AI モデルの価値創造プロセスに直接参加し、その恩恵を受けることができます。このメカニズムは、ユーザーの利益がモデルのパフォーマンスとアプリケーションの効果に直接関係しているため、より高品質なモデルの追求とコミュニティへの貢献も促進します。
- ユーザーはモデルを誓約することで投資可能 収益分配メカニズムの導入により、ユーザーが潜在的なモデルを選択してサポートすることが促進される一方で、モデル開発者はより良いモデルを作成するための経済的インセンティブが提供されます。一方、利害関係者にとって、モデル (特に画像生成モデル) を判断するための最も直観的な基準は、複数の実測を行うことであり、これによりプラットフォームの分散型コンピューティング能力が求められ、これも前述のソリューションの 1 つとなる可能性があります。 「効率が低く、より不安定なコンピューティング能力を誰が使いたいと思うでしょうか?」
**2.3 オンチェーン AI: OPML はコーナーで追い越しますか? **
ZKML: 需要と供給の両方が困難に陥っています
確かなことは、オンチェーン AI は想像力に満ちた、徹底的な研究に値する方向性であるに違いないということです。オンチェーン AI の画期的な進歩は、web3 に前例のない価値をもたらす可能性があります。しかし同時に、ZKML の非常に高い学術的敷居と基盤となるインフラストラクチャの要件は、ほとんどの新興企業には実際には適していません。ほとんどのプロジェクトは、独自の価値のブレークスルーを達成するために必ずしもトラストレス LLM のサポートを必要としません。
ただし、ZK を使用してトラストレス化するためにすべての AI モデルをチェーンに移動する必要があるわけではありません。ほとんどの人がチャットボットがどのようにクエリを推論して結果を返すかを気にしないのと同じように、使用される安定した拡散が特定のバージョンであるかどうかも気にしません。モデルのアーキテクチャまたは特定のパラメーター設定。ほとんどのシナリオでは、ほとんどのユーザーは、推論プロセスがトラストレスか透過的かどうかではなく、モデルが満足のいく出力を提供できるかどうかに焦点を当てます。
証明に 100 倍のオーバーヘッドやより高い推論コストがもたらされないのであれば、おそらく ZKML にはまだ戦う力があるかもしれませんが、オンチェーンの推論コストとコストの高騰に直面して、需要側にはオンチェーン AI の必要性を疑問視する理由があります。セックス。
需要側から見る
ユーザーが気にしているのは、モデルによって与えられた結果が意味があるかどうかです。結果が妥当である限り、ZKML によってもたらされたトラストレスは価値がないと言えます。次のシナリオの 1 つを想像してみてください。
- ニューラル ネットワーク ベースの取引ロボットがユーザーにサイクルごとに 100 倍の利益をもたらすとしたら、そのアルゴリズムが集中化されているか、検証可能であるかを誰が疑問に思うでしょうか。 *同様に、この取引ボットがユーザーに損失を与え始めた場合、プロジェクト チームはモデルを検証可能にすることにエネルギーと資本を費やすのではなく、モデルの機能を改善する方法をもっと考える必要があります。これが ZKML の要件の矛盾であり、言い換えれば、モデルの検証可能性は多くのシナリオにおいて AI に対する人々の疑念を根本的に解決するものではなく、少し矛盾しています。
供給側から見る
大規模な予測モデルをサポートできる証明を開発するまでの道のりはまだ長く、主要プロジェクトの現在の試みから判断すると、大規模なモデルがチェーンに追加される日を見るのはほぼ不可能です。
ZKML に関する前回の記事を参照すると、技術的には ZKML の目標は、ニューラル ネットワークを ZK 回路に変換することです。
- ZK 回路は浮動小数点数をサポートしません。
- 大規模なニューラル ネットワークは変換が困難です。
現在の進捗状況から判断すると、
- 最新の ZKML ライブラリは、いくつかの単純なニューラル ネットワーク ZK 化をサポートしており、基本的な線形回帰モデルを連鎖できると言われています。しかし、既存のデモはほとんどありません。
- 理論的には、最大 ~**100M のパラメータをサポートできますが、これは理論上のみです。 **
ZKML の開発進捗は期待を満たしていませんが、現在の主要プロジェクトであるモジュラス ラボと EZKL の証明の進捗状況から判断すると、一部の単純なモデルは、モデルのアップチェーンまたは推論証明のために ZK 回路に変換できます。しかし、これは ZKML の価値には程遠く、技術的なボトルネックを突破しようという中心的な動機がないようです。需要が著しく不足しているトラックは基本的に学術コミュニティの注目を集めることができません。残りの需要を引き付ける/満足させるための優れた POC を作成するのは困難であり、これが ZKML を殺す死のスパイラルになる可能性もあります。
**OPML: 移行期か終盤か? **
OPML と ZKML の違いは、ZKML は完全な推論プロセスを証明するのに対し、OPML は推論が疑問視されたときに推論プロセスの一部を再実行することです。明らかに、OPML が解決する最大の問題はコスト/オーバーヘッドが高すぎることですが、これは非常に実用的な最適化です。
OPML の創設者として、HyperOracle チームは、「必要なのは opML だけです: Ethereum で 13B ML モデルを実行する」で、アーキテクチャと 1 フェーズからマルチフェーズの opML までの高度なプロセスを提供しました。
- オフチェーン実行とオンチェーン検証用の仮想マシンを構築し、オフライン VM とオンチェーン スマート コントラクトに実装された VM の同等性を確保します。
- VM 内の AI モデルの推論効率を確保するために、特別に設計された軽量 DNN ライブラリが実装されています (Tensorflow や PyTorch などの一般的な機械学習フレームワークに依存しません)。 Tensorflow モデルと PyTorch モデルを組み合わせることができるライブラリを提供しており、この軽量ライブラリに変換されたスクリプトです。
- AIモデル推論コードをクロスコンパイルによりVMプログラム命令にコンパイルします。 ※VMイメージはMerkleツリーを通じて管理されます。 VM の状態を表すマークル ルートのみがオンチェーン スマート コントラクトにアップロードされます。
しかし、明らかにこの設計には重大な欠陥があります。つまり、すべての計算を仮想マシン内で実行する必要があるため、GPU/TPU アクセラレーションと並列処理の使用が妨げられ、効率が制限されます。したがって、マルチフェーズ opML が導入されます。
※最終フェーズのみVM上で計算を行います。
- 他のステージでは、状態遷移の計算がネイティブ環境で行われるため、CPU、GPU、TPU の機能が活用され、並列処理がサポートされます。このアプローチにより、VM への依存が軽減され、実行パフォーマンスが大幅に向上し、ネイティブ環境と同等のレベルに達します。
参照: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y
本当のことを言いましょう
OPML は包括的な ZKML を実現する前の移行であると考える人もいますが、コスト構造や実装の期待に基づいてオンチェーン AI とのトレードオフとして考える方が現実的です。少なくとも私はこれに対して悲観的な態度をとっています。そうなれば、オンチェーン AI の誇大宣伝は、最終的には最も現実的な実装とコストに直面することになるでしょう。そのとき、OPML がオンチェーン AI のベストプラクティスになるかもしれません。OP と ZK のエコロジーが決して代替品ではなかったのと同じように、関係。 。
ただし、以前の要件の欠点がまだ存在していることを忘れないでください。コストと効率に基づいた OPML の最適化は、「ユーザーは結果の合理性をより重視しているのに、なぜ AI をチェーンに移動してそれを実現する必要があるのか」を根本的に解決するものではありません。透明性、所有権、トラストレス性という相反する問題。これらのバフは組み合わせると確かに非常に派手ですが、ユーザーは本当に気にしますか?対照的に、値はモデルの推論能力に反映される必要があります。
このコストの最適化は、技術的には革新的で堅実な試みだと思いますが、価値の点ではくだらない回り道に近いものです。
オンチェーン AI トラック自体は、ハンマーで釘を探しているだけかもしれませんが、その通りです。初期の業界の発展には、クロスドメイン テクノロジーの革新的な組み合わせを継続的に探索し、継続的な慣らし運転を通じて最適なものを見つける必要があります。間違っています。これまでは決してテクノロジーの衝突や試練ではなく、独立した思考を欠いた盲目的なトレンド追従でした。
**2.4 アプリケーション層: Stitch Monsters の 99% **
Web3 アプリケーション層での AI の試みは確かに次から次へと来ていると言わざるを得ません。誰もが FOMO であるように見えますが、統合の 99% は統合に留まるはずです。マッピングする gpt の推論能力に依存する必要はありません。プロジェクトそのものの価値。
アプリケーション層の観点から見ると、大まかに 2 つの方法があります。
- AI の力を利用してユーザー エクスペリエンスを向上させ、開発効率を向上させる: この場合、AI は主要なハイライトではなく、多くの場合、黙って貢献し、ユーザーに無関心な裏方のスタッフになります。例えば、web3 Game HIM のチームは、ゲームコンテンツと AI、暗号通貨の組み合わせに非常に優れており、親和性が高く、最も価値を生み出すポイントを把握しています。開発効率と品質を向上させる生産価値ツール 一方、AI の推論能力によりユーザーのゲーム体験を向上 AI と暗号は非常に重要な価値をもたらしますが、基本的には依然としてツール テクノロジーの手段を使用しています 本当の利点と核心プロジェクトの大きな要素は、依然としてチームのゲーム開発能力です。
- AI マーケットプレイスと組み合わせることで、エコシステム全体の重要なユーザー指向の部分になります。
＃＃３．最後に…
本当に強調または要約する必要がある場合: AI は依然として最も注目に値するトラックの 1 つであり、Web3 において最大のチャンスを持っています。この一般的なロジックは間違いなく変わりません。
しかし、最も注目に値するのは、AI 市場のゲームプレイだと思います。基本的に、このプラットフォームまたはインフラの設計は、価値創造のニーズに沿っており、すべての関係者の利益を満たすものです。マクロの観点から見ると、それは、モデルやコンピューティング能力そのものを超えた製品を生み出す Web3 は、価値を捉える独自の方法を備えている点で十分に魅力的であると同時に、ユーザーが独自の方法で AI の波に直接参加することも可能にします。
もしかしたら3か月後には今の考えが覆されるかもしれないので、
上記は、このトラックに関する私の非常に現実的な見解にすぎず、実際には投資アドバイスを構成するものではありません。
参考
必要なのは opML だけです: Ethereum で 13B ML モデルを実行します: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y