上篇文章回顧了 AI 產業的發展歷史，詳細介紹了深度學習產業鏈及目前的市場現況。這篇文章將持續解讀 Crypto x AI 的關係，以及 Crypto 產業 Value Chain 中一些值得關注的項目。
Crypto x AI 的關係
區塊鏈得益於 ZK 技術的發展，演變成了去中心化+ 去信任化的想法。我們回到區塊鏈創造之初，是比特幣鏈。在中本聰的論文《比特幣，點對點的電子現金系統》中，首先稱為去信任化的、價值轉移系統。之後 Vitalik 等人發表了論文《A Next-Generation Smart Contract and Decentralized Application Platform》推出了去中心化、去信任化、價值互換的智能合約平台。
回到本質，我們認為整個區塊鏈網絡就是一個價值網絡，每一筆交易都是以底層代幣為基礎的價值轉換。這裡的價值是 Token 的形式體現，而 Tokenomics 就是具體的 Token 價值體現的規則。
在傳統的網路中，價值的產生是以P/E 結算，是有一個最終的形式體現，也就是股價，所有的流量、價值、影響力都會形成企業的現金流，這種現金流就是價值的最後體現，最後折算成P/E 反映到股價和市值。
網路價值由原生代幣價格以及多維度視角共同決定，Source: Gate Ventures
但對於以太坊網路來說，ETH 作為以太坊網路多種維度價值的體現，其不僅能夠透過質押獲得穩定的現金流，還能作為價值交換的媒介、價值儲存的媒介、網路活動的消費品等。並且，其也充當安全保護層 Restaking、Layer 2 生態系統的 Gas Fee 等。
Tokenomics 非常重要，代幣經濟學能夠規定生態系統的結算物（也就是網路的原生代幣）的相對價值，雖然我們無法為每一個維度進行定價，但是我們有了多維度價值的體現，這就是代幣的價格。這種價值是遠遠超越企業的證券存在形式的。一旦為網路賦予代幣，並且將該種代幣進行流通，類似於騰訊的所有Q 幣有了限定的數量、通縮通膨的機制、代表了龐大騰訊的生態系統，作為結算物的存在、也能成為價值儲存與生息的手段。這種價值肯定是遠遠超過股價的價值。而代幣是多價值維度的最終體現。
代幣很迷人，代幣能夠把一個功能或某個思想賦予價值，我們使用瀏覽器，但是不會考慮到底層的開源HTTP 協議的定價，如果發行了代幣，那麼其價值就會在交易中體現。一個 MEME 幣的存在以及背後代表的詼諧思想也有價值，代幣經濟學能夠為任何一種創新與存在賦予動力，無所謂是思想還是實物創造，代幣經濟學將世間的一切都價值化了。
代幣和區塊鏈技術這種對價值重新定義與發現的手段，對任何產業也至關重要，包括 AI 產業。在AI 產業中，發行代幣能夠讓AI 產業鏈中的各方面都進行價值的重塑，那麼會激勵更多人願意在AI 行業各個細分賽道深根，因為其帶來的收益將變得更為顯著，不僅僅是現金流來決定其當前價值，並且代幣的協同作用會讓基礎設施的價值得到提升，這會天然的導致胖協議瘦應用範式的形成。
其次，AI 產業鏈中所有項目都將獲得資本增值的收益，而這種代幣能夠反哺生態系統以及促進某種哲學思想的誕生。
代幣經濟學顯然對產業的影響是有其積極的一面，區塊鏈技術的不可篡改和無需信任的性質也有其AI 行業的實際意義，能夠實現一些需要信任的應用，例如我們的用戶數據能夠允許在某個模型之上，但是確保模型不知道特定的資料、確保模型不會洩漏資料、確保返回該模型推理的真實資料。當 GPU 不足夠時，能夠透過區塊鏈網路分銷，當 GPU 迭代，閒置的 GPU 能貢獻算力到網路中，重新發現剩餘價值，這是全球化的價值網路才能做到的事情。
總之，代幣經濟學能夠促進價值的重塑和發現，去中心化帳本能夠解決信任問題，將價值在全球範圍內重新流動。
Crypto 產業 Value Chain 專案概覽
GPU 供給側
GPU 雲端算力市場部分項目，Source：Gate Ventures
以上是 GPU 雲端算力市場的主要專案參與者，市值與基本面發展較好的是 Render，其在 2020 年推出，但是由於數據不公開與透明，因此我們暫時無法得知其業務實時發展狀況。目前使用 Render 進行業務的絕大多數是非大模型類別的影片渲染任務。
Render 作為有實際業務量的老牌 Depin 業務，確實乘著 AI / Depin 的風成功了，但是 Render 面向的場景與 AI 並不同，因此嚴格意義上不算是 AI 板塊。而其視訊渲染業務確實有一定的真實需求，因此 GPU 雲端算力市場不僅可以面向 AI 模型的訓練、推理，也可以應用於傳統渲染任務，這降低了 GPU 雲端市場依賴單一市場風險。
全球 GPU 算力需求趨勢，Source： PRECEDENCE RESEARCH
在 Crypto 關於 AI 的產業鏈中，算力供給無疑是最重要的一點。根據產業預測， 2024 年 GPU 的算力需求約為 750 億美元，到 2032 年約有 7,730 億美元的市場需求，年化複合成長率（CAGR）約為 33.86% 。
GPU 的迭代率遵循摩爾定律（18-24 各月效能翻倍，價格下降一半），那麼對於共享GPU 算力的需求將會變得極大，因為GPU 市場的爆發，將在未來摩爾定律的影響下，形成大量的非最新幾代的GPU，這時侯這些閒置的GPU 將作為長尾算力在共享網絡中繼續發揮其價值，因此我們確實看好這個賽道的長期潛力和實際效用，不僅僅是中小模型的業務還有傳統的渲染業務也會形成比較強的需求。
值得提醒的是，注意到許多報告都將低廉的價格作為這些產品的主要產品賣點，以此來說明鏈上GPU 共享以及計算市場的廣闊空間，但是我們想要強調的是，決定雲端算力市場的定價不僅僅是使用的GPU 有關，還和資料傳輸的頻寬、邊緣設備、配套的AI 託管開發者工具等有關。但在頻寬、邊緣設備等相同的情況下，由於存在代幣補貼，一部分價值是由代幣和網絡效應共同決定的，確實有更低廉的價格，這是價格上的優勢，但是同時也有其網絡資料傳輸緩慢導致模型研發、渲染任務緩慢的缺點。
硬體頻寬
共享頻寬賽道部分項目，Source：Gate Ventures
就像我們在GPU 供給側所述，雲端算力廠商的定價往往與 GPU 晶片有關，但也與頻寬、冷卻系統、AI 配套開發工具等有關。在報告的AI 產業鏈章節處，我們也提到由於大模型的參數和資料容量的問題，在傳遞資料過程中會顯著影響大模型訓練的時間，因此很多時候頻寬才是影響大模型的主要原因，特別對於鏈上雲端運算領域，其頻寬以及資料交換更慢，影響更大，因為是各地的用戶進行的協同工作，但是在其它的雲端廠商如azure 等都是建立集中化的HPC，更便於協調和改善頻寬。
Menson Network 架構圖，圖源： Meson
以 Menson Network 為例，其 Meson 設想的未來是，用戶可以輕鬆地將剩餘頻寬換成代幣，而有需要的人可以在Meson 市場內訪問全球頻寬。使用者可以將資料存放在使用者的資料庫中，而其它使用者就可以存取最近的使用者儲存的數據，以此加速網路資料的交換，加快模型的訓練速度。
但我們認為，共享頻寬是一個偽概念，因為對於HPC 來說，其資料主要儲存在本地節點，但對於這種共享頻寬，資料儲存在有一定距離的（如1 km、 10 km、 100 km）以外，這些地理位置的距離導致的延遲都會遠高於在本地進行資料存儲，因為這會導致頻繁的調度分配。因此，這個偽需求也是市場不買單的原因，Meson Network 最新一輪融資估值 10 億美元，上線交易所以後，FDV 僅僅 930 萬美元，不及估值的 1/10 。
數據
根據我們在深度學習產業鏈中所述，大模型的參數數量、算力、數據三方面共同影響著大模型的質量，這裡有許多的數據源企業以及矢量數據庫提供商的市場機會，他們會為企業提供各種特定類型的數據服務。
AI 資料提供者部分項目，Source：Gate Ventures
目前上線的項目包括 EpiK Protocol、Synesis One、Masa 等，不同點在於 EpiK protocol 和 Synesis One 是對於公開資料來源進行收集，但是 Masa 是基於 ZK 技術，能夠實現隱私資料的收集，這樣對於使用者更加友好。
相較於其它Web2的傳統資料企業，Web3資料供應商具備的優勢在於資料擷取側，因為個人能夠貢獻自己非隱私的資料（ZK 技術能促進使用者貢獻隱私資料但是不會顯示洩漏），這樣專案的接觸面會變得很廣，不僅僅是ToB，而且能夠為任何用戶的數據都進行定價，任何過去的數據都有了價值，並且由於代幣經濟學的存在，本身網絡價值和價格是相互依賴的， 0 成本的代幣隨著網路價值變高也會變高，而這些代幣會降低開發人員的成本，用來獎勵用戶，用戶貢獻數據的動機將變得更足。
我們認為這種能夠同時接觸Web2以及Web3，並且在用戶層面幾乎任何人都有機會貢獻自己數據的機制非常容易實現部分範圍的“Mass Adoption”，在數據消費端是各種模型，有了真實的供需雙方，使用者在網路上隨意點擊即可，操作難度也很低。唯一需要考慮的是隱私計算的問題，因此 ZK 方向的資料提供者可能有一個較好的發展前景，其中典型的項目包括 Masa。
ZKML
ZK Training / Inference Projects, Source: Gate Ventures
如果資料想要實現隱私計算以及訓練，目前業內主要採用的ZK 方案，使用同態加密技術，將資料在鏈下推理然後將結果和ZK 證明上傳，那麼就能保證資料的隱私性和推理的低成本高效率。在鏈上是非常不適合推理的。這也是為什麼 ZKML 賽道的投資者普遍更高品質的原因，因為這個才是符合商業邏輯的。
不只這些專注於人工智慧領域的鏈下訓練和推理的項目存在，也有一些通用型的ZK 項目，能夠提供圖靈完備的ZK 協作處理能力，為任何鏈下計算和數據提供ZK 證明，包括Axiom 、Risc Zero、Ritual 等專案也值得關注，這類型的專案應用邊界更廣，對於VC 有更多的容錯性。
AI 應用
AI x Crypto 應用 landscape，圖源：Foresight News
區塊鏈的應用情況也與傳統的 AI 產業較為相似，大部分處於基礎設施的建設，目前發展最為繁榮的仍是上游產業鏈，但是下游產業鏈如應用端，發展的較為薄弱。
這類型的 AI+區塊鏈應用，更多是傳統區塊鏈應用+ 自動化和泛化能力。例如 DeFi 能夠透過使用者的想法來執行最優的交易、Lending 路徑，這類型的應用被稱為 AI Agent。神經網路與深度學習技術對軟體革命最根本性在於其泛化能力，能適應多種不同族群的不同需求，以及不同模態的數據。
而我們認為這種泛化能力，首先將使得 AI Agent 收益，其作為使用者與多種應用的橋樑，能夠幫助使用者進行複雜的鏈上決策，選擇最優路徑。 Fetch.AI 就是其中代表性的項目（目前 MC 21 億美元），我們以 Fetch.AI 來簡述 AI Agent 運作原理。
Fetch.AI 架構圖，Source： Fetch.AI
上圖是Fetch.AI 的架構圖，Fetch.AI 對AI Agent 的定義式「一個在區塊鏈網路上自我運行的程序，其可以連接、搜尋和交易，也可以對其進行編程以便於其與網路中的其它代理進行互動」。 DeltaV 是創建 Agent 的平台，註冊的 Agent 形成一個 Agent 函式庫，稱為 Agentverse。 AI Engine 是解析使用者的文字以及目的，然後轉換成代理能接受的精準指令，然後在 Agentverse 中找到執行這些指令的最適合的 Agent。任何服務都能註冊為代理，這樣就會形成一個以意圖為指導的嵌入式網絡，這個網絡能夠非常適合嵌入到比如Telegram 這樣的應用，因為所有的入口都是Agentverse，並且在聊天框中輸入任何操作或想法，都會有對應的Agent 在鏈上執行。而 Agentverse 可以透過來接廣泛的 dAPP 來完成鏈上的應用互動任務。我們認為 AI Agent 有實際的意義，對於區塊鏈產業也有其原生需求，大模型給予應用大腦，但 AI Agent 給予了應用雙手。
根據目前的市場數據來看，Fetch.AI 目前上線的 AI Agent 大約有 6103 個，對於這個代理數量，在價格方面存在高估的可能性，因此市場對於其願景願意給予更高的溢價。
AI 公鏈
類似 Tensor、Allora、Hypertensor、AgentLayer 等公鏈，就是專為 AI 模型或代理所建構的自適應網絡，這個是區塊鏈原生的 AI 產業鏈一環。
Allora 架構，Sou rce： Allora Network
我們以 Allora 來簡述這類 AI 鏈的運作原理：
1. 消費者向 Allora Chain 尋求推理。
2. 礦工在鏈下運行推理模型和預測模型。
3. 評估者負責評估礦工提供的推理質量，評估者通常是權威領域的專家，以準確評估推理品質。
這種類似於 RLHF（強化學習）將推理上傳到鏈上，鏈上的評估者能夠透過為結果進行排名進而改善模型的參數，這對於模型本身也是好處。同樣的，基於代幣經濟學的項目，能夠透過代幣的分發顯著降低推理的費用，這對項目的發展起到至關重要的作用。
與傳統AI 模型使用RLHF 演算法相比，一般是設定一個評分模型，但這種評分模型仍然需要人工介入，且其成本無法降低，參與者有限，相較之下Crypto 能帶來更多的參與者，進一步激起廣泛的網路效應
總結
首先需要強調的是，我們現在熟知的AI 發展以及產業鏈的討論實際上是基於深度學習技術，其並不代表所有的AI 的發展方向，這裡仍然有許多非深度學習並且有前景的技術在孕育，但由於GPT 的效果著實太好，導致市場大部分的目光都被這條有效的技術路徑所吸引。
也有部分產業內的巨擘認為，目前的深度學習技術無法實現通用人工智慧，因此可能這種技術棧走向的終局是死局，但是我們認為這項技術已經有其存在的意義，也有GPT 這一實際需求的場景存在，因此就類似於tiktok 的推薦演算法一樣，雖然這種機器學習無法實現人工智慧，但是確實運用於各種資訊流中，優化推薦流程。所以我們仍然認可這一領域是值得理智、大力深根的。
代幣和區塊鏈技術這種對價值重新定義與發現（全球流動性）的手段，對於 AI 產業也有其有利的一面。在AI 產業中，發行代幣能夠讓AI 產業鏈中的各方面都進行價值的重塑，那麼會激勵更多人願意在AI 行業各個細分賽道深根，因為其帶來的收益將變得更為顯著，不僅僅是現金流決定其當前價值。其次，AI 產業鏈中所有項目都將獲得資本增值收益，而這種代幣能夠反哺生態系統以及促進某種哲學思想的誕生。
區塊鏈技術的不可篡改和無需信任的性質也有其AI 行業的實際意義，能夠實現一些需要信任的應用，例如我們的用戶數據能夠允許在某個模型之上，但是確保模型不知道具體的數據、確保模型不會洩漏資料、確保返回該模型推理的真實資料。當 GPU 不足夠時，能夠透過區塊鏈網路分銷，當 GPU 迭代，閒置的 GPU 能貢獻算力到網路中，將廢舊的東西重新利用起來，這是全球化的價值網路才能做到事情。
GPU 電腦網路的缺點在於頻寬，也就是對於 HPC 集群，頻寬能夠集中解決，進而加快訓練的效率。對於GPU 的共享平台，雖然可以調用閒置算力，並且降低成本（透過代幣補貼），但是由於地理位置的問題，其訓練速度會變得非常緩慢，因此這些閒置算力只適合於那些不緊急的小模型。而這些平台也缺乏配套的開發者工具，因此中大型企業在當前狀況下，更傾向於傳統雲端企業平台。
總之，我們仍然認可 AI X Crypto 結合的實際效用，代幣經濟學能夠重塑價值以及發現更廣泛的價值視角，而去中心化帳本能夠解決信任問題，將價值流動起來，並且發現剩餘價值。
參考資料
《Youre Out of Time to Wait and See on AI》
免責聲明：
以上內容僅供參考，不應被視為任何建議。在進行投資之前，請務必尋求專業建議。
關於Gate Ventures
Gate Ventures是Gate.io 旗下的創投部門，專注於對去中心化基礎設施、生態系統和應用程式的投資，這些技術將在Web 3.0 時代重塑世界。 Gate Ventures與全球產業領袖合作，賦予那些擁有創新思維和能力的團隊和新創公司，重新定義社會和金融的互動模式。
Twitter： https://x.com/gate_ventures
Medium： https://medium.com/gate_ventures
