平颱轉變，迎接平颱轉變……

世界是由技術或基礎設施髮生巨大變革的時期所塑造的，從而釋放了創新的代際功能。想想電報和鐵路、光纖電纜和互聯網，或者移動電話和 3G。

我們相信兩個突破性前沿領域的交彙點 - 人工智能 (AI)和區塊鏈——代錶了類似的變革時刻。

支撐本論文的三個重要支柱：

區塊鏈可以提供卓越的設計空間

人工智能的高影響領域衆多，但大緻可歸納爲三大類：

特別是，生成式人工智能帶來了獨特的挑戰和機遇，我們相信這些挑戰和機遇可以髮揮區塊鏈技術的優勢。

要了解原因，重要的是要考慮推動智能繫統髮展的核心輸入。機器學習 (ML) 從根本上由數據（數量多但質量不斷提高）和反饋機製提供動力 和計算能力。

AI/ML 領域的主導企業，如 OpenAI（由 Microsoft 支持）和 Anthropic（與 Google 和 Amazon 合作）已經在整合資源，併圍繞其模型和數據築起圍牆。但是，盡管這種方法在計算、數據和分髮方麵具有早期優勢，但這種方法有可能會因破壞最初催生該行業的協作開髮周期而扼殺髮展勢頭。

以太坊等區塊鏈提供了一個可行的應對方案，它已成爲可信的中立數據和計算繫統，推動開源創新。 區塊鏈已經支撐了一繫列數字原生原語，這些原語能夠在日益受到生成人工智能影響的世界中髮揮關鍵作用。

我們相信，區塊鏈有很大機會成爲開源研究和開髮的主要領域。 AI化合物的開髮。

當今市場的狀況

今年的生成式人工智能熱潮已經在核心基礎設施、模型層，甚至聊天機器人、客戶支持和編碼助理等麵曏用戶的應用程序上投入了大量資金。盡管如此，從長遠來看，傳統堆棧的價值在哪裡（以及爲誰）增值併不明顯。

在當前範式中，人工智能有可能成爲一股集中力量，擴大 web2 市場領導者的主導地位。特別是在基礎設施和模型層，游戲的名稱是規模 - 在硬件和資本資源、數據訪問、分銷渠道和獨特性方麵合作伙伴關繫。

其中有許多參與者 - 從雲服務提供商（如 AWS 到硬件製造商（如 NvidiaNvidia 對於像微軟這樣的長期重量級企業來説，無論是通過併購還是通過專有合作伙伴關繫，它們都正在走曏全棧。

頂尖的巨頭正在邊際上爭奪規模和準確性，但超昂貴、高精度企業 API 模型的市場很可能受到經濟、開源性能平價甚至更低趨勢的限製。 - 延遲工作負載需求。

與此衕時，中間市場的很大一部分已經看到類似“OpenAI API 包裝器”集合的産品商品化，這些産品雖然功能充足，但難以區分。

‍

建立在開源勢頭之上

用於預訓練、訓練和微調以及可免費訪問的基礎模型和工具，已經在鼓勵各種規模的企業利用開放繫統和技術髮揮創造力。直接加工。

Google 的泄露論文概述了封閉世界與開源世界之間的差距正在以多快的速度縮小。值得註意的是，當今 96% 的代碼庫已經使用開源軟件，這一趨勢在大數據、人工智能和機器學習領域尤其明顯。一個>

與此衕時，雲服務寡頭壟斷的顛覆時機可能已經成熟。

從歷史上看，AWS、Google Cloud 和 Azure 三大巨頭通過分層工具和服務鞏固自己在企業堆棧中的地位，從而占領了市場。這種主導地位給公司帶來了許多挑戰，從限製性運營依賴到與雲基礎設施相關的成本過高，特別是考慮到雲基礎設施收取的溢價。主要提供商。

現有公司重組運營支出的壓力，加上嘗試和集成不斷增長的開源人工智能的願望，將爲重新構想堆棧創造一個窗口具有去中心化的替代方案。

因此，開源人工智能和區塊鏈技術的新興交叉點爲實驗和投資提供了一個非凡的領域。

加密貨幣 X 人工智能：互惠互利的關繫

我們對人工智能和區塊鏈之間的潛在共生感到非常興奮。

加密中間件可以通過建立高效的計算和數據市場（供應、標簽或微調）來大幅改善人工智能供應方的輸入 ），以及用於證明或隱私的工具。

反過來，去中心化的應用程序和協議將通過吸收這些勞動成果而達到新的高度。

不可否認，加密技術已經取得了長足的進步，但協議和應用程序仍然受到工具和用戶界麵對於主流用戶來説仍然不直觀的睏擾。衕樣，智能合約本身可能會受到限製，無論是在開髮人員的手動工作量需求方麵，還是在整體功能流動性方麵。

Web3 開髮人員是一群非常高效的人。最多時隻有 ~7500 名全職開髮人員已經建立了一個價值數萬億美元的産業。機器學習增強的編碼助手和 DevOps 有望增強現有工作，而無代碼工具正在迅速賦能新一類構建者。

隨著機器學習功能集成到智能合約中併引入鏈上，開髮人員將能夠設計更多無縫且富有錶現力的用戶體驗最終，全新的殺手級應用程序。鏈上體驗中的這一步驟功能改進將吸引新的——而且可能是更多的——受衆，從而催化重要的採用反饋飛輪。

生成式人工智能可能被證明是加密貨幣缺失的一環，它改變了 UI/UX 併催化了新的技術髮展浪潮。反過來，區塊鏈技術將利用、情境化併加速人工智能的潛力。

使用區塊鏈構建更好的數據市場

數據是機器學習的基礎輸入

是的，計算基礎設施的巨大改進髮揮了重要作用，但巨大的數據存儲庫（例如 Common Crawl 和 The Pile 使當今世界著迷的基礎模型成爲可能。

此外，這將是哪些公司與哪些公司一起完善支撐其産品的模型産品或的數據構建未來的競爭護城河。最終，數據將成爲用戶和個人模型之間的橋梁在本地運行併不斷適應個人需求。

因此，數據競爭是一個重要的前沿領域，也是區塊鏈可以占據優勢的領域——尤其是當質量成爲塑造數據市場的重要屬性時。

質量而不是數量

早期研究錶明，高達 90% 的在線內容可能會在未來幾年內綜合生成。雖然合成訓練數據具有優勢，但它也帶來了模型質量惡化以及偏見強化的重大風險。

機器學習模型確實存在可能在未來幾年內耗盡非合成數據源的風險。加密貨幣的協調機製和證明原語本質上是爲了支持去中心化市場而優化的，用戶可以在其中共享、擁有數據或將其數據貨幣化用於培訓或微調域 -具體型號。

因此，web3 可能被證明是人類生成的訓練和微調數據的更好、更有效的來源。

覆合進步

區塊鏈支持的去中心化訓練、微調和推理過程也可以更好地保存和覆合開源智能。

使用高效微調流程改進的小型開源模型已經可以與大型衕行相媲美輸出精度。因此，在來源和市場方麵，潮流開始從數量轉曏質量微調數據。

跟蹤和驗證原始數據和衍生數據的生命周期的能力可實現可重覆性和透明度這將推動更高質量的模型和模型。輸入。

資料來源：Will Henshall / Epoch (TIME)

區塊鏈可以建立一條持久的護城河作爲具有多樣化、可驗證和定製數據集的主要領域。這可能特別有價值，因爲傳統解決方案過度關註算法進展以應對數據短缺。

內容海嘯

即將到來的人工智能生成內容浪潮是加密貨幣先髮優勢將髮揮作用的另一個領域。

這種新技術範式將以前所未有的規模爲數字內容創作者提供支持，而 Web3 提供了即插即用基礎來理解這一切。加密貨幣擁有主場優勢得益於多年來圍繞原語的髮展，這些原語建立了 NFT 形式的數字資産和內容的所有權和不可變來源。

NFT 可以捕穫整個內容創建生命周期，但也可以代錶數字原生身份、虛擬資産，甚至現金流。

因此，NFT 使新的用戶體驗成爲可能就像數字資産市場 (OpenSea, Blur)，衕時也重新思考圍繞書麵內容（鏡像）的商業模式，< a i=13>社交媒體(Farcaster、Lens ), 游戲 (Dapper Labs, ）。NFTFi、結果（金融基礎設施），甚至不可變

該技術甚至可以比替代方案（使用算法來完成工作）更可靠地對抗深度造假和計算操縱。在一個明顯的例子中，OpenAI 的檢測工具因準確性故障而被關閉。

最後一點：簡潔和可驗證計算的進步也將提升 NFT 的活力，因爲它們結合了 ML 輸出來驅動更智能、不斷髮展的元數據。我們相信，基於區塊鏈技術的人工智能工具和界麵將釋放全棧價值併重塑數字內容格局。

以零知識利用機器學習的無限知識

區塊鏈行業尋求技術解決方案，實現資源高效計算，衕時保持去信任的動態性，從而在零知識 (ZK) 加密技術方麵取得了重大進展.

雖然 ZK 證明最初是爲了解決以太坊虛擬機 (EVM) 等繫統固有的資源瓶頸而設計的，但它提供了一繫列與人工智能相關的有價值的用例。

一個明顯的例子就是現有解鎖的簡單擴展：高效、簡潔地驗證計算密集型流程，例如離線運行 ML 模型，這樣最終産品，如模型的推理，可以通過智能合約以 ZK 證明的形式在鏈上穫取。

存儲證明與協衕處理相結合可以更進一步，在不引入新的信任假設的情況下使鏈上應用程序更具反思性，從而顯著增強鏈上應用程序的功能。

這些影響也允許全新的功能。

ZK 密碼學可用於驗證特定模型或數據池在通過 API 調用時是否確實用於生成推理。它還可以隱藏醫療保健或保險等客戶敏感行業中模型消耗的特定權重或數據。

公司甚至可以通過交換數據或知識産權來更有效地協作，從共享學習中受益，衕時仍保留其資源的專有性。

最後，ZKP 在區分人類數據和前麵討論的合成數據這一日益相關（且具有挑戰性）的領域具有真正的適用性。

其中一些用例取決於進一步開髮的需求技術實現和搜索大規模的可持續經濟，但 zkML 有潛力對人工智能的髮展軌跡産生獨特的影響。

長尾資産與潛在價值

加密貨幣已經證明了其作爲跨傳統市場（例如音樂和藝術。在過去幾年中，鏈上流動性市場代錶了鏈下有形資産，例如葡萄酒和運動鞋也出現了。

隨著人工智能被引入鏈上併可供智能合約使用，自然的繼任者將涉及先進的機器學習功能。

機器學習模型與區塊鏈軌道相結合，將重新設計承銷流程以前由於缺乏數據或買家而無法訪問的非流動性資産深度。

一種方法是機器學習算法查詢大量變量，以評估隱藏關繫併最大限度地減少操縱者的攻擊麵。 Web3 已經在嘗試圍繞新穎的概念創建市場，例如社交媒體連接和錢包用戶名.

與 AMM 對釋放長尾代幣流動性的影響類似，機器學習將通過吸收大量的定量和數據來徹底改變價格髮現定性數據得出非明顯模式。這些新見解可以構成基於智能合約的市場的基礎。

人工智能的分析能力將融入去中心化的金融基礎設施，以髮現長尾資産的潛在價值。

去中心化基礎設施層

加密貨幣在吸引和貨幣化更高質量數據方麵的優勢解決了等式的一方麵。另一方——人工智能背後的支持基礎設施——也有著類似的承諾。

去中心化物理基礎設施網絡 (DePINs)，例如Filecoin 或 Arweave 已經構建了原生包含區塊鏈技術的存儲繫統。

其他公司，例如 Gensyn 和 一起正在應對這一挑戰跨分布式網絡的模型訓練，而 Akash 推出了一個令人印象深刻的 P2P 市場，連接了過剩計算資源的供需。

除此之外，Ritual 正在以激勵網絡和模型套件的形式爲開放式 AI 基礎設施奠定基礎，連接分布式計算供用戶運行推理和微調的設備。

至關重要的是，Ritual、Filecoin 或 Akash 等 DePIN 還可以創建一個更大、更高效的市場。他們通過曏更廣泛的領域開放供應方來實現這一目標，其中包括能夠釋放潛在經濟價值的被動提供商，或者將性能較差的硬件整合到與成熟衕行競爭的池中。

該堆棧的每個部分都涉及不衕的約束和價值偏好，併且在大規模對這些層進行戰鬥測試方麵仍有大量工作要做（特別是去中心化模型訓練和計算的新興領域）。

然而，基於區塊鏈的計算、存儲甚至模型訓練解決方案的基礎已經存在，最終可以與傳統市場競爭。

這一切意味著什麽

Crypto x AI 正迅速成爲最具啟髮性的設計空間之一。各個領域已經影響著從內容創作和文化錶達到企業工作流程和金融基礎設施的方方麵麵。

我們相信這些技術將在未來幾十年重塑世界。最好的團隊本身就將無需許可的基礎設施和加密經濟學與人工智能結合起來，以升級性能，實現全新的行爲，或實現有競爭力的成本結構。

加密技術將前所未有的規模、深度和粒度的標準化數據引入協調網絡，但通常沒有明顯的手段從該數據中穫取效用。

與此衕時，人工智能將信息池轉換爲相關上下文或關繫的曏量。

當結合在一起時，這兩個前沿可以形成獨特的互惠關繫，爲去中心化未來的建設者奠定基礎。

*非常感謝 Niraj Pant、Akilesh Potti、賈森·莫頓、但丁·卡穆托、< a i=9>David Wong、Ismael Hishon-Rezaizadeh、 Illia Polosukhin 和其他人在該領域的前沿工作、寶貴的見解和靈感 - 所有這些不僅使本文成爲可能，而且使加密貨幣的光明未來成爲可能。

聲明：

1. 本文轉載自[Archetype]，著作權歸屬原作者[DANNY SURSOCK]，如對轉載有異議，請聯繫Gate Learn團隊，團隊會根據相關流程盡速處理。
2. 免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得覆製、傳播或抄襲經翻譯文章。