AI 代幣另一面：多數項目忙於金融利益，而非現實影響

撰文：Gagra

編譯：深潮 TechFlow

本文摘要 這不是又一篇對「AI + Web3」領域樂觀的風投文章。我們對這兩種技術的合並持樂觀態度，但本文是一種呼籲。否則，這種樂觀態度最終將失去理由。 為什么？因為开發和運行最佳 AI 模型需要在最尖端且通常難以獲得的硬件上進行巨大的資本支出，以及特定領域的研發。就像大多數 Web3 人工智能項目所做的那樣，通過加密激勵來實現衆包，並不足以抵消那些牢牢控制着人工智能开發的大公司投入的數百億美元。鑑於硬件方面的限制，這可能是第一個大的軟件範式，在現任組織之外的聰明和有創造力的工程師沒有資源來顛覆它。 軟件「蠶食世界」的速度越來越快，很快就會隨着人工智能的加速而呈指數級增長。當前情況下，所有這些「蛋糕」都流向了科技巨頭，而終端用戶，包括政府和大企業，當然還有消費者，更加依賴於他們的力量。

激勵錯位

所有這些都不可能在更不合適的時間展开——在 90% 的去中心化網絡參與者忙於追逐敘事驅動發展帶來的容易獲得的巨大收益。是的，开發者們在追隨投資者進入我們的行業，而不是反過來的。它從公开承認到更微妙的潛意識動機各不相同，但是圍繞它們形成的敘事和市場推動了很大一部分 Web3 的決策制定。參與者們太沉浸在反身性泡沫中，以至於無法注意到外面的世界，除了幫助推動這一周期進一步發展的敘事。而 AI 顯然是最大的一個，因為它本身也在經歷一場繁榮。

我們已經與 AI x Crypto 交叉領域的數十個團隊進行了交流，並可以確認其中許多團隊非常有能力，以使命為驅動，充滿激情地構建項目。但人類的本性是，當面臨誘惑時，我們往往會屈服於它們，然後事後合理化這些選擇。

易於獲得流動性一直是加密行業的歷史詛咒，這種詛咒已經減緩了其發展並推遲了幾年的有用採用。它甚至會讓最忠實的加密信徒們轉向「炒作代幣」。合理化的解釋是，持有代幣的更多資本，這些建設者可能有更好的機會。

機構資本和零售資本的成熟度相對較低為建設者提供了機會，使他們能夠提出脫離現實的主張，同時仍能從估值中獲益，就好像這些主張已經實現了一樣。這些過程的結果是實際上導致道德風險和資本破壞，其中很少有這樣的策略長期有效。需求是是一切發明之母，當需求消失時，發明也就不復存在了。

這種情況發生的時機再糟糕不過了。當所有最聰明的科技企業家、國家領導和大小企業都在競相確保自己從人工智能革命中獲益時，加密創始人和投資者卻選擇了「快速增長」。在我們看來，這才是真正的機會成本。

Web3 AI 市場概述

考慮到上述激勵，Web3 AI 項目的分類實際上歸結為： 合法（也分為現實主義者和理想主義者） 半合法 僞造者

基本上，我們認為建設者清楚地知道與他們的 Web2 競爭對手保持同步所需的條件，以及在哪些垂直領域有可能參與競爭，而在哪些領域更像是癡人說夢，不過這些都是可以向風險投資人和不成熟的公衆宣傳的。

目標是能夠在此時此刻參與競爭。否則，AI 發展的速度可能會把 Web3 甩在身後，而世界則向着西方企業 AI 與中國國家 AI 的反烏托邦 Web4 邁進。那些不能很快具備競爭力並依賴分布式技術在更長時間範圍內追趕的人，他們過於樂觀以至於難以被認真對待。

顯然，這是一個非常粗略的概括，即使是僞造者群體中也包含至少幾個嚴肅的團隊（也許更多的是妄想者）。但這篇文章是一種呼籲，所以我們並不打算保持客觀，而是呼籲讀者感受到緊迫感。 合法

「將 AI 上鏈」的中間件。這些解決方案背後的創始人，雖然不多，但了解到目前為止去中心化訓練或推理用戶實際想要的模型是不可行的，甚至是不可能的。因此，為了讓最佳的中心化模型與鏈上環境連接起來，從而使其受益於復雜的自動化，這對他們來說是足夠好的第一步。目前看來，可提供 API 訪問點的硬件隔離區（TEE，即「空隔離」處理器）、雙向預言機（用於雙向索引鏈上和鏈下數據）以及為代理提供可驗證的鏈下計算環境似乎是最佳解決方案。還有一些使用零知識證明（ZKP）進行快照狀態變化的協處理器體系結構，而不是驗證完整計算的，我們也認為在中期是可行的。

對於同樣的問題的更理想主義的方法試圖驗證鏈下推理，以使其與鏈上計算在信任假設方面保持一致。在我們看來，這樣做的目標應該是允許 AI 在單一連貫的運行時環境中執行鏈上和鏈下的任務。然而，大多數推理可驗證性的支持者談論「信任模型權重」等頭緒不清的目標，實際上這些目標在未來幾年甚至永遠不會變得重要。最近，這個陣營的創始人开始探索替代方法來驗證推理，但最初都是基於 ZKP 的。盡管很多聰明的團隊正在研究所謂的 ZKML，但他們在預期加密優化超過 AI 模型的復雜性和計算需求方面冒着太大的風險。因此，我們認為他們目前不適合競爭。然而，最近的一些進展是有趣的，不應該被忽視。 半合法

使用封閉和开源模型的封裝器的消費者應用程序（例如，用於圖像生成的 Stable Diffusion 或 Midjourney）。其中一些團隊是市場上第一批並擁有實際用戶的吸引力。因此，一概而論地稱他們為虛假的是不公平的，但只有少數人在深入思考如何以去中心化的方式發展其基礎模型，並在激勵設計方面進行創新。在這方面有一些有趣的治理 / 所有權方面的變化。但這個類別中的大多數項目只是在 OpenAI API 等中心化封裝器上添加了一個代幣，以獲取估值溢價或為團隊提供更快的流動性。

以上兩個陣營都沒有解決的問題是在去中心化環境中進行大模型的訓練和推理。目前，沒有辦法在合理的時間內訓練基礎模型，而不依賴於緊密連接的硬件集群。考慮到競爭水平，「合理的時間」是關鍵因素。

最近有一些有希望的研究成果出現，理論上，諸如差分數據流之類的方法可以擴展到分布式計算網絡，以增加其未來的容量（隨着網絡能力與數據流要求的不斷匹配）。但是，有競爭力的模型訓練仍然需要本地化集群（而不是單一分布式設備）之間的通信，以及尖端的計算能力（零售 GPU 越來越缺乏競爭力）。

最近，關於通過縮小模型大小來本地化（去中心化的兩種方式之一）推理的研究也有所進展，但是在 Web3 中沒有利用它的現有協議。

去中心化訓練和推理的問題邏輯上將我們帶到了三個陣營中的最後一個，也是最重要的一個，因此對我們來說情緒上觸發最強烈的一個。 僞造者

基礎設施應用主要集中在去中心化服務器領域，提供裸硬件或去中心化模型訓練 / 托管環境。還有一些軟件基礎設施項目，正在推動諸如聯合學習（去中心化模型訓練）的協議，或者將軟件和硬件組件合並到一個單一平臺中，人們基本上可以端到端地訓練和部署他們的去中心化模型。它們中的大多數都缺乏實際解決所述問題所需的復雜性，"代幣激勵 + 市場風向 "的天真想法在這裏佔了上風。我們在公开市場和私人市場上看到的解決方案都無法在此時此刻達到有意義的競爭。有些方案可能會發展成為可行的（但小衆的）產品，但我們現在需要的是新鮮的、有競爭力的方案。這只能通過創新設計來實現，解決分布式計算瓶頸。在訓練中，不僅速度是問題，工作完成的可驗證性和訓練工作負載的協調也是問題，這增加了帶寬瓶頸。

我們需要一組具有競爭力且真正去中心化的基礎模型，它們需要去中心化的訓練和推理才能發揮作用。如果計算機變得智能化，而 AI 又是中心化的，那么除了某種反烏托邦版本之外，就不會有世界計算機可以談論了。

訓練和推理是 AI 創新的核心。當 AI 世界的其他部分都朝着更加緊密的架構邁進時，Web3 需要一些正交的解決方案來與之競爭，因為正面競爭的可行性正變得越來越低。 問題的規模

這一切都關乎計算能力。無論是在訓練還是推理過程中，你投入得越多，結果就越好。是的，這裏有一些調整和優化，而計算本身也不是同質的，現在有各種新方法來克服傳統馮·諾依曼架構處理單元的瓶頸，但最終，一切都歸結於你能在多大的內存塊上進行多少矩陣乘法運算以及運算的速度有多快。

這就是為什么我們看到所謂的「超大規模運營商」在數據中心方面進行了如此強大的建設，他們都在尋求創建一個以 AI 模型強大處理器為頂層、以支持它的硬件為底層的全棧：OpenAI( 模型 )+Microsoft( 計算 )，Anthropic( 模型 )+AWS( 計算 )，Google( 兩者都有 ) 和 Meta( 通過加倍擴建數據中心，越來越多地涉足兩者 )。有更多的細微差別、相互作用動態和參與方，但我們在此不展开討論。總體情況是，超大規模運營商正在投入前所未有的數十億美元進行數據中心的擴建，並在他們的計算和 AI 產品之間創造協同效應，預計隨着 AI 在全球經濟中的普及將產生巨大回報。

讓我們僅看看今年這 4 家公司預期的擴建水平： Meta 預計 2024 年的資本开支在 300-370 億美元之間，這很可能會嚴重偏向於數據中心。 微軟在 2023 年的資本支出約為 115 億美元，據傳在 24-25 年還將投資 400-500 億美元！僅從幾個國家宣布的巨額數據中心投資就可以部分推斷出這一點：英國 32 億美元，澳大利亞 35 億美元，西班牙 21 億美元，德國 32 億歐元，美國佐治亞州 10 億美元，威斯康星州 100 億美元。而這些僅僅是他們遍布 60 多個地區的 300 個數據中心網絡中的一些區域性投資。還有傳言稱微軟可能為 OpenAI 花費另外 1000 億美元建造一臺超級計算機！ 亞馬遜的領導層預計，他們的資本支出將在 2024 年大幅增長，而 2023 年的支出為 480 億美元，主要是由於 AWS 基礎設施為人工智能而擴建。 Google 僅在 2023 年第四季度就花費了 110 億美元來擴展其服務器和數據中心。他們承認這些投資是為了滿足預期的 AI 需求，並預計由於 AI 在 2024 年他們的基礎設施支出的速度和總額將顯著增加。

以下是 NVIDIA 在 2023 年 AI 硬件上已經花費的金額：

英偉達的首席執行官黃仁勳一直在宣傳未來幾年將投入 1 萬億美元用於人工智能加速。他最近將這個預測翻倍至 2 萬億美元，據稱是由於他看到的主權參與者的興趣。Altimeter 的分析師預計，2024 年和 2025 年全球人工智能相關數據中心的支出分別為 1600 億美元和超過 2000 億美元。

現在將這些數字與 Web 3 為獨立數據中心運營商提供的數字進行比較，以激勵他們在最新的 AI 硬件上擴大資本支出： 所有去中心化物理基礎設施（DePIn）項目的總市值目前約為 400 億美元，這些市值相對不流動並且主要是投機性的代幣。從本質上講，這些網絡的市值等於其貢獻者的總資本支出的上限估計，因為他們用代幣激勵這種建設。然而，目前的市值幾乎沒有用，因為它已經發行了。 那么，我們假設未來 3-5 年內還有另外 800 億美元（現有價值的 2 倍）的私人和公开 DePIn 代幣市值作為激勵進入市場，並假設這完全用於 AI 用例。

即使我們將這個非常粗略的估計除以 3 年，並將其美元價值與僅在 2024 年超大規模運營商花費的現金進行比較，很明顯，將代幣激勵措施應用於一系列「去中心化 GPU 網絡」項目是不夠的。

投資者還需要數十億美元的需求來吸收這些代幣，因為這些網絡的運營商出售大量這樣开採的幣以支付資本支出這樣的成本。還需要更多的數十億美元來推高這些代幣的價值，並激勵建設的增長以超越超大規模運營商。

然而，對於大多數 Web3 服務器當前運行方式有着深入了解的人可能會期望「去中心化物理基礎設施」的很大一部分實際上是在這些超大規模運營商的雲服務上運行的。當然，對 GPU 和其他 AI 專業硬件的需求激增也正在推動更多的供應，這最終應該會使雲租用或購买它們變得更便宜。至少這是人們的預期。

但同時也要考慮到：現在英偉達需要優先為客戶提供最新一代的 GPU。同時，英偉達也开始在自己的地盤上與最大的雲計算提供商展开競爭，為那些已經被鎖定在超大規模服務器上的企業客戶提供人工智能平臺服務。這最終會促使它要么隨着時間的推移建立自己的數據中心（實質上會侵蝕他們現在享受的豐厚利潤，因此不太可能），要么將其人工智能硬件銷售大幅限制在其合作網絡雲提供商的範圍內。

此外，NVIDIA 的競爭對手推出了額外的 AI 專用硬件，大多使用與臺積電生產的 NVIDIA 相同的芯片。因此，基本上所有的 AI 硬件公司目前都在爭奪臺積電的產能。臺積電也需要優先考慮某些客戶。三星和潛在的英特爾（該公司正試圖很快回到最先進的芯片制造領域）可能能夠吸收額外的需求，但臺積電目前正在生產大部分與人工智能相關的芯片，並且擴展和校准尖端芯片制造（3 和 2 納米）需要數年時間。

最重要的是，目前所有的尖端芯片制造都是由臺灣的臺積電和韓國的三星在臺灣海峽附近完成的，在目前在美國建造的抵消這一點的設施（並且預計在未來幾年內不會生產下一代芯片）可能啓動之前，軍事衝突的風險可能會成為現實。

最後，由於美國對英偉達和臺積電的限制，中國基本上與最新一代人工智能硬件隔絕，中國正在爭奪剩余的計算能力，就像 Web3 DePIn 網絡一樣。與 Web3 不同的是，中國企業實際上擁有自己的競爭模型，尤其是來自百度和阿裏巴巴等公司的大型語言模型（LLM），這些模型需要大量的上一代設備才能運行。

因此，由於上述原因之一或多種因素的結合，存在一個非實質性的風險，即超大規模雲服務提供商在人工智能主導战爭加劇並優先於雲業務的情況下，限制對其人工智能硬件的外部方訪問。基本上，這是一個他們佔用所有與人工智能相關的雲計算容量以供自己使用，並且不再向任何其他人提供的情況，同時還將所有最新的硬件吞並的情景。這種情況發生後，剩余的計算供應將被其他大型參與者（包括主權國家）需求更高。而消費級 GPU 卻越來越沒有競爭力。

顯然，這是一個極端的情況，但對於大型玩家來說，獎勵太大了，以至於即使硬件瓶頸仍然存在，他們也不會退縮。這樣一來，像二級數據中心和零售級硬件所有者這樣的去中心化運營商（佔 Web3 DePIn 提供商的大多數）就會被排除在競爭之外。

硬幣的另一面

當加密貨幣創始人還沒意識到時，人工智能巨頭密切關注着加密貨幣。政府壓力和競爭可能會迫使他們採用加密貨幣，以避免被關閉或受到嚴格監管。

Stability AI 創始人最近辭職，以开始「去中心化」他的公司，這是其中一個最早公开暗示的跡象。他之前曾在公开露面時毫不掩飾地表示計劃在公司成功完成 IPO 之後推出代幣，這在某種程度上透露出了預期動機的真實性。

同樣，雖然薩姆·奧特曼（Sam Altman）並未在他共同創立的加密項目 Worldcoin 的運營中參與，但其代幣確實像 OpenAI 的代理進行交易。關於是否有路徑將自由互聯網貨幣項目與人工智能研發項目連接起來，只有時間才能告訴我們，但 Worldcoin 團隊似乎也意識到市場正在測試這一假設。

對我們來說，人工智能巨頭可能會探索不同的去中心化路徑是有道理的。我們在這裏看到的問題是，Web3 尚未提出有意義的解決方案。「治理代幣」在很大程度上是一個梗，而只有那些明確避免資產持有人與其網絡开發和運營之間直接聯系的代幣，比如 $BTC 和 $ETH，目前才是真正的去中心化。

導致技術發展緩慢的（不）激勵機制同樣也會影響管理加密網絡的不同設計的發展。初創團隊只是在他們的產品上貼上一個「治理代幣」的標籤，希望找到解決方案，而最終只是陷入了「治理劇場」周圍的資源分配。

結論

人工智能競賽正在進行中，每個人都非常重視。我們找不到大型科技公司思維中的漏洞，更多的計算意味着更好的人工智能，更好的人工智能意味着降低成本、增加新的收入和擴大市場份額。對我們來說，這意味着泡沫是合理的，但所有騙子仍然會在不可避免的抖動中被清除出局。

集中式大型企業人工智能正在主導這一領域，而合法的初創公司發現很難跟上。Web3 空間加入的較晚，但也正在加入這場競賽。市場對加密貨幣人工智能項目的獎勵過於豐厚，相比之下，Web2 初創公司在這一領域的獎勵就顯得較少，這導致創始人的興趣從交付產品轉向在關鍵時刻推動代幣的增值，而抓住趕上的機會的窗口正在迅速關閉。到目前為止，還沒有任何正交創新在這裏出現，可以繞過擴大計算規模以競爭。

現在圍繞面向消費者的模型存在可信的开源運動，最初是由一些中心化的玩家推動前進，他們選擇與更大的閉源競爭對手爭奪市場份額（例如 Meta、Stability AI）。但現在社區正在迎頭趕上，並向領先的人工智能公司施加壓力。這些壓力將繼續影響人工智能產品的閉源开發，但在开源趕上的情況下並不具有實質性的影響。這對於 Web3 空間是另一個重大機會，但前提是它解決了去中心化模型訓練和推理的問題。

因此，盡管在表面上為「經典」的顛覆者提供了機會，但現實情況與之相距甚遠。人工智能主要與計算相關聯，除非在未來 3-5 年內出現突破性創新，否則無法改變這一情況，這對於確定誰控制和引導人工智能發展至關重要。

即使需求推動了供應端的努力，計算市場本身也無法「百花齊放」，而制造商之間的競爭受到了芯片制造和規模經濟等結構性因素的制約。

我們對人類的聰明才智持樂觀態度，並確信有足夠聰明和高尚的人來嘗試解決人工智能問題領域，以有利於自由世界而不是自上而下的公司或政府控制。但勝算看起來非常渺茫，最多只能說是一個投機遊戲，且 Web3 創始人們忙於金融利益而不是現實世界的影響。