By Xinwei, Ian
在过去几年中，AI x Crypto领域经历了经历了前所未有的发展和变革。这一新兴领域结合了两个最具变革性的技术：区块链和人工智能，旨在探索去中心化方法如何赋能于人工智能应用，从而提高透明度、安全性和用户控制权。随着人工智能技术的飞速进展，特别是生成式人工智能的兴起，以及对去中心化解决方案不断增长的需求，AI x Crypto已经成为科技领域最令人兴奋的创新前沿之一。
Crypto最直接的用例就是资产化，而在AI x Crypto领域，"算力资产化"、"模型/Agent资产化"、和"数据资产化"是三大场景。
在算力资产化中，有两个主要方向：去中心化计算和AI Agent的去中心化推理。去中心化计算聚焦于利用分布式网络来进行AI模型的训练。AI Agent主要是利用训练好的AI模型进行去中心化推理。这些AI Agent可以被部署在去中心化网络中，为用户提供各种智能服务，例如自动化交易、知识助手或安全审计。
然而，从技术角度看，目前AI大模型的训练涉及海量数据处理和高速通信带宽需求，这对硬件设施提出了极高的要求。目前训练Transformer大模型通常需要配置高端CPU如NVIDIA的H100或A100，NVIDIA的NVLink技术用于连接GPU，以及专业光纤交换机实现100Gbps以上的网络连接来支持跨多个数据中心的训练。这些模型包含数十亿至数百亿的参数，需要强大的计算能力和显存来执行深度网络的算法。同时，为了迅速供给数据进行处理，必须有高速的存储和网络带宽，减少I/O瓶颈。并行计算策略如模型并行和数据并行要求高速的内部和外部网络带宽，以实现多GPU之间的有效同步。这些要求确实使得去中心化的AI训练在当前技术和成本条件下面临巨大挑战。
而AI Agent执行的AI推理，因其对计算能力和通信带宽的需求较低，使得采用去中心化方式变得更加可行和实际。这也是目前市场上许多与算力相关的项目更多集中在推理而非训练方面的原因。尽管如此，考虑到成本效益和可靠性，中心化方案在目前阶段往往仍然胜过去中心化解决方案。
模型/Agent的资产化也是一个重要方向，特别是大语言模型如GPT的推动下，成为重要趋势。用户可以与基于AI的虚拟人物进行互动。将这些AI Agent转化为NFT，允许用户买卖、收藏或交换，类似于艺术品交易。然而，这个方向上的项目往往技术门槛较低，创新不足，AI与Crypto的结合程度较低。许多项目仅仅将AI模型转为NFT，没有深入思考AI和Crypto的结合点，会导致市场陷入同质化竞争。此外，Agent基本也都是存储在云服务器上，仅仅把所有权证明做成NFT放在链上，与Crypto的结合程度较浅。
数据资产化也是AI x Crypto赛道的一个重要方向，着重于利用去中心化技术和激励机制，释放和利用通常局限于私域的大量数据资源，包括个人数据和企业内部数据等。这些数据一旦转化为可用于训练或Fine-Tune大模型的资源，就能显著提升AI模型在不同垂直领域的专业性和效率。然而，数据的多样性、质量、应用场景和隐私保护等因素增加了数据资产化的复杂性，使得标准化成为挑战。虽然可以把无法标准化的数据NFT化，但这也凸显了建立一个流动性强、易于交易的市场的难度。
去中心化数据标注作为数据资产化中的一环，通过”Label to Earn"模式或众包平台，通过激励社区成员参与数据标注，提高了数据的可用性和质量，同时降低了成本和时间。这种去中心化劳动力的方法不仅保障了数据标注的效率和质量，还确保了参与者得到公平的奖励，为数据资产化提供了新的路径。
Source：MT Capital
由上可以看出，目前AI x Crypto赛道实际成立的场景比较有限，大部分方向门槛较低，最近的市场热捧主要是资本运作和情绪FOMO。AI x Crypto赛道目前有几个核心痛点：