Pag-unawa sa Lumalagong AI Ecosystem ng Web3

Sa loob lamang ng mahigit isang taon mula nang ilabas ang debut ng ChatGPT, ang generative AI ay malamang na naging pinakamaimpluwensyang pandaigdigang salaysay ngayon. Ang maagang tagumpay ng OpenAI ay nagdulot ng pagtaas ng interes ng mamumuhunan para sa malalaking modelo ng wika (LLM) at mga aplikasyon ng AI, na umakit ng $25 bilyon sa pagpopondo noong 2023 (pataas ng 5x YoY!), sa pagtugis ng potensyal na multi-trillion-dollar na pagkakataon sa merkado.

Nagbabasa ka Crypto Mahaba at Maikli, ang aming lingguhang newsletter na nagtatampok ng mga insight, balita at pagsusuri para sa propesyonal na mamumuhunan. Mag-sign up dito para makuha ito sa iyong inbox tuwing Miyerkules.

Tulad ng ginawa ko naunang isinulat, AI at mga teknolohiyang Crypto ay nagtutulungan nang mabuti sa isa't isa, kaya hindi nakakagulat na makita ang isang lumalagong AI ecosystem na umuusbong sa loob ng Web3. Sa kabila ng lahat ng atensyon, napansin ko ang maraming pagkalito tungkol sa kung ano ang ginagawa ng mga protocol na ito, kung ano ang hype kumpara sa tunay, at kung paano magkasya silang lahat. Imamapa ng ulat na ito ang supply chain ng Web3 AI, tutukuyin ang bawat layer sa tech stack, at tuklasin ang iba't ibang mapagkumpitensyang landscape. Sa pagtatapos, dapat kang magkaroon ng pangunahing pag-unawa sa kung paano gumagana ang ecosystem at kung ano ang dapat abangan sa susunod.

AI tech stack ng Web3

Layer ng Imprastraktura

Ang Generative AI ay pinapagana ng mga LLM, na tumatakbo sa mga high-performance na GPU. Ang mga LLM ay may tatlong pangunahing workload: pagsasanay (paggawa ng modelo), fine-tuning (specialization ng sektor/paksa) at inference (pagpapatakbo ng modelo). Na-segment ko ang layer na ito sa general-purpose GPU, ML-specific na GPU, at GPU aggregators, na nailalarawan sa pamamagitan ng kanilang iba't ibang kakayahan sa workload at use-case. Ang mga P2P marketplace na ito ay crypto-incentivized upang matiyak ang secure na desentralisasyon, ngunit mahalagang tandaan na ang aktwal na pagproseso ng GPU ay nangyayari sa labas ng chain.

• Pangkalahatang layunin ng GPU: Crypto-incentivized (desentralisado) marketplaces para sa GPU computing power na maaaring gamitin para sa anumang uri ng application. Dahil sa likas na layunin nito, ang mapagkukunan ng pag-compute ay pinakaangkop para sa inference ng modelo lamang (ang pinakaginagamit na workload ng LLM). Kasama sa mga nangunguna sa unang kategorya ang Akash at Render, ngunit, sa maraming mga bagong kalahok na umuusbong, hindi malinaw kung paano maglalaro ang pagkakaiba-iba ng protocol. Bagama't teknikal na isang kalakal ang pag-compute, ang Web3 ay nangangailangan ng walang pahintulot, ang pag-compute na partikular sa GPU ay dapat na patuloy na lumago nang husto sa susunod na dekada-plus habang higit nating isinasama ang AI sa ating pang-araw-araw na buhay. Ang mga pangunahing pangmatagalang pagkakaiba ay ang pamamahagi at mga epekto sa network.
• GPU na partikular sa ML: Ang mga marketplace na ito ay mas partikular sa machine learning (ML)applications at samakatuwid ay magagamit para sa model training, fine-tuning, at inference. Hindi tulad ng mga general-purpose marketplace, ang mga protocol na ito ay mas makakapag-iba-iba sa pamamagitan ng overlay ng software na partikular sa ML, ngunit magiging susi rin ang mga epekto sa pamamahagi at network. May maagang nangunguna ang Bittensor, ngunit maraming proyekto ang malapit nang ilunsad.
• Mga GPU Aggregator: Pinagsasama-sama ng mga marketplace na ito ang supply ng GPU mula sa nakaraang dalawang kategorya, abstract away networking orchestration, at overlay na may software na partikular sa ML. Ang mga ito ay tulad ng mga Web2 VAR (valued-added resellers) at maaaring ituring na mga distributor ng produkto. Nag-aalok ang mga protocol na ito ng mas kumpletong mga solusyon sa GPU na maaaring magpatakbo ng pagsasanay sa modelo, fine-tuning, at inference.Io.net ay ang unang protocol na lumabas sa kategorya, ngunit inaasahan kong mas maraming kakumpitensya ang lalabas dahil sa pangangailangan para sa mas pinagsama-samang pamamahagi ng GPU.

Layer ng Middleware

Ang nakaraang layer ay nagbibigay-daan sa walang pahintulot na pag-access sa mga GPU, ngunit ang middleware ay kinakailangan upang ikonekta ang computing resource na ito sa mga on-chain na smart contract sa isang trust-minimized na paraan (ibig sabihin, para sa paggamit ng mga Web3 application). Maglagay ng zero-knowledge proofs (ZKPs), isang cryptographic na paraan kung saan maaaring patunayan ng ONE partido (prover) sa isa pang partido (verifier) ​​na totoo ang isang binigay na pahayag, habang iniiwasang ihatid sa verifier ang anumang impormasyon na lampas sa katotohanan ng katotohanan ng pahayag. Sa aming kaso, ang "pahayag" ay ang LLM na output na binibigyan ng partikular na input.

• Zero-Knowledge (ZK) Inference Verification: Mga desentralisadong marketplace para sa mga verifier ng ZKP na mag-bid sa pagkakataong i-verify (para sa kabayaran) na ang mga inference output ay tumpak na ginawa ng gustong LLM (habang pinananatiling pribado ang data at mga parameter ng modelo). Bagama't malayo na ang narating ng Technology ng ZK, ang ZK para sa machine-learning (zkML) ay maaga pa at dapat na mas mura at mas mabilis para maging praktikal. Kapag nangyari ito, mayroon itong potensyal na buksan ang espasyo sa disenyo ng Web3 at AI, sa pamamagitan ng pagpayag sa mga matalinong kontrata na ma-access ang mga LLM sa isang desentralisadong paraan. Bagama't maaga pa, nangunguna si =nil;, Giza, at RISC Zero sa aktibidad ng developer sa GitHub. Ang mga protocol tulad ng Blockless ay mahusay na nakaposisyon sa alinmang ZKP provider ang WIN dahil sila ay gumaganap bilang aggregation at abstraction layers (ZKP distribution).
• Mga Tool ng Developer at Application Hub: Bilang karagdagan sa mga ZKP, ang Web3developers ay nangangailangan ng tooling, software development kit (SDKs) at mga serbisyo upang mahusay na makabuo ng mga application tulad ng mga ahente ng AI (mga software na entity na nagsasagawa ng mga operasyon sa ngalan ng isang user o ibang program na may ilang antas ng awtonomiya, na gumagamit ng representasyon ng mga layunin ng user) at mga diskarte sa automated trading na pinapagana ng AI. Marami sa mga protocol na ito ay doble rin bilang mga hub ng application, kung saan direktang maa-access ng mga user ang mga natapos na application na binuo sa kanilang mga platform (pamamahagi ng application). Kasama sa mga naunang pinuno ang Bittensor, na kasalukuyang nagho-host ng 32 iba't ibang "subnet" (mga aplikasyon ng AI), at Fetch.ai, na nag-aalok ng full-service na platform para sa pagbuo ng enterprise-grade AI agents.

Layer ng Application

At sa wakas, sa tuktok ng tech stack, mayroon kaming mga user-interfacing na application na gumagamit ng walang pahintulot na kapangyarihan sa pagproseso ng AI ng Web3 (pinagana ng nakaraang dalawang layer) upang makumpleto ang mga partikular na gawain para sa iba't ibang mga kaso ng paggamit. Ang bahaging ito ng merkado ay nagsisimula pa rin, at umaasa pa rin sa sentralisadong imprastraktura, ngunit ang mga unang halimbawa ay kinabibilangan ng matalinong pag-audit ng kontrata, mga chatbot na partikular sa blockchain, metaverse gaming, pagbuo ng imahe, at mga platform ng pangangalakal at pamamahala sa peligro. Habang patuloy na umuunlad ang pinagbabatayan na imprastraktura, at tumatanda ang mga ZKP, lalabas ang mga susunod na henerasyong AI application na may functionality na mahirap isipin ngayon. Hindi malinaw kung KEEP ang mga maagang papasok o kung lilitaw ang mga bagong pinuno sa 2024 at higit pa.

Pananaw ng mamumuhunan: Bagama't malakas ako sa buong AI tech stack, naniniwala ako na ang mga imprastraktura at middleware na protocol ay mas mahusay na pamumuhunan ngayon dahil sa kawalan ng katiyakan sa kung paano mag-evolve ang AI functionality sa paglipas ng panahon. Gayunpaman, nagbabago ito, ang mga application ng Web3 AI ay walang alinlangan na mangangailangan ng napakalaking kapangyarihan ng GPU, Technology ng ZKP, at tool at serbisyo ng developer (ibig sabihin, imprastraktura at middleware).

Disclosure: Ang M31 Capital ay may mga posisyon sa ilang mga token na binanggit sa artikulong ito.