作者：Jonathan King，Coinbase Ventures负责人；编译：0xjs@喜来顺财经
AI的未来可以建立在区块链技术之上，因为加密技术有助于在新兴技术领域提高可及性、透明度和应用场景。加密货币的高效性、无国界特性和可编程性与AI的融合，有可能改变人类和机器与数字经济的互动方式，包括使用户能够对其个人数据拥有主权。这包括 “智能体网络” 的兴起，在这种网络中，基于加密基础设施运行的AI智能体能够推动经济活动和增长。
披露与注释：Coinbase Ventures 的投资组合公司在本文首次提及时有星号（*）标注。
那么这是怎样的一种情况呢？AI智能体在加密基础设施上进行交易。由AI创建的软件代码，包括智能合约，导致链上应用和体验的激增。用户拥有、管理并从他们所贡献的AI模型中获利。利用AI改善加密生态系统内的用户和开发者体验，增强智能合约能力并创造新的应用场景。等等。
当我们设想这种crypto x AI的未来时，今天我们将揭示关于这种变革性技术融合未来的核心论点。要点如下：
我们认为加密货币/区块链技术并非在AI技术栈的每一层都必须用于提升能力或解决新出现的挑战。相反，加密货币可以在为AI带来更广泛的分发、可验证性、抗审查性和原生支付渠道方面发挥重要作用，同时受益于AI机制来为链上的新用户体验提供动力。
Crypto x AI能够催生 “智能体网络”，这是一种变革性的范式，其中基于加密基础设施运行的AI智能体能够成为经济活动和增长的重要驱动力。我们预测未来智能体将拥有自己的加密钱包，以便自主进行交易并实现用户意图，获取低成本、去中心化的计算和数据资源，或者利用稳定币向人类和其他智能体支付报酬以完成实现其整体目标函数所需的任务。
支撑这一论点的初步观点包括：（1）加密货币将成为智能体与人类以及智能体之间商业活动的首选支付渠道；（2）生成式AI和自然语言接口将成为寻求在链上进行交易的用户的主要交互方式；（3）AI将创建绝大部分软件代码（包括智能合约），从而引发链上应用和体验的 “寒武纪大爆发”。
Crypto x AI由两个核心子领域构成：（1）去中心化AI（加密货币->AI），定义为构建通用人工智能基础设施以继承现代对等区块链网络的特性；（2）链上AI（人工智能->加密货币），定义为构建基础设施和应用，利用AI为新的和现有的应用场景提供动力。
Crypto x AI生态格局可以划分为以下几个层次：（1）计算（即专注于为AI开发者提供潜在图形处理单元（GPU）的网络）；（2）数据（即能够实现AI数据管道的去中心化访问、汇编和可验证性的网络）；（3）中间件（即能够实现AI模型 / 智能体的开发、部署和托管的网络 / 平台）；（4）应用（即利用链上AI机制的面向用户的产品（B2B 或 B2C））
在 Coinbase，我们肩负着帮助更新金融系统，使其更安全可靠，同时提高消费者和建设者的可及性和可用性的使命。我们相信Crypto x AI将在其中发挥重要作用。在本博客中，我们将深入探讨Crypto x AI的原因、方式以及下一步发展。
AI市场已经取得了显著的增长和投资，VC公司在过去五年中向该领域投入了近 2900 亿美元。世界经济论坛指出，AI技术在未来十年可能会使美国年度 GDP 增长提高 0.5 - 1.5%。AI应用正显示出强大的吸引力，像 ChatGPT4 这样的应用在用户增长 / 采用方面创下了新纪录。然而，随着AI市场的快速发展，一些挑战也随之出现，包括数据隐私问题、对AI人才的需求、伦理考量、中心化风险以及深度伪造技术的兴起。这些挑战推动了当前关于Crypto x AI领域的讨论，因为利益相关者寻求利用两种技术的优势来解决这些新出现的问题的解决方案。
来自Vitalik Buterin 关于Crypto x AI的博客
Crypto x AI结合了区块链的去中心化基础设施和人AI模仿人类认知功能以及从数据中学习的能力，创造了一种协同效应，可能会彻底改变各个行业。区块链重新定义了系统架构、数据 / 交易验证以及分配方式。AI增强了数据计算、分析，并提供了新的内容生成能力。这种交叉在两个技术社区的开发者中既引发了兴奋，也引发了怀疑，推动了对新应用场景的探索，从长远来看可能会加速两个领域的采用。虽然加密货币和AI都是涵盖多种不同技术和主题的通用术语，但我们认为两个领域的交叉可以分解为两个核心子领域：
去中心化AI（Crypto -> AI）通过加密货币的无许可且可组合的基础设施增强AI能力。这解锁了一些应用场景，例如对AI资源（如计算、存储、带宽、训练数据等）的民主化访问，协作式、开源模型开发，可验证的推理，或者用于内容来源和真实性的不可篡改账本和加密签名。
链上AI（AI -> Crypto）将AI的优势带入加密生态系统，通过大型语言模型和自然语言接口改善用户和开发者体验，或者增强智能合约能力。链上AI采用的两种途径包括：（1）开发者将AI模型或智能体集成到他们的智能合约和链上应用中；（2）AI智能体利用加密渠道（如自托管钱包、稳定币等）进行支付并委托去中心化基础设施资源。
虽然两个子领域都还处于起步阶段，但 “加密货币融入AI” 或 “AI融入加密货币” 的潜力巨大，并且有望解锁一系列尚未设想的应用场景，特别是随着计算基础设施和智能速度的持续提高。
我们发现加密货币和AI交叉领域中特别令人兴奋的一个方面是基于加密基础设施运行的AI智能体的概念。这种整合旨在创建 “智能体网络”，这是一种变革性的范式，能够在AI驱动的经济体中增强安全性、效率和协作，其基础是强大的激励结构和加密原语。
我们认为AI智能体能够成为经济活动 / 增长的重要驱动力以及应用（无论是链上还是链下）的主要 “用户”，在中长期内逐渐取代人类用户。这种范式转变将迫使许多互联网原生公司重新思考他们对未来的核心假设，并提供必要的产品、服务和商业模式，以便更好地服务于一个以智能体为主的经济体。话虽如此，我们并不认为加密货币 / 区块链技术在AI技术栈的每一层都必须用于提升能力或解决新出现的挑战。相反，加密货币可以在为AI带来更广泛的分发、可验证性、抗审查性和原生出版渠道方面发挥重要作用，同时受益于AI机制来为链上的新用户体验提供动力。
支撑这一论点的初步观点如下：
加密货币将成为智能体与人类以及智能体之间商业活动的首选支付渠道：加密货币是互联网原生的可编程货币，对于驱动以智能体为基础的经济体具有多种优势。随着AI智能体变得更加自主，并大规模进行微交易（如支付推理、数据、API 访问、去中心化计算或数据资源等），加密货币的高效性、无国界特性和可编程性将使其成为比传统法定货币渠道更优的交换媒介。此外，智能体将需要独特的、可验证的身份（即 “了解你的智能体”），以确保在与企业和终端用户进行交易时遵守监管规则和合规要求。低费用区块链、智能合约、自托管钱包（如 Coinbase AI Wallets）和稳定币可以帮助简化并降低智能体之间复杂金融协议的成本，而去中心化网络的可验证性和不可变性将确保AI智能体交易的重要性和可审计性。
生成式AI和自然语言接口将成为寻求在链上进行交易的用户的主要交互方式：随着自然语言处理速度和AI对加密货币的语境理解的提高，通过对话界面在链上进行交互将成为用户的默认规范和期望，这与当前的 Web2 趋势（如 ChatGPT）一致。用户只需用自然语言描述他们期望的交易意图（如 “用 X 换 Y”），人工智能智能体将把这些意图翻译成可验证的智能合约代码，提供最有效和最具成本效益的交易执行路径。
AI将创建绝大部分软件代码（包括智能合约），从而引发链上应用和经验的 “寒武纪大爆发”：AI的代码生成能力在 Web2 中正在迅速发展（如 Devin，Replit），并且从根本上改变了软件开发范式。我们相信这种转变将很快在加密领域占据中心位置，近期重点是显著降低新老开发者的入门槛。然而，未来的状态是AI“软件智能体” 根据用户的偏好实时从头生成智能合约和高度个性化的应用，并在链上存储和验证。
这些观点表明，未来AI和加密货币之间的界限将越来越模糊，创造一种智能、自主和去中心化系统的新范式。基于此框架，让我们逐层深入了解使能加密货币与AI融合的技术栈。
将 “加密货币融入AI” 或 “AI融入加密货币” 的探索催生了一个新兴且复杂的领域，该领域正在迅速发展，许多建设者急于利用市场势头。今天，我们认为Crypto x AI领域可以划分为以下几个层次：（1）计算（即专注于为人工智能开发者提供潜在图形处理单元（GPU）的网络）；（2）数据（即能够实现AI数据管道的去中心化访问、编排和可验证性的有关网络）；（3）中间件（即能够实现人工智能模型 / 智能体的开发、部署和托管的网络 / 平台）；（4）应用（即利用链上AI机制的面向用户的产品（B2B 或 B2C））
AI的模型训练和推理执行都需要大量的计算 GPU 资源。鉴于AI模型变得越来越复杂，对计算的需求也在增加，像英伟达这样的先进 GPU 出现短缺，导致等待时间长且成本增加。去中心化计算网络作为解决这些挑战的潜在方案正在兴起，其方式如下：
建立无许可的市场，用于购买、租赁和托管物理 GPU
构建 GPU 聚合器，使任何人（例如比特币矿工）能够贡献其多余的 GPU 计算能力以执行按需的AI任务，并获得代币激励作为回报
将物理 GPU 金融化，通过在链上将其代币化为数字资产
开发用于计算密集型工作负载（例如训练、推理）的分布式 GPU 网络
创建使AI模型能够在个人设备上运行的基础设施（类似于去中心化的苹果智能）
这些提议的解决方案都旨在增加 GPU 计算供应和可及性，同时提供极具竞争力的价格。然而，鉴于该领域的大多数参与者对先进人工智能工作负载的支持程度各不相同，面临与 GPU 缺乏共置相关的挑战，并且在某些情况下，缺乏与中心化替代方案相当的开发者工具和正常运行时间保证，我们认为这些产品在近期到中期内不太可能被主流采用。在该层构建的新兴领域和示例项目包括以下几个：
通用计算：提供可用于多种应用的 GPU 计算资源的去中心化计算市场（例如 Akash，Aethir）
人工智能 / 机器学习计算：提供用于特定服务（例如 GPU 聚合器、分布式训练和推理、GPU 代币化等）的 GPU 计算资源的去中心化计算网络（例如io.net，Gensyn，Prime Intellect，Hyperbolic，Hyperspace）
边缘计算：为个人、情境化推理提供设备上大型语言模型动力的计算和存储网络（例如 PIN AI，Exo，Crynux.ai，Edge Matrix）
扩展AI模型需要不断增长的训练数据集，大型语言模型是从人类生成的数万亿字的文本中进行训练的。然而，目前公共的、人类生成的数据是有限的（Epoch AI 估计高质量的语言 / 数据来源可能在 2024 年耗尽），这就引发了一个问题：训练数据的缺乏是否会成为AI模型性能的主要瓶颈，从而可能导致其性能停滞不前。因此，我们认为以数据为重点的crypto x AI公司有以下机会来应对这些挑战：
激励用户分享他们的私人 / 专有数据（例如 “数据去中心化自治组织（Data DAOs）”—— 链上实体，数据贡献者可以从社交平台贡献其隐私数据中看到经济利益，并管理数据的使用和货币化方式）
创建用于从自然语言提示生成合成数据资产的工具，或者提供用户激励以从公共网站抓取数据
激励用户帮助预处理数据集以用于训练模型并保持数据质量（例如数据标注 / 从人类反馈中进行强化学习）
建立多面的、无需许可的数据市场，任何人都可以因贡献而获得补偿
这些机会催生了我们今天在数据层看到的许多新兴参与者。然而，值得注意的是，在AI模型生命周期中，中心化的现有企业具有现有的网络效应和经过验证的数据合规制度，传统企业看重这些，这可能为去中心化替代方案留下的空间很小。尽管如此，我们认为去中心化AI的数据层呈现出一个重要的长期机会，以应对 “数据墙” 挑战。在该层构建的新兴领域和示例项目包括以下几个：
数据市场：为数据提供者和消费者设计的去中心化数据交换协议，用于分享和交易数据资产（例如 Ocean Protocol，Masa，Sahara AI）
用户自有 / 私人数据（包括 DataDAOs）：用于激励收集专有数据集（包括私人用户自有数据）的网络（例如 Vana*，NVG8）
公共与合成数据：用于从公共网站抓取数据或通过自然语言提示生成新数据集的网络 / 平台（例如 Dria，Mizu，Grass，Synesis One）
数据智能工具：用于查询、分析、可视化并提供关于链上数据的可操作见解的平台和应用（例如 Nansen*，Dune*，Arkham，Messari*）
数据存储：用于长期数据存储 / 存档的文件存储网络以及用于管理经常访问和更新的结构化数据的关系数据库网络（例如 Filecoin，Arweave*，Ceramic*，Tableland*）
数据汇编 / 溯源：优化AI和数据密集型应用的数据摄入管道和处理过程，并确保对AI生成内容的正确来源跟踪和可验证真实性的网络和平台（例如 Space and Time，The Graph*，Story Protocol）
数据标注：通过激励分布式的人类贡献者创建高质量的训练数据集来改善AI模型的强化学习和微调机制的网络和平台（例如 Sapien，Kiva AI，Fraction.AI）
预言机：使用AI提供可验证的链外数据用于链上智能合约的网络（例如 Ora，OpenLayer，Chainlink）
要实现一个开放、去中心化的AI模型或基于智能体的生态系统的全部潜力，需要构建新的基础设施。建设者正在探索的一些高潜力领域包括以下几个：
利用公开权重的大语言模型为链上AI应用场景提供动力，同时构建能够快速理解、处理和作用于链上数据的基础模型
针对大型基础模型（例如 100B + 参数）的分布式训练解决方案；由于各种技术复杂性，这通常被视为一个遥不可及的梦想，但 Nous Research、Bittensor 和 Prime Intellect 的近期突破正在试图改变这种情况
利用零知识或乐观机器学习（即 zkML，opML）、受信任的执行环境（TEE）或完全同态加密（FHE）来实现隐私的、可验证的推理
通过资源协调网络实现开放、协作的AI模型开发，或者构建利用加密基础设施渠道来增强人工智能智能体在链上 / 链下应用场景潜力的智能体网络 / 平台
虽然在构建这些基础基础设施原语方面已经取得了一些进展，但生产就绪的、链上的大型语言模型和AI智能体仍然处于起步阶段，并且我们预计在计算、数据和模型基础设施成熟之前，这种情况不会改变。尽管如此，我们认为这个类别非常有前景，是 Coinbase Ventures 在该领域投资策略的核心焦点，这是由对AI服务长期的隐含增长和需求所驱动的。在该层构建的新兴领域和示例项目包括以下几个：
开源的大语言模型：开源公开可访问的AI模型，允许任何人使用、修改和自由分发（例如 LLama3，Mistral，Stability AI）
链上模型创建者：能够创建用于链上应用场景的基础大语言模型的网络和平台（例如 Pond*，Nous，RPS）
训练与微调：能够在链上实现激励的、可验证的训练或微调机制的网络和平台（例如 Gensyn，Prime Intellect，Macrocosmos，Flock.io）
隐私：采用隐私保护机制用于AI模型的开发、训练和推理的网络和平台（例如 Bagel Network，Arcium*，ZAMA）
推理网络：采用加密技术 / 证明来验证AI模型输出正确性的网络和平台（例如 OpenGradient*，Modulus Labs，Giza，Ritual）
资源协调网络：网络设计用于促进AI模型开发的资源共享、协作和协调（例如 Bittensor，Near*，Allora，Sentient）
智能体网络与平台：网络和平台用于促进AI智能体在链上 / 链下环境中的创建、部署和货币化（例如 Morpheus，Olas，Wayfinder，Payman*，Skyfire*）
在加密领域内，AI智能体开始崭露头角，早期的例子如 Dawn Wallet（一个利用AI智能体代表用户发送交易并与协议交互的加密钱包），Parallel Colony*（一个链上游戏，玩家与拥有自己钱包并能在游戏中创建自己路径的AI智能体合作），或 Venice.ai（一个具有可验证推理和隐私保护机制的生成式AI应用 / 自然语言提示）。然而，应用开发仍然在很大程度上是实验性和机会主义的，各种应用想法在该领域的炒作中大量涌现。尽管如此，我们相信AI智能体基础设施和框架的进步将使加密行业从中长期来看从主要的反应式智能合约应用转变为更复杂的主动式应用。在该层构建的新兴领域和示例项目包括以下几个：
AI伴侣：用于创建、分享和货币化用户拥有的具有个性化和情境感知的AI模型和智能体的应用（如 MagnetAI，MyShell，Deva，Virtuals Protocol）
基于自然语言处理的接口：以自然语言提示作为与链上交易交互和执行的主要接口 / 入口点的应用（如 Venice.AI，Veldt）
开发 / 安全工具：面向开发者的应用 / 工具，利用AI模型 / 智能体来增强链上开发者体验和安全机制（如 ChainGPT，Guardrail*）
风险智能体：利用机器学习模型或AI智能体帮助协议实时动态调整和响应链上风险参数的服务（如 Chaos Labs*，Gauntlet*，Minerva*）
身份（人格证明）：利用加密证明和机器学习模型验证用户人格证明的应用（如 Worldcoin*）
治理：利用AI智能体根据人类驱动的治理决策 / 反馈执行交易的应用（如 Botto，Hats）
交易 / 去中心化金融：由AI驱动的交易基础设施和去中心化金融协议，利用AI智能体自动执行链上交易（如 Taoshi，Intent.Trade）
游戏：利用智能非玩家角色或AI机制驱动核心游戏玩法机制的链上游戏（如 Parallel*，PlayAI）
社交：利用AI机制驱动链上社会体验的应用（如KaiKai，NFPrompt）
虽然Crypto x AI堆栈仍处于起步阶段，但我们相信在去中心化AI基础设施、链上AI应用以及 “智能体网络” 的出现方面将会有重大进展，在 “智能体网络” 中AI智能体将成为经济活动的主要驱动力。虽然在计算基础设施和数据可用性等方面仍然存在挑战，但加密货币与AI之间的协同作用可能会加速两个领域的创新，导致更透明、去中心化和自主的系统。随着该领域继续由获得资金的新团队和致力于寻找产品 / 市场契合点的更成熟团队推动而迅速发展，互联网原生公司和开发者适应变化的范式并拥抱Crypto x AI创造以前无法想象的新应用和体验的潜力将至关重要。
总体而言，Coinbase Ventures 对Crypto x AI的未来潜力和机会感到兴奋，并且我们正在积极投资该架构的每一层。
本文仅代表作者观点，不代表喜来顺财经立场。
未经喜来顺财经许可，不得转载。
喜来顺财经
