AI 大 mappping
AI 大 mappping
Modified August 23, 2024
结论
•
AI 赛道核心竞争力是经济模型设计、团队学术能力、资金量支持（孵化方的支持力度）、资源和供需平衡控制，若项目能找到细分赛道的空档期提前布局，融合隐私保护等新技术将更有竞争力；
•
AI x Crypto 领域内的三大资产化场景是算力、模型和数据，虽然尚处早期阶段，面临商业模式、跨学科知识、内部赋能的技术挑战，但仍被视为具有巨大潜力的关键赛道；
•
加密技术真正擅长的是去除中介和激励活动。因此AI 可赋能 Defi+depin，Depin 赛道优势在于有形价值锚定和代币激励来形成飞轮，与传统基础设施的共存减少了投机泡沫，普遍与 web2 前端集成合作来降低用户采用门槛，降本同时增加普及率，未来基建网络效应后可以实现基础设施的金融化。
•
AI 协议除了卷资源、技术外，团队的科研水平也是决定其能否落地的关键，龙头项目大多有多篇 AI 顶会论文发表。
去中心化计算
通用计算
•
当前市场 - 填补长尾需求，项目重点是成本控制和核心硬件的矿业资源：
◦
GPU 市场背景是高需求与高成本，同时中心化云算力服务有局限性：深度学习模型训练资源6年增长30万倍；GPU成本昂贵，平均每天$50美元，AWS、GCP等云服务需要数周才能访问硬件，同时选择很少；
◦
目前大语言模型的垄断化（依赖于算力集中和高能耗，导致中心化 AI 服务逐步走向寡头垄断），算力市场核心需求是填补“腰部+长尾”算力需求：分布式算力平台的优势是低门槛、更灵活、更定制化的平台，针对大云不具性价比的轻量级弹性需求，适用于在传统算力资源忽略的边缘领域/细分市场（供应链金融、精准医疗等）走性价比服务，有真实应用场景，结合 DePIN 的矿工+节点—+软硬件一体化，可以走增量；
◦
大 B 端客户预算充足，更倾向于中心化集成式云服务，也需要更高效的算力聚合形式：因而去中心化算力更多的是服务于中小型开发团队或个人，从事多是模型微调，或应用层开发，对算力的提供形式无太高的要求，但对价格更敏感。后期单纯算力买卖的市场缺乏想象力（只能卷供应链、定价策略），市场上限低，大多项目在寻求 AI 转型（如 Render Network 与 2023 Q1 也推出了原生集成 Stability AI 工具集）；
•
项目现状 - 商业模型基础（撮合供需端），亮点项目要么是资源型（io.net），要么是机制设计强（10Planet 围绕 NFT、Bittensor 有竞争机制和网络微生态、Ritual 一个 API 访问任何 LLM/ML 模型且可聚合多个模型请求）。闲置算力的来源部分：2B端性能和可靠性更高，客户迁移意愿低。但是 BD/资源考验大（Aethir、Akash Network和Gensyn），可拓展性和去中心化程度受限；2C成本低、可扩展性高。但管理复杂，需有超强的经济/产品/模型设计才能脱颖而出，安全性一般（io.net）。
◦
Gensyn 是基础算力模型（提交者提供任务支付费用+求解者执行模型+验证者验证+举报者保障安全）配合一定程度的技术优化（基于图的精确定位协议、基于梯度的优化过程的元数据）和玩法趣味性（抵押和 slash 来构建激励游戏）；
◦
BP-FLAC 是 AI 公链，模型整合成熟架构（公链 PoC + 私链 PoS），商业模式基础：PaaS 聚合多边市场（矿工部署 AI 任务+ GPU 提供算力训练），数据一般（69个节点，4w+ holder）；
◦
Golem 是普通激励模式的算力聚合市场，技术上支持并行处理。24年初开始部署生态，CPU 数据尚可（2603个供应商、18106 个core）但 GPU 初期（18 个供应商）；