原文標題：VanEck's Crypto AI Revenue Predictions by 2030
原文作者：Patrick Bush，Matthew Sigel
原文來源：VanEck
編譯：Lynn，火星財經
我們概述了到 2030 年人工智慧加密貨幣收入情景，強調了 $10.2B 的基本情況，並強調公共區塊鏈透過基本功能在推動人工智慧采用方面的關鍵作用。請註意，VanEck 可能持有下述數位資產的頭寸。
要點：
公共區塊鏈很有可能是開啟人工智慧 (AI) 廣泛采用的關鍵，而人工智慧應用程式將成為加密貨幣 存在的理由 。這是因為加密貨幣提供了人工智慧所需的重要基礎元素，例如透明度、不變性、明確定義的所有權內容和對抗性測試環境。我們相信這些特性將有助於讓人工智慧充分發揮其潛力。根據對人工智慧增長的估計，我們斷言以人工智慧為重點的加密計畫到2030 年年收入將達到 10.2B 美元。在本文中，我們推測加密在促進人工智慧采用方面的作用以及加密將帶來的價值源自人工智慧業務：
此部落格的 PDF 版本。
我們發現加密貨幣在人工智慧中的最佳套用是：
加密貨幣對人工智慧來說非常有用，因為它已經解決了人工智慧當前和未來面臨的許多挑戰。從本質上講，加密貨幣解決了協調問題。加密貨幣將人員、計算和貨幣資源結合在一起來執行開源軟體。它透過以與每個網路的價值相關的代幣形式向建立、支持和使用每個區塊鏈網路的人提供獎勵來實作這一目標。該獎勵系統可用於引導人工智慧價值堆疊的不同元件。將加密技術與人工智慧相結合的一個重要意義在於，利用加密貨幣激勵措施來開發必要的物理基礎設施，例如 GPU 集群，專門用於訓練、微調和支持生成模型的使用。由於加密貨幣是一種使用加密貨幣來獎勵所需使用者行為的對抗性環境，因此它是測試和微調人工智慧模型以最佳化符合某些品質標準的輸出的最佳基礎。
區塊鏈還帶來了數位所有權的透明度，這可能有助於解決人工智慧將在法庭上面臨的一些開源軟體問題，這在【紐約時報】訴 OpenAI 和微軟的訴訟中已經很 引人註目 。也就是說，加密可以透明地證明數據所有者、模型構建者和模型使用者的所有權和版權保護。這種透明度還將擴充套件到將模型有效性的數學證明釋出到公共區塊鏈上。最後，由於不可偽造的數位簽名和數據完整性，我們相信公共區塊鏈將有助於減輕辨識和安全問題，否則這些問題會削弱人工智慧的有效性。
定義加密貨幣在人工智慧企業中的作用
2030 年預計加密貨幣人工智慧收入：熊市、基本情況、牛市情景
資料來源：摩根士丹利、彭博資訊、VanEck Research 截至 2024 年 1 月 29 日。 過去的表現並不能保證將來的結果。本部落格中提供的資訊、估值情景和價格目標無意作為財務建議或任何行動號召、購買或出售建議，或作為對人工智慧業務未來表現的預測。未來的實際表現尚不清楚，可能與此處描述的假設結果有很大差異。所提出的場景中可能存在未考慮到的風險或其他因素，這些因素可能會阻礙績效。這些僅僅是基於我們研究的模擬結果，僅供說明之用。請進行自己的研究並得出自己的結論。
為了預測加密人工智慧的市場，我們首先估計人工智慧帶來的商業生產力收益的總可尋址市場（TAM），我們對該數位的基線來自 麥肯錫 對 2022 年的假設。然後，我們將經濟和生產力增長假設套用於麥肯錫的預測計算得出 2030 年 TAM 為 5.85T 美元的基本情況。在此基本情況下，我們假設 AI 生產力增長比 GDP 增長高 50%，GDP 增長 3%。然後，我們預測人工智慧在全球企業中的市場滲透率（在基本情況下為 33%），並將其套用到我們的初始 TAM 中，預計人工智慧將為企業帶來 1.93T 美元的生產力提升。為了計算所有人工智慧業務的收入，我們假設這些生產力收益的 13% 由人工智慧業務捕獲（或由企業消費者花費）作為收入。我們透過套用標準普爾 500 強企業勞動力成本的平均收入份額來估算人工智慧收入占比，並假設人工智慧支出應該相似。我們分析的下一部份套用 Bloomberg Intelligence 對 AI 價值堆疊分布的預測來估算每個 AI 業務群體的年收入。最後，我們對每個人工智慧業務的加密貨幣市場份額進行具體估計，以得出每個案例和每個市場的最終數據。
我們設想未來將利用開源公共儲存庫構建的去中心化人工智慧模型套用於每個可以想象的用例。在許多情況下，這些開源模型勝過集中式人工智慧創作。這一假設的基礎源於這樣的假設：開源社群將有獨特動機改進事物的愛好者和愛好者聚集在一起。我們已經看到開源互聯網計畫打破了傳統業務。這種現象最好的例子是維基百科有效地結束了商業百科全書業務，而推特則擾亂了新聞媒體。這些開源社群在傳統企業失敗的地方取得了成功，因為開源團體透過社會影響力、意識形態和團體團結的結合來協調和激勵人們提供價值。簡而言之，這些開源社群之所以成功，是因為它們的成員 關心 。
將開源人工智慧模型與加密貨幣激勵相結合，可以擴大這些新興社群的影響力，賦予他們財務能力，以建立必要的基礎設施來吸引新參與者。將這一前提套用於人工智慧將是熱情和金錢資源的迷人結合。人工智慧模型將在加密貨幣激勵競賽中接受測試，建立模型評估基準的環境。在這種環境下，最有效的模型和評估標準會獲勝，因為每個模型的價值都被明確量化。因此，在我們的基本案例中，我們預計區塊鏈生成的人工智慧模型將占所有人工智慧軟體收入的 5%。這一估計包括硬體、軟體、服務、廣告、遊戲等，反映了企業營運數量的轉變。在 AI 軟體的總收入中，我們預計這將占所有 AI 收入的一半左右，即 $125.50B 左右。因此，我們預計開源模型的 5% 市場份額相當於加密代幣支持的 AI 模型的收入為 $6.27B 。
我們預計，到 2030 年，用於微調、訓練和推理的計算（或人工智慧基礎設施即服務）的 TAM 可能會達到 $47.44B。隨著人工智慧的廣泛采用，人工智慧將成為世界經濟許多功能不可或缺的一部份，計算和儲存的供應可以被設想為類似於發電和配電的公共設施。在這種動態中，絕大多數「基本負載」將來自 Amazon 和 Google 等 GPU 雲超大規模企業，其市場份額將接近80% 的 帕累托分布 。我們看到區塊鏈分配的後端伺服器基礎設施可以滿足特殊需求，並在高網路需求期間充當「峰值」提供商。對於客製人工智慧模型的生產者來說，加密儲存和計算提供商提供了諸如按需服務交付、更短的 SLA 釘選期、更客製的計算環境以及更高的延遲敏感性等優勢。此外，去中心化 GPU 可以與智慧合約中的去中心化 AI 模型無縫整合，從而實作 AI 代理擴充套件自己的計算需求的無需授權的用例。將區塊鏈提供的 GPU 視為人工智慧計算基礎設施的 Uber/Lyft 等價物，我們認為區塊鏈提供的計算和儲存將占據人工智慧基礎設施非超大規模市場的 20%，到 2030 年可能產生 $1.90B 的收入。
透過可證明的鏈上人性在人工智慧代理和模型的背景下定義「身份」可以被視為世界電腦網路的女巫防禦機制。我們可以透過檢查與保護不同區塊鏈網路相關的費用來估計這項服務的成本。2023 年，位元幣、以太坊和 Solana 的這些成本分別約為每個網路通脹發行價值的 1.71% 、 4.3% 和 5.57%。保守地說，我們可以推斷身份辨識應占人工智慧市場的 3.5% 左右。考慮到 AI 軟體的 TAM 為 $125.5B，這對應於 $8.78B 的年度收入。由於我們相信加密貨幣為身份問題提供了最佳解決方案，因此我們相信它將占據該終端市場 10% 的市場份額，預計其年收入約為 8.78 億美元 。
人工智慧安全有望成為人工智慧裝置的另一個重要組成部份，其基本要求是使用未損壞的、相關的最新數據來驗證模型是否執行正確。隨著人工智慧擴充套件到人類生命面臨風險的套用領域，例如自動駕駛汽車、工廠機器人和醫療保健系統，對失敗的容忍度變得很小。發生事故時問責的需要將推動保險市場需要具體的安全證明。公共區塊鏈是實作此功能的理想選擇，因為它們可以在任何人都可以看到的不可更改的分類賬上釋出「安全證明」。這項業務可以被認為類似於金融機構的合規性。考慮到美國 商業 和 投資 銀行產生 $660B 的收入，同時花費 $58.75B 的合規成本（占收入的 8.9%），我們預計 AI 安全應占 $251B AI TAM 的 $22.34B 左右。盡管加密貨幣具有增強人工智慧安全的潛力，但鑒於美國政府對人工智慧的關註，我們相信人工智慧的大部份合規性將是集中的。因此，我們估計加密貨幣將占該市場的 5% 左右，即 $1.12B 左右。
組織分散的計算資源
加密貨幣可以將其巨大的社會和財務協調優勢套用於計算存取的民主化，從而解決當前困擾人工智慧開發人員的痛點。除了高昂的成本和獲得優質 GPU 的機會有限之外，人工智慧模型構建者目前還面臨著其他棘手的問題。其中包括供應商釘選、缺乏安全性、計算可用性有限、延遲差以及國家法律規定的地理圍欄。
加密貨幣能夠滿足人工智慧對 GPU 的需求，源於加密貨幣透過代幣激勵匯集資源的能力。位元幣網路的代幣價值為 850B 美元，股權價值為 20B 美元，這證明了這種能力。因此，當前的位元幣礦工和有前途的去中心化 GPU 市場都有潛力透過提供去中心化計算來為人工智慧增加巨大的價值。
對於理解透過區塊鏈提供 GPU 的一個有用的類比是發電業務。簡單來說，有一些實體營運著大型、昂貴的工廠，可以穩定地發電以滿足大多數電網需求。這些「基本負荷」工廠的需求穩定，但需要大量的建設資本投資，導致資本報酬率相對較低但有保證。補充基本負載的是另一類稱為「峰值功率」的發電機。當電力需求超過基本負荷發電能力時，這些企業提供電力。這涉及高成本、小規模的能源生產，其戰略定位接近該能源的需求。我們預計「按需計算」領域也會出現類似的動態。
位元幣礦工多元化進入人工智慧領域
位元幣和其他工作量證明加密貨幣與人工智慧一樣對能源有很高的需求。這種能源必須被創造、獲取、運輸並分解成可用電力來為采礦裝置和計算集群供電。該供應鏈需要礦商對發電廠、購電協定、電網基礎設施和數據中心設施進行大量投資。挖礦 PoW 加密貨幣帶來的貨幣激勵導致了許多分布在全球的位元幣礦工的出現，這些礦工擁有能源和電力權利以及整合的網格架構。這些能源大部份來自成本較低、社會回避的碳密集型能源。因此，位元幣礦工可以提供的最引人註目的價值主張是為人工智慧後端基礎設施提供動力的低成本能源基礎設施。
AWS 和微軟等超大規模計算提供商一直奉行投資垂直整合營運並建立自己的能源生態系的戰略。大型科技公司已經向上遊發展，設計自己的芯片並采購自己的能源，其中大部份是可再生能源。目前，數據中心消耗了美國企業可用的可再生能源的三分之二。微軟和亞馬遜都承諾到 2025 年實作 100% 可再生能源供應。然而，如果預期的計算需求超出預期，正如一些人所說，到 2027 年，以人工智慧為中心的數據中心數量可能會增加一倍，資本支出可能是目前估計的三倍。大型科技公司已經支付了 0.06-0.10 美元/千瓦時的電力費用，比競爭性位元幣礦工通常支付的價格（0.03-0.05 千瓦時）貴得多。如果人工智慧對能源的需求超過了大型科技公司當前的基礎設施計劃，那麽位元幣礦商相對於超大規模礦商的電力成本優勢可能會大幅增加。礦工越來越被與 GPU 供應相關的高利潤人工智慧業務所吸引。值得註意的是，Hive在 10 月份 報告稱 ，按每百萬瓦計算，其 HPC 和 AI 業務產生的收入是位元幣挖礦的 15 倍。其他抓住人工智慧機會的位元幣礦工包括 Hut 8 和 Applied Digital。
位元幣礦商在這個新市場中經歷了增長，這有助於實作收入多元化並增強收益報告。在 Hut 8 的 2023 年第三季度分析師電話會議中，執行長 Jaime Leverton 表示：「在我們的 HPC 業務中，我們在第三季度透過新客戶的增加和現有客戶的增長創造了一些動力。上周，我們推出了按需雲服務，為那些從我們的 GPU 尋求 HPC 服務的客戶提供基於 Kubernetes 的應用程式，這些應用程式可以支持人工智慧、機器學習、視覺效果和渲染工作負載。這項服務將控制權交到我們的客戶手中，同時將配置時間從幾天縮短到幾分鐘，這對於那些尋求短期 HPC 計畫的人來說尤其具有吸重力。Hut 8從 2023 年第三季度的 HPC 業務中 實作了 450 萬美元的收入，占該公司同期收入的 25% 以上。對 HPC 服務和新產品的需求不斷增長，應有助於該業務線的未來增長，隨著位元幣減半即將到來，HPC 收入可能很快就會超過挖礦收入，具體取決於市場狀況。
盡管他們的業務聽起來很有前途，但轉向人工智慧的位元幣礦工可能會因缺乏數據中心建設技能或無法擴大電力供應而陷入困境。由於雇用新的以數據中心為中心的銷售人員的成本，這些礦工還可能會發現與營運管理費用相關的挑戰。此外，當前的采礦作業沒有足夠的網路延遲或頻寬，因為它們對廉價能源的最佳化導致它們位於偏遠地區，通常缺乏高速光纖連線。
為人工智慧實施去中心化雲
我們還看到了以計算為中心的加密計畫的長尾，這些計畫將占據人工智慧伺服器資源市場的一小部份但很大一部份。這些實體將協調超大規模之外的計算集群，以提供適合新貴人工智慧構建者需求的價值主張。去中心化計算的好處包括可客製性、開放存取和更好的合約條款。這些基於區塊鏈的計算公司使小型人工智慧參與者能夠避免 p00 和 A100 等高端 GPU 的巨額費用和普遍不可用的情況。加密人工智慧企業將透過建立圍繞加密代幣激勵構建的物理基礎設施網路來滿足需求，同時提供專有IP來建立軟體基礎設施以最佳化人工智慧應用程式的計算使用。區塊鏈計算計畫將使用市場方法和加密獎勵來從獨立數據中心、具有過剩計算能力的實體和前 PoW 礦工那裏發現更便宜的計算。為 AI 模型提供去中心化計算的一些計畫包括 Akash 、 Render 和 io.net 。
每日收入阿凱許
阿凱許每日收入。資料來源：Cloudmos 截至 2024 年 1 月 30 日。 過去的表現並不能保證將來的結果。
Akash 是一個基於 Cosmos 的計畫，可以被認為是一個通用的去中心化「 超級雲 」，提供 CPU、GPU、記憶體和儲存。實際上，它是一個連線雲服務使用者和雲服務提供商的雙向市場。Akash 的軟體旨在協調計算供應與需求，同時建立促進 AI 模型訓練、微調和執行的工具。Akash 還確保市場買家和賣家誠實履行其義務。Akash 透過其 $AKT 代幣進行協調，該代幣可用於以折扣價支付雲服務費用。$AKT 還作為 GPU 計算提供商和其他網路參與者的激勵機制。在供應方面，Akash 在添加計算供應商方面取得了長足進步，因為 Akash 市場上有 65 家不同的供應商。盡管在 Akash 的 AI 超級雲於 2023 年 8 月 31 日首次亮相之前，計算需求一直低迷，但在釋出日期之後，計算買家已花費了 13.8 萬美元。
最近遷移到 Solana 的 Render 最初專註於將藝術家與分散的團體聯系起來，這些團體將提供 GPU 能力來渲染影像和視訊。然而，Render 已開始將其去中心化 GPU 集群的重點放在滿足機器學習工作負載上，以支持深度學習模型。透過網路改進提案 RNP-004 ，Render 現在擁有一個 API 可以連線外部網路（例如 io.net），該網路將利用 Render 的 GPU 網路進行機器學習。 Render 社群隨後提出的提案獲得透過，允許透過Beam 和 FEDML 存取其 GPU，以完成機器學習任務。因此，Render 已成為 GPU 工作負載的去中心化促進者，透過向提供商支付 RNDR 美元以及向執行網路後端基礎設施的實體提供 RNDR 激勵來協調。
Io.net GPU 價格比較。來源： io.net 截至 2024 年 1 月 4 日。
Solana 上另一個有趣的計畫是 io.net，它被認為是 DePIN 或去中心化物理基礎設施網路。io.net 的目的也是提供 GPU，但其重點僅在於套用 GPU 來驅動 AI 模型。除了簡單地協調計算之外，Io.net 還在其核心堆疊中添加了更多服務。其系統聲稱可以處理人工智慧的所有元件，包括建立、使用和微調，以正確促進整個網路中的人工智慧工作負載並對其進行故障排除。該計畫還利用了其他去中心化 GPU 網路，例如 Render 和 Filecoin 及其自己的 GPU。盡管 io.net 目前缺乏代幣，但計劃於 2024 年第一季度推出。
克服去中心化計算的瓶頸
然而，由於訓練深度學習模型所需的典型 633TB 以上 數據所帶來的網路需求，利用這種分布式計算仍然是一個挑戰。由於電腦能力的延遲和差異，位於全球各地的電腦系統也給並列模型訓練帶來了新的障礙。Together 是一家積極進軍開源基礎模型市場的公司，該公司正在構建一個去中心化雲來托管開源人工智慧模型。Together 將使研究人員、開發人員和公司能夠透過結合數據、模型和計算的直觀平台來利用和改進人工智慧，擴大人工智慧的可存取性並為下一代科技公司提供支持。Together 與領先的學術研究機構合作，構建了 Together 研究電腦，使實驗室能夠集中計算進行人工智慧研究。該公司還與史丹佛基礎模型研究中心 (CRFM) 合作建立了語言模型的整體評估 (HELM)。HELM 是一個「活基準」，旨在透過提供評估此類基礎模型的標準化框架來提高人工智慧的透明度。
自 Together 成立以來，創始人 Vipul Ved Prakash 率先啟動了多個計畫，包括 1) GPT-JT，一個開放式 LLM，具有透過
HELM (RAFT) 分數
GPT-JT 效能。來源：截至 2024 年 1 月 4 日的 解碼器。
我們相信像Together這樣的去中心化和民主化的雲端運算解決方案可以顯著削減構建新模型的成本，從而有可能顛覆亞馬遜網路服務、谷歌雲和Azure等老牌巨頭並與之競爭。就上下文而言，將 AWS 容量塊和 AWS p5.48xlarge 例項與配置有相同數量的 p00 SXM5 GPU 的 Together GPU 集群進行比較，Together 的定價大約比 AWS 低 4 倍。
隨著開放式法學碩士變得越來越準確並得到更廣泛的采用，Together 可能成為開源模型的行業標準，就像紅帽之於 Linux 一樣。該領域的競爭對手包括模型提供商 Stability A 和 HuggingFace，以及人工智慧雲提供商 Gensyn 和 Coreweave。
透過加密貨幣激勵增強人工智慧模型
區塊鏈和加密貨幣激勵措施證明，網路效應和與網路效應大小相關的獎勵迫使人們從事 有用的工作 。在位元幣挖礦的背景下，該任務是透過使用昂貴的電力、技術人力和 ASIC 機器來保護位元幣網路。這種經濟資源的協調提供了一種女巫攻擊防禦機制，防止對位元幣的經濟攻擊。作為交換，協調這些資源的礦工將獲得 BTC 美元。然而，人工智慧有用工作的綠色空間要大得多，一些計畫已經在推動人工智慧和機器學習模型的改進。
這些計畫中最原始的是 Numerai 。目前，Numerai 可以被視為一項去中心化數據科學錦標賽，旨在確定最佳機器學習模型，透過建立股票投資組合來最佳化財務報酬。在每個時代，匿名 Numerai 參與者都被授予存取隱藏原始數據的許可權，並被要求利用這些數據來構建表現最佳的股票投資組合。為了參與，使用者不僅被要求送出預測，還被迫在其模型的預測背後投入 NMR 代幣，以證明這些模型的價值。其他使用者也可以在他們認為效能最佳的模型上投入代幣。然後，每個質押、送出的模型的輸出都會被輸入到機器學習演算法中，以建立一個元模型，為 Numerai One 對沖基金的投資決策提供資訊。送出具有最佳資訊系數或有效性的「推論」的使用者將獲得 NMR 代幣獎勵。與此同時，那些質押最差模型的人的代幣將被削減（沒收並重新用於獎勵獲勝者）。
Bittensor 上的子網路和用例。來源： https: //taostats.io/api/ 截至 2024 年 1 月 2 日。
Bittensor 是一個大規模擴充套件 Numerai 核心概念的類似計畫。Bittensor 可以被認為是「機器智慧的位元幣」，因為它是一個為 AI/ML 模型提供經濟激勵的網路。這是由構建人工智慧模型的「礦工」和評估這些模型輸出品質的「驗證者」實體來完成的。Bittensor 的架構是一個基礎網路和許多較小的子網路（子網路）的架構。每個子網路都專註於機器智慧的不同領域。驗證者會向這些子網路上的礦工提出各種問題或請求，以評估其人工智慧模型的品質。
表現最好的模型將獲得最高的 TAO 代幣獎勵，而驗證者則因對礦工的準確評估而獲得補償。在更高的層面上，驗證者和礦工都必須質押代幣才能參與每個子網路，每個子網路占總質押的比例決定了它從所有 Bittensor 總通脹中獲得多少 TAO 代幣。因此，每個礦工不僅有動力最佳化其模型以贏得最多的獎勵，而且有動力將其模型集中在最佳的人工智慧領域子網路上。此外，由於礦工和驗證者必須維持資金才能參與，因此每個人都必須超過資本成本障礙，否則就會結束系統。
截至 2024 年 1 月，共有 32 個不同的子網路，每個子網路專用於機器學習或人工智慧的特定領域。例如，Subnet 1是類似於ChatGPT的提示LLM的文本。在這個子網路上，礦工執行各種經過調整的 LLM 版本，以最好地響應評估響應品質的驗證者的提示。在名為「Taoshi」的子網路 8 上，礦工送出對位元幣和各種金融資產價格的短期預測。Bittensor 還擁有專用於人類語言轉譯、儲存、音訊、網路抓取、機器轉譯和影像生成的子網路。子網路建立是無需授權的，任何擁有 200 TAO 的人都可以建立子網路。子網路營運商負責為每個子網路的活動建立評估和獎勵機制。例如，Bittensor 背後的基礎 Opentensor 執行子網路 1，並最近與 Cerebras 合作釋出了一個模型，以評估該子網路上礦工的 LLM 輸出。
雖然這些子網路最初都是由通貨膨脹獎勵全額補貼的，但每個子網路最終都必須在經濟上維持自身。因此，子網路營運商和驗證者必須協調建立工具，以允許外部使用者付費存取每個子網路的服務。隨著通貨膨脹的 TAO 獎勵減少，每個子網路將越來越依賴外部收入來維持自身。在這種競爭環境中，存在建立最佳模型的直接經濟壓力，並激勵其他人為這些模型建立 有利可圖的現實應用程式。 Bittensor 正在利用鬥誌旺盛的小型企業來辨識人工智慧模型並從中獲利，從而釋放人工智慧的潛力。正如著名的 Bittensor 傳播者 MogMachine 所說，這種動態可以被視為「人工智慧的達爾文競爭」。
另一個有趣的計畫是利用加密技術來激勵人工智慧代理的建立，這些人工智慧代理被編程為代表人類或其他電腦程式自主完成任務。這些實體本質上是旨在解決特定問題的自適應電腦程式。代理是一個包羅永珍的術語，涵蓋聊天機器人、自動交易策略、遊戲角色，甚至虛擬宇宙助手。該領域的一個著名計畫是 Altered State Machine ，這是一個使用 NFT 建立擁有、供電和訓練的人工智慧代理的平台。在 Altered State Machine 中，使用者建立他們的「代理」，然後使用分散的 GPU 集群「訓練」它們。這些代理針對特定用例進行了最佳化。另一個計畫 Fetch.ai 是一個用於建立根據每個使用者的需求客製的代理的平台。Fetch.ai 也是一家 SaaS 業務，允許註冊和租賃或出售代理。
自 2023 年 1 月 1 日起 AI 代幣的報酬
來源： Artemis XYZ 截至 2024 年 1 月 10 日。 過去的表現並不能保證將來的結果。
透過零知識 (zk) 證明進行驗證
2023 年是新 AI 模型的標誌性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由於深度學習的前景，截至 2023 年 6 月，美國有超過 18,563 家人工智慧相關初創企業。這些初創企業和其他企業已經生產了數千個新的基礎模型和微調模型。 然而，在人工智慧相關公司投資的 每 4 美元風險投資中就有 1 美元 投資的領域中，許多新實體的激增應該引起嚴重關註。
這些模型的投資者和使用者都應該 100% 確定他們可以解決這些問題。目前，針對 LLM 輸出的不同元件存在許多基準測試，例如用於程式碼生成的 HumanEval 、用於 LLM 輔助任務的 Chatbot Arena 以及用於 LLM 推理能力的 ARC Benchmark 。 然而，盡管嘗試了像 Hugging Face 的 Open LLM Leaderboard 這樣的模型透明度，但沒有具體證明模型的有效性、最終出處或其訓練/推理數據的來源。不僅可以對基準進行遊戲，而且還不能確定特定模型是否實際執行（而不是使用連線到另一個模型的 API），也不能保證排行榜本身是誠實的。
這就是公共區塊鏈、人工智慧和稱為零知識（zk）證明 的前沿數學領域的統一。zk 證明是密碼學的一種套用，它允許某人以所需水平的數學確定性證明他們對數據所做的陳述是正確的，而無需向任何人透露底層數據。語句可以包括簡單的聲明（例如排名），但可以擴充套件到復雜的數學計算。例如，某人不僅可以證明他或她知道某個樣本的相對財富而不向另一方透露該財富，而且他或她還可以證明該群體的平均值和標準差的正確計算。本質上，您可以證明您了解數據和/或您使用該數據做出了真實的斷言，而無需透露該數據的細節或您如何進行計算。在人工智慧之外，zk 證明已經被套用於擴充套件以太坊，允許交易在第 2 層區塊鏈上進行鏈下交易。最近，zk 證明已套用於深度學習模型，以證明：
zk 證明可以釋出到公共、永久的區塊鏈上，並透過智慧合約進行驗證。結果是區塊鏈可以公開且無可辯駁地證明人工智慧模型的重要內容。將 ZK 套用於 AI 的兩個前沿計畫被稱為「零知識機器學習」（ZKML），即 EZKL 和 Modulus 。EZKL 使用 Halo2 證明系統生成 zk-snarks，這是一種零知識證明，然後可以在以太坊的 EVM 上公開驗證。雖然 EZKL 目前可以證明的模型大小相對較小，大約有 100M 個參數，而 ChatGPT 4 的參數為 175B，但 EZKL 的執行長 Jason Morton 認為他們正在考慮「工程問題」而不是「技術限制」問題。EZKL 相信他們可以透過 拆分 並列執行的證明來克服證明問題，從而減少記憶體限制和計算時間。事實上，傑森·莫頓相信有一天，「驗證模型將像簽署區塊鏈交易一樣簡單。」
ZKML證明套用於人工智慧可以解決人工智慧實作的重要痛點，包括版權問題和人工智慧安全。正如【紐約時報】最近針對 Open AI 和微軟的訴訟所表明的那樣，版權法將適用於數據所有權，人工智慧計畫將被迫提供其數據來源的證明。ZKML 技術可用於快速解決法庭上有關模型和數據所有權的爭議。事實上，ZKML 的最佳套用之一是允許 Ocean Protocol 和 SingularityNet 等數據/模型市場證明其列表的真實性和有效性。
人工智慧模型最終將擴充套件到準確性和安全性至關重要的領域。據估計，到 2027 年，人工智慧邊緣裝置將達到 5.8B 個 ，其中可能包括重型機械、機器人、自動無人機和車輛。由於機器智慧套用於可能傷害和殺人的事物，因此使用來自可靠來源的高品質數據來證明該裝置上執行了信譽良好的模型非常重要。盡管從這些邊緣裝置構建連續的即時證明並將其釋出到區塊鏈可能在經濟和技術上具有挑戰性，但在啟用時驗證模型或定期釋出到區塊鏈可能更可行。然而，來自 0xPARC 基金會的 Zupass 已經建立了源自「 攜帶數據證明 」的原始證明，可以廉價地建立邊緣裝置上發生的 事實證明。 目前，這與活動出席有關，但可以預見，這種情況很快就會遷移到身份甚至 醫療保健 等其他領域。
您的機器人外科醫生的人工智慧模型有多好？
機器人輔助手術。資料來源：截至 2024 年 1 月 30 日的 【麻省理工學院技術評論】 。
從可能因裝置故障而承擔責任的企業的角度來看，擁有可驗證的證據來證明他們的模型不是代價高昂的事故的根源似乎是理想的選擇。同樣，從保險的角度來看，驗證和證明基於實際數據訓練的可靠模型的使用可能在經濟上變得必要。同樣，在人工智慧深度偽造的世界中，利用經過區塊鏈驗證和證明的 相機 、手機和電腦來執行各種操作可能會成為常態。當然，這些裝置的真實性和準確性的證明應該釋出到公共開源分類賬上，以防止篡改和欺詐。
盡管這些證明有著巨大的前景，但它們目前受到天然氣費用和計算開銷的限制。按照當前的 ETH 價格，在鏈上送出證明需要花費大約 300-500k 的 Gas（按照當前的 ETH 價格約為 35-58 美元）。從計算的角度來看，Eigenlayer 的 Sreeram Kennan 估計，「在 AWS 上執行需要花費 50 美元的證明計算，使用當前的 ZK 證明技術將花費約 1,000,000 倍的成本。」 結果是，zk 證明的發展速度比幾年前任何人的預期都要快得多，但在開啟實際用例之前還有很長的路要走。假設有人對 ZKML 的套用感到好奇。在這種情況下，他們可以參加由經過驗證的鏈上智慧合約模型評判的去中心化 歌唱比賽，並將其結果永久上傳到區塊鏈。
透過基於區塊鏈的身份建立人性
廣泛、先進的機器智慧的一個可能後果是，自主代理將成為最多產的互聯網使用者。人工智慧代理的釋放很有可能會導致整個網路受到有目的的機器人生成的垃圾信件甚至無害的基於任務的代理堵塞網路的幹擾（「 擺脫垃圾電子信件 」）。 當機器人爭奪價值大約 10 萬美元的套利機會時， Solana 每秒的數據流量達到 100 GB。想象一下，當人工智慧代理可以勒索數百萬個企業網站並勒索數十億美元時，將會出現怎樣的網路流量洪流。這表明未來的互聯網會對非人類流量施加限制。限制此類攻擊的最佳方法之一是對過度使用廉價資源征收經濟稅。但我們如何確定垃圾信件收費的最佳框架，以及如何確定人性化？
幸運的是，區塊鏈已經采用了內建防禦來防止人工智慧機器人式的女巫攻擊。計量非人類使用者與非人類使用者收費的結合將是一種理想的實作方式，同時稍微繁重的計算（如 Hashcash ）會抑制機器人。在人性證明方面，區塊鏈長期以來一直在努力 克服匿名性 ，以解鎖諸如抵押不足的貸款和其他基於聲譽的活動等活動。
獲得動力來證明身份的一種方法是使用 JSON Web 令牌 (JWT)。JWT 是「0Auth」憑證，類似於「cookie」，是在您登入 Google 等網站時生成的。它們允許您在登入 Google 後存取互聯網上的各個網站時展示您的 Google 身份。 zkLogin 由 L1 區塊鏈 Sui 建立，允許使用者將其錢包私鑰和操作連結到生成 JWT 的 Google 或 Facebook 帳戶。 zkP2P 進一步擴充套件了這一概念，利用 JWT 無需授權地允許使用者在 Base 區塊鏈上用法定貨幣交換加密貨幣。這是透過支付應用程式 Venmo 確認點對點現金轉賬來完成的，當透過電子信件 JWT 確認時，解鎖智慧合約托管的 USDC 代幣。這兩個計畫的結果是它們與鏈下身份建立了牢固的聯系。例如，zkLogin 將錢包地址連線到 Google 身份，而 zkP2P 僅適用於 Venmo 的 KYC 使用者。盡管兩者都缺乏足夠可靠的可靠保證來實作鏈上身份，但它們建立了其他人可以使用的重要構建塊。
雖然許多計畫都試圖確認區塊鏈使用者的人類身份，但最大膽的是OpenAI 執行長 Sam Altman 創立的 WorldCoin 。盡管由於使用者必須使用反烏托邦的「Orb」機器掃描 虹膜 而備受爭議，但 WorldCoin 正在朝著一個不可篡改的身份系統發展，該系統不能輕易偽造或被機器智慧淹沒。這是因為 WorldCoin 根據每個人獨特的眼睛「指紋」建立了一個加密識別元，可以對其進行采樣以確保唯一性和真實性。經過驗證後，使用者會收到 Optimism 區塊鏈上名為 World ID 的數位護照，允許該使用者在區塊鏈上證明自己的人性。最重要的是，一個人的獨特簽名永遠不會被泄露，也無法被追蹤，因為它是加密的。World ID 只是斷言區塊鏈地址屬於人類。Checkmate 等計畫已經將 World ID 與社交媒體資料連結起來，以確保使用者的獨特性和真實性。在人工智慧主導的未來互聯網中，在每一次線上互動中明確證明人性可能會變得司空見慣。當人工智慧克服了驗證碼的局限性時，區塊鏈應用程式可以廉價、快速、具體地證明身份。
透過區塊鏈技術為人工智慧做出貢獻
毫無疑問，我們正處於人工智慧革命的早期階段。然而，如果機器智慧的增長軌跡符合 最大膽 的預測，人工智慧就必須面臨挑戰，在超越其潛在危害的同時，取得優異的成績。我們相信，加密貨幣是正確「訓練」結果豐富但潛在陰險的人工智慧植物的理想網格。區塊鏈的人工智慧解決方案集可以透過為機器智慧創造者提供響應更快、更靈活且可能更便宜的去中心化計算來提高機器智慧創造者的產出。它還激勵能夠建立更好模型的構建者，同時為其他人提供經濟動力，讓他們利用這些人工智慧模型構建有用的業務。同樣重要的是，模型所有者可以證明其模型的有效性，同時證明未使用受保護的資料來源。對於人工智慧使用者來說，加密應用程式可以確認他們執行的模型是否符合安全標準，並且可能很有用。對於其他人來說，區塊鏈和加密貨幣可能是懲罰和獎勵的纏結，束縛著人工智慧必將成為的格列佛。
資料來源：VanEck Research，計畫網站，截至 2024 年 1 月 15 日。
提供第三方網站的連結是為了方便起見，包含此類連結並不意味著我們對連結網站中包含的或可從連結網站存取的任何內容或資訊進行任何認可、批準、調查、驗證或監控。點選非 VanEck 網頁的連結，即表示您承認您進入的第三方網站受其條款和條件的約束。VanEck 對第三方網站的內容、存取合法性或適用性不承擔任何責任。
披露：VanEck 透過我們與早期風險投資經理 Cadenza 的戰略合作夥伴關系在 Together 中占有一席之地，Cadenza 非常友善地為 「克服去中心化計算的瓶頸」 部份 做出了貢獻。
特別感謝：
Jason Morton ，ZKML 執行長
Ala Shaabana，Bittensor 聯合創始人
Arrash Yasavolian，Bittensor 的 Taoshi 子網路創始人
Greg Osuri，Akash 執行長兼創始人
Richard Liang， zkP2P執行長
Sui 區塊鏈團隊的主要成員 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari
