自 ChatGPT 首次發布以來僅一年多的時間，生成式人工智能無疑已成為當今最具影響力的全球敘事。

OpenAI 的早期成功推動了投資者對大型語言模型 (LLM) 和人工智能應用程序的興趣激增，在 2023 年吸引了 250 億美元的資金（同比

您正在閱讀《加密多空》，這是我們為專業投資者提供的每周時事通訊，其中包含見解、新聞和分析。

在此注冊，每周三將其發送到您的收件箱。

正如我之前所寫，人工智能和加密技術相輔相成，因此看到 Web3 中不斷發展的人工智能生態系統也就不足為奇了。

盡管受到了如此多的關注，但我注意到人們對這些協議的作用、炒作與真實以及它們如何結合在一起有很多困惑。

本報告將勾勒出 Web3 AI 供應鏈，定義技術堆棧中的每一層，并探討各種競爭格局。

最后，您應該對生態系統如何運作以及下一步要注意什么有基本的了解。

Web3 的 AI 技術堆棧

基礎設施層

生成式人工智能由法學碩士提供支持，在高性能 GPU 上運行。

法學碩士有三個主要工作負載：訓練（模型創建）、微調（部門/主題專業化）和推理（運行模型）。

我已將這一層分為通用 GPU、ML 專用 GPU 和 GPU 聚合器，它們的特點是不同的工作負載能力和用例。

這些 P2P 市場受到加密貨幣激勵，以確保安全的去中心化，

但需要注意的是，實際的 GPU 處理是在鏈下進行的。

• 通用 GPU：

  GPU 計算能力的加密激勵（去中心化）

  市場，可用于任何類型的應用程序。

  鑒于其通用性質，該計算資源最適合僅用于模型推理（最常用的 LLM 工作負載）。

  早期的類別領導者包括 Akash 和 Render，但是，隨著許多新進入者的出現，目前尚不清楚協議差異化將如何發揮作用。

  盡管計算在技術上是一種商品，但隨著我們將人工智能更多地融入我們的日常生活，Web3 對無需許可、GPU 專用計算的需求將在未來十多年中繼續呈指數級增長。

  關鍵的長期差異化因素將是分布和網絡效應。

• ML-specific GPU: These marketplaces are more specific to machine learning (ML) applications and can therefore be used for model training, fine-tuning, and inference. Unlike general-purpose marketplaces, these protocols can better differentiate through the overlay of ML-specific software, but distribution and network effects will also be key. Bittensor has an early lead, but many projects are launching soon.

• GPU Aggregators: These marketplaces aggregate GPU supply from the previous two categories, abstract away networking orchestration, and overlay with ML-specific software. They are like Web2 VARs (valued-added resellers) and can be thought of as product distributors. These protocols offer more complete GPU solutions that can run model training, fine-tuning, and inference. Io.net is the first protocol to emerge in the category, but I expect more competitors to emerge given the need for more consolidated GPU distribution.

Middleware Layer

The previous layer enables permissionless access to GPUs, but middleware is needed to connect this computing resource to on-chain smart contracts in a trust-minimized manner (i.e., for use by Web3 applications). Enter zero-knowledge proofs (ZKPs), a cryptographic method by which one party (prover) can prove to another party (verifier) that a given statement is true, while avoiding conveying to the verifier any information beyond the fact of the statement’s truth. In our case, the “statement” is the LLMs output given specific input.

• Zero-Knowledge (ZK) Inference Verification: Decentralized marketplaces for ZKP verifiers to bid on the opportunity to verify (for compensation) that inference outputs are accurately produced by the desired LLM (while keeping the data and model parameters private). Although ZK technology has come a long way, ZK for machine-learning (zkML) is still early days and must get cheaper and faster to be practical. When it does, it has the potential to dramatically open the Web3 and AI design space, by allowing smart contracts to access LLMs in a decentralized manner. Although still early, =nil;, Giza, and RISC Zero lead developer activity on GitHub. Protocols like Blockless are well positioned whichever ZKP providers win since they act as aggregation & abstraction layers (ZKP distribution).

• 開發人員工具和應用程序中心：

  除了 ZKP 之外，

  Web3

  開發人員

  還需要工具、軟件開發套件 (SDK) 和服務來高效構建 AI 代理等應用程序

  （代表用戶或具有一定程度的其他程序執行操作的軟件實體）。自主權，采用用戶目標的表示）

  和人工智能驅動的自動交易策略。

  其中許多協議還兼作應用程序中心，用戶可以直接訪問在其平臺上構建的已完成的應用程序（應用程序分發）。

  早期的領導者包括 Bittensor（目前托管 32 個不同的“子網”（AI 應用程序））和 Fetch.ai（為開發企業級 AI 代理提供全方位服務平臺）。

應用層

最后，在技術堆棧的頂部，我們擁有用戶界面應用程序，它們利用 Web3 的無需許可的 AI 處理能力（由前兩層支持）來完成各種用例的特定任務。

這部分市場仍處于萌芽階段，仍然依賴集中式基礎設施，但早期的例子包括智能合約審計、區塊鏈特定的聊天機器人、元宇宙游戲、圖像生成以及交易和風險管理平臺。

隨著底層基礎設施的不斷進步和 ZKP 的成熟，下一代人工智能應用程序將出現，其功能在今天很難想象。

目前尚不清楚早期進入者是否能夠跟上，或者新的領導者是否會在 2024 年及以后出現。

投資者前景：

披露：M31 Capital持有本文提到的幾種代幣的頭寸。

熱點：WEB 人工智能 的人