Delphi Digital：深度解析DeAI的机遇与挑战

原文作者：PonderingDurian，Delphi Digital 研究员

原文编译：Pzai，Foresight News

鉴于加密货币本质上是开源软件，具有内置的经济激励机制，同时 AI 正在颠覆编写软件的方式，因此 AI 将对整个区块链领域产生巨大影响。

简化 AI x Crypto 堆栈

基础设施

鉴于 AI 的动力来源于数据和计算，DeAI 基础设施致力于尽可能高效地采购数据和计算，并通常采用加密货币激励机制。正如我们前面所提到的，这是竞争中最具挑战性的部分，但考虑到终端市场的规模，这也可能是回报最高的部分。

计算

迄今为止，分布式训练协议和 GPU 市场一直受到延迟的制约，但它们希望协调潜在的异构硬件，为那些被巨头的集成化解决方案拒之门外的人提供成本更低、按需计算的服务。Gensyn、Prime Intellect 和 Neuromesh 等公司正在推动分布式训练的发展，而 io.net、Akash、Aethir 等公司正在实现更接近边缘智能的低成本推理。

迄今为止，DePIN 在很大程度上因其与资本密集型企业 （如电信公司） 相比能够构建成本更低的硬件网络而备受赞誉。然而，DePIN 最大的潜在市场将出现在新型数据集收集方面，这些数据集将流入链上智能系统： 代理协议 ( 稍后讨论）。

在这个世界上，世界上最大的潜在市场——劳动力正在被数据和计算所取代。在这个世界里，De AI 基础设施为非技术人员们提供了一种夺取生产资料的途径，并为即将到来的网络经济作出贡献。

中间件

DeAI 的最终目标是实现有效的可组合计算。就像 DeFi 的资本乐高一样，DeAI 通过无许可的可组合性弥补了当今绝对性能的不足，激励软件和计算原语的开放生态系统随着时间的推移不断进行复利，从而（希望）超越现有的软件和计算原语。

如果说谷歌是「集成」的极端，那么 DeAI 则代表了「模块化」的极端。正如 Clayton Christensen 所提醒的，在新兴产业中，集成式方法往往会通过减少价值链条中的摩擦而取得领先地位，但随着该领域的成熟，模块化价值链条会通过提高堆栈各层中的竞争和成本效率而占有一席之地：

Bittensor 在第一代产品中一直处于领先地位，但也出现了许多专门的竞争对手。

Allora 以「情境感知」和随时间自我完善的方式，在不同「主题」中举办不同模型之间的竞赛，并根据特定条件下的历史准确性为未来预测提供信息。

Morpheus 的目标是成为 Web3 用例的「需求方路由」——本质上是一种拥有开源的本地代理，能够掌握用户的相关上下文，并能通过 DeFi 或 Web3 的「可组合计算」基础设施的新兴构件进行有效路由查询的「Apple Intelligence」。

Agent 互操作性协议，如 Theoriq 和 Autonolas 等，旨在将模块化路由推向极致，使灵活的 Agents 或组件的可组合、复合生态系统成为完全成熟的链上服务。

总之，在一个智能迅速碎片化的世界里，供需方聚合器将发挥极其强大的作用。如果说谷歌是一家价值 200 万美元的公司，为全世界的信息编制索引，那么需求方路由器的赢家——无论是苹果、谷歌还是 Web3 解决方案——即为代理智能编制索引的公司，会产生更大的规模。

协处理器

鉴于其分散性，区块链在数据和计算方面都受到很大限制。如何将用户需要的计算和数据密集型 AI 应用引入区块链？通过协处理器！

协处理器对比

在更高层次上，协处理器对于智能合约的智能化至关重要——提供类似「数据仓库」的解决方案，以为更个性化的链上体验进行查询，或验证给定推理是否正确完成。

TEE ( 可信执行）网络，如 Super, Phala 和 Marlin 等由于其实用性和可承载大规模应用程序的能力使得他们最近越来越受欢迎。

总体而言，协处理器对于将具有高确定性但低性能的区块链与高性能但概率性的智能体融合在一起至关重要。没有协处理器， AI 就不会出现在这一代区块链中。

开发者激励措施

AI 开源开发的最大问题之一是缺乏使其可持续发展的激励机制。 AI 开发是高度资本密集型的，计算和 AI 知识工作的机会成本都非常高。如果没有适当的激励措施来奖励开源贡献，这个领域将不可避免地输给超资本主义的超级计算机。

从 Sentiment 到 Pluralis、Sahara AI 和 Mira ，这些项目的目标都是启动网络，使分散的个人网络能够为网络智能做出贡献，同时给予适当激励。

通过商业模型上的弥补，开源的复利速度应该会加快——为开发人员和 AI 研究人员提供了大科技公司之外的一个全球性选择，并有望根据创造的价值获得丰厚报酬。

虽然要做到这一点非常困难，而且竞争也越来越激烈，但这里的潜在市场是巨大的。

GNN 模型

大语言模型在大型文本库中划分模式并学习预测下一个单词，而图神经网络（GNN）则处理、分析和学习图结构数据。由于链上数据主要由用户与智能合约之间的复杂交互组成，换句话说，就是一个图，因此 GNN 似乎是支持链上 AI 用例的合理选择。

Pond 和 RPS 等项目正试图为 web3 建立基础模型，这些模型可能会在交易、Defi 甚至社交用例中应用，如：

• 价格预测： 链上行为模型预测价格、自动交易策略、情感分析

• AI 金融： 与现有 DeFi 应用程序的集成、先进的收益策略和流动性利用、更好的风险管理 / 治理

• 链上营销： 更有针对性的空投 / 定位，基于链上行为的推荐引擎

这些模型将大量使用数据仓库解决方案，如 Space and Time, Subsquid, Covalent 和 Hyperline 等，我也非常看好它们。

GNN 可以证明区块链的大模型和 Web3 数据仓库是必不可少的辅助工具，即为 Web3 提供 OLAP （联机分析处理）功能。

应用

在我看来，链上 Agents 可能是解决加密货币众所周知的用户体验问题的关键所在，但更重要的是，过去十年来，我们向 Web3 基础设施投入了数十亿美元，但需求方的利用率却少得可怜。

不用担心，Agents 来了...

AI 在人类行为各维度的测试分数增长

而这些 Agent 利用开放、无需许可的基础设施——跨越支付和可组合计算来实现更加复杂的最终目标，这似乎也是合乎逻辑的。在即将到来的网络化智能经济中，经济流动或许不再是 B -> B ->C，而是用户 -> Agent -> 计算网络 -> Agent -> 用户。这个流动的最终结果是代理协议。应用或服务型企业的开销有限，主要利用链上资源运行，在可组合网络中满足最终用户（或彼此）需求的成本远低于传统企业。就像 Web2 的应用层获取了大部分价值一样，我也是 DeAI 中「胖代理协议」理论的拥趸。随着时间的推移，价值捕获应向堆栈上层转移。

生成式 AI 中的价值积累

下一个谷歌、Facebook 和 Blackrock 很可能就是代理协议，而实现这些协议的组件正在诞生。

DeAI 终局

AI 将改变我们的经济形态。如今，市场预期这种价值的捕获将局限于北美西岸的几家大公司。而 DeAI 代表着不同的愿景。一个开放的、可组合的智能网络愿景，对哪怕是微小的贡献都有奖励和报酬，以及更多的集体所有权 / 管理权。

虽然 DeAI 的某些说法过于夸张，而且许多项目的交易价格大大高于目前的实际带动力，但机会的规模确实很客观。对于那些有耐心、有眼光的人来说，DeAI 真正可组合计算的最终愿景可能会证明区块链本身的合理性。