AI與Web3：探討交叉領域的創新及挑戰

一 . 先說說 AI 自身

　　AI 這行業其實本來都要涼涼了，大家知道 Near 的創始人一龍對吧，這傢伙其實以前是做 AI 的，他是 TensorFlow（最流行的機器學習框架）的主要代碼貢獻者。大家推測他是 AI（大模型之前的機器學習）那邊看不到啥希望了所以跑來做 Web3 的。

　　結果終於去年年底業界迎來了 ChatGpt3.5，一下子這行業又活了，因為這次真的可以算質變了，而不是之前那幾波的炒作和量變。這不隔了幾個月 AI 創業的浪潮也傳遞到了我們 Web3。矽谷 Web2 那邊則是卷的不行，各種資本 Fomo，各種同質化方案開始拼價格戰，各種大廠大模型 PK……

　　但是要注意到的是 AI 經歷了半年多的爆發期之後也進入了一個相對瓶頸期，比如 Google 對與 AI 的搜索熱度斷崖式下跌，Chatgpt 用戶增速大幅放緩，AI Output 帶有一定的隨機性限制了許多落地場景……總而言之，我們離傳說中的「AGI - 通用人工智慧」還有非常非常遠的距離。

　　目前矽谷創投圈對與 AI 下一步發展有這麼幾個判斷 ：

　　1. 沒有垂類模型，只有大模型+垂類應用（一會兒說 Web3+AI 的時候我們會再提到）；

　　2. 邊緣設備比如手機端的資料可能會是個壁壘，基於邊緣設備的 AI 可能也是個機會；

　　3. Context 的長度未來可能引發質變（現在用向量資料庫作為 AI 記憶體，但上下文長度還是不夠）。

二. Web3+AI

　　AI 和 Web3 其實是完全不同的兩個領域，AI 需要集中的算力+海量資料做訓練，非常中心化的東西，Web3 則是主打一個去中心化，所以其實不是那麼好結合，單奈何敘事上 AI 改變生產力，區塊鏈改變生產關係這個論點太過深入人心，所以總會有人前仆後繼的去尋找那個結合點，近倆月得聊了不下 10 個 AI 項目。

　　在說新的結合賽道之前先說說老的 AI+Web3 項目，基本都是平台型，以 FET 和 AGIX 為代表。怎麼說呢，我國內專業做 AI 的朋友是這麼跟我說的 -「以前這些做 AI 的現在基本都沒啥用了，無論 Web2 還是 Web3, 很多都是包袱而不是經驗。方向和未來就是像 OpenAI 的這種基於 Transformer 的大模型，大模型拯救了 AI」，你自己品。

　　所以通用平台型不是他所看好的 Web3+AI 的模式，我聊的這 10 多個專案也確實沒有這方面，目前看到的基本是如下幾個賽道：

　　1. Bot/Agent/Assistant 模型資產化

　　2. 算力平台

　　3. 資料平台

　　4. 生成式 AI

　　5. Defi 交易/審計/風控

　　6. ZKML

　　今天主要詳細說下 1，也就是 Bot/Agent/Assitant 的資產化這個賽道，這也是聊的最多，同質化最為嚴重的一個賽道 簡單來說，這些項目多是拿 OpenAI 為底層，配合其他的一些開源/自研的技術手段，比如 TTS（Text to Speech）之類，加上特定的資料，FineTune 出來一些「某一領域比 ChatGPT」更好的機器人。

　　比如你可以訓練出一個教你英語的美女老師，你可以選擇她是美國口音還是倫敦腔，她的性格和聊天的方式也可以調整，這樣相對於 ChatGPT 比較機械和官方的回答來講，你的交互體驗會更好一些。圈內前段有個虛擬男友的 DAPP，Web3 女性向遊戲，叫 HIM，可以算是這種類型的代表了。

　　從這個思路出發，你理論上可以有許多個 Bot/Agent 為你服務，比如你想要做水煮魚，可能會有專門針對這個領域 Fine Tune 的 Cooking Bot 來教你，給的答案相對 ChatGPT 更加專業，你想出門旅行，同樣有旅行小助手 Bot 給你提供各種出遊建議和規劃，或是你是專案方，弄一個 Discord 的客服機器人，幫你回答社區問題。

　　除了做這種「基於 GPT 的垂類應用型」Bot，還有基於此的衍生項目，比如 Bot 算「模型資產化」，有點 NFT「小圖片資產化」的意味，那現在 AI 裡面流行的 Prompt 是不是也可以資產化，像是 MidJourney 不同的 Prompt 可以生成不同的圖片，訓練 Bot 時不同的 Prompt 也會有不同的效果，所以 Promopt 自身也具備價值，也可以資產化。

　　還有像是基於此類 Bot 進行門戶索引，搜索的專案，哪天我們有了成千上萬的 Bot，怎麼找到最合適你的 Bot？可能屆時就需要一個 Web2 世界類似 Hao123 這樣的門戶，或是 Google 這樣的搜尋引擎來幫你「定位」。

　　在我個人看來，Bot（模型）資產化這個東西現階段有兩個弊端+兩個方向：

　　弊端 1 - 同質化太過嚴重，因為這個是用戶最容易理解的 AI+web3 賽道，有那麼點像是帶一點 Utility 屬性的 NFT。所以目前一級市場開始呈現紅海趨勢，卷起來了，但底層又都是 OpenAI，所以大家其實都沒啥技術壁壘，只能拼設計和運營。

　　弊端 2 - 有時候像是星巴克會員卡 NFT 上鏈這種事，雖然是個出圈的好嘗試，但對於多數用戶來講可能真的沒有一個實體或是電子會員卡來的方便。基於 Web3 的 Bot 也存在這個問題，想跟機器人學英語或是跟馬斯克，蘇格拉底誰的聊天，我直接用 Web2 的 https://Character.AI 不香麼？

　　兩個方向 - 一個是近+中期，模型上鏈或許會是一個思路。目前這些模型有那麼點 ETH NFT 小圖片的意思，MetaData 大多指向的鏈下伺服器或是 IPFS，而非純鏈上。模型通常幾十到幾百兆的大小，更是要扔在伺服器上了。

　　但隨時最近存儲價格的飛速下降（2TB SSD 500 塊 RMB），以及 Filecoin FVM，ETHStorage 這類存儲類專案的推進，相信未來兩三年百兆級別的模型上鏈應該不是個難事兒。

　　你可能會問上鏈有啥好處啊？上鏈了模型就可以被其他合約直接調用了，更加的 Crypto Native，能玩的花樣肯定也更多，有那麼點 Fully Onchain Game 的即視感，因為所有資料都是鏈原生的。目前看到有團隊在做這方面的探索，當然還是非常早期的狀態。

　　另一個方向是中+遠期, 如果你認真想一下智慧合約這個東西，其實最適合的不是人機交互，而是「機機交互」，AI 那邊現在有了 AutoGPT 這個概念，弄一個你的「虛擬化身」或是「虛擬助手」，不光能跟你聊天，還能根據你的要求幫你執行任務，比如幫你訂機票，酒店，買功能變數名稱搭網站……

　　你想 AI 助手是操作你的各種銀行帳戶支付寶啥的方便，還是整一個區塊鏈位址轉帳方便啊？答案顯而易見。那麼未來，會不會有一堆集成了類似 AutoGPT 這樣的 AI 助手，在各種任務場景下自動通過區塊鏈與智慧合約進行 C2C，B2C，甚至 B2B 的支付與結算呢？那個時候，Web2 與 Web3 的邊界也就變得非常模糊了。