Coinbase Ventures:一览Crypto x AI堆栈全景

AI的未来，或许可以建立在区块链技术之上。加密技术正帮助新兴技术领域提升可及性、透明度和应用场景，而加密货币的高效性、无国界特性和可编程性，一旦与AI融合，就有可能彻底改变人类和机器与数字经济的互动方式——包括让用户对自己的个人数据拥有主权。这背后，就是“智能体网络”的兴起：基于加密基础设施运行的AI智能体，正在成为推动经济活动和增长的新引擎。

所以，现在是个什么局面？AI智能体在加密基础设施上完成交易，而AI生成的软件代码——包括智能合约——正在催生链上应用和体验的爆发式增长。用户拥有、管理并从他们所贡献的AI模型中获利。与此同时，AI反过来也在改善加密生态内的用户体验和开发者体验，增强智能合约的能力，并创造全新的应用场景。

当我们设想这样一个Crypto x AI的未来时，今天就来聊聊这场变革性技术融合背后的核心论点。要点如下：

• 加密货币/区块链技术并非AI技术栈的每一层都必不可少，但它们能在AI领域发挥关键作用
  ——为AI带来更广泛的分发、可验证性、抗审查性和原生支付渠道，同时受益于AI机制，为链上带来全新的用户体验。

• Crypto x AI能够催生“智能体网络”，这是一种变革性的范式
  。基于加密基础设施运行的AI智能体，将成为经济活动和增长的重要驱动力。可以预见的是，未来智能体将拥有自己的加密钱&包，自主完成交易、实现用户意图，获取低成本、去中心化的计算和数据资源，甚至用稳定币向人类或其他智能体支付报酬，去完成那些有助于实现整体目标的任务。

• 支撑这一论点的初步观点包括：

• （1）加密货币将成为智能体与人类、以及智能体之间商业活动的首选支付渠道；

• （2）生成式AI和自然语言接口，将成为用户链上交易的主要交互方式；

• （3）AI将创造绝大部分软件代码（包括智能合约），从而引发链上应用和体验的“寒武纪大爆发”。

• Crypto x AI 由两个核心子领域构成
  ：

• （1）去中心化AI（加密货币→AI），即构建通用人工智能基础设施，使其继承现代对等区块链网络的特性；

• （2）链上AI（人工智能→加密货币），即构建基础设施和应用，利用AI为新的和现有的应用场景提供动力。

• Crypto x AI 生态格局可以划分为以下几个层次
  ：

• （1）计算（专注于为AI开发者提供潜在图形处理单元（GPU）的网络）；

• （2）数据（能够实现AI数据管道的去中心化访问、汇编和可验证性的网络）；

• （3）中间件（能够实现AI模型/智能体的开发、部署和托管的网络/平台）；

• （4）应用（利用链上AI机制的面向用户的产品，B2B或B2C）。

毫无疑问，Crypto x AI将在其中扮演重要角色。接下来，我们深入探讨一下Crypto x AI的“为什么”、“怎么做”以及“下一步”。

Crypto x AI介绍

AI市场已经取得了显著的增长和投资。过去五年，风投公司向该领域投入了近2900亿美元。世界经济论坛指出，AI技术在未来十年可能会使美国年度GDP增长提高0.5到1.5个百分点。AI应用正展现出强大的吸引力，像ChatGPT-4这样的应用在用户增长和采用方面创下了新纪录。然而，随着AI市场的快速发展，一些挑战也随之浮现，包括数据隐私问题、对AI人才的需求、伦理考量、中心化风险以及深度伪造技术的兴起。这些挑战也推动了当前关于Crypto x AI领域的讨论——利益相关者正试图利用两种技术的优势，来解决这些新出现的问题。

（图片说明：来自Vitalik Buterin关于Crypto x AI的博客）

Crypto x AI并不是简单的“1+1”。它结合了区块链的去中心化基础设施和AI模仿人类认知功能、从数据中学习的能力，形成了一种可能彻底改变各个行业的协同效应。区块链重新定义了系统架构、数据/交易验证以及分配方式；AI则增强了数据计算、分析，并提供了新的内容生成能力。这种交叉在两个技术社区的开发者中既引发了兴奋，也带来了怀疑，推动着对新应用场景的探索——从长远来看，它可能会加速两个领域的采用。虽然加密货币和AI都是涵盖多种不同技术和主题的通用术语，但两个领域的交叉可以分解为两个核心子领域：

• 去中心化AI（Crypto → AI）
  ：通过加密货币的无许可且可组合的基础设施，增强AI能力。这解锁了一些应用场景，比如对AI资源（计算、存储、带宽、训练数据等）的民主化访问，协作式、开源模型开发，可验证的推理，以及用于内容来源和真实性的不可篡改账本和加密签名。

• 链上AI（AI → Crypto）
  ：将AI的优势带入加密生态系统，通过大型语言模型和自然语言接口改善用户体验和开发者体验，或者增强智能合约能力。链上AI的采用途径主要有两种：（1）开发者将AI模型或智能体集成到他们的智能合约和链上应用中；（2）AI智能体利用加密渠道（如自托管钱&包、稳定币等）进行支付，并委托去中心化基础设施资源。

这两个子领域都还处于起步阶段，但“加密货币融入AI”或“AI融入加密货币”的潜力巨大，并且有望解锁一系列尚未设想的应用场景——尤其是随着计算基础设施和智能速度的持续提高。

Crypto x AI：“智能体网络”的关键解锁因素

在加密货币和AI的交叉领域中，有一个特别令人兴奋的方向：基于加密基础设施运行的AI智能体。这种整合旨在创建“智能体网络”，这是一种变革性的范式，能够在AI驱动的经济体中增强安全性、效率和协作，其基础是强大的激励结构和加密原语。

AI智能体具备成为经济活动/增长重要驱动力、以及应用（无论是链上还是链下）主要“用户”的潜力，在中长期内，它们甚至可能逐渐取代人类用户。这种范式转变将迫使许多互联网原生公司重新思考他们对未来的核心假设，并提供必要的产品、服务和商业模式，以便更好地服务于一个以智能体为主的经济体。话说回来，并非AI技术栈的每一层都需要加密货币/区块链技术来提升能力或解决新出现的挑战。相反，加密货币可以在为AI带来更广泛的分发、可验证性、抗审查性和原生出版渠道方面发挥重要作用，同时受益于AI机制来为链上的新用户体验提供动力。

支撑这一论点的初步观点如下：

• 加密货币将成为智能体与人类、以及智能体之间商业活动的首选支付渠道
  ：加密货币是互联网原生的可编程货币，对于驱动以智能体为基础的经济体具有多种优势。随着AI智能体变得更加自主，并大规模进行微交易（如支付推理、数据、API访问、去中心化计算或数据资源等），加密货币的高效性、无国界特性和可编程性将使其成为比传统法定货币渠道更优的交换媒介。此外，智能体将需要独特的、可验证的身份（即“了解你的智能体”），以确保在与企业和终端用户进行交易时遵守监管规则和合规要求。低费用区块链、智能合约、自托管钱&包（如Coinbase AI Wallets）和稳定币，可以帮助简化并降低智能体之间复杂金融协议的成本，而去中心化网络的可验证性和不可变性，则能确保AI智能体交易的重要性和可审计性。

• 生成式AI和自然语言接口将成为用户在链上进行交易的主要交互方式
  ：随着自然语言处理速度和对加密货币语境理解的提高，通过对话界面在链上进行交互将成为用户的默认规范和期望——这与当前的Web2趋势（如ChatGPT）是一致的。用户只需用自然语言描述他们期望的交易意图（比如“用X换Y”），人工智能智能体就会把这些意图翻译成可验证的智能合约代码，并提供最有效、最具成本效益的交易执行路径。

• AI将创造绝大部分软件代码（包括智能合约），从而引发链上应用和体验的“寒武纪大爆发”
  ：AI的代码生成能力在Web2中正在迅速发展（比如Devin、Replit），并且从根本上改变了软件开发范式。这种转变将很快在加密领域占据中心位置，近期的重点是显著降低新老开发者的入门门槛。但未来的状态是：AI“软件智能体”根据用户的偏好，实时从头生成智能合约和高度个性化的应用，并在链上存储和验证。

这些观点表明，未来AI和加密货币之间的界限将越来越模糊，一种智能、自主和去中心化系统的新范式正在形成。基于这个框架，接下来我们逐层深入了解使能加密货币与AI融合的技术栈。

Crypto x AI堆栈中的机会（当下）

将“加密货币融入AI”或“AI融入加密货币”的探索，催生了一个新兴且复杂的领域，它正在迅速发展，许多建设者急于利用市场势头。今天，Crypto x AI领域可以划分为以下几个层次：（1）计算（专注于为AI开发者提供潜在图形处理单元（GPU）的网络）；（2）数据（能够实现AI数据管道的去中心化访问、编排和可验证性的网络）；（3）中间件（能够实现AI模型/智能体的开发、部署和托管的网络/平台）；（4）应用（利用链上AI机制的面向用户的产品，B2B或B2C）。

计算

AI的模型训练和推理执行都需要大量的计算GPU资源。随着AI模型变得越来越复杂，对计算的需求也在增加，像英伟达这样的先进GPU开始出现短缺，导致等待时间长且成本增加。去中心化计算网络作为解决这些挑战的潜在方案正在兴起，其方式如下：

• 建立无许可的市场，用于购买、租赁和托管物理GPU
• 构建GPU聚合器，使任何人（比如比特币矿工）能够贡献其多余的GPU计算能力来执行按需的AI任务，并获得代币激励作为回报
• 将物理GPU金融化，通过在链上将其代币化为数字资产
• 开发用于计算密集型工作负载（如训练、推理）的分布式GPU网络
• 创建使AI模型能够在个人设备上运行的基础设施（类似于去中心化的苹果智能）

这些提议的解决方案都旨在增加GPU计算供应和可及性，同时提供极具竞争力的价格。然而，鉴于该领域的大多数参与者对先进AI工作负载的支持程度各不相同，还面临与GPU缺乏共置相关的挑战，并且在某些情况下，缺乏与中心化替代方案相当的开发者工具和正常运行时间保证——这些产品在近期到中期内不太可能被主流采用。在该层构建的新兴领域和示例项目包括：

• 通用计算
  ：提供可用于多种应用的GPU计算资源的去中心化计算市场（如Akash、Aethir）

• AI/机器学习计算
  ：提供用于特定服务（如GPU聚合器、分布式训练和推理、GPU代币化等）的GPU计算资源的去中心化计算网络（如io.net、Gensyn、Prime Intellect、Hyperbolic、Hyperspace）

• 边缘计算
  ：为个人、情境化推理提供设备上大型语言模型动力的计算和存储网络（如PIN AI、Exo、Crynux.ai、Edge Matrix）

数据

扩展AI模型需要不断增长的训练数据集。大型语言模型是从人类生成的数万亿字节的文本中进行训练的。然而，目前公共的、人类生成的数据是有限的——Epoch AI估计高质量的语言/数据来源可能在2024年耗尽。这就引发了一个问题：训练数据的缺乏是否会成为AI模型性能的主要瓶颈，甚至可能导致其性能停滞不前。因此，以数据为重点的Crypto x AI公司有以下机会来应对这些挑战：

• 激励用户分享他们的私人/专有数据（比如“数据去中心化自治组织”——链上实体，数据贡献者可以从社交平台贡献的隐私数据中获得经济利益，并管理数据的使用和货币化方式）
• 创建用于从自然语言提示生成合成数据资产的工具，或者提供用户激励以从公共网站抓取数据
• 激励用户帮助预处理数据集以用于训练模型并保持数据质量（如数据标注/从人类反馈中进行强化学习）
• 建立多面的、无需许可的数据市场，任何人都可以因贡献而获得补偿

这些机会催生了今天数据层中许多新兴的参与者。但值得注意的是，在AI模型生命周期中，中心化的现有企业具有现有的网络效应和经过验证的数据合规制度，传统企业看重这些，这可能为去中心化替代方案留下的空间很小。尽管如此，去中心化AI的数据层仍然呈现出一个重要的长期机会，以应对“数据墙”挑战。在该层构建的新兴领域和示例项目包括：

• 数据市场
  ：为数据提供者和消费者设计的去中心化数据交换协议，用于分享和交易数据资产（如Ocean Protocol、Masa、Sahara AI）

• 用户自有/私人数据（包括Data DAOs）
  ：用于激励收集专有数据集（包括私人用户自有数据）的网络（如Vana*、NVG8）

• 公共与合成数据
  ：用于从公共网站抓取数据或通过自然语言提示生成新数据集的网络/平台（如Dria、Mizu、Grass、Synesis One）

• 数据智能工具
  ：用于查询、分析、可视化并提供关于链上数据的可操作见解的平台和应用（如Nansen*、Dune*、Arkham、Messari*）

• 数据存储
  ：用于长期数据存储/存档的文件存储网络，以及用于管理经常访问和更新的结构化数据的关系数据库网络（如Filecoin、Arwea ve*、Ceramic*、Tableland*）

• 数据汇编/溯源
  ：优化AI和数据密集型应用的数据摄入管道和处理过程，并确保对AI生成内容的正确来源跟踪和可验证真实性的网络和平台（如Space and Time、The Graph*、Story Protocol）

• 数据标注
  ：通过激励分布式的人类贡献者创建高质量的训练数据集，来改善AI模型的强化学习和微调机制的网络和平台（如Sapien、Kiva AI、Fraction.AI）

• 预言机
  ：使用AI提供可验证的链外数据用于链上智能合约的网络（如Ora、OpenLayer、Chainlink）

中间件

要实现一个开放、去中心化的AI模型或基于智能体的生态系统的全部潜力，需要构建新的基础设施。建设者正在探索的一些高潜力领域包括：

• 利用公开权重的大语言模型为链上AI应用场景提供动力，同时构建能够快速理解、处理和作用于链上数据的基础模型
• 针对大型基础模型（如100B+参数）的分布式训练解决方案——由于各种技术复杂性，这通常被视为一个遥不可及的梦想，但Nous Research、Bittensor和Prime Intellect的近期突破正在试图改变这种情况
• 利用零知识或乐观机器学习（即zkML、opML）、受信任的执行环境（TEE）或完全同态加密（FHE）来实现隐私的、可验证的推理
• 通过资源协调网络实现开放、协作的AI模型开发，或者构建利用加密基础设施渠道来增强AI智能体在链上/链下应用场景潜力的智能体网络/平台

虽然在构建这些基础基础设施原语方面已经取得了一些进展，但生产就绪的、链上的大型语言模型和AI智能体仍然处于起步阶段。在计算、数据和模型基础设施成熟之前，这种情况不会改变。尽管如此，这个类别仍然非常有前景，并且是Coinbase Ventures在该领域投资策略的核心焦点——这背后是由对AI服务长期的隐含增长和需求所驱动的。在该层构建的新兴领域和示例项目包括：

• 开源的大语言模型
  ：开源且公开可访问的AI模型，允许任何人使用、修改和自由分发（如LLama3、Mistral、Stability AI）

• 链上模型创建者
  ：能够创建用于链上应用场景的基础大语言模型的网络和平台（如Pond*、Nous、RPS）

• 训练与微调
  ：能够在链上实现激励的、可验证的训练或微调机制的网络和平台（如Gensyn、Prime Intellect、Macrocosmos、Flock.io）

• 隐私
  ：采用隐私保护机制用于AI模型的开发、训练和推理的网络和平台（如Bagel Network、Arcium*、ZAMA）

• 推理网络
  ：采用加密技术/证明来验证AI模型输出正确性的网络和平台（如OpenGradient*、Modulus Labs、Giza、Ritual）

• 资源协调网络
  ：网络设计用于促进AI模型开发的资源共享、协作和协调（如Bittensor、Near*、Allora、Sentient）

• 智能体网络与平台
  ：网络和平台用于促进AI智能体在链上/链下环境中的创建、部署和货币化（如Morpheus、Olas、Wayfinder、Payman*、Skyfire*）

应用

在加密领域内，AI智能体开始崭露头角。早期的例子包括Dawn Wallet（一个利用AI智能体代表用户发送交易并与协议交互的加密钱&包）、Parallel Colony*（一个链上游戏，玩家与拥有自己钱&包并能在游戏中创建自己路径的AI智能体合作），以及Venice.ai（一个具有可验证推理和隐私保护机制的生成式AI应用/自然语言提示）。然而，应用开发仍然在很大程度上是实验性和机会主义的，各种应用想法在该领域的炒作中大量涌现。但可以确定的是，AI智能体基础设施和框架的进步，将使加密行业从中长期来看，从主要的反应式智能合约应用转变为更复杂的主动式应用。在该层构建的新兴领域和示例项目包括：

• AI伴侣
  ：用于创建、分享和货币化用户拥有的、具有个性化和情境感知的AI模型和智能体的应用（如MagnetAI、MyShell、Deva、Virtuals Protocol）

• 基于自然语言处理的接口
  ：以自然语言提示作为与链上交易交互和执行的主要接口/入口点的应用（如Venice.AI、Veldt）

• 开发/安全工具
  ：面向开发者的应用/工具，利用AI模型/智能体来增强链上开发者体验和安全机制（如ChainGPT、Guardrail*）

• 风险智能体
  ：利用机器学习模型或AI智能体帮助协议实时动态调整和响应链上风险参数的服务（如Chaos Labs*、Gauntlet*、Minerva*）

• 身份（人格证明）
  ：利用加密证明和机器学习模型验证用户人格证明的应用（如Worldcoin*）

• 治理
  ：利用AI智能体根据人类驱动的治理决策/反馈执行交易的应用（如Botto、Hats）

• 交易/去中心化金融
  ：由AI驱动的交易基础设施和去中心化金融协议，利用AI智能体自动执行链上交易（如Taoshi、Intent.Trade）

• 游戏
  ：利用智能非玩家角色或AI机制驱动核心游戏玩法机制的链上游戏（如Parallel*、PlayAI）

• 社交
  ：利用AI机制驱动链上社交体验的应用（如KaiKai、NFPrompt）