jakiro
著者：Haotian出典：X、@haotiancryptoInsight
誰もが、AI+Web3がこの強気市場の触媒になることを望んでいます。これは、VCによって与えられた高い評価と重い賭けから見ることができます。問題は、現在AI+Web3 Fusionトラックにある問題は何ですか？@web3caff_zhのこの体系的なレポートと組み合わせることで、私の意見について話させてください。
1）AIトレーニングには大規模なデータが必要であり、Web3はデータ追跡とそれから導出されたインセンティブ効果を実行するために使用されます。長期的には、AIは必然的にWeb3の助けを必要としますが、Web3がAIの限られた問題しか解決できないことを明確にする必要があります。
たとえば、従来の大規模データトレーニング、継続的アルゴリズムの最適化、コンピュータービジョン、音声認識技術、ゲームAIなどのコアフィールドの主要な原動力も、大規模な濃度コンピューティングパワーとハードウェア適応の最適化に依存します。深さなどのチップとアルゴリズム、畳み込み学習、脳のようなコンピューティングモデル、およびAI機能の境界を拡張するためのその他の方向は、短期的に足場を獲得することはできません。
2）生成AIは、AIの主要セクターの小さな分岐のみを占めていますが、AIとWeb3の統合を加速します。生成AIは、アプリケーション指向のAIユニバーサルテクノロジーであるためです。理想的には、基本的な大きなモデルは一般に、集中したコンピューティングパワーを使用して大企業によって処理され、オープンソースポリシーを採用して上位レベルのアプリケーション市場を推進します。AI市場全体が徐々に長時間尾になり、モデルの微調整と推論の重要性が強調されます。
ただし、コアコンピューティングパワーとモデルリソースを習得した企業は、オープンソースポリシーを変更すると、AI市場全体に直接影響を与えます。コラボレーションアーキテクチャは必須になります。
3）Web3は、AI分散フレームワークの構築において重要な役割を果たします。たとえば、ブロックチェーンはデータソースの一意の識別子を作成し、コンピューティングパワーが不十分な場合、ブロックチェーンが使用できます分散型AIコンピューティングパワーネットワークを構築するためのトークニクスインセンティブメカニズム。
モデルの推論プロセスでは、ZK、TEE、およびその他のテクノロジーを使用して、エッジコンピューティングとdepin統合プロセスでコミュニケーションと相互信頼を強化するために、分散型推論ネットワークを構築できます。 ai+ depinのインターネットの組み合わせ。
4）AI+Web3の組み合わせポイントについて話すとき、Vitalikは、AIをWeb3の世界の参加者として段階的に統合できるため、AIとWeb3の統合は間違いなく非常に遅くなると述べました。
一方では、主流のWeb2の世界の注意はAIディスプレイパフォーマンスのレベルにありますが、AIの舞台裏のコラボレーションフレームワークにはあまり依存しておらず、Web3から切断される問題があります一方、Web3は、AI統合の分野で分散コンピューティングにあります。主流のWeb2緊急ニーズグループによって完全に検証および適用されていません。
要するに、一言で言えば、AI+Web3の一般的な傾向は正しいですが、実際の実装はそれほど速くない場合があります。
