jakiro
Autor: Haotian Quelle: x,@HaotiaNcryptoinsight
Jeder hofft, dass AI+Web3 zum Katalysator für diesen Bullenmarkt wird, der aus der hohen Bewertung und schweren Wetten durch VC ersichtlich ist.Die Frage ist, welche Probleme derzeit auf der AI+Web3 Fusion Track sind?In Kombination mit diesem systematischen Bericht von @web3caff_zh lassen Sie mich über meine Ansichten sprechen:
1) Das KI-Training erfordert groß angelegte Daten, und Web3 wird verwendet, um Datenverfolgung und die daraus abgeleiteten Anreizeffekte durchzuführen.Langfristig wird KI unweigerlich die Hilfe von Web3 benötigen, aber es ist erforderlich zu klären, dass Web3 nur die begrenzten Probleme der KI lösen kann.
Zum Beispiel hängt die wichtigste treibende Kraft in Kernfeldern wie herkömmlichem großen Datentraining, kontinuierlicher Algorithmusoptimierung, Computer Vision, Spracherkennungstechnologie, Game AI usw. auch von großem Maßstab konzentriert, konzentriertes Computerleistung und Hardwareanpassungsoptimierung so ab Als Chips und Algorithmen wie Tiefe.
2) Generative KI macht nur einen kleinen Zweig des KI -Hauptsektors aus, beschleunigt jedoch die Integration von AI und Web3.Weil generative KI eine AI-Universal-Technologie ist, die anwendungsorientierter ist.Im Idealfall wird das grundlegende große Modell im Allgemeinen von großen Unternehmen mit konzentrierter Rechenleistung behandelt und Open Source-Richtlinien anwenden, um ihren Anwendungsmarkt der oberen Ebene voranzutreiben.Der Gesamt-KI-Markt wird allmählich länger und die Bedeutung der Feinabstimmung und Argumentation von Modellen wird hervorgehoben.
Sobald ein Unternehmen, das Core Computing Power und Model Resources beherrscht, seine Open -Source -Richtlinie verändert, wird es sich direkt auf den Gesamt -KI -Markt auswirken, um diese Krise zu vermeiden. Die Kollaborationsarchitektur wird ein Muss.
3) Web3 kann beispielsweise eine Schlüsselrolle bei der Konstruktion von AI -verteilten Frameworks spielen: Während des Modells kann Blockchain eindeutige Kennungen für Datenquellen erstellen und Datendingung durchführen, um die Trainingseffizienz zu verbessern. Der Tokenomics-Incentive-Mechanismus zum Aufbau eines verteilten AI-Computernetzwerks.
Im Modellinferenzprozess können ZK, TEE und andere Technologien verwendet werden, um ein dezentrales Inferenznetzwerk zu erstellen, um die Kommunikation und das gegenseitige Vertrauen zwischen Modellen zu verbessern. AI+ Die Kombination von Depin -Internet der Dinge.
4) Wenn Vitalik über den Kombinationspunkt von AI+Web3 sprach, erklärte er, dass KI als Teilnehmer an der Web3 -Welt Schritt für Schritt integriert werden kann, sodass die Integration von AI und Web3 definitiv sehr langsam sein wird.
Einerseits ist die Aufmerksamkeit der Mainstream-Web2-Welt immer noch auf der Ebene der KI-Display-Leistung, stützt sich jedoch nicht viel auf die KI-Kollaborations-Ki-Rahmenbedingungen, und es gibt ein Problem, von Web3 getrennt zu werden Andererseits befindet sich Web3 noch in einem verteilten Computer im Bereich der KI -Integration. wurde von der Mainstream Web2 Dringed Needs Group nicht vollständig verifiziert und angewendet.
Kurz gesagt, der allgemeine Trend von AI+Web3 ist korrekt, aber die tatsächliche Implementierung ist nicht so schnell.
