Penulis Tamu: Bai Lao

Lebih dari setahun sejak peluncuran ChatGPT, diskusi tentang AI+Crypto kembali memanas di pasar. AI dipandang sebagai salah satu jalur terpenting di pasar bull tahun 2024-2025, dan Vitalik Buterin sendiri menerbitkan artikel berjudul Janji dan Tantangan aplikasi kripto + AI, menjelajahi kemungkinan arah untuk eksplorasi AI+Kripto di masa depan.

Artikel ini tidak akan membuat terlalu banyak penilaian subjektif, tetapi hanya akan merangkum proyek-proyek kewirausahaan yang menggabungkan AI dan kripto yang diamati selama setahun terakhir dari perspektif pasar utama. Ini akan memeriksa perspektif dari pengusaha mana yang telah memasuki pasar, pencapaian yang dicapai sejauh ini, dan area mana yang masih sedang dieksplorasi.

I. Siklus AI+Kripto

Sepanjang tahun 2023, kami telah membahas lusinan proyek AI+Crypto, di antaranya siklus yang berbeda dapat diamati.

Sebelum ChatGPT dirilis pada akhir tahun 2022, hanya ada sedikit proyek blockchain yang terkait dengan AI di pasar sekunder. Hal utama yang terlintas dalam pikiran adalah Fetch.AI (FET), SingularityNET (AGIX), dan beberapa proyek veteran lainnya. Demikian pula, tidak banyak proyek terkait AI yang tersedia di pasar utama.

Mulai Januari hingga Mei 2023 dapat dianggap sebagai periode wabah terkonsentrasi pertama untuk proyek AI. Lagi pula, dampak ChatGPT sangat besar. Banyak proyek lama di pasar sekunder yang beralih ke jalur AI, dan hampir setiap minggu di pasar utama proyek AI+Kripto sedang dibahas. Demikian pula, selama periode ini, proyek AI tampak relatif sederhana. Sebagian besar didasarkan pada adaptasi ChatGPT yang “mendalam” di kulit, dikombinasikan dengan modifikasi blockchain, tanpa hambatan teknologi inti. Tim pengembangan internal kami sering kali dapat meniru kerangka kerja proyek hanya dalam satu atau dua hari. Hal ini juga menyebabkan banyak pertemuan dengan proyek AI selama periode ini, tetapi pada akhirnya, tidak ada tindakan yang diambil.

Dari Mei hingga Oktober, pasar sekunder mulai menjadi bearish. Menariknya, selama waktu ini, jumlah proyek AI di pasar utama juga menurun secara signifikan. Baru dalam satu atau dua bulan terakhir kuantitas mulai meningkat lagi, dan diskusi serta artikel tentang AI+Kripto menjadi lebih kaya. Sekali lagi, kami memasuki periode saat kami dapat menghadapi proyek AI setiap minggu. Setengah tahun kemudian, terbukti bahwa batch baru proyek AI telah muncul dengan pemahaman yang lebih baik tentang jalur AI, pendaratan skenario komersial, dan peningkatan integrasi AI+Kripto dibandingkan dengan gelombang pertama hype AI. 

Meskipun hambatan teknologi masih belum kuat, tingkat kematangan keseluruhan mengambil langkah maju. Baru pada tahun 2024, kami akhirnya membuat taruhan pertama di jalur AI+Crypto.

II. Jejak AI+Kripto

Vitalik Buterin, dalam artikelnya tentang “janji dan tantangan,” memberikan prediksi dari beberapa dimensi dan perspektif yang relatif abstrak, sebagai berikut:

• AI sebagai pemain dalam game

• AI sebagai antarmuka ke game

• AI sebagai aturan permainan

• AI sebagai tujuan permainan

Di sisi lain, kami akan merangkum proyek AI yang saat ini terlihat di pasar utama dari perspektif yang lebih spesifik dan langsung.

Sebagian besar proyek AI+Kripto berpusat pada inti kripto, yang kami definisikan sebagai “desentralisasi teknologi (atau politik) + asetisasi komersial.”

Terkait desentralisasi, tidak banyak yang bisa dikatakan, karena ini semua tentang web3. Oleh karena itu, kami dapat membagi kategori asetisasi menjadi tiga jalur utama:

• Asetisasi daya komputasi

• Asetisasi model

• Asetisasi data

Asetisasi Daya Komputasi

Ini adalah trek yang relatif padat, karena selain berbagai proyek baru, ada juga banyak proyek lama yang berputar. Misalnya, di sisi Cosmos, ada Jaringan Akash, dan di sisi Solana, ada Nosana. Setelah berputar, semua token mengalami lonjakan gila, yang juga secara tidak langsung mencerminkan optimisme pasar terhadap jalur AI. Meskipun Render (RNDR) utamanya berfokus pada rendering terdesentralisasi, Render juga dapat memenuhi tujuan AI. Oleh karena itu, banyak klasifikasi yang mencakup proyek terkait daya komputasi seperti RNDR di jalur AI.

Asetisasi daya komputasi dapat dibagi lagi menjadi dua arah, berdasarkan penggunaan daya komputasi. Salah satunya diwakili oleh Gensyn, yaitu “daya komputasi terdesentralisasi yang digunakan untuk pelatihan AI.” Yang lainnya diwakili oleh sebagian besar pivot dan proyek baru, atau “daya komputasi terdesentralisasi yang digunakan untuk inferensi AI” (kemampuan model pembelajaran mesin untuk mendasarkan keputusan atau prediksi pada data atau model yang dipelajari sebelumnya).

Dalam jalur ini, kita dapat mengamati fenomena yang menarik, atau mungkin rangkaian jijik:

AI Tradisional → Inferensi Terdesentralisasi → Pelatihan Terdesentralisasi

• Mereka yang berasal dari latar belakang AI tradisional cenderung melihat permintaan pada pelatihan atau kesimpulan terdesentralisasi.

• Mereka yang berfokus pada inferensi terdesentralisasi cenderung tidak menyetujui pelatihan terdesentralisasi.

Alasan utamanya terletak pada aspek teknis — karena pelatihan AI (terutama untuk AI model besar) melibatkan sejumlah besar data. Yang lebih dibesar-besarkan daripada persyaratan data adalah permintaan bandwidth yang dibentuk oleh komunikasi data berkecepatan tinggi ini. Di lingkungan model besar trafo saat ini, pelatihan memerlukan matriks komputasi yang terdiri dari sejumlah besar kartu grafis kelas atas seperti kartu AI 4090 series/H100 profesional dengan saluran komunikasi dengan tingkat seratus gigabit yang dibentuk oleh NVLink dan saklar serat profesional. Dapatkah Anda membayangkan desentralisasi barang ini? Hmm ...

Permintaan akan daya komputasi dan bandwidth komunikasi dalam kesimpulan AI jauh lebih kecil daripada dalam pelatihan AI. Tentunya, kemungkinan implementasi terdesentralisasi jauh lebih besar untuk kesimpulan daripada untuk pelatihan. Itulah sebabnya sebagian besar proyek terkait daya komputasi berfokus pada inferensi, sementara pelatihan terutama ditujukan kepada pemain besar seperti Gensyn dan Together AI, yang telah meningkatkan pembiayaan ratusan juta. Namun, dari perspektif efektivitas biaya dan keandalan, setidaknya pada tahap ini, daya komputasi terpusat untuk kesimpulan masih jauh lebih baik daripada opsi terdesentralisasi.

Hal ini menjelaskan mengapa mereka yang berfokus pada inferensi terdesentralisasi melihat pelatihan terdesentralisasi dan berpikir, “Anda tidak dapat mewujudkannya sama sekali,” sementara AI tradisional memandang pelatihan dan inferensi terdesentralisasi sebagai “tidak realistis dalam hal teknologi pelatihan” dan “tidak dapat diandalkan dalam hal inferensi secara komersial.”

Beberapa orang mengatakan bahwa ketika BTC/ETH pertama kali muncul, model memiliki node terdistribusi menghitung semuanya tampak relatif tidak masuk akal (dibandingkan dengan komputasi cloud). Namun pada akhirnya, bukankah hal tersebut berhasil? Tergantung pada persyaratan untuk kebenaran, kekebalan, redundansi, dan dimensi lain dari pelatihan dan kesimpulan AI di masa depan. Sejatinya dalam hal kinerja, keandalan, dan harga, saat ini mustahil untuk melampaui solusi terpusat.

Asetisasi Model

Ini juga merupakan jalur yang ramai untuk proyek, dan relatif lebih mudah dipahami dibandingkan dengan asetisasi daya komputasi karena salah satu aplikasi paling terkenal setelah popularitas ChatGPT adalah Character.AI. Dengan itu, Anda dapat mencari kearifan dari para filsuf kuno seperti Socrates dan Confucius, terlibat dalam percakapan santai dengan selebriti seperti Elon Musk dan Sam Altman, atau bahkan menikmati obrolan romantis dengan idola virtual seperti Hatsune Miku dan Raiden Shogun. Semua ini menunjukkan pesona model bahasa besar (LLM). Konsep Agen AI telah mengakar dalam benak banyak orang melalui Character.AI.

Bagaimana jika semua angka seperti Konfusius, Elon Musk, atau Raiden Shogun adalah NFT?

Bukankah ini AI+Kripto?

Jadi, daripada menyebutnya asetisasi model, lebih tepat untuk mengatakan bahwa ini adalah asetisasi agen yang dibangun di atas model besar. Lagi pula, model besar itu sendiri tidak dapat ditempatkan di blockchain. Ini lebih tentang agen pemetaan selain model ke NFT untuk menciptakan rasa “asetisasi model” di ruang AI+Crypto.

Kini ada agen yang dapat mengajari Anda bahasa Inggris atau bahkan terlibat dalam hubungan romantis dengan Anda, di antara berbagai jenis lainnya. Selain itu, proyek terkait, seperti mesin pencari agen dan pasar, juga dapat ditemukan.

Masalah umum dalam jalur ini adalah pertama-tama bahwa tidak ada hambatan teknologi. Pada dasarnya ini hanyalah tokenisasi Character.AI. Wizard teknologi internal kami dapat membuat agen yang berbicara dan terdengar seperti karakter tertentu (seperti rekan pendiri kami, BMAN) hanya dalam satu malam dengan menggunakan alat dan kerangka kerja sumber terbuka yang ada. Kedua, integrasi dengan blockchain sangat ringan. Hal ini agak mirip dengan NFT GameFi di Ethereum , di mana metadata yang disimpan hanya dapat berupa URL atau hash, dan model/agen berada di server cloud. Transaksi on-chain hanya mewakili kepemilikan.

Asetisasi model/agen masih menjadi salah satu jalur utama dalam AI+Kripto di masa mendatang. Di masa depan, kami berharap dapat melihat proyek dengan hambatan teknologi yang relatif lebih tinggi dan integrasi yang lebih dekat dengan blockchain yang lebih asli.

Asetisasi Data

Secara logis, asetisasi data adalah aspek AI+Kripto yang paling sesuai karena pelatihan AI tradisional sebagian besar mengandalkan data yang terlihat yang tersedia di internet — atau, lebih tepatnya, data lalu lintas domain publik. Data ini hanya dapat mewakili persentase kecil, sekitar 10–20%, dengan sebagian besar data benar-benar berada dalam lalu lintas domain pribadi (termasuk data pribadi). Jika data lalu lintas ini dapat digunakan untuk pelatihan atau penyempurnaan model besar, tidak diragukan lagi, kami dapat memiliki lebih banyak Agen/bot profesional dalam berbagai vertikal.

Apa slogan web3 terbaik? Baca, Tulis, Miliki!

Oleh karena itu, melalui AI+Crypto, dan di bawah panduan insentif terdesentralisasi, merilis data lalu lintas domain pribadi dan pribadi, serta memanfaatkannya untuk memberikan “makanan” yang lebih baik dan lebih kaya untuk model besar terdengar seperti pendekatan yang cukup logis. Memang, ada beberapa tim yang sangat terlibat dalam bidang ini.

Namun, tantangan terbesar dalam jalur ini adalah bahwa, tidak seperti daya komputasi, data sulit untuk dibakukan. Menggunakan daya komputasi terdesentralisasi, model kartu grafis Anda secara langsung diterjemahkan ke dalam jumlah daya komputasi yang Anda miliki. Di sisi lain, kuantitas, kualitas, dan tujuan data pribadi semuanya sulit untuk diukur. Jika daya komputasi terdesentralisasi seperti ERC-20, maka asetisasi data pelatihan AI terdesentralisasi seperti ERC-721 — dan seperti memiliki banyak proyek, seperti APE , Punk , Azuki, dan NFT yang berbeda dengan sifat yang berbeda secara bersamaan. Kesulitan likuiditas dan pembuatan pasar jauh lebih menantang daripada ERCERC-20. Oleh karena itu, proyek yang berfokus pada asetisasi data AI saat ini sedang menghadapi tantangan yang signifikan.

Aspek lain dalam data track yang patut disebutkan adalah pelabelan terdesentralisasi. Asetisasi data beroperasi pada langkah “pengumpulan data”, dan data yang dikumpulkan harus diproses sebelum diumpankan ke AI, yaitu ketika pelabelan data masuk. Langkah ini saat ini sebagian besar terpusat dan membutuhkan banyak tenaga kerja. Dengan insentif token terdesentralisasi, mengubah pekerjaan ini menjadi pekerjaan terdesentralisasi, pelabelan ke pendapatan, atau (serupa dengan platform crowdsourcing) mendistribusikan pekerjaan juga merupakan pendekatan yang layak. Saat ini, beberapa tim sedang bekerja di bidang ini.

III. Teka-teki Hilang di AI+Kripto

Mari membahas potongan puzzle yang saat ini hilang dalam jalur ini dari sudut pandang kami.

• Kurangnya hambatan teknologi: Seperti yang disebutkan sebelumnya, sebagian besar proyek AI+Crypto hampir tidak memiliki hambatan teknologi dibandingkan dengan proyek AI tradisional di Web 2.0. Sebaliknya, mereka lebih mengandalkan model ekonomi dan insentif token dalam pengalaman pengguna, pasar, dan operasi. Meskipun pendekatan ini dapat dipahami, mengingat kekuatan desentralisasi dan distribusi nilai di web3, tidak adanya hambatan inti pasti memberikan perasaan “X-to-earn”. Kami masih berharap dapat melihat lebih banyak tim seperti RNDR, yang didukung oleh perusahaan seperti OTOY, dengan teknologi inti yang membuat langkah signifikan di ruang kripto.

• Status praktisi saat ini: Berdasarkan pengamatan saat ini, beberapa tim di ruang AI+Kripto sangat memahami AI tetapi kurang memahami web3. Sebaliknya, beberapa tim memiliki sifat kripto yang tinggi tetapi memiliki keahlian terbatas di bidang AI. Situasi ini mengingatkan pada masa-masa awal jalur GameFi, ketika beberapa tim sangat berpengalaman dalam bermain game dan berusaha untuk mengalihkan game Web 2.0 ke blockchain, sementara yang lain sangat mendalami web3, berfokus pada berbagai model game yang inovatif dan dioptimalkan. MATR1X adalah tim pertama yang kami temui di trek GameFi yang menunjukkan pemahaman ganda tentang game dan kripto, itulah sebabnya saya sebelumnya menyebut TI sebagai salah satu dari tiga proyek yang saya yakini dengan kuat pada tahun 2023. Kami berharap dapat melihat lebih banyak tim pada tahun 2024 yang memiliki pemahaman ganda tentang AI dan Kripto.

• Skenario bisnis: AI+Kripto sedang dalam tahap eksplorasi yang sangat awal, dan berbagai bentuk asetisasi yang disebutkan di atas hanyalah beberapa arah utama. Setiap arah memiliki banyak subtrack yang dapat dieksplorasi dan disegmentasi dengan cermat. Saat ini, banyak proyek di pasar yang mengintegrasikan AI dan kripto terasa agak "tidak menguntungkan" atau "buruk," gagal memanfaatkan daya saing optimal atau perpaduan AI dan kripto. Hal ini terkait erat dengan poin kedua yang disebutkan di atas. Misalnya, tim penelitian dan pengembangan internal kami merancang metode integrasi yang lebih optimal; namun, meskipun telah mengamati banyak proyek di jalur AI, kami belum melihat tim mana pun memasuki area ceruk ini. Jadi, kami hanya dapat terus menunggu.

Anda mungkin bertanya mengapa VC seperti kami dapat menghasilkan skenario tertentu sebelum pengusaha di pasar dapat melakukannya. Itu karena kami memiliki tujuh ahli di tim AI internal kami, lima di antaranya memiliki PhD di AI. 

Terakhir, meskipun dari perspektif pasar primer, AI+Crypto masih cukup awal dan belum matang, hal ini tidak mencegah kita untuk optimis sekitar tahun 2024–2025, ketika AI+Crypto akan menjadi salah satu jalur utama dalam siklus pasar bull ini. Lagi pula, adakah cara yang lebih baik untuk menggabungkan produktivitas yang terbebas dari AI dengan hubungan produksi yang terbebas dari blockchain?

#Bybit #TheCryptoArk