Autor Convidado: Lao Bai

Mais de um ano desde o lançamento do ChatGPT, as discussões sobre AI+Crypto voltaram a esquentar no mercado. A IA é vista como uma das trilhas mais importantes no mercado de alta de 2024–2025, e o próprio Vitalik Buterin publicou um artigo intitulado A promessa e os desafios das aplicações de crypto + IA, explorando direções possíveis para futuras explorações de AI+Crypto.

Este artigo não fará muitos julgamentos subjetivos, mas, em vez disso, simplesmente irá resumir os projetos empreendedores que combinam IA e crypto observados ao longo do último ano a partir de uma perspectiva de mercado primário. Ele examinará as perspectivas a partir das quais os empreendedores entraram no mercado, as conquistas feitas até agora e quais áreas ainda estão sendo exploradas.

I. O Ciclo de AI+Crypto

Ao longo de 2023, conversamos com dezenas de projetos AI+Crypto, entre os quais ciclos distintos podem ser observados.

Antes do lançamento do ChatGPT no final de 2022, havia poucos projetos de blockchain relacionados a IA no mercado secundário. Os principais que vêm à mente são Fetch.AI (FET), SingularityNET (AGIX) e alguns outros projetos veteranos. Da mesma forma, não havia muitos projetos relacionados à IA disponíveis no mercado primário.

De janeiro a maio de 2023 pode ser considerado como o primeiro período concentrado de surto para projetos de IA. Afinal, o impacto do ChatGPT foi significativo. Muitos projetos antigos no mercado secundário pivotaram para a trilha de IA, e quase toda semana no mercado primário projetos de IA+Crypto estavam sendo discutidos. Da mesma forma, durante este período, os projetos de IA pareciam relativamente simples. Muitos deles eram baseados em uma adaptação "superficial" do ChatGPT, combinada com modificações em blockchain, com quase nenhuma barreira tecnológica central. Nossa equipe de desenvolvimento interno muitas vezes conseguia replicar uma estrutura de projeto em apenas um ou dois dias. Isso também levou a inúmeras reuniões com projetos de IA durante este período, mas, no final, nenhuma ação foi tomada.

De maio a outubro, o mercado secundário começou a virar pessimista. Curiosamente, durante este tempo, o número de projetos de IA no mercado primário também diminuiu significativamente. Não foi até o último mês ou dois que a quantidade começou a aumentar novamente, e as discussões e artigos sobre IA+Crypto se tornaram mais ricos. Nós mais uma vez entramos em um período onde poderíamos encontrar projetos de IA toda semana. Meio ano depois, ficou evidente que um novo lote de projetos de IA havia surgido com uma melhor compreensão da trajetória da IA, o lançamento de cenários comerciais e uma integração aprimorada de IA+Crypto em comparação com a primeira onda de hype de IA. 

Embora as barreiras tecnológicas ainda não fossem fortes, o nível de maturidade geral deu um passo à frente. Foi apenas em 2024 que finalmente fizemos nossa primeira aposta na trajetória de IA+Crypto.

II. A Rota da IA+Cripto

Vitalik Buterin, em seu artigo sobre “promessas e desafios,” fornece previsões de várias dimensões e perspectivas relativamente abstratas, como segue:

• IA como um jogador no jogo

• IA como a interface do jogo

• IA como as regras do jogo

• IA como o objetivo do jogo

Nós, por outro lado, resumiremos os projetos de IA atualmente vistos no mercado primário de uma perspectiva mais específica e direta.

A maioria dos projetos de IA+Cripto está centrada no núcleo da cripto, que estamos definindo como “descentralização tecnológica (ou política) + assetização comercial.”

Em relação à descentralização, não há muito a dizer, pois é tudo sobre web3. Portanto, podemos dividir aproximadamente as categorias de assetização em três trilhas principais:

• Assetização do poder de computação

• Assetização de modelos

• Assetização de dados

Assetização do Poder de Computação

Esta é uma trilha relativamente densa, pois além de vários novos projetos, também há muitos projetos antigos mudando de direção. Por exemplo, no lado do Cosmos, há a Akash Network, e no lado do Solana, há Nosana. Após a mudança de direção, todos os tokens experimentaram surtos loucos, o que também reflete indiretamente o otimismo do mercado em relação à trilha da IA. Embora Render (RNDR) se concentre principalmente em renderização descentralizada, também pode servir para propósitos de IA. Portanto, muitas classificações incluem projetos relacionados a poder computacional semelhantes ao RNDR na trilha da IA.

A assetização do poder computacional pode ser subdividida em duas direções, com base no uso do poder computacional. Uma é representada pela Gensyn, que é “poder computacional descentralizado usado para treinamento de IA.” A outra é representada pela maioria dos pivôs e novos projetos, ou “poder computacional descentralizado usado para inferência de IA” (a capacidade dos modelos de aprendizado de máquina de basear decisões ou previsões em dados ou modelos previamente aprendidos).

Neste caminho, podemos observar um fenômeno interessante, ou talvez uma cadeia de desdém:

IA Tradicional → Inferência Descentralizada → Treinamento Descentralizado

• Aqueles de uma formação em IA tradicional tendem a olhar de soslaio para o treinamento ou inferência descentralizada.

• Aqueles focados na inferência descentralizada tendem a reprovar o treinamento descentralizado.

A principal razão reside no aspecto técnico — porque o treinamento de IA (especialmente para modelos de IA grandes) envolve enormes quantidades de dados. O que é ainda mais exagerado que a exigência de dados é a demanda de largura de banda formada pela comunicação de alta velocidade desses dados. No ambiente atual de grandes modelos de transformadores, o treinamento requer uma matriz computacional composta por um grande número de placas gráficas de alta gama como a série 4090/cartões profissionais de IA H100 com canais de comunicação do nível de cem gigabits formados por NVLink e switches de fibra profissional. Você consegue imaginar descentralizar essas coisas? Hmm …

A demanda por poder computacional e largura de banda de comunicação na inferência de IA é muito menor do que no treinamento de IA. Naturalmente, a possibilidade de implementação descentralizada é muito maior para inferência do que para treinamento. É por isso que a maioria dos projetos relacionados ao poder computacional se concentra na inferência, enquanto o treinamento é principalmente deixado para grandes jogadores como Gensyn e Together AI, que levantaram centenas de milhões em financiamento. No entanto, das perspectivas de relação custo-benefício e confiabilidade, pelo menos nesta fase, o poder computacional centralizado para inferência ainda é muito superior às opções descentralizadas.

Isso explica por que aqueles focados na inferência descentralizada olham para o treinamento descentralizado e pensam: "Você não pode fazer isso acontecer de forma alguma", enquanto a IA tradicional vê o treinamento e a inferência descentralizados como "irrealistas em termos de tecnologia de treinamento" e "infiáveis em termos de inferência comercialmente."

Alguns dizem que quando BTC/ETH apareceu pela primeira vez, o modelo de ter nós distribuídos computando tudo parecia relativamente ilógico (em comparação com a computação em nuvem). Mas no final, não teve sucesso? Bem, isso depende dos requisitos de correção, imutabilidade, redundância e outras dimensões do treinamento e inferência de IA no futuro. Puramente em termos de desempenho, confiabilidade e preço, atualmente é impossível superar soluções centralizadas.

Assetização de Modelos

Este também é um mercado lotado para projetos e é relativamente mais fácil de entender em comparação com a assetização de poder computacional porque uma das aplicações mais conhecidas após a popularidade do ChatGPT é o Character.AI. Com ele, você pode buscar sabedoria de antigos filósofos como Sócrates e Confúcio, engajar-se em conversas casuais com celebridades como Elon Musk e Sam Altman, ou até mesmo se entregar a conversas românticas com ídolos virtuais como Hatsune Miku e Raiden Shogun. Tudo isso mostra o charme dos grandes modelos de linguagem (LLMs). O conceito de Agentes de IA se enraizou profundamente na mente das pessoas através do Character.AI.

E se figuras como Confúcio, Elon Musk ou Raiden Shogun fossem todos NFTs?

Isso não é AI+Crypto?

Então, em vez de chamar de assetização de modelos, é mais adequado dizer que é a assetização de agentes construídos sobre grandes modelos. Afinal, grandes modelos em si não podem ser colocados na blockchain. Trata-se mais de mapear agentes sobre modelos em NFTs para criar uma sensação de “assetização de modelos” no espaço AI+Crypto.

Existem agora agentes que podem te ensinar inglês ou até se envolver em relacionamentos românticos com você, entre vários outros tipos. Além disso, projetos relacionados, como motores de busca de agentes e marketplaces, também podem ser encontrados.

O problema comum neste setor é, primeiro de tudo, que não há barreiras tecnológicas. É basicamente apenas a tokenização do Character.AI. Nossos magos tecnológicos internos podem criar um agente que fala e soa como um personagem específico (como nosso cofundador, BMAN) em apenas uma noite, usando ferramentas e frameworks de código aberto existentes. Em segundo lugar, a integração com a blockchain é muito leve. É um pouco parecido com GameFi NFTs na Ethereum, em que os metadados armazenados podem ser apenas um URL ou hash, e os modelos/agentes residem em servidores na nuvem. As transações na cadeia representam apenas a propriedade.

A assetização de modelos/agentes ainda é uma das principais trilhas em IA+Crypto para o futuro previsível. No futuro, esperamos ver projetos com barreiras tecnológicas relativamente mais altas e integração mais próxima com blockchain que sejam mais nativos.

Assetização de Dados

Logicamente falando, a assetização de dados é o aspecto mais adequado de IA+Crypto porque o treinamento de IA tradicional depende principalmente de dados visíveis disponíveis na internet — ou, para ser mais preciso, dados de tráfego de domínio público. Esses dados podem representar apenas uma pequena porcentagem, cerca de 10–20%, com a maioria dos dados, na verdade, estando dentro do tráfego de domínio privado (incluindo dados pessoais). Se esses dados de tráfego puderem ser utilizados para treinar ou ajustar modelos grandes, podemos, sem dúvida, ter Agentes/bots mais profissionais em vários verticais.

Qual é o melhor slogan web3? Leia, Escreva, Possua!

Portanto, através de IA+Crypto, e sob a orientação de incentivos descentralizados, liberar dados de tráfego de domínio pessoal e privado e assetizá-los para fornecer “alimento” melhor e mais rico para modelos grandes soa como uma abordagem suficientemente lógica. De fato, existem várias equipes profundamente envolvidas neste campo.

No entanto, o maior desafio nesta trilha é que, ao contrário do poder de computação, os dados são difíceis de padronizar. Usando potência computacional descentralizada, o modelo de sua placa gráfica traduz-se diretamente na quantidade de potência computacional que você possui. Por outro lado, a quantidade, qualidade e propósito dos dados privados são todos difíceis de medir. Se a potência computacional descentralizada é como ERC-20, então a assetização de dados de treinamento de IA descentralizada é um pouco como ERC-721 — e como ter muitos projetos, tais como APE, Punk, Azuki e diferentes NFTs com diferentes características misturadas. A dificuldade na liquidez e na criação de mercado é muito mais desafiadora do que com ERC-20. Portanto, projetos focados na assetização de dados de IA estão atualmente enfrentando desafios significativos.

Outro aspecto na trilha de dados que vale mencionar é a rotulagem descentralizada. A assetização de dados opera na etapa de "coleta de dados", e os dados coletados precisam ser processados antes de serem alimentados para a IA, que é onde entra a rotulagem de dados. Esta etapa é atualmente em grande parte centralizada e intensiva em mão-de-obra. Com incentivos de tokens descentralizados, transformar este trabalho em rotulagem-para-ganhar descentralizada ou (semelhante a plataformas de crowdsourcing) distribuição de trabalho também é uma abordagem viável. Algumas equipes estão atualmente trabalhando nesta área.

III. Peças Faltantes em IA+Cripto

Vamos discutir brevemente as peças do quebra-cabeça atualmente faltantes nesta trajetória da nossa perspectiva.

• Falta de barreiras tecnológicas: Como mencionado anteriormente, a maioria dos projetos de IA+Cripto quase não tem barreiras tecnológicas em comparação com projetos tradicionais de IA na Web 2.0. Em vez disso, eles dependem mais de modelos econômicos e incentivos de tokens na experiência do usuário, mercados e operações. Embora essa abordagem seja compreensível, dadas as forças da descentralização e distribuição de valor na web3, a falta de barreiras centrais inevitavelmente dá uma sensação de “X-para-ganhar”. Ainda esperamos ver mais equipes como a RNDR, apoiadas por empresas como a OTOY, com tecnologias centrais fazendo avanços significativos no espaço cripto.

• Status atual dos praticantes: Com base nas observações atuais, algumas equipes no espaço IA+Cripto são bem versadas em IA, mas não têm uma compreensão profunda de web3. Por outro lado, algumas equipes são altamente nativas de criptomoedas, mas têm expertise limitada no campo da IA. Esta situação lembra os primeiros dias da trilha GameFi, quando algumas equipes eram bem versadas em jogos e buscavam a transição de jogos Web 2.0 para blockchain, enquanto outras estavam profundamente imersas na web3, focando em vários modelos de jogos inovadores e otimizados. MATR1X foi a primeira equipe que encontramos na trilha GameFi que demonstrou um entendimento duplo de jogos e cripto, razão pela qual mencionei anteriormente ELE como um dos três projetos em que eu acreditava firmemente em 2023. Esperamos ver mais equipes em 2024 que possuam um entendimento duplo de IA e Cripto.

• Cenários de negócios: AI+Crypto está em um estágio extremamente inicial de exploração, e as várias formas de assetização mencionadas acima são apenas algumas das principais direções. Cada direção tem muitas subtramas que podem ser cuidadosamente exploradas e segmentadas. Atualmente, muitos projetos no mercado que integram AI e cripto parecem um tanto "desajeitados" ou "rudimentares", não conseguindo aproveitar a competitividade ou combinabilidade ideal de AI e cripto. Isso está intimamente relacionado ao segundo ponto mencionado acima. Por exemplo, nossa equipe interna de pesquisa e desenvolvimento concebeu e projetou um método de integração mais otimizado; no entanto, apesar de observarmos inúmeros projetos na trilha de AI, ainda não vimos equipes entrando nessa área de nicho. Então só podemos continuar a esperar.

Você pode se perguntar por que um VC como nós consegue pensar em certos cenários antes que os empreendedores no mercado consigam. Isso porque temos sete especialistas em nossa equipe interna de AI, cinco dos quais têm doutorados em AI. 

Finalmente, embora do ponto de vista do mercado primário, AI+Crypto ainda esteja bastante precoce e imaturo, isso não nos impede de sermos otimistas sobre 2024–2025, quando AI+Crypto se tornará uma das principais trilhas deste ciclo de mercado de alta. Afinal, existe uma maneira melhor de combinar a produtividade liberada por AI com as relações de produção liberadas pelo blockchain?

#Bybit #TheCryptoArk