Visualizando IA + cripto de uma perspectiva de mercado principal
Autor convidado: Lao Bai
Mais de um ano desde o lançamento do ChatGPT, as discussões sobre IA + cripto se aqueceram mais uma vez no mercado. A IA é vista como uma das pistas mais importantes no mercado otimista de 2024 a 2025, e o próprio Vitalik Buterin publicou um artigo intitulado A promessa e os desafios das criptos + aplicativos de IA, explorando possíveis direções para a exploração futura de IA + cripto.
Este artigo não fará muitos julgamentos subjetivos, mas simplesmente resumirá os projetos empreendedores que combinam IA e cripto observados no ano passado a partir de uma perspectiva de mercado principal. Ele examinará as perspectivas das quais os empreendedores entraram no mercado, as conquistas feitas até agora e quais áreas ainda estão sendo exploradas.
I. O ciclo da IA + cripto
Ao longo de 2023, conversamos com dezenas de projetos de IA + cripto, entre os quais ciclos distintos podem ser observados.
Antes do lançamento do ChatGPT no final de 2022, havia poucos projetos de blockchain relacionados à IA no mercado secundário. Os principais que vêm à mente são Fetch.AI (FET), SingularityNET (AGIX) e alguns outros projetos de veteranos. Da mesma forma, não havia muitos projetos relacionados à IA disponíveis no mercado primário.
De janeiro a maio de 2023, poderia ser considerado o primeiro período de surto concentrado para projetos de IA. Afinal, o impacto do ChatGPT foi significativo. Muitos projetos antigos no mercado secundário mudaram para a trilha de IA, e quase toda semana, no mercado primário, projetos de IA + cripto estavam sendo discutidos. Da mesma forma, durante esse período, os projetos de IA pareciam relativamente simples. Muitos deles foram baseados em uma adaptação “pele profunda” do ChatGPT, combinada com modificações no blockchain, sem quase nenhuma barreira tecnológica central. Nossa equipe de desenvolvimento interna muitas vezes poderia replicar uma estrutura de projeto em apenas um dia ou dois. Isso também levou a inúmeras reuniões com projetos de IA durante esse período, mas, em última análise, nenhuma ação foi tomada.
De maio a outubro, o mercado secundário começou a ficar pessimista. Curiosamente, durante esse período, o número de projetos de IA no mercado primário também diminuiu significativamente. Foi só nos últimos meses que a quantidade começou a aumentar novamente, e discussões e artigos sobre IA+Cripto se tornaram mais ricos. Mais uma vez, entramos em um período em que 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 pista de IA, do pouso de cenários comerciais e de uma integração aprimorada de IA + cripto 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 pista de IA + cripto.
II. O caminho da IA + cripto
Vitalik Buterin, em seu artigo sobre “promessa e desafios”, fornece previsões de várias dimensões e perspectivas relativamente abstratas, da seguinte forma:
IA como jogador no jogo
IA como a interface para o jogo
IA como regra do jogo
IA como objetivo do jogo
Por outro lado, iremos resumir os projetos de IA atualmente vistos no mercado primário de uma perspectiva mais específica e direta.
A maioria dos projetos de IA + cripto estão centrados no núcleo das criptomoedas, que estamos definindo como “descentralização tecnológica (ou política) + assetização comercial”.
Em relação à descentralização, não há muito a dizer, pois se trata da web3. Portanto, podemos dividir aproximadamente as categorias de ativos em três principais caminhos:
Ativo do poder de computação
Ativo dos modelos
Ativo dos dados
Ativos avançados de computação
Este é um caminho relativamente denso, pois além de vários novos projetos, também há muitos projetos antigos se movendo. Por exemplo, no lado Cosmos, há a Akash Network e, no lado Solana, há a Nosana . Após a reviravolta, os tokens sofreram aumentos malucos, o que também reflete indiretamente o otimismo do mercado em relação à pista de IA. Embora o Render (RNDR) se concentre principalmente na renderização descentralizada, também pode atender a fins de IA. Portanto, muitas classificações incluem projetos relacionados ao poder de computação semelhantes a RNDR no caminho da IA.
A capacidade de computação pode ser subdividida ainda em duas direções, com base no uso da capacidade de computação. Um é representado pela Gensyn, que é “poder de computação descentralizada usado para treinamento de IA”. O outro é representado 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 aprendidos anteriormente).
Nesta trilha, podemos observar um fenômeno interessante, ou talvez uma cadeia de desdém:
IA tradicional → Inferência descentralizada → Treinamento descentralizado
Aqueles de um histórico tradicional de IA tendem a olhar perguntas em treinamento descentralizado ou inferência.
Aqueles focados em inferência descentralizada tendem a desaprovar o treinamento descentralizado.
O principal motivo está no aspecto técnico, porque o treinamento de IA (especialmente para IA de modelo grande) envolve grandes quantidades de dados. O que é ainda mais exagerado do que o requisito de dados é a demanda por 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 de vídeo de alto nível, como as placas profissionais de IA série 4090/H100, com canais de comunicação do nível de cem gigabit formados pela NVLink e por chaves de fibra profissionais. Você consegue imaginar descentralizar essas coisas? Hmm ...
A demanda por poder de computação 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 de computação se concentra na inferência, enquanto o treinamento é deixado principalmente para os principais participantes, como Gensyn e Together AI, que levantaram centenas de milhões em financiamento. No entanto, a partir das perspectivas de relação custo-benefício e confiabilidade, pelo menos neste estágio, o poder de computação centralizada para inferência ainda é muito superior às opções descentralizadas.
Isso explica por que aqueles focados em inferência descentralizada analisam o treinamento descentralizado e pensam: “Você não pode fazer isso acontecer”, enquanto a IA tradicional vê o treinamento descentralizado e a inferência como “não realista em termos de tecnologia de treinamento” e “não confiável em termos de inferência comercialmente”.
Alguns dizem que, quando o BTC/ETH apareceu pela primeira vez, o modelo de ter nodos distribuídos computava tudo pareceu relativamente ilógico (em comparação com a computação na nuvem). Mas, no final, não teve sucesso? Bem, isso depende dos requisitos de correção, imutabilidade, redundância e outras dimensões do treinamento e da inferência de IA no futuro. Em termos de desempenho, confiabilidade e preço, atualmente é impossível superar soluções centralizadas.
Ativo do modelo
Este também é um caminho lotado para projetos e é relativamente mais fácil de entender em comparação com a computação de ativos de energia, porque um dos aplicativos mais conhecidos após a popularidade do ChatGPT é o Character.AI. Com ele, você pode buscar sabedoria de antigos filósofos, como Sócrates e Confúcio, participar de conversas casuais com celebridades como Elon Musk e Sam Altman, ou até mesmo desfrutar de 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 ficou profundamente enraizado na mente das pessoas por meio do Character.AI.
E se números como Confucius, Elon Musk ou Raiden Shogun fossem todos NFTs?
Isso não é IA + cripto?
Então, em vez de chamá-lo de ativoização de modelo, é mais suscetível de dizer que é a ativoização de agentes construídos sobre grandes modelos. Afinal de contas, os próprios modelos grandes não podem ser colocados no blockchain. É mais sobre o mapeamento de agentes, além de modelos, em NFTs, para criar uma sensação de “ativos de modelo” no espaço de IA + cripto.
Agora existem agentes que podem te ensinar inglês ou até mesmo se envolver em relacionamentos amorosos com você, entre vários outros tipos. Além disso, projetos relacionados, como mecanismos de busca de agentes e marketplaces, também podem ser encontrados.
O problema comum nesta trilha é, antes de mais nada, que não há barreiras tecnológicas. É basicamente apenas a tokenização do Character.AI. Nossos assistentes tecnológicos internos podem criar um agente que fale e pareça um personagem específico (como nosso cofundador, BMAN) em apenas uma noite, usando ferramentas e estruturas de código aberto existentes. Em segundo lugar, a integração com blockchain é muito leve. É um pouco semelhante aos NFTs GameFi no Ethereum, em que os metadados armazenados podem ser apenas uma URL ou hash, e os modelos/agentes residem em servidores na nuvem. As transações on-chain representam apenas a propriedade.
A ativos de modelos/agentes ainda é uma das principais pistas em IA + cripto para o futuro próximo. No futuro, esperamos ver projetos com barreiras tecnológicas relativamente mais altas e integração mais próxima com blockchain que sejam mais nativos.
Ativos de dados
Falando logicamente, a ativoização de dados é o aspecto mais adequado da IA + cripto, porque o treinamento tradicional de IA depende principalmente de dados visíveis disponíveis na internet ou, para ser mais preciso, de dados de tráfego de domínio público. Esses dados podem representar apenas uma pequena porcentagem, em torno de 10 a 20%, com a maioria dos dados realmente dentro do tráfego de domínio privado (incluindo dados pessoais). Se esses dados de tráfego puderem ser utilizados para treinamento ou ajuste de modelos grandes, sem dúvida podemos ter agentes/bots mais profissionais em vários setores.
Qual é o melhor slogan da web3? Leia, escreva, possua!
Portanto, por meio da IA + cripto, e sob a orientação de incentivos descentralizados, liberar dados de tráfego de domínio pessoal e privado e ativá-los para fornecer “alimento” melhor e mais rico para grandes modelos parece uma abordagem lógica o suficiente. Na verdade, há várias equipes profundamente envolvidas neste campo.
No entanto, o maior desafio nessa pista é que, ao contrário do poder de computação, os dados são difíceis de padronizar. Usando o poder de computação descentralizada, o modelo da sua placa de vídeo se traduz diretamente na quantidade de poder de computação que você tem. Por outro lado, a quantidade, a qualidade e a finalidade dos dados privados são todas difíceis de medir. Se o poder da computação descentralizada for como o ERC-20, então, a criação de ativos de dados de treinamento de IA descentralizados é um pouco semelhante ao ERC-721, e como ter muitos projetos, como APE , Punk , Azuki e diferentes NFTs com diferentes traços misturados. A dificuldade de liquidez e de produção no mercado é muito mais desafiadora do que com o ERC-20. Portanto, os projetos com foco na geração de ativos de dados de IA estão enfrentando desafios significativos no momento.
Outro aspecto na trilha de dados que vale a pena 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 à IA, que é onde a rotulagem de dados entra. Atualmente, essa etapa é principalmente centralizada e exige muito trabalho. Com incentivos de token descentralizados, transformar esse trabalho em descentralizado, rotulando para ganhar ou (semelhante a plataformas de crowdsourcing) distribuindo trabalho também é uma abordagem viável. Algumas equipes estão trabalhando nesta área.
III. Quebra-cabeças ausentes em IA + cripto
Vamos discutir brevemente as peças do quebra-cabeça atualmente ausentes nesta trilha a partir de nossa perspectiva.
Falta de barreiras tecnológicas: Como mencionado anteriormente, a maioria dos projetos de IA + cripto quase não tem barreiras tecnológicas em comparação com os projetos tradicionais de IA na Web 2.0. Em vez disso, eles dependem mais de modelos econômicos e incentivos de token na experiência do usuário, mercados e operações. Embora essa abordagem seja compreensível, considerando os pontos fortes 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 dando passos significativos no espaço cripto.
Status atual dos profissionais: Com base nas observações atuais, algumas equipes no espaço de IA + cripto são bem experientes em IA, mas não têm uma compreensão profunda da web3. Por outro lado, algumas equipes são altamente nativas de cripto, mas têm experiência limitada no campo da IA. Essa situação lembra os primeiros dias da pista GameFi, quando algumas equipes eram bem experientes em jogos e buscavam fazer a transição dos jogos da Web 2.0 para blockchain, enquanto outras estavam profundamente imersas na web3, com foco em vários modelos de jogos inovadores e otimizados. A MATR1X foi a primeira equipe que encontramos na pista GameFi que demonstrou uma compreensão dupla de jogos e cripto, e é por isso que mencionei anteriormente a TI como um dos três projetos em que acreditei firmemente em 2023. Esperamos ver mais equipes em 2024 que possuam uma compreensão dupla de IA e cripto.
Cenários de negócios: A IA+Crypto está em um estágio de exploração extremamente inicial, e as várias formas de assetização mencionadas acima são apenas algumas direções importantes. Cada direção tem muitos subtraços que podem ser cuidadosamente explorados e segmentados. Atualmente, muitos projetos no mercado que integram IA e cripto parecem um pouco “desconfortáveis” ou “ásperos”, não alavancando a competitividade ou a combinação ideais de IA 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 ideal; no entanto, apesar de observar vários projetos na pista de IA, ainda não vimos nenhuma equipe entrando nessa área de nicho. Então, só podemos continuar esperando.
Você pode perguntar por que uma VC como a gente pode apresentar certos cenários antes que os empreendedores no mercado possam. Isso porque temos sete especialistas em nossa equipe interna de IA, cinco dos quais têm PhD em IA.
Por fim, embora, do ponto de vista do mercado primário, a IA + cripto ainda seja bastante precoce e imatura, isso não nos impede de estar otimistas sobre 2024–2025, quando a IA + cripto se tornará uma das principais pistas desse ciclo de alta do mercado. Afinal, há uma maneira melhor de combinar a produtividade que é liberada pela IA com as relações de produção liberadas pelo blockchain?
#Bybit #TheCryptoArk