OSG Ventures: Desdobrando uma nova narrativa para infra a partir da pilha de tecnologia AI x Web3

2024-04-02 03:07:18

Fonte original: IOSG Ventures

Prefácio

O recente e rápido desenvolvimento de grandes modelos de linguagem (LLMs) despertou o interesse no uso da inteligência artificial (IA) para transformar vários setores. A indústria de blockchain não está imune, com o surgimento da narrativa AI x Crypto trazendo-a para o centro das atenções. Este artigo explora três maneiras principais de fundir IA e criptografia e explora as oportunidades únicas da tecnologia blockchain para resolver problemas da indústria de IA.

As três abordagens do AIxCrypto incluem:

Integração de IA em produtos existentes: Empresas como a Dune estão usando IA para aprimorar seus produtos, como a introdução do copiloto SQL para ajudar os usuários a escrever consultas complexas.
Construindo infraestrutura de IA para o ecossistema criptográfico: Startups como Ritual e Autonolas estão focadas no desenvolvimento de infraestrutura orientada por IA adaptada às necessidades do ecossistema criptográfico.
Usando blockchain para resolver problemas da indústria de IA: Projetos como Gensyn, EZKL e io.net estão explorando como a tecnologia blockchain pode resolver desafios enfrentados pela indústria de IA, como privacidade de dados, segurança e transparência.

O que há de único em AI x Crypto é que se espera que a tecnologia blockchain resolva os problemas inerentes à indústria de IA. Esta intersecção única abre novas possibilidades para soluções inovadoras que beneficiam as comunidades de IA e blockchain.

Ao nos aprofundarmos no espaço AI x Crypto, pretendemos identificar e mostrar as aplicações mais promissoras da tecnologia blockchain na solução dos desafios da indústria de IA. Ao fazer parceria com especialistas da indústria de IA e criadores de criptografia, estamos comprometidos em promover o desenvolvimento de soluções de ponta que aproveitem os pontos fortes de ambas as tecnologias.

1. Visão geral da indústria

O campo AI x Crypto pode ser dividido em duas categorias: infraestrutura e aplicações. Embora algumas infraestruturas existentes continuem a suportar casos de utilização de IA, novos intervenientes estão a lançar no mercado arquiteturas nativas de IA inteiramente novas.

1. 1 Rede de Computação

No campo do AIxCrypto, as redes computacionais desempenham um papel crucial no fornecimento da infraestrutura necessária para aplicações de IA. Essas redes podem ser divididas em dois tipos com base nas tarefas que suportam: redes de computação de uso geral e redes de computação especializadas.

1.1.1 Rede Geral de Computação

Redes de computação gerais, como IO.net e Akash, oferecem aos usuários a oportunidade de acessar máquinas via SSH e fornecem uma interface de linha de comando (CLI) que permite aos usuários construir seus próprios aplicativos. Essas redes são semelhantes aos servidores virtuais privados (VPS), proporcionando um ambiente de computação pessoal na nuvem.

IO.net é baseado no ecossistema Solana e se concentra no aluguel de GPU e clusters de computação, enquanto Akash, baseado no ecossistema Cosmos, fornece principalmente servidores em nuvem de CPU e vários modelos de aplicativos.

Visão da IOSG Ventures:

Em comparação com o mercado maduro de nuvem Web2, as redes de computação ainda estão em seus estágios iniciais. As redes de computação Web3 ficam aquém dos blocos de construção “Lego” da Web2, como funções sem servidor, VPS e projetos de nuvem de banco de dados baseados em grandes provedores de nuvem, como AWS, Azure e Google Cloud.

As vantagens das redes de computação incluem:

A tecnologia Blockchain pode utilizar recursos de computação e computadores pessoais não utilizados para tornar a rede mais sustentável.
O design peer-to-peer (P2P) permite que os indivíduos monetizem recursos de computação não utilizados e forneçam computação de baixo custo, reduzindo potencialmente os custos em 75% -90%.

No entanto, é difícil que as redes de computação sejam colocadas em produção real e substituam os serviços em nuvem Web2 devido aos seguintes desafios:

O preço é certamente a principal vantagem das redes de computação em geral, mas ainda é um desafio competir com empresas maduras de nuvem Web2 em termos de funcionalidade, segurança e estabilidade.
O estilo ponto a ponto pode limitar a capacidade dessas redes de fornecer rapidamente produtos maduros e robustos. A natureza descentralizada aumentará os custos de desenvolvimento e manutenção.

1.1.2 Rede de Computação Privada

As redes de computação privadas adicionam uma camada extra às redes de computação de uso geral, permitindo que os usuários implantem aplicativos específicos por meio de arquivos de configuração. Essas redes são projetadas para atender casos de uso específicos, como renderização 3D ou inferência e treinamento de IA.

Render é uma rede de computação profissional focada em renderização 3D. No campo da IA, novos players como Bittensor, Hyperbolic, Ritual e fetch.ai concentram-se na inferência de IA, enquanto Flock e Gensyn se concentram principalmente no treinamento de IA.

![OSG Ventures: Desdobrando a nova narrativa da infra a partir da IA

Visão da IOSG Ventures:

Vantagens das redes de computação dedicadas:

Os recursos de descentralização e criptografia resolvem os problemas comuns de centralização e transparência na indústria de IA.
Rede de computação sem permissão e esquema de verificação garantem a validade do processo de inferência e treinamento.
Tecnologias que preservam a privacidade, como o aprendizado federado empregado pela Flock, permitem que indivíduos contribuam com dados para modelar o treinamento, mantendo seus dados locais e privados.
Ao apoiar a integração de contratos inteligentes com aplicações blockchain downstream, o raciocínio de IA pode ser usado diretamente no blockchain.

Fonte: IOSG Ventures

Embora as redes dedicadas de inferência e treinamento de IA ainda estejam em seus estágios iniciais, prevemos que os aplicativos Web3 AI priorizarão o uso da infraestrutura Web3 AI. Esta tendência já é evidente em colaborações como o Story Protocol e a parceria da Ritual com a MyShell para introduzir modelos de IA como propriedade intelectual.

Embora ainda não tenham surgido aplicações matadoras construídas sobre essas infraestruturas emergentes de IA x Web3, o potencial de crescimento é enorme. À medida que o ecossistema amadurece, esperamos ver aplicações mais inovadoras que aproveitem as capacidades únicas das redes de computação descentralizadas de IA.

2. Dados

Os dados desempenham um papel vital nos modelos de IA e estão envolvidos em todos os estágios do desenvolvimento de modelos de IA, incluindo coleta de dados, armazenamento de conjuntos de dados de treinamento e armazenamento de modelos.

2.1 Armazenamento de dados

O armazenamento descentralizado de modelos de IA é fundamental para fornecer APIs de inferência de maneira descentralizada. Os nós de inferência devem ser capazes de recuperar esses modelos de qualquer lugar e a qualquer momento. Com os modelos de IA atingindo potencialmente centenas de gigabytes de tamanho, é necessária uma poderosa rede de armazenamento descentralizada. Líderes em armazenamento descentralizado, como Filecoin e Arweave, podem fornecer essa funcionalidade.

Visão da IOSG Ventures:

Existem enormes oportunidades nesta área.

Uma rede descentralizada de armazenamento de dados otimizada para modelos de IA, fornecendo funções como controle de versão, armazenamento de diferentes quantificações de modelos de baixa precisão e download rápido de modelos grandes.
Bancos de dados vetoriais descentralizados, por serem frequentemente agrupados com modelos, fornecem respostas mais precisas ao inserir o conhecimento necessário e relevante para a questão. Bancos de dados SQL existentes também podem ser adicionados com suporte para pesquisa vetorial.

2.2 Coleta e rotulagem de dados

A coleta de dados de alta qualidade é fundamental para o treinamento em IA. Projetos baseados em blockchain, como Grass, usam crowdsourcing para coletar dados para treinamento em IA, aproveitando redes pessoais. Com incentivos e mecanismos apropriados, os formadores de IA podem obter dados de alta qualidade a um custo menor. Projetos como Tai-da e Saipen concentram-se na rotulagem de dados.

Visão da IOSG Ventures:

Algumas de nossas observações sobre este mercado:

A maioria dos projetos de rotulagem de dados são inspirados na GameFi, atraindo usuários com o conceito “tag para ganhar” e desenvolvedores com a promessa de reduzir custos para dados rotulados de alta qualidade.
Atualmente não há um líder claro nesta área, e a Scale AI domina o mercado de rotulagem de dados Web2.

2.3 Dados Blockchain

Ao treinar modelos de IA especificamente para blockchain, os desenvolvedores precisam de dados de blockchain de alta qualidade que queiram poder usar diretamente em seu processo de treinamento. Spice AI e Space and Time fornecem dados de blockchain de alta qualidade com SDKs, permitindo que os desenvolvedores integrem facilmente os dados em seus pipelines de dados de treinamento.

Visão da IOSG Ventures:

À medida que cresce a demanda por modelos de IA relacionados a blockchain, a demanda por dados de blockchain de alta qualidade aumentará. No entanto, a maioria das ferramentas de análise de dados atualmente só oferece a capacidade de exportar dados em formato CSV, o que não é ideal para fins de treinamento em IA.

Para facilitar o desenvolvimento de modelos de IA específicos para blockchain, é crucial aprimorar a experiência do desenvolvedor, fornecendo mais recursos de operações de aprendizado de máquina (MLOP) relacionados a blockchain. Esses recursos devem permitir que os desenvolvedores integrem perfeitamente dados de blockchain diretamente em seus pipelines de treinamento de IA baseados em Python.

##3.ZKML

Os fornecedores centralizados de IA enfrentam problemas de confiança devido aos incentivos à utilização de modelos menos complexos para reduzir custos computacionais. Por exemplo, houve momentos no ano passado em que os usuários pensaram que o ChatGPT estava com desempenho insatisfatório. Posteriormente, isso foi atribuído a uma atualização do OpenAI que visa melhorar o desempenho do modelo.

Além disso, os criadores de conteúdo levantaram questões de direitos autorais junto às empresas de IA. É difícil para estas empresas provar que dados específicos não foram incluídos no seu processo de formação.

O aprendizado de máquina de conhecimento zero (ZKML) é uma abordagem inovadora que resolve os problemas de confiança associados a provedores centralizados de inteligência artificial. Ao aproveitar provas de conhecimento zero, o ZKML permite que os desenvolvedores comprovem a exatidão de seus processos de treinamento e inferência de IA sem revelar dados confidenciais ou detalhes do modelo.

3.1 Treinamento

Os desenvolvedores podem realizar tarefas de treinamento em uma máquina virtual de conhecimento zero (ZKVM), como a fornecida pelo Risc Zero. Este processo gera uma prova que verifica se o treinamento foi realizado corretamente e apenas os dados autorizados foram utilizados. Esta certificação serve como prova de que o desenvolvedor aderiu às especificações de treinamento adequadas e às permissões de uso de dados.

Visão da IOSG Ventures:

O ZKML fornece uma solução exclusiva para comprovar o uso autorizado de dados no treinamento de modelos, o que muitas vezes é difícil de conseguir devido à natureza de caixa preta dos modelos de IA. *Esta tecnologia ainda está em seus estágios iniciais. A sobrecarga computacional é enorme. A comunidade está explorando ativamente mais casos de uso para treinamento ZK.

3.2 Raciocínio

O ZKML leva muito mais tempo para inferir do que sua contraparte de treinamento. Já existem várias empresas conhecidas surgindo neste espaço, cada uma com uma abordagem única para tornar a inferência de aprendizado de máquina transparente e confiável.

Giza está focada na construção de uma plataforma abrangente de operações de aprendizado de máquina (MLOP) e na construção de uma comunidade vibrante em torno dela. Seu objetivo é fornecer aos desenvolvedores ferramentas e recursos para integrar ZKML em fluxos de trabalho de inferência.

EZKL, por outro lado, prioriza a experiência de desenvolvimento criando uma estrutura ZKML fácil de usar que oferece bom desempenho. A solução deles foi projetada para simplificar o processo de implementação da inferência ZKML e torná-la facilmente acessível a mais desenvolvedores.

Modulus Labs adota uma abordagem diferente, desenvolvendo seu próprio sistema de provas. Seu principal objetivo é reduzir significativamente a sobrecarga computacional associada à inferência ZKML. Ao reduzir a sobrecarga em um fator de 10, o Modulus Labs tenta tornar a inferência ZKML mais prática e eficiente para aplicações do mundo real.

Visão da IOSG Ventures:

ZKML é particularmente útil em cenários GameFi e DeFi onde a falta de confiança é crucial.
A sobrecarga computacional introduzida pelo ZKML dificulta a execução eficiente de grandes modelos de IA.
A indústria ainda está procurando pioneiros em DeFi e GameFi para usar fortemente ZKML em seus produtos para demonstrar seus cenários práticos de aplicação.

4. Rede proxy + outros aplicativos

4.1 Rede proxy

Uma rede de agentes consiste em vários agentes de inteligência artificial equipados com ferramentas e conhecimento para realizar tarefas específicas, como auxiliar em transações em cadeia. Esses agentes podem colaborar entre si para atingir objetivos mais complexos. Várias empresas conhecidas estão desenvolvendo ativamente agentes e redes de agentes semelhantes a chatbots.

Sleepless, Siya, Myshell, characterX e Delysium são atores importantes que estão construindo agentes de chatbot. Autonolas e ChainML estão construindo redes proxy para casos de uso mais poderosos.

Visão da IOSG Ventures:

Os agentes são cruciais para aplicações do mundo real. Eles podem executar tarefas específicas melhor do que a inteligência artificial geral. Blockchain oferece diversas oportunidades únicas para agentes de inteligência artificial.

Possui um mecanismo de incentivo: Blockchain fornece um mecanismo de incentivo por meio de tecnologias como tokens não fungíveis (NFT). Com estruturas claras de propriedade e incentivos, os criadores são incentivados a desenvolver agentes mais interessantes e inovadores na rede.
Capacidade de composição de contratos inteligentes: Os contratos inteligentes no blockchain são altamente combináveis e operam como blocos de Lego. A API aberta fornecida pelos contratos inteligentes permite que os agentes executem tarefas complexas que são difíceis de realizar nos sistemas financeiros tradicionais. Essa capacidade de composição permite que os agentes interajam e aproveitem a funcionalidade de uma variedade de aplicativos descentralizados (dApps).
Abertura inerente: Ao construir proxies em blockchains, eles herdam a abertura e transparência inerentes a essas redes. Isto cria oportunidades significativas de composição entre diferentes agentes, permitindo-lhes cooperar e combinar as suas capacidades para resolver tarefas mais complexas.

4.2 Outras aplicações

Além das principais categorias discutidas anteriormente, existem diversas aplicações interessantes de IA que estão recebendo atenção no espaço Web3, embora possam não ser grandes o suficiente para formar categorias separadas. Estas aplicações abrangem uma variedade de campos e demonstram a diversidade e o potencial da inteligência artificial no ecossistema blockchain.

Geração de imagem: ImgnAI
Realização imediata da imagem: NF
Geração de imagens de IA treinadas pela comunidade: Botto
Chatbots: Kaito, Supersight, Galaxy, Kn n3, Awesome QA, Qna3
Finanças: Numer AI
Carteira: Dawn_wallet
Jogo: TCG Paralelo
Educação: Viciado
Segurança: Forte *DID:Worldcoin
Ferramentas de criação: Plai Lab

5. Promova AIxCrypto para usuários Web2 para adoção em massa

AI x Crypto é único porque resolve os problemas mais difíceis de inteligência artificial. Apesar da lacuna entre o produto AIxCrypto atual e os produtos Web2 AI e sua falta de apelo para os usuários do Web2, o AIxCrypto ainda possui alguns recursos exclusivos que somente o AIxCrypto pode fornecer.

5.1 Recursos de computação econômicos:

Uma grande vantagem do AIxCrypto é o fornecimento de recursos computacionais econômicos. À medida que a demanda por LLM aumenta e há mais desenvolvedores no mercado, a disponibilidade e o preço da GPU tornam-se mais desafiadores. Os preços das GPUs aumentaram significativamente e há escassez.

Redes de computação descentralizadas, como o projeto DePIN, podem ajudar a aliviar esse problema, aproveitando o poder de computação ocioso, GPUs em pequenos data centers e dispositivos de computação pessoal. Embora o poder da computação descentralizada possa não ser tão estável quanto os serviços centralizados em nuvem, essas redes fornecem equipamentos de computação econômicos em diversas regiões. Esta abordagem descentralizada minimiza a latência na borda, garantindo uma infraestrutura mais distribuída e resiliente.

Ao aproveitar o poder das redes de computação descentralizadas, o AIxCrypto pode fornecer aos usuários Web2 recursos de computação acessíveis e acessíveis. Esta vantagem de custo é atraente para os usuários da Web2 adotarem soluções AIxCrypto, especialmente porque a demanda por computação de IA continua a crescer.

5.2 Conceder propriedade aos criadores:

Outro benefício importante do AI x Crypto é a proteção dos direitos de propriedade dos criadores. No atual campo da inteligência artificial, alguns agentes são facilmente copiados. Esses agentes podem ser facilmente replicados simplesmente escrevendo prompts semelhantes. Além disso, os proxies nas lojas GPT são muitas vezes propriedade de empresas centralizadas e não de criadores, limitando o controlo dos criadores sobre as suas obras e a sua capacidade de rentabilizar de forma eficaz.

AI x Crypto resolve esse problema aproveitando a tecnologia NFT madura que é onipresente no campo criptográfico. Ao representar a agência como NFTs, os criadores podem realmente possuir suas criações e receber receita real delas. Cada vez que um usuário interage com um agente, os criadores podem ganhar incentivos, garantindo uma recompensa justa pelos seus esforços. O conceito de propriedade baseada em NFT não se aplica apenas aos agentes, mas também pode ser usado para proteger outros ativos importantes no campo da inteligência artificial, como bases de conhecimento e dicas.

5.3 Proteger a privacidade e reconstruir a confiança:

Usuários e criadores têm preocupações com a privacidade de empresas centralizadas de IA. Os usuários se preocupam com o uso indevido de seus dados para treinar modelos futuros, enquanto os criadores se preocupam com o uso de seu trabalho sem a devida atribuição ou compensação. Além disso, as empresas centralizadas de IA podem sacrificar a qualidade do serviço para reduzir os custos de infraestrutura.

Esses problemas são difíceis de resolver com a tecnologia Web2, e o AIxCrypto aproveita soluções Web3 avançadas. O treinamento e a inferência de conhecimento zero fornecem transparência, comprovando os dados usados e garantindo que o modelo correto seja aplicado. Tecnologias como Trusted Execution Environment (TEE), aprendizagem federada e criptografia totalmente homomórfica (FHE) permitem treinamento e inferência de IA seguros e que preservam a privacidade.

Ao priorizar a privacidade e a transparência, o AIxCrypto permite que as empresas de IA recuperem a confiança do público e forneçam serviços de IA que respeitem os direitos do usuário, diferenciando-os das soluções Web2 tradicionais.

5.3 Proteger a privacidade e reconstruir a confiança:

5.4 Rastreando fontes de conteúdo

À medida que o conteúdo gerado por IA se torna cada vez mais sofisticado, fica mais difícil diferenciar entre textos, imagens ou vídeos de autoria humana e gerados por IA. Para evitar o uso indevido de conteúdo gerado por IA, as pessoas precisam de uma forma confiável de determinar a origem do conteúdo.

O Blockchain é excelente no rastreamento da proveniência do conteúdo, assim como tem feito com sucesso no gerenciamento da cadeia de suprimentos e nos NFTs. Na indústria da cadeia de suprimentos, o blockchain rastreia todo o ciclo de vida de um produto e os usuários podem identificar o fabricante e os principais marcos. Da mesma forma, o blockchain rastreia os criadores e evita a pirataria no caso dos NFTs, que são particularmente vulneráveis à pirataria devido à sua natureza pública. Apesar dessa vulnerabilidade, a utilização do blockchain pode minimizar as perdas de NFTs falsos porque os usuários podem facilmente diferenciar entre tokens reais e falsos.

Ao aplicar a tecnologia blockchain para rastrear a origem do conteúdo gerado por IA, o AIxCrypto oferece aos usuários a capacidade de verificar se os criadores de conteúdo são IA ou humanos, reduzindo assim o potencial de abuso e aumentando a confiança na autenticidade do conteúdo.

5.5 Desenvolver modelos usando criptomoedas

Projetar e treinar modelos, especialmente modelos grandes, é um processo caro e demorado. Também há incerteza em torno do novo modelo e os desenvolvedores não podem prever seu desempenho.

As criptomoedas fornecem uma maneira amigável ao desenvolvedor de coletar dados de pré-treinamento, coletar feedback de aprendizagem por reforço e realizar a arrecadação de fundos das partes interessadas. O processo é semelhante ao ciclo de vida de um projeto típico de criptomoeda: arrecadar fundos por meio de investimento privado ou de uma plataforma de lançamento e liberar tokens para contribuidores ativos após o lançamento.

Os modelos podem adotar uma abordagem semelhante, arrecadando fundos para treinamento por meio da venda de tokens e do lançamento aéreo de tokens para contribuidores de dados e feedback. Com um modelo econômico de token bem projetado, esse fluxo de trabalho ajuda os desenvolvedores individuais a treinar novos modelos com mais facilidade do que nunca.

6. Desafios da Tokennomics

O projeto AI x Crypto começou a direcionar os desenvolvedores Web2 como clientes em potencial porque a criptografia tem uma proposta de valor única e o tamanho do mercado da indústria de inteligência artificial Web2 é considerável. No entanto, os tokens podem ser um obstáculo para desenvolvedores Web2 que não estão familiarizados com tokens e relutam em se envolver com sistemas baseados em tokens.

Para atender aos desenvolvedores Web2, reduzir ou remover a utilidade dos tokens pode causar confusão para os entusiastas da Web3, pois pode alterar a postura fundamental do projeto AI x Crypto. Ao trabalhar para integrar tokens valiosos em plataformas AI SaaS, encontrar o equilíbrio entre atrair desenvolvedores Web2 e manter a utilidade do token é uma tarefa desafiadora.

Para preencher a lacuna entre os modelos de negócios Web2 e Web3 e, ao mesmo tempo, manter o valor do token, existem várias abordagens potenciais que podem ser consideradas:

Aproveite tokens na rede de infraestrutura distribuída do projeto. Implementar mecanismos de staking, recompensa e penalidade para proteger a rede subjacente.
Use tokens como forma de pagamento e forneça acesso para usuários Web2
Implementar governança baseada em tokens
Compartilhe os lucros com os detentores de tokens
Use os rendimentos para recomprar ou destruir tokens
Serviços prestados ao projeto, oferecendo descontos e funcionalidades adicionais aos detentores de tokens

Ao projetar cuidadosamente um modelo econômico de token que se alinhe aos interesses da Web2 e da Web3, o projeto AI x Crypto pode atrair com sucesso os desenvolvedores da Web2, mantendo o valor e a utilidade de seu token.

7. Nossos cenários favoritos de IA x criptografia

Nosso cenário favorito de AI x Crypto aproveita o poder da colaboração do usuário para realizar tarefas no campo da inteligência artificial com a ajuda da tecnologia blockchain. Alguns exemplos específicos incluem:

Contribuição coletiva de dados para treinamento, alinhamento e benchmarking de IA (como Chatbot Arena)
Colaborar para construir uma grande base de conhecimento partilhada que possa ser utilizada por vários agentes (por exemplo, Sahara)
Use recursos pessoais para capturar dados de rede (por exemplo, Grass)

Ao alavancar os esforços coletivos dos utilizadores com base em incentivos e coordenação de blockchain, estes modelos demonstram o potencial de uma abordagem descentralizada e orientada para a comunidade para o desenvolvimento e implementação de IA.

para concluir

Estamos no início da IA e da Web3, e a integração da IA e do blockchain ainda está em seus estágios iniciais em comparação com outras indústrias. Entre os 50 principais produtos da Geração AI, não há produtos relacionados à Web3. As principais ferramentas LLM estão relacionadas à criação e edição de conteúdo, principalmente para vendas, reuniões e notas/bases de conhecimento. Considerando a extensa pesquisa, documentação, vendas e esforços da comunidade no ecossistema Web3, há um enorme potencial para o desenvolvimento de ferramentas LLM personalizadas.

Atualmente, os desenvolvedores estão se concentrando na construção de infraestrutura para trazer modelos avançados de IA para a cadeia, embora ainda não tenhamos chegado lá. À medida que continuamos a desenvolver esta infraestrutura, também exploramos os melhores cenários de usuário para conduzir inferências de IA on-chain de maneira segura e sem confiança, o que oferece oportunidades únicas no espaço blockchain. Outras indústrias podem utilizar diretamente a infraestrutura LLM existente para inferência e ajuste fino. Somente a indústria blockchain precisa de sua própria infraestrutura nativa de IA.

Num futuro próximo, esperamos que a tecnologia blockchain aproveite as suas vantagens peer-to-peer para resolver os problemas mais desafiantes da indústria da inteligência artificial, tornando os modelos de IA mais acessíveis, acessíveis e rentáveis para todos. Também esperamos que o espaço criptográfico siga a narrativa da indústria de IA, embora com um ligeiro atraso. No ano passado, vimos desenvolvedores combinarem modelos Crypto, proxy e LLM. Nos próximos meses, poderemos ver mais modelos multimodais, geração de vídeo de texto e geração 3D impactando o espaço criptográfico.

Toda a indústria de IA e Web3 não recebeu atenção suficiente no momento. Estamos ansiosos pelo momento explosivo da IA na Web3, uma aplicação matadora do CryptoxAI.

Ver original

Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.