Bitget新闻:AI（Artificial Intelligence），所谓的人工智慧，是一种利用大量的资讯数据训练演算法，让其成果能够模拟人类行为的系统或程式，包括学习、理解、推理、解决问题、语言处理、视觉感知、自主行动等能力等等，终极目标是让电脑能够模仿人类的思维推理过程，并应用在处理各种任务和解决问题上。
大家最熟悉的 ChatGPT 属于自然语言处理的类型，Midjourney、DALL-E、Stable Diffusion 等输入文本输出图像的生成工具则属于机器学习的模型。
目前 AI 产业遇到了什么问题？
AI 的演算法通常需要大量的计算资源，特别是在机器学习和深度学习领域。这些演算法所处理的大规模数据集，需要大量的算力（Computing Power）进行复杂的运算，特别是大型深度神经网路模型，如深度学习模型，需要足够的算力才能持续进行训练。
而高性能的计算资源，像是图形处理器（GPU）因为算术逻辑单元的数量远超过 CPU ，可以处理更大的数据集，训练更复杂的模型，并在更短的时间内完成任务，非常适合支持 AI 这种涉及较多的矩阵或向量的乘法和加法的计算。
熟悉加密货币市场，或者曾经研究过比特币挖矿的人，应该都对算力一词，以及在当代几乎是代表算力的 GPU 并不陌生。2017、2021 加密货币的两轮牛市都曾经创造巨大排挤效应，后期甚至出现游戏玩家显卡一卡难求，显卡价格飙升的情况。但如今在比特币挖矿已经不敷成本，以及以太坊 POW 转 POS 导致显卡抛售潮的同时，GPU 已经找到了下一个新的需求战场：AI 算力。
GPU 生产缺口带来的算力短缺
自从由 ChatGPT 领军的 AI 热潮兴起，算力需求爆发式增长，全世界就一头栽入了 GPU 抢货大战，其中最热门的顶级 GPU 是由 NVIDIA 生产的 H100。除了新创企业有需求，云端服务供应商（CSP），龙头企业、学术导向的 AI 实验室也都加入争夺行列，微调模型小则需要数十上百张，如果要训练模型，则是以千张为单位起跳。
根据 GPU Utils 的推估，OpenAI 可能需要 5 万颗。Inflection AI 想要 2.2 万颗。Meta 可能是 2.5 万颗（或者根据消息透露，实际上是 10 万张或更多）。Azure、Google Cloud、AWS 以及 Oracle 等大型云端公司可能每个需要 3 万颗，Lambda 和 CoreWeave 以及其他私有云端可能总共需要 10 万颗。而 NVIDIA 2023 年出货量估计仅有 55 万颗。
算力短缺导致运算、训练成本高昂
根据最基本的经济学原理，在供给不变，但需求增加的情况下，特定资源的单位价格必然上涨，这就是目前许多 AI 公司的处境，他们通常有两种选择：投资自己的硬体设施，同时牺牲可扩展性（但别忘了，硬体设备目前是稀缺资源），或者选择使用云端商，并支付更加高昂的价格。
估值为 10 亿美元的公司 Stability AI 就选择了后者，在 AWS 上运行由 4,000 多个 Nvidia GPU 组成的集群，用于训练包括 Stable Diffusion 在内的 AI 系统，据闻单月的营运成本就超过 5,000 万美元；OpenAI 旗下的产品 ChatGPT-3 使用的 1,000 个 Nvidia GPU 进行训练，成本同样高达 1,200 万美元。
这样些高昂的成本不只让既有的 AI 公司成长受限，也让既没有本钱投资硬体设施，也无法支付高昂云端成本的后起公司或新创产品和服务，难以开发产品或加入竞争。
AI 人工智慧＋Crypto 区块链项目介绍
看到这里，相信你已经初步了解到未来数十年的关键产业 AI 当前正面临的问题，我将进一步介绍区块链上有哪些项目试图解决这些问题。
接下来，我们挑选了一些在 AI 赛道较为著名的解决方案，为大家介绍他们的融资背景、产品特色与近期动向。
Akash：去中心化云端算力网路
Akash 在古老的梵文当中意思是「开放空间」或者「天空」，而天空是云朵交会之处。Akash 是由云端与工程领域出身的一对创业搭挡 Greg Osuri 与 Adam Bozanich 在 2015 年创立的云端算力市场。在 2020 年由 Cypher Capital 领投，Infinite Capital 和 Digital Asset Capital Management 参投，至今共获得 200 万美元的融资。
Akash 是全球首个去中心化云端算力市场（DeCloud），主要是将有算力需求的用户，以及有闲置算力可以对外供给的用户或供应商相互媒合，有效的交易算力资源。根据 Akash 官方的计算，全球有将近 840 万个数据中心有额外的闲置资源尚未受到充分利用，而任何选择在传统云端如 AWS、GCP 和 Azure 上运行的容器和应用程式，都可以用 1/3～1/8 的成本托管或部署在 Akash 上，并以更快的速度运行。
根据 Grand View Research 的统计，2022 年云端计算市场高达 4,839 万美元，2023 年有望突破 3,000 万美元，其中传统云端的三大巨头（AWS、GCP 和 Azure ）就分食了将近 65 ％ 的份额。而目前也有许多去中心化项目的验证节点和前端是托管在中心化的云端上，因而连带受到中心化云端的延迟和故障受到影响，也有受制于传统云端商而的疑虑，使用 Akash 网路不仅能实现真正的去中心化，也能在出问提的时后迅速置换到另外一个活跃的算力提供商上。
无论是部署应用程式、竞标出价、租赁算力和结算付款都需要使用 Akash 的原生代币兼 Gas Fee $AKT，$AKT 也同时用于治理投票、维护区块链网路、奖励质押并鼓励社群参与者。由于 Akash 使用的是 The Cosmos SDK 的框架，用户需要至少有一个 Cosmos 钱包才能使用 Akash 相关服务。
过去 Akash 的算力租赁业务主要集中在 CPU，在 2023 年 8 月的第 6 次主网升级「Supercloud」正式开放 GPU 服务，引入 GPU 提供商，提供包括 NVIDIA 的 H100s 和 A100s 等顶级 GPU，以及能够处理 AI 所需的密集计算的消费级晶片，有助于进一步吸引到对 AI 训练、渲染和云端游戏有需求的客户。
虽然加密货币市场历经了超过一年的熊市，但在租赁需求持续增加的情况下，$AKT 有著优于整体市场的表现，更持续提供 8.37～9.3% APR 的代币质押奖励。
Gensyn：深度学习开放计算协议
Gensyn 在 2020 年由 Ben Fielding 和 Harry Grieve 于 2020 年创立的去中心化的机器学习计算协议，在 2021 年到 2023 的 3 轮融资之中，获得由 A16z 领投，Protocol Labs、Eden Block 等机构参投高达 4,980 万美元的资金（这边放一个众 VC 的募资图片），用于建构一个开源的基础通用模型，以及一条专门用于深度学习的 Layer 1 计算与验证网路，让 AI 不被少数的国家或企业寡占，而是趋近真正的民主化，确保每个人都有构建 AI 和计算自由的权利。
类似于 Akash，Gensyn 将汇集闲置的资源（甚至包括 Macbook 和 Iphone），让用户在不使用算力的时候可以出租自己的算力协助训练模型，以获得相应报酬，让机器学习计算协议将成为一个无形的网络，提供进入计算革命的下一个规模时所需的基础资源；同时专注于以超大规模和低成本的方式训练神经网络，并建立一组已经经过验证的、预先训练的通用模型，让有相关需求的个人或企业可以使用这个模型做为基础，进行小幅度的微调或进一步延伸训练，大幅降低深度学习的单位成本。
根据官方的计算，Gensyn 可以将每小时的训练成本降低至 0.4 美元，并保持高度的可扩展性，远低于使用以太坊进行机器学习的天文数字，以及使用其他传统云端商被收取的高额费用。
Gensyn 目前尚处于相当早期的阶段，不仅尚未发币，也还没进入三大阶段当中的第一个测试网阶段。Gensyn 的初始开发将著重在构建核心技术的和建立测试网，并在测试网迭代成功后将新测试网作为平行链发布到中 Kusama Network 上进一步测试，最终将主网以平行链部署到 Polkadot 上。
值得注意的是，官方表示测试网使用的代币将是非永久性的，而新测试网的代币将具有实际经济价值。参与测试网的用户将成为社区的早期采用者和核心成员，并在 TGE 的时候获得奖励，也就是来自于官方的明牌空投。有兴趣的读者，可以到此官方页面登记申请成为早期用户。
Bittensor：去中心化的机器学习开放协议
Bittensor 是由 Jacob Robert Steeves 在 2021 年所创立的机器学习开放协议，是为了鼓励优化与创新，并解决机器学习中的效率低落的问题而诞生的 Layer 1 网路，利用区块链的特性来促进 AI 技术的发展。
在过去 AI 还没有发展出成熟的产品，尚未受到市场大规模采用时，主要是透过学校、企业以非盈利的方式来资助研究人员，以促进 AI 的发展。而在被称为「AI 元年」的 2023 年，AI 的研究和开发已经转为由大型科技公司主导，私人企业的封闭性不但不利于整体产业的前进，也让小型的研究员与学术机构难以作出贡献。
而 Bittensor 正是为了在当前的情景中持续寻找最佳解而生。Bittensor 链上的矿工透过为特定模型提供专业的情报、知识和技术以加速学习、优化输出来创建更强大的 AI 模型，共享成果，并获得奖励代币 $TAO，也可以说是 AI 的情报市场。
除此之外，Bittensor 创造的特殊协作模式还有助于提炼知识，鼓励开源的模型之间交换讯息互相协作学习，并进一步将汇集的知识压缩到单个模型中，让特定模型更容易部署且训练成本更低。可以说是透过将相关领域的贡献和知识价值货币化，进而成为推动 AI 发展的催化剂。
目前如果想要开采 $TAO，就必须在电脑本地创建专用的钱包，并针对 AI 模型提出有价值的知识和技术贡献，对一般用户来说难度较高。但如果参与代币的二级市场有兴趣，可以在 Bitget 等小型交易所购买。
结语
AI 概念板块无论在 Web 2 还是 Web 3 都是非常热门的赛道，不过相对于 Web 2 已经涨过一轮的整个供应链与硬体设施相关股票来说，Web 3 中 AI 基础设施的项目显然都还处于较为早期的阶段，如果你错过了先前由 NVIDIA 领头的股市狂欢，这些区块链上的项目值得你及早关注。
除了 AI 算力问题的解决方案，诸如我们先前介绍过的去中心化云端储存 Filecoin，以及分布式云端渲染的 Render Network 也都属于概念上相近的项目，彼此之间有功能上的上下层关系。根据 Messari 的基础设施报告，去中心化的储存、算力、数据、无线网路到无线感测网路，加总起来都才勉强超过百亿美元市值，比起文章上半部单单算力就已经估值五千亿的市场，DePin＋AI 或许是目前最被高度低估的板块之一！
