解读 Coinbase 研报:加密 X AI,一场缺乏真实需求的交易幻景
Coinbase发布《加密货币的AI幻景》报告,指出开源模型和商业模型在人工智能领域存在竞争,但当前的AI行业并非完全中心化。加密XAI的交叉机会分为两类:用人工智能改善加密行业和用加密颠覆人工智能行业。然而,许多项目在中短期内将面临需求不足和来自中心化公司和开源解决方案的竞争。加密XAI的业务前景艰难,需要长期发展。谨慎地驾驭市场,深入研究加密货币解决方案的替代性,可能会带来确定的收益。
原文作者:深潮 TechFlow
原文来源:深潮 TechFlow
AI 赛道的火热不用过多描述,各类细分领域的项目也层出不穷。
但在众多代币飞涨,AI 概念成为万金油的现状下,加密是否真的有效推动了AI的发展?
本月初,Coinbase 发布了一篇名为《加密货币的AI幻景》的市场洞察,唱出了大家不爱听、不愿讲、但又心知肚明的反调:
“我们普遍认为,对于人工智能产品来说,去中心化本身并不足以带来竞争优势”。
刺耳的声音,虽然不足以从根本上动摇仓位和上车热情;但兼听则明,了解行业顶尖机构的分析观点,有助于对“AI板块交易火热还能持续多久”这件事,提供参考。
深潮TechFlow 对原英文报告进行了重新整理,精炼版本如下。
报告要点
-人工智能和加密货币之间的交叉点非常广泛,但人们往往对其知之甚少。我们认为,这个交叉点的不同子行业,有着截然不同的机遇和发展时间表。
-对于人工智能产品来说,去中心化本身并不足以带来竞争优势——它还必须在某些其他关键领域达到与中心化产品同等的功能。
-我们的逆向观点是,由于人工智能行业受到广泛关注,许多人工智能代币的价值潜力可能被夸大,而且许多人工智能代币在中短期内可能缺乏可持续的需求侧驱动因素。
-人工智能相关加密代币的表现受到人工智能市场头条新闻的支持,即使在比特币交易走低的日子里,也可以有积极的价格走势
去中心化,一厢情愿的自嗨?
加密AI项目往往主打一个政治正确的点:让AI(模型)更去中心化,更民主。
这就容易让人造成一种先入为主的感觉 ---- 当前的AI行业好像非常的中心化,非得用几家大公司的AI模型不可。
但现实情况并不如此。
Coinbase在这份研报中指出,人工智能领域(与加密人工智能产品相关)最重要的趋势之一是围绕开源模型的持续文化。
Hugging Face,一个知名的人工智能社区协作平台上,已公开了超过 530,000 个模型,范围涉及大型语言模型 LLMs)到生成图像和视频模型,包括 OpenAI、Meta 和 Google 等主要行业参与者以及独立开发人员的创作。一些开源语言模型甚至在吞吐量方面比最先进的闭源模型具有性能优势。
也就是说,当前的AI模型方面,开源模型和商业模型之间存在一定程度的竞争,二者各有所长;充满活力的开源生态系统与竞争激烈的商业部门已有结合,并不是一个完全闭源垄断的局面。
因此,Coinbase 也提出了如下观点:
经常被吹捧的“去中心化解决XX问题”作为AI的一揽子补救措施,还为时过早。它还抢先解决了一个可能不一定存在的中心化问题。
现实情况是,通过许多不同公司和开源项目之间的竞争,人工智能行业在技术和业务垂直领域已经实现了很大程度的去中心化。
由于其决策和共识过程的性质,真正的去中心化协议在技术和社会层面上的进展速度比中心化协议慢。这可能会对在人工智能发展的现阶段寻求平衡去中心化和具有竞争力的产品造成障碍。
业务虽好,道阻且长
Coinbase将加密XAI的交叉机会点分为两大类:
- 用人工智能产品改善加密行业。包括从创建人类可读的交易和改进区块链数据分析,到利用链上模型输出作为无许可协议的一部分等让加密变得更好的使用场景;
- 用加密颠覆人工智能行业。指加密货币旨在通过分散的计算、验证、身份等方法颠覆传统人工智能管道的用例。
对于第一类,Coinbase的研报持肯定态度;
对于第二类,研报持怀疑态度,认为这需要与更广泛的市场和监管力量做艰苦斗争,但这种类型也是大部分加密项目讲自己业务故事的扎堆区,作者将其细分为了这么几个业务方向:
- 数据的收集、存储和工程;
- 模型的训练和推理
- 对模型的输出进行验证
- 对模型的输出进行跟踪
但是,无论是这4个里的哪一个,许多项目在中短期内将面临需求不足,以及来自中心化公司和开源解决方案激烈竞争的严峻挑战。
关于【解读 Coinbase 研报:加密 X AI,一场缺乏真实需求的交易幻景】的延伸阅读
重新理解Marlin:AI下半场的可验证计算L0「新基建」
Marlin是一种可验证云计算服务,利用加密技术保证数据安全,为AI+Web3应用提供低延迟、低成本的解决方案。它基于TEE和ZKP技术,为用户提供通用化的云计算方案,并通过激励机制吸引节点为网络贡献资源。Marlin的愿景是成为AI世界的可验证通用L0,为Oracle预言机、ZK Prover系统、AI人工智能等应用场景提供节点算力和存储等网络资源服务。它可以为AI大模型训练提供安全的计算环境,并为多元化应用场景提供可验证计算中间件。在AI+Web3时代,Marlin有巨大的价值潜力,可能成为未来AI+Web3应用的关键基础设施。
Sam Altman 围绕 OpenAI 打造出一个致富帝国
OpenAI首席执行官奥特曼同时经营副业,但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司,包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务,但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革,包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。
- 在数据上:
现有的集中式数据市场已经在帮助弥合数据提供商和消费者之间的差距,去中心化数据市场解决方案的机会空间夹在开源数据目录和企业级竞争对手之间。如果没有法律结构的支持,纯粹去中心化的数据市场还需要构建标准化的数据接口和管道,验证数据完整性和配置,并解决其产品的冷启动问题。
- 在存储上:
许多专有数据集的所有者有严格的安全性和合规性要求。目前不存在在 Filecoin 和 Arweave 等去中心化存储平台上托管敏感数据的监管途径。
与“三大”云提供商(仅 Amazon Web Services、Google Cloud Platform 和 Microsoft Azure)的粗略比较并不完整。还有数十家成本较低的云公司也在通过提供更便宜的基础服务器机架来争夺市场份额。
去中心化产品与传统和开源竞争对手正面竞争的领域将需要更多时间才能取得进展。
- 在模型训练推理上:
虽然诸如AKT等项目使用量快速增长,但自 2023 年 12 月的峰值以来,支付给网络的费用实际上有所下降,因为可用 GPU 的供应超过了这些资源的需求增长。
也就是说,可能根本没有这么多使用需求。
如果供应方的增长超过了需求方的增长,最终将在哪里出现对原生代币的持续的、由使用驱动的需求?
另外在技术层面上,去中心化计算解决方案也面临着网络带宽限制的挑战,完全执行去中心化计算愿景将是一个艰难的旅程。
- 在模型验证推理上:
例如Bittensor等加密项目旨在通过利用一套算法来评估不同类别的输出。
但随着开源模型规模的缩小,此类解决方案可能会面临需求方面的挑战。在模型可以在本地下载和运行并且通过完善的文件哈希/校验和方法验证内容完整性的世界中,加密项目的这种去信任推理的作用不太明确。
因此,研报整体认为,加密XAI的业务虽好,但道阻且长,需要长期发展才可能有自己的一席之地。
交易叙事,新闻就是价格
加密市场上技术并不是目的,技术更多像是一种手段,以吸引注意力和流动性。
因此即使加密XAI困难重重,也不妨碍围绕技术叙事进行交易。
从 2023 年第四季度开始,许多人工智能代币的表现优于比特币和以太币,也优于英伟达和微软等主要人工智能股票。
研报认为,这是因为人工智能代币通常受益于更广泛的加密市场以及相关人工智能新闻头条的强劲相关表现,其中最明显的例子就是WLD。
- 2023 年 12 月 13 日发布了 World ID 2.0 升级版,这一升级几乎没有引起人们的注意;
- 但在 Sam Altman 于 12 月 15 日推广 Worldcoin 后,WLD 价格拉升50%;
- OpenAI 于 2024 年 2 月 15 日发布的 Sora 导致价格上涨了近三倍;
于是我们就能看到最近时常发生的一种现象 ---- 即使比特币价格下跌,以人工智能为中心的代币也可能会经历价格上涨波动,这会导致比特币下跌期间出现上行波动。
总体而言,报告仍然认为人工智能叙事交易中缺少许多近期持续的需求驱动因素。由于缺乏明确的采用预测和指标,当前的交易更像是一种meme化的投机,这可能无法长期持续。
持续建设性的加密货币市场和表现出色的人工智能行业可能会在一段时间内维持强大的加密货币人工智能叙事;但最终,一个代币的价格将会和其背后的效用趋同——悬而未决的问题是这需要多长时间,以及效用是否会上升以满足价格,反之亦然。
正如加密行业许多人目前所设想的那样,去中心化的人工智能未来并不能得到保证。
因此,Coinbase研报认为谨慎的做法,是谨慎地驾驭这样的市场,更深入地研究基于加密货币的解决方案如何真正提供更好替代方案的;
如果做不到,那么至少需要理解潜在的交易叙事逻辑,以在加密XAI的热潮中,寻找属于自己的确定收益。
免责声明:本文仅代表作者个人观点,不代表链观CHAINLOOK立场,不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险,以及遵守所在国家和地区的相关法律法规。
图文来源:深潮 TechFlow,如有侵权请联系删除。转载或引用请注明文章出处!