原文標(biāo)題:《Flipping the AI coin》

原文作者:Gagra Ventures

原文編譯:Fairy,ChainCatcher

編者按:作者透過(guò)技術(shù)的光環(huán),看到了 Web3 項(xiàng)目在推進(jìn) AI 發(fā)展中所面臨的資本、硬件等多重障礙。盡管 Web3 的初衷是打破中心化,實(shí)現(xiàn)去中心化的理想,但在實(shí)際操作中,卻往往受到市場(chǎng)敘事和代幣激勵(lì)的左右,偏離了初衷。

ChainCatcher 將原文編譯如下:

AI 和 Web3 結(jié)合的呼聲越來(lái)越高,但這不再是一篇樂(lè)觀的風(fēng)投文章。我們對(duì)合并這兩種技術(shù)感到樂(lè)觀,但下面的文字是一種呼吁。否則,這種樂(lè)觀將無(wú)法實(shí)現(xiàn)。

為什么?因?yàn)殚_(kāi)發(fā)和運(yùn)行最佳 AI 模型需要巨額資本支出,最先進(jìn)的硬件通常難以獲得,而且需要非常特定領(lǐng)域的研發(fā)。像大多數(shù) Web3 人工智能項(xiàng)目正在做的那樣,通過(guò)加密激勵(lì)來(lái)眾包這些資源并不足以抵消控制 AI 發(fā)展的大公司投入的數(shù)百億美元。鑒于硬件方面的限制,這可能是首個(gè)大型軟件范式,在現(xiàn)有組織之外的聰明和有創(chuàng)造力的工程師都無(wú)法打破它。

軟件正在以越來(lái)越快的速度“吞噬著世界”,很快將隨著人工智能的加速而指數(shù)增長(zhǎng)。當(dāng)前情況下,所有這些“蛋糕”都流向了科技巨頭,而最終用戶(hù),包括政府和大型企業(yè),則更加受制于它們的權(quán)力。

錯(cuò)位的激勵(lì)機(jī)制

所有這一切發(fā)生在一個(gè)極不合適的時(shí)機(jī)——90%的去中心化網(wǎng)絡(luò)參與者都在忙著追求由敘事驅(qū)動(dòng)的輕松法幣收益的“金蛋”。

開(kāi)發(fā)人員正跟隨我們行業(yè)的投資者,而不是反過(guò)來(lái)。這種情況有各種表現(xiàn)形式,從公開(kāi)承認(rèn)到更微妙的潛意識(shí)動(dòng)機(jī),但敘事和圍繞它們形成的市場(chǎng)驅(qū)動(dòng)了 Web3 中許多決策。和傳統(tǒng)反射泡沫一樣,參與者太過(guò)專(zhuān)注于內(nèi)部世界,無(wú)法注意到外部世界,除非這有助于進(jìn)一步推動(dòng)這一周期的敘事。而人工智能顯然是最大的敘事,因?yàn)樗旧碚幱谂畈l(fā)展的階段。

我們與人工智能和加密貨幣交叉領(lǐng)域的數(shù)十個(gè)團(tuán)隊(duì)進(jìn)行過(guò)交流,可以確認(rèn)他們中的許多人都是非常有能力、以使命為導(dǎo)向且充滿(mǎn)激情的建設(shè)者。但人的本性就是如此,在面對(duì)誘惑時(shí),我們往往會(huì)屈服于它們,然后在事后將這些選擇合理化。

易于流動(dòng)性的路徑一直是加密行業(yè)的歷史詛咒——目前在這一點(diǎn)上,它已經(jīng)拖延了多年的發(fā)展和有價(jià)值的采用。它甚至讓最忠實(shí)的加密貨幣信仰者也轉(zhuǎn)向 “拉高代幣”的方向。合理化的理由是,持有代幣的建設(shè)者可能會(huì)有更好的機(jī)會(huì)。

機(jī)構(gòu)資本和散戶(hù)資本的低復(fù)雜性為建設(shè)者提供了機(jī)會(huì),讓他們可以脫離現(xiàn)實(shí)提出主張,同時(shí)還能從估值中獲益,就好像這些主張已經(jīng)實(shí)現(xiàn)了一樣。這些過(guò)程的結(jié)果實(shí)際上是根深蒂固的道德風(fēng)險(xiǎn)和資本破壞,很少有這樣的策略能在長(zhǎng)期內(nèi)起效。需求是一切發(fā)明之母,當(dāng)需求消失時(shí),發(fā)明也就消失了。

這種情況發(fā)生的時(shí)機(jī)簡(jiǎn)直不能再糟糕。當(dāng)所有最聰明的科技企業(yè)家、國(guó)家行為者和大小企業(yè)都在競(jìng)相確保從人工智能革命中分得一杯羹時(shí),加密貨幣的創(chuàng)始人和投資者卻選擇了 “快速 10 倍”。而在我們看來(lái),這才是真正的機(jī)會(huì)成本。

Web3 人工智能前景概述

鑒于上述的激勵(lì)機(jī)制, Web3 人工智能項(xiàng)目的分類(lèi)實(shí)際上可以分為:

• 合理的(也可以細(xì)分為現(xiàn)實(shí)主義者和理想主義者)
• 半合理的
• 造假的

從根本上說(shuō),我們認(rèn)為項(xiàng)目建設(shè)者應(yīng)該清楚地知道如何能跟上他們的 Web2 競(jìng)爭(zhēng)對(duì)手,并且知道哪些領(lǐng)域是可以競(jìng)爭(zhēng)的,哪些是癡心妄想,盡管這些癡心妄想的領(lǐng)域可能會(huì)向風(fēng)險(xiǎn)投資公司和公眾推銷(xiāo)。

我們的目標(biāo)是能夠在此時(shí)此地參與競(jìng)爭(zhēng)。否則,人工智能的發(fā)展速度可能會(huì)把 Web3 甩在后面,而世界則會(huì)躍升到西方企業(yè)人工智能與中國(guó)國(guó)家人工智能之間的 “ Web4 ”。那些不能夠及時(shí)具備競(jìng)爭(zhēng)力并依賴(lài)分布式技術(shù)在更長(zhǎng)時(shí)間范圍內(nèi)追趕的人過(guò)于樂(lè)觀,不足以受到認(rèn)真對(duì)待。

顯然,這只是一個(gè)非常粗略的概括,即使是 “造假者 ”群體中也至少有幾個(gè)認(rèn)真的團(tuán)隊(duì)(也許更多的只是妄想者)。但這篇文章是一篇呼吁書(shū),因此我們無(wú)意客觀,而是呼吁讀者要有緊迫感。

合理的:

開(kāi)發(fā)“人工智能上鏈”中間件的解決方案創(chuàng)始人不多,他們明白目前去中心化訓(xùn)練或推理用戶(hù)實(shí)際需要的模型(即尖端技術(shù))是不可行的,甚至是不可能的。

因此,找到一種方法將最佳的中心化模型與鏈上環(huán)境連接起來(lái),讓其從復(fù)雜的自動(dòng)化中受益,對(duì)他們來(lái)說(shuō)是一個(gè)足夠好的第一步。目前,可以托管 API 訪(fǎng)問(wèn)點(diǎn)的硬件隔離 TEE (“空氣隔離”處理器)、雙向預(yù)言機(jī)(用于雙向索引鏈上和鏈下數(shù)據(jù))、以及為代理提供可驗(yàn)證的鏈下計(jì)算環(huán)境的協(xié)處理器架構(gòu),似乎是目前最好的解決方案。

還有一種使用零知識(shí)證明( ZKPs )對(duì)狀態(tài)變化進(jìn)行快照(而不是驗(yàn)證完整計(jì)算)的協(xié)處理器架構(gòu),我們認(rèn)為中期內(nèi)也是可行的。

對(duì)于同樣的問(wèn)題,更理想化的方法是嘗試驗(yàn)證鏈下推理,以使其在信任假設(shè)方面與鏈上計(jì)算保持一致。

我們認(rèn)為,這樣做的目標(biāo)應(yīng)該是讓人工智能在一個(gè)統(tǒng)一的運(yùn)行環(huán)境中執(zhí)行鏈上和鏈下任務(wù)。然而,大多數(shù)推理可驗(yàn)證性的支持者談?wù)摰氖恰靶湃文Ｐ蜋?quán)重”等棘手的目標(biāo),這些目標(biāo)實(shí)際上在幾年內(nèi)(如果有的話(huà))才會(huì)變得相關(guān)。最近,這個(gè)陣營(yíng)的創(chuàng)始人開(kāi)始探索替代方法來(lái)驗(yàn)證推理,但最初都是基于 ZKP 的。雖然很多聰明的團(tuán)隊(duì)正在開(kāi)展 ZKML (即零知識(shí)機(jī)器學(xué)習(xí))的研究工作,但他們預(yù)計(jì)加密優(yōu)化的速度會(huì)超過(guò)人工智能模型的復(fù)雜性和計(jì)算要求,冒了太大的風(fēng)險(xiǎn)。因此,我們認(rèn)為他們目前不適合競(jìng)爭(zhēng)。不過(guò),最近的一些進(jìn)展還是很有趣的,不應(yīng)該被忽視。

半合理的:

消費(fèi)者應(yīng)用程序使用封裝了閉源和開(kāi)源模型的包裝器(例如,用于圖像生成的穩(wěn)定擴(kuò)散或 Midjourney )。其中一些團(tuán)隊(duì)率先進(jìn)入市場(chǎng),并獲得了實(shí)際用戶(hù)的認(rèn)可。因此,一概稱(chēng)其為造假者并不公平,但只有少數(shù)幾個(gè)團(tuán)隊(duì)正在深入思考如何以去中心化的方式發(fā)展其底層模型,并在激勵(lì)設(shè)計(jì)方面進(jìn)行創(chuàng)新。在代幣部分,也有一些有趣的治理/所有權(quán)設(shè)計(jì)。但是,這類(lèi)項(xiàng)目中的大多數(shù)只是在諸如 OpenAI API 的基礎(chǔ)上,在原本中心化的包裝上打上一個(gè)代幣,以獲得估值溢價(jià)或?yàn)閳F(tuán)隊(duì)帶來(lái)更快的流動(dòng)性。

上述兩個(gè)陣營(yíng)都沒(méi)有解決的問(wèn)題是去中心化環(huán)境下大型模型的訓(xùn)練和推理。目前,如果不依靠緊密連接的硬件集群,就無(wú)法在合理的時(shí)間內(nèi)訓(xùn)練出基礎(chǔ)模型。鑒于競(jìng)爭(zhēng)水平,“合理的時(shí)間 ”是關(guān)鍵因素。

最近已經(jīng)有一些有前途的研究成果,從理論上講,“微分?jǐn)?shù)據(jù)流”( Differential Data Flow )等方法將來(lái)可能會(huì)擴(kuò)展到分布式計(jì)算網(wǎng)絡(luò),以提高其容量(隨著網(wǎng)絡(luò)能力趕上數(shù)據(jù)流要求)。但是,有競(jìng)爭(zhēng)力的模型訓(xùn)練仍然需要本地化集群之間的通信,而不是單一的分布式設(shè)備和尖端計(jì)算(零售 GPU 越來(lái)越缺乏競(jìng)爭(zhēng)力)。

通過(guò)縮小模型大小來(lái)實(shí)現(xiàn)本地化推理(去中心化的兩種方法之一)的研究最近也取得了進(jìn)展,但在 Web3 中還沒(méi)有利用它的現(xiàn)有協(xié)議。

去中心化訓(xùn)練和推理的問(wèn)題邏輯上將我們帶到了三個(gè)陣營(yíng)中的最后一個(gè),也是迄今為止最重要的一個(gè),因此對(duì)我們來(lái)說(shuō)是最具情感觸發(fā)性的一個(gè)。

造假的:

基礎(chǔ)設(shè)施應(yīng)用主要集中在分散服務(wù)器領(lǐng)域,提供裸硬件或分散模型訓(xùn)練/托管環(huán)境。還有一些軟件基礎(chǔ)設(shè)施項(xiàng)目正在推動(dòng)聯(lián)盟學(xué)習(xí)(分散模型訓(xùn)練)等協(xié)議,或者那些將軟件和硬件組件結(jié)合到一個(gè)平臺(tái)的項(xiàng)目,在這個(gè)平臺(tái)上,人們基本上可以端到端地訓(xùn)練和部署他們的去中心化模型。它們中的大多數(shù)都缺乏實(shí)際解決所述問(wèn)題所需的復(fù)雜性,“代幣激勵(lì)+市場(chǎng)助力 ”的天真想法在這里占了上風(fēng)。我們?cè)诠埠退饺耸袌?chǎng)上看到的解決方案,沒(méi)有一個(gè)能在此時(shí)此地實(shí)現(xiàn)有意義的競(jìng)爭(zhēng)。有些方案可能會(huì)發(fā)展成為可行的(但小眾的)產(chǎn)品,但我們現(xiàn)在需要的是新鮮的、有競(jìng)爭(zhēng)力的方案。而這只能通過(guò)解決分布式計(jì)算瓶頸的創(chuàng)新設(shè)計(jì)來(lái)實(shí)現(xiàn)。在訓(xùn)練中,不僅速度是一個(gè)大問(wèn)題,已完成工作的可驗(yàn)證性和培訓(xùn)工作負(fù)載的協(xié)調(diào)也是一個(gè)大問(wèn)題,這就增加了帶寬瓶頸。

我們需要一套有競(jìng)爭(zhēng)力的、真正去中心化的基礎(chǔ)模型,它們需要去中心化的訓(xùn)練和推理才能發(fā)揮作用。失去人工智能可能會(huì)徹底否定自以太坊出現(xiàn)以來(lái) “去中心化世界計(jì)算機(jī) ”所取得的一切成就。如果計(jì)算機(jī)變成了人工智能,而人工智能又是中心化的,那么除了某種反烏托邦式的版本之外,世界計(jì)算機(jī)將無(wú)從談起。

訓(xùn)練和推理是人工智能創(chuàng)新的核心。當(dāng)人工智能世界的其他領(lǐng)域都在向更緊密的架構(gòu)發(fā)展時(shí), Web3 需要一些正交的解決方案來(lái)與之競(jìng)爭(zhēng),因?yàn)檎娓?jìng)爭(zhēng)的可行性正變得越來(lái)越低。

問(wèn)題的規(guī)模

一切都與計(jì)算有關(guān)。對(duì)訓(xùn)練和推理的投入越多,結(jié)果就越好。是的,這里可能會(huì)有一些調(diào)整和優(yōu)化,那里也可能有一些調(diào)整和優(yōu)化,計(jì)算本身并不是同質(zhì)的?，F(xiàn)在有各種各樣的新方法來(lái)克服傳統(tǒng)馮-諾依曼架構(gòu)處理單元的瓶頸,但這一切仍然歸結(jié)為你能在多大的內(nèi)存塊上做多少次矩陣乘法,速度有多快。

這就是為什么我們會(huì)看到所謂的 “超大規(guī)模 ”在數(shù)據(jù)中心方面進(jìn)行如此強(qiáng)大的建設(shè),它們都希望創(chuàng)建一個(gè)完整的堆棧,頂部是人工智能模型,底部是為其提供動(dòng)力的硬件: OpenAI (模型)+微軟(計(jì)算)、 Anthropic (模型)+ AWS (計(jì)算)、谷歌(兩者都有)和 Meta (通過(guò)加倍努力建設(shè)自己的數(shù)據(jù)中心,兩者都越來(lái)越多)。還有更多的細(xì)微差別、相互作用動(dòng)態(tài)和相關(guān)方,但我們就不一一列舉了?？偟膩?lái)說(shuō),超大規(guī)模企業(yè)正在前所未有地投資數(shù)十億美元用于數(shù)據(jù)中心建設(shè),并在其計(jì)算和人工智能產(chǎn)品之間創(chuàng)造協(xié)同效應(yīng),隨著人工智能在全球經(jīng)濟(jì)中的普及,預(yù)計(jì)將產(chǎn)生巨大的收益。

讓我們來(lái)看看這 4 家公司僅在今年的預(yù)期建設(shè)水平:

英偉達(dá)TM( NVIDIA ?)公司首席執(zhí)行官黃仁勛( Jensen Huang )曾提出,未來(lái)幾年將向人工智能加速領(lǐng)域投入總計(jì) 1 萬(wàn)億美元的資金。最近,他將這一預(yù)測(cè)翻了一番,增加到 2萬(wàn)美元,據(jù)稱(chēng)這是因?yàn)樗吹搅酥鳈?quán)企業(yè)的興趣。

Altimeter 公司的分析師預(yù)計(jì),2024 年和 2025 年全球與人工智能相關(guān)的數(shù)據(jù)中心支出將分別達(dá)到 1600 億美元和 2000 多億美元。

現(xiàn)在,將這些數(shù)字與 Web3 為獨(dú)立數(shù)據(jù)中心運(yùn)營(yíng)商提供的激勵(lì)進(jìn)行比較,以促使它們?cè)谧钚碌娜斯ぶ悄苡布蠑U(kuò)大資本支出:

當(dāng)前,所有去中心化物理基礎(chǔ)設(shè)施( DePIn )項(xiàng)目的總市值目前約為 400 億美元,主要是由相對(duì)流動(dòng)性較低且以投機(jī)為主的代幣構(gòu)成。基本上,這些網(wǎng)絡(luò)的市值等于其貢獻(xiàn)者的總資本支出的上限估計(jì),因?yàn)樗鼈冇么鷰艁?lái)激勵(lì)這種建設(shè)。然而,當(dāng)前的市值幾乎沒(méi)有用處,因?yàn)樗呀?jīng)發(fā)行了。

因此,讓我們假設(shè)在未來(lái) 3-5 年內(nèi),作為激勵(lì)措施,市場(chǎng)上還會(huì)出現(xiàn)另外 800 億美元(現(xiàn)有價(jià)值的 2 倍)的私有和公開(kāi) DePIn 代幣資本,并假設(shè)這些代幣將 100% 用于人工智能用例。即使我們將這一非常粗略的估計(jì)除以 3(年),并將其美元價(jià)值與僅在 2024 年投入的超大規(guī)模公司的現(xiàn)金價(jià)值進(jìn)行比較,很明顯,將代幣激勵(lì)措施強(qiáng)加給一堆 “去中心化 GPU 網(wǎng)絡(luò) ”項(xiàng)目是不夠的。

此外,還需要數(shù)十億美元的投資者需求來(lái)吸收這些代幣,因?yàn)檫@些網(wǎng)絡(luò)的運(yùn)營(yíng)商將大量挖出的代幣出售以支付資本和運(yùn)營(yíng)支出的重大成本。還需要更多的資金來(lái)推動(dòng)這些代幣的上漲,并激勵(lì)擴(kuò)大建設(shè),以超越超大規(guī)模公司。

然而,對(duì) Web3 服務(wù)器目前的運(yùn)行方式有深入了解的人可能會(huì)認(rèn)為,“去中心化物理基礎(chǔ)設(shè)施 ”的很大一部分實(shí)際上是運(yùn)行在這些超大規(guī)模公司的云服務(wù)上。當(dāng)然, GPU 和其他人工智能專(zhuān)用硬件需求的激增正在推動(dòng)更多的供應(yīng),這最終會(huì)使云租賃或購(gòu)買(mǎi)變得