AI 经历了半年多的爆发期之后也进入了一个相对瓶颈期，比如Google 对于AI 的搜寻热度断崖式下跌，Chatgpt 使用者增速大幅放缓，AI Output 带有一定的随机性限制了许多落地场景…… 总而言之，我们离传说中的「AGI – 通用人工智慧」 还有非常非常远的距离。
目前硅谷创投圈对于 AI 下一步发展有这么几个判断：
1）没有垂直类模型，只有大模型 + 垂直类应用（一会儿说 Web3+AI 的时候我们会再提到）。
2）边缘装置比如手机端的资料可能会是个壁垒，基于边缘装置的 AI 可能也是个机会。
3）Context 的长度未来可能引发质变（现在用向量资料库作为 AI 记忆体，但上下文长度还是不够）。
Web3+人工智能
AI 和Web3其实是完全不同的两个领域，AI 需要集中的算力+ 海量资料做训练，非常中心化的东西，Web3 则是主打一个去中心化，所以其实不是那么好结合，单奈何叙事上AI 改变生产力，区块链改变生产关系这个论点太过深入人心，所以总会有人前仆后继的去寻找那个结合点，近俩月得聊了不下10 个AI 专案。
在说新的结合赛道之前先说说老的 AI+Web3 专案，基本都是平台型，以 FET 和 AGIX 为代表。怎么说呢，国内专业做AI 的朋友是这么跟我说的– 「以前这些做AI 的现在基本都没啥用了，无论Web2 还是Web3, 很多都是包袱而不是经验。方向和未来就是像OpenAI的这种基于Transformer 的大模型，大模型拯救了AI」，你自己想想。
所以通用平台型不是他所看好的 Web3+AI 的模式，我聊的这 10 多个专案也确实没有这方面，目前看到的基本是如下几个赛道：
1. Bot/Agent/Assistant 模型资产化
2. 算力平台
3. 资料平台
4. 生成式 AI
5. Defi 交易 / 审计 / 风控
6.ZKML
1. Bot/Agent/Assistant 模型资产化
Bot/Agent/Assitant 的资产化这个赛道，聊的最多，是同质化最为严重的一个赛道。简单来说，这些专案多是拿OpenAI 为底层，配合其他的一些开源/ 自研的技术手段，比如TTS（Text to Speech）之类，加上特定的资料，FineTune 出来一些「某一领域比ChatGPT 」 更好的机器人。
比如你可以训练出一个教你英语的美女老师，你可以选择她是美国口音还是伦敦腔，她的性格和聊天的方式也可以调整，这样相对于ChatGPT 比较机械和官方的回答来讲，互动体验会更好一些。圈内前段有个虚拟男友的 DAPP、Web3 女性向游戏，叫 HIM，可以算是这种型别的代表了。
从这个思路出发，你理论上可以有许多个 Bot/Agent 为你服务。比如你想要做水煮鱼，可能会有专门针对这个领域Fine Tune 的Cooking Bot 来教你，给的答案相对ChatGPT 更加专业，你想出门旅行，同样有旅行小助手Bot 给你提供各种出游建议和规划，或是你是专案方，弄一个Discord 的客服机器人，帮你回答社群问题。
2. 算力平台
算力平台的专案没有Bot 模型资产化那么多和卷，但理解起来相对更加容易，都知道AI 需要大量算力，而BTC 和ETH 在过去10 多年已经证明了世界上有这么一种方法，可以自发的，去中心化的，在经济激励和博弈的环境下组织协调起海量的算力去合作+ 竞争的做一件事。现在可以把这种方法用在 AI 上。
业内最出名的两个专案无疑是Together 和Gensyn，一个种子轮就是千万级别融资，一个是A 轮融了4,300 万，这俩之所以要融这么多钱，据说是因为需要资金和算力先训练自己的模型，然后后面会做成算力平台提供给其他的AI 专案做训练用。
而做推理的算力平台融资额相对会小很多，因为本质上就是聚合闲置的GPU 等算力然后提供给有需要的AI 专案做推理用，RNDR 是做渲染算力聚合，这些平台做推理算力聚合。但技术门槛目前都比较模糊，甚至我在想会不会哪天 RNDR 或是 Web3 云端算力平台一只脚就伸到推理型算力平台这边了。
3. 资料平台
这个其实也不难理解，因为 AI 的底层说白就三大件：演算法（模型），算力，资料。
既然演算法和算力都有 「去中心化版本」，那资料肯定也不会缺席，这也是奇绩创坛的创办人陆奇博士在聊 AI 和 Web3 时候最看好的一个方向。
Web3 一直强调资料隐私和主权，也有 ZK 之类的技术来确保资料可靠与完整性，那么基于 Web3 的链上资料训练出来的 AI 肯定和 Web2 链下资料训练出来的应该不一样。所以这条线整体 Make Sense，目前圈内 Ocean 应该算是这个赛道，一级市场也有看到基于 Ocean 做的专门的 AI 资料市场之类的专案。
4. 生成式 AI
简单来说就是拿 AI 画画，或是类似的创作，来服务于其他一些场景。比如做 NFT，或是游戏内的地图生成，NPC 背景生成等等。感觉做 NFT 这条线比较难，因为 AI 生成稀缺性不够，Gamefi 倒是一条路，一级市场也有见到有团队在尝试。
不过前几天看到个讯息，Unity（与虚幻引擎两家一起霸占游戏引擎市场多年）也出了自己的 AI 生成工具 Sentis 和 Muse，现在还在封测阶段，明年估计就正式上线了。怎么说呢，感觉 Web3 圈的游戏 AIGC 类专案，届时可能会被 Unity 降维打击……
5. DeFi 交易 / 审计 / Yield / 风控
这几类都有看到专案在尝试，同质化相对不明显。
1）DeFi 交易 – 这个有点 Tricky，因为如果一个交易策略好用，随着用的人越多，可能策略慢慢也就不怎么好用了，得切换到新策略。再就是好奇 AI 交易机器人未来的胜率如何，会在普通交易者里面处于哪个段位。
2）审计 – 目测应该可以帮助快速审处已有的常见的漏洞，没出现过的新的或是逻辑上的漏洞应该就不行了，这个得进入 AGI 时代应该才有戏。
3）Yield 与风控 – Yield 不难理解，你就想像成一个带 AI 智慧的 YFI 就行，把钱扔给它，AI 根据你的风险偏好自己去找平台 Staking，组 LP，挖矿之类。风控么，感觉单独做成一个专案会很奇怪，以外挂形式服务与各个借贷或是类似 Defi 平台感觉更加 Make Sense。
6.ZKML
一个目前圈内越来越火的赛道，因为结合了两项最为前端的技术，一个圈内的 ZK，一个圈外的 ML（Mechine Learning 机器学习，AI 领域的一个狭义分支）。
理论上来说，与ZK 的结合可以给ML 提供隐私性，完整性和准确性，但是你要硬说有哪些具体使用场景吧，其实很多专案方也想不出来，基建先搭着再说…… 目前唯一真的刚需的是部分医疗领域的机器学习确实有这个病人资料的隐私需求，至于链上游戏完整性或反作弊之类的叙事，总感觉有些牵强。
这个赛道目前来说就那么几个明星专案，像是 Modulus Labs，EZKL，Giza 之类，都是一级市场热捧的物件。没法，因为全世界懂ZK 的人本来就那么几个，懂ZK 同时还要懂ML 的人才就更少了，所以这个赛道的技术门槛相对其他要高了很多，同质化也相对不明显。最后就是，ZKML 大多针对的是推理，而非训练。
关于 AI +Web3 看到的趋势就先聊到这里，喜欢请继续关注。
来源：blocktempo.com
