分类目录归档：okex欧易交易平台

作者：LJW and 7，翻译：白话区块链

AI与加密货币/区块链的交汇已成为一个被吹捧的故事情节，但其重要性远不止于此。本系列将探讨区块链技术和哲学如何解决由AI引入的许多问题，特别是关于集中化和获取权限，旨在为社会创造更积极的总和结果。

在本系列的第一篇文章中，我们探讨AI与加密货币之间的基本原因。我们将审视技术协调的当前格局，探索加密货币如何促进自下而上的协调，并分析这种模式如何能够在AI价值链的各个环节中应用——从数据收集到推断。

如果您在阅读完本文后产生了更多的问题，并对探索加密货币如何解决AI问题的兴趣增加了，那么我们已经达到了我们的目标！未来的文章将聚焦于AI堆栈的不同部分（如数据、训练、推断等），深入探讨具体的使用案例和解决方案。

1、全程协调

协调是指让人或群体能够顺畅高效地共同合作。它是维系社会、公司和社区的粘合剂。当我们谈论协调时，实际上是在探讨如何使人们能够调整他们的努力和决策，以实现共同的目标。

1）协调有两种主要方式：自上而下和自下而上。

自上而下的协调指的是一种层级结构，顶层的决策影响着整个群体。自上而下的协调类似于金字塔结构。想象一个传统的公司结构：决策由高层执行决定，逐级传递给管理者，最终影响到广大的员工。在这种模式下，只要高层同意，决策就会实施。权力集中在少数人手中。

自下而上的协调指的是一种网络化结构，个体或群体共同参与决策过程。自下而上的协调更像是一个网状结构。想象一个社区，每个人都有发言权：决策由所有参与者的集体输入而产生。权力分布给参与者。

这两种方法各有优势和劣势。自上而下的方式在危机情况下可以快速高效。自下而上的方式可能较为缓慢，但通常会带来更多的参与和创造性解决方案。

这些协调模式是有用的模型，帮助我们理解处理像AI这样能够影响数十亿人的强大技术时所面临的挑战和机遇。

2）当前形势：科技领域的自上而下协调

当今科技领域主要采用的协调模式是自上而下的：少数几家公司及其内部的个人决定资源分配，并设定影响数十亿用户的技术政策。这种模式因其在将团队协调朝特定目标推进和创造显著财务回报方面的效率而持续存在。尽管这与某些理论认为的公司优势如降低交易成本和改善协调有关，但少数几家科技公司对权力的极度集中超出了最初的预期或合理性。

这些优势使得基础设施和Web2公司成为全球最大和最有影响力的公司之一。然而，这种权力集中对用户来说是有代价的。例如，大多数社交媒体平台由少数几家公司主导，他们设定平台政策，影响和规定数十亿用户的体验和奖励。你可以在社交媒体上发布你认为正确的事情，只要”你认为正确的事情”是社交媒体平台政策的范围内。如果超出了这些范围，你的帖子可能会被删除，你的账户可能会被封禁。同样，你也可以利用大型科技平台来谋生，只要他们能从你赚的钱中收取30%（或更多）。在其他社交媒体平台的情况中，获取率是“100%”，因为这些平台上的创作者没有任何收入。

自上而下的协调模式虽然在快速决策和资源分配方面效率高，但会导致零和游戏甚至负和游戏。这意味着公司必须不断努力超越对手以维持其主导地位。例如，如果一个社交媒体平台不利用用户数据来为他们服务，那么另一个竞争对手会这样做。这种压力被股东的期望和资本投资的回报需要加剧。

集中控制权和奖励于顶层的中心化权力结构通常以用户为代价。互联网最初设想的开放、平等和点对点系统的愿景被一组新的、通过可预测的“吸引然后提取”周期获得权力的互联网原生门户所取代。

2、人工智能（AI）领域：重复这一周期？

在人工智能领域，许多常见的因素都在为这一周期重演铺平道路：

• 少数中央集权的实体由少数几个幕后决策者控制，他们决定了有潜力影响数十亿用户的技术政策。

• 激烈的竞争，力图建立最大、最好的模型，以吸引尽可能多的用户。

• 大量资本投入竞赛，面临回本和盈利的压力，这可能会使用户利益和公司最初的理想被边缘化。

我们开始在人工智能领域看到这种情况在上演，尽管人工智能还处于早期阶段（并且正在快速发展）。例如，平台已经开始使用用户生成的数据进行许可以牟利。例如，Reddit与Google达成协议，每年许可Reddit数据达6000万美元。其他公司，如Adobe和Slack，因在其政策中声明可以使用用户数据来训练AI模型而引起用户反对。这在用户和平台之间创建了一种提取式关系，因为这些平台上的有价值数据（消息、互动和帖子）是用户创建的，但用户并没有参与这些数据带来的价值创造。

用户可以使用这些中央巨头基于用户数据创建的AI模型，但隐含地必须同意公司的社会（以及可能的政治）偏好，这可能会影响模型的输出（参见Google Gemini的推出）。相关地，我们看到OpenAI从一个致力于为人类利益开发开源AI的非营利组织，转变为引入外部资本后的封闭和企业化营利结构。这再次创造了一种情况，即存在着优先考虑股东而非用户的激励机制。

AI可能朝向这种提取式模型的风险足以让人质疑是否需要一种不同的协调方法——例如像加密货币所提供的自下而上的方法——即使这种方法可能无法解决所有问题，但或许能够提供更好的解决方案。

3、加密货币实现了自下而上的协调

比特币引入了抗审查的货币概念，这种货币不受中心化实体控制，而是由密码学、软件代码和经济激励所保障，全部建立在一个去中心化网络上。区块链技术构建在开源的理念之上，提供了一种新的自下而上的协调模式。协调的角色从中心化的当事方转变为这些分布式网络的机制和激励设计，所有这些都由开源软件代码驱动，并由点对点系统中的个体和群体共同治理，无需中心化信任。

加密货币结合了三大学术领域的创新：密码学、网络与分布式系统以及博弈论。密码学是数学的一个分支，通过加密和解密信息实现跨网络的信息安全。网络与分布式系统是计算机科学的一个分支，通常被认为是支持点对点基础设施的架构。博弈论——作为机制设计领域的重要组成部分——来自经济学，创造了协调不同当事方实现目标的激励结构，例如系统的连续性和维护。

这些领域的联合创新使得加密货币具备了许多核心原理，从而实现了自下而上的协调：

• 不可变账本：区块链的最重要特征之一是其不可变性。它们是不可更改的真实来源，几乎不可能被删除或篡改。在人工智能驱动的创作时代，区块链提供了唯一的无信任数字产权、所有权和归属证明方法。

• 个体层面的所有权：加密货币使用户能够在互联网上拥有资产，无需信任的平台作为中介来验证所有权，从而在点对点的方式下实现无信任的合约协议。这些资产以Token的形式存在，可编程并且可以代表任意数据或对象。通过基于加密货币的资产所有权，用户不仅完全控制着代表财务产品的Token，还控制着代表其身份、数据和偏好的Token。

• 去中心化：区块链网络是建立在点对点分布式节点网络之上的。在这种背景下，去中心化意味着没有单一实体或司法管辖区能够在不遵循协议的情况下改变、损坏或控制网络。在去中心化系统中，政策由参与者和网络用户共同制定和决定，这些参与者包括用户、验证者、投资者以及更广泛的社区成员，通过开源代码中定义的明确定义的共识机制。

加密货币创造了一个独特的设计空间，允许个体或群体通过代码进行基层方式的协调和强制执行。加密货币并不提倡一种协调形式，而是在哲学上允许用户根据其偏好选择加入或退出。如果用户或一组用户对网络/协议的任何部分表示不同意，他们可以加入另一个网络，并带走他们的资产和数据，在某些情况下甚至可以完全启动一个新网络。

这些基本原理使得无信任、透明和去中心化的生态系统得以形成。AI面临着前面提到的自上而下模式中所描述的中心化风险。我们心中的重要问题是，AI能否从由加密货币实现的自下而上的协调模式中受益？

4、人工智能中的自上而下与自下而上协调方式

为了了解加密的自下而上协调模型如何有助于人工智能，让我们来审视人工智能价值链——创造和部署的不同阶段，并比较每个阶段的自上而下和自下而上的协调方式。

1）数据：人工智能的基础

互联网上的一切都以某种形式存在数据中。任何形式的内容、知识产权、软件代码、图像、内容、音乐，以及您快速划过或点击的方式等都是数据的一种形式，数据是训练AI模型的核心要素之一。如今用于训练基础模型的最流行数据集包括Common Crawl，这是一个拥有1万亿个令牌（1个令牌大约代表1个单词）的数据集，以及ImageNet，一个包含1400万个带标注图像的数据集。

数据协调中的关键问题是数据的获取，其核心包括数据所有权。

在自上而下的协调模型中，人工智能公司通常假定它们可以使用在网上抓取的数据，并宣称这是合理使用，而不需要补偿那些创建数据的用户。然而，创建者、用户和数据所有者对人工智能公司在没有明确许可的情况下训练其数据的合法性和道德性提出了反对意见。有许多诉讼案件（如《纽约时报》诉OpenAI、报纸诉OpenAI、音乐行业诉AI初创公司等），声称人工智能公司不能简单地使用抓取的数据。甚至像X这样的集中平台也关闭了它们的API，并使用速率限制来防止机器人抓取它们的网站。

在由加密经济机制促成的自下而上协调模型中，用户可以在区块链上注册并将其数据、内容和知识产权进行Token化。一旦上链，用户可以设定其他人合法使用其数据的权限，包括决定是否希望因提供数据而获得补偿。这创建了一个系统，使用户在（人工智能）公司使用这些数据时能够获益，同时也允许（人工智能）公司在不像今天那样操作于灰色地带的情况下合法使用这些数据。

2）训练：构建AI模型

训练指的是教导机器学习模型识别其训练数据中的模式和关系的过程。这一步骤的目标是使模型开发出描述其训练数据中不同数据点之间关系的参数或权重。

训练下一代AI模型需要大量的计算资源和时间。具有更多参数的模型需要更多的数据和计算能力来训练（例如更大的GPU集群）。例如，训练GPT-4花费了OpenAI约1亿美元，而训练Gemini Ultra花费了Google约2亿美元。

在训练阶段的一个关键协调问题是如何资助AI模型的开发，考虑到其高昂的成本。

在自上而下的协调模型中，AI的资金主要来自大型科技公司、私人基金和机构投资者。没有大规模众筹的概念可以支持下一代AI模型的开发。这种资金模型优化了少数参与者的利益，很可能以用户为代价。AI公司必须优先考虑股东的利益积累，尽管用户和其他利益相关者（例如第三方开发者）对AI模型最终成功的贡献可能会远远超过他们所获得的回报。

在由加密技术驱动的自下而上协调模型中，任何拥有有用资源的人都可以为AI模型的开发做出贡献，并从这些AI模型所创造的价值中获利。用户可以通过使用加密Token帮助资助AI模型的创建，并拥有该模型的一部分。除了提供资金外，基于加密的系统还可以用来激励用户贡献其他资源，例如他们的数据和/或多余的计算能力，这正是中心化公司筹集资金的重要途径之一。

一些敏锐的怀疑者可能会指出，在AI领域已经存在一个健康的开源运动，它已经在没有加密技术的情况下有效地进行协调。但是，如果缺乏贡献的激励，开源项目将缺乏必要的协调系统，无法实现其长期承诺成为对中心化封闭解决方案的真正替代。换句话说，如今的开源AI缺乏一个能够允许其在全球范围内协调参与者和合作者，并让他们捕捉到他们所创造的价值的激励层。

3）推断：将AI投入实际运用

一旦模型训练完成，用户可以输入提示并要求模型基于提示返回一些输出。模型将根据训练阶段开发的参数来执行此操作。模型生成输出的这一过程称为推断。

在自上而下的协调模型中，私有模型是不透明的系统，不提供用户或社区对模型参数的洞察，它们就像黑匣子一样运作。在过去几年中，我们看到模型中出现了偏见，特别是基于创建模型的组织的基本偏好。例如，当Google推出Gemini时，该模型未能准确地描绘出历史人物的种族和性别特征。许多其他中心化模型也限制了用户基于其管理团队设置的政策提出某些类型的问题。

此外，验证推断是否由正确的模型执行仅仅是信任平台的问题。这种基于信任的系统为潜在操纵敞开了大门，尤其是当AI公司面临将其投资变现的压力时。

在由加密技术驱动的自下而上协调模型中，验证推断是否正确是通过链上验证和可证明的基于密码学的技术实现的，从而实现了无需信任的操作。这种方法可以减少模型输出中的偏见，并增加透明度。

5、协调问题超越AI价值链：所有权、归因和合法性

随着人工智能在我们日常生活中的更深度整合和规模化应用，引发了超越数据、训练和推断技术方面的深层协调问题。

这些问题围绕着两个主要主题展开：所有权与归属，以及合法性与稀缺性。关于所有权与归属：

• 谁拥有由AI模型创建的图像？

• 当图像被重新制作（裁剪、编辑、转换为视频等）并生成衍生作品时会发生什么？

• 如果这些模型的输出用于商业目的，谁应该得到补偿，以及补偿的内容是什么？

• 训练AI模型所使用的数据的创建者/所有者是否应该为模型生成的任何输出获得补偿？

• 如果一个AI代理代表您行事，并使用了基于偏见数据训练的AI模型创建您要用于盈利的内容，如果这个代理出现错误或造成损害，责任应由谁承担？

在合法性和稀缺性问题上：

• 随着AI实现了无限丰富和AI生成内容在互联网上泛滥，我们如何区分“真实”和“虚假”的内容？

• 如果人们对AI伴侣产生情感依赖，谁拥有这些伴侣？谁控制它们？创造者/所有者是否可以从影响个人的决策或行为中受益？

• 随着AI伴侣变得更加个性化，与它们的互动是否应作为平台自由使用的训练数据？

这些问题突显了将传统的所有权、归因和稀缺性概念应用于AI生成内容和互动的复杂性。由加密货币启用的自下而上协调模型可能为解决这些问题提供新的框架，潜在地允许更加细致和公平的所有权和补偿系统。

6、Coda：中世纪的机构，似神的科技

拥有如此强大的技术如人工智能，我们本应该生活在数字复兴时代。然而，我们目睹的是对最智能人工智能的军备竞赛，其中数据最大的利益相关者和贡献者——用户，往往未被优先考虑。

加密货币为自下而上协调提供了一个新的设计空间，对人工智能尤为重要，因为人工智能可能导致权力极度集中化的风险。与以往的技术不同，人工智能集中化带来的风险可能导致负和结果，这使得对替代协调模型的需求更加紧迫（和有趣）。

E.O. 威尔逊曾说：“人类真正的问题在于：我们拥有旧石器时代的情感，中世纪的机构和似神的科技。” 我们现在手持着似神的人工智能技术，然而我们的协调和治理方法仍然根植于过时的、类似中世纪机构的自上而下模型。这种不匹配可能最终成为社会最重要的协调失败。

24 年上半年即将在加密市场的回调与盘整中结束。在本轮周期中，BTC 受 ETF 的影响快速上涨，以及山寨币的表现相对一般，大量踏空 BTC 的散户时常抱怨“没有参与感”。

随着市场继续回调和盘整，尤其是大量山寨币几乎跌去半年来的涨幅，新的机会可能在悄然孕育。

本文结合了市场热点以及对未来趋势的洞察，盘点我们认为下半年值得关注的赛道与标的，观点仅代表当前想法。

01 宏观视角：牛市大概率还未结束，风险和机遇并存

在本轮周期初始阶段，ETF、BTC减半、降息三大核心驱动力已经深入人心。

从去年 10 月份某知名媒体报道“ETF 获批”的乌龙闹剧点燃市场，到 1 月上旬 BTC ETF 正式通过，对于 ETF 的预期差主导了整个市场的走向和博弈；

4 月的 BTC 减半在当时的地缘冲突影响下，并未对市场造成剧烈的波动。

随着前两个核心驱动力的落地，两者很难再成为后续引爆市场的燃料。

因此，围绕降息预期的炒作和降息对流动性的改善将是加密市场后续爆发的最大外部驱动力。

对于大部分加密投资者而言，或许等待每次核心数据的公布而赚取短期波动的利润并不是主要的获利方式，因此我们仅仅需要明确，在更长的时间跨度中，市场仍然有可以期待的降息利好，这足以表明牛市大概率还未结束，回调和盘整意味着机会的孕育。

对比本轮和上轮的盘整幅度，我们可以看到目前的 BTC 在技术形态方面似乎呈现了令人恐慌的“M 顶”，但回调程度远不及上轮首次冲高后超过 50% 的回调幅度，从盘整时间来看也远短于上一轮。

从风险的角度看，BTC 的回调深度相对上轮较小，在叠加外部利空的情况下可能进一步下探，测试更低的支撑位置；

从机会的角度看，“M 顶”的形成时间短、幅度小，降息预期的存在，也预示着市场大可能仍在为下一次攀升蓄力，且市场在 55000 左右遇到了支撑。

长远的机会大概率存在，筹码的成本和本金的保存将是决定下一波收益率的决定因素。

来源：https://www.tradingview.com/chart/mBmRDBZW/?symbol=BINANCE%3ABTCUSDT

02 Meme：本轮最具赔率的赛道

2.1 赛道背景与核心逻辑

$DOGE 和 $SHIB 等 Memecoin 的造富神话在行业经久不衰，也是大量用户选择进入 Crypto 的契机。

Memecoin 在本轮周期中的地位进一步凸显，从资产市值和交易量规模上都已经逐渐发展成了 Crypto 的核心赛道之一。

Meme 的资产总市值已经超过 500 亿美金，伴随着超过 40 亿美金的交易量。

我们还能够从 Memecoin 的排名发现，$DOGE 和 $SHIB 之后的 Meme 都是本轮周期的新星，这进一步佐证了 Memecoin 在本轮周期的优异表现。

来源：https://www.coingecko.com/en/categories/meme-token

从赛道的回报率来看，Memecoin 也是整体回报最高的赛道，力压 RWA、AI、DePIN 等热门叙事。

来源：https://mp.weixin.qq.com/s/uy6y45d9rinmxkoCj7d1EQ

Memecoin 在本轮备受投资者追捧的核心原因在于 Meme 的赔率相对更好。

散户更容易拿到早期筹码：随着加密行业一级投资市场的膨胀，VC 机构对项目估值的抬升在某种程度上挤压了散户的利润空间。相比之下，Meme 的筹码分配相对 fair，散户有更多机会拿到更多筹码，因此在价格上的劣势能够被显著降低。

估值无限制，想象空间大：绝大部分 Memecoin 并没有核心业务，估值全凭借市场想象。

共识门槛低：Memecoin 承载的内容更加浅显易懂，不要求投资者储备大量基本面知识，能够容纳最广大投资者的共识；此外，Memecoin 能够实时捕捉现实中的各种热点，持续吸引注意力和资金

Meme 的风险在于代币供给数量过于庞大，投资者难以寻找确定性的标的，同时 Memecoin 的波动剧烈，高收益的同时也伴随着极高的风险。

2.2 关注标的

Memecoin 难以估值和从其他角度分类，因此下面将从目前市值角度挑选具有赔率的 Memecoin 进行分类。

相比老蓝筹 $DOGE 和 $SHIB，本轮周期崛起的新蓝筹 Meme 具有更好的机会。

2.2.1 蓝筹级别：$PEPE, $WIF

$PEPE 作为本轮周期表现最亮眼的 Memecoin 之一，在本轮的价格表现极为强势。

就 $PEPE 本身的符号而言，作为在各大社交媒体广为流传的 Meme，具有极高的辨识度。

从拉盘共识和文化共识两个角度出发，$PEPE 都是当之无愧的 Memecoin 投资首选。

此外，$PEPE 目前的市值约 53 亿美金，达到巅峰时期的 $DOGE 或者 $SHIB 的市值水平具有一定的赔率和市场接受度。

来源：https://www.coingecko.com/en/coins/pepe

$WIF作为 Solana 最具代表性的 Memecoin 之一，也在本轮周期取得了亮眼的表现。

戴帽子的形象深入人心，衍生出了各种其他戴帽子形象的 Memecoin。

$WIF 在下跌后经常表现出的强势反弹也成为了众多投资的抄底首选标的。

来源：https://www.coingecko.com/en/coins/dogwifhat

2.2.2 中小市值：$DOG, $BOME

$DOG 作为符文赛道的龙一，在未来极有可能随着 BTC 的上涨而爆发。

符文作为铭文的迭代升级方案，有一定概率在未来复现铭文的 fomo 效应，散户的热情更容易激发。

此外，新资产的标签，未落地的上所预期，也可能成为驱动 $DOG 上涨的核心因素。

来源：https://www.coingecko.com/en/coins/dog-go-to-the-moon-runes-2

$BOME 同样是这个周期的代表性资产，3 天上币安打破记录并超过 10 亿美金市值，开启预售打款新风潮，在投资者心中具有重要的地位。

$BOME 仍然是属于 PEPE 类的文化，现在市值约为 $PEPE 的十分之一，虽然出道即巅峰，但并未开启二次行情，因此 $BOME 具有一定的爆发潜力。

来源：https://www.coingecko.com/en/coins/book-of-meme

03 AI /DePIN：搭乘 AI 发展东风

3.1 赛道背景与核心逻辑

ChatGPT 的爆火彻底引爆了整个 AI 行业，AI 对人类的影响已经被拔高到了“第四次工业革命”的级别。AI 的爆火正通过数字经济和硬件需求两个核心逻辑直接且深刻地影响着加密行业。

随着 AI 对人们日常工作生活的渗透率不断提高，算力问题不断凸显，市场对英伟达这样的算力公司不断提高定价。

算力设备同样也是加密行业的核心支柱，在 AI 爆火之前，加密行业对算力的需求一度早就了英伟达的高速发展期。

随着加密行业的发展，算力开始过剩，AI 逐渐成为了这部分闲置算力的需求方。

此外，AI 的任务执行、资源分配以及数据要素的投入等行为完全在数字世界发生，其背后的利益分配难以在传统的框架下清晰界定，本文暂且称为数字经济纠纷。

加密行业具有的记账、Proof of work 等特性天然能够被用来解决这种数字纠纷，来协调 AI 软件、硬件背后的利益纠纷。

AI 的爆火恰好给熊市中的 Crypto 带来了明确的发展方向，各种分布式 AI 算力、算法等项目应运而生，构成了现在的 AI/DePIN 赛道。

随着 AI/DePIN 赛道与 AI 的绑定不断加深，英伟达、OpenAI 等公司的行为开始影响相关代币的市场。随着 AI 技术的进步的热点的诞生，加密行业将跟随着 AI 市场的趋势和热点共同发展。

3.2 关注标的

目前，Crypto x AI 的项目已经渗透到 AI 的各个环节，下面将从算力供给、算法、AI 经济三个方面分析值得关注的标的。

3.2.1 算力供给

目前我们使用的 AI 产品依赖于底层的大语言模型，而大语言模型的构建依赖于底层的 GPU 计算，加密行业既具有算力设备的储备，还可以通过区块链激励来构建算力市场，从而为 AI 提供额外的算力来源。

分布式、闲置算力等关键词是加密行业提供算力的特征，对应的核心叙事是成本的降低。

3.2.1.1 Arweave/AO

Arweave 作为老牌存储项目，凭借着优秀的生态和存储性价比，稳占存储赛道头部玩家的位置。

随着 Arweave 推出计算平台 AO，Arweave 正式进军分布式计算市场，正式成为算力概念代币。

与其他算力项目相比，AO 可以天然利用 Arweave 现成的存储优势，实现计算层和存储层的高度协同，这对于计算链上大模型是至关重要的。

此外，AO 在并行计算、消息传递等方面进行了激进的设计，为 AO 带来了相对于其他分布式计算项目更强的性能。因此，AO 在算力层面实际上具有着天然的优势。

AO 平台的上线以及相关的公关活动（PR）共同推动了 $AR 价格的上涨，这足以看出市场对于 AO 的认可。

随着 Crypto x AI 的持续发展，$AR/AO 将成为最具潜力的 AI 代币之一。

来源：https://www.coingecko.com/en/coins/arweave

3.2.1.2 io.net

近期上线币安的 io.net 是目前当前赛道的当红炸子鸡。io.net 是一个去中心化的 GPU 网络，旨在为机器学习应用程序提供巨大的算力。

他们的愿景是通过从独立数据中心、加密矿工和 Filecoin 等项目组装超过一百万个 GPU 来解锁公平的计算能力访问，让计算更具可扩展性、可访问性和效率。

io.net 提供了一种完全不同的云计算方法，利用分布式和去中心化模型，为用户提供更多的算力控制和灵活性，其服务无需许可且成本低廉。

据 io.net 官方称，他们的算力比如亚马逊 AWS 这样的中心化服务商低 90%，所有这些因素的结合使 io.net 成为去中心化提供商中的佼佼者。

来源：https://www.coingecko.com/en/coins/io-net

3.2.2 算法

3.2.2.1 Bittensor

Bittensor 是一个去中心化网络，将全球的机器学习模型连接起来，通过协同多个专业化的AI模型，提高了解决复杂问题的准确性和效率，这种方法融合了各模型的独特优势，产生了更加精确和全面的结果，相较于传统的单一模型方法，效果更为出色。

Bittensor 还通过打造生态的方式来获得可拓展性，目前其能够容纳 32 个子网来适应各种垂直场景的服务。

Bittensor 在算法和生态上的实践具有较强的创新性，充分利用去中心化激发了 AI。目前市值接近 60 亿，是一个相对稳妥的标的。

来源：https://www.coingecko.com/en/coins/bittensor

3.2.3 AI 经济

3.2.3.1 Artificial Superintelligence Alliance($ASI)

ASI是由 Ocean Protocol($OCEAN)、SingularityNET($AGIX)，以及 Fetch.ai($FET) 三个在相关领域深耕多年的 Crypto x AI 项目合并而来。

三个项目合并之后将建立名为为 Superintelligence Collective 的团队，首席执行官由 SingularityNET 创始人 Ben Goertzel 担任，三个项目仍然作为独立实体运营，但将在共享的 $ASI 代币生态系统和 Superintelligence Collective 的运营中密切合作。

在三家团队发出的合并公告中，没有介绍太多关于合并后将开展的新业务。

根据 Ben Goertzel 在其社交平台表示，合并之后，未来工作方向将围绕 AGI (通用人工智能) 和 ASI (超级人工智能) 展开，这也是合并代币名称为 $ASI 的原因。

代币转换信息：

• Fetch.ai 的代币 $FET 将以 1：1 的比率转换为 $ASI

• SingularityNET 的 $AGIX 和 Ocean Protocol 的 $OCEAN 将以约 1 ：0.433 的比率转换为 $ASI

• $FET 作为联盟的基础代币，将直接更名为 $ASI，并将额外铸造 14.8 亿个代币，其中 8.67 亿 $ASI 分配给 $AGIX 持有者，6.11 亿 $ASI 分配给 $OCEAN 代币持有者

Fetch.ai 在 AI 代理方面已经拥有较为成熟的经验，2 月 20 日，德国电信宣布与 Fetch.ai 基金会达成合作，成为 Fetch.ai 首个企业盟友，同时德国电信子公司 MMS 也将作为 Fetch.ai 验证者。

Fetch 还在在本月初宣布推出规模达 1 亿美元基础设施投资项目「Fetch Compute」，将部署 Nvidia H200、H100 和 A100 GPU，以创建一个可供开发人员和用户利用计算能力的平台。

而 Ocean Prtocol 则在去中心化数据共享、访问控制和支付方面构建了许多模块服务。据介绍，其 Predictoor 产品自推出以来六个月销量就已超过 8 亿美元。

SingularityNET 是这三个项目中合并之前在 AGI 方向探索最多的一个，其 AGI 团队与合作伙伴 TrueAGI 与 OpenCog 社区自 2020 年起专注于开发 AGI 框架 OpenCog Hyperon，SingularityNET 还将在今年推出去中心化人工智能平台，以创建一个适合运行 AGI 系统的基础环境为宗旨。

由三个深耕许久的实力项目合并而来的 ASI 可谓是强强联合的产物，配合业务和经济系统的协同，ASI 有望在 Crypto x AI 领域取得新的引领地位，同时最大化程度捕获外部 AI 技术发展带来的“注意力”增量。

来源：https://www.coingecko.com/en/coins/artificial-superintelligence-alliance

04 RWA：区块链大规模应用的必经之路

4.1 赛道背景与核心逻辑

RWA 是让区块链与现实世界紧密相连的关键赛道，在长期看是区块链大规模应用的必然要求，在短期，则能够为加密市场和现实市场引入大量的资金和流动性。

RWA 涉及将缺乏流动性的现实资产代币化后引入加密市场，引入的 RWA 资产对加密市场意味着更多现实资产的价值支撑，带来潜在的溢出资金，同时 RWA 中的生息资产也能够为加密市场提供增强收益；

对于传统资产而言，则获得了一种新的清算方式，使得缺乏流动性的资产能够被套利或迅速清算。

BTC ETF 带来的资金流入已经充分显示了行业外资金对加密市场的兴趣。随着 RWA 赛道出现有代表性的案例，赛道将进一步爆发。

4.2 关注标的

4.2.1 Ondo Finance

Ondo Finance 是一个 RWA 的去中心化金融平台。通过区块链技术，Ondo Finance 为机构投资者创建了透明的投资基础设施，致力于成为链上的投资银行，提供包括债券、房地产和商品在内的多种 RWA 产品，满足不同投资者的需求。

随着RWA市场的快速增长，Ondo Finance 作为行业的先行者，具有巨大的发展潜力。

其透明和高效的投资平台将继续吸引更多的机构投资者，进一步推动市场的发展和成熟。

来源：https://www.coingecko.com/en/coins/ondo

4.2.2 Swarm Markets

Swarm Markets 是一个提供传统金融数字化和交易解决方案的区块链平台。

它将包括美国国债和股票在内的实物资产进行加密，并提供合法的交易基础设施。

Swarm Markets 是全球首个获得BaFin（德国联邦金融监管局）许可的DeFi平台，确保其运营符合金融市场的监管标准。

随着越来越多的传统金融资产被代币化，Swarm Markets 的合规和多样化交易平台将在未来获得更多的市场份额。

其创新的金融解决方案将继续吸引机构和零售投资者，推动平台的持续发展。

来源：https://www.coingecko.com/en/coins/swarm-markets

05 Social：用户增量潜力与生态孕育

5.1 赛道背景与核心逻辑

无论在 Web2 还是 Web3，社交都是最为重要和核心的赛道。

对于行业来说，社交能够通过用户间自有的关系 onboard 新用户与留存用户；

对于各类服务和应用来说，社交也同样发挥着增长、留存、增加用户粘性的重要功能。

当前，Web3 行业的渗透率仍然有待提高，用户留存与粘性的增加也是其面临的核心问题之一，社交就是解决上述问题的主要方案。

在以往的周期中，大量的社交类项目已经做了尝试，但并没有跑出现象级的应用。

在本轮周期中，各类降低用户门槛的技术、保障性能和体验的基础设施已经空前成熟，社交赛道大可能能够在本轮周期中跑出大机会。

5.2 关注标的

5.2.1 Ton 以及生态内项目

TON (The Open Network) 作为社交巨头 Telegram 官方唯一支持的公链，依托 Telegram 庞大的 9 亿月活跃用户，已经从支付、社交和小程序等多方面打造了独特的叙事。

TON 无需增加用户迁移成本，利用Telegram 现有的社交网络，TON 能够以 Web3 的方式重构 Web2 的商业模式。

目前，TON 生态仍然处于早期建设阶段，但已经涌现出来 Notcoin、Catizen 这类超高流量的项目，展现出了背靠 Telegram 的庞大 userbase。

因此，TON 及其生态在未来将大概率进一步激发 Telegram 的用户活力，孕育更加繁荣的生态。

更多分析可参考 Biteye 往期文章：《从Web2到Web3：TON链如何重塑社交与支付的未来》

来源：https://www.coingecko.com/en/coins/toncoin

5.2.2 Farcaster

Farcaster 是一个去中心化的社交网络协议，利用智能合约和混合存储技术实现用户之间的社交连接、内容分享和数据所有权，同时支持多样化和灵活性的客户端和应用程序开发。

Farcaster 并非新的社交项目，而是久经市场考验最终跑出来的龙头。

Farcaster 在去年 10 月刚刚开放注册，今年凭借着数据、生态和融资方面的多重进展博得了市场关注，坐稳了社交赛道龙头的地位。

更多分析可参考 Biteye 往期文章：《10 亿估值的社交龙头 Farcaster 能否成为牛市新爆点》

5.2.3 UXLINK

UXLINK 是主打熟人社交的 dApp，依托 Telegram 提供的良好体验和“熟人关系裂变”的清晰思路，UXLINK 在数据上取得了显著成绩。在牛市后半场，UXLINK 将有巨大潜力实现用户的爆发。

更多分析可参考 Biteye 往期文章：《一文读懂Web3社交怪兽：UXLINK》

来源：https://x.com/Coin98Analytics/status/1803363935875375499

06 LSD/LSDfi：增量资金的落脚点

6.1 赛道背景与核心逻辑

LSD/LSDfi 是构建 ETH 生态基础收益的核心组件。随着 ETH ETF 通过在即，我们预期大量资金将流入 ETF，推动 ETH 价格的上涨，LSD/LSDfi 将大有可能迎来业务的增长点，成为增量资金直接带动的板块。

6.2 关注标的

6.2.1 Lido/Rocket Pool

作为两个龙头 LSD 玩家，其品牌已深受大户信赖，其在 ETH 质押增量中大概率能够占据绝对的市场份额。

来源：https://www.coingecko.com/en/coins/lido-dao

来源：https://www.coingecko.com/en/coins/rocket-pool

6.2.2 Ether.fi

Ether.fi 是一个完全自托管和去中心化的 LSD 协议。与其它流动性质押协议不同的是，ether.fi 允许参与者在代币质押时保留对其密钥的控制，并且可以随时退出验证器以收回他们的 ETH。

在保证完全自托管的同时，ether.fi 还能自动将用户的存款再质押给 Eigenlayer 来获取收益，进一步保障用户的经济利益。

凭借着完全自托管和 EigenLayer 保证的收益率，Ether.fi 也具有巨大的潜力在下一轮赛道增长时捕获显著的市场份额。

来源：https://www.coingecko.com/en/coins/ether-fi

6.2.3 EigenLayer

作为 Restaking 的开创者，EigenLayer 推动 LSD 进入了 LSDfi，进一步为以太坊生态叠加了一层收益来源。

围绕 EigenLayer 构建的 LST 生态也必将享受 ETH ETF 带来的增量红利。EigenLayer 代币分配目前已经确定，正式上线应该不会太远。

6.2.4 Renzo

Renzo 是一个基于 EigenLayer 的再质押协议，旨在简化最终用户重质押的复杂流程。

它通过引入流动性重质押代币 ezETH，使得质押者无需担心运营商和奖励策略的主动选择和管理，提供更高的收益和流动性。

作为 LRT 生态的重要项目，且有 Binance 的投资背景，Renzo 目前的市值具有一定的吸引力。

来源：https://www.coingecko.com/en/coins/renzo

6.2.5 StakeStone

StakeStone 是一个综合性的 LSD/LSDfi 项目。StakeStone 通过整合主流的质押池、Re-Stake 以及 LSD 的蓝筹 DeFi 策略收益，为所有需要 LSD 流动性的协议提供一种高度适应的质押收益基础资产。

用户可以通过质押 ETH 获取 STONE 代币，进而获得原生质押和蓝筹 DeFi 策略的收益。

此外，StakeStone 还支持多链操作，进一步提高了流动性和适应性，在支持新生态，获取早期奖励方面具有独特的优势。

作为 Binance 投资的项目，StakeStone 在发币后有一定的上 Biancne预期，配合业务的增长，StakeStone 是较大的潜力机会。

6.2.6 Karak

Karak Network 是一个再质押（Restaking）网络，与Eigenlayer等再质押项目类似，同样采用积分模式来激励用户再质押，从而获取多重收益。

2023 年 12 月，Karak 宣布获得了 4800 万美元的 A 轮融资，由 Lightspeed Venture Partners 领投， Mubadala Capital、Coinbase等机构参投，其中 Mubadala Capital 是阿布扎比第二大基金，本轮融资Karak 估值超过 10 亿美元。

强大的团队实力加上亮眼的投资背景，预示着 Karak 具备着与 EigenLayer 掰手腕的实力，也将产生对应的机会。

6.2.7 Pendle Finance

Pendle 通过引入收益代币化和交易，拆分了生息资产的波动和本金，为整个 LSD 带来了新的参与范式。

Pendle 的多抵押池和风险管理功能使用户能够更有效地管理风险并对冲潜在的损失，从而减少了 DeFi 市场中的波动性和风险。

随着 ETH ETF 的通过，大量资金将流入 ETH，推动 LSD/LSDfi 生态的发展，Pendle 作为该生态的一部分，有望从中受益。

来源：https://www.coingecko.com/en/coins/pendle

07 BTC 生态

7.1 赛道背景与核心逻辑

BTC 生态的爆发是本轮周期最亮眼的特征之一。铭文激发了市场对 BTC 生态的热情，BTC L2 与各种资产如雨后春笋般出现，BTC 质押/再质押在 ETH LSD/LSDfi 和 BTC 生态资产的爆火中占据了一定的市场位置，符文作为新的生态资产类型，也在减半时大放异彩。

这些尝试背后有一个共同的出发点：让大量的 BTC 资金活跃起来，打造更加繁荣的生态。

然而，随着 BTC 的回调，以及铭文的造富拉高了市场预期，目前的 BTC 生态相对沉寂。

随着市场好转，我们相信 BTC 生态会再次跑出现象级的生态资产，带来巨大的机会。

7.2 关注机会

7.2.1 符文：$DOG

分析见 Meme 板块。符文的预期受铭文的影响，市场表现可被称为“出道即巅峰”。$DOG 作为符文板块龙头，在具有赔率的同时，也有一定的防守属性，因此符文板块暂时只推荐 $DOG。

7.2.2 其他

大量 BTC L2 并未形成活跃的生态，BTC 质押相关机会仍不明朗，我们推荐等待市场做出选择。

08 总结与展望

加密市场不再是一个单独的市场，而是在逐渐融入到现实经济当中。分析加密市场的机会时，我们愈发感受到行业外部驱动因素的重要性。

在市场变化和调整时，核心需要先明确我们处在一个周期的什么位置，哪些内部和外部因素在驱动着下一轮小周期。

在市场的盘整和回调期间，我们不应该被恐慌所支配，更值得做的是思考下跌背后的机会。

我们总结了这些下半年值得关注的赛道和机会，希望能够为读者提供有益的参考。

乍一看，AI x Web3 似乎是相互独立的技术，各自基于根本不同的原理，并服务于不同的功能。然而，深入探讨会发现，这两种技术有机会平衡彼此的权衡取舍，彼此独特的优势可以相辅相成，互相提升。Balaji Srinivasan在SuperAI大会上精辟地阐述了这一互补能力的概念，激发了对这些技术如何相互作用的详细比较。

Token采用自下而上的方法，从匿名网络朋克的去中心化努力中兴起，十多年的时间通过全球众多独立实体的协同努力不断演变。相反，人工智能是通过自上而下的方法开发的，由少数科技巨头主导。这些公司决定了行业的步伐和动态，进入门槛更多是由资源密集度而非技术复杂性决定的。

这两种技术也有着截然不同的本质。本质上，Token是确定性系统，产生不可改变的结果，如哈希函数或零知识证明的可预测性。这与人工智能的概率性和通常不可预测性形成了鲜明对比。

同样，加密技术在验证方面表现出色，确保交易的真实性和安全性，并建立无信任的流程和系统，而人工智能则专注于生成，创造丰富的数字内容。然而，在创造数字丰富的过程中，确保内容来源和防止身份盗用成为一个挑战。

幸运的是，Token提供了数字丰富的对立概念——数字稀缺性。它提供了相对成熟的工具，可以推广到人工智能技术，以确保内容来源的可靠性并避免身份盗用问题。

Token的一个显著优势是其吸引大量硬件和资本进入协调网络，以服务特定目标的能力。这一能力对消耗大量计算能力的人工智能尤为有利。动员未充分利用的资源以提供更廉价的计算能力，能够显著提升人工智能的效率。

通过将这两大技术进行对比，我们不仅可以欣赏它们各自的贡献，还可以看到它们如何共同开创技术和经济的新道路。每一种技术都能弥补另一种技术的不足，创造一个更加一体化、创新的未来。在这篇博客文章中，我们旨在探索新兴的 AI x Web3 产业图谱，重点介绍这些技术交叉点上一些新兴的垂直领域。

Source: IOSG Ventures

2.1 计算网络

行业图谱首先介绍了计算网络，它们试图解决受限的GPU供应问题，并尝试以不同的方式降低计算成本。值得重点关注的是以下几项：

• 非统一GPU互操作性：这是一个非常雄心勃勃的尝试，技术风险和不确定性都很高，但如果成功，将有可能创造出规模和影响巨大的成果，使所有计算资源变得可互换。本质上，这个想法是构建编译器和其他前提条件，使得在供应端可以插入任何硬件资源，而在需求端，所有硬件的非统一性将完全被抽象化，这样你的计算请求可以路由到网络中的任何资源。如果这一愿景成功，将降低目前对AI开发者完全主导的CUDA软件的依赖。尽管技术风险很高，许多专家对这种方法的可行性持高度怀疑态度。

• 高性能GPU聚合：将全球最受欢迎的GPU整合到一个分布式且无权限的网络中，而无需担心非统一GPU资源之间的互操作性问题。

• 商品消费级GPU聚合：指向聚合一些性能较低但可能在消费设备中可用的GPU，这些GPU是供应端最未充分利用的资源。它迎合了那些愿意牺牲性能和速度以获得更便宜、更长训练过程的人群。

2.2 训练与推理

计算网络主要用于两个主要功能：训练和推理。对这些网络的需求来自于 Web 2.0 和 Web 3.0 项目。在 Web 3.0 领域，像 Bittensor 这样的项目利用计算资源进行模型微调。在推理方面，Web 3.0 项目强调过程的可验证性。这一重点催生了可验证推理作为一个市场垂直领域，项目们正在探索如何将 AI 推理集成到智能合约中，同时保持去中心化的原则。

2.3 智能代理平台

接下来是智能代理平台，图谱概述了这一类别中的初创公司需要解决的核心问题：

• 代理互操作性和发现及通信能力：代理之间能够互相发现和通信。

• 代理集群构建和管理能力：代理能够组建集群并管理其他代理。

• AI代理的所有权和市场：为AI代理提供所有权和市场。

这些特性强调了灵活和模块化系统的重要性，这些系统可以无缝集成到各种区块链和人工智能应用中。AI代理有可能彻底改变我们与互联网的互动方式，我们相信代理将利用基础设施来支持其操作。我们设想AI代理在以下几方面依赖基础设施：

• 利用分布式抓取网络访问实时网络数据

• 使用DeFi渠道进行代理间支付

• 需要经济押金不仅是为了在不当行为发生时进行惩罚，还可以提高代理的可发现性（即在发现过程中利用押金作为经济信号）

• 利用共识决定哪些事件应导致削减

• 开放的互操作性标准和代理框架以支持构建可组合的集体

• 根据不可变的数据历史来评估过去的表现，并实时选择合适的代理集体

Source: IOSG Ventures

2.4 数据层

在AI x Web3 的融合中，数据是一个核心组成部分。数据是AI竞争中的战略资产，与计算资源一道构成关键资源。然而，这一类别往往被忽视，因为业界的大部分注意力都集中在计算层面。实际上，原语在数据获取过程中提供了许多有趣的价值方向，主要包括以下两个高层次方向：

• 访问公共互联网数据

• 访问被保护的数据

访问公共互联网数据：这一方向旨在构建分布式爬虫网络，可以在几天内爬取整个互联网，获取海量数据集，或实时访问非常具体的互联网数据。然而，要爬取互联网上的大量数据集，网络需求非常高，至少需要几百个节点才能开始一些有意义的工作。幸运的是，Grass，一个分布式爬虫节点网络，已经有超过200万个节点积极向网络共享互联网带宽，目标是爬取整个互联网。这显示了经济激励在吸引宝贵资源方面的巨大潜力。

尽管Grass在公共数据方面提供了公平的竞争环境，但仍然存在利用潜在数据的难题——即专有数据集的访问问题。具体来说，仍有大量数据由于其敏感性质而以隐私保护的方式保存。许多初创公司正在利用一些密码学工具，使AI开发者能够在保持敏感信息私密的同时，利用专有数据集的基础数据结构来构建和微调大型语言模型。

联邦学习、差分隐私、可信执行环境、全同态和多方计算等技术提供了不同级别的隐私保护和权衡。Bagel的研究文章（https://blog.bagel.net/p/with-great-data-comes-great-responsibility-d67）总结了这些技术的优秀概述。这些技术不仅在机器学习过程中保护数据隐私，还可以在计算层面实现全面的隐私保护AI解决方案。

2.5 数据与模型来源

数据和模型来源技术旨在建立可以向用户保证他们正在与预期模型和数据交互的过程。此外，这些技术还提供真实性和来源的保证。以水印技术为例，水印是模型来源技术之一，它将签名直接嵌入到机器学习算法中，更具体地说是直接嵌入到模型权重中，这样在检索时可以验证推理是否来自预期的模型。

2.6 应用

在应用方面，设计的可能性是无限的。在上面的行业版图中，我们列出了一些随着AI技术在Web 3.0领域的应用而特别令人期待的发展案例。由于这些用例大多是自我描述的，我们在此不作额外评论。然而，值得注意的是，AI与Web 3.0的交汇有可能重塑领域的许多垂直领域，因为这些新原语为开发者创造创新用例和优化现有用例提供了更多的自由度。

总结

AI x Web3 融合带来了充满创新和潜力的前景。通过利用每种技术的独特优势，我们可以解决各种挑战，并开辟新的技术路径。在探索这个新兴行业时， AI x Web3之间的协同作用可以推动进步，重塑我们的未来数字体验和我们在网络上的互动方式。

数字稀缺与数字丰富的融合、未充分利用资源的动员以实现计算效率，以及安全、隐私保护的数据实践的建立，将定义下一代技术演进的时代。

然而，我们必须认识到，这个行业仍处于起步阶段，目前的行业版图可能在短时间内变得过时。快速的创新节奏意味着今天的前沿解决方案可能很快会被新的突破所取代。尽管如此，所探讨的基础概念——如计算网络、代理平台和数据协议——突显了人工智能与Web 3.0融汇的巨大可能性。