Crypto AI賽道研討

主持人：Alex，Mint Ventures研究合夥人

嘉賓：

• Max，YouTube頻道"Max的區塊鏈空間"主理人
• Lydia，Particle Network研究員，前Mint Ventures研究員

Crypto AI賽道的理解

Max：Crypto AI主要解決兩個問題:

1. 解決中心化AI的審查問題,通過去中心化提供更符合大衆需求的方案。

2. 引入代幣激勵機制,爲開源AI模型研發提供持續動力。例如Bittensor通過代幣獎勵不同子網研究不同AI方向,將開源與代幣激勵結合。

這種方式可以激勵開源模型發展,避免像OpenAI等公司將研究成果私有化。Crypto爲AI提供了一種新的發展路徑。

Lydia：從商業角度看,Crypto AI目前解決的問題並不明確:

1. AI提高效率的迫切性大於保證公平。

2. AI不一定需要更大的自由,現有AI的信任成本也不一定過高。

3. 用區塊鏈解決數據黑箱等問題,成本可能更高。

Crypto AI目前最大價值可能在於敘事層面,打開了人們的想象力。它可能更適合解決未來的問題,而非現在的問題。我們需要給這兩項技術時間去發展。

Alex：Lydia的觀點是,單從提高效率和增強產品能力看,目前Crypto AI在性能和成本上與成熟的互聯網AI產品相比還有差距。它能否解決當前迫切的商業問題也不確定。但它提供了一套與加密貨幣相結合的新解決方案,是一個前沿實驗,長遠來看可能會產生有趣的發展。

Crypto AI項目分類

Lydia：常見的分類方法是:

1. Crypto賦能AI:可以深入AI技術棧,增強隱私性和透明度,但落地週期較長。目前主要從改進AI產業某個環節切入,如聚合算力資源降低成本等。

2. AI賦能Crypto:更常見,如接入API做Web3聊天機器人,用AI改進Web3項目代碼等。

Max：我將Crypto AI項目分爲三個層次:

1. 架構層:提供底層基礎設施,如Bittensor、Near、Sahara等。

2. 資源層:提供AI開發所需資源,如Akash、Render提供去中心化算力,Vana提供去中心化數據。

3. 應用層:面向用戶的具體應用,如AI agents等。

這種分類方式與現有區塊鏈生態比較接近。

值得關注的Crypto AI項目

Lydia：我最關注Bittensor,原因有三:

1. 強大的敘事能力,團隊形象親和力強,吸引開發者。

2. 機構採用度高,如灰度推出專門的Tao信托基金。

3. 經歷過大規模FUD考驗,展現出強大生命力。

Max：我也最關注Bittensor,補充一些風險點:

1. 代幣發行模式類似比特幣,目前通脹率很高。

2. 雖然目標是去中心化,但目前主網仍由團隊控制。

此外,我還關注:

• Vana:做去中心化數據
• Arweave:做AI computer
• Near:孵化多個AI應用

Crypto AI項目評估策略

Max：我主要從五個方面評估:

1. 團隊(最重要):創始人背景、投資方、社區質量等
2. 產品
3. 盈利能力
4. 未來展望
5. 代幣經濟模型

Lydia：我的評估維度:

1. 團隊:敘事能力和執行力
2. Token設計:是否有實際效用
3. 品牌文化:是否有獨特性和吸引力

Alex：我會關注項目所處的週期階段,判斷是處於短期過度樂觀還是長期過度悲觀階段。最佳投資時機通常是在長期過度悲觀階段。

常用AI工具分享

Lydia：

1. GPT:練習英語、心理諮詢
2. Perplexity:搜索和總結信息
3. 豆包:YouTube視頻總結

Max：

1. ChatGPT:總結長文、生成圖片
2. 計劃用ChatGPT輔助投資研究

Alex：

1. GPT:生成文章圖標、解釋復雜概念
2. Perplexity:替代傳統搜索引擎