Crypto AI 賽道的機遇與挑戰

對 Crypto AI 的理解

Crypto AI 試圖通過去中心化和代幣激勵機制解決中心化 AI 的一些問題:

1. 利用去中心化解決審查等中心化問題
2. 通過代幣激勵開源模型和開放性發展
3. 獎勵開源模型,推動 AI 技術的開放發展

然而,Crypto AI 目前在商業價值上仍存在一些挑戰:

1. 提高效率的迫切性大於保證公平性
2. 現有 AI 的信任成本並不高
3. 上鏈解決方案成本可能更高

Crypto AI 目前最大的價值可能在於敘事層面,打開了人們的想象力。它是一個長期的外生敘事,需要時間來發展和探索未來的應用場景。

Crypto AI 賽道內的項目分類

常見的分類方法有:

1. AI 賦能 Crypto vs Crypto 賦能 AI
2. 架構層、資源層、應用層

架構層:提供底層基礎設施,如 Bittensor、Near、Sahara 等 資源層:提供 AI 開發所需資源,如算力(Akash、Render)、數據(Vana)等
應用層:面向用戶的應用,如 AI agents 等

Crypto AI 的機遇與挑戰

主要挑戰:

1. 項目普遍處於早期階段,尚未找到強有力的商業模式
2. 市場情緒與技術進展之間存在錯配
3. 缺乏深入、有建設性的討論和質疑

未來機遇:

1. 探索降低 AI 資源獲取成本的方案
2. AI Agent 向實用性方向發展
3. 關注非加密領域 AI 進展,尤其是倫理相關話題
4. AGI 出現後可能帶來的機遇

值得關注的 Crypto AI 項目

Bittensor (TAO):

• 強大的敘事能力和團隊形象
• 獲得機構青睞
• 經歷大規模 FUD 後展現生命力
• 構建了初步的 AI 生態系統

其他值得關注的項目:

• Vana:去中心化數據
• Arweave:AI computer
• Near:鏈抽象和 AI 應用孵化

Crypto AI 項目的評估策略

1. 團隊:背景、執行力、敘事能力
2. Token 經濟模型和實用性
3. 項目品牌、文化和社區
4. 產品和盈利能力
5. 項目所處發展階段(過度樂觀/悲觀)

常用 AI 工具分享

1. ChatGPT:語言練習、心理諮詢、資料總結、內容創作
2. Perplexity:快速搜索和信息整理
3. 豆包:YouTube 視頻總結
4. Midjourney:圖片生成

AI 工具在教育、搜索等領域展現出巨大潛力,未來可能帶來生產力的顯著提升。