Crypto AI 赛道的机遇与挑战

对 Crypto AI 的理解

Crypto AI 试图通过去中心化和代币激励机制解决中心化 AI 的一些问题:

1. 利用去中心化解决审查等中心化问题
2. 通过代币激励开源模型和开放性发展
3. 奖励开源模型,推动 AI 技术的开放发展

然而,Crypto AI 目前在商业价值上仍存在一些挑战:

1. 提高效率的迫切性大于保证公平性
2. 现有 AI 的信任成本并不高
3. 上链解决方案成本可能更高

Crypto AI 目前最大的价值可能在于叙事层面,打开了人们的想象力。它是一个长期的外生叙事,需要时间来发展和探索未来的应用场景。

Crypto AI 赛道内的项目分类

常见的分类方法有:

1. AI 赋能 Crypto vs Crypto 赋能 AI
2. 架构层、资源层、应用层

架构层:提供底层基础设施,如 Bittensor、Near、Sahara 等 资源层:提供 AI 开发所需资源,如算力(Akash、Render)、数据(Vana)等
应用层:面向用户的应用,如 AI agents 等

Crypto AI 的机遇与挑战

主要挑战:

1. 项目普遍处于早期阶段,尚未找到强有力的商业模式
2. 市场情绪与技术进展之间存在错配
3. 缺乏深入、有建设性的讨论和质疑

未来机遇:

1. 探索降低 AI 资源获取成本的方案
2. AI Agent 向实用性方向发展
3. 关注非加密领域 AI 进展,尤其是伦理相关话题
4. AGI 出现后可能带来的机遇

值得关注的 Crypto AI 项目

Bittensor (TAO):

• 强大的叙事能力和团队形象
• 获得机构青睐
• 经历大规模 FUD 后展现生命力
• 构建了初步的 AI 生态系统

其他值得关注的项目:

• Vana:去中心化数据
• Arweave:AI computer
• Near:链抽象和 AI 应用孵化

Crypto AI 项目的评估策略

1. 团队:背景、执行力、叙事能力
2. Token 经济模型和实用性
3. 项目品牌、文化和社区
4. 产品和盈利能力
5. 项目所处发展阶段(过度乐观/悲观)

常用 AI 工具分享

1. ChatGPT:语言练习、心理咨询、资料总结、内容创作
2. Perplexity:快速搜索和信息整理
3. 豆包:YouTube 视频总结
4. Midjourney:图片生成

AI 工具在教育、搜索等领域展现出巨大潜力,未来可能带来生产力的显著提升。