原文作者：IOSG Ventures

感謝來(lái)自 Zhenyang@Upshot, Fran@Giza, Ashely@Neuronets, Matt@Valence, Dylan@Pond 的反饋。

本研究旨在探討對(duì)開(kāi)發(fā)者而言哪些人工智能領(lǐng)域最為重要，以及在 Web3 和人工智能領(lǐng)域哪些可能是爆發(fā)的下一個(gè)機(jī)遇。

在分享新的研究觀點(diǎn)之前，首先很高興我們參與了 RedPill 總計(jì) 500 萬(wàn)美元的第一輪融資，也非常激動(dòng)，期待接下來(lái)能夠和 RedPill 共同成長(zhǎng)！

TL;DR

隨著 Web3 與 AI 的結(jié)合成為加密貨幣界的矚目話題，加密世界的 AI 基礎(chǔ)設(shè)施構(gòu)建興旺起來(lái)，但實(shí)際利用 AI 或?yàn)?AI 構(gòu)建的應(yīng)用程序并不多，AI 基礎(chǔ)設(shè)施的同質(zhì)化問(wèn)題逐漸顯現(xiàn)。近期我們參與的 RedPill 的第一輪融資，引發(fā)了一些更深入的理解。

• 構(gòu)建 AI Dapp 的主要工具包括去中心化 OpenAI 訪問(wèn)、GPU 網(wǎng)絡(luò)、推理網(wǎng)絡(luò)和代理網(wǎng)絡(luò)。

• 之所以說(shuō) GPU 網(wǎng)絡(luò)比「比特幣挖礦時(shí)期」還要熱門，是因?yàn)椋篈I 市場(chǎng)更大，并且增長(zhǎng)快速且穩(wěn)定；AI 每天支持?jǐn)?shù)以百萬(wàn)計(jì)的應(yīng)用程序；AI 需要多樣化的 GPU 型號(hào)和服務(wù)器位置；技術(shù)比過(guò)往更成熟；面向的客戶群也更廣。

• 推理網(wǎng)絡(luò)和代理網(wǎng)絡(luò)有相似的基礎(chǔ)設(shè)施，但關(guān)注點(diǎn)不同。推理網(wǎng)絡(luò)主要供有經(jīng)驗(yàn)的開(kāi)發(fā)者部署自己的模型，而運(yùn)行非 LLM 模型并不一定需要 GPU。代理網(wǎng)絡(luò)則更專注于 LLM，開(kāi)發(fā)者無(wú)需自帶模型，而是更注重提示工程和如何將不同的代理聯(lián)結(jié)起來(lái)。代理網(wǎng)絡(luò)總是需要高性能的 GPU。

• AI 基礎(chǔ)設(shè)施項(xiàng)目承諾巨大，仍在不斷推出新功能。

• 多數(shù)原生加密項(xiàng)目仍處于測(cè)試網(wǎng)階段，穩(wěn)定性差，配置復(fù)雜，功能受限，還需要時(shí)間來(lái)證明其安全性和隱私性。

• 假設(shè) AI Dapp 成為大趨勢(shì)，還有許多未開(kāi)發(fā)的領(lǐng)域，如監(jiān)控、與 RAG 相關(guān)的基礎(chǔ)設(shè)施、Web3 原生模型、內(nèi)置加密原生 API 和數(shù)據(jù)的去中心化代理、評(píng)估網(wǎng)絡(luò)等。

• 垂直整合是一個(gè)顯著趨勢(shì)。基礎(chǔ)設(shè)施項(xiàng)目試圖提供一站式服務(wù)，簡(jiǎn)化 AI Dapp 開(kāi)發(fā)者的工作。

• 未來(lái)將是混合型的。部分推理在前端進(jìn)行，而部分在鏈上計(jì)算，這樣做可以考慮到成本和可驗(yàn)證性因素。

   Source: IOSG 

  引言

  • Web3 與 AI 的結(jié)合是當(dāng)前加密領(lǐng)域中最受矚目的話題之一。才華橫溢的開(kāi)發(fā)者正在為加密世界構(gòu)建 AI 基礎(chǔ)設(shè)施，致力于將智能帶入智能合約。構(gòu)建 AI dApp 是極其復(fù)雜的任務(wù)，開(kāi)發(fā)者需要處理的范圍包括數(shù)據(jù)、模型、計(jì)算力、操作、部署和與區(qū)塊鏈的整合。針對(duì)這些需求，Web3 創(chuàng)始人已經(jīng)開(kāi)發(fā)出許多初步的解決方案，如 GPU 網(wǎng)絡(luò)、社區(qū)數(shù)據(jù)標(biāo)注、社區(qū)訓(xùn)練的模型、可驗(yàn)證的 AI 推理與訓(xùn)練以及代理商店。

  • 而在這興旺的基礎(chǔ)設(shè)施背景下，實(shí)際利用 AI 或?yàn)?AI 構(gòu)建的應(yīng)用程序并不多。開(kāi)發(fā)者在查找 AI dApp 開(kāi)發(fā)教程時(shí)，發(fā)現(xiàn)這些與原生加密 AI 基礎(chǔ)設(shè)施相關(guān)的教程并不多，大多數(shù)教程僅涉及在前端調(diào)用 OpenAI API。

    Source: IOSG Ventures

    • 當(dāng)前的應(yīng)用未能充分發(fā)揮區(qū)塊鏈的去中心化和可驗(yàn)證功能，但這種狀況很快將會(huì)改變。現(xiàn)在，大多數(shù)專注于加密領(lǐng)域的人工智能基礎(chǔ)設(shè)施已經(jīng)啟動(dòng)了測(cè)試網(wǎng)絡(luò)，并計(jì)劃在未來(lái) 6 個(gè)月內(nèi)正式運(yùn)行。

    • 本研究將詳細(xì)介紹加密領(lǐng)域人工智能基礎(chǔ)設(shè)施中可用的主要工具。讓我們準(zhǔn)備迎接加密世界的 GPT-3.5 時(shí)刻吧！

      1. RedPill：為 OpenAI 提供去中心化授權(quán)

      前文所提到的我們參投的 RedPill 是一個(gè)很好的引入點(diǎn)。

      OpenAI 擁有幾種世界級(jí)強(qiáng)大的模型，如 GPT-4-vision、GPT-4-turbo 和 GPT-4 o，是構(gòu)建先進(jìn)人工智能 Dapp 的優(yōu)選。

      開(kāi)發(fā)者可以通過(guò)預(yù)言機(jī)或前端接口調(diào)用 OpenAI API 以將其集成到 dApp 中。

      RedPill 將不同開(kāi)發(fā)者的 OpenAI API 整合在一個(gè)接口下，為全球用戶提供快速、經(jīng)濟(jì)且可驗(yàn)證的人工智能服務(wù)，從而實(shí)現(xiàn)了對(duì)頂尖人工智能模型資源的民主化。RedPill 的路由算法會(huì)將開(kāi)發(fā)者的請(qǐng)求定向到單一貢獻(xiàn)者處。API 請(qǐng)求將通過(guò)其分發(fā)網(wǎng)絡(luò)執(zhí)行，從而繞過(guò)任何來(lái)自 OpenAI 的可能限制，解決了加密開(kāi)發(fā)者面臨的一些常見(jiàn)問(wèn)題，如：

      • 限制 TPM（每分鐘代幣）：新賬戶對(duì)代幣的使用有限，無(wú)法滿足熱門且依賴 AI 的 dApp 的需求。

      • 訪問(wèn)限制：一些模型對(duì)新賬戶或某些國(guó)家的訪問(wèn)設(shè)置了限制。

        通過(guò)使用相同的請(qǐng)求代碼但更換主機(jī)名，開(kāi)發(fā)者能以低廉的成本、高擴(kuò)展性和無(wú)限制的方式訪問(wèn) OpenAI 模型。

        2. GPU 網(wǎng)絡(luò)

        除了使用 OpenAI 的 API，許多開(kāi)發(fā)人員還會(huì)選擇自行在家中托管模型。他們可以依托去中心化 GPU 網(wǎng)絡(luò)，如 io.net、Aethir、Akash 等流行的網(wǎng)絡(luò)，自行建立 GPU 集群并部署及運(yùn)行各種強(qiáng)大的內(nèi)部或開(kāi)源模型。

        這樣的去中心化 GPU 網(wǎng)絡(luò)，能夠借助個(gè)人或小型數(shù)據(jù)中心的計(jì)算力，提供靈活的配置、更多的服務(wù)器位置選擇以及更低的成本，讓開(kāi)發(fā)人員可以在有限的預(yù)算內(nèi)輕松進(jìn)行 AI 相關(guān)的試驗(yàn)。然而，由于去中心化的性質(zhì)，此類 GPU 網(wǎng)絡(luò)在功能性、可用性和數(shù)據(jù)隱私方面還存在一定的局限。

        過(guò)去幾個(gè)月，GPU 的需求火爆，超過(guò)了之前的比特幣挖礦熱潮。此現(xiàn)象的原因包括：

        • 目標(biāo)客戶增多，GPU 網(wǎng)絡(luò)現(xiàn)在服務(wù)于 AI 開(kāi)發(fā)者，他們的數(shù)量不僅龐大而且更為忠實(shí)，不會(huì)受到加密貨幣價(jià)格波動(dòng)的影響。

        • 相比挖礦專用設(shè)備，去中心化 GPU 提供了更多的型號(hào)和規(guī)格，更能滿趡 iez 要求。尤其是大型模型處理需要更高的 VRAM，而小型任務(wù)則有更適合的 GPU 可選。同時(shí)，去中心化 GPU 能夠近距離服務(wù)終端用戶，降低延遲。

        • 技術(shù)日趨成熟，GPU 網(wǎng)絡(luò)依賴高速區(qū)塊鏈如 Solana 結(jié)算、Docker 虛擬化技術(shù)和 Ray 計(jì)算集群等。

        • 在投資回報(bào)方面，AI 市場(chǎng)正在擴(kuò)張，新應(yīng)用和模型的開(kāi)發(fā)機(jī)會(huì)多，H 100 模型的預(yù)期回報(bào)率為 60-70% ，而比特幣挖礦則更為復(fù)雜，贏家通吃，產(chǎn)量有限。

        • 比特幣挖礦企業(yè)如 Iris Energy、Core Scientific 和 Bitdeer 也開(kāi)始支持 GPU 網(wǎng)絡(luò)，提供 AI 服務(wù)，并積極購(gòu)買專為 AI 設(shè)計(jì)的 GPU，如 H 100 。

          推薦：對(duì)于不太重視 SLA 的 Web2 開(kāi)發(fā)者，io.net 提供了簡(jiǎn)潔易用的體驗(yàn)，是個(gè)性價(jià)比很高的選擇。

          3. 推理網(wǎng)絡(luò)

          這是加密原生 AI 基礎(chǔ)設(shè)施的核心。它將在未來(lái)支持?jǐn)?shù)十億次 AI 推理操作。許多 AI layer 1 或 layer 2 為開(kāi)發(fā)者提供了在鏈上原生調(diào)用 AI 推理的能力。市場(chǎng)領(lǐng)導(dǎo)者包括 Ritual、Valence 和 Fetch.ai。

          這些網(wǎng)絡(luò)在以下方面存在差異：

          • 性能（延遲、計(jì)算時(shí)間）

          • 支持的模型

          • 可驗(yàn)證性

          • 價(jià)格（鏈上消耗成本、推理成本）

          • 開(kāi)發(fā)體驗(yàn)

            3.1 目標(biāo)

            理想的情況是，開(kāi)發(fā)者可以在任何地方，通過(guò)任何形式的證明，輕松地訪問(wèn)自定義的 AI 推理服務(wù)，整合過(guò)程中幾乎沒(méi)有任何阻礙。

            推理網(wǎng)絡(luò)提供了開(kāi)發(fā)者所需的全部基礎(chǔ)支持，包括按需生成和驗(yàn)證證明、進(jìn)行推理計(jì)算、推理數(shù)據(jù)的中繼和驗(yàn)證、提供 Web2 和 Web3 的接口、一鍵式模型部署、系統(tǒng)監(jiān)測(cè)、跨鏈操作、同步集成及定時(shí)執(zhí)行等功能。

            Source: IOSG Ventures

            借助這些功能，開(kāi)發(fā)者可以將推理服務(wù)無(wú)縫集成到他們現(xiàn)有的智能合約中。例如，在構(gòu)建 DeFi 交易機(jī)器人時(shí)，這些機(jī)器人會(huì)利用機(jī)器學(xué)習(xí)模型尋找特定交易對(duì)的買賣時(shí)機(jī)，并在基礎(chǔ)交易平臺(tái)上執(zhí)行相應(yīng)的交易策略。

            在完全理想的狀態(tài)下，所有的基礎(chǔ)結(jié)構(gòu)都是云托管的。開(kāi)發(fā)者只需將他們的交易策略模型以通用格式如 torch 上傳，推理網(wǎng)絡(luò)就會(huì)存儲(chǔ)并為 Web2 和 Web3 查詢提供模型。

            所有模型部署步驟完成后，開(kāi)發(fā)者可以直接通過(guò) Web3 API 或智能合約調(diào)用模型推理。推理網(wǎng)絡(luò)將持續(xù)執(zhí)行這些交易策略，并將結(jié)果反饋給基礎(chǔ)智能合約。如果開(kāi)發(fā)者管理的社區(qū)資金量很大，還需要提供推理結(jié)果的驗(yàn)證。一旦收到推理結(jié)果，智能合約就會(huì)根據(jù)這些結(jié)果進(jìn)行交易。

            Source: IOSG Ventures

            3.1.1 異步與同步

            從理論上講，異步執(zhí)行的推理操作可以帶來(lái)更好的性能表現(xiàn)；然而，這種方式在開(kāi)發(fā)體驗(yàn)上可能讓人感到不便。

            在采用異步方式時(shí)，開(kāi)發(fā)者需要先將任務(wù)提交到推理網(wǎng)絡(luò)的智在合約中。當(dāng)推理任務(wù)完成后，推理網(wǎng)絡(luò)的智能合約會(huì)將結(jié)果返回。在這種編程模式下，邏輯被分為推理調(diào)用和推理結(jié)果處理兩個(gè)部分。

            Source: IOSG Ventures

            如果開(kāi)發(fā)者有嵌套的推理調(diào)用和大量的控制邏輯，情況會(huì)變得更糟。

            Source: IOSG Ventures

            異步編程模式使得它難以與現(xiàn)有的智能合約集成。這需要開(kāi)發(fā)者編寫大量額外的代碼，并進(jìn)行錯(cuò)誤處理和管理依賴關(guān)系。

            相對(duì)地，同步編程對(duì)于開(kāi)發(fā)者來(lái)說(shuō)更加直觀，但它在響應(yīng)時(shí)間和區(qū)塊鏈設(shè)計(jì)上引入了問(wèn)題。例如，如果輸入數(shù)據(jù)是區(qū)塊時(shí)間或者價(jià)格這種快速變動(dòng)的數(shù)據(jù)，那么在推理完成后數(shù)據(jù)已不再新鮮，這可能會(huì)導(dǎo)致在特定情況下智能合約的執(zhí)行需要回滾。想象一下，你用一個(gè)過(guò)時(shí)的價(jià)格來(lái)做交易。

            Source: IOSG Ventures

            大部分 AI 基礎(chǔ)架構(gòu)采用異步處理，但 Valence 正在嘗試解決這些問(wèn)題。

            3.2 現(xiàn)實(shí)情況

            實(shí)際上，許多新的推理網(wǎng)絡(luò)還在測(cè)試階段，如 Ritual 網(wǎng)絡(luò)。根據(jù)他們的公開(kāi)文件，這些網(wǎng)絡(luò)目前的功能較為有限（諸如驗(yàn)證、證明等功能還未上線）。他們目前沒(méi)有提供一個(gè)云基礎(chǔ)設(shè)施以支持鏈上 AI 計(jì)算，而是提供了一個(gè)框架，用于自我托管 AI 計(jì)算并將結(jié)果傳遞至鏈上。

            這是一個(gè)運(yùn)行 AIGC NFT 的體系結(jié)構(gòu)。擴(kuò)散模型生成 NFT 并上傳至 Arweave。推理網(wǎng)絡(luò)會(huì)用這個(gè) Arweave 地址在鏈上鑄造該 NFT。

            Source: IOSG Ventures

            這個(gè)過(guò)程非常復(fù)雜，開(kāi)發(fā)者需要自己部署和維護(hù)大多數(shù)基礎(chǔ)設(shè)施，如配有定制服務(wù)邏輯的 Ritual 節(jié)點(diǎn)、Stable Diffusion 節(jié)點(diǎn)及 NFT 智能合約。

            推薦：目前的推理網(wǎng)絡(luò)在整合和部署自定義模型方面相當(dāng)復(fù)雜，且在這一階段大多數(shù)網(wǎng)絡(luò)還不支持驗(yàn)證功能。將 AI 技術(shù)應(yīng)用到前端會(huì)為開(kāi)發(fā)者提供一個(gè)相對(duì)簡(jiǎn)單的選擇。如果你非常需要驗(yàn)證功能，ZKML 提供商 Giza 是個(gè)不錯(cuò)的選擇。

            4. 代理網(wǎng)絡(luò)

            代理網(wǎng)絡(luò)讓用戶能輕松自定義代理。這樣的網(wǎng)絡(luò)由能自主執(zhí)行任務(wù)、相互交云以及與區(qū)塊鏈網(wǎng)絡(luò)交互的實(shí)體或智能合約組成，這一切無(wú)需人工直接干預(yù)。它主要針對(duì) LLM 技術(shù)。例如，它可以提供一個(gè)深入了解以太坊的 GPT 聊天機(jī)器人。這種聊天機(jī)器人目前的工具較為有限，開(kāi)發(fā)者還不能在此基礎(chǔ)上開(kāi)發(fā)復(fù)雜的應(yīng)用。

            Source: IOSG Ventures

            但是將來(lái)，代理網(wǎng)絡(luò)將提供更多的工具給代理使用，不僅僅是知識(shí)，還包括調(diào)用外部 API、執(zhí)行特定任務(wù)的能力等。開(kāi)發(fā)者將能夠?qū)⒍鄠€(gè)代理連接起來(lái)構(gòu)建工作流。例如，編寫 Solidity 智能合約會(huì)涉及多個(gè)專門的代理，包括協(xié)議設(shè)計(jì)代理、Solidity 開(kāi)發(fā)代理、代碼安全審查代理以及 Solidity 部署代理。

            Source: IOSG Ventures

            我們通過(guò)使用提示和場(chǎng)景來(lái)協(xié)調(diào)這些代理的合作。

            一些代理網(wǎng)絡(luò)的例子包括 Flock.ai、Myshell、Theoriq。

            推薦：當(dāng)今大部分代理的功能都相對(duì)有限。對(duì)于特定用例，Web2 代理能夠更好的服務(wù)，并且擁有成熟的編排工具，例如 Langchain、Llamaindex。

            5. 代理網(wǎng)絡(luò)與推理網(wǎng)絡(luò)的差異

            代理網(wǎng)絡(luò)更側(cè)重于 LLM，提供了如 Langchain 這樣的工具來(lái)整合多個(gè)代理。通常情況下，開(kāi)發(fā)者無(wú)需親自開(kāi)發(fā)機(jī)器學(xué)習(xí)模型，代理網(wǎng)絡(luò)已經(jīng)將模型開(kāi)發(fā)和部署的過(guò)程簡(jiǎn)化。他們只需要鏈接必要的代理和工具即可。大多數(shù)情況下，最終用戶將直接使用這些代理。

            推理網(wǎng)絡(luò)則是代理網(wǎng)絡(luò)的基礎(chǔ)設(shè)施支撐。它提供給開(kāi)發(fā)者較低層次的接入權(quán)限。正常情況下，終端用戶不直接使用推理網(wǎng)絡(luò)。開(kāi)發(fā)者需要部署自己的模型，這不僅限于 LLM，并且他們可以通過(guò)鏈下或鏈上接入點(diǎn)使用它們。

            代理網(wǎng)絡(luò)和推理網(wǎng)絡(luò)并非完全獨(dú)立的產(chǎn)品。我們已經(jīng)開(kāi)始看到一些豎向整合的產(chǎn)品。他們因?yàn)檫@兩種功能依賴相似的基礎(chǔ)設(shè)施，所以同時(shí)提供代理和推理能力。

            6. 新的機(jī)會(huì)之地

            除了模型推理、訓(xùn)練和代理網(wǎng)絡(luò)外，web3 領(lǐng)域還有很多值得探索的新領(lǐng)域：

            • 數(shù)據(jù)集：如何將區(qū)塊鏈數(shù)據(jù)轉(zhuǎn)變?yōu)闄C(jī)器學(xué)習(xí)可用的數(shù)據(jù)集？機(jī)器學(xué)習(xí)開(kāi)發(fā)者需要的是更為具體和專題化的數(shù)據(jù)。例如，Giza 提供了一些高品質(zhì)的、關(guān)于 DeFi 的數(shù)據(jù)集，專門用于機(jī)器學(xué)習(xí)訓(xùn)練。理想的數(shù)據(jù)應(yīng)不僅僅是簡(jiǎn)單的表格數(shù)據(jù)，還應(yīng)該包括能夠描述區(qū)塊鏈?zhǔn)澜缃换サ膱D形數(shù)據(jù)。目前，我們?cè)谶@方面還有不足。目前有些項(xiàng)目正通過(guò)獎(jiǎng)勵(lì)個(gè)人創(chuàng)建新數(shù)據(jù)集來(lái)解決這一問(wèn)題，比如 Bagel 和 Sahara，它們承諾保護(hù)個(gè)人數(shù)據(jù)的隱私。

            • 模型存儲(chǔ)：一些模型體積龐大，如何存儲(chǔ)、分發(fā)及版本控制這些模型是關(guān)鍵，這關(guān)系到鏈上機(jī)器學(xué)習(xí)的性能和成本。在這一領(lǐng)域，F(xiàn)ilecoin, AR 和 0 g 等先鋒性項(xiàng)目已經(jīng)取得了進(jìn)展。

            • 模型訓(xùn)練：分布式且可驗(yàn)的模型訓(xùn)練是個(gè)難題。Gensyn, Bittensor, Flock 和 Allora 等已有顯著進(jìn)展。

            • 監(jiān)控：由于模型推理在鏈上與鏈下都有發(fā)生，我們需要新的基礎(chǔ)設(shè)施來(lái)幫助 web3 開(kāi)發(fā)者追蹤模型的使用狀況，及時(shí)發(fā)現(xiàn)可能存在的問(wèn)題和偏差。有了合適的監(jiān)控工具，web3 的機(jī)器學(xué)習(xí)開(kāi)發(fā)者可以及時(shí)調(diào)整，不斷優(yōu)化模型精確度。

            • RAG 基礎(chǔ)設(shè)施：分布式 RAG 需要全新的基礎(chǔ)設(shè)施環(huán)境，對(duì)存儲(chǔ)、嵌入計(jì)算和向量數(shù)據(jù)庫(kù)有較高的需求，同時(shí)要確保數(shù)據(jù)的隱私安全。這與目前的 Web3 AI 基礎(chǔ)設(shè)施大不相同，后者大多依賴第三方來(lái)完成 RAG，例如 Firstbatch 和 Bagel。

            • 專為 Web3 定制的模型：并不是所有模型都適合 Web3 情景。大多數(shù)情況下，需要對(duì)模型進(jìn)行重新訓(xùn)練，以適應(yīng)價(jià)格預(yù)測(cè)、推薦等具體應(yīng)用。隨著 AI 基礎(chǔ)設(shè)施的繁榮發(fā)展，未來(lái)我們期望有更多 web3 本地模型來(lái)服務(wù)于 AI 應(yīng)用。比如 Pond 正在開(kāi)發(fā)區(qū)塊鏈 GNN，用于價(jià)格預(yù)測(cè)、推薦、欺詐偵測(cè)和反洗錢等多種場(chǎng)景。

            • 評(píng)估網(wǎng)絡(luò)：在缺乏人類反饋的情況下評(píng)估代理是不容易的。隨著代理創(chuàng)建工具的普及，市場(chǎng)上將會(huì)出現(xiàn)無(wú)數(shù)的代理。這就需要有一個(gè)系統(tǒng)來(lái)展示這些代理的能力，并幫助用戶判斷在特定情況下哪個(gè)代理的表現(xiàn)最佳。例如，Neuronets 是這個(gè)領(lǐng)域的一個(gè)參與者。

            • 共識(shí)機(jī)制：對(duì)于 AI 任務(wù)，PoS 不一定是最佳選擇。計(jì)算復(fù)雜性、驗(yàn)證的困難和確定性的缺失是 PoS 面臨的主要挑戰(zhàn)。Bittensor 創(chuàng)造了一種新的智慧型共識(shí)機(jī)制，獎(jiǎng)勵(lì)網(wǎng)絡(luò)中為機(jī)器學(xué)習(xí)模型和輸出做出貢獻(xiàn)的節(jié)點(diǎn)。

              7. 未來(lái)展望

              我們目前觀察到了垂直整合的發(fā)展趨勢(shì)。通過(guò)構(gòu)建一個(gè)基礎(chǔ)的計(jì)算層，網(wǎng)絡(luò)能夠?yàn)槎喾N機(jī)器學(xué)習(xí)任務(wù)提供支持，包括訓(xùn)練、推理及代理網(wǎng)絡(luò)服務(wù)。這種模式意在為 Web3 的機(jī)器學(xué)習(xí)開(kāi)發(fā)者們提供全方位的一站式解決方案。

              目前，鏈上推理盡管成本高昂且速度較慢，但它提供了出色的可驗(yàn)證性及與后端系統(tǒng)（例如智能合約）的無(wú)縫集成。我認(rèn)為未來(lái)將走向混合應(yīng)用的道路。一部分推理處理將在前端或鏈下進(jìn)行，而那些關(guān)鍵的、決策性的推理則會(huì)在鏈上完成。這種模式已經(jīng)在移動(dòng)設(shè)備上得到了應(yīng)用。通過(guò)利用移動(dòng)設(shè)備的本質(zhì)特點(diǎn)，它能夠在本地快速運(yùn)行小型模型，并將更復(fù)雜的任務(wù)遷移到云端，利用較大的 LLM 處理。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。