直到最近，初创公司仍因其速度、敏捷性、创业文化和摆脱组织惯性而在技术创新方面处于领先地位。 然而，在人工智能快速发展的时代，情况已不再如此。到目前为止，微软旗下的OpenAI、Nvidia、谷歌、甚至Meta等大型科技公司已经主导了突破性的人工智能产品。

发生了什么？ 为什么初创公司可以编写出色的代码，但由于以下几个挑战，他们往往无法与大型科技公司竞争：

计算成本仍然高得令人望而却步

人工智能有一个相反的突出问题：由于对社会影响的恐惧和不确定性，缺乏必要的护栏阻碍了创新

人工智能是一个黑匣子

规模化参与者（大型科技公司）的数据“护城河”为新兴竞争对手设置了进入壁垒

那么，这与区块链有什么关系，与人工智能有何交叉点？Web3中的DePIN （去中心化物理基础设施网络）虽然不是灵丹妙药， 但它为解决上述挑战提供了新的可能性。在博文中，我将解释如何通过DePIN背后的技术从四个维度增强人工智能 ：

降低基础设施成本

验证创造与人性

人工智能中注入民主和透明度

设置数据贡献激励措施

在本文的上下文中：

web3被定义为下一代互联网，其中区块链技术与其他现有技术一起是不可或缺的一部分。

区块链是指去中心化、分布式的账本技术

加密是指使用代币作为激励和去中心化的机制

降低基础设施成本（计算和存储）

每一次技术创新浪潮都是由一些昂贵的东西变得便宜到可以浪费而引发的—SK Ventures 的《社会的技术债务和软件的古腾堡时刻》

卡洛塔·佩雷斯（Carlota Perez）的技术革命框架 强调了基础设施可承受性（就人工智能而言，计算、交付和存储数据的硬件成本）的重要性 ，该框架提出每项技术突破都分为两个阶段：

资料来源： 卡洛塔·佩雷斯的技术革命

安装阶段的特点是大量风险投资、 基础设施 建设和 “推动”上市（GTM）方法，因为客户不清楚新技术的价值主张。

部署阶段的特点是基础设施供应激增 ，降低了新进入者的门槛，并采用 “拉动”GTM 方法，这意味着客户对更多尚未构建的产品的渴望，导致产品与市场的强烈契合。

有了 ChatGPT 产品市场契合度和大量客户需求的明确证据，人们可能会认为人工智能已经进入部署阶段。 然而，仍然缺少一件事： 基础设施供应过剩，使其足够便宜，可供对价格敏感的初创公司进行开发 和试验。

问题

当前物理基础设施领域的市场动态很大程度上是垂直整合的寡头垄断，AWS、GCP、Azure、Nvidia、Cloudflare 和 Akamai 等公司享有高利润。例如，AWS 在商品化计算硬件上的毛利率估计为 61% 。

对于人工智能领域的新进入者来说，计算成本过高，尤其是法学硕士。

ChatGPT的每次训练成本估计为400万美元，每天的硬件推理成本约为700,000 美元

Bloom的第二版可能需要花费1000万美元来训练和再训练

如果ChatGPT部署到Google搜索中，将导致Google运营收入减少36B美元，利润从软件平台（Google）大量转移到硬件提供商（Nvidia）

资料来源： 剥洋葱层 — 大型语言模型搜索架构和成本

解决方案

DePIN 网络，例如Filecoin（自2014 年以来DePIN的先驱，专注于积累用于去中心化数据存储的互联网规模硬件、Bacalhau、Gensyn.ai、Render Network和ExaBits（用于将 CPU/GPU 的需求与供应相匹配的协调层）可以通过以下三个杠杆实现75%-90%以上的基础设施成本节省。

1.推高供给曲线 ，创造更具竞争力的市场

DePIN 使硬件供应商成为服务提供商变得更加民主。它通过创建一个市场，让任何人都可以作为“矿工”加入网络，贡献他们的 CPU/GPU 或存储能力来换取经济奖励，从而给这些现有企业带来竞争。虽然像AWS这样的公司无疑在UI、卓越运营和垂直整合方面享有17年的领先优势，但DePIN却解锁了一个新的客户群，而这个客户群以前被集中式提供商所超越。与 eBay不直接与Bloomingdale竞争而是引入更实惠的替代品来满足类似需求类似，DePIN网络不会取代中心化提供商，而是旨在为对价格更敏感的用户群体提供服务。

2.通过加密经济设计平衡这些市场的经济

DePIN 创建了一种补贴机制来引导硬件提供商参与网络，从而降低最终用户的成本。为了了解如何使用AWS和Filecoin，我们首先比较web2和web3中存储提供商的成本和收入。

降低客户费用：DePIN 网络创建竞争市场，引入 Bertrand 式竞争 ，从而降低客户费用。相比之下，AWS EC2 需要 50% 的中间 利润和 31% 的整体利润 来维持运营， 再加上代币激励/区块奖励从DePIN网络中发出，作为新的收入来源。在Filecoin的背景下，托管更多真实数据意味着为存储提供商赚取更多区块奖励（代币）。因此，存储提供商有动力吸引更多客户并赢得更多交易，以实现收入最大化。 几个新兴计算 DePIN网络的代币结构仍处于保密状态，但可能会遵循类似的模式。此类网络的示例包括：

Bacalhau：一个协调层，可将计算带到数据存储位置，而无需移动大量数据

exaBITS：用于人工智能和计算密集型应用程序的去中心化计算网络

Gensyn.ai：深度学习模型的计算协议

3.降低管理成本

Bacalhau 和 exaBITS等 DePIN 网络 以及 IPFS/内容寻址存储的优势包括：

从潜在数据中创建可用性： 由于传输大型数据集的带宽成本很高，因此存在大量未开发的数据。例如，体育场馆会生成大量当前未使用的事件数据。DePIN 项目通过现场处理数据并仅传输有意义的输出来解锁此类潜在数据的可用性。

 通过在本地提取数据来降低数据输入、传输和导入/导出等运营支出成本。

最大限度地减少手动流程共享敏感数据： 例如，如果A医院和B医院需要合并各自的敏感患者数据进行分析，则可使用Bacalhau协调GPU能力，直接在本地处理敏感数据，无需经过繁琐的管理流程处理与交易对手的PII（个人身份信息）交换。

无需重新计算基础数据集：  IPFS/内容寻址存储具有可删除重复、跟踪沿袭和验证数据的内置属性。

AI 总结：AI需要DePIN来提供负担得起的基础设施，目前该基础设施由垂直整合的寡头垄断主导。Filecoin、Bacalhau、Render Network和ExaBits等DePIN网络可以通过硬件供应商的民主化和引入竞争、通过加密经济设计平衡市场经济以及降低管理成本来节省 75%-90% 以上的成本。

造物主与人性的验证

问题

根据最近的一项民意调查，50％的人工智能科学家同意人工智能至少有10％的机会导致人类的毁灭。

这是一个发人深省的想法。人工智能已经造成了社会混乱，而我们目前缺乏监管或技术护栏——即所谓的“反向突出”。

要了解这意味着什么，请观看播客乔·罗根 (Joe Rogan) 在人工智能生成的视频中与保守派评论员本·夏皮罗 (Ben Shapiro) 辩论电影《 料理鼠王》( Ratatouille )。

资料来源： 彭博社关于 Deep Fake 的文章

不幸的是，人工智能的社会影响不仅仅是虚假的播客辩论和图像：

2024 年的总统选举周期将是人工智能生成的深度虚假政治竞选活动与真实竞选活动首次变得难以区分的周期之一

参议员伊丽莎白·沃伦 (Elizabeth Warren) 修改后的视频看起来像是沃伦在说 不应允许共和党人投票 （已揭穿）

 拜登批评变性女性的声音克隆

一群艺术家对 Midjourney 和 Stability AI 提起 集体诉讼， 指控其未经授权使用艺术家的作品来训练人工智能图像，侵犯了这些艺术家的商标并威胁到他们的生计

由Deepfake人工智能生成的配乐《Heart on My Sleeve》由The Weeknd和 Drake主演，在被流媒体服务下架之前曾一度走红。这种围绕版权侵犯的争议预示着当一项新技术在必要的规则到位之前进入主流意识时可能会出现的复杂情况。换句话说，这是一个逆显着问题。

如果我们可以通过在人工智能上设置一些护栏来在web3中做得更好怎么办？

解决方案

通过链上加密起源证明来证明人性和创造

这就是我们实际上可以使用区块链技术的地方——作为不可变记录的分布式账本，其中包含链上防篡改的历史记录。这使得可以通过检查其加密证明来验证数字内容的真实性。

通过数字签名证明创作者和人性

为了防止深度伪造，可以使用内容原始创建者独有的数字签名来生成加密证明。该签名可以使用只有创建者知道的私钥来创建，并且可以使用每个人都可以使用的公钥来验证。通过将此签名附加到内容上，可以证明内容是由原始创建者创建的（无论他们是人类还是人工智能）以及对此内容的授权/未经授权的更改。

使用IPFS和Merkle树证明真实性

IPFS 是一种去中心化协议，使用内容寻址和 Merkle 树来引用大型数据集。为了证明文件内容的更改，会生成 Merkle 证明，它是显示 Merkle 树中特定数据块的哈希列表。每次更改都会在 Merkle 树中生成并更新一个新的哈希值，从而提供文件修改的证明。

对这种加密解决方案的抵制 可能是激励调整：毕竟，捕获深度造假生成器并不会产生那么多的经济收益，因为它会 减少负面的社会外部性。 举报的责任很可能落在 Twitter、Meta、Google 等主要媒体分发平台上，他们已经在这样做了。 那么为什么我们需要区块链呢？

答案是这些加密签名和真实性证明更加有效、可验证和确定性。如今，检测深度造假的过程主要是通过机器学习算法（例如 Meta 的 “深度造假检测挑战” 、谷歌的“非对称数字系统”（ANS）和c2pa）来识别视觉内容中的模式和异常，这不仅有时不准确，而且落后于日益复杂的深度赝品 。通常，需要人工审核员干预来评估真实性，这不仅效率低下，而且成本高昂。

想象一个世界，其中每件内容都有其加密签名，以便 每个人都能够可验证地证明创作的起源 以及标记操纵或伪造——这是一个勇敢的新世界。

AI 总结：AI 对社会构成重大威胁，深度造假和未经授权使用内容是主要问题。Web3 技术，例如数字签名的创作证明以及 IPFS 和 Merkle Tree 的真实性证明，可以通过验证数字内容的真实性并防止未经授权的更改来为人工智能提供护栏。

将民主注入人工智能

问题

如今，人工智能是一个由专有数据+专有算法组成的黑匣子。大型科技公司 LLM 的这种闭门性质排除了我所说的 “人工智能民主”的可能性 ，即每个开发人员甚至用户都应该能够为 LLM 模型贡献 算法 和 数据 ，并从长远来看获得一小部分该模型的未来利润（如此处所讨论的 ）。

AI 民主 = 可见性（查看模型中输入的数据和算法的能力）

贡献（向模型贡献数据或算法的能力）。

解决方案

AI 民主旨在让生成式 AI 模型可供每个人使用、与每个人相关并为每个人所拥有。下表是一个比较，说明了 Web3 中的区块链技术当前可能实现的情况与未来可能实现的情况。

今天：

对于消费者：

LLM 输出的单向接收者

对其个人数据的使用几乎没有控制

对于开发人员：

可组合性很小

重复性较差，因为对数据执行的ETL无法追踪

所有者组织范围内的单一来源数据贡献

闭源只能通过收费的API访问

由于缺乏共享数据输出的可验证性，80%的数据科学家的时间都浪费在执行低级数据清理工作上

区块链将带来什么

对于消费者：

用户可以提供反馈（例如，关于偏见、内容审核、输出的精细反馈）作为持续微调的输入

用户可以选择贡献自己的数据，以获得模型货币化的潜在利润

对于开发人员：

去中心化数据管理层：众包繁琐且耗时的数据准备过程，例如数据标记

具有可验证和内置谱系的可见性 和能力来编写和微调算法（这意味着他们可以看到过去所有更改的防篡改历史记录）

数据 （通过 内容寻址/IPFS实现） 和 算法（例如 Urbit实现数据和算法的点对点可组合性和可移植性） 的 主权

 基础开源模型的变体不断涌现，加速了法学硕士的创新

 通过区块链过去 ETL 操作和查询的不可变记录（例如 Kamu）实现训练数据输出的可重复性

有人可能会说 Web2 开源平台存在中间立场，但由于 exaBITS的这篇博客文章 中讨论的原因，它仍然远非最佳。

AI 总结： 大型科技公司 LLM 的闭门性质排除了“AI 民主”的可能性，即每个开发人员或用户都应该能够为 LLM 模型贡献 算法 和 数据 ，并反过来获得一小部分  模型的未来利润。人工智能应该可供 每个人使用、与每个人相关并由每个人拥有。区块链网络将使用户能够提供反馈，贡献数据以获得模型货币化的潜在利润，并使开发人员能够具有可见性以及编写和微调具有可验证性和内置血统的算法的能力。数据和算法的主权将通过 内容寻址/IPFS 和 Urbit等 web3 创新来实现。通过区块链过去 ETL 操作和查询的不可变记录，训练数据输出的再现性也将成为可能。

设置数据贡献激励措施

问题

如今，最有价值的消费者数据是大型科技平台专有的，作为不可或缺的商业护城河。科技巨头几乎没有动力与外部各方分享这些数据。

直接从数据发起者/用户获取此类数据怎么样？为什么我们不能通过贡献我们的数据并将其开源以供有才华的数据科学家使用来使数据成为公共物品？简而言之， 没有任何激励或协调机制。维护数据和执行 ETL（提取、转换和加载）的任务会产生大量的开销。事实上，到2030年，仅数据存储一项就将成为一个价值7770亿美元的产业，这还不包括计算成本。为什么有人会无偿承担数据管道工作和成本？

举个例子，OpenAI 一开始是开源和非营利的，但在货币化以弥补成本方面遇到了困难。最终，在2019年，它不得不接受微软的注资，并对公众关闭其算法。到2024 年，OpenAI预计将产生10亿美元的收入。

解决方案

Web3引入了一种名为dataDAO的新机制，有助于将收入从AI模型所有者重新分配给数据贡献者，从而为众包数据贡献创建激励层。由于篇幅限制，我不会进一步阐述，但下面是两个相关的部分。

DataDAO 的工作原理 （协议实验室 HQ Han）

数据贡献和货币化在 web3 中如何运作，我深入研究了dataDAO中的机制、缺失的部分以及新兴的不可避免的机会

总之，DePIN 是一个令人兴奋的新类别，它提供了硬件替代燃料，为当今 =和人工智能创新的复兴提供动力。尽管大型科技公司在人工智能行业占据主导地位，但新兴参与者仍有潜力利用区块链技术进行竞争：DePIN 网络降低了计算成本的进入门槛；区块链的可验证和去中心化特性使真正的开放IA成为可能；dataDAO 等创新机制可以激励数据贡献；区块链的不可变和防篡改特性提供了创作证明，以解决有关人工智能负面社会影响的担忧。