Crypto AI 赛道深度探讨

主持人：Alex，Mint Ventures 研究合伙人

嘉宾：Max，YouTube 频道《Max 的区块链空间》主理人；Lydia，Particle Network 研究员

对 Crypto AI 的理解

Alex：今天我们来探讨备受关注的 Crypto AI 赛道。第一个话题是，两位怎么看待 Crypto AI 这个赛道？在你们看来，Crypto AI 这个赛道在尝试解决哪些商业问题？这些问题的迫切性是什么？

Max：我认为 Crypto AI 主要解决两个问题:

1. 解决中心化 AI 带来的审查等问题,通过去中心化提供更符合大众需求的方案。

2. 引入代币激励机制,为开源 AI 研究提供可持续的奖励模式。比如 Bittensor 项目通过代币激励不同子网研究不同领域,连接了开源和奖励机制。

总的来说,Crypto AI 通过代币激励机制,奖励开源模型开发、去中心化发展,提供了与传统闭源 AI 完全不同的发展路径。

Lydia：从商业角度来看,目前 Crypto AI 的价值还不是很清晰。虽然有"AI 提高效率,Crypto 保证公平"的说法,但提高效率的需求显然更迫切。

Crypto AI 目前最大的价值可能不是直接体现在商业层面,而是在叙事层面。它让 Crypto 和 AI 这两个前沿技术在人们脑海中碰撞,打开了想象空间。我认为我们需要给这两项技术时间,它们最适合解决的可能是未来的问题,而不是现在的问题。

Alex：明白。听起来 Crypto 通过代币奖励机制,为 AI 的开源多元发展提供了一条与传统闭源 AI 完全不同的路径。Lydia 认为目前 Crypto AI 的商业价值还不明确,更多是在叙事层面有价值,需要给予时间去探索未来可能解决的问题。

Crypto AI 赛道内的项目分类

Alex：Crypto AI 是一个比较大的赛道,内部有很多不同的商业模式和项目类型。根据你们的了解,如何对这些赛道内部的项目进行分类?

Lydia：一种常见的分类方法是:

1. Crypto 赋能 AI:目前实现和证实较困难,需要更长时间。主要从改进 AI 产业某个环节切入,如聚合算力资源、做数据市场等。

2. AI 赋能 Crypto:目前较多项目属于这类,如接入 API 做 Web3 聊天机器人,用 AI 改进项目代码等。

Max：我主要分为三个赛道:

1. 架构层:提供底层架构,允许其他项目在上面搭建。如 Bittensor、Near、Sahara 等。

2. 资源层:提供 AI 开发所需的算力、数据、模型等资源。如 Akash、Render 提供去中心化算力,Vana 提供去中心化数据。

3. 应用层:面向用户的应用,如 AI agents。

这种分类方式与现有 Crypto 赛道比较契合。

Crypto AI 的机遇与挑战

Alex：你们认为目前 Crypto AI 面临的主要挑战是什么?未来 1-2 年可能有哪些产业或叙事机遇?

Max：主要挑战是:

1. 项目过早期,很多还停留在愿景阶段。

2. 资源层相对成熟,但需要更多采用。

3. 架构层项目如 Bittensor 仍需验证激励机制的可持续性。

4. 应用层如 AI agents 还缺乏实用性,更多是娱乐性质。

机遇方面:

1. 加密货币市场情绪回暖,有更多资源尝试创新。

2. 美国监管态度软化,为行业发展创造良好环境。

3. Web2 AI 持续引发关注,可能带动 Crypto AI 发展。

Lydia：主要挑战是市场情绪与技术进展存在错配。很多人对 Crypto AI 项目缺乏深入了解,导致缺少有效的质疑和讨论。

未来机遇:

1. 产业上看各板块能否显著降低用户获取相同资源的成本。

2. AI Agent 项目需要从娱乐走向实用,真正提高产品体验。

3. 关注非 Crypto 的 AI 进展,尤其是上大众媒体的新闻,可能带来新的叙事机会。

Alex：我补充一点,从长期投资角度看,这一轮泡沫破裂后可能是不错的机会。AI 对人类社会的影响会越来越大,未来可能出现对真人识别、全民基本收入等需求,届时一些现在看似不重要的项目可能会显现价值。

值得关注的 Crypto AI 项目

Alex：如果在目前了解的 AI 项目中选 1-2 个最值得关注的,你们会推荐哪些?理由是什么?可能面临的风险又有哪些?

Lydia：我会推荐 Bittensor,主要有三个原因:

1. 叙事能力强,团队形象讨开发者喜欢。
2. 得到机构认可,如灰度专门成立子公司关注其生态。
3. 经历过大规模 FUD 考验,展现了生命力。

风险方面,可能需要关注其代币经济模型的可持续性。

Max：我也最关注 Bittensor。补充几点:

1. 它专注于打造好的激励机制,这是 Crypto 对 AI 最重要的贡献。
2. 采用类似比特币的代币发行模型,总量 2100 万。
3. 团队技术实力强,能快速解决问题。

风险包括:

1. 目前代币发行率高,价值被稀释。
2. 主网控制权集中,与去中心化愿景有距离。

其他值得关注的项目还有 Vana(去中心化数据)、Arweave(AI computer)、Near 等。

Crypto AI 项目的评估策略

Alex：在调研和选择 Crypto AI 项目时,你们最关心哪些维度?决定是否投资一个项目的核心因素有哪些?

Max：我主要关注五个方面:团队、产品、盈利能力、未来展望和代币经济模型。其中最看重团队,包括:

1. 创始人背景
2. 投资方
3. 社区质量

一个好的团队决定了产品能否达到 Product Market Fit、盈利、执行路线图等。

Lydia：我也最关注团队,主要看:

1. 叙事能力
2. 执行力
3. 对 Crypto 的理解深度

此外还会关注:

4. Token 的实际效用
5. 项目的品牌文化是否独特

Alex：我会做一个周期性判断,看项目所处的阶段是短期过度乐观还是长期过度悲观。最好的参与时机是在长期过度悲观阶段。

常用 AI 工具分享

Alex：你们在日常生活或工作中会使用哪些 AI 工具?它们发挥了怎样的作用?

Lydia：

1. GPT:练习英语、心理咨询。
2. Perplexity:搜索资料,总结项目信息。
3. 豆包:YouTube 视频总结。

Max：

1. ChatGPT:总结长文,帮助知识吸收。
2. 用于图片生成,制作视频封面等。

Alex：

1. GPT:写文章时添加 emoji,解释复杂概念。
2. Perplexity:替代传统搜索引擎。

总的来说,AI 工具极大提升了工作效率和知识获取能力。未来 AI 在教育等领域还有巨大潜力。