암호화 X AI 인기가 없어진 건가? 당신이 간과했을지도 모르는 고잠재력 서사 방향을 살펴보세요

2024-07-23 22:44:17

수집

최초의 Web3-AI 열풍은 주로 일부 비현실적인 가치 제안에 집중되었으나, 이제는 실제 실행 가능한 솔루션 구축에 초점을 맞춰야 한다.

편집：심조 TechFlow

암호화폐와 AI: 끝에 다다랐는가?

2023년, Web3-AI는 한때 인기 있는 주제가 되었다.

하지만 지금은 모방자와 실제 용도가 없는 거대한 프로젝트로 가득 차 있다.

다음은 피해야 할 오해와 주목해야 할 포인트이다.

IntoTheBlock의 CEO @jrdothoughts는 최근 한 기사에서 그의 통찰력을 공유했다.

그는 다음을 논의했다:

a. Web3-AI의 핵심 도전 과제

b. 과도하게 부풀려진 트렌드

c. 높은 잠재력을 가진 트렌드

나는 당신을 위해 각 요점을 정리했다! 함께 살펴보자:

현재의 Web3-AI 시장은 과도한 과대 광고와 자금 지원을 받고 있다.

많은 프로젝트가 AI 산업의 실제 수요와 동떨어져 있다.

이러한 단절은 혼란을 초래하지만, 통찰력 있는 사람들에게는 기회를 창출한다.

（감사합니다 @coinbase）

Web2와 Web3 AI 간의 격차가 확대되고 있으며, 그 주요 원인은 세 가지이다:

생성적 AI는 모델, 데이터 및 계산 자원의 세 가지 요소에 의존한다.

현재, 주요 모델이 Web3 인프라에 최적화되어 있지 않다.

초기 자금은 AI 현실과 동떨어진 몇몇 Web3 프로젝트를 지원했다.

많은 과대 광고가 있지만, 모든 Web3-AI 트렌드가 주목할 만한 것은 아니다.

다음은 @jrdothoughts가 가장 과대 평가된 몇 가지 트렌드로 생각하는 것이다:

a. 탈중앙화된 GPU 네트워크

b. ZK-AI 모델

c. 추론 증명 （감사합니다 @ModulusLabs ）

이러한 네트워크는 AI 훈련의 민주화를 약속한다.

하지만 현실은 탈중앙화된 인프라에서 대규모 모델을 훈련하는 것이 느리고 비현실적이다.

이 트렌드는 아직 그 높은 약속을 실현하지 못했다.

제로 지식 AI 모델은 개인정보 보호 측면에서 매력적으로 보인다.

하지만 실제로는 계산 비용이 높고 설명하기 어렵다.

이로 인해 대규모 응용에서 실용적이지 않다.

（감사합니다 @oraprotocol）

그림의 정보:

b) 현재, 오버헤드가 1000배에 달한다.

하지만 이 방법은 특히 Vitalik이 설명한 사용 사례에 대해 실용화까지는 큰 차이가 있다. 다음은 몇 가지 예시이다:

zkML 프레임워크 EZKL은 1M-nanoGPT 모델의 증명을 생성하는 데 약 80분이 걸린다.
Modulus Labs의 데이터에 따르면, zkML의 오버헤드는 순수 계산보다 1000배 이상 높으며, 최신 보고서에서는 1000배로 나타났다.
EZKL의 벤치마크에 따르면, RISC Zero는 랜덤 포레스트 분류 작업에서 평균 증명 시간이 173초이다.