巨鯨眼中 AI 與 Web3 結合的前景與機遇_RNDR:NFT幣

算力平臺

算力平臺的項目沒有Bot模型資產化那么多和卷，但理解起來相對更加容易，都知道AI需要大量算力，而BTC和ETH在過去10多年已經證明了世界上有這么一種方法：可以自發的，去中心化的，在經濟激勵和博弈的環境下組織協調起海量的算力去合作+競爭的做一件事。現在可以把這種方法用在AI上。

業內最出名的兩個項目無疑是Together和Gensyn，一個種子輪就是千萬級別融資；一個是A輪融了4300萬。這倆之所以要融這么多錢，據說是因為需要資金和算力先訓練自己的模型，然后后面會做成算力平臺提供給其他的AI項目做訓練用。

某巨鯨從幣安提取700萬枚SUSHI并存入SUSHI質押合約:金色財經報道，據鏈上分析師余燼監測，某個新創建的地址（0xe5e86開頭）從幣安提取700萬枚SUSHI（約合450萬美元）并存入SUSHI質押合約。[2023/6/22 21:54:37]

而做推理的算力平臺融資額相對會小很多，因為本質上就是聚合閑置的GPU等算力然后提供給有需要的AI項目做推理用。RNDR是做渲染算力聚合，這些平臺做推理算力聚合。但技術門檻目前都比較模糊，甚至我在想會不會哪天RNDR或是Web3云算力平臺一只腳就伸到推理型算力平臺這邊了。

算力平臺這個方向相比模型資產化更加實在和好預測，基本上是板上釘釘一定會有需求也會出現一兩個頭部項目的賽道，就看誰能殺的出來，唯一目前不確定的是訓練和推理各自有龍頭，還是龍頭會把訓練和推理都包圓了。

數據：某巨鯨在市場大幅下跌前出售10265枚ETH:金色財經報道，據Spot On Chain監測，在以太坊聯合創始人Jeffrey Wilcke將ETH轉移到Kraken 40分鐘后，某鯨魚將10265枚ETH換成1,910萬美元的DAI和USDC(約12小時前，市場大幅下跌前)，平均售價為1861美元。

此前報道，6月5日，以太坊聯創Jeffrey Wilcke向Kraken轉入2.2萬枚以太坊。[2023/6/6 21:18:50]

數據平臺

這個其實也不難理解，因為AI的底層說白就三大件：算法、算力和數據。

數據：某巨鯨地址買入1574枚ETH、76萬枚BLUR和101萬枚1INCH:金色財經報道，據鏈上分析師余燼監測，今天下午，某巨鯨地址通過 1inch以1905美元的均價買入1574枚ETH（共約合300萬美元）、以0.69的均價買入76萬枚BLUR （共約合52萬美元）、以0.5的均價買入101萬枚1INCH（共約合50萬美元）。

余燼分析稱：“這只巨鯨地址是ETH短線選手：每輪操作購入大約3000枚ETH，并在接下來的幾天內售出，如此往復。”[2023/4/29 14:34:41]

既然算法和算力都有「去中心化版本」，那數據肯定也不會缺席，這也是奇績創壇的創始人陸奇博士在聊AI和Web3時候最看好的一個方向。

動態 | 研究：298個加密巨鯨控制著大量比特幣、以太坊和萊特幣:區塊鏈分析公司IntoTheBlock近期發布了關于市值排名靠前的加密貨幣集中程度的研究。研究稱，有298個加密鯨魚控制著比特幣、以太坊和萊特幣生態系統的巨額財富。盡管比特幣交易是可以追蹤的，但大多數地址的身份仍然籠罩在神秘之中，這些地址通常為早期投資者所有，在某些情況下為加密貨幣交易所所有。IntoTheBlock表示，39個加密鯨魚持有現有比特幣總量的11.1%，154個地址占所有ETH的40%，128個地址占所有LTC的47%。與此同時，超過一半的Tether循環供應量掌握在140個錢包手中。（The Daily Hodl）[2020/1/12]

Web3一直強調數據隱私和主權，也有ZK之類的技術來確保數據可靠與完整性，那么基于Web3的鏈上數據訓練出來的AI肯定和Web2鏈下數據訓練出來的應該不一樣。所以這條線整體MakeSense，目前圈內Ocean應該算是這個賽道，一級市場也有看到基于Ocean做的專門的AI數據市場之類的項目。

生成式AI

簡單來說就是拿AI畫畫，或是類似的創作，來服務與其他一些場景，比如做NFT，或是游戲內的地圖生成，NPC背景生成等等。感覺做NFT這條線比較難，因為AI生成稀缺性不夠，Gamefi倒是一條路，一級市場也有見到有團隊在嘗試。

不過前幾天看到個消息，Unity也出了自己的AI生成工具Sentis和Muse，現在還在封測階段，明年估計就正式上線了。怎么說呢，感覺Web3圈的游戲AIGC類項目，屆時可能會被Unity降維打擊……

Defi交易/審計/Yield/風控

這幾類都有看到項目在嘗試，同質化相對不明顯。

交易——這個有點Tricky，因為如果一個交易策略好用，隨著用的人越多，可能策略慢慢也就不怎么好用了，得切換到新策略。再就是好奇AI交易機器人未來的勝率如何，會在普通交易者里面處于哪個段位。

審計——目測應該可以幫助快速審處已有的常見的漏洞，沒出現過的新的或是邏輯上的漏洞應該就不行了，這個得進入AGI時代應該才有戲。

Yield——Yield不難理解，你就想像成一個帶AI智能的YFI就行，把錢扔給它，AI根據你的風險偏好自己去找平臺Staking，組LP，挖礦之類。

風控——感覺單獨做成一個項目會很奇怪，以插件形式服務與各個借貸或是類似Defi平臺感覺更加MakeSense。

ZKML

一個目前圈內越來越火的賽道，因為結合了兩項最為前沿的技術，一個圈內的ZK，一個圈外的ML。

理論上來說，與ZK的結合可以給ML提供隱私性、完整性和準確性，但是你要硬說有哪些具體使用場景吧，其實很多項目方也想不出來，基建先搭著再說……

目前唯一真的剛需的是部分醫療領域的機器學習確實有這個病人數據的隱私需求，至于鏈上游戲完整性或反作弊之類的敘事，總感覺有些牽強。

這個賽道目前來說就那么幾個明星項目，像是ModulusLabs，EZKL，Giza之類，都是一級市場熱捧的對象。

沒法，因為全世界懂ZK的人本來就那么幾個，懂ZK同時還要懂ML的人才就更少了，所以這個賽道的技術門檻相對其他要高了很多，同質化也相對不明顯。

最后就是，ZKML大多針對的是推理，而非訓練

Tags：RNDRNFTRNDRNDR幣RNDR價格NFT價格NFT幣RND幣是什么幣

OKB