AIGC 浪潮下 Web3 的应用层创新

撰文：Alice，Foresight Ventures

ChatGPT 推出两个月后用户数量敏捷打破 1 亿，成为业界和资本商场的重视热门。现在，国内外已有多家科技巨头在 AIGC 范畴布局。国内 BAT、字节、网易等公司，国外谷歌、Meta、微软等多家公司，均推出了 AIGC 的运用产品。加密行业创业者们也在积极探究与 ChatGPT 以及 AI 的结合，企图要分得一杯羹。

咱们以为 AIGC 将成为 Web3 年代的生产力东西。当咱们迈入 Web3.0 年代，人工智能、相关数据和语义网络构建，形成人与网络的全新链接，内容消费需求飞速增长。UGCPGC 这样的内容生成办法将难以匹配扩张的需求。AIGC 将是新的元国际内容生成处理方案。AIGC 的生成运用人工智能学习常识图谱、主动生成，在内容的创造为人类供应协助或是彻底由 AI 发生内容。不仅能协助进步内容生成的效率，还能进步内容的多样性。

总的看来 AIGC 能够划分三个维度: 软件层面包含自然语言处理技能、AIGC 生成算法模型和数据集；硬件层面首要是算力、通信网络；商业运用层面包含在 web2/web3 的各类消费级运用，本文将首要评论消费运用的潜在创新。

1. AIGC 软件层—技能进步引发的创新浪潮

AIGC 技能首要涉及两个方面：自然语言处理 NLP 和 AIGC 生成算法。

• 自然语言处理

自然语言处理是实现人与核算机之间怎么经过自然语言进行交互的手段。循环神经网络 (RNN) 是当前 NLP 的首要办法的中心。其中，2017 年由 Google 开发的 Transformer 模型现已逐步取代长短期记忆（LSTM）等 RNN 模型成为了 NLP 问题的首选模型。Transformer 的并行化优势答应其在更大的数据集上进行练习。这也促成了 BERT、GPT 等预练习模型的展开。这些体系运用了维基百科、Common Crawl 等大型语料库进行练习，并能够针对特定使命进行微调。

• AIGC 生成算法

算法模型的打破是近年来 AIGC 得以快速打破的催化剂，干流的 AIGC 算法模型有两种：生成对立网络 GAN 和分散模型。

生成对立网络 GAN（Generative Adversarial Networks）

对立神经网络 GAN (Generative Adversarial Networks) 由一个生成网络和一个判别网络组成，生成网络发生「假」数据，并企图诈骗判别网络；判别网络对生成数据进行真伪鉴别，企图正确识别所有「假」数据。在练习迭代的进程中，两个网络持续地进化和对立，直到到达平衡状况，判别网络无法再识别「假」数据，练习结束。

分散模型 Diffusion Model

分散模型是一种新式的生成模型，可生成各种高分辨率图画。在 OpenAI，Nvidia 和 Google 设法练习大模型之后，它们现已引起了许多重视。分散模型分散模型的生成逻辑比较其他的模型更接近人的思维形式，也是为什么近期 AIGC 具有了敞开性的创造力。本质上，分散模型的工作原理是经过连续添加高斯噪声来破坏练习数据，然后经过回转这个噪声进程来学习恢复数据。它具有精度更高、可扩展性和并行性，无论是质量仍是效率均有所提升，其快速展开成为 AIGC 增长的拐点性要素。一起，在机器学习的进程中，需求经过很多的练习来实现更精确的成果，对于底层算力需求将有飞速增长。

2. 硬件层—分布式算力叙述兴起

与传统算法比较，人工智能算法并无剩余的假定前提，而是彻底运用输入的数据自行模仿和构建相应的模型结构，这一算法特色决议了它是更为灵活且能够依据不同的练习数据而具有自优化的才能，一起也带来了明显添加的运算量。跟着 AIGC 生成量的添加，尤其是未来视频、游戏等内容的参加，算力需求将暴增，GPU 专用核算集群或将应运而生，这对进步模型精度和用户体会至关重要。依据 OpenAI 剖析，自 2012 年以来，6 年间 AI 算力需求增长约 30 万倍：

Web3 技能能够经过去中心化的办法进步机器学习的效率，这在传统的 AI 练习之中现已有所运用，比方 AlphaGo 的改进版 KataGo 运用了分布式练习技能，使得全球希望此 AI 更新的人自愿供应算力练习。

• Render Network 是一家依据 GPU 根底设施，为用户供应分布式烘托服务的供应商。处理的是传统的本地烘托和云烘托无法有效运用全球 GPU 算力的问题。能够把 Render Network 看成是中间件，连接供应端和需求端。用户经过区块链发布烘托使命，而矿工则能够接单帮你烘托，期间的生意费用由 RNDR 结算。

• Phala Network 的中心是云核算网络，它选用「链上共识、链下核算」的形式,链下核算节点不受共识算法的约束，经过并发编程可结合多个节点的核算才能，即便是面对 AI 繁重的核算使命，Phala 也能为其供应连绵不断的算力服务。依据 Secure Enclave 可信执行环境所构建意味着即使是恶意的节点也无法盗取人工智能的数据或操作其主动化程序的执行、供应虚假成果。

• 在 web3 中更广泛的运用可类似于 Gitcoin，捐赠算力能够取得 POAP，或许类似于 AMM 供应了对于流动性的激励，成为有偿地出租算力的渠道。

3. 商业运用层—当 AIGC 融入 Web3 消费场景

从商业运用层面看，AIGC 在文字、图画、音频、游戏和代码生成中商业模型渐显，尤其在一些具备高重复性的使命、对于精度要求并不那么高的范畴运用已逐步成熟，这类 AIGC 服务在 Web2 中一般以供应 SaaS 服务的形式变现（比方 Lensa, ChatGPT pro）。

比较于 Stability AI、 ChatGPT 等人工智能在传统范畴取得很多重视和选用，区块链更大的想象力在于能够改动 AI 模型的经济体系。前段时间呈现不少 AI 概念币的大幅领涨，但咱们更重视的是 FOMO 心情褪去之后，AIGC+Web3 能在运用层发生哪些方向性创新。

a. AIGC & Massadoption

不少传统 web2 用户对 crypto 充溢兴趣，却往往因为杂乱陌生的操作而放弃。AIGC 的呈现有望明显下降 web2 用户的进入门槛。

1. Web3 搜索引擎：Web3 版别 chatgpt。在现 chatgpt 大模型根底之上，参加链上数据和 twitter, reddit, Lens, Farcaster, Mastodon, 加密媒体等数据源进行练习，构建 crypto 百科全书。

• 现有用例：RSS3

RSS3 产品 Hoot.it 在 ChatGPT 的根底上添加并优化了更多 Web3 等敞开网络的内容练习，使得用户在搜索内容时取得更好的体会。

• 现有用例：Kaito

Kaito，人工智能驱动的加密搜索引擎，其数据和信息一般分散在多个来历，例如 Discord、Medium、Mirror、播客抄本以及新闻和研究渠道。Kaito 经过其 AI 驱动的搜索引擎将这些信息集中在一个地方。

2. 个性化 onboarding 体会：经过剖析用户行为和偏好，AI 能够依据每个用户的风险偏好和过往出资经验，创立个性化的 onboarding 体会。比较于文字版教程，AIGC 引擎在创立钱包、登录、生意、智能合约交互的每一步都能进行一对一指导，下降 onboarding 杂乱性和用户流失率，让小白用户更安心。

3. 出资开户引导：AI 智能帮手可为用户供应最新的商场数据、热度追踪和根底的出资主张。AI 帮手能够为小白用户剖析商场上最热的前十大 NFT/ 山寨币，生成详细的数据图表，并协助用户在各大生意渠道完结开户和购买等操作。

Comment: 这类产品首要面对散户生意者，全体流量大，根底常识短缺，需求确保产品的强安全性和权威性，很有或许是中心化生意所先做起来。此外 web3 结构化数据少质量不高，且商场更新迭代速度非常快，在数据获取层面存在不少应战，现在大多项目没有开启测验，产品体会不明确。

b. AIGC & 游戏

1. 增强沉浸感：AIGC 驱动的游戏人物能够为玩家供应更实在的体会。AI 驱动的 NPC（非玩家人物）能够生成更杂乱、传神的行为，增强游戏的交互性，并依据用户的行为实时呼应他们的行为和决策。

• 现有用例：荒野大镖客、地图生成等。

《荒野大镖客 2》玩家与 NPC 之间有着丰厚的交互选项——问好、生意、惹恼、掏枪、掠夺、启动使命、逼问隐秘等等，依据交互目标而改动，这些随机性内容在 AI 的加持下，能够形成更丰厚 / 更实在的交互体会。

《微软模仿飞行》所有 1.97 亿平方英里的环境首要是经过人工智能来完结，微软公司与 blackshark.ai 合作，经过 AI 从二维卫星图画生成无限传神的三维国际。

2. 下降游戏创造门槛：创造者能够更低门槛地进行游戏创造，现在大多数敞开国际的 UCG 游戏编辑器尽管现已简化了游戏创造的步骤，但仍然创造者需求必定的编程根底，在 AIGC 的协助下无代码编程将成为或许，玩家经过文字描述或图片生成特定的游戏财物、风格场景、gamplay 等。

• 现有用例：Lifeform AI

Lifeform 用户可经过 AI 东西生成专属卡通人物。Lifeform AI Cartoon 展开了为期一个月 freemint 活动，从 2 月 17 日到 3 月 17 日。玩家大概付出 0.5 美元手续费免费铸造，每个钱包限额一个. 截止至 2 月 25 日 NFT 现已在 BNBChain 上铸造了 20.7 万枚，共 13.3 万个钱包地址持有 AVATAR NFT。

• 现有用例：Anything World

Anything world 元国际 AI 动画东西开发公司将于今年 12 月登陆 Epic Games 虚拟引擎。Anything World 首要构建 ML 驱动的大规模创立开源、可用可混合的 3D 东西，下降人们进入 Web3 国际的门槛。

• 现有用例：AIRENA

AIRENA 是实际国际和 Metaverse 之间的快捷交互通道，致力于运用先进的 3D AIGC 功用，Metaverse, 空间 UGC 体系，为实际 2D/3D 艺术创造者们建造一站式艺术，娱乐交际渠道。AIRENA 简化的全格局 NFT 创造流程和 UGC 空间内创造功用将使 AIRENA 成为个人，艺术家，企业参与、整合与构建平行国际的全方位处理方案，为 META 探究和生意数字财物供应无缝体会。

3. 个性化游戏体会：AIGC 能够协助个性化玩家游戏体会。经过跟踪玩家的行为和偏好，AI 算法能够供应量身定制的主张和游戏选项，进步玩家满意度和留存率。

• 现有用例：Mirror World

AI 驱动的链游项目 Mirror World 已于 2021 年 9 月推出互动式 NFT Mirror NFT，可跨 Mirror World 全渠道的游戏流通，并估计将在今年推出三款财物互通的游戏。

4. 公平性和防做弊：AI 驱动的反做弊体系能够检测反常的行为形式，如自瞄或透视挂，然后标记进行进一步调查。此外 AI 驱动的随机数生成器（RNG）可进步链上菠菜游戏的公平性。

5. 动态游戏平衡：AI 可用于优化游戏平衡，依据玩家的行为和技能水平实时调整难度等级和应战。游戏将更加有趣和富有应战性，一起玩家也不会因过于困难的关卡而感到沮丧。

• 现有用例：RCT AI

RCT AI 针对 Axie Infinity 开发了 AI 练习的 DRL（Deep Reinforcement Learning）模型，由于 Axie Infinity 所有卡牌的组合数量大约有 10^23 种，还有游戏中的博弈等特色，rct AI 的模型在很多模仿对战数据中提升了效率和胜率。

Comment: 在游戏范畴 AIGC 的首要用例是做根底设施优化，较难成为一个独立的商业形式。

c. AIGC & 去中心化交际

1. 内容创造: AIGC 能够带来全新的内容创造办法，运用 AI 生成内容的才能让一般的加密用户参加到创造进程中。用户并不必定要贡献详细创造的内容，能够贡献思路或许微调模型。

2. 减轻交际压力：AIGC 能够协助用户总结杂乱的信息流，让用户能快速读取要害信息，减轻阅读压力；在未来有或许经过学习用户的口气和个人偏好，在得到用户授权后主动为咱们处理交际消息，完结简略的决策。

3. DID 和成果体系：运用 AIGC 打造数字身份或许生成个人成果墙。

• 现有用例:AspectaAI

Aspecta 依据云端与链上数据，运用 AI 打造具有价值深度的数字身份。从开发者开端，革新用户数据潜能。以 Aspecta ID 作为中心，Aspecta 建立了 Aspecta Identity Ecosystem，经过协议和体系为用户和第三方运用供应安全、可控的跨 Web2 & Web3 的数据存储、传输和智能运用服务。

• 潜在用例: AIGC 成果墙

还有一种潜在用例是依据用户链上交互、财物状况、nft 持仓、生成一个艺术墙。不仅仅是简略地陈列出来，而是将各种元素融合为一体，并随机运用 3D 画廊、笼统、油画、涂鸦等各种丰厚的艺术形式表现出来，艺术画风与元素也会跟着交互记载动态变化。

Comment: 咱们怎么衡量用户生成与 ai 生成内容的价值？怎么衡量人与机器艺术的价值? 笔者以为 AIGC 模型是在现有的数据语料库中学习和总结，很难超出互联网平均水平。在 AIGC 年代，真正的创造者应当去思考真正的创新，从而推进文明的进步，而不是总结平庸的主意。

d. AIGC & NFT

1. 生成式 NFT：AIGC 算法能够从个体收藏家的偏好和反馈中学习，跟着越来越多 AI 创造东西对一般用户敞开，让 NFT 艺术创造变成了像「你画我猜」一样简略的游戏。

• 现有用例：Eponym，Metascapes

Eponym 是 Art AI 开发的一个能够依据单词或短语生成艺术作品的 AI 算法，能够在一分钟之内生成笼统的艺术作品，铸成 NFT，并将其刻在以太坊上。在 OpenSea 上的第一款产品在几个小时内就售罄，到现在现已完结了 4722 笔 NFT 生意，生意总量达 4722 个 ETH。

Metascapes 原始素材来历于从国际上最奇幻的地址拍照照片，AI 经过学习之后生成了这些 NFT，现在在 OpenSea 上的生意量到达 315 个 ETH。

2. 交互式 NFT: nft 本身能够依据用户的行为进行交互和生长，比方属性进化、母 nft 合并、nft 博弈竞技等。详细项目如下：

Comment：AIGC 是否会影响 NFT 的稀缺性，能否取得社区认可？笔者以为应当分场景剖析：中长尾 nft 彻底能够靠 aigc 生成，生产效率高、概念创新、画风精美；蓝筹则更 prefer 人类艺术家。这种不同类似工业革新年代工业品和手艺品差异——工业革新之前一般人缺乏根底生活用品，工业品的呈现满意了民众日常需求，手艺品则成为了贵族品质的象征；可见在 aigc 年代，人类艺术家价值会变得更高，但受众更少更高端。

e. AIGC & DeFi

1. 智能生意算法：AI 生意算法能够用于剖析商场趋势，更精确地猜测财物价格的走向，协助生意者做出更明智的出资决策

• 现有用例：Sumo Signals

Sumo SignalsAI 加密生意战略渠道,可供应依据人工智能的套利生意指标，筛选数百种加密钱银，寻找表示买入或卖出信号的形式，以协助加密生意者执行套利生意。

2. 更高效的假贷协议：经过运用 AI 算法，假贷渠道能够主动评价借款人的信誉价值并设置适当的利率下降违约风险，使假贷进程更加高效。

3. 去中心化猜测商场：经过剖析用户心情和行为，算法或许能比专家更精确地猜测事件的成果，例如推举或体育比赛。

此时快讯

【加密薪酬合规公司 TOKu 完成 2000 万美元融资】金色财经报道，加密薪酬合规公司 Toku 完成 2000 万美元首轮融资，投资方包括 Blockchain Capital、GMJP、OrangeDAO、Reverie、Quantstamp 和 Next Web Capital 等公司，以及 Protocol Labs 创始人 Juan Benet 和 Cameron 和 Tyler Winklevoss 等天使投资人。 
Toku 旨在帮助加密公司处理与 Token 相关的薪酬发放的税法工作，声称已经在数十个国家创建了一个系统来跟踪与加密相关的税法和法规，目前拥有 30 家客户，包括 Filecoin Foundation、Gitcoin、Gnosis、Hedera Hashgraph 和 PleasrDAO。