AIGC 浪潮下 Web3 的應用層創新_AIG

撰文：Alice，ForesightVentures

ChatGPT推出兩個月后用戶數量迅速突破1億，成為業內和資本市場的關注熱點。目前，國內外已有多家科技巨頭在AIGC領域布局。國內BAT、字節、網易等公司，國外谷歌、Meta、微軟等多家公司，均推出了AIGC的應用產品。加密行業創業者們也在積極探索與ChatGPT以及AI的結合，試圖要分得一杯羹。

我們認為AIGC將成為Web3時代的生產力工具。當我們邁入Web3.0時代，人工智能、關聯數據和語義網絡構建，形成人與網絡的全新鏈接，內容消費需求飛速增長。UGC\PGC這樣的內容生成方式將難以匹配擴張的需求。AIGC將是新的元宇宙內容生成解決方案。AIGC的生成利用人工智能學習知識圖譜、自動生成，在內容的創作為人類提供協助或是完全由AI產生內容。不僅能幫助提高內容生成的效率，還能提高內容的多樣性。

總的看來AIGC可以劃分三個維度:軟件層面包括自然語言處理技術、AIGC生成算法模型和數據集；硬件層面主要是算力、通信網絡；商業應用層面包括在web2/web3的各類消費級應用，本文將主要討論消費應用的潛在創新。

1.AIGC軟件層—技術進步引發的創新浪潮

AIGC技術主要涉及兩個方面：自然語言處理NLP和AIGC生成算法。

自然語言處理

自然語言處理是實現人與計算機之間如何通過自然語言進行交互的手段。循環神經網絡(RNN)是當前NLP的主要方法的核心。其中，2017年由Google開發的Transformer模型現已逐步取代長短期記憶等RNN模型成為了NLP問題的首選模型。Transformer的并行化優勢允許其在更大的數據集上進行訓練。這也促成了BERT、GPT等預訓練模型的發展。這些系統使用了維基百科、CommonCrawl等大型語料庫進行訓練，并可以針對特定任務進行微調。

AIGC生成算法

算法模型的突破是近年來AIGC得以快速突破的催化劑，主流的AIGC算法模型有兩種：生成對抗網絡GAN和擴散模型。

DigiDaigaku Dragon Eggs啟動孵化:金色財經報道，據DigiDaigaku在其官方社交媒體賬號上宣布，DigiDaigaku Dragon Eggs已正式啟動孵化，據悉“龍蛋”將會變成小龍，一旦小龍孵化出現，相應的龍蛋NFT將會被銷毀，小龍有八種類型：地球、北極、閃電、天文、火、月神、海洋、天空、精靈和森林。孵化啟動后DigiDaigaku Dragon Eggs地板價在Blur平臺上漲近9%，本文撰寫時約為0.09 ETH。[2023/3/31 13:37:16]

生成對抗網絡GAN

對抗神經網絡GAN(GenerativeAdversarialNetworks)由一個生成網絡和一個判別網絡組成，生成網絡產生「假」數據，并試圖欺騙判別網絡；判別網絡對生成數據進行真偽鑒別，試圖正確識別所有「假」數據。在訓練迭代的過程中，兩個網絡持續地進化和對抗，直到達到平衡狀態，判別網絡無法再識別「假」數據，訓練結束。

擴散模型DiffusionModel

擴散模型是一種新型的生成模型，可生成各種高分辨率圖像。在OpenAI，Nvidia和Google設法訓練大模型之后，它們已經引起了很多關注。擴散模型擴散模型的生成邏輯相比其他的模型更接近人的思維模式，也是為什么近期AIGC擁有了開放性的創造力。本質上，擴散模型的工作原理是通過連續添加高斯噪聲來破壞訓練數據，然后通過反轉這個噪聲過程來學習恢復數據。它具有精度更高、可擴展性和并行性，無論是質量還是效率均有所提升，其快速發展成為AIGC增長的拐點性因素。同時，在機器學習的過程中，需要通過大量的訓練來實現更準確的結果，對于底層算力需求將有飛速增長。

2.硬件層—分布式算力敘述崛起

與傳統算法相比，人工智能算法并無多余的假設前提，而是完全利用輸入的數據自行模擬和構建相應的模型結構，這一算法特點決定了它是更為靈活且可以根據不同的訓練數據而擁有自優化的能力，同時也帶來了顯著增加的運算量。隨著AIGC生成量的增加，尤其是未來視頻、游戲等內容的加入，算力需求將暴增，GPU專用計算集群或將應運而生，這對提高模型精度和用戶體驗至關重要。根據OpenAI分析，自2012年以來，6年間AI算力需求增長約30萬倍：

DigiDaigaku：Dragon Egg空投已結束:金色財經報道，DigiDaigaku在其官方社交媒體賬號上宣布Dragon Egg空投已結束，同時DigiDaigaku還表示如果用戶錯過了此前官方報名，目前還有2500個免費Dragon Egg在FreeNFT平臺上提供。Dragon Egg于上個月12號為該生態系統NFT持有者（包括Genesis、Heroes和Super Villains）啟動空投，以幫助嬰兒龍成長進化。[2023/3/17 13:10:00]

Web3技術可以通過去中心化的方式提高機器學習的效率，這在傳統的AI訓練之中已經有所應用，比如AlphaGo的改進版KataGo使用了分布式訓練技術，使得全球希望此AI更新的人自愿提供算力訓練。

RenderNetwork是一家基于GPU基礎設施，為用戶提供分布式渲染服務的供應商。解決的是傳統的本地渲染和云渲染無法有效利用全球GPU算力的問題。可以把RenderNetwork看成是中間件，連接供給端和需求端。用戶通過區塊鏈發布渲染任務，而礦工則可以接單幫你渲染，期間的交易費用由RNDR結算。

PhalaNetwork的核心是云計算網絡，它采用「鏈上共識、鏈下計算」的模式,鏈下計算節點不受共識算法的約束，通過并發編程可結合多個節點的計算能力，即便是面對AI繁重的計算任務，Phala也能為其提供源源不斷的算力服務。基于SecureEnclave可信執行環境所構建意味著即使是惡意的節點也無法竊取人工智能的數據或操縱其自動化程序的執行、提供虛假結果。

在web3中更廣泛的應用可類似于Gitcoin，捐贈算力可以獲得POAP，或者類似于AMM提供了對于流動性的激勵，成為有償地出租算力的平臺。

3.商業應用層—當AIGC融入Web3消費場景

從商業應用層面看，AIGC在文字、圖像、音頻、游戲和代碼生成中商業模型漸顯，尤其在一些具備高重復性的任務、對于精度要求并不那么高的領域應用已逐步成熟，這類AIGC服務在Web2中一般以提供SaaS服務的形式變現。

Hodlonaut在Craig Wright誹謗訴訟案聽證會之前收到47枚BTC捐款:金色財經報道，根據比特幣雜志Citadel21編輯Hodlonaut的推文，在關于nChain首席科學家Craig Wright（CSW）的誹謗法庭聽證會之前，收到共計47 BTC（價值100萬美元）的捐款。根據Hodlonaut發布的圖片，目前已經收到了來自1891人的總共52.679比特幣和3萬美元的捐款。

Hodlonaut將于9月12日在挪威法院出庭，該案于2019年3月開始。本月早些時候，Wright與比特幣播客主播Peter McCormack一起參與了英國法院的聽證會。高等法院法官Martin Chamberlain裁定，Wright在該案中使用了虛假證據。（CoinDesk）

據悉，Craig Wright自稱是比特幣的發明者“中本聰”，但被比特幣社區懷疑。Hodlonaut將在挪威為其關于Craig Wright不是比特幣發明者的指控辯護。[2022/8/23 12:42:02]

相比于StabilityAI、ChatGPT等人工智能在傳統領域獲得大量關注和采用，區塊鏈更大的想象力在于可以改變AI模型的經濟系統。前段時間出現不少AI概念幣的大幅領漲，但我們更關注的是FOMO情緒褪去之后，AIGC+Web3能在應用層產生哪些方向性創新。

a.AIGC&Mass?adoption

不少傳統web2用戶對crypto充滿興趣，卻往往因為復雜陌生的操作而放棄。AIGC的出現有望顯著降低web2用戶的進入門檻。

1.Web3搜索引擎：Web3版本chatgpt。在現chatgpt大模型基礎之上，加入鏈上數據和twitter,reddit,Lens,Farcaster,Mastodon,加密媒體等數據源進行訓練，構建crypto百科全書。

現有用例：RSS3

RSS3產品Hoot.it在ChatGPT的基礎上增加并優化了更多Web3等開放網絡的內容訓練，使得用戶在搜索內容時獲得更好的體驗。

聲音 | Craig Wright：軟分叉是區塊鏈上的癌癥:nChain首席科學家Craig Wright今日在其社交媒體表示，軟分叉不是比特幣社區的一部分。它們是區塊鏈中最糟糕的癌癥，是由那些尋求社會共識而非競爭的傻瓜們的設計。[2018/10/11]

現有用例：Kaito

Kaito，人工智能驅動的加密搜索引擎，其數據和信息通常分散在多個來源，例如Discord、Medium、Mirror、播客抄本以及新聞和研究平臺。Kaito通過其AI驅動的搜索引擎將這些信息集中在一個地方。

2.個性化onboarding體驗：通過分析用戶行為和偏好，AI可以根據每個用戶的風險偏好和過往投資經驗，創建個性化的onboarding體驗。相比于文字版教程，AIGC引擎在創建錢包、登錄、交易、智能合約交互的每一步都能進行一對一指導，降低onboarding復雜性和用戶流失率，讓小白用戶更安心。

3.投資開戶引導：AI智能助手可為用戶提供最新的市場數據、熱度追蹤和基礎的投資建議。AI助手可以為小白用戶分析市場上最熱的前十大NFT/山寨幣，生成詳細的數據圖表，并協助用戶在各大交易平臺完成開戶和購買等操作。

Comment:這類產品主要面對散戶交易者，整體流量大，基礎知識欠缺，需要保證產品的強安全性和權威性，很有可能是中心化交易所先做起來。此外web3結構化數據少質量不高，且市場更新迭代速度非常快，在數據獲取層面存在不少挑戰，目前大多項目尚未開啟測試，產品體驗不明確。

b.AIGC&游戲

1.增強沉浸感：AIGC驅動的游戲角色可以為玩家提供更真實的體驗。AI驅動的NPC可以生成更復雜、逼真的行為，增強游戲的交互性，并根據用戶的行為實時響應他們的行為和決策。

現有用例：荒野大鏢客、地圖生成等。

《荒野大鏢客2》玩家與NPC之間有著豐富的交互選項——問候、買賣、惹惱、掏槍、搶劫、啟動任務、逼問秘密等等，根據交互對象而改變，這些隨機性內容在AI的加持下，能夠形成更豐富/更真實的交互體驗。

V神稱“比特幣創造者”Craig Wright為騙子:據thenextweb消息，以太坊創始人Vitalik Buterin與自稱“比特幣創造者”的Craig Wright共同參加了散布式經濟會議（Deconomy conference）。在會議的問答環節，與會者們談到了Wright的一些錯誤觀點。對此，以太坊創始人Vitalik Buterin說：“由于Wright在這個舞臺上給出了許多并未通過之前的結論作出推斷得出的觀點，為什么要讓這個騙子在此次會議上發表演講呢？”這一火藥味十足的評論得到了許多在場觀眾的贊揚。Buterin一直以來都懷疑宣稱自己是中本聰的Wright。[2018/4/3]

《微軟模擬飛行》所有1.97億平方英里的環境主要是通過人工智能來完成，微軟公司與blackshark.ai合作，通過AI從二維衛星圖像生成無限逼真的三維世界。

2.降低游戲創作門檻：創作者可以更低門檻地進行游戲創作，目前大多數開放世界的UCG游戲編輯器雖然已經簡化了游戲創作的步驟，但仍然創作者需要一定的編程基礎，在AIGC的幫助下無代碼編程將成為可能，玩家通過文字描述或圖片生成特定的游戲資產、風格場景、gamplay等。

現有用例：LifeformAI

Lifeform用戶可通過AI工具生成專屬卡通角色。LifeformAICartoon開展了為期一個月freemint活動，從2月17日到3月17日。玩家大概支付0.5美元手續費免費鑄造，每個錢包限額一個.截止至2月25日NFT已經在BNBChain上鑄造了20.7萬枚，共13.3萬個錢包地址持有AVATARNFT。

現有用例：AnythingWorld

Anythingworld元宇宙AI動畫工具開發公司將于今年12月登陸EpicGames虛擬引擎。AnythingWorld主要構建ML驅動的大規模創建開源、可用可混合的3D工具，降低人們進入Web3世界的門檻。

現有用例：AIRENA

AIRENA是現實世界和Metaverse之間的迅捷交互通道，致力于運用先進的3DAIGC功能，Metaverse,空間UGC系統，為現實2D/3D藝術創作者們建設一站式藝術，娛樂社交平臺。AIRENA簡化的全格式NFT創作流程和UGC空間內創作功能將使AIRENA成為個人，藝術家，企業參與、整合與構建平行世界的全方位解決方案，為META探索和交易數字資產提供無縫體驗。

3.個性化游戲體驗：AIGC可以幫助個性化玩家游戲體驗。通過跟蹤玩家的行為和偏好，AI算法可以提供量身定制的建議和游戲選項，提高玩家滿意度和留存率。

現有用例：MirrorWorld

AI驅動的鏈游項目MirrorWorld已于2021年9月推出互動式NFTMirrorNFT，可跨MirrorWorld全平臺的游戲流通，并預計將在今年推出三款資產互通的游戲。

4.公平性和防作弊：AI驅動的反作弊系統可以檢測異常的行為模式，如自瞄或透視掛，然后標記進行進一步調查。此外AI驅動的隨機數生成器可提高鏈上菠菜游戲的公平性。

5.動態游戲平衡：AI可用于優化游戲平衡，根據玩家的行為和技能水平實時調整難度級別和挑戰。游戲將更加有趣和富有挑戰性，同時玩家也不會因過于困難的關卡而感到沮喪。

現有用例：RCTAI

RCTAI針對AxieInfinity開發了AI訓練的DRL模型，由于AxieInfinity所有卡牌的組合數量大約有10^23種，還有游戲中的博弈等特點，rctAI的模型在大量模擬對戰數據中提升了效率和勝率。

Comment:在游戲領域AIGC的主要用例是做基礎設施優化，較難成為一個獨立的商業模式。

c.AIGC&去中心化社交

內容創作:AIGC可以帶來全新的內容創作方式，運用AI生成內容的能力讓普通的加密用戶加入到創作過程中。用戶并不一定要貢獻具體創作的內容，可以貢獻思路或者微調模型。

減輕社交壓力：AIGC可以幫助用戶總結復雜的信息流，讓用戶能快速讀取關鍵信息，減輕閱讀壓力；在未來有可能通過學習用戶的語氣和個人偏好，在得到用戶授權后自動為我們處理社交消息，完成簡單的決策。

DID和成就體系：運用AIGC打造數字身份或者生成個人成就墻。

現有用例:AspectaAI

Aspecta基于云端與鏈上數據，應用AI打造具有價值深度的數字身份。從開發者開始，革命用戶數據潛能。以AspectaID作為核心，Aspecta建立了AspectaIdentityEcosystem，通過協議和系統為用戶和第三方應用提供安全、可控的跨Web2&Web3的數據存儲、傳輸和智能應用服務。

潛在用例:AIGC成就墻

還有一種潛在用例是根據用戶鏈上交互、資產情況、nft持倉、生成一個藝術墻。不僅僅是簡單地陳列出來，而是將各種元素融合為一體，并隨機應用3D畫廊、抽象、油畫、涂鴉等各種豐富的藝術形式表現出來，藝術畫風與元素也會隨著交互記錄動態變化。

Comment:我們如何衡量用戶生成與ai生成內容的價值？如何衡量人與機器藝術的價值?筆者認為AIGC模型是在現有的數據語料庫中學習和總結，很難超出互聯網平均水平。在AIGC時代，真正的創作者應當去思考真正的創新，進而推動文明的進步，而不是總結平庸的想法。

d.AIGC&NFT

1.生成式NFT：AIGC算法可以從個體收藏家的偏好和反饋中學習，隨著越來越多AI創作工具對普通用戶開放，讓NFT藝術創作變成了像「你畫我猜」一樣簡單的游戲。

現有用例：Eponym，Metascapes

Eponym是ArtAI開發的一個可以根據單詞或短語生成藝術作品的AI算法，可以在一分鐘之內生成抽象的藝術作品，鑄成NFT，并將其刻在以太坊上。在OpenSea上的第一款產品在幾個小時內就售罄，截至目前已經完成了4722筆NFT交易，交易總量達4722個ETH。

Metascapes原始素材來源于從世界上最奇幻的地點拍攝照片，AI經過學習之后生成了這些NFT，目前在OpenSea上的交易量達到315個ETH。

2.交互式NFT:nft本身可以根據用戶的行為進行交互和成長，比如屬性進化、母nft合并、nft博弈競技等。具體項目如下：

Comment：AIGC是否會影響NFT的稀缺性，能否獲得社區認可？筆者認為應當分場景分析：中長尾nft完全可以靠aigc生成，生產效率高、概念創新、畫風精美；藍籌則更prefer人類藝術家。這種差別類似工業革命時代工業品和手工品區別——工業革命之前普通人缺乏基礎生活用品，工業品的出現滿足了民眾日常需求，手工品則成為了貴族品質的象征；可見在aigc時代，人類藝術家價值會變得更高，但受眾更少更高端。

e.AIGC&DeFi

1.智能交易算法：AI交易算法可以用于分析市場趨勢，更準確地預測資產價格的走向，幫助交易者做出更明智的投資決策

現有用例：SumoSignals

SumoSignalsAI加密交易策略平臺,可提供基于人工智能的套利交易指標，篩選數百種加密貨幣，尋找表示買入或賣出信號的模式，以幫助加密交易者執行套利交易。

2.更高效的借貸協議：通過使用AI算法，借貸平臺可以自動評估借款人的信用價值并設置適當的利率降低違約風險，使借貸過程更加高效。

3.去中心化預測市場：通過分析用戶情緒和行為，算法或許能比專家更準確地預測事件的結果，例如選舉或體育比賽。

Tags：AIGIGCNFTWEBAIGPT價格igc幣是真的嗎Swiss NFT FundWeBlock

FIL