概述
ChatGPT 推出兩個月後使用者數量迅速突破 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 領域佈局。國內 BAT、位元組、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，人工智慧、關聯資料和語義網路構建，形成人與網路的全新連結，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 的生成利用人工智慧學習知識圖譜、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: 軟體層面包括自然語言處理技術、AIGC 生成演算法模型和資料集；硬體層面主要是算力、通訊網路；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 軟體層—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 生成演算法。
- 自然語言處理
自然語言處理是實現人與計算機之間如何透過自然語言進行互動的手段。迴圈神經網路 (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（LSTM）等 RNN 模型成為了 NLP 問題的首選模型。Transformer 的並行化優勢允許其在更大的資料集上進行訓練。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、Common Crawl 等大型語料庫進行訓練，並可以針對特定任務進行微調。
- AIGC 生成演算法
演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 演算法模型有兩種：生成對抗網路 GAN 和擴散模型。
生成對抗網路 GAN（Generative Adversarial Networks）
對抗神經網路 GAN (Generative Adversarial Networks) 由一個生成網路和一個判別網路組成，生成網路產生「假」資料，並試圖欺騙判別網路；判別網路對生成資料進行真偽鑑別，試圖正確識別所有「假」資料。在訓練迭代的過程中，兩個網路持續地進化和對抗，直到達到平衡狀態，判別網路無法再識別「假」資料，訓練結束。
擴散模型 Diffusion Model
擴散模型是一種新型的生成模型，可生成各種高解析度影象。在 OpenAI，Nvidia 和 Google 設法訓練大模型之後，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，也是為什麼近期 AIGC 擁有了開放性的創造力。本質上，擴散模型的工作原理是透過連續新增高斯噪聲來破壞訓練資料，然後透過反轉這個噪聲過程來學習恢復資料。它具有精度更高、可擴充套件性和並行性，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，需要透過大量的訓練來實現更準確的結果，對於底層算力需求將有飛速增長。
2. 硬體層—分散式算力敘述崛起
與傳統演算法相比，人工智慧演算法並無多餘的假設前提，而是完全利用輸入的資料自行模擬和構建相應的模型結構，這一演算法特點決定了它是更為靈活且可以根據不同的訓練資料而擁有自最佳化的能力，同時也帶來了顯著增加的運算量。隨著 AIGC 生成量的增加，尤其是未來影片、遊戲等內容的加入，算力需求將暴增，GPU 專用計算叢集或將應運而生，這對提高模型精度和使用者體驗至關重要。根據 OpenAI 分析，自 2012 年以來，6 年間 AI 算力需求增長約 30 萬倍：
Web3 技術可以透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 使用了分散式訓練技術，使得全球希望此 AI 更新的人自願提供算力訓練。
- Render Network 是一家基於 GPU 基礎設施，為使用者提供分散式渲染服務的供應商。解決的是傳統的本地渲染和雲渲染無法有效利用全球 GPU 算力的問題。可以把 Render Network 看成是中介軟體，連線供給端和需求端。使用者透過區塊鏈釋出渲染任務，而礦工則可以接單幫你渲染，期間的交易費用由 RNDR 結算。
- Phala Network 的核心是雲端計算網路，它採用“鏈上共識、鏈下計算”的模式,鏈下計算節點不受共識演算法的約束，透過併發程式設計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。基於 Secure Enclave 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慧的資料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於 Gitcoin，捐贈算力可以獲得 POAP，或者類似於 AMM 提供了對於流動性的激勵，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、影象、音訊、遊戲和程式碼生成中商業模型漸顯，尤其在一些具備高重複性的任務、對於精度要求並不那麼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（比如 Lensa, ChatGPT pro）
相比於 Stability AI、 ChatGPT 等人工智慧在傳統領域獲得大量關注和採用，區塊鏈更大的想象力在於可以改變 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 情緒褪去之後，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 使用者對 crypto 充滿興趣，卻往往因為複雜陌生的操作而放棄。AIGC 的出現有望顯著降低 web2 使用者的進入門檻。
- Web3 搜尋引擎：Web3 版本 chatgpt。在現 chatgpt 大模型基礎之上，加入鏈上資料和 twitter, reddit, Lens, Farcaster, Mastodon, 加密媒體等資料來源進行訓練，構建 crypto 百科全書。
- 現有用例：RSS3
RSS3 產品 Hoot.it 在 ChatGPT 的基礎上增加並最佳化了更多 Web3 等開放網路的內容訓練，使得使用者在搜尋內容時獲得更好的體驗。
- 現有用例：Kaito
Kaito，人工智慧驅動的加密搜尋引擎，其資料和資訊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 透過其 AI 驅動的搜尋引擎將這些資訊集中在一個地方。
- 個性化 onboarding 體驗：透過分析使用者行為和偏好，AI 可以根據每個使用者的風險偏好和過往投資經驗，建立個性化的 onboarding 體驗。相比於文字版教程，AIGC 引擎在建立錢包、登入、交易、智慧合約互動的每一步都能進行一對一指導，降低 onboarding 複雜性和使用者流失率，讓小白使用者更安心。
- 投資開戶引導：AI 智慧助手可為使用者提供最新的市場資料、熱度追蹤和基礎的投資建議。AI 助手可以為小白使用者分析市場上最熱的前十大 NFT/ 山寨幣，生成詳細的資料圖表，並協助使用者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 結構化資料少質量不高，且市場更新迭代速度非常快，在資料獲取層面存在不少挑戰，目前大多專案尚未開啟測試，產品體驗不明確。
b. AIGC & 遊戲
- 增強沉浸感：AIGC 驅動的遊戲角色可以為玩家提供更真實的體驗。AI 驅動的 NPC（非玩家角色）可以生成更復雜、逼真的行為，增強遊戲的互動性，並根據使用者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 之間有著豐富的互動選項——問候、買賣、惹惱、掏槍、搶劫、啟動任務、逼問秘密等等，根據互動物件而改變，這些隨機性內容在 AI 的加持下，能夠形成更豐富 / 更真實的互動體驗。
《微軟模擬飛行》所有 1.97 億平方英里的環境主要是透過人工智慧來完成，微軟公司與 blackshark.ai 合作，透過 AI 從二維衛星影象生成無限逼真的三維世界。
- 降低遊戲創作門檻：創作者可以更低門檻地進行遊戲創作，目前大多數開放世界的 UCG 遊戲編輯器雖然已經簡化了遊戲創作的步驟，但仍然創作者需要一定的程式設計基礎，在 AIGC 的幫助下無程式碼程式設計將成為可能，玩家透過文字描述或圖片生成特定的遊戲資產、風格場景、gamplay 等。
- 現有用例：Lifeform AI
Lifeform 使用者可透過 AI 工具生成專屬卡通角色。Lifeform AI Cartoon 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 AVATAR NFT。
- 現有用例：Anything World
Anything world 元宇宙 AI 動畫工具開發公司將於今年 12 月登陸 Epic Games 虛擬引擎。Anything World 主要構建 ML 驅動的大規模建立開源、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 之間的迅捷互動通道，致力於運用先進的 3D AIGC 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。
- 個性化遊戲體驗：AIGC 可以幫助個性化玩家遊戲體驗。透過跟蹤玩家的行為和偏好，AI 演算法可以提供量身定製的建議和遊戲選項，提高玩家滿意度和留存率。
- 現有用例：Mirror World
AI 驅動的鏈遊專案 Mirror World 已於 2021 年 9 月推出互動式 NFT Mirror NFT，可跨 Mirror World 全平臺的遊戲流通，並預計將在今年推出三款資產互通的遊戲。
- 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，然後標記進行進一步調查。此外 AI 驅動的隨機數生成器（RNG）可提高鏈上菠菜遊戲的公平性。
- 動態遊戲平衡：AI 可用於最佳化遊戲平衡，根據玩家的行為和技能水平實時調整難度級別和挑戰。遊戲將更加有趣和富有挑戰性，同時玩家也不會因過於困難的關卡而感到沮喪。
- 現有用例：RCT AI
RCT AI 針對 Axie Infinity 開發了 AI 訓練的 DRL（Deep Reinforcement Learning）模型，由於 Axie Infinity 所有卡牌的組合數量大約有 10^23 種，還有遊戲中的博弈等特點，rct AI 的模型在大量模擬對戰資料中提升了效率和勝率。
Comment: 在遊戲領域 AIGC 的主要用例是做基礎設施最佳化，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使用者加入到創作過程中。使用者並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 可以幫助使用者總結複雜的資訊流，讓使用者能快速讀取關鍵資訊，減輕閱讀壓力；在未來有可能透過學習使用者的語氣和個人偏好，在得到使用者授權後自動為我們處理社交訊息，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牆。
- 現有用例:AspectaAI
Aspecta 基於雲端與鏈上資料，應用 AI 打造具有價值深度的數字身份。從開發者開始，革命使用者資料潛能。以 Aspecta ID 作為核心，Aspecta 建立了 Aspecta Identity Ecosystem，透過協議和系統為使用者和第三方應用提供安全、可控的跨 Web2 & Web3 的資料儲存、傳輸和智慧應用服務。
- 潛在用例: AIGC 成就牆
還有一種潛在用例是根據使用者鏈上互動、資產情況、nft 持倉、生成一個藝術牆。不僅僅是簡單地陳列出來，而是將各種元素融合為一體，並隨機應用 3D 畫廊、抽象、油畫、塗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互動記錄動態變化。
Comment: 我們如何衡量使用者生成與 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 模型是在現有的資料語料庫中學習和總結，很難超出網際網路平均水平。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
- 生成式 NFT：AIGC 演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 創作工具對普通使用者開放，讓 NFT 藝術創作變成了像“你畫我猜”一樣簡單的遊戲。
- 現有用例：Eponym，Metascapes
Eponym 是 Art AI 開發的一個可以根據單詞或短語生成藝術作品的 AI 演算法，可以在一分鐘之內生成抽象的藝術作品，鑄成 NFT，並將其刻在以太坊上。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 原始素材來源於從世界上最奇幻的地點拍攝照片，AI 經過學習之後生成了這些 NFT，目前在 OpenSea 上的交易量達到 315 個 ETH
- 互動式 NFT: nft 本身可以根據使用者的行為進行互動和成長，比如屬性進化、母 nft 合併、nft 博弈競技等。具體專案如下：
Comment：AIGC 是否會影響 NFT 的稀缺性，能否獲得社羣認可？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徵；可見在 aigc 時代，人類藝術家價值會變得更高，但受眾更少更高階。
e. AIGC & DeFi
- 智慧交易演算法：AI 交易演算法可以用於分析市場趨勢，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：Sumo Signals
Sumo SignalsAI 加密交易策略平臺,可提供基於人工智慧的套利交易指標，篩選數百種加密貨幣，尋找表示買入或賣出訊號的模式，以幫助加密交易者執行套利交易。
- 更高效的借貸協議：透過使用 AI 演算法，借貸平臺可以自動評估借款人的信用價值並設定適當的利率降低違約風險，使借貸過程更加高效。
- 去中心化預測市場：透過分析使用者情緒和行為，演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。
關於 Foresight Ventures
Foresight Ventures 押注加密貨幣未來幾十年的創新曆程，旗下管理多支基金：VC 基金、二級主動管理基金、多策略 FOF、特殊目的 S 基金「Foresight Secondary Fund l」, 總資產管理規模超過 4 億美元。Foresight Ventures 堅持“Unique, Independent, Aggressive, Long-term”的理念，透過強大的生態力量為專案提供廣泛的支援。其團隊來自包括紅杉中國，中金公司，谷歌，位元大陸等頂級金融和技術公司的資深人士。
Website: https://www.foresightventures.com/
Twitter: https://twitter.com/ForesightVen
Medium: https://medium.com/@foresightventures-zh
Substack: https://foresightventures.substack.com
Discord: https://discord.com/invite/maEG3hRdE3
Linktree: https://linktr.ee/foresightventures
作者: Alice@Foresight Ventures
