Binance Research报告：AI与加密技术融合的数据与发展趋势

1. 重点

• 在过去的几个月里，人们对人工智能 (「AI」) 的兴趣有所上升，这一点从谷歌搜索趋势和人工智能相关代币价格飙升就可以看出。
• 2023 年，与人工智能相关的 web3 项目的资金激增，达到 2.98 亿美元。这比 2016 年至 2022 年人工智能项目的总融资金额（1.485 亿美元）还要多。
• 与人工智能相关的代币在 2023 年普遍表现良好，按市值计算的前五大人工智能代币的表现明显优于 BTC 和 ETH，2023 年的涨幅从 200% 到 650% 不等。
• 我们已经观察到人工智能和加密货币融合产生的几个趋势和实际用例。从推动去中心化物理基础设施网路（「DePIN」）的增长，到创建更具互动性的面向消费者的应用程序，我们在本报告中重点介绍了一些值得注意的发展。

2. 介绍

2023 年被证明是人工智能（「AI」）的里程碑，因为人工智能的变革力量变得更加明显，特别是人工智能聊天机器人的广泛使用，如 OpenAI 的 ChatGPT、谷歌的 Bard、微软的 Bing Chat 等。ChatGPT 尤其突出了人工智能的潜力，在短短两个月内就达到了 1 亿用户的里程碑。

这一成就超过了抖音和 YouTube 等主要社交媒体平台。

图 1：ChatGPT 是增长最快的应用程序之一，在发布两个月后就获得了 1 亿用户

更重要的是，人工智能也开始重塑加密领域，无论是在实际用例中，还是在对人工智能相关代币的浓厚兴趣中。这两种颠覆性技术的融合迅速成为行业内的一个突出话题。在我们先前的报告的基础上，揭示了人工智能在加密领域的用例，我们现在重新审视了这一不断变化的格局。鉴于最近对该领域的兴趣重新燃起，我们将看看目前的市场状况并研究新的发展。

3. 市场状况

2023 年，公众对人工智能的兴趣显著上升，谷歌全球「人工智能」搜索量显著增加就是明证。这种高涨的兴趣表明，公众对人工智能相关话题的参与越来越多。这一激增在很大程度上归因于人工智能聊天机器人的普及、新人工智能工具的推出，以及媒体报导和了解人工智能的愿望的增加。

图 2：谷歌对人工智能的搜索兴趣在 2023 年大幅上升，大大超过了「加密」和「比特币」

相反，「加密」的搜索兴趣全年保持相对稳定。1 – 5 月呈现轻微下降趋势，随后一段时间保持稳定，到年底略有上升。「比特币」的搜索趋势反映了「加密」的搜索趋势，但波动更明显。比特币兴趣的波动可能与围绕比特币的几个热门话题有关，包括 Ordinals/BRC-20、潜在的现货 ETF，以及 2024 年比特币将减半。这些事件导致比特币价格上涨，重新激发了公众的兴趣。

总体而言，搜索趋势揭示了对人工智能日益增长的兴趣与对比特币和加密货币相对稳定的兴趣之间的明显分歧，这表明人工智能一直在以越来越快的速度吸引公众的注意力 ，迄今为止没有明显的兴趣减弱的迹象。

3.1 投资者的浓厚兴趣

人工智能行业在 2023 年的投资者兴趣方面也表现强劲。尽管融资金额总体减少，但人工智能在美国创业融资中的份额相对增长了 230%，约占 26%。这一增长发生在人工智能和非人工智能领域都经历了资金低迷的背景下。然而，与整体市场相比，人工智能表现出了特别的弹性。

图 3：2023 年，人工智能在美国初创企业融资中的份额翻了一番*

与 2022 年相比，非人工智能领域的绝对资金减少了 65%，而人工智能领域的资金减少幅度相对较小，仅为 6%。

此外，在考虑融资轮数时，非人工智能行业经历了减少了 55%，而人工智能领域减少了 45%。人工智能融资和融资轮次相对较小的下降表明，尽管自 2021 年达到高峰以来，融资金额总体呈下降趋势，但投资者对人工智能应用的兴趣仍然相对较高。这也可能表明对人工智能技术和应用的长期潜力和可行性的持续信念。

此外，Web3 的人工智能部门在 2023 年的资金方面经历了爆炸性增长。Rootdata 的数据显示，2016 年至 2022 年人工智能项目的总融资额为 1.485 亿美元，而仅 2023 年的融资额就达到 2.98 亿美元。2023 年的这一数字是前 7 年资金总额的两倍，反映出人工智能在这一年的吸引力激增。

图 4：2023 年人工智能项目的资金为 2.98 亿美元，排名第 7，占 Web3 项目总资金的 3.7%

与 Web3 领域的其他领域相比，2023 年人工智能项目的资金为 2.98 亿美元，排名第七，超过了 NFT 的 2.93 亿美元和 DAO 的 4,200 万美元。这笔资金约占 2023 年 Web3 项目总资金的 3.7%。虽然 3.7% 可能看起来不大，但考虑到人工智能在 2023 年才开始获得显著的吸引力，这一可观的资金增长突显了该行业越来越多的认可和价值。

3.2 强势表现

从价格角度来看，人工智能代币的表现也优于整体市场，在过去一个季度和一年里经历了大幅飙升。对该行业兴趣的增加促成了人工智能相关代币的强劲价格表现。

图 5：在过去三个月里，AI 代币被评为表现第二好的类别

根据 Dune 仪表板汇总了不同叙述/部门的代表性代币的表现，人工智能代币在过去三个月的表现中排名第二。请注意，尽管最初的仪表盘包含了 MEME 币，但我们已经将它们排除在我们的分析之外，因为它们相对较低的市值导致了不成比例的大百分比性能收益。

当将市值排名前五的 AI 代币与 BTC 和 ETH 进行比较时，很明显，AI 代币在 2023 年的表现明显优于主要代币。

这些 AI 币一年的表现从 200% 到高达 650% 不等。相比之下，BTC 年底上涨了 150%，而 ETH 上涨了 44%。

然而，重要的是要注意，与这些人工智能代币相比，BTC 和 ETH 的市值要大得多。因此，BTC 和 ETH 在百分比方面的收益较小是很自然的。这种比较主要是为了突出最近几个月 AI 代币的强劲表现和日益增长的牵引力。

图 6：2023 年，市值排名前五的 AI 代币的表现明显优于 BTC 和 ETH，涨幅从 200% 到高达 650% 不等

总的来说，人工智能已经获得了巨大的吸引力。人工智能应用的采用一直在加速攀升，吸引了投资者和散户的持续兴趣。此外，人工智能代币的表现一直很强劲。除了这些趋势之外，还有一些值得讨论的新兴 AI x 加密创新，详见下一节。

4. AI x Crypto 发展

对人工智能的兴趣激增推动了人工智能相关加密应用的增长，为该领域的持续创新铺平了道路。在本节中，我们将深入研究人工智能和加密技术融合产生的一些趋势和实际用例。从推动去中心化物理基础设施网路（「DePIN」）的成长，到创建更具交互性的面向消费者的应用程序，我们重点介绍了该领域的一些值得注意的发展。

4.1 AI x DePIN

大型语言模型、深度学习和各种人工智能应用严重依赖图形处理单元（「GPU」）的计算能力。然而，在过去的一年里，对人工智能的兴趣激增导致了对 GPU 的超大需求，导致了芯片的短缺。如果无法方便地使用 GPU，计算的高成本可能会让从事人工智能相关研究的研究人员和初创企业望而却步。这就是去中心化计算网路（DePIN 的一个子集）发挥作用的地方。它们为中心化云提供商和硬件制造商主导的现有解决方案提供了另一种选择。因此，我们也见证了该行业在 GPU 需求推动下的强劲增长。

考虑到 GPU 并不总是以 100% 的容量运行，去中心化的计算网路寻求将那些有空闲计算能力的人连接到需要它们的人。这是通过建立一个双边市场来实现的，该市场允许计算能力的供应商从买家那里获得奖励。这类网路的例子包括 Akash、Render、Gensyn 和 io.net 等。此外，去中心化计算网路的价格也具有竞争力，因为供应商向网路提供计算能力没有显著的额外成本。

图 7：去中心化计算网路的价格具有竞争力

透过为实际问题提供潜在的解决方案，去中心化计算网路搭上了人工智能增长的浪潮，其平台上的活动越来越多。

图 8：Render Network 上的渲染场景数量在 2023 年有所提升

图 9：2023 年第四季度，Akash 网路的活跃租约激增

4.2 AI x 零知识

由于其基于代码的自动化功能，智能合约以其效率而闻名。然而，它们预定义的性质有时会导致缺乏适应性，特别是在不可预见的复杂情况下。这就是人工智能的一个子领域机器学习（ML）可以提供重大改进的地方。机器学习模型经过广泛数据集的训练，具有学习、适应和做出高度准确预测的能力。将这些模型整合到智能合约中可以开启广泛的适应性和灵活的能力。

这种整合的一个主要挑战是过高的计算开销，链上 ML 计算。这就引出了零知识机器学习（「ZKML」）的概念。ZKML 结合了零知识证明和机器学习。在这种设置中，ML 计算是在链下处理的，而 ZK 证明用于验证这些计算的完整性，而不会泄露实际数据。利用 ZKML，智能合约可以有效地利用人工智能的力量，同时保持区块链技术的安全性和透明度。

图 10：ZKML 将零知识证明与机器学习相结合，先进行链下计算，再进行链上验证

一个值得注意的发展是由 Upshot 与 Modulus Labs 合作推出的 ZK Predictor。该工具使 Upshot 能够利用 Modulus ZK 电路来验证资产估值，而不会泄露专有智慧财产权。它可以帮助开发优化长尾资产定价的自动做市商（「AMM」），人工智能驱动的链上指数基金，具有其运作的链上加密证明，或专注于特定主题的预测市场，可以增强和验证众力定价讯号的准确性。ZKML 的其他产品包括价格预言机。例如，Upshot 为其人工智能模型提供复杂的市场数据，以评估 NFT 等长尾资产的价值。然后，Modulus 的技术验证这些 AI 计算的正确性，将其封装在证明中，并将其提交给以太坊进行最终验证。

这些例子只是 ZKML 可以支援的无数应用程序的开始。由于该技术仍处于起步阶段，预计在未来几年将出现更成熟、更广泛的 ZKML 应用程序。

4.3 AI x 消费者 dApps

在过去的一年里，我们观察到面向消费者的去中心化应用程式（「dApps」）中人工智能集成的增加，以增加交互性和促进用户参与。这种趋势正在改变用户与平台互动的方式，提供个人化和交互性。通过利用人工智能，这些 dApp 使用户能够从单纯的用户转变为积极的参与者。

一个例子是人工智能用户生成内容（「UGC」）平台，如 NFPrompt。顾名思义，AI UGC 是指用户在自主系统的帮助下创造的内容。这可以通过设置一组规则来实现，这些规则可以自动输出，并在算法中嵌入某种形式的随机性。换句话说，用户可以输入一组规则或约束（例如，图案、颜色、形状），AI 将根据这个框架生成内容。通过让用户参与创作过程，AI UGC 平台在用户和平台之间建立了一种更具参与性的关系，同时也让用户提出独特的、独一无二的、可无限扩展的内容。

图 11：使用 NFPrompt 上的文字提示生成 NFT

除了内容生成之外，AI 的整合还可能对 web3 游戏或虚拟世界产生深远影响，在这些游戏中，游戏角色的互动性更强，对话也更逼真。失眠 AI 的游戏《他》和《她》就是很好的例子。通过使用 AI，游戏玩法的特点是专注于定制和现实的交流。这提供了更个性化的体验，并培养了更真实的情感联系，从而提高了用户黏性。

图 12：「他」和「她」使用 AI 提供沉浸式体验

4.4 AI x Data Analytics

准确的市场数据是了解行业趋势的关键，对投资者做出明智的投资决策至关重要。然而，真实交易的实例，如清洗交易，可能会人为地夸大销售并扭曲真实销售量。通过将人工智能集成到分析中，过滤掉噪音，可以更准确地输出数据。这是通过人工智能和机器学习（「ML」）广泛实现的，其中大量数据作为输入，以识别清洗交易模式或趋势。最终结果是对市场活动的更准确描述。

以 BitsCrunch 为例，这是一个基于人工智能的 NFT 数据分析平台，它利用人工智能和机器学习来即时侦测虚假交易或可疑交易模式，从而提供准确的数据。AI/ML 的使用使平台能够相对轻松地分析大量数据，从而使平台能够区分真实交易量和无机交易量。这反过来又有助于做出明智的决策。

图 13：BitsCrunch 分析的清洗交易指标

5. 结束语

人工智能和加密技术的融合激起了人们对这些前沿技术重新定义数字景观的潜力的极大兴奋。以人工智能为中心的代币越来越受欢迎，在线搜索趋势反映出的兴趣日益浓厚，突显了人工智能叙事的持续加速。

诚然，我们还没有达到大规模采用的地步。许多人工智能驱动的加密项目仍处于发展的初级阶段，其他项目可能主要迎合小众受众。然而，有形用例的增加是一个令人鼓舞的趋势，对长期增长是正面的。考虑到这些，投资者需要在利用人工智能炒作的同时，了解投资此类前沿技术的风险。

---

原文连结，编译自火星财经

本文转载自律动 BlockBeats