Binance Research 報告：AI 融合加密技術的最新數據與發展

2023 年，與人工智能相關的 web3 項目的資金激增達到 2.98 億美元，投資者也對人工智能行業表現出濃厚興趣。

原文標題：《AI × Crypto：Latest Data and Developments》
原文來源：JieXuan Chua, CFA，Binance Research
原文編譯：Kate, 火星財經

內容目錄

1. 重點

在過去的幾個月裡，人們對人工智能 (「AI」) 的興趣有所上升，這一點從谷歌搜索趨勢和人工智能相關代幣價格飆升就可以看出。
2023 年，與人工智能相關的 web3 項目的資金激增，達到 2.98 億美元。這比 2016 年至 2022 年人工智能項目的總融資金額（1.485 億美元）還要多。
與人工智能相關的代幣在 2023 年普遍表現良好，按市值計算的前五大人工智能代幣的表現明顯優於 BTC 和 ETH，2023 年的漲幅從 200% 到 650% 不等。
我們已經觀察到人工智能和加密貨幣融合產生的幾個趨勢和實際用例。從推動去中心化物理基礎設施網路（「DePIN」）的增長，到創建更具互動性的面向消費者的應用程序，我們在本報告中重點介紹了一些值得注意的發展。

2. 介紹

2023 年被證明是人工智能（「AI」）的里程碑，因為人工智能的變革力量變得更加明顯，特別是人工智能聊天機器人的廣泛使用，如 OpenAI 的 ChatGPT、谷歌的 Bard、微軟的 Bing Chat 等。ChatGPT 尤其突出了人工智能的潛力，在短短兩個月內就達到了 1 億用戶的里程碑。

這一成就超過了抖音和 YouTube 等主要社交媒體平台。

圖 1：ChatGPT 是增長最快的應用程序之一，在發布兩個月後就獲得了 1 億用戶

更重要的是，人工智能也開始重塑加密領域，無論是在實際用例中，還是在對人工智能相關代幣的濃厚興趣中。這兩種顛覆性技術的融合迅速成為行業內的一個突出話題。在我們先前的報告的基礎上，揭示了人工智能在加密領域的用例，我們現在重新審視了這一不斷變化的格局。鑑於最近對該領域的興趣重新燃起，我們將看看目前的市場狀況並研究新的發展。

3. 市場狀況

2023 年，公眾對人工智能的興趣顯著上升，谷歌全球「人工智能」搜索量顯著增加就是明證。這種高漲的興趣表明，公眾對人工智能相關話題的參與越來越多。這一激增在很大程度上歸因於人工智能聊天機器人的普及、新人工智能工具的推出，以及媒體報導和了解人工智能的願望的增加。

圖 2：谷歌對人工智能的搜索興趣在 2023 年大幅上升，大大超過了「加密」和「比特幣」

資料來源：Google Trends、Binance Research，截至 2023 年 12 月 31 日
注意：數字表示相對於給定區域和時間的圖表上最高點的搜索興趣。

相反，「加密」的搜索興趣全年保持相對穩定。1 – 5 月呈現輕微下降趨勢，隨後一段時間保持穩定，到年底略有上升。「比特幣」的搜索趨勢反映了「加密」的搜索趨勢，但波動更明顯。比特幣興趣的波動可能與圍繞比特幣的幾個熱門話題有關，包括 Ordinals/BRC-20、潛在的現貨 ETF，以及 2024 年比特幣將減半。這些事件導致比特幣價格上漲，重新激發了公眾的興趣。

總體而言，搜索趨勢揭示了對人工智能日益增長的興趣與對比特幣和加密貨幣相對穩定的興趣之間的明顯分歧，這表明人工智能一直在以越來越快的速度吸引公眾的注意力，迄今為止沒有明顯的興趣減弱的跡象。

3.1 投資者的濃厚興趣

人工智能行業在 2023 年的投資者興趣方面也表現強勁。儘管融資金額總體減少，但人工智能在美國創業融資中的份額相對增長了 230%，約占 26%。這一增長發生在人工智能和非人工智能領域都經歷了資金低迷的背景下。然而，與整體市場相比，人工智能表現出了特別的彈性。

圖 3：2023 年，人工智能在美國初創企業融資中的份額翻了一番*

資料來源：Crunchbase, Binance Research，截至 2023 年 8 月 29 日
*註：2023 年的最新數據尚未公布，建議讀者在解釋分析時考慮到這一限制。

與 2022 年相比，非人工智能領域的絕對資金減少了 65%，而人工智能領域的資金減少幅度相對較小，僅為 6%。

此外，在考慮融資輪數時，非人工智能行業經歷了減少了 55%，而人工智能領域減少了 45%。人工智能融資和融資輪次相對較小的下降表明，儘管自 2021 年達到高峰以來，融資金額總體呈下降趨勢，但投資者對人工智能應用的興趣仍然相對較高。這也可能表明對人工智能技術和應用的長期潛力和可行性的持續信念。

此外，Web3 的人工智能部門在 2023 年的資金方面經歷了爆炸性增長。Rootdata 的數據顯示，2016 年至 2022 年人工智能項目的總融資額為 1.485 億美元，而僅 2023 年的融資額就達到 2.98 億美元。2023 年的這一數字是前 7 年資金總額的兩倍，反映出人工智能在這一年的吸引力激增。

圖 4：2023 年人工智能項目的資金為 2.98 億美元，排名第 7，占 Web3 項目總資金的 3.7%

資料來源：Rootdata，Binance Research，截至 2023 年 12 月 31 日

與 Web3 領域的其他領域相比，2023 年人工智能項目的資金為 2.98 億美元，排名第七，超過了 NFT 的 2.93 億美元和 DAO 的 4,200 萬美元。這筆資金約占 2023 年 Web3 項目總資金的 3.7%。雖然 3.7% 可能看起來不大，但考慮到人工智能在 2023 年才開始獲得顯著的吸引力，這一可觀的資金增長突顯了該行業越來越多的認可和價值。

3.2 強勢表現

從價格角度來看，人工智能代幣的表現也優於整體市場，在過去一個季度和一年裡經歷了大幅飆升。對該行業興趣的增加促成了人工智能相關代幣的強勁價格表現。

圖 5：在過去三個月裡，AI 代幣被評為表現第二好的類别

來源：Dune Analytics（@cryptokoryo_research），截至 2023 年 1 月 2 日，AI 代幣包括：AGIX, CTXC, FET, OCEAN, ORAI, RNDR

根據 Dune 儀表板匯總了不同敘述/部門的代表性代幣的表現，人工智能代幣在過去三個月的表現中排名第二。請注意，儘管最初的儀錶盤包含了 MEME 幣，但我們已經將它們排除在我們的分析之外，因為它們相對較低的市值導致了不成比例的大百分比性能收益。

當將市值排名前五的 AI 代幣與 BTC 和 ETH 進行比較時，很明顯，AI 代幣在 2023 年的表現明顯優於主要代幣。

這些 AI 幣一年的表現從 200% 到高達 650% 不等。相比之下，BTC 年底上漲了 150%，而 ETH 上漲了 44%。

然而，重要的是要注意，與這些人工智能代幣相比，BTC 和 ETH 的市值要大得多。因此，BTC 和 ETH 在百分比方面的收益較小是很自然的。這種比較主要是為了突出最近幾個月 AI 代幣的強勁表現和日益增長的牽引力。

圖 6：2023 年，市值排名前五的 AI 代幣的表現明顯優於 BTC 和 ETH，漲幅從 200% 到高達 650% 不等

資料來源：CoinMarketCap，Binance Research，截至 2023 年 12 月 31 日

總的來說，人工智能已經獲得了巨大的吸引力。人工智能應用的採用一直在加速攀升，吸引了投資者和散戶的持續興趣。此外，人工智能代幣的表現一直很強勁。除了這些趨勢之外，還有一些值得討論的新興 AI x 加密創新，詳見下一節。

4. AI x Crypto 發展

對人工智能的興趣激增推動了人工智能相關加密應用的增長，為該領域的持續創新鋪平了道路。在本節中，我們將深入研究人工智能和加密技術融合產生的一些趨勢和實際用例。從推動去中心化物理基礎設施網路（「DePIN」）的成長，到創建更具交互性的面向消費者的應用程序，我們重點介紹了該領域的一些值得注意的發展。

4.1 AI x DePIN

大型語言模型、深度學習和各種人工智能應用嚴重依賴圖形處理單元（「GPU」）的計算能力。然而，在過去的一年裡，對人工智能的興趣激增導致了對 GPU 的超大需求，導致了芯片的短缺。如果無法方便地使用 GPU，計算的高成本可能會讓從事人工智能相關研究的研究人員和初創企業望而卻步。這就是去中心化計算網路（DePIN 的一個子集）發揮作用的地方。它們為中心化雲提供商和硬件製造商主導的現有解決方案提供了另一種選擇。因此，我們也見證了該行業在 GPU 需求推動下的強勁增長。

考慮到 GPU 並不總是以 100% 的容量運行，去中心化的計算網路尋求將那些有空閒計算能力的人連接到需要它們的人。這是通過建立一個雙邊市場來實現的，該市場允許計算能力的供應商從買家那裡獲得獎勵。這類網路的例子包括 Akash、Render、Gensyn 和 io.net 等。此外，去中心化計算網路的價格也具有競爭力，因為供應商向網路提供計算能力沒有顯著的額外成本。

圖 7：去中心化計算網路的價格具有競爭力

資料來源：Cloudmos，截至 2024 年 1 月 2 日
注意：定價是針對 1 個 CPU、1GB RAM 和 1GB 磁盤

透過為實際問題提供潛在的解決方案，去中心化計算網路搭上了人工智能增長的浪潮，其平台上的活動越來越多。

圖 8：Render Network 上的渲染場景數量在 2023 年有所提升

資料來源：Dune Analytics（@lviswang），截止到 2023 年 12 月 31 日

圖 9：2023 年第四季度，Akash 網路的活躍租約激增

4.2 AI x 零知識

由於其基於代碼的自動化功能，智能合約以其效率而聞名。然而，它們預定義的性質有時會導致缺乏適應性，特別是在不可預見的複雜情況下。這就是人工智能的一個子領域機器學習（ML）可以提供重大改進的地方。機器學習模型經過廣泛數據集的訓練，具有學習、適應和做出高度準確預測的能力。將這些模型整合到智能合約中可以開啟廣泛的適應性和靈活的能力。

這種整合的一個主要挑戰是過高的計算開銷，鏈上 ML 計算。這就引出了零知識機器學習（「ZKML」）的概念。ZKML 結合了零知識證明和機器學習。在這種設置中，ML 計算是在鏈下處理的，而 ZK 證明用於驗證這些計算的完整性，而不會洩露實際數據。利用 ZKML，智能合約可以有效地利用人工智能的力量，同時保持區塊鏈技術的安全性和透明度。

圖 10：ZKML 將零知識證明與機器學習相結合，先進行鏈下計算，再進行鏈上驗證

一個值得注意的發展是由 Upshot 與 Modulus Labs 合作推出的 ZK Predictor。該工具使 Upshot 能夠利用 Modulus ZK 電路來驗證資產估值，而不會洩露專有智慧財產權。它可以幫助開發優化長尾資產定價的自動做市商（「AMM」），人工智能驅動的鏈上指數基金，具有其運作的鏈上加密證明，或專注於特定主題的預測市場，可以增強和驗證眾力定價訊號的準確性。ZKML 的其他產品包括價格預言機。例如，Upshot 為其人工智能模型提供複雜的市場數據，以評估 NFT 等長尾資產的價值。然後，Modulus 的技術驗證這些 AI 計算的正確性，將其封裝在證明中，並將其提交給以太坊進行最終驗證。

這些例子只是 ZKML 可以支援的無數應用程序的開始。由於該技術仍處於起步階段，預計在未來幾年將出現更成熟、更廣泛的 ZKML 應用程序。

4.3 AI x 消費者 dApps

在過去的一年裡，我們觀察到面向消費者的去中心化應用程式（「dApps」）中人工智能集成的增加，以增加交互性和促進用戶參與。這種趨勢正在改變用戶與平台互動的方式，提供個人化和交互性。通過利用人工智能，這些 dApp 使用戶能夠從單純的用戶轉變為積極的參與者。

一個例子是人工智能用戶生成內容（「UGC」）平台，如 NFPrompt。顧名思義，AI UGC 是指用戶在自主系統的幫助下創造的內容。這可以通過設置一組規則來實現，這些規則可以自動輸出，並在算法中嵌入某種形式的隨機性。換句話說，用戶可以輸入一組規則或約束（例如，圖案、顏色、形狀），AI 將根據這個框架生成內容。通過讓用戶參與創作過程，AI UGC 平台在用戶和平台之間建立了一種更具參與性的關係，同時也讓用戶提出獨特的、獨一無二的、可無限擴展的內容。

圖 11：使用 NFPrompt 上的文字提示生成 NFT

除了內容生成之外，AI 的整合還可能對 web3 遊戲或虛擬世界產生深遠影響，在這些遊戲中，遊戲角色的互動性更強，對話也更逼真。失眠 AI 的遊戲《他》和《她》就是很好的例子。通過使用 AI，遊戲玩法的特點是專注於定制和現實的交流。這提供了更個性化的體驗，並培養了更真實的情感聯繫，從而提高了用戶黏性。

圖 12：「他」和「她」使用 AI 提供沉浸式體驗

4.4 AI x Data Analytics

準確的市場數據是了解行業趨勢的關鍵，對投資者做出明智的投資決策至關重要。然而，真實交易的實例，如清洗交易，可能會人為地誇大銷售並扭曲真實銷售量。通過將人工智能集成到分析中，過濾掉噪音，可以更準確地輸出數據。這是通過人工智能和機器學習（「ML」）廣泛實現的，其中大量數據作為輸入，以識別清洗交易模式或趨勢。最終結果是對市場活動的更準確描述。

以 BitsCrunch 為例，這是一個基於人工智能的 NFT 數據分析平台，它利用人工智能和機器學習來即時偵測虛假交易或可疑交易模式，從而提供準確的數據。AI/ML 的使用使平台能夠相對輕鬆地分析大量數據，從而使平台能夠區分真實交易量和無機交易量。這反過來又有助於做出明智的決策。

圖 13：BitsCrunch 分析的清洗交易指標