【长推】AI 和区块链结合的现状与未来分析

AI 带动了上游基建的需求：1) 计算：包括芯片的设计与生产，云计算服务，数据中心，网络 / 电力基础设施等。这一环节偏重物理，AI 的训练和结果输出需要消耗大量的算力、电力以及网络资源，而芯片的性能又是决定效率和能耗的关键，这就决定了像英伟达，AMD 这样的芯片设计公司，台积电，三星这样的晶圆代工厂，以及谷歌、微软，亚马逊等有云计算和数据中心业务的科技巨头注定捕获这一轮最大的价值。 2) 数据：包括数据采集、数据标注 / 处理、数据交易 / 授权。尽管数据是 AI 的「食物」，然而大多数机器学习模型只能使用经过处理的结构化数据。目前，用于机器学习的数据来源非常广泛，且大部分是非结构化的和分散在各处的公开数据，因此需要花费大量时间和精力对这些数据进行搜集和处理。3) 存储：包括数据库（database），数据备份 / 存储系统（storage） AI 性能决定了下游应用的上限：虽然 AI 已经或多或少在工业、农业领域（2B）有所应用，但这一轮我们看到的突破主要是基于大语言模型（LLM）的 2C 应用。我们可以把这些应用分成两大类：第一类其实只是大语言模型的具象化，例如一些 AIGC 平台，它们根据用户指令生成用户想要的结果，但这一类应用的性能主要取决于使用的 AI 模型，而主要的 LLM 模型被巨头们垄断，因而应用间的差异性往往较小，护城河相对较窄；另一类则是利用 AI 模型来提升现有产品的功能和用户体验。 AI 其实是一个融合叙事，它的出现，把原先各个孤立甚至当初找不到市场契合点的几个加密板块串联起来了。目前 AI 仍旧处于大基建投资时代，数据、存储、计算这一类上游板块是最直接的持续受益者，它们对 AI 发展更为敏感，确定性也更高。但是对于这个行业的投资者来说，风险在于大部分的红利可能不在加密货币市场，目前币市的 AI 效应更多还是来自传统市场供需关系失衡带来的溢出效应，或者就是纯炒作。而下游应用由于性能天花板取决于 AI 模型，而 AI 模型仍处在不断迭代的过程中，且 AI 与产品的结合点还在探索，市场契合度还有待验证，这使得下游应用的未来变数还比较大，确定性不如上游板块那么高。\n原文链接