AI行業發展歷程與Crypto結合探索

人工智能行業近期的發展被視爲第四次工業革命,大模型的出現顯著提升了各行各業的效率。深度學習技術爲AI行業帶來了新一輪繁榮,這股風潮也影響到了加密貨幣行業。

本文將詳細探討AI行業的發展歷史、技術分類,以及深度學習技術對行業的影響。深入剖析深度學習中GPU、雲計算、數據源、邊緣設備等產業鏈上下遊的發展現狀與趨勢。同時從本質上探討Crypto與AI行業的關係,對Crypto相關的AI產業鏈格局進行梳理。

AI行業的發展歷史

AI行業從20世紀50年代起步,爲實現人工智能的願景,學術界和工業界在不同時代不同學科背景下,發展出了多種實現人工智能的流派。

現代人工智能技術主要使用"機器學習"這一術語,該技術理念是讓機器依靠數據在任務中反復迭代以改善系統性能。主要步驟是將數據送到算法中,使用此數據訓練模型,測試部署模型,使用模型完成自動化預測任務。

機器學習有三大主要流派,分別是聯結主義、符號主義和行爲主義,分別模仿人類的神經系統、思維、行爲。目前以神經網路爲代表的聯結主義佔據上風(也稱爲深度學習)。神經網路架構有一個輸入層一個輸出層,但有多個隱藏層,一旦層數以及神經元(參數)的數量變得足夠多,就有足夠的機會擬合復雜的通用型任務。

基於神經網路的深度學習技術,也有多個技術迭代與演進,從最早期的神經網路,到前饋神經網路、RNN、CNN、GAN,最後演進到現代大模型如GPT等使用的Transformer技術。Transformer技術只是神經網路的一個演進方向,多加了一個轉換器,用於把所有模態的數據編碼成對應的數值來表示。然後再輸入到神經網路中,這樣神經網路就能擬合任何類型的數據,實現多模態。

AI發展經歷了三次技術浪潮:

1. 20世紀60年代,符號主義技術發展引起的第一次浪潮,解決了通用的自然語言處理以及人機對話問題。

2. 1997年,IBM深藍戰勝國際象棋冠軍卡斯帕羅夫,標志着第二次發展高潮。

3. 2006年起,深度學習技術的發展引發第三次技術浪潮,這也是聯結主義的鼎盛時期。

近年來,深度學習技術不斷突破,出現了多個標志性事件:

• 2015年,OpenAI創建。
• 2016年,AlphaGo戰勝世界圍棋冠軍李世石。
• 2017年,Google提出Transformer算法。
• 2018年,OpenAI發布GPT模型。
• 2020年,OpenAI發布GPT-3。
• 2023年1月,基於GPT-4的ChatGPT推出。

深度學習產業鏈

當前大模型語言使用的都是基於神經網路的深度學習方法。以GPT爲首的大模型造就了一波人工智能熱潮,大量玩家湧入這個賽道。市場對於數據、算力的需求大量迸發。

在進行基於Transformer技術的GPT等大模型訓練時,一共分爲三個步驟:

1. 預訓練:通過大量數據對尋找模型各神經元最佳參數,最耗費算力。

2. 微調:使用少量高質量數據訓練,提升模型輸出質量。

3. 強化學習:建立獎勵模型,對大模型輸出進行評估,迭代參數。

影響大模型表現主要由參數數量、數據量與質量、算力三個方面決定。這三個要素孵化了一整條產業鏈。

硬件GPU提供商

GPU是目前進行訓練和推理的主要芯片。Nvidia處於絕對領先地位,其H100、A100等芯片被廣泛用於大模型商業化落地。

2023年,Nvidia最新的H100芯片供不應求,出貨週期達到52周。許多大型科技公司都大量購買H100芯片組建高性能計算中心。

雲服務提供商

雲服務提供商在購買足夠的GPU組建HPC後,能爲資金有限的人工智能企業提供彈性算力以及托管訓練解決方案。目前市場主要分爲三類雲算力提供商:

1. 傳統雲廠商爲代表的超大規模雲算力平台(AWS、Google、Azure)。

2. 垂直AI賽道的專業雲算力平台,如CoreWeave、Lambda等。

3. 推理即服務提供商,如Together.ai、Fireworks.ai等。

數據庫提供商

對於AI數據以及深度學習訓練推理任務,目前業內使用的是"矢量數據庫"。矢量數據庫旨在高效地存儲、管理和索引海量高維矢量數據。

目前主要玩家有Chroma、Zilliz、Pinecone、Weaviate等。伴隨着數據量需求增加,以及各種細分領域大模型和應用的迸發,對矢量數據庫的需求將大幅增加。

邊緣設備

在組建GPU高性能計算集羣時,通常會消耗大量能量,產生大量熱能。這就需要一些降溫的邊緣設備來保證HPC持續運行。涉及能源供應和冷卻系統兩個方向。

目前在能源供給側主要採用電能。在HPC集羣散熱方面,目前以風冷爲主,但許多VC正在大力投資液冷系統。液冷主要分爲冷版式液冷、浸沒式液冷、噴淋式液冷三個探索方向。

應用

目前AI應用的發展,類似於區塊鏈行業,基礎設施非常擁擠,但應用開發卻沒有跟上。前十月活的AI應用大多是搜索類型,應用類型較爲單一。同時AI應用的用戶留存率遠低於傳統互聯網應用。

根據紅杉美國的報告,AI應用從面向的角色角度分爲三類:面向專業消費者、企業、普通消費者。面向消費者主要用於提升生產力,面向企業則用於Marketing、法律、醫療設計等行業。

Crypto x AI的關係

區塊鏈得益於ZK技術的發展,演變成了去中心化 + 去信任化的思想。區塊鏈網路本質上是一個價值網路,每一筆交易都是以底層代幣爲基礎的價值轉換。Tokenomics是具體的Token價值體現規則。

代幣經濟學能夠規定生態系統結算物(網路原生代幣)的相對價值,雖然無法爲每一個維度進行定價,但代幣價格體現了多維度價值。一旦爲網路賦予代幣並流通,就能把功能或思想賦予價值。

代幣和區塊鏈技術這種對價值重新定義與發現的手段,對AI行業也至關重要。在AI行業發行代幣能讓各方面進行價值重塑,激勵更多人在各細分賽道深耕。區塊鏈技術的不可篡改和無需信任特性也能實現一些需要信任的AI應用。

總之,代幣經濟學能促進價值重塑和發現,去中心化帳本能解決信任問題,將價值在全球範圍重新流動。Crypto與AI的結合有其實際效用,能重塑價值視角,解決信任問題,發現剩餘價值。