Entendiendo el creciente ecosistema de IA de la Web3

En poco más de un año desde el lanzamiento de ChatGPT, la IA generativa se ha convertido, sin duda, en la narrativa global más influyente de la actualidad. El éxito inicial de OpenAI impulsó un aumento del interés de los inversores por los grandes modelos lingüísticos (LLM) y las aplicaciones de IA, atrayendo 25 000 millones de dólares en financiación en 2023.¡Hasta 5 veces más que el año anterior!), en busca de una oportunidad de mercado potencial de varios billones de dólares.

Estás leyendo Cripto largas y cortas, nuestro boletín semanal con información, noticias y análisis para el inversor profesional.Regístrate aquípara recibirlo en tu bandeja de entrada todos los miércoles.

Como yo heescrito previamenteLa IA y las tecnologías Cripto se complementan bien, por lo que no sorprende ver el creciente surgimiento de un ecosistema de IA dentro de la Web3. A pesar de toda la atención, he notado mucha confusión sobre la función de estos protocolos, qué es publicidad y qué es real, y cómo se integran. Este informe trazará un mapa de la cadena de suministro de IA de la Web3, definirá cada capa de la pila tecnológica y explorará los diversos panoramas competitivos. Al finalizar, debería tener una comprensión básica de cómo funciona el ecosistema y qué esperar a futuro.

La pila tecnológica de IA de Web3

Capa de infraestructura

La IA generativa se basa en LLM, que se ejecutan en GPU de alto rendimiento. Los LLM tienen tres cargas de trabajo principales: entrenamiento (creación del modelo), ajuste (especialización en sectores/temas) e inferencia (ejecución del modelo). He segmentado esta capa en GPU de propósito general, GPU específicas para aprendizaje automático y agregadores de GPU, que se caracterizan por sus diferentes capacidades de carga de trabajo y casos de uso. Estos mercados P2P están incentivados por el uso de criptomonedas para garantizar una descentralización segura, pero es importante destacar que el procesamiento real de la GPU se realiza fuera de la cadena.

• GPU de propósito general:Mercados descentralizados e incentivados por criptomonedas para la potencia de computación de GPU, que puede utilizarse en cualquier tipo de aplicación. Dada su naturaleza de propósito general, este recurso computacional es más adecuado únicamente para la inferencia de modelos (la carga de trabajo LLM más utilizada). Entre los líderes iniciales de la categoría se encuentran Akash y Render, pero, con la aparición de nuevos participantes, no está claro cómo se desarrollará la diferenciación de protocolos. Si bien la computación es técnicamente un commodity, la demanda de computación sin permisos y específica para GPU en la Web3 debería seguir creciendo exponencialmente durante la próxima década, a medida que integremos la IA en nuestra vida diaria. Los diferenciadores clave a largo plazo serán la distribución y los efectos de red.
• GPU específica de ML:Estos mercados son más específicos para aplicaciones de aprendizaje automático (ML) y, por lo tanto, pueden utilizarse para el entrenamiento, el ajuste y la inferencia de modelos. A diferencia de los mercados de propósito general, estos protocolos pueden diferenciarse mejor mediante la superposición de software específico para ML, pero la distribución y los efectos de red también serán clave. Bittensor tiene una ventaja inicial, pero muchos proyectos se lanzarán próximamente.
• Agregadores de GPU:Estos mercados agregan la oferta de GPU de las dos categorías anteriores, abstraen la orquestación de la red y la superponen con software específico para aprendizaje automático. Son como revendedores de valor añadido (VAR) Web2 y pueden considerarse distribuidores de productos. Estos protocolos ofrecen soluciones de GPU más completas que pueden ejecutar el entrenamiento, el ajuste y la inferencia de modelos.Io.netes el primer protocolo que surge en la categoría, pero espero que surjan más competidores dada la necesidad de una distribución de GPU más consolidada.

Capa de middleware

La capa anterior permite el acceso sin permisos a las GPU, pero se necesita middleware para conectar este recurso informático a los contratos inteligentes en cadena minimizando la confianza (es decir, para su uso por aplicaciones Web3). Presentamos las pruebas de conocimiento cero (ZKP), un método criptográfico mediante el cual una parte (el comprobador) puede demostrar a otra parte (el verificador) la veracidad de una afirmación dada, evitando transmitir al verificador información adicional a la veracidad de la afirmación. En nuestro caso, la "afirmación" es la salida de las LLM dada una entrada específica.

• Verificación de inferencia de conocimiento cero (ZK):Mercados descentralizados para que los verificadores de ZKP pujen por la oportunidad de verificar (a cambio de una compensación) que los resultados de inferencia se generan con precisión mediante el LLM deseado (manteniendo la privacidad de los datos y los parámetros del modelo). Si bien la Tecnología ZK ha avanzado mucho, ZK para aprendizaje automático (zkML) aún se encuentra en sus primeras etapas y debe abaratarse y acelerarse para ser práctico. Cuando esto ocurra, tendrá el potencial de abrir drásticamente el espacio de diseño de Web3 e IA, al permitir que los contratos inteligentes accedan a los LLM de forma descentralizada. Aunque aún se encuentran en sus primeras etapas, =nil;, Giza y RISC Zero lideran la actividad de desarrollo en GitHub. Protocolos como Blockless están bien posicionados, independientemente del proveedor de ZKP que WIN , ya que actúan como capas de agregación y abstracción (distribución de ZKP).
• Herramientas para desarrolladores y centros de aplicaciones:Además de los ZKP, los desarrolladores de Web3 requieren herramientas, kits de desarrollo de software (SDK) y servicios para crear aplicaciones de manera eficiente como agentes de IA.(entidades de software que realizan operaciones en nombre de un usuario u otro programa con cierto grado de autonomía, empleando la representación de los objetivos del usuario)y estrategias de comercio automatizadas basadas en IA. Muchos de estos protocolos también funcionan como centros de aplicaciones, donde los usuarios pueden acceder directamente a aplicaciones terminadas creadas en sus plataformas (distribución de aplicaciones). Entre los primeros líderes se encuentran Bittensor, que actualmente alberga 32 "subredes" diferentes (aplicaciones de IA), yFetch.ai, que ofrece una plataforma de servicio completo para desarrollar agentes de IA de nivel empresarial.

Capa de aplicación

Y finalmente, en la cima de la pila tecnológica, encontramos aplicaciones de interfaz de usuario que aprovechan la potencia de procesamiento de IA sin permisos de Web3 (habilitada por las dos capas anteriores) para completar tareas específicas para diversos casos de uso. Esta parte del mercado aún es incipiente y aún depende de una infraestructura centralizada, pero algunos ejemplos tempranos incluyen la auditoría de contratos inteligentes, los chatbots específicos para blockchain, los juegos de metaverso, la generación de imágenes y las plataformas de negociación y gestión de riesgos. A medida que la infraestructura subyacente siga avanzando y las ZKP maduren, surgirán aplicaciones de IA de nueva generación con funcionalidades difíciles de imaginar hoy en día. No está claro si los primeros participantes podrán KEEP el ritmo o si surgirán nuevos líderes en 2024 y años posteriores.

Perspectivas para los inversores:Si bien soy optimista sobre toda la tecnología de IA, creo que la infraestructura y los protocolos de middleware son mejores inversiones hoy en día, dada la incertidumbre sobre cómo evolucionará la funcionalidad de la IA con el tiempo. Sea cual sea su evolución, las aplicaciones de IA Web3 sin duda requerirán una gran potencia de GPU, Tecnología ZKP y herramientas y servicios para desarrolladores (es decir, infraestructura y middleware).

Aviso legal:M31 Capital tiene posiciones en varios tokens mencionados en este artículo.