巨鯨眼中 AI 與 Web3 結合的前景與機遇_RNDR:NFT

算力平臺

算力平臺的項目沒有Bot模型資產化那么多和卷，但理解起來相對更加容易，都知道AI需要大量算力，而BTC和ETH在過去10多年已經證明了世界上有這么一種方法：可以自發的，去中心化的，在經濟激勵和博弈的環境下組織協調起海量的算力去合作+競爭的做一件事。現在可以把這種方法用在AI上。

業內最出名的兩個項目無疑是Together和Gensyn，一個種子輪就是千萬級別融資；一個是A輪融了4300萬。這倆之所以要融這么多錢，據說是因為需要資金和算力先訓練自己的模型，然后后面會做成算力平臺提供給其他的AI項目做訓練用。

某巨鯨將1432萬枚DAI存入MakerDAO以賺取收益:8月7日消息，據余燼監測，某巨鯨昨日在鏈上出售5640枚ETH換成1032萬DAI(出售均價1830美元)，并抵押5400枚wstETH借出400萬DAI，然后將這1432萬DAI存入MakerDAO，以賺取目前8%的APY。

MakerDAO此前將DAI存款利率升至8%，截至發稿，當前DAI池TVL已超過4億美元。[2023/8/7 21:28:46]

而做推理的算力平臺融資額相對會小很多，因為本質上就是聚合閑置的GPU等算力然后提供給有需要的AI項目做推理用。RNDR是做渲染算力聚合，這些平臺做推理算力聚合。但技術門檻目前都比較模糊，甚至我在想會不會哪天RNDR或是Web3云算力平臺一只腳就伸到推理型算力平臺這邊了。

某PENDLE巨鯨投資回報率達1289%，仍持有58.16萬枚PENDLE:7月3日消息，據Spot On Chain監測，一個PENDLE巨鯨地址投資回報率高達1,289%。其預計實現利潤為21.5萬美元；由于該地址仍持有58.16萬枚PENDLE，有望再賺51.8萬美元。

-該地址在2022年年中以4.3萬枚USDC買入87.8萬枚PENDLE，均價約0.049美元。

-質押1年，賺取4.37萬枚PENDLE。

-當4月份其價格飆升1219%時，開始將PENDLE存入MEXC和Bitget，賣出均價為0.681美元。

- 18小時前以0.95美元的均價將10萬枚PENDLE存入MEXC。[2023/7/3 22:14:48]

算力平臺這個方向相比模型資產化更加實在和好預測，基本上是板上釘釘一定會有需求也會出現一兩個頭部項目的賽道，就看誰能殺的出來，唯一目前不確定的是訓練和推理各自有龍頭，還是龍頭會把訓練和推理都包圓了。

一匿名巨鯨購入1000億枚SHIB，價值超110萬美元:金色財經報道，據Etherscan監測數據顯示，一個“0xb8e6”開頭的巨鯨地址在KuCoin平臺購買了1000億枚SHIB，價值1,108,000美元，隨后該巨鯨又將購得的SHIB轉移到了一個冷錢包。另據CryptEye數據顯示，至少持有1枚SHIB的地址數量已突破200萬，截至目前為2,197,622個，創歷史新高。[2022/10/10 12:51:58]

數據平臺

這個其實也不難理解，因為AI的底層說白就三大件：算法、算力和數據。

既然算法和算力都有「去中心化版本」，那數據肯定也不會缺席，這也是奇績創壇的創始人陸奇博士在聊AI和Web3時候最看好的一個方向。

比特幣巨鯨Joe007：DeFi是以太坊營銷策略，根本沒有實際效用:知名比特幣巨鯨Joe007表示，從他的角度來看，DeFi協議在“現實世界中沒有實際效用”的情況下根本沒用。“DeFi不過是以太坊背后的蛇油銷售人員的又一個營銷策略。很明顯，他們正試圖創造另一個類似于ICO的狂熱。在現實世界中具有同樣的零實際效用。”（Bitcoinist）[2020/4/25]

Web3一直強調數據隱私和主權，也有ZK之類的技術來確保數據可靠與完整性，那么基于Web3的鏈上數據訓練出來的AI肯定和Web2鏈下數據訓練出來的應該不一樣。所以這條線整體MakeSense，目前圈內Ocean應該算是這個賽道，一級市場也有看到基于Ocean做的專門的AI數據市場之類的項目。

生成式AI

簡單來說就是拿AI畫畫，或是類似的創作，來服務與其他一些場景，比如做NFT，或是游戲內的地圖生成，NPC背景生成等等。感覺做NFT這條線比較難，因為AI生成稀缺性不夠，Gamefi倒是一條路，一級市場也有見到有團隊在嘗試。

不過前幾天看到個消息，Unity也出了自己的AI生成工具Sentis和Muse，現在還在封測階段，明年估計就正式上線了。怎么說呢，感覺Web3圈的游戲AIGC類項目，屆時可能會被Unity降維打擊……

Defi交易/審計/Yield/風控

這幾類都有看到項目在嘗試，同質化相對不明顯。

交易——這個有點Tricky，因為如果一個交易策略好用，隨著用的人越多，可能策略慢慢也就不怎么好用了，得切換到新策略。再就是好奇AI交易機器人未來的勝率如何，會在普通交易者里面處于哪個段位。

審計——目測應該可以幫助快速審處已有的常見的漏洞，沒出現過的新的或是邏輯上的漏洞應該就不行了，這個得進入AGI時代應該才有戲。

Yield——Yield不難理解，你就想像成一個帶AI智能的YFI就行，把錢扔給它，AI根據你的風險偏好自己去找平臺Staking，組LP，挖礦之類。

風控——感覺單獨做成一個項目會很奇怪，以插件形式服務與各個借貸或是類似Defi平臺感覺更加MakeSense。

ZKML

一個目前圈內越來越火的賽道，因為結合了兩項最為前沿的技術，一個圈內的ZK，一個圈外的ML。

理論上來說，與ZK的結合可以給ML提供隱私性、完整性和準確性，但是你要硬說有哪些具體使用場景吧，其實很多項目方也想不出來，基建先搭著再說……

目前唯一真的剛需的是部分醫療領域的機器學習確實有這個病人數據的隱私需求，至于鏈上游戲完整性或反作弊之類的敘事，總感覺有些牽強。

這個賽道目前來說就那么幾個明星項目，像是ModulusLabs，EZKL，Giza之類，都是一級市場熱捧的對象。

沒法，因為全世界懂ZK的人本來就那么幾個，懂ZK同時還要懂ML的人才就更少了，所以這個賽道的技術門檻相對其他要高了很多，同質化也相對不明顯。

最后就是，ZKML大多針對的是推理，而非訓練

Tags：RNDRNFTRNDRNDR幣RNDR價格NFT價格NFT幣RND幣是什么幣

XLM