Warum ist der Aufbau von web3AI-Infrastruktur schwieriger als gedacht?

Autor: Haotian

1. Derzeit sind die meisten aktiven AI-Projekte im Web3 stark MEME-hafte, prahlen mit zahlreichen unerreichbaren und unrealistischen Geschichten. Der Schlüssel liegt darin, durch schnelles Token-Release in den Markt einzutreten und damit die meiste Aufmerksamkeit und Liquidität anzuziehen, sowie die Trümmer nach dem Platzen der kurzfristigen Blase (negatives EV). Dies liegt hauptsächlich daran, dass die Erzählung von AI + Crypto zu verführerisch ist, während die tatsächlichen Herausforderungen der praktischen Anwendungen zu groß sind, was es von Anfang an zu einem Hotspot für Blasen, die durch Erzählungen von Token-Release entstanden sind, gemacht hat;

2. Die web3AI-Infrastruktur ist im Wesentlichen eine Rekonstruktion der web2 AI-Infrastruktur, die die meiste Zeit mühsam und undankbar ist. Es ist ähnlich wie damals, als Crypto im Namen der Dezentralisierung gegen die Zentralisierung antrat; für eine lange Zeit wurde die Schaffung dezentraler Netzwerkarchitekturen als sinnloser Wiederaufbau kritisiert, bis die nachfolgenden DeFi-Anwendungsszenarien einige Werteffizienzpunkte fanden.

Derzeit ist die Situation von web3AI nicht anders als die ursprüngliche Vision der Dezentralisierung von Crypto. Die meisten Menschen gewöhnen sich immer noch daran, leichtfertig zu sagen: “Was bringt web3AI?” Aber vergessen Sie nicht, dass die Aggregation dezentraler Rechenleistung, verteiltes Inferenzieren und verteilte Datenannotierungsnetzwerke usw. in Bezug auf Trainingskosten, Leistung und Anwendbarkeit Einstiegsmöglichkeiten finden können. Man kann nur sagen, der Weg vor uns ist lang und beschwerlich, aber von großer Bedeutung;

3. Die Kosten für den Aufbau und die Erweiterung der web3AI-Infrastruktur in der Testphase sind relativ hoch und erfordern eine starke rationalistische Unterstützung. Zum Beispiel ist bekannt, dass web3AI die Erstellung einer Datenebene benötigt, aber die Bereinigung großer Mengen an On-Chain- und Off-Chain-Daten erfordert eine Menge an Serverbetrieb und Entwicklungskosten. Gleichzeitig erfordern auch die Kosten für den Anschluss an reife web3AI-APIs sowie für Rechenleistung und Algorithmustuning Investitionen. Wenn diese Kosten auf die Anwendung von Agenten fokussiert werden, können schnell Möglichkeiten zur kommerziellen Monetarisierung erkundet werden. Wenn sie jedoch auf die Infrastruktur-Ebene fokussiert werden, ist dies für viele Entwicklerteams eine Herausforderung, insbesondere im aktuellen Markthintergrund, in dem die technische Erzählung nicht so beliebt ist.

Noch problematischer ist, dass die Web3-KI im Gegensatz zur traditionellen Web2-Infrastruktur auch das Koordinationsproblem von Off-Chain-Daten und On-Chain-Verifizierung, den Modellverteilungs- und Aktualisierungsmechanismus im P2P-Netzwerk und das komplexe Design der Ersetzung traditioneller Geschäftsmodelle durch Tokenomics-Anreize lösen muss. Die Kurzsichtigkeit des Kapitals und die spekulative Atmosphäre der Marktpräferenz haben jedoch dazu geführt, dass etwas heißes Geld in die Agentenanwendung geflossen ist, die nur um der Hotspots willen hastig gestartet wurde, was es für das Team, das wirklich auf der Infrastrukturebene arbeitet, schwierig macht, genügend Unterstützung zu erhalten.

4. Das Phänomen der Illusion bei großen Modellen, die mit der „Black Box“-Eigenschaft von web3AI-Infrastrukturen kompatibel sind, stellt enorme Herausforderungen an die Sicherheit und Vertrauenswürdigkeit in bestimmten Szenarien dar. In Anbetracht der kürzlichen Beiträge des @SlowMist_Team zu Sicherheitslücken im MCP habe ich das Gefühl, dass die professionelle Sicherheitsprüfung rund um MCP bereits die Positionierung von Slow Mist als AI-Audit-Unternehmen in der Zukunft unterstützen kann. Dies ist nur ein konkretes Beispiel, das die verschiedenen unbekannten Sicherheitsherausforderungen bestätigt, die sich aus der Anbindung von AI-LLMs als grundlegende Datenquelle an die web3 AI-Infrastruktur ergeben. Die Probleme rund um die web3 AI-Infrastruktur beschränken sich jedoch nicht nur auf diese, sondern beinhalten auch den Aufbau eines verifizierbaren Rechenrahmens durch web3-Kryptografie und On-Chain-Konsensmechanismen, um sicherzustellen, dass der AI-Inferenzprozess zurückverfolgt und verifiziert werden kann.

Tatsächlich ist das vertrauenswürdige Verifizierungs- und Computing-Framework der KI der Kernbereich, den web3AI infra überwinden will. Wenn sich das derzeitige große Modell mit hochsensiblen Informationen wie Finanzen, medizinischer Versorgung und Recht befasst, ist die Adoptionsrate im professionellen Bereich stark begrenzt, da es die Überprüfbarkeit des Inferenzprozesses nicht gewährleisten kann. Die Reife der web3-KI-Infrastruktur, wie z. B. das zugrunde liegende zkVM, das dezentrale Oracle-Netzwerk, die dezentrale Speicherlösung usw., kann eine Reihe von überprüfbaren und beweisbaren Computing-Frameworks für KI aufbauen und der KI grundlegend helfen, eine schnelle Erweiterung vertikaler Szenarien zu erreichen.

Das oben.

Der Aufbau von Infra und Anwendungen für web3AI wird nicht über Nacht geschehen, sondern ist ein langer Marathonlauf. Wer es wirklich schafft, Infra und ein Anwendungsecosystem zu entwickeln, das reale Probleme löst, wer im Go-To-Market-Prozess das Gleichgewicht zwischen Hype und Wert finden kann, wer es schafft, technische Voraussicht mit einem tragfähigen Geschäftsmodell zu verbinden, der wird letztendlich die Person sein, die in der Branche wirklich am Ende lacht.