人工智能与加密货币
近期，与人工智能相关的项目备受关注。
但这些应用场景究竟是什么？它们是否实现了有意义的采用？
这个推文旨在探索该领域一些重要项目的实用性。
引言 – 人工智能金字塔
在人工智能与Web3领域，形成了一个多层次、关键环节构成的金字塔结构。
这些层次在指导人工智能的集体拥有权和发展方面发挥着关键作用。
我们将在讨论串中突出金字塔的每一层及其显著项目。
托管层 – @akashnet_
$AKT是一个开源的超级云平台，用户可以在此购买或出售计算资源。
这些GPU资源对于训练人工智能和机器学习模型至关重要。
$AKT – 采用情况
通过$AKT，用户可以购买他人的GPU资源并运行应用程序。
它采用一种“反向拍卖”机制，通常能提供比其他云系统低至85%的价格。
租用计算能力所消耗的日均$AKT呈上升趋势。
数据层 – @origin_trail
OriginTrail是一个旨在共享可信数据，作为人工智能知识资产的生态系统。
“知识资产”是可用于造福利益相关者的信息/IP片段。
$TRAC致力于解决人工智能引发的错觉和错误信息问题。
$TRAC – 采用情况
通过$TRAC产生的收入被回馈到生态系统，并完全返还给节点运营者。
#从年初至今，知识资产的发布和节点收益均呈现显著增长。
模型层 – @opentensor
$TAO位于智能层，与像@OpenAI这类的中心化对手并驾齐驱。
它是一个开源网络，提供访问去中心化机器学习模型的途径。
$TAO – 采用情况
Bittensor拥有超过25个活跃子网(SNs)，覆盖了广泛的应用场景。
例如，SN 9专注于预测，而SN 27则专注于云服务。
代理层 – $FET
$FET是一个平台，旨在利用人工智能帮助人们自动化日常任务。
用户可以在此网络中创建、部署和训练代理，以用于各种目的。
$FET – 采用情况
我未能找到具体的增长统计数据，且该生态系统的活动在链上无法验证。
然而，$FET的“代理宇宙”列出了一些在线的人工智能代理。
服务层 – $OLAS
$OLAS将人工智能的发展带入链上，使创建自治服务成为可能。
这些服务可以由链下（如Chat GPT）或链上（如$TAO）的人工智能模型提供动力。
$OLAS – 采用情况
$OLAS的活动和代理/服务可以在链上进行验证。
在过去一年中，其生态系统活动累计增长了500%，总服务/代理数量增加了800%。
风险
尽管这些与人工智能相关的加密货币具有吸引人的实用性，但它们依然充满投机性。
进行研究时，重要的是保持谨慎，并充分意识到其中的高风险。
微信扫一扫 
