尽管有很多炒作，并非所有 Web3-AI 的趋势都值得关注。以下是 @jrdothoughts 认为最被高估的一些趋势：a. 去中心化的 GPU 网络：这些网络承诺民主化 AI 训练。但现实情况是，在去中心化基础设施上训练大型模型既慢又不切实际。这一趋势尚未兑现其高远的承诺。b. ZK-AI 模型：零知识 AI 模型在隐私保护方面看起来很有吸引力。但实际上，它们计算成本高且难以解释。这使得它们在大规模应用中不太实际。c. 推理证明：推理证明框架为 AI 输出提供加密证明。然而， @jrdothoughts 认为这些解决方案解决的是并不存在的问题。因此，它们在现实世界中的应用有限。 虽然有些趋势被过度炒作，但另一些趋势则具有显著潜力。以下是一些被低估的趋势，可能提供真正的机会：a. 具备钱包的 AI 智能体：想象一下，AI 智能体通过加密货币拥有金融能力。这些智能体可以雇佣其他智能体或质押资金以确保质量。另一个有趣的应用是「预测智能体」。 b. 加密货币为 AI 提供资金：生成式 AI 项目通常面临资金短缺。加密货币的高效资本形成方法，如空投和激励，为开源 AI 项目提供了关键的资金支持。这些方法有助于推动创新。c. 小型基础模型：小型基础模型，例如微软的 Phi 模型，展示了少即是多的理念。具有 1B-5B 参数的模型对去中心化 AI 至关重要，能够提供强大的设备端 AI 解决方案。d. 合成数据生成：数据稀缺是 AI 发展的主要障碍之一。通过基础模型生成的合成数据可以有效补充现实世界的数据集。\n原文链接