多维度解析DePIN如何助力人工智能？ 多维度解析DePIN助力人工智能的亮点？

　  DePIN（Deep Interest Network with Product-based neural networks）是一种用于推荐系统的深度学习模型，它结合了DIN（Deep Interest Network）和PNN（Product-based Neural Networks）两个模型的优点。在人工智能领域，DePIN可以帮助推广和应用推荐系统，为用户提供更加个性化的服务和体验。DePIN采用了一种新颖的神经网络架构，通过利用用户历史行为和兴趣特征来预测其可能感兴趣的商品或内容。与传统的推荐系统不同，DePIN不仅考虑了用户和商品之间的关系，还将注意力集中在用户表达过程中的多个维度上，从而更好地捕捉用户的兴趣和偏好。　

        过去，初创企业凭借其速度、灵活度和创业文化，摆脱组织惯性桎梏，长期引领着技术创新。然而，这一切被人工智能时代改写。迄今为止，突破性 AI 产品的缔造者都是诸如 Microsoft 的 OpenAI、Nvidia、Google 甚至 Meta 这样的传统科技巨头。

　　发生了什么?为什么这一次巨头赢过了初创?初创企业可以写出优秀代码，但与科技巨头相比，它们面临多种阻碍：

　　计算成本居高不下

　　AI 发展存在反向凸角：由于缺少必要的方针，围绕 AI 社会影响的担忧和不确定性阻碍了创新

　　AI 黑盒问题

　　大型科技公司建立的“数据护城河”形成进入壁垒

　　那么，为什么需要区块链技术出场?它与人工智能的交集在哪?虽然不能一次性解决所有问题，但Web3中的分布式物理基础设施网络(DePIN)为解决上述问题创造了条件。下文将阐述 DePIN 背后的技术如何助力人工智能，主要从四个维度：

　　降低基础设施成本

　　验证创作者和人格

　　填补AI 民主和透明度

　　设置数据贡献奖励机制

　　下文中：

　　“web3”指下一代互联网，区块链技术与其他现有技术是其有机组成。

　　“区块链”指去中心化和分布式账本技术。

　　“加密”指利用代币机制进行激励和去中心化的做法。

　　一、降低基础设施成本(计算和存储)

　　每一波技术创新的引子都是某种昂贵的东西变得廉价到可以浪费。

　　——社会的技术债务和软件的古腾堡时刻，来自 SK Ventures

　　基础设施的可负担性有多重要(人工智能的基础设施指计算、传输和存储数据的硬件成本)，Carlota Perez 的技术革命理论有指明，该理论提出技术突破包含两个阶段：

　　

 

　　来源：Carlota Perez 的技术革命理论

　　安装阶段以大量风险投资、基础设施建设和“推动式”市场推广(GTM)策略为特征，因为客户不了解新技术的价值主张。

　　部署阶段以基础设施供应的大量增加为特征，降低拉新门槛，并采用“拉动式”市场推广(GTM)策略，表明产品市场匹配度高，客户期待更多尚未成型的产品。

　　既然 ChatGPT 等尝试已证明市场契合度和客户需求，人们可能觉得 AI 已经进入部署阶段。然而，AI 还缺少重要一环：过剩的基础设施供价格敏感的初创企业进行搭建和尝试。

　　问题

　　当前物理基础设施领域主要由垂直一体化寡头垄断，包括 AWS、GCP、Azure、Nvidia、Cloudflare、Akamai 等，行业利润率高，据估计AWS 在商品化计算硬件上的毛利率为 61% 。所以 AI 领域、尤其是 LLM 领域的新进入者要面对及其高昂的计算成本。

　　ChatGPT 一次训练的成本估计在 4 百万美元，硬件推理运营成本约 70 万美元/天。

　　Bloom 第二版可能需要花费 1000 万美元进行训练和重新训练。

　　如果 ChatGPT 进入 Google 搜索，谷歌营收将减少 360 亿美元，巨额利润将从软件平台(Google)向硬件提供商(Nvidia)转移。

　　

 

　　来源：层层分析— LLM 搜索架构与成本

　　解决方案

　　DePIN 网络如 Filecoin(起源于 2014 年的 DePIN 先驱，专注集合互联网级硬件，服务于分布式数据存储)、Bacalhau、Gensyn.ai、Render Network、ExaBits(用于匹配 CPU/GPU 供需的协调层)可以通过以下三个方面节约 75% 至 90% +的基础设施成本：

　　1. 推动供应曲线，激发市场竞争

　　DePIN 为硬件供应商成为服务提供商提供了平等机会。它创建了一个人人可以作为“矿工”加入，用 CPU/GPU 或存储能力可换取经济报酬的市场，从而给现有提供商带来竞争。

　　虽然像 AWS 这样的公司无疑在用户界面、运营和垂直整合方面享有 17 年的先发优势，但是DePIN 吸引了无法接受中心化供应商客定价的新户群。就像 Ebay 不直接与 Bloomingdale 竞争，而是提供更经济的替代品来满足类似需求，分布式存储网络并不取代中心化供应商，而是旨在服务于价格敏感的用户群体。

　　2.通过加密经济设计促进市场经济平衡

　　DePIN 创建的补贴机制能引导硬件供应者参与网络，从而降低最终用户的成本。究其原理，我们可以看看 AWS 和 Filecoin 在Web2和Web3中存储提供者的成本和收入。

　　

 

　　客户获得降价：DePIN 网络营造了竞争性市场，引入Bertrand 式竞争，从而降低客户支付费用。相比之下，AWS EC 2 需要约 55% 的利润率和 31% 的总体利润率来维持运营。DePIN 网络提供的Token 激励/区块奖励也是新的收入来源。在 Filecoin 的背景下，存储提供者托管越多真实数据越能获得区块奖励(代币)。因此，存储提供者有动力吸引更多客户达成交易增加收入。几个新兴计算 DePIN 网络的代币结构仍未公开，但很可能遵循类似模式。类似网络包括：

　　Bacalhau：将计算引入数据存储位置的协调层，避免移动大量数据。

　　exaBITS：服务于 AI 和计算密集型应用程序的分布式计算网络。

　　Gensyn.ai：深度学习模型计算协议。

　　3. 降低间接成本：Bacalhau、exaBITS 等 DePIN 网络以及 IPFS/内容寻址存储的优势包括：

　　释放潜在数据的可用性：由于传输大型数据集的带宽成本高，目前大量数据未被开发，比如体育场馆产生的大量事件数据。DePIN 项目可以现场处理数据并仅传输有意义的输出，发掘潜在数据的可用性。

　　降低运营成本：通过本地获取数据来降低数据输入、传输和导入/导出成本。

　　最小化敏感数据共享中的人工作业：如果医院 A 和 B 需要将各自患者的敏感数据进行组合分析，它们可以使用 Bacalhau 协调 GPU 算力，直接在本地处理敏感数据，而不必通过繁琐的行政流程与对方进行个人身份信息(PII)交换。

　　无需重计算基础数据集：IPFS/内容寻址存储自带去重、溯源和验证数据的能力。有关 IPFS 的功能和性价比可参考这篇文章。

　　AI 生成摘要：AI 需要 DePIN 提供的经济实惠的基础设施，目前基础设施市场由垂直一体化的寡头垄断。像 Filecoin、Bacalhau、Render Network、ExaBits 这样的 DePIN 网络使成为硬件供应商的机会民主化，引入竞争，通过加密经济设计维护市场经济平衡，让成本降低 75% -90% 以上，并降低了间接成本。

　　二、验证创作者和人格

　　问题

　　一份近期调研显示，50% 的 AI 学者认为 AI 给人类带来毁灭性伤害的可能性超过 10% 。

　　人们需要警醒，A.I.已经引发社会混乱，而且仍缺乏监管或技术规范，这种情况被称为“反向凸角”。

　　比如，在这段 Twitter 视频中，播客主持人 Joe Rogan 与保守评论员 Ben Shapiro 在就电影《料理鼠王》进行着辩论，然而这段视频是 AI 生成的。

　　

 

　　来源：Bloomberg

　　值得注意的是，A.I.的社会影响力远不止虚假博客、对话和图像带来的问题：

　　2024 年美国大选期间，AI 生成的 deepfake 竞选内容首次达到了以假乱真的效果。

　　参议员 Elizabeth Warren 的一段视频经过编辑，让她“说”出了"共和党人不应该被允许投票"这样的话(已辟谣)。

　　语音合成的拜登的声音批评跨性别女性。

　　一群艺术家对 Midjourney 和 Stability AI 提起了集体诉讼 ，指控其未经授权使用艺术家的作品来训练 AI，侵犯版权并威胁艺术家生计。

　　AI 生成的由 The Weeknd 和 Drake 合唱的歌曲“Heart on My Sleeve”在流媒体平台上走红，但随后被下架。当新技术在没有规范的情况下进入主流，就会造成诸多问题，版权侵犯就属于“反向凸角”问题。

　　那么我们能否在Web3中加入 AI 的相关规范?

　　解决方案

　　利用加密链上来源证明进行人格证明和创作者证明

　　让区块链技术真正发挥作用——作为一个包含不可篡改链上历史记录的分布式账本，数字内容的真实性可以通过内容加密证明得到验证。

　　数字签名作为创作者证明和人格证明

　　要识别 deepfake，可用原始内容创作者独有的数字签名生成加密证明，签名可以使用只有创作者知晓的私钥创建，并可由对所有人公开的公钥进行验证。有了签名就可以证明内容是由原始创作者创建，不论创建者是人类还是 AI，还可以验证授权或未授权的对内容的更改。

　　利用 IPFS 和默克尔树进行真实性证明

　　IPFS 是使用内容寻址和默克尔树引用大型数据集的分布式协议。为了证明文件内容收到、更改，会生成一个默克尔证明，即一串哈希，显示特定的数据块在默克尔树中的位置。每次更改，都会在默克尔树中增加一个哈希，提供了文件修改的证明。

　　加密方案的痛点是激励机制，毕竟，识别出 deepfake 制造者虽然能减少负面社会影响，但不会带来同等的经济利益。这份责任很可能落在 Twitter、Meta、Google 等主流媒体分发平台上，事实也的确如此。那么我们为什么需要区块链?

　　答案是区块链的加密签名和真实性证明更加有效、可验证和确定。目前，检测 deepfake 的过程主要通过机器学习算法(如 Meta 的“Deepfake Detection Challenge”、Google 的“Asymmetric Numeral Systems” (ANS)和 c 2 pa：https://c 2 pa.org/)来识别视觉内容中的规律和异常，但时常不够准确，落后于 deepfake 发展速度。一般需要人工审核来确定真实性，低效且昂贵。

　　如果有一天每条内容都有加密签名，每个人都能可验证地证明创作来源，标记篡改或伪造行为，那我们将迎来美丽的世界。

　　AI 生成摘要：AI 可能对社会构成重大威胁，尤其是 deepfake 和未授权使用内容，而Web3技术，如使用数字签名的创作者证明和使用 IPFS 和默克尔树的真实性证明，可以验证数字内容的真实性，防止未经授权的更改，为 AI 提供规范。

　　三、AI 民主化

　　问题

　　今天的 AI 是由专有数据和专有算法构成的黑盒。大型科技公司 LLM 的封闭性扼杀了我眼中的“AI 民主”，即每个开发者甚至用户都能为 LLM 模型贡献算法和数据，并在模型盈利时获得部分利润(相关文章)。

　　AI 民主=可视性(能看到输入模型的数据和算法)+贡献(能向模型贡献数据或算法)。

　　解决方案

　　AI 民主的目的是让生成式 AI 模型对公众开放、与公众相关、为公众所有。下表对比了 AI 现状与通过Web3区块链技术能实现的未来。

　　

 

　　目前——

　　对于客户：

　　单向接收 LLM 输出

　　无法控制个人数据如何被使用

　　对于开发者：

　　可组合性低

　　ETL 数据处理不可追溯，难复现

　　数据贡献来源仅限于数据所有机构

　　闭源模型只能通过 API 付费访问

　　分享数据输出缺乏可验证性，数据科学家 80% 的时间用于低端数据清洗

　　结合区块链后——

　　对于客户：

　　用户可提供反馈(比如偏见、内容审核、针对输出的颗粒度反馈)作为微调依据

　　用户可选择贡献数据换取模型盈利后的利润

　　对于开发者：

　　分布式数据管理层：众包重复耗时的数据标记等数据准备工作

　　可视性&组合&微调算法的能力，借助可验证源(可以看到所有改动的防篡改历史记录)

　　数据主权(通过内容寻址/IPFS 实现)和算法主权(例如 Urbit 实现了数据和算法的点对点组合和可移植性)

　　加速 LLM 创新，从基础开源模型的各种变体中加速 LLM 创新。

　　可复现训练数据输出，通过区块链对过去 ETL 操作和查询的不可变记录(如 Kamu)实现。

　　有人说Web2的开源平台也提供了一种折中方案，但其效果并不理想，相关讨论可见 exaBITS 的博文。

　　AI 生成摘要：大型科技公司封闭的 LLM 扼杀了“AI 民主”，即每个开发者或用户都能够为一个 LLM 模型贡献算法和数据，并在模型盈利时获得部分利润。AI 应该对公众开放，与公众相关，为公众所有。借助区块链网络，用户能够提供反馈，为模型贡献数据换取变现后的利润，开发者也能获得可视性和可验证源，从而组合和微调算法。内容寻址/IPFS 和 Urbit 等Web3创新将实现数据和算法主权。通过区块链对过去 ETL 操作和查询的不可变记录，训练数据输出的可复现性也将成为可能。

　　四、设置数据贡献奖励机制

　　问题

　　今天，最有价值的消费者数据为大型科技公司的专有资产，构成其核心商业壁垒。科技巨头没有动力将这些数据与外部方共享。

　　那么，为什么我们不能直接从数据创造者或用户那里获取数据呢?为什么我们不能把数据变成公共资源，贡献数据将数据开源化供数据科学家使用?

　　简单来说是因为缺乏激励机制和协调机制。维护数据和执行 ETL(提取、转换和加载)是一大笔间接成本。事实上，仅数据存储就将在 2030 年成为价值 7770 亿美元的行业，这还不包括计算成本。没有人会无偿承担数据处理的工作和成本。

　　不妨看看 OpenAI，最初设定是开源非盈利，但变现困难无法覆盖成本。2019 年，OpenAI 不得不接受微软注资，算法不再对公众的开放。预计到 2024 年，OpenAI 盈利将达 10 亿美元。

　　解决方案

　　Web3引入了名为“dataDAO”的新机制，促进了 AI 模型所有者和数据贡献者之间的收入再分配，为众包数据贡献创建了激励层。由于篇幅限制，此处不会展开，想要了解可阅读下方两篇文章：

　　How DataDAO works/DataDAO 原理，作者是 Protocol Labs 的 HQ Han

　　How data contribution and monetization works in web3/web3数据贡献和变现如何运作，我在这篇深入讨论了 dataDAO 的机制、欠缺和机遇

　　总的来说，DePIN 另辟蹊径，为推动Web3和 AI 创新提供了新的硬件能源。尽管科技巨头主导了 AI 行业，但新兴参与者可以利用区块链技术加入竞争：DePIN 网络降低准入门槛的方式包括降低计算成本;区块链的可验证和分布式特性使真正的开放式 AI 成为可能;dataDAO 等创新机制激励数据贡献;区块链的不可变性和防篡改特性提供了创造者身份证明，打消人们对 AI 负面社会影响的担忧。