算力平台
算力平台的项目没有Bot模型资产化那么多和卷，但理解起来相对更加容易，都知道AI需要大量算力，而BTC和ETH在过去10多年已经证明了世界上有这么一种方法：可以自发的，去中心化的，在经济激励和博弈的环境下组织协调起海量的算力去合作+竞争的做一件事。现在可以把这种方法用在AI上。
业内最出名的两个项目无疑是Together和Gensyn，一个种子轮就是千万级别融资；一个是A轮融了4300万。这俩之所以要融这么多钱，据说是因为需要资金和算力先训练自己的模型，然后后面会做成算力平台提供给其他的AI项目做训练用。
数据：一巨鲸40分钟前再次通过杠杆做多ETH:金色财经报道，据链上分析师余烬监测，5天前0x8b9巨鲸地址通过杠杆做多ETH，在40分钟前通过另一地址（0x362）继续杠杆做多ETH，该巨鲸将11200ETH（1836万美元）换成9839wstETH，然后抵押wstETH借出1000万USDT。再将1000万USDT买成6081stETH，均价1644美元。
8/29-9/4期间，该巨鲸抵押22200ETH（3650万美元）借出1550万USDT+170WBTC（444万美元），然后买入10598wstETH（1994万美元）。
此前7月20日，该鲸鱼花费3,145stETH（601万美元）买进788,877LINK，均价7.62美元，推动LINK当日由6.9美元涨至8.4美元。该巨鲸持有的LINK目前浮亏121万美元（-20%）。[2023/9/4 13:16:35]
而做推理的算力平台融资额相对会小很多，因为本质上就是聚合闲置的GPU等算力然后提供给有需要的AI项目做推理用。RNDR是做渲染算力聚合，这些平台做推理算力聚合。但技术门槛目前都比较模糊，甚至我在想会不会哪天RNDR或是Web3云算力平台一只脚就伸到推理型算力平台这边了。
两个NFT巨鲸已在NFTfi抵押147个Crypto Punk，共贷出约316万美元:7月4日消息，两个NFT巨鲸已在NFT贷款平台NFTfi完成以147个Crypto Punk系列NFT为抵押品的贷款（每个2.15万枚DAI），总额约316万美元。截至目前，该平台累计已完成13300笔借贷业务，贷款总额约2.16亿美元，未偿还债务约2449万美元。[2022/7/4 1:49:35]
算力平台这个方向相比模型资产化更加实在和好预测，基本上是板上钉钉一定会有需求也会出现一两个头部项目的赛道，就看谁能杀的出来，唯一目前不确定的是训练和推理各自有龙头，还是龙头会把训练和推理都包圆了。
NFT巨鲸n0b0dy.eth以130 WETH价格购入“无聊猿”BAYC#3438:金色财经报道，据最新数据显示，NFT 巨鲸 n0b0dy.eth 以 130 WETH 价格购入“无聊猿”BAYC#3438，约合 267,298.56 美元。截止目前，n0b0dy.eth 已持有猿猴系列 NFT 主要包括：22 个“无聊猿”BAYC、24 个“变异猿”MAYC、以及 61 个 Yuga Labs 元宇宙项目 Otherside 虚拟地块 Otherdeed。[2022/5/18 3:23:40]
数据平台
这个其实也不难理解，因为AI的底层说白就三大件：算法、算力和数据。
比特币市场或新增7只巨鲸，10,000-100,000 BTC地址增加6.74％:据Santiment数据显示，随着BTC价格下跌，巨鲸地址数量急剧增加，这表明大型投资者正在进入，此外，活跃地址数量正在上升，已达到历史新高。据悉，持有10,000-100,000 BTC的地址数量激增6.74％，过去两周时间可能有7只巨鲸加入比特币市场。分析人士称，基于目前比特币的价格而言，这可能会增加价值数十亿美元的买单。（Coinpost）[2020/9/30]
既然算法和算力都有「去中心化版本」，那数据肯定也不会缺席，这也是奇绩创坛的创始人陆奇博士在聊AI和Web3时候最看好的一个方向。
Web3一直强调数据隐私和主权，也有ZK之类的技术来确保数据可靠与完整性，那么基于Web3的链上数据训练出来的AI肯定和Web2链下数据训练出来的应该不一样。所以这条线整体MakeSense，目前圈内Ocean应该算是这个赛道，一级市场也有看到基于Ocean做的专门的AI数据市场之类的项目。
生成式AI
简单来说就是拿AI画画，或是类似的创作，来服务与其他一些场景，比如做NFT，或是游戏内的地图生成，NPC背景生成等等。感觉做NFT这条线比较难，因为AI生成稀缺性不够，Gamefi倒是一条路，一级市场也有见到有团队在尝试。
不过前几天看到个消息，Unity也出了自己的AI生成工具Sentis和Muse，现在还在封测阶段，明年估计就正式上线了。怎么说呢，感觉Web3圈的游戏AIGC类项目，届时可能会被Unity降维打击……
Defi交易/审计/Yield/风控
这几类都有看到项目在尝试，同质化相对不明显。
交易——这个有点Tricky，因为如果一个交易策略好用，随着用的人越多，可能策略慢慢也就不怎么好用了，得切换到新策略。再就是好奇AI交易机器人未来的胜率如何，会在普通交易者里面处于哪个段位。
审计——目测应该可以帮助快速审处已有的常见的漏洞，没出现过的新的或是逻辑上的漏洞应该就不行了，这个得进入AGI时代应该才有戏。
Yield——Yield不难理解，你就想像成一个带AI智能的YFI就行，把钱扔给它，AI根据你的风险偏好自己去找平台Staking，组LP，挖矿之类。
风控——感觉单独做成一个项目会很奇怪，以插件形式服务与各个借贷或是类似Defi平台感觉更加MakeSense。
ZKML
一个目前圈内越来越火的赛道，因为结合了两项最为前沿的技术，一个圈内的ZK，一个圈外的ML。
理论上来说，与ZK的结合可以给ML提供隐私性、完整性和准确性，但是你要硬说有哪些具体使用场景吧，其实很多项目方也想不出来，基建先搭着再说……
目前唯一真的刚需的是部分医疗领域的机器学习确实有这个病人数据的隐私需求，至于链上游戏完整性或反作弊之类的叙事，总感觉有些牵强。
这个赛道目前来说就那么几个明星项目，像是ModulusLabs，EZKL，Giza之类，都是一级市场热捧的对象。
没法，因为全世界懂ZK的人本来就那么几个，懂ZK同时还要懂ML的人才就更少了，所以这个赛道的技术门槛相对其他要高了很多，同质化也相对不明显。
最后就是，ZKML大多针对的是推理，而非训练
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。