要點
• 在過去的幾個月裡，人們對人工智能(“AI”)的興趣有所上升，這一點從谷歌搜尋趨勢和人工智能相關代币價格飙升就可以看出。
• 2023年，與人工智能相關的web3項目的資金激增，達到2.98億美元。這比2016年至2022年人工智能項目的總融資金額(1.485億美元)還要多。
• 與人工智能相關的代币在2023年普遍表現良好，按市值計算的前五大人工智能代币的表現明顯優于BTC和ETH, 2023年的漲幅從200%到650%不等。
• 我們已經觀察到人工智能和加密貨币融合産生的幾個趨勢和實際用例。從推動去中心化實體基礎設施網絡(“DePIN”)的增長，到建立更具互動性的面向消費者的應用程式，我們在本報告中重點介紹了一些值得注意的發展。
介紹
2023年被證明是人工智能(“AI”)的裡程碑，因為人工智能的變革力量變得更加明顯，特别是人工智能聊天機器人的廣泛使用，如OpenAI的ChatGPT、谷歌的Bard、微軟的Bing Chat等。ChatGPT尤其突出了人工智能的潛力，在短短兩個月内就達到了1億使用者的裡程碑
這一成就超過了抖音和YouTube等主要社交媒體平台。
圖1：ChatGPT是增長最快的應用程式之一，在釋出兩個月後就獲得了1億使用者
資料來源：demandsage、币安研究院
更重要的是，人工智能也開始重塑加密領域，無論是在實際用例中，還是在對人工智能相關代币的濃厚興趣中。這兩種颠覆性技術的融合迅速成為行業内的一個突出話題。在我們之前的報告的基礎上，揭示了人工智能在加密領域的用例，我們現在重新審視了這一不斷變化的格局。鑒于最近對該領域的興趣重新燃起，我們将看看目前的市場狀況并研究新的發展。
市場狀況
2023年，公衆對人工智能的興趣顯著上升，谷歌全球“人工智能”搜尋量顯著增加就是明證。這種高漲的興趣表明，公衆對人工智能相關話題的參與越來越多。這一激增在很大程度上歸因于人工智能聊天機器人的普及、新人工智能工具的推出，以及媒體報道和了解人工智能的願望的增加。
圖2：谷歌對人工智能的搜尋興趣在2023年大幅上升，大大超過了“加密”和“比特币”。
資料來源：谷歌趨勢，币安研究院，截至2023年12月31日
注意：數字表示相對于給定區域和時間的圖表上最高點的搜尋興趣。
相反，“加密”的搜尋興趣全年保持相對穩定。1 - 5月呈輕微下降趨勢，随後一段時間保持穩定，到年底略有上升。“比特币”的搜尋趨勢反映了“加密”的搜尋趨勢，但波動更明顯。比特币興趣的波動可能與圍繞比特币的幾個熱門話題有關，包括Ordinals/BRC-20、潛在的現貨ETF，以及2024年比特币将減半。這些事件導緻比特币價格上漲，重新激發了公衆的興趣。
總體而言，搜尋趨勢揭示了對人工智能日益增長的興趣與對比特币和加密貨币相對穩定的興趣之間的明顯分歧，這表明人工智能一直在以越來越快的速度吸引公衆的注意力，迄今為止沒有明顯的興趣減弱的迹象。
投資者的濃厚興趣
人工智能行業在2023年的投資者興趣方面也表現強勁。盡管融資金額總體減少，但人工智能在美國創業融資中的份額相對增長了230%，約占26%。這一增長發生在人工智能和非人工智能領域都經曆了資金低迷的背景下。然而，與整體市場相比，人工智能表現出了特别的彈性。
圖3：2023年，人工智能在美國初創企業融資中的份額翻了一番*
資料來源：Crunchbase, Binance Research，截至2023年8月29日
*注：2023年的最新資料尚未公布。建議讀者在解釋分析時考慮到這一限制。
與2022年相比，非人工智能領域的絕對資金減少了65%，而人工智能領域的資金減少幅度相對較小，僅為6%。
此外，在考慮融資輪數時，非人工智能行業經曆了減少了55%，而人工智能領域減少了45%。人工智能融資和融資輪次相對較小的下降表明，盡管自2021年達到峰值以來，融資金額總體呈下降趨勢，但投資者對人工智能應用的興趣仍然相對較高。這也可能表明對人工智能技術和應用的長期潛力和可行性的持續信念。
此外，Web3的人工智能部門在2023年的資金方面經曆了爆炸式增長。Rootdata的資料顯示，2016年至2022年人工智能項目的總融資額為1.485億美元，而僅2023年的融資額就達到2.98億美元。2023年的這一數字是前7年資金總額的兩倍，反映出人工智能在這一年的吸引力激增。
圖4：2023年人工智能項目的資金為2.98億美元，排名第7，占Web3項目總資金的3.7%
資料來源：Rootdata，币安研究院，截至2023年12月31日
與Web3領域的其他領域相比，2023年人工智能項目的資金為2.98億美元，排名第七，超過了NFT的2.93億美元和DAO的4200萬美元。這筆資金約占2023年Web3項目總資金的3.7%。雖然3.7%可能看起來不大，但考慮到人工智能在2023年才開始獲得顯著的吸引力，這一可觀的資金增長突顯了該行業越來越多的認可和價值。
強勢表現
從價格角度來看，人工智能代币的表現也優于整體市場，在過去一個季度和一年裡經曆了大幅飙升。對該行業興趣的增加促成了人工智能相關代币的強勁價格表現。
圖5：在過去三個月裡，AI代币被評為表現第二好的類别
來源：Dune Analytics (@cryptokoryo_research)，截至2023年1月2日，AI代币包括：AGIX, CTXC, FET, OCEAN, ORAI, RNDR
根據Dune儀表闆彙總了不同叙述/部門的代表性代币的表現，人工智能代币在過去三個月的表現中排名第二。請注意，盡管最初的儀表盤包含了MEME币，但我們已經将它們排除在我們的分析之外，因為它們相對較低的市值導緻了不成比例的大百分比性能收益。
當将市值排名前五的AI代币與BTC和ETH進行比較時，很明顯，AI代币在2023年的表現明顯優于主要代币。
這些AI币一年的表現從200%到高達650%不等。相比之下，BTC年底上漲了150%，而ETH上漲了44%。
然而，重要的是要注意，與這些人工智能代币相比，BTC和ETH的市值要大得多。是以，BTC和ETH在百分比方面的收益較小是很自然的。這種比較主要是為了突出最近幾個月AI代币的強勁表現和日益增長的牽引力。
圖6：2023年，市值排名前五的AI代币的表現明顯優于BTC和ETH，漲幅從200%到高達650%不等
資料來源：CoinMarketCap，币安研究院，截至2023年12月31日
總的來說，人工智能已經獲得了巨大的吸引力。人工智能應用的采用一直在加速攀升，吸引了投資者和散戶的持續興趣。此外，人工智能代币的表現一直很強勁。除了這些趨勢之外，還有一些值得讨論的新興AI x加密創新，詳見下一節。
AI x Crypto發展
對人工智能的興趣激增推動了人工智能相關加密應用的增長，為該領域的持續創新鋪平了道路。在本節中，我們将深入研究人工智能和加密技術融合産生的一些趨勢和實際用例。從推動去中心化實體基礎設施網絡(“DePIN”)的增長，到建立更具互動性的面向消費者的應用程式，我們重點介紹了該領域的一些值得注意的發展。
AI x DePIN
大型語言模型、深度學習和各種人工智能應用嚴重依賴圖形處理單元(“GPU”)的計算能力。然而，在過去的一年裡，對人工智能的興趣激增導緻了對GPU的超大需求，導緻了晶片的短缺。如果無法友善地使用GPU，計算的高成本可能會讓從事人工智能相關研究的研究人員和初創企業望而卻步。這就是去中心化計算網絡(DePIN的一個子集)發揮作用的地方。它們為中心化雲提供商和硬體制造商主導的現有解決方案提供了另一種選擇。是以，我們也見證了該行業在GPU需求推動下的強勁增長。
考慮到GPU并不總是以100%的容量運作，去中心化的計算網絡尋求将那些有空閑計算能力的人連接配接到需要它們的人。這是通過建立一個雙邊市場來實作的，該市場允許計算能力的供應商從買家那裡獲得獎勵。這類網絡的例子包括Akash、Render、Gensyn和io.net等。此外，去中心化計算網絡的價格也具有競争力，因為供應商向網絡提供計算能力沒有顯著的額外成本。
圖7：去中心化計算網絡的價格具有競争力
資料來源：Cloudmos，截至2024年1月2日
注意：定價是針對1個CPU、1GB RAM和1GB磁盤
通過為實際問題提供潛在的解決方案，去中心化計算網絡搭上了人工智能增長的浪潮，其平台上的活動越來越多。
圖8：Render Network上的渲染場景數量在2023年有所提升
資料來源：Dune Analytics (@lviswang)，截止到2023年12月31日
圖9：2023年第四季度，Akash網絡的活躍租約激增
資料來源：Cloudmos，截至2024年1月3日
AI x零知識
由于其基于代碼的自動化功能，智能合約以其效率而聞名。然而，它們預定義的性質有時會導緻缺乏适應性，特别是在不可預見的複雜情況下。這就是人工智能的一個子領域機器學習(ML)可以提供重大改進的地方。機器學習模型經過廣泛資料集的訓練，具有學習、适應和做出高度準确預測的能力。将這些模型內建到智能合約中可以開辟廣泛的适應性和靈活的能力。
這種內建的一個主要挑戰是過高的計算開銷，鍊上ML計算。這就引出了零知識機器學習(“ZKML”)的概念。ZKML結合了零知識證明和機器學習。在這種設定中，ML計算是在鍊下處理的，而ZK證明用于驗證這些計算的完整性，而不會洩露實際資料。利用ZKML，智能合約可以有效地利用人工智能的力量，同時保持區塊鍊技術的安全性和透明度。
圖10：ZKML将零知識證明與機器學習相結合，先進行鍊下計算，再進行鍊上驗證
來源：币安研究
一個值得注意的發展是由Upshot與Modulus Labs合作推出的ZK Predictor。該工具使Upshot能夠利用Modulus ZK電路來驗證資産估值，而不會洩露專有知識産權。它可以幫助開發優化長尾資産定價的自動做市商(“AMM”)，人工智能驅動的鍊上指數基金，具有其運作的鍊上加密證明，或專注于特定主題的預測市場，可以增強和驗證衆力定價信号的準确性。ZKML的其他産品包括價格預言機。例如，Upshot為其人工智能模型提供複雜的市場資料，以評估NFT等長尾資産的價值。然後，Modulus的技術驗證這些AI計算的正确性，将其封裝在證明中，并将其送出給以太坊進行最終驗證。
這些例子隻是ZKML可以支援的無數應用程式的開始。由于該技術仍處于起步階段，預計在未來幾年将出現更成熟、更廣泛的ZKML應用程式。
AI x消費者dApps
在過去的一年裡，我們觀察到面向消費者的去中心化應用程式(“dApps”)中人工智能內建的增加，以增加互動性和促進使用者參與。這種趨勢正在改變使用者與平台互動的方式，提供個性化和互動性。通過利用人工智能，這些dApp使使用者能夠從單純的使用者轉變為積極的參與者。
一個例子是人工智能使用者生成内容(“UGC”)平台，如NFPrompt。顧名思義，AI UGC是指使用者在自主系統的幫助下創造的内容。這可以通過設定一組規則來實作，這些規則可以自動輸出，并在算法中嵌入某種形式的随機性。換句話說，使用者可以輸入一組規則或限制(例如，圖案、顔色、形狀)，AI将根據這個架構生成内容。通過讓使用者參與創作過程，AI UGC平台在使用者和平台之間建立了一種更具參與性的關系，同時也允許使用者提出獨特的、獨一無二的、可無限擴充的内容。
圖11：使用NFPrompt上的文本提示生成NFT
來源：NFPrompt
除了内容生成之外，AI的整合還可能對web3遊戲或虛拟世界産生深遠影響，在這些遊戲中，遊戲角色的互動性更強，對話也更逼真。失眠AI的遊戲《他》和《她》就是很好的例子。通過使用AI，遊戲玩法的特點是專注于定制和現實的交流。這提供了更個性化的體驗，并培養了更真實的情感聯系，進而提高了使用者粘性。
圖12：“他”和“她”使用AI提供沉浸式體驗
來源：Sleepless AI
AI x Data Analytics
準确的市場資料是了解行業趨勢的關鍵，對投資者做出明智的投資決策至關重要。然而，真實交易的執行個體，如清洗交易，可能會人為地誇大銷售并扭曲真實銷售量。通過将人工智能內建到分析中，過濾掉噪音，可以更準确地輸出資料。這是通過人工智能和機器學習(“ML”)廣泛實作的，其中大量資料作為輸入，以識别洗滌交易模式或趨勢。最終結果是對市場活動的更準确描述。
以BitsCrunch為例，這是一個基于人工智能的NFT資料分析平台，它利用人工智能和機器學習來實時檢測虛假交易或可疑交易模式，進而提供準确的資料。AI/ML的使用使平台能夠相對輕松地分析大量資料，進而使平台能夠區分真實交易量和無機交易量。這反過來又有助于做出明智的決策。
圖13：BitsCrunch分析的清洗交易名額
結束語
人工智能和加密技術的融合激起了人們對這些前沿技術重新定義數字景觀的潛力的極大興奮。以人工智能為中心的代币越來越受歡迎，線上搜尋趨勢反映出的興趣日益濃厚，突顯了人工智能叙事的持續加速。
誠然，我們還沒有達到大規模采用的地步。許多人工智能驅動的加密項目仍處于發展的初級階段，其他項目可能主要迎合小衆閱聽人。然而，有形用例的增加是一個令人鼓舞的趨勢，對長期增長是積極的。考慮到這些，投資者需要在利用人工智能炒作的同時，了解投資此類前沿技術的風險。