cover of episode E35|创业者干货分享①:AI技术+Token经济,会成为下一个大“杀器”?

E35|创业者干货分享①:AI技术+Token经济,会成为下一个大“杀器”?

2024/2/1
logo of podcast Web3 101

Web3 101

AI Deep Dive AI Chapters Transcript
People
E
Ethan Sun
V
Vicky
Topics
Vicky 认为 AI 和 Web3 将共同构建更强大、更有弹性、更值得信赖、更公平的互联网,但两者结合仍处于探索阶段。Ethan Sun 介绍了 MyShell 项目,该项目旨在构建一个 AI 应用的创作者生态,包含模型贡献者、应用创作者和消费者三个用户类型。MyShell 通过 Web3 元素对平台上的 AI 模型和应用进行资产化,并引入 Web3 用户作为投资者,以实现模型贡献者和应用创作者的商业化和公平贡献度衡量。MyShell 从内容平台起步,逐步引入多模态和 Web3 元素,并平衡传统互联网用户和 Web3 用户的不同需求。MyShell 团队主要来自 AI 和传统科技互联网领域,拥有丰富的 AI 研发经验。MyShell 的想法源于对生成式 AI 技术的思考,以及对创作者经济和 AI 霸权问题的关注。MyShell 将 AI 能力视为核心价值,Web3 作为增长和运营的工具,并通过 MPC Wallet 和 AA 技术,让 Web2 用户无感拥有钱包。MyShell 利用积分系统和 token,逐步引导 Web2 用户参与 Web3 经济系统,并通过经济机制和技术手段防止羊毛党行为。MyShell 观察到 Web2 用户和 Web3 用户在行为模式上的差异,并利用 Web3 用户的投资倾向性,帮助平台上的创作者和贡献者获得早期资金。MyShell 尽量减少 Web3 概念的引入,让 Web2 用户无感使用钱包,并通过 AI 技术识别机器人用户,解决低质量内容问题。MyShell 团队通过一个简单的 demo 在社区中吸引到第一笔资金和开发者,并开始布局自研 AI Agent 框架,赋能创作者。MyShell 认为去中心化对于解决 AI 霸权问题至关重要,并计划在未来引入去中心化计算能力。MyShell 认为完全去中心化是不现实的,中心化和去中心化可以融合,并根据实际情况选择。MyShell 将使用去中心化方式处理资产,并优先处理资产的去中心化。MyShell 选择使用 Web3 经济系统的原因是其能够更好地解决 AI 领域中创作者贡献度衡量和商业化的问题。MyShell 目前主要使用积分系统,未来考虑引入 token,并认为积分系统比 token 系统更灵活,更适合快速迭代的产品。MyShell 秉持实用主义原则,优先考虑实用性和用户利益。MyShell 认为去中心化对于解决 AI 霸权问题至关重要,并计划在未来引入去中心化计算能力。MyShell 认为完全去中心化是不现实的,中心化和去中心化可以融合,并根据实际情况选择。MyShell 将使用去中心化方式处理资产,并优先处理资产的去中心化。MyShell 选择使用 Web3 经济系统的原因是其能够更好地解决 AI 领域中创作者贡献度衡量和商业化的问题。MyShell 目前主要使用积分系统,未来考虑引入 token,并认为积分系统比 token 系统更灵活,更适合快速迭代的产品。MyShell 秉持实用主义原则,优先考虑实用性和用户利益。 Ethan Sun 认为 MyShell 项目的核心是 AI 能力,Web3 作为辅助工具,帮助项目增长和运营。他详细解释了 MyShell 如何平衡 AI 技术研发和 Web3 经济系统设计,以及如何吸引 Web2 和 Web3 用户。他分享了 MyShell 团队的背景和项目发展的历程,以及如何通过简单的 demo 吸引用户和投资。他还分析了 AI+Web3 领域的现状,并对一些项目进行了评价,例如 BitTensor 和 Autonolas。他认为 AI meme token 本质上与 AI 无关,并建议投资者在投资 AI+Web3 项目时,需要足够了解 AI 技术。他分享了 MyShell 团队在风险控制、用户体验和经济系统设计方面的经验,并阐述了 MyShell 未来发展方向,包括自研 AI Agent 框架和引入去中心化计算能力。

Deep Dive

Shownotes Transcript

著名投资人 Fred Wilson 在他对 2024 年的预测文章里写道,我们正在进入 AI 的应用时代,而在这个新时代里,AI 和 Web3 是同一枚硬币的两面。AI 将帮助 Web3 应用于主流应用程序,而 Web 3帮助我们信任AI,他们将共同打造一个更强大、更有弹性、更值得信赖、更公平的互联网。

然而目前,对于很多想要把这两项前沿技术结合在一起的人来说,AI +Web3仍然还是一个崭新的、充满着挑战的领域。在本期节目中我们邀请到了MyShell的联合创始人Ethan Sun,来跟我们一起聊聊他们正在做的相关实践。

作为一个AI first的公司,MyShell目前正在尝试将Web3的经济激励机制引入到他们的AI创作者社区之中,在这个过程中,他们需要平衡传统互联网用户和Web3用户之间的不同需求,也需要考虑如何更安全、更有效地引入Token经济,让AI和Web3能够良性协作共同推动项目增长。

在下一期节目中,我们将邀请另外一个优秀的创业者来跟我们进行有关AI +Web3的探讨,聊聊他们Web3 first的实践。欢迎大家关注收听。

【主播】 Vicky,《Web3 101》播客主理人 【嘉宾】 Ethan Sun,MyShell联合创始人

【你将听到】

【从AI Focus到引入Web3】 00:02:02: 构建AI应用融合Web3的新型创作者经济生态 00:04:10: 打造公平分配的AI创作平台,引入Web3投资者角色 00:06:25: 不同的定位:AI负责提供产品价值,Web3帮助获客增长

【平衡传统互联网用户和Web3用户的不同需求】 00:09:01: 让Web2用户无感拥有钱包,借力Web3用户的投资情绪 00:11:54: 用户的不同特点:Web2用户是“消费者”,Web3用户是“投资者” 00:14:32: 防止羊毛党的风控手段:激励限制和技术防控 00:16:12: AI开源社区是“生产力”,Web3社区引入“生产关系”

【对Web3技术应用和AI集权的思考】 00:18:21: Web3技术的应用瓶颈:稳定性、时间成本和效率 00:20:49: 经济系统设计:先发挥Point System作用再考虑Token 00:22:51: 用Web3技术应用于解决AI霸权的问题,将是接下来的热点议题 00:24:40: Web3世界也并不是完全的去中心化 00:26:18: AI创作者应该被激励,经济系统设计至关重要

【两类产品形态和“Web3+AI”的融资】 00:27:50:两大类产品内容:虚拟角色娱乐类和休闲式学习类 00:30:02:用Demo在社群中吸引到第一笔资金和开发者 00:32:40: 开始布局自研AI Agent框架,赋能创作者 00:34:42: AI+Web3跨界结合的一些项目:RNDR、Flock.io、Hyperbolic等 00:36:58: AI meme token本质上跟AI无关 00:38:47:投资思考:要找到真正优质的Web+AI项目,首先要足够了解AI 00:39:47: Bittensor的模范带动作用,以及鱼龙混杂的行业现状

【名词解释】

- DePIN:DePin 是中心化物理基础设施网络 (Decentralized Physical Infrastructure Networks) 的简称。简单来说,DePin 就是利用硬件来提供可能涉及到软件、带宽、计算能力等资源,对原本需要中心化管理的现实世界服务进行代币激励,以更灵活更分散的节点部署使重资产服务轻量化、去中心化并解决项目冷启动问题。

- 节目中提到的相关项目简介: • RNDR(RenderToken):RNDR Token是一个将GPU运算能力转化为3D资产(如显卡)的去中心化经济网络。目标是通过以太坊区块链协议授权创建、共享和货币化任何3D对象或者环境。RNDR Token由突破性的云渲染技术提供支持,创建由数百万个对等GPU设备组成的分布式全球网络。 • Hyperbolic Protocol (HYPE) :首个 100% 完全链上抵押借贷协议,利用内置的 Uniswap V3 TWAP 和自动可变年利率以及协议费用生成来支持投资者收益最大化、协议增长以及最终的可持续发展。 • Bittensor (TAO): 寻求通过去中心化的方法改进人工智能和机器学习系统。协议结合了专有的区块链、点对点市场和灵活的实用代币,以简化高级人工智能资源的访问和开发。该网络的开发和支持来自非营利组织 OpenTensor。 • Autonolas:又名Olas Network,是一个弥合人工智能和区块链之间差距的框架。旨在通过 DAO 组织形式,利用代币经济协调生态贡献者(代码开发人员)和资本投入方,使 Autonolas 成为包含 AI、预言机、跨链通讯等链下服务的统一网络。 • Flock.io :一个面向AI 的原生Web3 数据隐私解决方案,旨在将机器学习引入区块链,其架构以能够处理大量数据的分布式计算环境为中心,确保用户完全控制数据,无需中介即可随时访问数据。 • Gensyn:一个基于区块链的去中心化深度学习计算协议,旨在建立人工智能(AGI)算力市场。将复杂的机器学习任务分解成多个子任务,借助参与者的计算资源,实现高度并行化的计算。通过智能合约自动化任务分配、验证和奖励,消除中心化管理,为机器学习计算提供了一种高效、自主的解决方案。

【后期】 AMEI 【BGM】 Mumbai — Ooyy 【Shownotes】 Juny

【在这里找到我们】 收听渠道:苹果|小宇宙 海外用户:Apple Podcast|Spotify|Google Podcast|Amazon Music 联系我们:[email protected])

本节目不构成任何投资建议,投资有风险,入市需谨慎