E37｜创业者干货分享②：把AI技术带到链上，是不是一个伪命题？
42:31 Share

在今天的 Web3 101 播客中我们将继续探索两个前沿技术的交汇点随着区块链技术的进步和 AI 能力的不断发展这两个领域的结合正在发生让人激动的变化

上一期我们聊了聊 MyShell,他们只是把 Token 引入了自己的平台,成为激励创作者的一个经济机制而这一期,我们聊一聊 Web3 First 的方向我们邀请了 Hyper Oracle 的创始人 Carting、加天来分享一下作为 Web3 First 的公司,他们是怎么把 AI 技术带到链上他又是怎么看待 AI First 和 Web3 First 这两个不同的探索方式的

Web3101 的听众朋友们大家好,我是 Vicky 今天我请到了一位特别的嘉宾嗨,Katin,要不要介绍一下你自己听众朋友们好我是 Hyper Oracle 的联创 Katin,佳天很高兴今天做客 Web3101 嗨,佳天,要不你给大家介绍一下你们现在到底在做什么

HyperOracle 是一个纯链上的预言机协议它其实是一种通过更安全的密码学创新去让原本预言机的很多不安全操作变得更加高效

更加安全我们近期还推出一个非常受欢迎的开源仓库叫 OPML 获得非常多关注因为它允许了智能合约去做大型 AI 模型的推理在智能合约上面我们近期还会推出一个叫做 Onchain AI Oracle 的一个智能合约以后所有链上的智能合约就可以直接通过调用这张智能合约的 ABI 发起 request 去给到一个 prompt 然后再拿一个推理的结果作为 response

那听起来你们现在也是当下最受关注的 web3 加 AI 这个交叉处这样的一个项目那你们具体来说的话是把 AI 方面哪一些具体的技术去跟 web3 这块做一合或者链上做一些结合呢对我们主要的创新就在于怎样让区块链上面去运行 AI 的模型并且降低它的成本让它变得更加实用

那具体是怎么做到的呢这里面就涉及一个验证的问题因为其实我们要让这个 AI 模型在这个区块链上面运行的最大阻力呢其实是这个成本因为呢所谓的区块链它本质就是让很多台电脑同行执行一个程式对某一个计算结果达成一个共识嘛对吧但是其实区块链上的这种计算呢它其实是通过重复别的节点的计算来实现认可这个计算的这个模式其实在传统的计算领域其实是可行的

因为它本身计算量不是特别大吗但是当我们到达这个 AI 的时候呢 AI 的这个计算量就非常的大如果我们让几十万个节点都同时执行一遍这个推理过程整个成本就会非常非常高而且没必要所以我们最大创新在于与其让这些节点都重复一遍这个计算我们不如找到一个高效的方式去说服这些节点来相信这个结果

只要让节点相信这个结果并且可以说服他们认可这个结果让他们形成这个共识这里面主要用到两个技术一个叫做 automistic 的类似于乐观挑战的这种机制叫 RDOC 其实它学术名字然后另外一种机制就是零知识证明这个大家可能听得更多一些

我们的创新就是将这两者相互结合让整个机械学习的推理过程在链上的时候变得非常的高效以至于你在链上执行的推理过程其实成本并没有高于在单独服务器里面执行的成本高太多

OPML 是我们开源的一个仓库我们现在有一个 in-house 版本还有一个开源的版本开源版本我们开源了可能就几个月吧然后就有非常多的 STAR 还有 Folk 也有很多项目基于这个工作也发展得非常的好这个工作主要就是将大语言模型编译成 EVM 就以太坊虚拟机可读的字节码然后让机械学习模型执行过程放在以太坊里面

然后这样的话相当于以太坊上的所有智能合约就能够通过调用这张具体的推理的智能合约大语言模型的智能合约去获得机械学习的能力就比我们现在有一个借贷协议他要做这个借贷的这个决策呢他想用到机械学习的模型去为他做这个借贷决策

这样的话他只需要提交他那个一个具体的提示词到这个 AI 合约里面去然后 AI 合约去给他做一个推理推转这样结果返回到他的智能合约里面去这样他就可以知道这个 AI 模型认为合理的接待决策是怎样的

这是一个 DeFi 的例子还有这是 NFT 的例子也是这个可能更加 practical 因为这个已经有好多项目在做这个事情了其实就是 AIGC NFT 就我们今天用一个开源模型比如 Stable Diffusion 可以无限生成大量的 NFT 资产但是那个图片的质量其实非常取决于你的提示词

所以说我们就可以利用 AI 智能合约去不断地生成出大量的链上的 NFT 资产去进行二次传播或者是做怎样的这种有一个 EIP 叫 7007EIP7007 其实就是讲 AIG 是 NFT 的它其实本质是将机械学式模型放到链上面去让这个模型成为这个链上 NFT 的创作者来将以前的创作者经济重新升级一下

因为老的创作者经济最大问题就是说这个创作者作为一个人他在链上是不存在的这个 loyalty fee 还有 transaction 其实都非常不透明

因为我们知道未来世界大概率主要的互联网上的内容其实都是由 AI 模型产生的如果我们将这个创作过程放到链上的话整个过程就会变得可交易透明而且更加民主那它速度不会很低吗以及它的成本相对来说会高很多吗对 原本最大问题就在于成本所以我们开源这个仓库的目的就是为了让大家知道这个事情可以成本很低其实可以做得很低

这也是我们这个项目存在意义就是这种叫做 On-chain Oracle Protocol 就链上的预言机协议

它的整个预言机的运作流程的发起和结束和 settlement 都是在这个链上执行的所以它将原本很多很昂贵的操作变得非常廉价那它和 GK 这个又是怎么结合起来的呢 GK 主要是有两个特性最早期我们做 Hyper Oracle 的时候呢我注意到了一个 paradigm shifting 在 21 年之前呢这个 GK 的这个整个证明的系统的效率啊还有证明的价格 cost 就太高了根本做不了这个预言机的这样的服务

但是 21 年之后因为大量的资本融入到这个领域里面比如说 GK roll up 各种 GK roll up 都出现然后整个证明系统的证明效率还有成本都不断地在提升这两年来整个 GK 领域的 progress 应该超过上一个整个 decade 的总和所以说我注意到证明系统的效率和价格都不断地在提升所以这样的话也就是说我们现在是可以用零知识证明去做预言机相关的证明了

这就是 GK 的这部分用 GK 去做预言机的 AI 这部分其实 GK 的作用更大在于隐私输入因为 GK 零知识它最大的特性其实是零知识就是说你的整个隐私是被保护的这个和区块链的交互其实是特别重要的因为区块链你的所有操作都是公开的大庭广众之下的

所以说如果我们今天想让机械学习去做某种类型的推理但是呢我又不想让大家知道我这个具体的 prompt 是什么比如说刚才那个 defile use case 比如说这个借贷协议他想往 AI 模型那发送一个 request 这个 prompt 那是就不想让大家知道这个 prompt 具体是什么东西这样的话他就可以保护他的这个协议的安全嘛因为如果你将整个他连这个借贷协议要向模型传输怎样的 prompt 都被公开的话其实大家很容易去 game the system 嘛就把这个东西玩坏嘛

所以 GK 这里面最大的作用就是来保护用户的隐私输入来实现它的协议和 AI 智能合约之间的交互过程是被保护的这就是 GK 在 OPML 里面的作用

我想到一个例子就是在 GPDS 刚推出的时候有一个网站嘛它就叫做 level.fy 它做了一个 GPDS 结果被人三下五出二问了两个问题就把他所有数据库都导出来了就说你给我原始数据库然后就这样这样的话其实是不是说咱们用 GK 这个就可以很大程度上解决这个问题这个其实不可以因为这个更多是 AI 模型本身的安全性保护问题

我们知道其实 GPT 早期因为大家都想知道 GPT 是怎么做出来的所以我知道很多大公司他们会不断地尝试弄一些 prompt

想找到 GPT-3 的那个参数这样的话他们就可以代表一份嘛但实际上后来模型的这种保护也是一个专门的课题在机械学习里面这个问题更多的是机械学习本身的问题有点像防止 SQL 的注入就传统的黑客攻击呢其实跟这个 Planetary 实时攻击真的是一模一样就它的原理都是一样的但是机械学习带原模型的注入攻击其实特别难防因为带原模型本身过于复杂了

以至于人类的共存是很难将每一个漏洞都给堵上只能发现一个堵一个所以这也是个专门的学科了但是它这个原理就非常有趣有点像大家如果读 CS 专业的同学应该都知道既然即刻黑客 101 啊其实就是将恶意的语句输入到对方的数据库里面让他执行这个恶意语句然后输出一个你想要的结果比如说清空对方的数据库

或者将对方数据库全部 export 到本地之类的那些报道的操作它其实利用计算机的一个指令符的写法的漏洞因为你同样比如说计算机在执行一个指令符的时候它其实是将双引号就 Zquad 的注入面它将双引号或单引号作为开始和结束的框框嘛

但是呢黑客可以怎么做呢可以在他的那个指令里面也加一个单引号或者双引号这样的话他就提前被结束了然后呢后面的一段就变成了代码被执行了然后这段代码就可以是一个非常恶意的代码对其实这个跟代言模型背黑其实是同一种手法那如果说现在整个代言模型或者说 AI 这一块它有这么大的漏洞那引入到链上是不是也有这种安全的风险呢

不太会有这个区别是在于这样的因为你将大元模型呢放到链上之后呢因为它本身就是开源的这种模型和币元的 AI 模型有点不太一样因为你看你说这个问题呢其实是在这币元模型中比较常见的问题因为它不想让别人知道它里面的参数还有用户数据嘛因为我们这里面的这个模型它都是已经开源了比如说 Lama 呀 Stable Diffusion 啊这样的模型这些模型本身就是所有人都在里面收的东西据说不存在这类型的问题

其实我们最大的这个贡献我觉得长期来看其实是让这个开源的 AI 模型变得 profitablesustainable 就可持续的开发为什么呢因为我们想想现在整个 AI 产业面临一个其实很重要的问题就是说这个盈利模式非常单一啊

其实就是说我做了一个模型没人知道它是什么才是怎么做的对然后给你一个付费的扣 API 这里面会有两个问题第一个问题呢它的唯一盈利方式就是币源其实这非常不利于技术的进步和支持的传播嘛第二个问题是这个盈利模式其实很多时候不 work out 我们集合在湾区呢和很多 AI 公司都聊过他们的盈利其实都非常的低因为其实老实说绝大多数的模型并没有那么多的用户

而且很多模型虽然它模型结构做法不一样但是它的 end user 都是同一批人其实就非常单一就非常的内卷这个就零和博弈啊这模型之间但很多时候 A 架构的模型它可能在这个阶段 performance 不如 B 架构的模型但是可能再发展一段时间之后 A 架构模型又 outperform B 架构的模型我们可以将 AI 模型开源之后变成一种资产在链上这样的话它就是一种新的 asset class 其实就是 AI 模型 asset 然后去被交易这也是我觉得 AIGC NFT 最大的意义所在

它可以让开源的 AI 变得可盈利它怎么去交易呢就是也把它 tokenize 去交易对这里分两个部分第一个是它的推理的成果的交易还有另外就是它模型本身的 ownership 的交易它有点像我们将一个模型放到链上之后这个模型就可以被视作一个单独的公司

然后我就发行很多股票买这个股票的人呢就相当于拥有的公司决策权一部分比如说这公司它本身就是一个 DAO 嘛它相当于 AI 和 DAO 就连一起了这个投票权有什么用呢这个 ERC20 有什么用呢就比如说这个模型的哪些 PROM 可以被执行哪些 PROM 被黑名单调了因为有很多东西是不够 unethical 的嘛对吧我们也不想让它在链上会出现 unethical 的 influence 嘛

这样的话这个模型的治理还有 governance 可以通过人类来的投票来决定这是第一个好处第二个就是说防止 AI 失控然后第二个就是 AI 模型它的推理的成果比如说我们 Stable Diffusion 推理出了很多不一样的图片的 NFT

这些东西它的交易呢也能让这个模型的 owner 产生收益比如说我这一个模型生成了这张图片但是我是拥有这个模型的 10%的股票然后这时候这个模型的推理出来很漂亮的一张图片被高价买卖不断的买卖了然后我可以在每一笔交易中拿一个 1%的 protocol fee 然后这 1%的 protocol fee 再乘以 10%相当于我的这个收入了就相当于这个模型的股票是有价值的

因为大家阿基斯坦去炒卖他推理的成果所以他成果本身也变成了一种资产举具体就提供两种新兴的资产类型一种是 AI 模型的资产一种是 AI 模型推理成果的资产

那可能会不会导致那你把它资产化之后那更加大家又想要去用这些得到验证的这些模型去做这个事儿你就是说这个模型的马太效应这个其实我觉得不用担心因为很多时候我们将这个场景落地之后你会发现大家都是在原地调好那个 prong 才会去付费付这个 gas fee 去把它装成容量上支撑的嘛

就是说这里面好几个问题刚刚你提这个问题好这也是我们有一个最近联系我们项目方他们在做叫 766 联系 studio 他们在做的其中一个比较重大创新就是说怎样让这个 prom 的我们的去联起来

就很像域名抢地块一样比如说在这个模型里面我注册了 red 付了这个钱去注册了这个 red 这个颜色的 prom 以我未来有人会调用我这个 prom 根据这个 prom 被调用的制作长度再分给他这样子其实它是里面会有一个非常复杂网络结构的 ownership 来保证每一个 prom user 的收益权因为这样的话不容易被别人绕开嘛其实这就又增加了一层玩法了

但是这个马太效应其实为什么不需要担心呢是因为呢其实一个极确实行模型里面的可能的提示词是无限的就是说它不存在说总供应量多少你抢完就没了这种情况那会不会有版权的问题因为现在特别是你提到如果是 NFT 化对吧那现在已经发现最新版的 Mid Journey 你事实上你给它一些比如说 80 年代黄色卡通人物它出来的就是跟那个 Simpson 一模一样的

那如果说咱们上链之后那这个就更加是的这确实是一个问题但我觉得这个也是没办法的你看链上很多抄袭的猴子啊抄袭的假图片这都一大堆但我觉得这种没有版权的做法呢其实它做不大吧就是说它还是会面临很多监管的压力所以真正能做大的这种 AI 模型它肯定本身都是符合监管法规的我觉得这也非常看这个模型的 operation 的公司本身吧

比如说 Stable Diffusion 我们现在已经商量了 Stability AI 就是这个模型的拥有者它本身的合规是不用说到别人会担心它会做什么所以你们现在介入的全部都是开源的模型对这个是有意为之才说只能这么做

有意为之吧,因为其实我觉得对于我们说的 AI 最大的挑战其实是不公开透明,黑盒子,大家就怕哪天 AI 模型非常厉害,但是只有一两个人拥有它,这样就非常恐怖了,这样就整个社会资源就肯定往那个非常少数的人里面倾斜嘛。但是如果我们可以让开源的 AI 变得有利可图,变得更加强大,至少不会和闭远的 AI 差太远的话呢。

这样我至少能保证每个人都可以用到 AI 的这一个有用的工具去保障自己的权益对我觉得这个很有道理因为现在开源 AI 除了说你像 Meta 这样对吧它实际上仍然掌握它这个许可的权利它可以随时变更那所以它也不算是真正的开源然后其他真正开源的话我觉得这已经算非常开源了最关键你说协议不协议这个当然很重要了但是最关键一点就它有没有把这个模型放出来嘛

你除了像 Lama 他背靠 Meta 可能他还能做到开源的尝试那其他这种开源的社区或者是研究团队自己做的模型确实是很难获得好的经济效益的

但有趣的是你们采取的路径是不一样的更多是一个 web3 first 的一个公司对因为当 AI 和区块链有结合的时候呢其实这里面其实是要细化成两种不一样的 principle 第一个是用 AI 去 empower 区块链本身就用 AI 去增强区块链本身另外一条路径是让区块链去帮助 AI 就是

就是说哪个为主哪个为辅这里面其实是有不一样的点的其实我们更多的是重心是在区块链上面只要让 AI 来将区块链这个产业提升到下一个 another level

这种做法它得来的好处是什么呢其实我觉得最直接就是说其实这样的话虽然我们核心是用 AI 去提升区块链行业但实际上我们发现到头来最大的 benefit 最大的受益人其实也是 AI 公司因为很多 AI 公司它现在就可以利用这套技术将它模型资产化因为区块链非常擅长做一个事情这个事情就是将数据计算这样虚无缥缈的东西变成一种资产

我们现在开源的一些仓库还有工作就其实可以让很多 AI 公司受益原因就是因为它可以通过 Hyper Oracle 去把它的模型变成一种链上的资产可以快速地提升自己的流动性还有安全性边界那我也想问就是说为了实现这个让更多的 AI 公司或者说团队他们能够快速地接到链上你们做了哪些事情来降低他们的认知或者是使用门槛呢对

对我们首先第一步是把这个技术做出来第二步是把这个模型上到区块链的整个流程标准化所以我们也发布了 EIP-7107 这个也是以太坊上第一个 AI 的 EIP 其实 EIP 就是一种协议标准

所以我们有要做一个新应该怎么做比如说我们要发一个代币就发 ERC20 这个已经有写好的标准这样的话大家可能只需要三行代码就可以发行一个新的空气币了对吧 AI 模型也是一样我们将它变成一个标准之后大家其实只需要按照这个 template 这个模板去发行将自己的模型变成一个链上资产就有一个模板了其实我们是做主要是这样的工作

现在速度是怎么样一个 prompt 跑出来一个 prompt 它其实主要分成两部分一个是推理的速度一个是上链的速度推理的速度它原本多快它多快大概几秒钟其实大家可以去 ai.hyporacle.io 就可以看到一个 living demo 那里才放测试往里面跑的它就是你给一个 prompt 然后它建立一张智能合约这样智能合约去执行这个 prompt 推理然后再把这个推理的结果上到链里面放到这个合约里面

整个过程就大概十几秒那确实已经是很大的提升了那我还想问一下到底是 AI first 还是 web3 first 你觉得接下来哪一个可能会是更多让两者得以结合就是哪一个路径可能会走得更快呢我个人觉得的话肯定是 AI 助力区块链的方向从落地的角度看更加快一些因为其实我们知道智能合约是有这个需求主要是

就是说很多 AI 公司他是没有意识到区块链能够带来这种质的飞跃对于 AI 公司本身但是区块链里面的智能合约比如说各种 DeFi 协议啊 NFT 协议啊它本身是有对 AI 有这个需求的比如说怎样更好更快创作大量有好看的受人认可的资产 NFT 对吧这是 AI 非常擅长的还有怎样可以更加安全高效去提升我的资本利用率用 AI 模型去做 market making 用 AI 模型去做这个 landing decision

这些都是能够直接将区块链原本的产业提升一个档次的比如说 AI KeyAI AMMAI Unit StoreAI Campaign 这些都是一个非常有前景的行业而且区块链最大的优势其实就是说虽然用户没那么多

但是所有用户都是这个对他都是非常有这个冒险精神的都是非常愿意尝试新东西的区块链上流动性提供非常充足一旦一个好的 idea 被证实了那其实他的整个流动性注入就非常的快就立刻把钱递进去了这个去他的涨得都非常快

然后 AI 就传统非区块链行业它整个都是相对较慢的整个 Web2 其实就是相对较慢的它其实更加讲究实际用户的一步步 growth 整体的运维然后其实非常 operation heavy 的但是其实 Web3 其实并不是 operation heavyWeb3 是更多是 idea heavy 就怎样让这个 idea 变得实用高效提高资本利用率所以从流动性还有落地角度来看我觉得这个会短期比如说这波牛市来了这个

这个就会迎来一波爆发而且我感觉 web3 这一块行业之间大家对于这种新技术新趋势的采用速度是非常快的那反过来就是如果说看 AI 这个圈子它对 web3 哪怕只是说纯经济系统这一块的引入它们也是有一些不确定性的可能甚至说要是没那么清晰吧对就是说区块链能够怎么帮助 AI 公司呢除了将母星商链之外呢

其实老实说我也很难想到一个非常 concrete 的提升就从我们的实践角度来看 AI 公司最大的一个需求就是流动性假如花了几百万美金训练的模型最后万一这个用户没那么多回不了本怎么办呢其实就是把它作为一种链上资产去卖掉那问题是它如果真的没有那么多用户用你把它卖掉它的价值的 base 在哪里呢

这就是一个好因为他把链上这个模型放在链上之后呢他还是会不断升级这个模型的嘛他相当于将自己的模型变成一种资产类型任何资产类型当你发行的时候他必然会有一个 minimum value 的虽然 AI 公司用户可能比较少的 AI 公司也有十几二十万用户的据说这些用户他可以 convert 成他链上实际的交易用户嘛据说他有很大很强的 user base 呢他其实最菜最菜 AI 公司他都能够有一种上万的用户的

但是你知道区块链那些公司可能有几千的这似乎就已经非常了不得了对吧所以说它其实一旦这个 AI 公司变成一个区块链公司之后将模型放到链上之后它会突然发现它这些用户全部变成一个利润来源了所以说它的整个流动性就得到大幅的提升对于区块链也是好事因为正常有新的人进入了区块链世界里面

那现在你们说服这些 AI 模型上链会很困难吗因为我们也知道就是 web2chance 他们对于 web3 始终有一种 bias 对这个确实不容易但是呢很多时候 bias 只是一个不太那么重要的因素因为比如说你们这个公司今天都快活不下去了把模型开源出来上链是唯一的找回盈利点的方法

那他不想做也得做他有 bias 也得做我们知道当年很多现在很出名很牛逼的 AI 公司在 AI 寒冬的时候都说自己是区块链公司要发币的这个特别多然后那是只是说 AI 后来爆火了去 GPT 引爆了一亿市场的投资所以大家就突然间变得我和区块链没关系我要上市之类的但是 at the end of the day 我们再过几年等比特币这个价格到 5 万块 6 万块他们又突然间全变成了这个区块链公司了

所以说我觉得这个 it's just the matter of the time 还有这个 market sentiment 导致的这个市场情绪会不断地让他们来回切换的所以说可能再过几年 AI 的流动性没那么充裕的时候他们就开始要考虑这个问题了其实我们现在在湾区就已经看到很多 AI 公司有这个需求了就非常多具体说呢因为大家都只有人家有这个保密协议不太方便说含糊地说一点就某一些非常著名的 AI 公司将自己模型已经开源了的

因为它开源了它的盈利没那么可观所以说它既然都开源了不如把它变成链上资产所以你是说他们已经开始实际上的这么操作了对这个倒挺有意思的因为大家都看到特别是这两天比特币的这个 SPOT 的 EPF 就被批准了对于他们来说信心就更加强了

那这其实回到到底谁优先的问题可能是不是也是跟你们团队自己的背景和你们的基因有关系就是说你们天然本来就是一个 web3 的团队也有可能是的我们其实就非常 critonated 就我们其实做任何事情都是以区块链为思考的基点对对思考的基点就比如说我们是看到区块链里面有这个 AI 需求才去做 AI 的智能合约而不是说先想着区块链 AI 是怎么需要区块链之类的

那可以介绍一下你们团队的背景吗我以前是在 Google 还有 TikTok 做软件工程师还有技术主管主要是负责 infrastructure 基建这一块的另外一个 co-founder 是这个 O'Norman 他是 PhD student 是这个帝国理工里面读零知识证明相关的这种 research 的 Conway 他是清华大学的 PhD student 他就是这个 OPML 的仓库的作者他主要是非常 hand on 代码他基本上写了主要的 OPML 的代码

最近我们还有一个以太坊经营会的主要负责以太坊的机械学习的一个非常厉害的专家叫 Cathy 也加入我们团队对我看到你们推特上也在欢迎她她是基本上以太坊经营会里面的 top person 做这个事情的传统区块链它一直和 AI 基本上没有任何关系但是现在是不得不有关系

因为 AI 确实非常深刻地改变了整个人类的文明形态还是早晚都得拥抱特别是现在 AI 的方向跟上一次 AI 的火爆的 focus 不一样了上一次 AI 的火爆是人脸识别自动驾驶计算机视觉对偏向于 CV 偏向于现实世界的东西这一次 AI 的爆火其实是虚拟领域的爆炸就比如说 LM 让人感觉到机器助理就跟人一样

还有 Stupid Fusion 这类型的创作模型画出来的画比人画的还好现在我知道最新版本的 Stupid Fusion 大家已经可以用来伪造 KYC 了就非常夸张

因为整个它的生产还有 settlement 还有消费都是在虚拟的环境中执行的其实这时候区块链的介入就变得非常有意义但是因为你在上一次的 AI 革命中说这个区块链和坑头要结合了那其实有点搞笑的那个就没什么用对吧为什么会需要这个自动驾驶的车里面有个区块链呢这不是很合理但是如果我是文艺创作呀 AI 模型的创作啊变成一种资产了变成有版权保护啊这些这种东西呢

确认就非常好的 organic 的 involve 在整个过程里面不过你说到一点你说其实上一波的 AI 爆发其实跟区块链没什么关系但是其实我们当初也能看到一些所谓的区块链的公司号称他们是有结合的包括这一次我们其实也能看到市场上是比较乱的所以

所以有的项目他们就把自己的名字不停地改对 DeFi 改直接直接把自己名字改然后就是 GKGK 现在又是 GPT 对吧直接叫什么什么 GPT 然后就爆火一通是的这一块你怎么看呢对确实非常多诈骗公司都有好多公司拿着我们这个仓库说自己的吧那个名字改改说是自己做的然后就套一层皮然后说这个 AI 这个的那个这个东西我觉得也是无法避免吧区块链牛市了那必然是很多诈骗投机的对

就比如说我们最近看到有些公司原本是 GK 的然后呢 Overnight 变成了一个 AI 公司因为他们之前做 GK 为什么知道他们是比较骗人呢是因为有很多 Venture 找我做他们的 Diligent 的时候我发现他们那个代码是从别的开源库里面改过来的就单纯把那个名字换成自己的这就算了他还要把临时证明里面那个证明的那个过程伪造因为他是伪造的他是做了一个哈希不是做了一个证明

其实他这个速度特别快他的证明速度比他的验证速度还快从灵机证明科学上是 fundamentally 不可能的嘛我还问创始人问了好几遍说你确定这个证明速度比验证还要快然后他说是的我们就是那么厉害我们有黑科技去做这个事情这睁眼说瞎话其实当时我就给的 feedback 就是说这个就纯胡说然后写他的代码就是嫖娥别人开源的工作的但是呢这不妨碍他现在诈骗的很成功啊

他后来 Chad GPT 火了就疯狂 attention farming 比如说 Chad GPT 那个 ball member 那个人事变动啊他就发了一大堆推说我要自信这个 Sam Altman 啊我要自信这个就推得上疯狂的发然后呢他要树立一个非常 cringe 的人设说自己是一个未来来的人

现在要拯救人类这也有人买单吗有非常多人买单在美国 especially 在美国他连夜将自己的原本他是写这个 GKWASM 这个那个连夜将所有 GK 一键换成 AI 真的是一键换因为后面变成了 AIWASM 因为前面是 GKWASM 因为他是一键换的那个秩序后面就变成了 AIWASM 但是 doesn't matter 他最后因为 attention farming 还是 found 到不少的比较这个弱智的粉丝也获得了不少的投资

这都不是 fake it to make it 了这个简直就是 fraud it to make it 对那他现在怎么样这个项目刚融到前开始到处 PR 搞宣传但我觉得最后大概率就可能拿一些开源仓改改然后说自己发了一条链我当时觉得这样的人可能很难成功吧怎么说呢就算他这波做成了对他就一个很基本的尝试但是你知道吗

大多数人他也不知道临时证明怎么工作的所以说他当时这样骗其实也骗到了一些人还好甚至有一些科学家因为他不是这个领域的他也不清楚所以被他骗来背书了加入到他的顾问团里面反而进一步增加了他的可信度了但是他这个人比较灵活吧所以说他什么火他就换什么但是也有很多公司这样操作最后都失败了太多了有一些创业公司原本是要做区块链做 NFTMarketplace 啊

做 NFT 的质押平台啊这太多了嘛我们在比特币还是三万块就上一波牛市尾巴的时候当时还说我们找合作来做语言机给他发 NFT 这类的但是这个比特币掉了一万五的时候就变成了一个 AI 驱动的保险公司了嘛有 AI 的保险公司有 AI 的影音平台就他原本家 NFT 的 NFT 也改成了 AI platform 这个带着就是把整个一键切换就显示这样了非常多显示十家二十家都这样子的

就我看到的那肯定我没看到的就更多了那现在这个不会变成一个主流操作吧我觉得再过几个月他们可能又一键切换回区块链公司因为牛市来了对一键将这个 AI 又切成 GK 或者切成一个 Crypto 网券什么的对对对那如果说从这方面看有没有一些建议给到普通的投资人或者是用户什么的怎么去分辨这些有些什么技巧吗

我觉得还是主要看这个工作有没有一个学术上的 paper 或者是有没有实际的开源是不是让大家透明公开透明地去运行它的这个东西我觉得这些都是比较重要的 metric 还有团队是否一直是在做这个事情的

就那种天天变的,obviously,天天变那怎么可能有一个很好的 Foundation 去做一个很好的 product 呢,对吧或者甚至比较重大技术创新都不是说几个月可以完成的我们比如说这个 OPML 还有整个 GK Oracle 的开发我们都开发了一年多两年了,才勉强进入测试网才刚到测试网那如果你有个很重大很厉害的创新那肯定是已经做了好久了一直在 push this thing forward 才是真的

从另外一个角度想呢区块链的用户呢他其实也不在乎实际的 where behind it 但是从投资人的角度上看这倒很重要因为投资人大多数投资人他这个锁长得比较久比如说你要保证这个项目是 concretely 的 push forward 才能最终获得比较好的投资回报嘛那散户呢可能场合变空气变得潮很久可能对于 retail 的话这个就没那么重要对于技术的 diligence 对于投资人的话我觉得就是非常非常重要

所以说一旦有谁投了很搞笑的这个一键切换的 GK 到 AI 的那种项目呢其实就代表他们对这个技术其实不太重视了这样他其实本身也容易栽有一些这样的案例吗比较主流或者说是业内口碑还不错的结果栽在这种项目上面那就太多了呀 FTS 啊三剑啊这些你说他们投很多项目他们都没有任何太 diligent 的

其实他们其实玩的就是个杠杆因为这样类型的投资人他更加在意说这个东西那么赖位主我其他项目其他项目怎么赖位差之类的不断地叠杠杆叠上去一个环节爆了上去所连的爆了

太多了整个区块历史就是 full of these people 那感觉那是上一波的事好像经过上一波三件他们这些爆雷之后大家有没有没有学聪明了人性的参观人性就是一样的对到时候这波牛市来了肯定又有一个 legend 会不断的跌杠杆然后跌到几万倍然后他高荣一百万然后把这个当一千万花出去然后再投出去你知道吗

可是它这个是正向的你知道吗它可能这样加了杆杆之后它获得很好的回报然后它就不断地重复操作然后最后操到自己包了就我觉得这个只是对啊这肯定也是会再次发生的你可以聊一下你们现在的 founding 的情况吗我们其实大概融了 1000 万美金吧总共总共融了两轮钱是哪些投资人就红三中国道武 SymbolicHashkey7XForesight 这些

那你们自己融资的过程中你感觉这些投资人包括你现在有红杉中国这种比较传统 web2 的投资人对吧他们对于 AI 加 web3 这块是一个什么样的态度你需要很难去说服他们或者说是去做一个教育工作其实他们还是比较好的投资人确实很专业 AI 加 web3 他们是也比较看好整个华人世界总是会面临一个问题就是说技术封锁嘛比如说美国今天不让你买这个 GPU 不让你做一个模型这个那个的对吧为了让 AI 产业更加公平一些呢

其实区块链+AI 是一个 The way to go 毕竟这样的话至少大家有 incentive 去开源自己的模型然后把整个算力的这是一个方向我们刚才整个 competition 就非常 focus 在模型本身但其实 AI 除了模型之外

还有算力啊这部分呢其实这个部分我们都没有 touch the ground 算力就分成推理的算力啊训练的算力啊现在不是有个很火的项目就在做算力这块叫 B-TensorB-Tensor 也不太算是专门做 AI 算力的它其实不是说你给一个模型我帮你算不是的更多是我一个 Q&A 的这个系统

就 somehow 它也算是某种意义上一个算力平台吧但是因为你其实很容易伪造很容易 game 的 system 比如说我问你一个 problem 然后你放到 A 模型里面跑但是我给你发一个随机数其实你没办法校验我这个是否是真的跑了嘛所以说它这个其实并不 robust 这个系统这真正的这种算力其实就是比如说我给一个模型这个模型会找到把它模型切开之后放在不同机器里面跑全世界 distribute 去把这个模型的新结果给放回来

最大还是训练我觉得 training 这一个是一个还没被解决的一个很重要的技术问题无论中国还是美国都目前没有任何一个公司真的把这个问题给解决了比如说链上这个推理其实我们 somehow 是已经属于完全解决这个问题了但是链上的这种训练还有 fine tuning 我们都没有办法这个是一个非常可能需要比我们更加 deep tech 的团队才能解决 fundamentally 解决的问题或者是以后我们有时间了或者有足够资源我们再去想这个问题

这个是真正意义上的 deep tech 中的 deep tech 因为其实我们现在做这个 ZK Oracle 啊 OPM 已经非常 deep tech 了在区块链里面算是但是如果你要用区块链去解决计算训练 fine tuning 的这种问题那就简直就是 another level 的 deep tech 了是理论上可行吗可行这里面最大问题是这个成本嘛你看 Gensic 啊这种他其实也在做这个事情他主要就是在做这个事情 Andreason 最近投了这个项目嘛

最大问题就是说他们现在的 overhead 是 30 或 40%的 overhead 就原本你要 100 万训练的模型 100 万训练模型不是特别大吗你用它的话就变成了 150 万了对吧这个就不是很合理就没人会用对经济上就完全对除非你说我现在更加去中心化了我成本就高了个 10 个点我这 10 个点那都很难接受肯定高个位数的几个点但是我整个训练过程就不会受到太多的限制

或者是整个训练过程更加快更加高效啊更安全啊这样子你会愿意付这个溢价把它放在链上或怎样但是如果我真的要做一个可能几百万美金超大模型训练那我放在你这个东西上整个溢价就过高了嘛那我如果再回到刚刚开始就说是到融资的问题哈就是你们实际上在整个融资过程中是属于比较顺利的对不对一开始不太顺利后面就比较顺利因为这是一个 self-proving 的过程嘛

因为一开始大家说做这个 GK 啊,Onchain AI 啊,总得是一个什么大学教授吧。会有一个这样的 expansion 对。但是就是说能做出这东西来的,怎么看都不像一个 Google 或者是工程师团队里面出来的人去把这个方案给做出来。对,需要一个 moonshot 的 rocket science 在背后才可以解决这个问题嘛。所以一开始我们做 GK Oracle 的时候,大家都觉得这东西不可能。

因为大家对预言机这个东西印象还是停留在 Chainlink 嘛 Chainlink 怎么做那预言机就应该怎么做不是说你先 come up with the ideaGK 可以做预言机那你就可以做出来了会有两个 challenge 因为当时我们第一轮融资的时候呢

会主要面临两个 challenge 第一个是大家认为 GK 做不了这个事情因为大多数的比较 senior 甚至比较 senior 的这种区块链的工程师呢他不懂 GK 懂 GK 的呢又不懂区块链所以就变成了这中间光是其实我组建这个团队就非常难这个团队我是谈了一两百号人才找到对应的几个人去做这个事情真的是很懂区块链的其实一般都不懂 GK

很懂 GK 的一般就不懂区块链因为很懂 GK 的人一般都是大学里面做那种纯研究的数学密码学研究的他对区块链完全没有认知的不知道是怎么回事你知道不仅是主人难找人难这个 Venture VC 他要去做你这个技术的 diligent 的时候也是特别难因为他也没找到一个其实很多人就说 GK 做语言机的不是纯片吗然后将两个字缝一起对吧

但是我就需要一个 self-proven 的 demo 我们可能花了两个多月时间吧但做了一个非完全 GK 但是已经将大多数核心的证明做出来的一个 POC 有了这个东西之后我们才完成了我们第一轮融资那前几个月是对 hardest time 我个人一直以来都是靠纯技术比如说我们整个 career 就我们的求职过程比如说你去过

你都是刷很多的计算机,要做很多个代码面试才进去的所以我一直以来我这是想的比较简单的我想就说我们就用技术说话嘛当然其实后来我发现区块链完全不是技术这回事但是既然我们本身就是这样的人我们就按我们自己的风格去做事就是了既然你觉得不可能我就先做一个 PLC 出来给大家看然后 PLC 一出来大家就我才可以这样子

就认可这个 GK 可以做预言机了当时我们说 GK 可以做预言机这个主力特别大基本上所有一线的项目包括做 GK 的项目都说我们是纯片因为他们觉得不可能包括我们自己去 reach out 到别人别人说就不要来烦我这个是不可能的就很多 GK 的打神都说也不算打脸吧就是说他们可能有自己的 concern 吧

他们觉得难度比较大 cost 比较高最多落地也比较难之类的但是 anyway 但是我们今天做出来的整个效率也非常高我们现在的证明速度已经跟得上以太坊的初快速度了也就是说每个巨块都能够扣到预言机因为你知道 Channel 1 的预言机它其实就是每 1 到 2 分钟更新一遍的嘛那其实 GK Oracle 它更快它都 5 到 7 秒更新一遍所以整个过程更加安全整个过程就不存在被黑客攻击和内部操纵的问题

更加优秀的系统它技术上就是一种全新的 paradigm shifting 这是 GK Oracle 的一开始的第一轮融资然后我们第二轮融资的时候呢当时我们已经有 OPM 这个工作了但是还没放出来还没 PRI 啊说的这个当时还是围绕 GK Oracle 但是第二轮融资的时候相对非常小一些因为我们已经在很多会上展示过这个 demo 啊整个流程测试网也发布了

大家认可的东西而且也有它有几十个生态项目包括那个 uniswap v4 的那个 hook 因为你看它的 annotagement 里面基本上都是我们的代码就是说 uniswap v4 的 hook 很多都是利用 hypercrop 可以做个很好的实现还有 compoundcompound 给了我们一万多块钱的 grant

应该是 Campaign 最大的 brand 了他用 HyperLocal 去做了一个 protocol health management 因为 Campaign 上面都是鲸鱼在交易他们对这个安全性要求特别高他们用了这个 GK Oracle 去做了一个自动化的操作来保证当协议的运行不正常了我们立刻将所有的贩物保护起来这个是 Campaign 用 HyperLocal 做的事情这是一个比较大的协议我们原本都不认识他们他们就单纯觉得东西有用做出来了然后他们就去用了非常 organic

据说在第二轮融资的时候有比较多这种大户使用者整个神态也慢慢有 traction 了就开始有就比较顺利了对比较顺利了老实说看得懂这个东西的 VC 真的非常少就大多数 VC 它对技术啊认知啊都非常肤浅非常有限对能做区块链这种投资人它是分两种吧一种是能做 deep tap 的这种 investment 的这其实非常少然后另外一种就是做更加 general 一些比如说我们发一个空气币发一个 NFT

这种就特别多这种其实就是有钱就上嘛对对对他在流动性拉下盘对对对就整个操作非常简单就割韭菜说白了但是在区块链里面做 dig tech 自然也有它的好处和坏处吧就好处就是说你这个工作真的是在 conferently 这样推进的长期来看这个回报肯定是非常大的坏处就是说你同样要赚一笔钱人家很轻松就赚到了但你这个就得使劲使劲做各种开发各种研究各种创新

才能赚到和人家发供契币赚到一样的钱但是我觉得我们心态还算比较好我们现在都是把自己定位成区块链里面的 deep tap 公司就区块链里面会把自己当 deep tap 公司做的协议那基本上就没有几个所以我们还是 long term 的事情这两人融资下来其实整个资金就很充裕吧但是我们现在最关心的不再是融资不融资的问题而是怎样把这个产品落地让更多的人去 actually use it

之前我比较受启发就是说 Uniswap 以前做过一个 DeFi 的这个 Landscape 的一个 video 他说的是啥呢他说大家没必要过来内卷零和博弈在 DeFi 世界里面因为整个 DeFi 世界和传统金融比真的是大海里面的伊丽莎子它真的是大海里面的伊丽莎子因为他做了整个 DeFi 的这个世界加起来的 TBR 可能都没有到一个 trillion 但是整个传统世界的金融体系那就是几千个 trillion 了

就非常非常小的一个点而已其实我们希望为什么做预言机而不是说我们今天发个链之类的就是因为我希望将区块链的边界扩张出去而不是说再大家来回割韭菜这样子

区块链这个行业要到达下一个高度其实最关键就是说能和区块链以外的体系和系统有多少的结合运营机的工作就是在于让区块链连接一些非区块链的系统就是区块链系统和非区块链系统进行一个有效的运营这就是运营机做的工作我觉得这一段说得非常好非常期待你们接下来整个产品的迭代和下一步的发展非常感谢谢谢谢谢 Cody 谢谢

Web3 以及去中心化的特性为数据所有权和透明性提供了新的视角而 AI 也在为 Web3 生态带来非常大的创新的可能继续关注 Web3101 我们将会带来更多的一手分享