我们发现加密货币和AI交叉领域中特别令人兴奋的一个方面是基于加密基础设施运行的AI智能体的概念。这种整合旨在创建智能体网络，这是一种变革性的范式，能够在AI驱动的经济体中增强安全性、效率和协作，其基础是强大的激励结构和加密原语。
我们认为AI智能体能够成为经济活动/增长的重要驱动力以及应用（无论是链上还是链下）的主要用户，在中长期内逐渐取代人类用户。这种范式转变将迫使许多互联网原生公司重新思考他们对未来的核心假设，并提供必要的产品、服务和商业模式，以便更好地服务于一个以智能体为主的经济体。话虽如此，我们并不认为加密货币/区块链技术在AI技术栈的每一层都必须用于提升能力或解决新出现的挑战。相反，加密货币可以在为AI带来更广泛的分发、可验证性、抗审查性和原生出版渠道方面发挥重要作用，同时受益于AI机制来为链上的新用户体验提供动力。
支撑这一论点的初步观点如下：
加密货币将成为智能体与人类以及智能体之间商业活动的首选支付渠道：加密货币是互联网原生的可编程货币，对于驱动以智能体为基础的经济体具有多种优势。随着AI智能体变得更加自主，并大规模进行微交易（如支付推理、数据、API访问、去中心化计算或数据资源等），加密货币的高效性、无国界特性和可编程性将使其成为比传统法定货币渠道更优的交换媒介。此外，智能体将需要独特的、可验证的身份（即了解你的智能体），以确保在与企业和终端用户进行交易时遵守监管规则和合规要求。低费用区块链、智能合约、自托管钱包（如CoinbaseAIWallets）和稳定币可以帮助简化并降低智能体之间复杂金融协议的成本，而去中心化网络的可验证性和不可变性将确保AI智能体交易的重要性和可审计性。
生成式AI和自然语言接口将成为寻求在链上进行交易的用户的主要交互方式：随着自然语言处理速度和AI对加密货币的语境理解的提高，通过对话界面在链上进行交互将成为用户的默认规范和期望，这与当前的Web2趋势（如ChatGPT）一致。用户只需用自然语言描述他们期望的交易意图（如用X换Y），人工智能智能体将把这些意图翻译成可验证的智能合约代码，提供最有效和最具成本效益的交易执行路径。
AI将创建绝大部分软件代码（包括智能合约），从而引发链上应用和经验的寒武纪大爆发：AI的代码生成能力在Web2中正在迅速发展（如Devin，Replit），并且从根本上改变了软件开发范式。我们相信这种转变将很快在加密领域占据中心位置，近期重点是显著降低新老开发者的入门槛。然而，未来的状态是AI软件智能体根据用户的偏好实时从头生成智能合约和高度个性化的应用，并在链上存储和验证。
这些观点表明，未来AI和加密货币之间的界限将越来越模糊，创造一种智能、自主和去中心化系统的新范式。基于此框架，让我们逐层深入了解使能加密货币与AI融合的技术栈。
将加密货币融入AI或AI融入加密货币的探索催生了一个新兴且复杂的领域，该领域正在迅速发展，许多建设者急于利用市场势头。今天，我们认为CryptoxAI领域可以划分为以下几个层次：（1）计算（即专注于为人工智能开发者提供潜在图形处理单元（GPU）的网络）；（2）数据（即能够实现AI数据管道的去中心化访问、编排和可验证性的有关网络）；（3）中间件（即能够实现人工智能模型/智能体的开发、部署和托管的网络/平台）；（4）应用（即利用链上AI机制的面向用户的产品（B2B或B2C））
AI的模型训练和推理执行都需要大量的计算GPU资源。鉴于AI模型变得越来越复杂，对计算的需求也在增加，像英伟达这样的先进GPU出现短缺，导致等待时间长且成本增加。去中心化计算网络作为解决这些挑战的潜在方案正在兴起，其方式如下：
建立无许可的市场，用于购买、租赁和托管物理GPU
构建GPU聚合器，使任何人（例如比特币矿工）能够贡献其多余的GPU计算能力以执行按需的AI任务，并获得代币激励作为回报
将物理GPU金融化，通过在链上将其代币化为数字资产
开发用于计算密集型工作负载（例如训练、推理）的分布式GPU网络
创建使AI模型能够在个人设备上运行的基础设施（类似于去中心化的苹果智能）
这些提议的解决方案都旨在增加GPU计算供应和可及性，同时提供极具竞争力的价格。然而，鉴于该领域的大多数参与者对先进人工智能工作负载的支持程度各不相同，面临与GPU缺乏共置相关的挑战，并且在某些情况下，缺乏与中心化替代方案相当的开发者工具和正常运行时间保证，我们认为这些产品在近期到中期内不太可能被主流采用。在该层构建的新兴领域和示例项目包括以下几个：
通用计算：提供可用于多种应用的GPU计算资源的去中心化计算市场（例如Akash，Aethir）
人工智能/机器学习计算：提供用于特定服务（例如GPU聚合器、分布式训练和推理、GPU代币化等）的GPU计算资源的去中心化计算网络（例如io.net，Gensyn，PrimeIntellect，Hyperbolic，Hyperspace）
边缘计算：为个人、情境化推理提供设备上大型语言模型动力的计算和存储网络（例如PINAI，Exo，Crynux.ai，EdgeMatrix）
扩展AI模型需要不断增长的训练数据集，大型语言模型是从人类生成的数万亿字的文本中进行训练的。然而，目前公共的、人类生成的数据是有限的（EpochAI估计高质量的语言/数据来源可能在2024年耗尽），这就引发了一个问题：训练数据的缺乏是否会成为AI模型性能的主要瓶颈，从而可能导致其性能停滞不前。因此，我们认为以数据为重点的cryptoxAI公司有以下机会来应对这些挑战：
激励用户分享他们的私人/专有数据（例如数据去中心化自治组织（DataDAOs）链上实体，数据贡献者可以从社交平台贡献其隐私数据中看到经济利益，并管理数据的使用和货币化方式）
创建用于从自然语言提示生成合成数据资产的工具，或者提供用户激励以从公共网站抓取数据
激励用户帮助预处理数据集以用于训练模型并保持数据质量（例如数据标注/从人类反馈中进行强化学习）
建立多面的、无需许可的数据市场，任何人都可以因贡献而获得补偿
这些机会催生了我们今天在数据层看到的许多新兴参与者。然而，值得注意的是，在AI模型生命周期中，中心化的现有企业具有现有的网络效应和经过验证的数据合规制度，传统企业看重这些，这可能为去中心化替代方案留下的空间很小。尽管如此，我们认为去中心化AI的数据层呈现出一个重要的长期机会，以应对数据墙挑战。在该层构建的新兴领域和示例项目包括以下几个：
数据市场：为数据提供者和消费者设计的去中心化数据交换协议，用于分享和交易数据资产（例如OceanProtocol，Masa，SaharaAI）
以上就是Coinbase Ventures：一览Crypto x AI堆栈全景的全部内容，望能这篇Coinbase Ventures：一览Crypto x AI堆栈全景可以帮助您解决问题，能够解决大家的实际问题是非常好学习网一直努力的方向和目标。