Почему AI+блокчейн сложно получить широкое применение в эпоху ИИ?

Автор: Ekko An, Ryan Yoon; Источник: Tiger Research; Компиляция: Shaw, Golden Finance

Основные моменты

• На фоне стремительного развития искусственного интеллекта нам необходимо оценивать индустрию блокчейна с точки зрения спроса: какие проблемы, не решаемые существующими системами, она решает и какие уникальные возможности она предоставляет?

• Децентрализованные вычисления и хранение имеют обоснованные причины с точки зрения суверенитета данных и конкурентоспособности затрат. Однако проблема в том, что для пользователей, уже инвестировавших в существующую облачную инфраструктуру, ни то, ни другое не продемонстрировало достаточно убедительных технических преимуществ, чтобы компенсировать риски перехода.

• Верификация моделей и технологии конфиденциальности не решают проблем, которые предприятия считают неотложными. Такой спрос, скорее всего, возникнет после введения регуляторных требований, а не до них. Закон ЕС об искусственном интеллекте демонстрирует эту модель: сначала стандарты, затем рыночное внедрение.

• В области фреймворков для агентов ограничивающим фактором являются не технические аспекты. Крупные компании по-прежнему сосредоточены на автоматизации внутренних рабочих процессов, в то время как блокчейн-проекты уже строят следующий инфраструктурный слой. Спросу нужно время, чтобы догнать развитие технологий.

• В сфере платежей для агентов блокчейн и традиционные финансы идут наравне. Ни одна из сторон еще полностью не решила эту проблему, поэтому это единственная область, где обе стороны сталкиваются с одинаковыми вызовами.

• Проблема индустрии блокчейн-ИИ в целом заключается не в диссонансе самой комбинации, а в существующем несоответствии: эти четыре категории сталкиваются с разными причинами нереализованного спроса, и на данный момент только платежи для агентов являются конкурентоспособными.

1. Блокчейн-проекты, отстающие в буме ИИ

Индустрия искусственного интеллекта переживает беспрецедентную концентрацию капитала и инвестиций в инфраструктуру. Экосистема больших языковых моделей, доминируемая крупными технологическими компаниями, стала стандартом в повседневной жизни и промышленных операциях. На фоне этого быстрого расширения индустрия криптовалют также стремительно развивается, ища точки соприкосновения с технологиями ИИ.

Ранние исследования были в основном сосредоточены на дополнении или воспроизведении некоторых звеньев традиционной цепочки стоимости ИИ: децентрализованное предложение GPU, восстановление прав собственности на данные и криптографическая верификация. В последнее время акцент сместился на заполнение пробелов, которые централизованные архитектуры с трудом решают, например, автономная активность ИИ-агентов на блокчейне и расчеты между машинами в реальном времени.

Описывать эту область обобщенно как «ИИ + блокчейн» скрывает гораздо больше, чем раскрывает. Нам необходим строгий анализ со стороны спроса: на какие проблемы направлено каждое подобласть? Предлагает ли нативный блокчейн-подход действительно дифференцированные решения?

2. Функции различных категорий

2.1 Децентрализованные вычисления

Современный рынок облачных вычислений структурно зависит от нескольких крупных технологических компаний, контролирующих вычислительные ресурсы. Высокопроизводительные GPU трудно приобрести и они чрезвычайно дороги, что создает высокий барьер для входа для стартапов в области ИИ и исследовательских групп, не имеющих доступа к масштабной инфраструктуре.

Централизованные системы концентрируют ресурсы у крупнейших покупателей, не предоставляя нейтральных каналов для перераспределения огромного количества простаивающих мощностей GPU на рынке.

Децентрализованные вычисления решают эту проблему концентрации ресурсов и неэффективности двумя способами. В модели экономики совместного потребления проекты агрегируют простаивающие ресурсы GPU частных лиц и небольших центров обработки данных в единую сеть, создавая более гибкую цепочку поставок за пределами существующей технологической монополии.

В модели распределенных вычислений пользователи могут получать доступ и арендовать вычислительные ресурсы по всему миру, не полагаясь на инфраструктуру какого-либо одного поставщика, что повышает использование простаивающего оборудования и снижает порог доступа к высокопроизводительным вычислениям.

2.2 Децентрализованное хранение

Текущая архитектура хранения данных почти полностью зависит от централизованной облачной инфраструктуры, управляемой такими компаниями, как Google и Meta. Когда пользователи загружают данные на эти платформы, право собственности фактически переходит к платформе, что укрепляет ее монопольный контроль над данными для обучения ИИ. Централизованная инфраструктура также несет операционные риски: изменения политики, сбои в обслуживании или отказы платформы могут привести к прерыванию доступа к данным или их потере.

Децентрализованное хранение решает эти структурные проблемы двумя способами. Модель экономики совместного потребления, представленная Filecoin и Arweave, объединяет простаивающее пространство хранения различных участников в сеть, способную заменить существующие централизованные облака.

Модель постоянного хранения реплицирует данные на распределенные узлы, обеспечивая сохранность данных независимо от состояния работы отдельных серверов и уменьшая зависимость от любой единой платформы.

2.3 Рынки данных

Разработчикам ИИ нужны данные для обучения, но текущий рынок распространения данных является закрытой системой, где крупные платформы (например, Hugging Face) и облачные поставщики извлекают экономическую выгоду и контролируют ценообразование. Создатели данных получают ничтожное вознаграждение, а механизмы стимулирования сбора и вклада данных лишены прозрачности.

Рынки на блокчейне устраняют посредников с помощью смарт-контрактов и устанавливают прозрачные условия сделок. В модели прямых транзакций, такой как Ocean Protocol, владельцы данных и разработчики ИИ осуществляют сделки напрямую через смарт-контракты, а вознаграждение распределяется прозрачным образом. В модели вознаграждения за вклад, такой как Grass, частные лица подключают простаивающую пропускную способность для сбора данных ИИ и получают соответствующее вознаграждение в зависимости от ценности своего вклада.

2.4 Верификация моделей и выводов/Конфиденциальность

Традиционные системы ИИ работают как черный ящик, без внешних средств проверки того, что модель работает корректно или что конфиденциальные данные пользователей обрабатываются безопасно.

Zero-Knowledge Machine Learning (ZKML) вводит криптографический уровень верификации в процесс вывода ИИ, обеспечивая конфиденциальность и аудируемость. В этой архитектуре модель работает традиционным образом вне блокчейна, но процесс вычислений генерирует криптографическое доказательство того, что этот процесс был выполнен в соответствии с предопределенными правилами.

Это доказательство записывается на блокчейне, а не лежащие в основе данные. Например: в автоматизированной системе возмещения расходов на медицинское страхование больница предоставляет только доказательство правильной работы модели ИИ, не раскрывая полные медицинские записи. Страховая компания может проверить законность требования без доступа к исходным данным.

2.5 Фреймворки для ИИ-агентов

Поскольку ИИ-агенты становятся основным носителем трафика и создания стоимости, они эволюционируют из инструментов в автономные экономические субъекты. Существующая финансовая система спроектирована вокруг моделей потребления человека, и ее структура несовместима с платежной средой, ориентированной на машины.

Экономика агентов требует микротранзакций, высокочастотных расчетов и трансграничных платежей, выполняемых со скоростью миллисекунд, что невозможно для существующей финансовой инфраструктуры.

Инфраструктура агентов на блокчейне решает эту проблему с помощью двух механизмов. Механизм автономного исполнения и контроля предоставляет ИИ-агентам уникальные кошельки и идентификаторы, позволяя им напрямую подписывать транзакции, а также настраивать лимиты расходов и меры безопасности для предотвращения непреднамеренных действий.

Протокольный механизм расчетов использует протоколы платежей в стейблкоинах (например, x402) для расчета микротранзакций и высокочастотных платежей в реальном времени, минуя конвертацию валют и процессы утверждения.

3. Различия между блокчейн-ИИ и цепочкой стоимости ИИ

Формирование цепочки стоимости ИИ вращается вокруг постепенного устранения узких мест. По мере роста спроса на ИИ становится более ощутимым дефицит памяти, а также огромное давление на мощности передачи данных и электроэнергии. Компании, которые быстро решают эти проблемы, такие как производители HBM и поставщики энергетической инфраструктуры, привлекают огромный капитал и получают значительное повышение рыночной стоимости. Рынок однозначно признает решения, устраняющие препятствия для роста.

Блокчейн-проекты в области ИИ выявили некоторые реальные проблемы, но они не привлекли должного внимания рынка. Если бы эти проблемы были столь же неотложными, как они утверждают, они бы уже давно вызвали измеримые изменения на рынке.

Хотя блокчейн-проекты в области ИИ продвигают законные цели, такие как уменьшение концентрации GPU и восстановление суверенитета данных, их неспособность привлечь основной капитал объясняется явным расхождением между приоритетами поставщиков технологий и приоритетами покупателей, контролирующих распределение капитала.

Индустрия ИИ развивается в напряженном темпе, и покупатели (в основном крупные технологические компании и корпоративные клиенты) массово инвестируют в решения, которые быстрее всего устраняют их текущие операционные узкие места. Они не тратят время на оценку непроверенной инфраструктуры. Их первоочередными соображениями являются вычислительная производительность, надежность инфраструктуры и измеримая окупаемость инвестиций.

Например: когда скорость передачи данных становится узким местом в обучении модели, большие средства направляются в оптоволоконную инфраструктуру для замены медных кабелей. Когда пропускная способность памяти становится основным ограничением, покупатели рассматривают это как ключевую проблему, и SK Hynix и Samsung Electronics решают ее, предоставляя высокопропускную память, тем самым приобретая известность во всем мире. Эта модель последовательна: капитал следует за предприятиями, которые устраняют ограничения и стимулируют прогресс.

Фундаментальная проблема, с которой сталкивается блокчейн-ИИ, заключается в построении структуры. Покупатели с большими бюджетами сосредоточены только на краткосрочном повышении производительности и снижении затрат. Напротив, блокчейн-ИИ фокусируется на аспектах, которые покупатели считают второстепенными или проблемами будущих этапов.

Технические цели поставщиков не совпадают с непосредственными операционными потребностями со стороны спроса.

3.1 Технические ограничения

Некоторые проекты используют бенчмарки для демонстрации потенциала и дизайна децентрализованной инфраструктуры. Но более фундаментальная проблема заключается в том, что эти усилия еще не привели к значительным технологическим прорывам, способным поколебать укоренившиеся традиционные компании на основном рынке.

Чтобы новая технология отвоевала долю рынка у централизованных облачных провайдеров, таких как AWS или GCP (которые уже имеют огромные средства и инфраструктуру), она должна предоставить огромное преимущество в производительности, делающее разрыв с существующими провайдерами несущественным.

Когда Apple переходила с чипов Intel на M1, она шла на значительный риск нарушения совместимости программного обеспечения, но это было оправдано трехкратным повышением энергоэффективности — разрыв был достаточным, чтобы сделать переход стоящим.

Для корпоративных покупателей, которые считают синхронизацию данных на уровне петабайт и сверхнизкую задержку необходимыми условиями, блокчейн-ИИ еще не предоставил достаточно убедительных причин, чтобы принять риск перехода.

3.2 Несоответствие спроса

В области децентрализованных вычислений некоторые проекты вводят соглашения об уровне обслуживания (SLA) в качестве механизма снижения рисков, но корпоративные покупатели по-прежнему не убеждены. Причина в структурных проблемах, а не в контрактных. Крупные облачные провайдеры предоставляют контролируемые частные центры обработки данных, в то время как блокчейн-сети полагаются на децентрализованное, анонимное участие узлов.

Если узел выходит из строя и прерывает обучение модели стоимостью в сотни миллионов вон, никакой возврат токенов или экономическая компенсация не могут возместить альтернативные издержки и потерю времени. Для чувствительных ко времени корпоративных покупателей стабильность системы не подлежит обсуждению.

Даже при использовании механизмов хеджирования оставшаяся неопределенность — это не тот риск, который большинство покупателей готовы взять на себя.

3.3 Спрос еще не сформировался

Блокчейн-фреймворки для агентов предназначены для сложных экосистем, где несколько ИИ-агентов автономно сотрудничают, но это видение расходится с текущим уровнем зрелости основного рынка.

Под руководством таких компаний, как Microsoft и Salesforce, внедрение ИИ-агентов предприятиями ускоряется, но текущий фокус по-прежнему сосредоточен на автоматизации рабочих процессов внутри контролируемых внутренних сетей. Инфраструктура, которую строят блокчейн-проекты, ориентирована на следующий этап: независимые ИИ-агенты, способные автономно работать во внешних сетях за пределами организационных границ. Сегодня большинство предприятий по-прежнему сосредоточены на обеспечении стабильности и окупаемости развернутых систем ИИ. Многоагентное сотрудничество через внешние сети еще не является приоритетом в дорожной карте корпоративной инфраструктуры.

Ограниченный спрос на данном этапе отражает временной фактор, а не технический дефект. Это следует понимать скорее как долгосрочные инвестиции в инфраструктуру для экономики агентов, а не как краткосрочную возможность получения прибыли.

3.4 Регуляторные предпосылки

Zero-Knowledge Proofs и технологии конфиденциальности являются ключевыми решениями для установления доверия к ИИ, но на ранних этапах внедрения ИИ у предприятий ограниченный реальный спрос на инфраструктуру конфиденциальности. Добровольное внедрение предприятиями вряд ли приведет к массовому распространению технологии; более вероятно, что регуляторные стандарты создадут спрос, а технология должна будет подтянуться.

Глобальные регуляторные рамки, включая Закон ЕС об ИИ, становятся все более четкими, что является благоприятной тенденцией в этом отношении. По мере того как юридические требования к источникам данных и безопасности становятся более конкретными, расширенные функции верификации блокчейна могут стать обязательными требованиями соответствия в корпоративных развертываниях, а не опцией.

Развитие регулирования в этой области является скорее катализатором формирования рынка, чем ограничивающим фактором. Четкие регуляторные стандарты снижают рыночную неопределенность, создавая стабильный путь для установления основного спроса на блокчейн-ИИ в институциональных рамках.

3.5 Недостаток реальных примеров использования

Эти структурные факторы вместе приводят к более фундаментальной проблеме: отсутствию знаковых успешных примеров, способных продемонстрировать ценность в масштабе. Традиционная индустрия ИИ достигла своего нынешнего положения благодаря маховику распространения, запущенному ChatGPT: он использовал конкретный и широко известный продукт, чтобы привлечь средства и таланты, необходимые для поддержания устойчивого роста.

Блокчейн-проекты в области ИИ еще не продемонстрировали подобных доказательств масштабного соответствия продукта рынку. За исключением раннего энтузиазма сообщества, ни один проект не показал на уровне корпоративных операций или повседневной жизни потребителей приложения, способные привлечь внимание основного капитала. Отсутствие убедительных референтных примеров остается самым большим препятствием для привлечения консервативных институциональных инвестиций, которые могли бы ускорить более широкое внедрение блокчейн-ИИ.

4. Имеет ли эта комбинация ценность?

Независимо от рыночных ожиданий, блокчейн-ИИ еще не нашел стабильного места в основной цепочке стоимости ИИ. Означает ли это, что комбинация бесполезна?

Нет.

Фундаментальная причина, по которой блокчейн-проекты в области ИИ в настоящее время игнорируются, заключается не в их внутреннем противоречии, а в несоответствии между потребностями существующей отрасли в каждой подкатегории и целями, которые призвана достичь технология.

Приоритеты традиционной индустрии ИИ очевидны: краткосрочная производительность, оптимизация затрат и надежность инфраструктуры. Напротив, многие современные блокчейн-решения в области ИИ сосредоточены на праве собственности на данные, прозрачности вычислений и децентрализации.

Для зрелых игроков отрасли эти проблемы не являются неотложными узкими местами, а их решение часто требует чрезмерных затрат производительности по сравнению с выгодой.

До бума ИИ компании, занимающиеся энергетической инфраструктурой, обычно классифицировались как зрелые, медленно растущие предприятия. Резкий рост спроса на электроэнергию со стороны центров обработки данных изменил эту ситуацию, и с тех пор они привлекли значительное внимание рынка. Нынешнее безразличие к блокчейн-ИИ может отражать аналогичный эффект запаздывания, когда ценность инфраструктуры еще не полностью проявилась до появления новой парадигмы.

В этот переходный период важно то, как отрасль реагирует на реальные потребности рынка.

Путь вперед разделяется на два направления: активно адаптироваться к стандартам установленной цепочки стоимости ИИ и сократить разрыв в краткосрочной производительности; или сохранить существующие возможности, продолжая строить инфраструктуру, необходимую для будущего поколения развертываний ИИ.

Результат будет зависеть от того, какой выбор больше соответствует будущему направлению спроса.