本文作者为Filecoin洞察特约撰稿人、Portal Ventures（https://twitter.com/PortalVentures）投资合伙人Catrina（https://twitter.com/curiouscatwang）。

来源：Carlota Perez的技术革命理论

来源：层层分析— LLM搜索架构与成本

解决方案

DePIN网络如Filecoin（起源于2014年的DePIN先驱，专注集合互联网级硬件，服务于分布式数据存储）、Bacalhau（https://www.bacalhau.org/）、Gensyn.ai（http://gensyn.ai/）、Render Network（https://rendertoken.com/）、ExaBits（用于匹配CPU/GPU供需的协调层：https://www.exabits.xyz/）可以通过以下三个方面节约75%至90%+的基础设施成本：

1. 推动供应曲线，激发市场竞争

DePIN为硬件供应商成为服务提供商提供了平等机会。它创建了一个人人可以作为“矿工”加入，用CPU/GPU或存储能力可换取经济报酬的市场，从而给现有提供商带来竞争。

虽然像AWS这样的公司无疑在用户界面、运营和垂直整合方面享有17年的先发优势，但是DePIN吸引了无法接受中心化供应商客定价的新户群。就像Ebay不直接与Bloomingdale竞争，而是提供更经济的替代品来满足类似需求，分布式存储网络并不取代中心化供应商，而是旨在服务于价格敏感的用户群体。

2.通过加密经济设计促进市场经济平衡

DePIN创建的补贴机制能引导硬件供应者参与网络，从而降低最终用户的成本。究其原理，我们可以看看AWS和Filecoin在Web2和Web3中存储提供者的成本和收入。

客户获得降价：DePIN网络营造了竞争性市场，引入Bertrand式竞争（https://en.wikipedia.org/wiki/Bertrand_competition），从而降低客户支付费用。相比之下，AWS EC2需要约55%的利润率和31%的总体利润率来维持运营。DePIN网络提供的Token激励/区块奖励也是新的收入来源。在Filecoin的背景下，存储提供者托管越多真实数据越能获得区块奖励（代币）。因此，存储提供者有动力吸引更多客户达成交易增加收入。几个新兴计算DePIN网络的代币结构仍未公开，但很可能遵循类似模式。类似网络包括：

• Bacalhau：将计算引入数据存储位置的协调层，避免移动大量数据。

• exaBITS：服务于AI和计算密集型应用程序的分布式计算网络。

• Gensyn.ai：深度学习模型计算协议。

3. 降低间接成本：Bacalhau、exaBITS等DePIN网络以及IPFS/内容寻址存储的优势包括：

• 释放潜在数据的可用性：由于传输大型数据集的带宽成本高，目前大量数据未被开发，比如体育场馆产生的大量事件数据。DePIN项目可以现场处理数据并仅传输有意义的输出，发掘潜在数据的可用性。

• 降低运营成本：通过本地获取数据来降低数据输入、传输和导入/导出成本。

• 最小化敏感数据共享中的人工作业：如果医院A和B需要将各自患者的敏感数据进行组合分析，它们可以使用 Bacalhau协调GPU算力，直接在本地处理敏感数据，而不必通过繁琐的行政流程与对方进行个人身份信息（PII）交换。

• 无需重计算基础数据集：IPFS/内容寻址存储自带去重、溯源和验证数据的能力。有关IPFS的功能和性价比可参考这篇文章（https://curiouscat178.substack.com/p/the-non-philosophical-business-case）。

AI生成摘要：AI需要DePIN提供的经济实惠的基础设施，目前基础设施市场由垂直一体化的寡头垄断。像 Filecoin、Bacalhau、Render Network、ExaBits这样的DePIN网络使成为硬件供应商的机会民主化，引入竞争，通过加密经济设计维护市场经济平衡，让成本降低75%-90%以上，并降低了间接成本。

二、验证创作者和人格

问题

一份近期调研显示，50%的AI学者认为AI给人类带来毁灭性伤害的可能性超过10%。

人们需要警醒，A.I.已经引发社会混乱，而且仍缺乏监管或技术规范，这种情况被称为“反向凸角”。

比如，在这段 Twitter视频（https://twitter.com/zachsilberberg/status/1626665046175539224）中，播客主持人Joe Rogan与保守评论员Ben Shapiro在就电影《料理鼠王》进行着辩论，然而这段视频是AI生成的。

来源：Bloomberg

那么我们能否在Web3中加入AI的相关规范？

三、AI民主化

问题

今天的AI是由专有数据和专有算法构成的黑盒。大型科技公司LLM的封闭性扼杀了我眼中的“AI民主”，即每个开发者甚至用户都能为LLM模型贡献算法和数据，并在模型盈利时获得部分利润（相关文章：https://curiouscat178.substack.com/p/four-foundational-pillars-to-usher）。

AI民主=可视性（能看到输入模型的数据和算法）+贡献（能向模型贡献数据或算法）。

解决方案

AI民主的目的是让生成式AI模型对公众开放、与公众相关、为公众所有。下表对比了AI现状与通过Web3区块链技术能实现的未来。

不妨看看OpenAI，最初设定是开源非盈利，但变现困难无法覆盖成本。2019年，OpenAI不得不接受微软注资，算法不再对公众的开放。预计到2024年，OpenAI盈利将达10亿美元（https://news.crunchbase.com/ai-robotics/venture-funding-startups-openai/）。