作者 | Alex Xu

Twitter | @xuxiaopengmint

來源 | Mint Ventures

截止目前來看，本輪加密牛市週期是商業創新上最爲乏味的一輪，缺少上一輪牛市DeFi、NFT、Gamefi這樣的現象級熱潮賽道，導致整體市場行情缺少產業熱點，用戶、產業投資和開發者的增長都比較乏力。

這也反映在目前的資產價格上，整輪週期來看，大部分Alt coins對於BTC的匯率持續失血，其中也包括ETH。畢竟智能合約平臺的估值是由應用的繁榮程度決定的，當應用的發展創新乏善可陳，公鏈的估值也很難擡升。

而AI作爲本輪較新的加密商業門類，受益於外部商業世界爆炸式的發展速度和持續不斷的熱點，仍有可能爲加密世界的AI賽道項目帶來不錯的注意力增量。

而在筆者4月發佈的IO.NET報告中，梳理了AI與Crypto結合的必要性，即加密經濟方案在確定性、調動配置資源和免信任上的優勢，可能是解決AI隨機性、資源密集和人機難辨三個挑戰的方案之一。

在加密經濟領域的AI賽道，筆者嘗試再通過一篇文章，對一些重要問題進行討論和推演，包括：

加密Ai賽道還有哪些萌芽中，或將在未來爆發的敘事

這些敘事的催化路徑和邏輯

敘事相關的項目標

敘事推演的風險和不確定性

本文爲筆者截至發表時的階段性思考，未來可能可能發生改變，且觀點具有極強的主觀性，亦可能存在事實、數據、推理邏輯的錯誤，請勿作爲投資參考，歡迎同業的批評和探討。

以下爲正文部分。

一、加密AI賽道的下一波敘事

在正式盤點加密AI賽道的下一波敘事前，我們先來看一下目前的加密AI的主要敘事，從市值排序來看，超過10億美金的分別有：

算力：Render（RNDR，流通市值38.5億）、Akash（流通市值12億）、IO.NET（最近一輪一級融資估值10億）

算法網絡：Bittensor（TAO，流通市值29.7億）

AI代理：Fetchai（FET，合併前流通市值21億）

*數據時間：2024.5.24，貨幣單位均爲美金。

除了以上幾個領域，下一個單項目市值超10億的AI賽道會是哪個？

筆者覺得可以從兩個視角來推測：“產業供給端”的敘事和“GPT時刻”的敘事。

1、AI敘事的第一個視角：從產業供給端，看AI背後的能源和數據賽道機會

從產業供應端來看，AI發展的四個推動力爲：

算法：優質的算法能更高效地執行訓練和推理任務

算力：無論是模型訓練還是模型推理，都需要GPU硬件提供算力，這也是當下主要的產業瓶頸，行業缺芯導致中高端芯片價格高企

能源：AI所需的數據計算中心會產生大量的能源消耗，除了GPU本身執行計算任務所需的電力之外，處理GPU散熱的也需要非常多的能源，一個大型數據中心冷卻系統就佔總能源消耗的40%左右

數據：大模型性能的提升需要擴大訓練參數，這意味着海量的優質數據需求

針對上述四個產業的推動力，算法和算力賽道均有流通市值超過10億美金的加密項目，而能源和數據賽道尚未出現同市值體量的項目。

而實際上，能源和數據的供給短缺或許將很快來臨，成爲新一波的產業熱點，從而帶動加密領域相關項目的熱潮。

我們先來說能源。

2024年2月29日，馬斯克在博世互聯世界2024大會上談到：“我在一年多前就預測過芯片短缺，下一個短缺的將是電力。我認爲，明年將沒有足夠的電力來運行所有的芯片。”

從具體數據來看，李飛飛領導的斯坦福大學人工智能研究所（Human-Centered Artificial Intelligence）每年都會發佈《AI指數報告》，在該團隊2022年發佈的、針對21年AI產業的報告中，研究小組評估認爲當年AI耗能規模只佔全球電力需求的0.9%，對能源和環境的壓力有限。而2023年，國際能源署（IEA）對2022年的總結是：全球數據中心消耗了大約460太瓦時（TWh）的電力，佔全球電力需求的2%，並預測到2026年，全球數據中心能耗最低也會有620太瓦時，最高會達到1050太瓦時。

而實際上，國際能源署的估測仍然保守了，因爲目前已經有大量圍繞AI的項目即將上馬，其對應的能源需求規模遠超其23年的想象。

比如微軟和OpenAI正在籌劃的星際之門（Stargate）項目。這個計劃預計在2028年啓動，2030年左右建成，該項目計劃構建一臺擁有數百萬個專用AI芯片的超級計算機，爲OpenAI提供前所未有的計算能力,支持其在人工智能尤其是大型語言模型方面的研發。該計劃預計耗資超過1000億美金，比當下的大型數據中心成本還要高出100倍。

而僅僅星際之門一個項目的能耗就高達50太瓦時。

也正是因爲如此，OpenAI的創始人山姆奧特曼在今年1月的達沃斯論壇上談到：“未來人工智能需要能源突破，因爲人工智能消耗的電力將遠遠超出人們的預期。”

在算力和能源之後，快速增長的AI行業的下一個短缺的領域很可能是數據。

或者說，AI所需要的優質數據的短缺已經成爲現實。

目前人類從GPT的進化中，已經基本摸清了大語言模型能力增長的規律——即通過擴大模型參數和訓練數據，就能指數級別提升模型的能力——且這一進程短期還看不到技術瓶頸。

但問題是優質且公開的數據在未來或許將越來越稀少，AI產品在數據上可能會面臨跟芯片、能源一樣的供需矛盾。

首先是數據所有權的爭端增加。

2023年12月27日，《紐約時報》正式向美國聯邦地方法院起訴OpenAI和微軟，指控它們未經許可使用了自己數百萬篇文章用於訓練GPT模型，要求它們對“非法複製和使用獨特價值的作品承擔數十億美元的法定和實際損害賠償”，還要銷燬所有包含《紐約時報》版權材料的模型和訓練數據。

此後的3月底，《紐約時報》發表了一篇新的聲明，矛頭不僅指向了OpenAI，還瞄準了Google和Meta。《紐約時報》這份聲明中說，OpenAI通過一款名爲Whisper的語音識別工具轉錄了大量YouTube視頻中的語音部分，然後生成文字，作爲文本來訓練GPT-4。《紐約時報》表示，現在大公司訓練AI模型時使用小偷小摸的手段已經非常普遍，並表示這樣的事谷歌也在做，他們也把YouTube視頻內容轉成文字，用於自己大模型的訓練，本質上侵犯了視頻內容創作者的權益。

《紐約時報》與OpenAI作爲“AI版權第一案”，考慮到案件內容的複雜性和對內容和AI產業未來的深遠影響，未必很快能得出一個結果。最終可能的結果之一是雙方庭外和解，財大氣粗的微軟和OpenAI支付一筆大額補償金。但未來更多的數據版權摩擦勢必將擡高優質數據的綜合成本。

此外，作爲世界上最大的搜索引擎，Google也曝出正在考慮對自己的搜索功能收費，只不過收費對象不是普通大衆，而是AI公司。

路透社

谷歌的搜索引擎服務器裏保存着大量內容，甚至可以說是自從21世紀以來所有互聯網頁面上出現過的內容谷歌都保存着。而目前AI驅動的搜索產品，海外的如perplexity，國內的如Kimi、祕塔，都對這些搜索到的數據通過AI進行加工，再輸出給用戶。搜索引擎對AI的收費，必然提升數據的獲取成本。

實際上，除了公開的數據之外，AI巨頭們還盯上了非公開的內部數據。

Photobucket是一家老牌的圖片和視頻託管網站,在2000年代初曾擁有7000萬用戶和近一半的美國在線照片市場份額。隨着社交媒體的興起，Photobucket用戶數量大幅下降，目前僅剩200萬活躍用戶（它們每年要支付399美金的高昂費用），而根據用戶注冊時簽署的協議和隱私政策，超過一年沒用使用的賬戶會被回收，還支持Photobucket對用戶上傳的圖片和視頻數據的使用權。Photobucket首席執行官Ted Leonard透露，其擁有的13億張照片和視頻數據對訓練生成式AI模型極具價值。他正在與多家科技公司就出售這些數據進行談判，報價範圍從每張照片5美分到1美元不等，每段視頻超過1美元，其估計Photobucket可提供的數據價值超過10億美金。

專注於人工智能發展趨勢的研究團隊EPOCH，根據2022年機器學習對數據的使用和新數據的生成情況，再考慮計算資源的增長，曾經發表了一篇關於機器學習所需的數據的情況報告《Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning》，報告的結論是高質量的文本數據大約會在2023年2月到2026年之間用盡，圖像數據則會在2030年到2060年間用盡。如果數據的利用效率不能顯著提高，或出現新的數據來源,目前依賴於海量數據集的大型機器學習模型趨勢可能會放緩。

而就目前AI巨頭們紛紛高價採買數據的情況來看，免費的優質文本數據真的已經基本用盡，EPOCH在2年前的預測是比較準確的。

同時，圍繞“AI數據短缺”的需求的解決方案也在出現，即：AI數據提供服務。

Defined.ai就是一家爲AI公司提供定製化真實高質量數據的公司。

Defined.ai所能提供的數據類型舉例：https://www.defined.ai/datasets

它的生意模式是：AI公司給Defined.ai提供自己對於數據的需求，比如就圖片而言，質量方面需要分辨率達到多少以上、避免模糊、過曝、內容真實。內容方面AI公司可以根據自己的訓練任務，定製特定的主題，比如需要夜裏的照片、夜裏的錐桶、停車場、指示牌，用來提高AI在夜景下的識別率。大衆都可以領任務，拍完上傳由公司審覈，然後把符合要求的部分按張數結算，價格大約是一張高質量的圖片1-2美元，一個十幾秒的短片5-7美元，一部10分鐘以上的高質量影片100-300美元，文本是千字1美元，領分包任務的人可以得到其中20%左右的費用。數據提供可能會成爲“數據標記”之後的又一門衆包生意。

全球範圍的任務衆包分配、經濟激勵、數據資產的定價\流通和隱私保護、人人可以參與，聽起來就特別像一門適合Web3範式的商業門類。

2、產業供給端視角下的AI敘事標的

芯片短缺引發的關注滲透到加密行業，讓分佈式算力成爲了截止目前最熱門、市值最高的AI賽道類別。

那麼AI產業在能源和數據上的供需矛盾如果在未來1-2年中爆發，加密行業目前有哪些敘事相關的項目？

先來看能源類的標的。

已經上線了頭部CEX的能源類項目非常稀少，僅有Power Ledger（代幣Powr）一個。

Power Ledger於2017年立項，是一個基於區塊鏈技術的綜合能源平臺，旨在實現能源交易的去中心化，推動個人和社區直接交易電力，支持可再生能源的廣泛應用，並通過智能合約確保交易的透明和高效。最初Power Ledger基於以太坊改造而來的聯盟鏈運行。2023年下半年，Power Ledger更新了白皮書，並推出了自己的綜合型公鏈，該公鏈基於Solana的技術框架改造而來，便於處理分佈式能源市場中的高頻微交易。目前Power Ledger的主要業務包括：

能源交易：允許用戶點對點地直接買賣電力，特別是來自可再生能源的電力。

環境產品交易：比如碳信用和可再生能源證書的交易，以及基於環境產品的融資。

公鏈運營：吸引應用開發者在Powerledger區塊鏈上構建應用，公鏈的交易費用以Powr代幣支付。

目前Power Ledger項目的流通市值爲1.7億$，全流通市值爲3.2億$。

相比能源類的加密標的，數據賽道的加密標的數量則更豐富一些。

筆者僅羅列目前自己關注的，並已經至少上線了幣安、OKX和Coinbase其中一家CEX的數據賽道項目，且按照FDV從低至高排列：

1、Streamr – DATA

Streamr的價值主張是構建一個去中心化的實時數據網絡，允許用戶自由地交易和分享數據，同時保持對自己數據的完全控制。通過其數據市場，Streamr希望使數據生產者能夠直接向感興趣的消費者銷售數據流，無需中介機構，從而降低成本並提高效率。

來源：https://streamr.network/hub/projects

在實際的合作案例中，Streamr與另一個Web3車載硬件項目DIMO合作，通過裝載在車輛上的DIMO硬件傳感器收集溫度、氣壓和其他數據，形成天氣數據流傳輸給需要的機構。

與其他數據項目相比，Streamr更側重於物聯網、硬件傳感器的數據，除了上面提到的DIMO車載數據之外，其他項目還有赫爾辛基的實時交通數據流等。因此，Streamr的項目代幣DATA也曾經在去年12月，Depin概念最火熱的時候一度創造出了單日翻倍的漲幅。

目前Streamr項目的流通市值爲4400萬$，全流通市值爲5800萬$。

2、Covalent – CQT

與其他數據類項目不同的是，Covalent提供的是區塊鏈數據。Covalent網絡通過RPC從區塊鏈節點讀取數據，然後對這些數據進行處理和組織，創建一個高效的查詢數據庫。這樣，Covalent的用戶們可以快速地檢索到他們需要的信息，而不必直接從區塊鏈節點進行複雜的查詢，這類服務也被稱爲“區塊鏈數據索引”。

Covalent的客戶以B端爲主，其中既有Dapp項目，比如各種Defi，也包括很多中心化加密公司，比如Consensys（Metamask的母公司）, CoinGecko (知名加密資產行情站)、Rotki (稅務工具)、Rainbow (加密錢包)等，此外傳統金融行業中的巨頭富達、四大會計事務所安永，也是Covalent的客戶。根據Covalent官方披露的數據，項目的來自於數據服務的收入已經超過同領域的頭部項目The Graph。

Web3行業由於鏈上數據的完整性、公開性、真實性以及實時性，有望成爲細分AI場景和特定“AI小模型”的優質數據來源。Covalent作爲數據提供方，已經開始爲各類AI場景提供數據，並推出了專門面向AI的可驗證的結構化數據。

來源：https://www.covalenthq.com/solutions/decentralized-ai/

比如爲鏈上智能交易平臺SmartWhales提供數據，利用AI識別出盈利的交易模式和地址；Entendre Finance則通過Covalent的結構化數據，經過AI處理用於實時洞察、異常檢測和預測分析等。

目前來看，Covalent提供的鏈上數據服務的主要場景仍以金融爲主，但隨着Web3產品和數據類型的泛化，鏈上數據的使用場景也將進一步拓展。

目前Covalent項目的流通市值爲1.5億$，全流通市值爲2.35億$，相對於同賽道的區塊鏈數據索引項目The Graph，具有比較明顯的估值優勢。

3、Hivemapper – Honey

在所有數據素材中，視頻數據的單價往往是最高的。Hivemapper可以爲AI公司提供包括視頻和地圖信息在內的數據。Hivemapper本身是一個去中心化的全球地圖項目，旨在通過區塊鏈技術和社區貢獻來創建一個詳細、動態且可訪問的地圖系統。參與者可以通過行車記錄儀（dashcam）捕捉地圖數據並將其添加到開源的Hivemapper數據網絡中，並基於貢獻獲得項目代幣HONEY的獎勵。爲了提高網絡的效應和降低交互成本，Hivemapper構建在Solana上。

Hivemapper最早成立於2015年，最初的願景是使用無人機創建地圖，但後來發現這種模式難以擴展，從而轉向使用行車記錄儀和智能手機來捕捉地理數據，降低了全球地圖製作的成本。

與Google map等街景和地圖軟件相比，Hivemapper通過激勵網絡和衆包模式，能更高效地拓展地圖覆蓋範圍、保持地圖實景的新鮮度、提升視頻質量。

在AI對數據的需求爆發之前，Hivemapper的主要客戶包括汽車產業的自動駕駛部門、導航服務公司、政府、保險和地產公司等。如今Hivemapper則可以通過API爲AI和大模型提供廣泛的道路和環境數據，通過不斷更新的圖像和道路特徵數據流的輸入，AI 和 ML模型將能夠更好地將數據轉化爲能力的提升，執行與地理位置、視覺判斷有關的任務。

數據來源：https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

目前Hivemapper – Honey項目的流通市值爲1.2億$，全流通市值爲4.96億$。

除了以上三個項目之外，數據賽道的項目還有The Graph – GRT（流通市值32億$，FDV 37億$），其業務與Covalent類似，也提供區塊鏈數據索引的服務；以及Ocean Protocol – OCEAN（流通市值6.7億$，FDV 14.5億$，本項目即將與Fetch.ai和SingularityNET合併，代幣轉換爲ASI），一個開源協議，旨在促進數據和數據相關服務的交換和貨幣化，將數據消費者與數據提供者連接起來，從而在保證信任、透明和可追溯性的前提下共享數據。

3、AI敘事的第二個視角：GPT時刻再現，通用人工智能降臨

在筆者看來，加密行業裏“AI賽道”的元年是GPT震驚世界的2023年，加密AI項目的暴漲，更多是AI產業爆炸式發展帶來的“熱度餘波”。

雖然GPT3.5之後GPT4、turbo等的能力不斷升級，以及Sora在視頻創作能力的驚人展現，包括OpenAI之外的大語言模型也快速發展，但不可否認的是AI的科技進步給大衆帶來的認知衝擊正在減弱，人們開始逐漸使用AI工具，大規模的崗位替代似乎還未發生。

那麼，未來AI領域是否還會再現“GPT時刻”，出現讓大衆震驚的AI跨越式發展，讓人們意識到自己的生活和工作都將因此被改變？

這個時刻可能是通用人工智能（AGI）的降臨。

AGI指的是機器擁有類似於人類的綜合認知能力，能夠解決各種複雜問題，而不僅限於特定任務。AGI系統擁有高度的抽象思維、廣泛的背景知識、全領域的常識推理和因果關係理解、以及跨專業的遷移學習等能力。AGI的表現與各個領域最優秀的人類無異，就綜合能力來說則完全超越最優秀的人類羣體。

實際上，無論科幻小說和遊戲、影視作品之中的呈現，還是在GPT迅速普及之後的大衆預期，社會大衆對超越人類認知水平的AGI的出現早有預期。或者說，GPT本身就是AGI的先導產品，是通用人工智能的預言版。

而GPT之所以有這麼大的產業能量和心理衝擊，在於其落地的速度和表現超越了大衆的預期：人們沒想到，一個能完成圖靈測試的人工智能系統真的到來了，而且速度這麼快。

實際上，人工智能(AGI）或許將在1-2年內再次復現“GPT時刻”的突然性：人們才剛剛適應GPT的輔助，就發現AI已經不僅僅是一個助手，它甚至能獨立完成極具創造性和挑戰的工作，包括那些困住人類頂尖科學家幾十年的難題。

在今年4月8日，馬斯克接受了挪威主權財富基金首席投資官Nicolai Tangen的採訪，談到了AGI出現的時間。

他說：“如果把AGI定義爲比最聰明的那部分人類還要聰明的話，我認爲它很可能在2025年出現。”

也就是按照他的推斷，最多就是還需要1年半的時間，AGI就將降臨。當然，他加了一個前提條件，就是“電力和硬件都跟得上的話。”

AGI的降臨的好處是顯而易見的。

它意味着人類的生產力水平將大跨步地上一個臺階，大量困住我們幾十年的科研難題將迎刃而解。假如我們把“最聰明的那部分人類”定義爲諾貝爾獎得主的水平，也就意味只要能源、算力、數據足夠，我們可以擁有無數個不知疲倦的“諾獎得主”，全天候攻關那些最難的科學問題。

而實際上諾獎得主並不是幾億分之一那樣珍貴，他們在能力和智力上大多是頂級大學教授的水平，但是因爲概率和運氣選對了方向，持續做了下去並拿到了結果。和他水平相當的人，他同樣優秀的同僚們，也許在科研的平行宇宙中也獲得了諾獎。但是無奈的是，具備頂尖大學教授並參與科研突破的人員還是不足，因此“遍歷所有科研正確方向”的速度仍然很慢。

有了AGI之後，在能源和算力充分供給的情況下，我們可以有無限個“諾獎得主”水平的AGI在任何一個可能的科研突破方向進行縱深探索，技術的提升速度會快幾十倍。技術的提升，會導致我們如今認爲相當昂貴稀缺的資源，在10到20年間成百倍地增加，比如糧食產量、新材料、新藥、高水準的教育等，獲取這些的成本也將成倍下降，我們得以用更少的資源養活更多的人口，人均財富迅速增加。

全球GDP總量走勢圖，數據來源：世界銀行

這聽起來似乎有點聳人聽聞，我們來看兩個例子，這兩個例子筆者在此前關於IO.NET的研報中也使用過：

2018年，諾貝爾化學獎得主弗朗西斯·阿諾德在頒獎儀式上才說道：“今天我們在實際應用中可以閱讀、寫入和編輯任何 DNA 序列，但我們還無法通過它創作（compose it）。”僅僅在他講話的5年後，2023年，來自斯坦福大學和硅谷的AI創業企業Salesforce Research的研究者，在《自然-生物技術》發表論文，他們通過基於GPT3微調而成的大語言模型，從0創造出了全新的100萬種蛋白質，並從中尋找到2種結構截然不同、卻都具有殺菌能力的蛋白質，有希望成爲抗生素之外的細菌對抗方案。也就是說：在AI的幫助下，蛋白質“創造”的瓶頸突破了。

而在此前，人工智能AlphaFold算法在18個月內，把地球上幾乎所有的2.14億種蛋白質結構都做了預測，這項成果是過往所有人類結構生物學家工作成果的幾百倍。

變革已經發生，而AGI的降臨會進一步加快這個過程。

另一個方面，AGI的降臨帶來的挑戰也是非常巨大的。

AGI不但會替代大量的腦力勞動者，如今被認爲“受AI衝擊較少的”體力服務業者，也會隨着機器人技術的成熟和新材料的研發帶來的生產成本降低而受到衝擊，被機器和軟件替代的勞動崗位佔比會迅速提高。

屆時，兩個曾經看起來非常遙遠的問題會很快浮出水面：

大量失業人口的就業和收入問題

在AI無處不在的世界，如何分辨AI和人類

而Worldcoin\Worldchain正在嘗試提供解決方案，即用UBI（全民基本收入）系統爲大衆提供基本收入，用基於虹膜的生物特徵把人和AI進行區分。

實際上，給全民發錢的UBI並非沒有現實實踐的空中樓閣，芬蘭、英格蘭等國都進行過全民基本收入的實踐，而加拿大、西班牙、印度等國亦有政黨正在積極提案推進相關的實驗。

而基於生物特徵識別+區塊鏈的模式進行UBI分配的好處在於這個系統的全球性，對人口有更廣泛的覆蓋，此外還可以基於通過收入分配拓展而來的用戶網絡，構建其他商業模式，比如金融服務（Defi）、社交、任務衆包等，形成網絡內商業的協同。

AGI降臨帶來的衝擊效應的對應標的之一是Worldcoin – WLD，其流通市值爲10.3億$，全流通市值爲472億$。

二、敘事推演的風險和不確定性

本文與Mint Ventures之前發佈的諸多項目和賽道研究報告不同，對於敘事的推演和預測具有較大的主觀性，請讀者僅將本文內容作爲一個發散性的討論，而不是預測未來的預言。筆者上述的敘事推演面臨很多不確定性，導致猜想錯誤，這些風險或影響因素包括但不限於：

1、能源方面：GPU更新換代造成的能耗速降

儘管圍繞AI的能源需求猛增，但以英偉達爲代表的芯片廠商正在通過不斷的硬件升級，以更低的功耗提供更高的計算能力，比如在今年3月英偉達發佈了集成了兩個B200 GPU和一個Grace CPU的新一代AI計算卡GB200，其訓練的性能是上一代主力AI GPU H100的4倍，推理的性能是H100的7倍，需要的能耗卻只有H100的1/4。當然儘管如此，人們希望從AI中獲得的力量渴望遠遠沒到盡頭，伴隨着單元能耗的下降，隨着AI應用場景和需求的進一步擴張，總能耗可能反而是上升的。

2、數據方面：Q*計劃實現“自產數據”

OpenAI內部一直存在一個傳聞中的項目“Q*”，該項目在OpenAI發給員工的內部信息被提到過。根據路透社援引OpenAI內部人士的看法，這可能是 OpenAI 在追尋超級智能 / 通用人工智能（AGI）道路上取得的一項突破。Q*不但能夠憑藉抽象能力解決以前從未見過的數學問題，還能夠通過自我創造用於訓練大模型的數據，而無需現實世界的數據餵養。如果該傳言爲真，AI大模型訓練受限於優質數據不足的瓶頸將被打破。

3、AGI降臨：OpenAI的隱憂

AGI降臨的時點是否真的如馬斯克所說，會在2025年到來尚不得而知，但這只是一個時間問題。但Worldcoin作爲AGI降臨敘事的直接誒受益標的，最大的隱憂可能來自OpenAI，畢竟其是公認的“OpenAI影子代幣”。

5月14日凌晨，OpenAI在春季新品發佈會展示了最新的GPT-4o與另外19個不同版本的大語言模型在綜合任務得分中的表現，僅從表格來看，GPT-4o得分1310，視覺上似乎比後幾名高出了一大截，但從總分來看，其僅比第二名GPT4 turbo高了4.5%，比第四名谷歌的Gemini 1.5 Pro高了4.9%，比第五名Anthropic的Claude 3 Opus高了5.1%。

從GPT3.5初登場時震驚世界的時刻僅僅過去了一年多，OpenAI的競爭對手們已經追到了非常接近的位置（儘管GPT5尚且沒有放出，並預計在今年發佈），OpenAI未來是否已經能保持自己的行業領先位置，這個答案似乎正在變得模糊。如果OpenAI的領先優勢和統治地位被稀釋乃至趕超，那麼Worldcoin作爲OpenAI的影子代幣的敘事含金量也會下降。

此外，除了Worldcoin的虹膜認證方案之外，越來越多的競爭對手也開始進入這個市場，比如手掌掃描ID項目 Humanity Protocol剛剛宣佈以10億美元估值完成 3000 萬美元新一輪融資，LayerZero Labs也宣佈將在Humanity上運行，並加入其的驗證者節點網絡，使用 ZK 證明對憑證進行身份驗證。

三、結語

最後，筆者雖然對AI賽道後續的敘事進行了推演，但AI賽道與DeFi等加密原生賽道不同，其更多是AI熱潮外溢至幣圈的產物，目前諸多的項目就商業模式而言並未跑通，很多項目更像是AI主題的Meme（比如Rndr類似於英偉達的meme，Worldcoin類似於OpenAI的meme），讀者應審慎看待。

【免責聲明】市場有風險，投資需謹慎。本文不構成投資建議，用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。