VanEck's Crypto AI-inkomstenvoorspellingen tegen 2030

We schetsen AI-crypto-inkomstenscenario’s tegen 2030, met een basisscenario van $10,2 miljard, en benadrukken de cruciale rol van publieke blockchains bij het stimuleren van AI-acceptatie via essentiële functies.

Houd er rekening mee dat VanEck mogelijk posities heeft in de hieronder beschreven digitale activa.

Belangrijkste punten:

• De inkomsten uit crypto AI zullen in ons basisscenario naar verwachting in 2030 naar $10,2 miljard gaan
• Blockchain-technologie kan een cruciale motor worden voor de adoptie van AI en de vooruitgang in gedecentraliseerde AI-oplossingen
• Integratie met cryptostimulansen kan de veiligheid en efficiëntie van AI-modellen verbeteren
• Blockchain kan een oplossing zijn voor AI-uitdagingen met betrekking tot identiteitsverificatie en gegevensintegriteit

Er is een aanzienlijke kans dat publieke blockchains de sleutel zijn tot het ontsluiten van de wijdverbreide acceptatie van kunstmatige intelligentie (AI) en dat AI-toepassingen de bestaansreden van crypto zullen zijn. Dit komt omdat crypto belangrijke basiselementen verschaft die AI nodig heeft, zoals transparantie, onveranderlijkheid, duidelijk gedefinieerde eigendomseigenschappen en een vijandige testomgeving. Wij zijn ervan overtuigd dat deze eigenschappen een grote rol zullen spelen bij het bereiken van het volledige potentieel van AI. Op basis van schattingen van AI-groei stellen we dat AI-gerichte cryptoprojecten tegen 2030 $10,2 miljard aan jaarlijkse inkomsten zullen genereren. In dit stuk speculeren we over de rol van crypto in het faciliteren van de acceptatie van AI en de waarde die crypto zal halen uit AI-activiteiten:

Wij vinden dat dit de beste toepassingen van crypto voor AI zijn:

• Levering van gedecentraliseerde computerbronnen
• Modeltesten, finetuning en verificatie
• Auteursrechtbescherming en gegevensintegriteit
• AI-veiligheid
• Identiteit

Crypto wordt buitengewoon nuttig voor AI omdat het al veel huidige en toekomstige uitdagingen voor AI oplost. In de kern lost crypto coördinatieproblemen op. Crypto verbindt mensen, rekenkracht en monetaire middelen om open-source software te kunnen uitvoeren. Het bereikt dit door beloningen aan te bieden, in de vorm van tokens die zijn gekoppeld aan de waarde van elk netwerk, aan degenen die het netwerk van elke blockchain creëren, ondersteunen en gebruiken. Dit beloningssysteem kan worden gebruikt om verschillende componenten van de totale AI-waarde op te starten. Een belangrijke implicatie van de integratie van crypto met AI ligt in het benutten van prikkels voor cryptocurrency om essentiële fysieke infrastructuur te ontwikkelen, zoals GPU-clusters, gericht op training, verfijning en het mogelijk maken van het gebruik van generatieve modellen. Aangezien crypto een vijandige omgeving is die cryptocurrencies gebruikt om gewenst gebruikersgedrag te belonen, is het de optimale basis voor het testen en bijstellen van AI-modellen om de output te optimaliseren die voldoet aan een bepaalde kwaliteitsnorm.

Blockchains brengen ook transparantie in digitale eigendomsrechten, wat zou kunnen helpen bij het oplossen van een aantal van de open-source softwareproblemen waar AI mee te maken krijgt in rechtszaken. Dit is nu al zichtbaar in de rechtszaak NYTimes versus OpenAI en Microsoft. Crypto kan namelijk op transparante wijze eigendom en auteursrechtbescherming bewijzen voor data-eigenaren, modelbouwers en modelgebruikers. Deze transparantie zal zich ook uitstrekken tot het plaatsen van wiskundig bewijs van de effectiviteit van modellen op openbare blockchains. Ten slotte zijn wij van mening dat publieke blockchains, dankzij de onvervalsbare digitale handtekeningen en data-integriteit, zullen helpen identificatie- en veiligheidsproblemen weg te nemen die anders de effectiviteit van AI zouden afzwakken.

De rol van cryptocurrency in AI-ondernemingen definiëren

Verwachte inkomsten uit Crypto AI voor 2030: Scenario's voor bear, base en bull

TAM-marktomvang ($B)	Bear	Base	Bull
Gen AI productiviteitswinst 2030 (totaal beschikbare markt)	$2,930	$5,851	$8,494
AI-bedrijfsadoptie 2030	10.00%	33.00%	50.00%
Zakelijke AI totaal beschikbare markt	$293	$1,931	$4,247
AI-stack waardevastlegging	6.00%	13.00%	20.00%
Totale zakelijke AI-uitgaven	$17.58	$251.00	$849.44
AI-stack aandeel ($miljard)	Bear	Base	Bull
Software	50.00%	50.00%	50.00%
AI-infrastructuur als een service	18.90%	18.90%	18.90%
Identiteit	3.50%	3.50%	3.50%
Veiligheid	8.90%	8.90%	8.90%
Jaarlijkse inkomsten van AI-stack ($miljoen)	Bear	Base	Stier
Software	$8.79	$125.50	$424.72
AI-infrastructuur als een service	$3.32	$47.44	$160.54
Identiteit	$0.62	$8.78	$29.73
Veiligheid	$1.56	$22.34	$75.60
Crypto-marktaandeel	Beer	Base	Stier
Software	2.50%	5.00%	7.50%
IaaS	2.00%	4.00%	6.00%
Identiteit	5.00%	10.00%	15.00%
Veiligheid	2.50%	5.00%	7.50%
Crypto AI-inkomsten ($miljard)	Beer	Base	Bull
Software	$0.22	$6.27	$31.85
IaaS	$0.07	$1.90	$9.63
Identiteit	$0.03	$0.88	$4.46
Veiligheid	$0.04	$1.12	$5.67
Totale AI-crypto-inkomsten 2030	$0.36	$10.17	$51.62

Bronnen: Morgan Stanley, Bloomberg Intelligence, VanEck Research per 29-01-2024. In het verleden behaalde resultaten bieden geen garantie voor toekomstige resultaten. De informatie, waarderingsscenario’s en koersdoelen die in deze blog worden gepresenteerd, zijn niet bedoeld als financieel advies of enige oproep tot actie, een aanbeveling om te kopen of verkopen, of als een projectie van hoe AI-bedrijven in de toekomst zullen presteren. De werkelijke toekomstige prestaties zijn onbekend en kunnen aanzienlijk verschillen van de hypothetische resultaten die hier worden weergegeven. Er kunnen risico's of andere factoren aanwezig zijn waarmee in de gepresenteerde scenario's geen rekening is gehouden en die het rendement kunnen belemmeren. Dit zijn uitsluitend de resultaten van een simulatie gebaseerd op ons onderzoek en dienen uitsluitend ter illustratie. Voer uw eigen onderzoek uit en trek uw eigen conclusies.

Om de markt voor crypto AI te voorspellen, schatten we eerst de totale beschikbare markt (Total Addressable Market, TAM) van de commerciële productiviteitswinst die mogelijk wordt gemaakt door AI en onze baseline voor dit cijfer is afgeleid van de McKinsey-aannames voor 2022. Vervolgens passen we economische en productiviteitsgroei toe op de cijfers van McKinsey om te komen tot een basisscenario, jaar 2030 TAM van $ 5,85T. In dit basisscenario gaan we ervan uit dat de productiviteitswinst op basis van AI 50% hoger is dan de bbp-groei en dat het bbp met 3% groeit. Vervolgens projecteren we de marktpenetratie van AI in mondiale bedrijven, 33% in het basisscenario, en passen we deze toe op onze initiële TAM om naar schatting $1,93 biljoen aan productiviteitswinst voor bedrijven uit AI te halen. Om tot de inkomsten van alle AI-bedrijven te komen, gaan we ervan uit dat 13% van deze productiviteitswinsten door AI-bedrijven wordt opgevangen (of door zakelijke consumenten wordt uitgegeven) als inkomsten. We schatten het percentage AI-inkomsten door het gemiddelde inkomstenaandeel van de arbeidskosten van S&P 500-bedrijven toe te passen en gaan ervan uit dat de AI-uitgaven vergelijkbaar zijn. In het volgende deel van onze analyse worden voorspellingen van de AI-waardestapelverdeling van Bloomberg Intelligence toegepast om tot schattingen te komen van de jaarlijkse inkomsten van elk AI-bedrijfscohort. Tenslotte passen we specifieke schattingen toe van het marktaandeel van crypto in elk van die AI-bedrijven om te komen tot elk geval en het uiteindelijke cijfer van elke markt.

We stellen ons een toekomst voor waarin gedecentraliseerde AI-modellen die zijn opgebouwd uit open source publieke repository's worden ingezet voor elk denkbaar gebruik. En in veel gevallen overtreffen deze open-source modellen gecentraliseerde AI-creaties. De basis van deze veronderstelling komt voort uit de aanname dat open-source community's hobbyisten en enthousiastelingen samenbrengen die op een unieke manier gemotiveerd zijn om dingen te verbeteren. We hebben al gezien hoe open-source internetprojecten traditionele bedrijven compleet omverwerpen. De beste voorbeelden van dit fenomeen zijn Wikipedia, dat effectief een einde maakt aan het model van commerciële encyclopedieën, en Twitter, dat nieuwsmediamodellen ontwricht. Deze open-sourcegemeenschappen slagen waar traditionele bedrijven falen, omdat open-sourcegroepen mensen coördineren en motiveren om waarde te bieden door een combinatie van sociale invloed, ideologie en groepseenheid. Kortom, deze open-sourcegemeenschappen zijn succesvol omdat hun leden erom geven.

De integratie van open-source AI-modellen met cryptostimulansen vergroot de invloed van deze opkomende communities en geeft ze de financiële mogelijkheden om de nodige infrastructuur te creëren om nieuwe deelnemers aan te trekken. Het toepassen van dit uitgangspunt op AI zal een fascinerende combinatie zijn van passie en financiële middelen. AI-modellen zullen worden getest in door crypto gestimuleerde competities, waardoor een landschap ontstaat waarin de evaluatie van modellen wordt gebenchmarkt. Binnen deze omgeving komen de meest effectieve modellen en evaluatiecriteria als overwinnaar naar voren, omdat de waarde van elk model expliciet wordt gekwantificeerd. Daarom verwachten we in ons basisscenario dat door blockchain geproduceerde AI-modellen 5% van alle inkomsten uit AI-software zullen vertegenwoordigen. Deze schatting omvat hardware, software, diensten, advertenties, gaming en meer, en weerspiegelt een transformatie van de manier waarop veel bedrijven werken. Van de totale inkomsten uit AI-software verwachten we dat dit ongeveer de helft van alle AI-inkomsten zal zijn, oftewel ongeveer $125,50 miljard. Het marktaandeel van 5% dat we verwachten voor open-source modellen komt dus overeen met $6,27 miljard aan inkomsten die gaan naar AI-modellen die ondersteund worden door crypto-tokens.

We voorspellen dat de totaal beschikbare markt voor de levering van reken- of AI-infrastructuur als een dienst voor finetuning, training en inferentie kan oplopen tot $47,44 miljard in 2030. Omdat AI door wijdverspreide toepassing een integraal onderdeel wordt van veel functies in de wereldeconomie, kan de levering van reken- en opslagcapaciteit worden gezien als een openbare nutsvoorziening, vergelijkbaar met elektriciteitsopwekking en -distributie. In deze dynamiek zal het overgrote deel van de ‘basisbelasting’ afkomstig zijn van GPU-cloud-hyperscalers zoals Amazon en Google, en hun marktaandeel zal een Pareto-verdeling van 80% benaderen. We zien back-end serverinfrastructuur met een blockchaintoewijzing die tegemoetkomt aan gespecialiseerde behoeften en fungeert als een "piekaanbieder" tijdens een hoge netwerkvraag. Voor producenten van AI-modellen op maat bieden aanbieders van crypto-opslag en rekenkracht voordelen zoals dienstverlening op aanvraag, kortere SLA lock-in periodes, meer aangepaste rekenomgevingen en een grotere gevoeligheid voor latentie. Bovendien kunnen gedecentraliseerde GPU's naadloos integreren met gedecentraliseerde AI-modellen binnen smart contracts, waardoor gebruikssituaties zonder toestemming mogelijk worden waarbij AI-agents hun eigen rekenbehoeften schalen. Als we door blockchain geleverde GPU’s beschouwen als het Uber/Lyft-equivalent van AI-rekeninfrastructuur, stellen we dat door blockchain geleverde reken- en opslagcapaciteit 20% van de niet-Hyperscaler-markt voor AI-infrastructuur zal veroveren, wat in 2030 potentieel een omzet van 1,90 miljard dollar zal opleveren.

Het definiëren van "identiteit" in de context van AI-agents en -modellen door middel van bewijsbare on-chain menselijkheid kan worden gezien als een Sybil-verdedigingsmechanisme voor de computernetwerken wereldwijd. We kunnen de kosten van deze dienst schatten door de kosten te onderzoeken die gepaard gaan met het verdedigen van verschillende blockchain-netwerken. In 2023 bedroegen deze kosten voor Bitcoin, Ethereum en Solana respectievelijk ongeveer 1,71%, 4,3% en 5,57% van de waarde van elk netwerk in inflatie-uitgifte. Conservatief kunnen we concluderen dat identiteit ongeveer 3,5% van de AI-markt zou moeten uitmaken. Gegeven een TAM van $125,5 miljard voor AI-software, komt dit overeen met $8,78 miljard aan jaarlijkse omzet. Omdat we geloven dat crypto een optimale oplossing biedt voor identiteitskwesties, denken we dat het een marktaandeel van 10% in deze eindmarkt zal hebben, wat een jaarlijkse omzet van ongeveer $ 878 miljoen oplevert.

AI-veiligheid staat op het punt om een andere belangrijke component van AI-apparaten te worden, met een fundamentele vereiste om te verifiëren of het juiste model wordt uitgevoerd met behulp van niet-corrupte, relevante, actuele gegevens. Naarmate AI zich uitbreidt naar toepassingen waarbij mensenlevens in gevaar zijn, zoals zelfrijdende auto's, fabrieksrobotica en gezondheidszorgsystemen, wordt de tolerantie voor mislukkingen minimaal. De behoefte aan verantwoordelijkheid bij ongevallen zal een verzekeringsmarkt aandrijven die om concreet bewijs van veiligheid vraagt. Openbare blockchains zijn ideaal om deze functie te vervullen, omdat ze ‘veiligheidsbewijzen’ kunnen plaatsen op onveranderlijke grootboeken die iedereen kan zien. Deze activiteiten zijn vergelijkbaar met naleving voor financiële instellingen. Gezien het feit dat Amerikaanse commerciële en investeringsbanken $ 660 miljard aan inkomsten genereren en $58,75 miljard uitgeven aan nalevingskosten (8,9% van de inkomsten), voorspellen we dat AI-veiligheid goed is voor ongeveer $22,34 miljard van de totaal beschikbare markt van $251 miljard van AI. Ondanks het potentieel van crypto om de veiligheid van AI te vergroten, denken wij, gezien de focus van de Amerikaanse overheid op AI, dat het grootste deel van de naleving van AI gecentraliseerd zal zijn. Als zodanig schatten we dat crypto ongeveer 5% van die markt of ongeveer $1,12 miljard zal uitmaken.

Gedecentraliseerde computerbronnen organiseren

Crypto kan zijn aanzienlijke sociale en financiële coördinatievoordelen toepassen op de democratisering van de toegang tot rekenkracht, waardoor de huidige pijnpunten van AI-ontwikkelaars worden aangepakt. Naast de hoge kosten en de beperkte toegang tot hoogwaardige GPU’s worden AI-modelbouwers momenteel geconfronteerd met andere knagende problemen. Deze omvatten leveranciersafhankelijkheid, gebrek aan beveiliging, beperkte beschikbaarheid van rekenkracht, slechte latentie en geofencing vanwege nationale wetgeving.

Het vermogen van crypto om de honger van AI naar GPU's te stillen, komt van het vermogen van crypto om middelen samen te brengen door middel van tokenstimulansen. De $850 miljard aan tokenwaarde en $20 miljard aan aandelenwaarde van het Bitcoin-netwerk tonen dit vermogen aan. Als zodanig is er potentieel voor zowel de huidige Bitcoin-miners als veelbelovende gedecentraliseerde GPU-marktplaatsen om substantiële waarde toe te voegen aan AI door gedecentraliseerde rekenkracht te leveren.

Een nuttige analogie voor het begrijpen van de levering van GPU's via blockchain is de sector voor elektriciteitsopwekking. Ter vereenvoudiging: er zijn entiteiten die grote, dure centrales exploiteren die gestaag stroom opwekken om aan de meeste eisen van het elektriciteitsnet te voldoen. Deze "basislast"-centrales kennen een consistente vraag, maar vergen aanzienlijke kapitaalinvesteringen voor de bouw, wat resulteert in een relatief laag maar gegarandeerd rendement op kapitaal. Als aanvulling op de basisbelasting is er een andere categorie die bekend staat als "piekstroom"-generatoren. Deze bedrijven leveren stroom wanneer de vraag naar elektriciteit de mogelijkheden van basislastopwekking overschrijdt. Het gaat hierbij om dure, kleinschalige energieproductie die strategisch dicht bij de vraag naar die energie is gepositioneerd. We verwachten dat een vergelijkbare dynamiek zich zal ontvouwen op het gebied van 'compute-on-demand'.

Diversificatie van Bitcoin-miners naar AI

Bitcoin en andere proof-of-work cryptocurrencies delen met AI een grote behoefte aan energie. Deze energie moet worden opgewekt, gewonnen, getransporteerd en afgebroken tot bruikbare elektriciteit om mining rigs en rekenclusters van stroom te voorzien. Deze toeleveringsketen vereist substantiële investeringen van miners in energiecentrales, elektriciteitsaankoopovereenkomsten, netwerkinfrastructuur en datacentervoorzieningen. De monetaire stimulansen die voortvloeien uit het minen van PoW-cryptocurrencies hebben geleid tot de opkomst van vele wereldwijd verspreide bitcoinminers die energie- en elektriciteitsrechten en een geïntegreerde netwerkarchitectuur bezitten. Veel van deze energie is afkomstig uit goedkopere, maatschappelijk gemeden koolstofintensieve bronnen. Als zodanig is de meest overtuigende waardepropositie die bitcoin-miners kunnen bieden een goedkopere energie-infrastructuur om de AI-backend-infrastructuur aan te drijven.

Aanbieders van hyperscale rekenkracht zoals AWS en Microsoft hebben een strategie gevolgd van investeren in verticaal geïntegreerde activiteiten, en ze hebben hun eigen energie-ecosystemen ontwikkeld. Big Tech is stroomopwaarts gegaan en ontwikkelt zijn eigen producten en wint zijn eigen energie, grotendeels uit hernieuwbare bronnen. Datacenters verbruiken nu tweederde van de hernieuwbare energie die beschikbaar is voor bedrijven in de VS. Microsoft en Amazon hebben zich beide gecommitteerd aan een 100% hernieuwbare energievoorziening in 2025. Als de verwachte computerbehoeften echter de verwachtingen overtreffen, zoals sommigen suggereren, zal de elektriciteitsbehoefte van Op AI gerichte datacenters kunnen tegen 2027 verdubbelen, waarbij de CAPEX de huidige schattingen zou kunnen verdrievoudigen. Big Tech betaalt nu al $ 0,06-0,10/kWh voor elektriciteit, veel duurder dan wat concurrerende Bitcoinminers over het algemeen betalen ($ 0,03-0,05kWh). Als de vraag naar energie uit AI de huidige infrastructuurplannen van Big Tech overtreft, zou het elektriciteitskostenvoordeel van de Bitcoin-miner ten opzichte van de Hyperscalers aanzienlijk kunnen toenemen. Miners voelen zich steeds meer aangetrokken tot AI-bedrijven met een hogere marge die verband houden met GPU-voorziening. Hive meldde met name in oktober dat zijn HPC- en AI-activiteiten 15x meer inkomsten genereren dan Bitcoinmining per megawatt. Andere Bitcoin-miners die de AI-kans benutten zijn Hut 8 en Applied Digital.

Bitcoin-miners hebben groei ervaren in deze nieuwe markt, wat heeft geholpen de inkomsten te diversifiëren en de winstrapporten te versterken. In de analistenoproep van Hut 8 voor het derde kwartaal van 2023 verklaarde CEO Jaime Leverton: "In onze HPC-activiteiten hebben we in het derde kwartaal een momentum gecreëerd met nieuwe klanten en groei bij bestaande klanten. Vorige week hebben we onze on-demand cloudservice gelanceerd voor klanten die op zoek zijn naar HPC-services van onze GPU's met op Kubernetes gebaseerde applicaties die kunstmatige intelligentie, machine learning, visuele effecten en renderingworkloads kunnen ondersteunen. Deze service legt de controle in handen van onze klanten en reduceert de provisioningtijd van dagen naar minuten, wat vooral aantrekkelijk is voor diegenen die op zoek zijn naar HPC-projecten op kortere termijn. Hut 8 behaalde $ 4,5 miljoen aan inkomsten uit zijn HPC-activiteiten in het derde kwartaal van 2023, wat neerkomt op meer dan 25% van de inkomsten van het bedrijf in deze periode. De stijgende vraag naar HPC-diensten en nieuwe aanbiedingen zouden moeten bijdragen aan de toekomstige groei van dit segment, en met de halvering van Bitcoin om de hoek, zouden de HPC-inkomsten binnenkort die van mining kunnen overtreffen, afhankelijk van de marktomstandigheden.

Hoewel hun activiteiten veelbelovend klinken, zouden bitcoinminers die overstappen op AI in de problemen kunnen komen door een gebrek aan vaardigheden in de bouw van datacenters of een onvermogen om de elektriciteitsvoorziening op te schalen. Deze miners worden mogelijk ook geconfronteerd met uitdagingen op het gebied van overheadkosten als gevolg van de kosten voor het inschakelen van een nieuwe datacentergerichte salesforce. Bovendien hebben de huidige miningactiviteiten geen uitgebreide netwerklatentie of bandbreedte omdat hun optimalisatie voor goedkope energie ervoor zorgt dat ze zich op afgelegen plaatsen bevinden, vaak zonder een snelle glasvezelverbinding.

Implementatie van een gedecentraliseerde cloud voor AI

We zien ook een long tail van op rekenkracht gerichte cryptoprojecten die een klein maar substantieel deel van de AI-servermarkt zullen veroveren. Deze entiteiten zullen clusters van rekenkracht buiten hyperscalers coördineren om een waardepropositie te leveren die is afgestemd op de behoeften van beginnende AI-ontwikkelaars. De voordelen van gedecentraliseerd computergebruik zijn onder meer aanpasbaarheid, open toegang en betere contractvoorwaarden. Deze op blockchain gebaseerde rekenbedrijven bieden kleine AI-spelers de kans om de aanzienlijke kosten en de algemene onbeschikbaarheid van geavanceerde GPU's zoals H100's en A100's te vermijden. Crypto AI-ondernemingen zullen aan de vraag voldoen door een netwerk van fysieke infrastructuur te creëren dat is opgebouwd rond crypto-tokenstimulansen, terwijl ze een eigen IP aanbieden die de software-infrastructuur creëert om het gebruik van de rekenkracht voor AI-toepassingen te optimaliseren. Blockchain-rekenprojecten zullen naast crypto-beloningen een marktbenadering hanteren om goedkopere rekenkracht van onafhankelijke datacenters, entiteiten met overtollige rekenkracht en voormalige PoW-miners te ontdekken. Een paar projecten die gedecentraliseerde rekenkracht voor AI-modellen bieden, zijn Akash, Render en io.net.

Dagelijkse opbrengst Akash

Dagelijkse inkomsten van Akash. Bron: Cloudmos per 30-01-2024. Resultaten uit het verleden vormen geen garantie voor toekomstige resultaten.

Akash, een op Cosmos gebaseerd project, kan worden beschouwd als een gedecentraliseerde "Supercloud" voor algemeen gebruik die CPU, GPU, geheugen en opslag biedt. In feite is het een tweezijdige marktplaats die gebruikers van clouddiensten verbindt met degenen die deze leveren. De software van Akash is ontworpen om het aanbod van rekenkracht af te stemmen op de vraag en tegelijkertijd de hulpmiddelen te ontwikkelen om het trainen, finetunen en uitvoeren van AI-modellen te vergemakkelijken. Akash zorgt er ook voor dat zowel kopers als verkopers op de markt eerlijk aan hun verplichtingen voldoen. Akash wordt gecoördineerd via zijn $AKT-tokens, die kunnen worden gebruikt om met korting voor clouddiensten te betalen. $AKT wordt ook uitgegeven als een stimulans voor aanbieders van GPU-rekenkracht en andere netwerkdeelnemers. Aan de aanbodzijde heeft Akash grote vooruitgang geboekt door leveranciers van rekenkracht toe te voegen: er zijn nu 65 verschillende leveranciers op de marktplaats van Akash. Hoewel er weinig vraag was naar rekenkracht tot de AI Supercloud van Akash debuteerde op 31 augustus 2023, hebben kopers van rekenkracht na de lanceringsdatum $138.000 uitgegeven.

Render, dat onlangs migreerde naar Solana, was aanvankelijk gericht op het verbinden van artiesten met gedecentraliseerde groepen die GPU-kracht zouden leveren om afbeeldingen en video's te renderen. Render is echter begonnen zijn gedecentraliseerde GPU-vloot te richten op het bevredigen van machine-learning-workloads ter ondersteuning van deep-learning-modellen. Door het netwerkverbeteringsvoorstel RNP-004 heeft Render nu een API om externe netwerken zoals io.net te verbinden die gebruik zullen maken van Render's netwerk van GPU's voor machine learning. Latere voorstellen van de Render-community werden aangenomen om de GPU's via Beam en FEDML toegankelijk te maken voor taken op het gebied van machine learning. Als zodanig is Render een gedecentraliseerde facilitator van GPU-workloads geworden, gecoördineerd door $RNDR-betalingen aan providers en $RNDR-stimulansen aan entiteiten die de backend-infrastructuur van het netwerk beheren.

Io.net GPU-prijsvergelijking. Bron: per 1-4-2024.

Een ander interessant project dat zich op Solana bevindt en beschouwd wordt als een gedecentraliseerd fysiek infrastructuurnetwerk (Decentralized Physical Infrastructure Network, DePIN), is io.net. Het doel van io.net is ook het leveren van GPU's, maar de focus ligt uitsluitend op het toepassen van GPU's om AI-modellen aan te drijven. Io.net voegt naast het simpelweg coördineren van rekenkracht meer diensten toe aan zijn kernstack. Het systeem beweert dat het alle componenten van AI aankan, zoals creatie, gebruik en finetuning, om AI-workloads in het netwerk op de juiste manier te faciliteren en problemen op te lossen. Het project maakt ook gebruik van andere gedecentraliseerde GPU-netwerken zoals Render en Filecoin en eigen GPU's. Hoewel io.net momenteel geen token heeft, staat er een gepland voor lancering in het eerste kwartaal van 2024.

Knelpunten van gedecentraliseerd computergebruik oplossen

Het gebruik van deze gedistribueerde rekenkracht blijft echter een uitdaging vanwege de netwerkvereisten die worden opgelegd door de typische 633TB+ aan gegevens die nodig zijn om deep learning-modellen te trainen. Computersystemen die geografisch verspreid zijn over de hele wereld vormen ook nieuwe obstakels voor het parallel uitvoeren van modeltraining vanwege de latenties en verschillen in rekencapaciteit. Eén bedrijf dat de markt voor open source-basismodellen met verve aanvalt, is Together, dat een gedecentraliseerde cloud bouwt voor het hosten van open-source kunstmatige-intelligentiemodellen. Together zal onderzoekers, ontwikkelaars en bedrijven de mogelijkheid bieden om kunstmatige intelligentie te gebruiken en te verbeteren met een intuïtief platform dat gegevens, modellen en berekeningen combineert, waardoor AI toegankelijker wordt en de volgende generatie technologiebedrijven meer mogelijkheden krijgt. In samenwerking met toonaangevende academische onderzoeksinstellingen heeft Together de Together Research Computer gebouwd, waardoor laboratoria hun computers kunnen bundelen voor AI-onderzoek. Het bedrijf heeft ook samengewerkt met het Stanford Research Center for Research on Foundational Models (CRFM) om de Holistic Evaluation of Language Models (HELM) te creëren. HELM is een ‘levende benchmark’ die tot doel heeft de transparantie van AI te verbeteren door een gestandaardiseerd raamwerk te bieden voor het evalueren van dergelijke basismodellen.

Sinds de oprichting van Together heeft oprichter Vipul Ved Prakash het voortouw genomen bij de lancering van verschillende projecten, waaronder 1) GPT-JT, een open LLM met een 6B-parametermodel getraind over <1gbps link, 2) openchatkit, een krachtige, open-source basis om zowel gespecialiseerde als algemene chatbots te ontwikkelen, en 3) redpajama, een project om vooraanstaande open-source modellen te creëren, met als doel dat het een basis wordt voor onderzoek en commerciële toepassingen. het together-platform is een basismodel dat bestaat uit open modellen op commodity-hardware, een gedecentraliseerde cloud en een uitgebreide ontwikkelaarscloud, waarin verschillende rekenbronnen worden samengevoegd. deze bronnen omvatten consumentenminers, crypto mining farms, t2-t4-cloudaanbieders en academische rekenkracht.>

HELM (RAFT)-score

GPT-JT-prestaties. Bron: per 1-4-2024.

Wij geloven dat gedecentraliseerde en gedemocratiseerde cloudrekenoplossingen zoals Together de kosten voor het ontwikkelen van nieuwe modellen aanzienlijk kunnen verlagen, waardoor gevestigde reuzen zoals Amazon Web Services, Google Cloud en Azure mogelijk worden ontwricht en beconcurreerd. Ter context: Together kan prijzen bieden die ongeveer vier keer lager zijn dan die van AWS, waarbij AWS Capacity Blocks en AWS p5.48xlarge-instanties worden vergeleken met Together GPU-clusters die zijn geconfigureerd met een gelijk aantal H100 SXM5 GPU's.

Naarmate open LLM's steeds nauwkeuriger worden en dus op grotere schaal worden toegepast, zou Together de industriestandaard kunnen worden voor open-sourcemodellen, vergelijkbaar met Red Hat voor Linux. Concurrenten op dit gebied zijn onder meer Stability A en HuggingFace als modelaanbieders en Gensyn en Coreweave als AI-cloudaanbieders.

Verbetering van AI-modellen via crypto-incentives

Blockchains en cryptoprikkels bewijzen dat netwerkeffecten en beloningen die verband houden met de omvang van dat netwerkeffect mensen ertoe aanzetten nuttig werk te verrichten. In de context van bitcoinmining is die taak het beveiligen van het Bitcoinnetwerk door gebruik te maken van dure elektriciteitsbanken, technische arbeidskrachten en ASIC-machines. Dit samenspel van economische middelen vormt een verdedigingsmechanisme tegen Sybil-aanvallen, waardoor economische aanvallen op Bitcoin worden voorkomen. In ruil daarvoor ontvangen de miners die deze bronnen orkestreren $BTC. Het potentieel voor nuttig werk voor AI is echter veel groter en sommige projecten zetten AI- en machine-learningmodellen al aan tot verbetering.

Het meest oorspronkelijke van deze projecten is Numerai. Momenteel kan Numerai worden beschouwd als een gedecentraliseerd datawetenschapstoernooi om de beste machine learning-modellen te identificeren die het financiële rendement optimaliseren door een aandelenportefeuille op te bouwen. In elk tijdperk krijgen anonieme Numerai-deelnemers toegang tot gemaskeerde ruwe gegevens en wordt hen gevraagd om deze gegevens te gebruiken om de best presterende aandelenportefeuille samen te stellen. Om deel te nemen, worden gebruikers niet alleen gevraagd om voorspellingen in te dienen, maar worden ze ook gedwongen om NMR-tokens achter de voorspellingen van hun modellen te plaatsen om de waarde van die modellen te bevestigen. Andere gebruikers mogen ook tokens inzetten op de modellen waarvan zij denken dat deze het beste zullen presteren. De uitkomsten van elk model dat wordt ingezet en ingediend, worden vervolgens ingevoerd in een algoritme voor machine learning om een metamodel te creëren dat de investeringsbeslissingen van het Numerai One-hedgefonds ondersteunt. Gebruikers die de "gevolgtrekkingen" met de beste informatiecoëfficiënten of effectiviteit indienen, worden beloond met NMR-tokens. Tegelijkertijd worden de tokens van degenen die de slechtste modellen hebben ingezet verwijderd (in beslag genomen en opnieuw gebruikt voor beloningen aan winnaars).

Subnetten en toepassing op Bittensor. Bron: per 1-2-2024.

Een soortgelijk project dat de kernconcepten van Numerai enorm uitbreidt, is Bittensor. Bittensor kan worden gezien als de "Bitcoin voor machine-intelligentie", omdat het een netwerk is dat economische stimulansen levert voor AI/ML-modellen. Dit wordt bereikt door entiteiten die 'miners' worden genoemd, die AI-modellen bouwen, en 'validators', die de kwaliteit van de resultaten van die modellen beoordelen. De architectuur van Bittensor is die van een basisnetwerk en vele kleinere subnetwerken (Subnets). Elk subnetwerk richt zich op een ander domein van machine-intelligentie. Miners op deze subnetten worden door validators ondervraagd met verschillende vragen of verzoeken om de kwaliteit van hun AI-modellen te beoordelen.

De best presterende modellen ontvangen de hoogste beloning van TAO-tokens, terwijl de validators worden gecompenseerd voor accurate beoordelingen van de miners. Op een hoger niveau moeten zowel validators als miners tokens inzetten om deel te nemen aan elk subnet, en de proportie van de totale inzet van elk subnet bepaalt hoeveel TAO-tokens het ontvangt van de totale Bittensor-inflatie. Zo heeft elke miner niet alleen een stimulans om het model te optimaliseren om de meeste beloningen te winnen, maar ook om het model te richten op het beste subnet van het AI-domein. Omdat miners en validators middelen moeten aanhouden om deel te kunnen nemen, moet bovendien elk van hen de drempels voor kapitaalkosten overschrijden, anders vallen ze uit het systeem.

Vanaf januari 2024 waren er 32 verschillende subnetten, elk gewijd aan een specifiek domein van machine learning of AI. Subnet 1 is bijvoorbeeld een LLM op basis van tekstprompts, ongeveer zoals ChatGPT. Op dit subnet gebruiken de miners verschillende aangepaste versies van LLM's om zo goed mogelijk te reageren op aanwijzingen van validators die de kwaliteit van de reacties beoordelen. Op Subnet 8, genaamd Taoshi, dienen miners kortetermijnvoorspellingen in voor de prijs van bitcoin en verschillende financiële activa. Bittensor heeft ook subnetten voor vertaling van menselijke taal, opslag, audio, webscrapen, machinevertaling en het genereren van afbeeldingen. Subnetten aanmaken kan zonder toestemming en iedereen met 200 TAO kan een subnet aanmaken. Subnetexploitanten zijn verantwoordelijk voor het creëren van beoordelings- en beloningsmechanismen voor de activiteit van elk subnet. Opentensor, de stichting achter Bittensor, beheert bijvoorbeeld Subnet 1 en heeft onlangs in samenwerking met Cerebras een model uitgebracht om de LLM-outputs van de miners op dat subnet te beoordelen.

Hoewel deze subnetten aanvankelijk allemaal volledig worden gesubsidieerd door de inflatiebeloningen, zal elk subnet zichzelf uiteindelijk economisch moeten onderhouden. Als zodanig moeten subnetoperatoren en validators samenwerken om tools te creëren waarmee externe gebruikers kunnen betalen voor toegang tot de diensten van elk subnet. Naarmate de inflatoire TAO-beloningen afnemen, zal elk subnet steeds afhankelijker worden van externe inkomsten om zichzelf te onderhouden. In deze competitieve omgeving is er directe economische druk om de beste modellen te creëren en zijn er prikkels voor anderen om winstgevende toepassingen voor die modellen in de echte wereld te creëren. Bittensor benut het potentieel van AI door kleine onafhankelijke ondernemingen te gebruiken om AI-modellen te identificeren en om er geld mee te verdienen. Zoals de bekende Bittensor-evangelist MogMachine het stelt, kan deze dynamiek worden gezien als ‘Darwiniaanse concurrentie om AI’.

Een andere interessante groep projecten is er een die crypto gebruikt om de creatie van AI-agents te stimuleren die geprogrammeerd zijn om autonoom taken uit te voeren namens mensen of andere computerprogramma's. Deze entiteiten zijn in wezen adaptieve computerprogramma's gericht op het oplossen van specifieke problemen. Agenten is een allesomvattende term voor chatbots, geautomatiseerde handelsstrategieën, gamekarakters en zelfs metaverse assistenten. Een opmerkelijk project op dit gebied is Altered State Machine, een platform voor het creëren van AI-agents die eigendom zijn van, worden aangedreven en getraind met behulp van NFT's. In Altered State Machine creëren gebruikers hun "agenten" en "trainen" ze deze vervolgens met behulp van gedecentraliseerde GPU-clusters. Deze agenten zijn geoptimaliseerd voor specifieke gebruiksscenario's. Een ander project, Fetch.ai, is een platform voor het maken van agents die zijn aangepast aan de behoeften van elke gebruiker. Fetch.ai is ook een SaaS-bedrijf dat de registratie en lease of verkoop van agenten mogelijk maakt.

Rendementen van AI-tokens sinds 1-1-2023

Bron: XYZ per 01-10-2024. Resultaten uit het verleden vormen geen garantie voor toekomstige resultaten.

Verifiëren via Zero-Knowledge (zk)-bewijzen

2023 was een topjaar voor nieuwe AI-modellen met de onthulling van ChatGPT van OpenAI, LLAMA-2 van Meta en BERT van Google. Vanwege de mogelijkheden van deep learning zijn er vanaf juni 2023 meer dan 18.563 AI-gerelateerde start-ups in de Verenigde Staten. Deze en andere start-ups hebben duizenden nieuwe basis- en gefinetunede modellen geproduceerd. De wildgroei van veel nieuwe entiteiten in een omgeving waar 1 op de 4 durfkapitaalinvesteringen in AI-gerelateerde bedrijven wordt gedaan, zou echter ernstige zorgen moeten baren.

• Wie heeft elk model eigenlijk gemaakt en is eigenaar?
• Is de output daadwerkelijk geproduceerd met het opgegeven model?
• Is het model daadwerkelijk zo effectief als wordt geadverteerd?
• Wat was de gegevensbron voor elk model en wie is de eigenaar van die gegevens?
• Hebben training, finetuning en/of inferentie inbreuk gemaakt op auteurs- of datarechten?

Zowel investeerders als gebruikers van deze modellen moeten er 100% zeker van zijn dat ze deze vragen kunnen beantwoorden. Momenteel bestaan er veel benchmarktests voor verschillende onderdelen van LLM-uitvoer, zoals HumanEval voor codegeneratie, Chatbot Arena voor LLM-assistentietaken en ARC Benchmark voor LLM-redeneervermogen. Ondanks pogingen tot transparantie van modellen, zoals Hugging Face's Open LLM Leaderbord, is er echter geen concreet bewijs van de effectiviteit van een model, de uiteindelijke herkomst of de bron van de trainings-/inferentiegegevens. Niet alleen kan er met benchmarks gesjoemeld worden, maar er is ook geen zekerheid dat een specifiek model daadwerkelijk werd uitgevoerd (in tegenstelling tot het gebruik van een API die verbinding maakt met een ander model). Bovendien is er geen zekerheid dat de leaderboards zelf eerlijk zijn.

Hierin ligt de eenwording van publieke blockchains, AI en een baanbrekend wiskundegebied dat zero-knowledge (zk) proofs wordt genoemd. zk-proofs zijn een toepassing van cryptografie waarmee iemand met wiskundige zekerheid tot een gewenst niveau kan bewijzen dat een uitspraak over gegevens correct is, zonder de onderliggende gegevens aan iemand prijs te geven. Verklaringen kunnen eenvoudige declaraties zijn zoals ranglijsten, maar kunnen ook worden uitgebreid tot complexe wiskundige berekeningen. Iemand kan bijvoorbeeld niet alleen bewijzen dat hij of zij de relatieve rijkdom van een steekproef van individuen kent zonder die rijkdom aan een andere partij bekend te maken, maar hij of zij kan ook de juiste berekening van het gemiddelde en de standaarddeviatie van de groep bewijzen. In wezen kunt u bewijzen dat u gegevens kent en/of dat u met behulp van die gegevens waarheidsgetrouwe beweringen hebt gedaan, zonder de details van die gegevens te onthullen of hoe u die berekening hebt gemaakt. Buiten AI worden zk proofs al toegepast om Ethereum op te schalen, waardoor transacties off-chain kunnen plaatsvinden op layer-2 blockchains. Onlangs zijn zk-bewijzen toegepast op deep learning-modellen om te bewijzen:

• Er werden specifieke gegevens gebruikt om een model te genereren of een inferentie-output te leveren (ook welke data/bronnen niet werden gebruikt)
• Er werd een bepaald model gebruikt om een inferentie te genereren
• Er is niet geknoeid met de inferentie-uitvoer

Zk proofs kunnen op de openbare, permanente blockchains worden gepost en geverifieerd door smart contracts. Het resultaat is dat blockchains publiekelijk en onweerlegbaar belangrijke eigenschappen van AI-modellen kunnen bewijzen. Twee baanbrekende projecten die ZK toepassen op AI worden "Zero-Knowledge Machine Learning" (ZKML) genoemd, zijn en . EZKL gebruikt het proofsysteem om zk-snarks te genereren, een soort zero-knowledge proof, die vervolgens publiekelijk geverifieerd kunnen worden op de EVM van Ethereum. Hoewel de modelgroottes die EZKL momenteel kan bewijzen relatief klein zijn, ongeveer 100 miljoen parameters vergeleken met 175 miljard voor ChatGPT 4, gelooft de CEO van EZKL dat ze naar een "technisch probleem" kijken in plaats van naar een kwestie van "technologische beperkingen". EZKL gelooft dat ze bewijsproblemen kunnen oplossen door proofs parallel uit te voeren om geheugenbeperkingen en rekentijd te verminderen. Jason Morton gelooft zelfs dat het verifiëren van een model op een dag net zo eenvoudig zal zijn als het ondertekenen van een blockchain-transactie.

De toepassing van ZKML-bewijzen op AI kan belangrijke pijnpunten van de AI-implementatie oplossen, waaronder auteursrechtkwesties en AI-veiligheid. Zoals de recente rechtszaak van de New York Times tegen Open AI en Microsoft aantoont, zal de auteursrechtwetgeving worden toegepast op data-eigendom, en zullen AI-projecten onder druk worden gezet om bewijs te leveren van hun databronnen. ZKML-technologie kan worden ingezet om rechtszaalgeschillen over modellen en gegevenseigendom snel te beslechten. Een van de beste toepassingen van ZKML is om data-/modelmarktplaatsen zoals Ocean Protocol en SingularityNet in staat te stellen de authenticiteit en effectiviteit van hun vermeldingen te bewijzen.

AI-modellen zullen zich uiteindelijk verspreiden naar domeinen waar zekerheid over nauwkeurigheid en veiligheid van het allergrootste belang zal zijn. Er wordt geschat dat er in 2027 5,8 miljard AI-edge-apparaten zullen zijn, en deze zouden potentieel zware machines, robotica en autonome drones en voertuigen kunnen omvatten. Omdat machine-intelligentie wordt toegepast op dingen die mensen kunnen kwetsen en doden, zal het belangrijk zijn om te bewijzen dat er een gerenommeerd model op dat apparaat is uitgevoerd met behulp van hoogwaardige gegevens uit een betrouwbare bron. Hoewel het ontwikkelen en posten van continue live bewijzen van deze randapparaten naar de blockchain waarschijnlijk een economische en technische uitdaging zal zijn, kan het certificeren van de modellen bij activering of het periodiek posten naar de blockchain haalbaarder zijn. Zupass, dat afkomstig is van de 0xPARC Foundation, heeft echter al primitieve bewijzen ontwikkeld die zijn afgeleid van "Proof Carrying Data" waarmee op goedkope wijze bewijzen kunnen worden opgesteld van feiten die voorkomen op randapparaten. Momenteel heeft dit betrekking op het bijwonen van evenementen, maar je zou kunnen verwachten dat dit binnenkort zal migreren naar andere gebieden, zoals identiteit of zelfs gezondheidszorg.

Hoe goed is het AI-model van uw robotchirurg?

Robotondersteunde chirurgie. Bron: per 30-01-2024.

Vanuit het standpunt van bedrijven die aansprakelijk kunnen worden gesteld door defecte apparaten, lijkt het ideaal om verifieerbaar bewijs te hebben dat hun model niet de oorzaak is van een kostbaar ongeluk. Vanuit verzekeringsoogpunt kan het verifiëren en bewijzen van het gebruik van betrouwbare modellen die zijn getraind op basis van realistische gegevens financieel noodzakelijk worden. Op dezelfde manier kan in een wereld van AI-deepfakes het gebruik van door de blockchain geverifieerde en goedgekeurde camera's, telefoons en computers om verschillende acties uit te voeren de norm worden. Natuurlijk moeten bewijzen van authenticiteit en nauwkeurigheid van deze apparaten worden geplaatst op openbare, open-source logboeken die geknoei en fraude verhinderen.

Ondanks de enorme belofte van deze bewijzen, worden ze momenteel beperkt door de gaskosten en de rekenkundige overhead. Tegen de huidige ETH-prijzen kost het indienen van een bewijs op de chain ongeveer 300-500k gas (~$ 35-$ 58 tegen de huidige ETH-prijzen). Vanuit een rekenkundig standpunt schat Sreeram Kennan van Eigenlayer dat "het bewijzen van berekeningen die $ 50 kosten om op AWS uit te voeren ~1.000.000 x meer zouden kosten met de huidige ZK-bewijstechnologie." Het gevolg is dat zk proofs, die aanzienlijk sneller zijn geëvolueerd dan iemand een paar jaar geleden had gedacht, nog een lange weg te gaan hebben voordat er praktische toepassingen mogelijk zijn. Stel dat je nieuwsgierig bent naar de toepassing van ZKML. In dit geval kunnen ze deelnemen aan een gedecentraliseerde zangwedstrijd die wordt beoordeeld door een goedgekeurd on-chain, smart contract-model, waarbij hun resultaten voor eeuwig worden geüpload naar de blockchain.

Menselijkheid vestigen met een op blockchain gebaseerde identiteit

Een waarschijnlijk gevolg van wijdverspreide, geavanceerde machine-intelligentie is dat autonome agents de meest productieve gebruikers van het internet zullen worden. Er is een aanzienlijke kans dat de inzet van AI-agents zal leiden tot verstoringen op het internet door doelbewuste, door bots gegenereerde spam en zelfs onschadelijke taakgebaseerde agenten die netwerken verstoppen ("Get Rid of Junk Mail"). Solana zag 100 gigabit aan dataverkeer per seconde toen bots streden om misschien $100.000 aan arbitragemogelijkheden. Stel u de stortvloed aan webverkeer voor die op gang zal komen wanneer AI-agents miljoenen websites van bedrijven kunnen afpersen voor miljarden dollars. Dit wijst op een toekomstig internet met beperkingen voor niet-menselijk verkeer. Een van de beste manieren om dit soort aanvallen te beperken, is door economische belastingen te heffen op het overmatig gebruik van slecht geprijsde bronnen. Maar hoe bepalen we het optimale kader voor spammeldingen en hoe bepalen we menselijkheid?

Gelukkig is er al een ingebouwde verdediging die door blockchains wordt gebruikt om Sybil-aanvallen in AI-botstijl te voorkomen. De combinatie van het meten van niet-menselijke gebruikers en het heffen van een tol voor niet-menselijk gebruik zou een ideale implementatie zijn naast het licht belasten van berekeningen, zoals hashcash, wat bots zou kunnen afremmen. Met betrekking tot bewijzen van menselijkheid hebben blockchains lang geworsteld met het overwinnen van anonimiteit om activiteiten te kunnen uitvoeren zoals leningen onder onderpand en andere op reputatie gebaseerde activiteiten.

Eén manier om identiteit aan te tonen is door gebruik te maken van JSON-webtokens (JWT's). JWT's zijn "0Auth"-gegevens, vergelijkbaar met "cookies", die worden aangemaakt wanneer u zich aanmeldt bij een website zoals Google. Hiermee kunt u uw Google-identiteit aantonen bij het bezoeken van verschillende websites op het internet terwijl u bent aangemeld bij Google. zKLogin, gemaakt door L1 blockchain Sui, stelt gebruikers in staat om hun privésleutels van wallets en acties te koppelen aan hun Google- of Facebook-account die JWT's genereren. zkP2P breidt dit concept verder uit door JWT's te gebruiken om gebruikers zonder toestemming fiat te laten uitwisselen voor crypto op de Base-blockchain. Dit wordt bereikt door peer-to-peer geldoverdrachten te bevestigen via de betalingsapp Venmo die, wanneer bevestigd via e-mail, JWT's, smart contract escrowed USDC-tokens ontgrendelen. Het gevolg van beide projecten is dat ze stevige verbindingen tot stand brengen met identiteiten buiten de keten. Terwijl zkLogin bijvoorbeeld walletadressen koppelt aan Google-identiteiten, is zkP2P alleen beschikbaar voor KYC-gebruikers van Venmo. Hoewel beide de robuuste garanties ontberen om ze betrouwbaar genoeg te maken voor een identiteit in de keten, creëren ze belangrijke bouwstenen die anderen kunnen gebruiken.

Hoewel veel projecten de menselijke identiteit van blockchain-gebruikers proberen te bevestigen, is Worldcoin het meest gedurfde, opgericht door Sam Altman, CEO van OpenAI. Al is het zeer controversieel omdat gebruikers hun irissen moeten scannen met de dystopische "Orb"-machine, gaat WorldCoin in de richting van een onveranderlijk systeem van identiteit dat niet gemakkelijk kan worden vervalst of overweldigd door machine-intelligentie. Dit komt omdat WorldCoin een gecodeerde identificatie creëert op basis van de unieke ‘vingerafdruk’ van ieder menselijk oog, die kan worden bemonsterd op uniekheid en authenticiteit. Eenmaal geverifieerd ontvangt de gebruiker een digitaal paspoort genaamd de World ID op de Optimism-blockchain, waardoor de gebruiker zijn menselijkheid op de blockchain kan bewijzen. Het belangrijkste is dat de unieke handtekening van een persoon nooit wordt onthuld en ook niet kan worden gevolgd omdat deze gecodeerd is. World ID bevestigt simpelweg dat een blockchainadres aan een mens toebehoort. Projecten zoals Checkmate koppelen World ID al aan sociale-mediaprofielen om ervoor te zorgen dat gebruikers uniek en authentiek zijn. In een toekomstig internet dat wordt gedomineerd door AI, kan het gemeengoed worden om de menselijkheid definitief te bewijzen in elke online interactie. Wanneer de beperkingen van Captcha's zijn overwonnen door AI, kunnen blockchaintoepassingen op een goedkope, snelle en concrete manier de identiteit bewijzen.

Bijdragen aan AI via Blockchain-technologie

Het lijdt geen twijfel dat de AI-revolutie nog in de kinderschoenen staat. Als het groeitraject van machine-intelligentie echter de stoutste voorspellingen zal evenaren, moet AI worden uitgedaagd om uit te blinken, terwijl het potentieel voor schade moet worden beteugeld. Wij geloven dat crypto de ideale structuur is om de weelderig vruchtbare, maar potentieel gevaarlijke AI-plant op de juiste manier te "trainen". De oplossingen van Blockchain voor AI kunnen de output van makers van machine-intelligentie vergroten door hen te voorzien van responsievere, flexibelere en potentieel goedkopere gedecentraliseerde rekenkracht. Het stimuleert ook ontwikkelaars die betere modellen kunnen maken, terwijl het een economische impuls geeft aan anderen om nuttige bedrijven op te zetten op basis van die AI-modellen. Net zo belangrijk is dat modeleigenaren de effectiviteit van hun modellen kunnen bewijzen en tegelijkertijd kunnen aantonen dat er geen gebruik is gemaakt van beschermde gegevensbronnen. Voor AI-gebruikers kunnen cryptotoepassingen bevestigen dat de modellen die ze gebruiken, voldoen aan de veiligheidsnormen en waarschijnlijk nuttig zijn. Voor alle andere mensen kunnen blockchain en crypto de wirwar van straffen en beloningen zijn die het monster van kunstmatige intelligentie in bedwang houden.

Aanbieder	Beschrijving	Servicecategorie	Volledig verwaterde marktkapitalisatie (M)	Gebruik
io.net	Gedecentraliseerd computernetwerk voor toegang tot gedistribueerde cloudclusters.	Berekening	Serie A voltooid	GPU's op io.net hebben meer dan 17.000 rekenuren gedraaid en $190.000 verdiend.
Samen	Gedecentraliseerd cloudplatform voor open-source AI-modellen.	Gepoolde rekenkracht	Serie A voltooid	De eerste service van Together, Forge, is goed op weg om $ 20 miljoen aan jaarlijkse inkomsten te genereren.
Worldcoin	Online identiteitsproject gestart door Sam Altman dat de authenticiteit verifieert door de iris van gebruikers te scannen.	Identiteit	$27,508	World App heeft in de eerste zes maanden 5 miljoen gebruikers aangetrokken.
Bittensor	Gedecentraliseerd stimuleringsnetwerk gebouwd om de nuttigste AI-modellen te belonen met $TAO.	Modeloptimalisatie	$5,677	Bittensor is gegroeid naar 80.000 accounts met 89% van de circulerende $TAO ingezet.
Render	Gedecentraliseerd GPU-netwerk op Solana dat rendering en machine learning-werk vergemakkelijkt.	Berekening	$1,558	Het Render-netwerk maakt gebruik van 600 GPU-knooppuntoperatoren die 1,3 miljoen scènes hebben gerenderd.
Akash	Op Cosmos gebaseerde gedecentraliseerde supercloud-marktplaats voor CPU, GPU, geheugen en opslag.	Berekening	$1,103	Akash faciliteert ~$2000 aan dagelijkse inkomsten voor GPU-leveranciers op het netwerk.
Hut 8	Miner van digitale activa en aanbieder van HPC-infrastructuur.	Berekening	$855	Hut 8 genereerde in het derde kwartaal van 2023 $4,5 miljoen aan inkomsten uit zijn HPC-activiteiten.
Fetch.ai	Platform voor het maken, aanpassen en genereren van inkomsten met AI-agenten.	Agent Tooling	$780	59.000 unieke portemonnees met $FET.
Applied Digital	Bitcoin-miner die AI-activiteiten ondersteunt via zijn dochteronderneming Sai Computing, die een AI-cloudservice host.	Berekening	$587	Applied Digital heeft 400 MW aan capaciteit in ontwikkeling ter ondersteuning van HPC-toepassingen.
Hive	Bitcoin-miner die HPC-diensten levert.	Berekenen	$313	De HPC-activiteiten van Hive hadden 4.800 GPU's actief aan het einde van 2023 met een doel van 38.000 GPU-gebaseerde kaarten die zijn toegewezen aan cloudservice.
Altered State Machine	Gedecentraliseerd protocol voor het trainen en verhandelen van AI-agenten dat kan worden gebruikt met NFT's.	Agent Tooling	$110	Meer dan 27.000 unieke portemonnees met NFT's die kunnen worden aangedreven door Altered State Machine AI-agenten.

Bron: VanEck Research, projectwebsites, per 15-01-24.

Links naar websites van derden worden aangeboden voor uw gemak en het vermelden van dergelijke links impliceert geen bevestiging, goedkeuring, onderzoek, verificatie of controle door ons van de inhoud of informatie op of toegankelijk via de gelinkte sites. Door op de link naar een webpagina te klikken die niet van VanEck is, erkent u dat u een website van een derde partij bezoekt, die onderworpen is aan zijn eigen algemene voorwaarden. VanEck wijst de verantwoordelijkheid af voor de inhoud, de wettigheid van de toegang of de geschiktheid van de websites van derden.

Risicofactoren

• Technologierisico: Handels- en transactiesystemen kunnen worden gehackt of defect raken, waardoor digitale activa verloren gaan.
• Regelgevingsrisico: Verstoringen en interventies kunnen digitale activa illegaal maken.
• Risico op totaal verlies: Geen garantie ten aanzien van bewaring vanwege hackingrisico, tegenpartijrisico en marktrisico.
• Risico van extreme volatiliteit: De handelsprijzen van digitale activa kunnen aan extreme volatiliteit onderhevig zijn.
• Andere risico's die specifiek zijn voor ETN's digitale activa, zijn ook te vinden op de VanEck Crypto Academy

Kennisgeving: VanEck heeft een positie in Together via ons strategische partnerschap met beginnende venture-manager Cadenza, die zo vriendelijk was om bij te dragen aan de sectie 'De knelpunten van gedecentraliseerd computergebruik overwinnen'.

Speciale dank aan:

Jason Morton, CEO van ZKML

Ala Shaabana, medeoprichter van Bittensor

Arrash Yasavolian, oprichter van het Taoshi-subnet van Bittensor

Greg Osuri, CEO en oprichter van Akash

Richard Liang, CEO van zkP2P

Belangrijke leden van het Sui Blockchain-team – Sam Blackshear, Nihar Shah, Sina Nader, Alonso Gortari