As barreiras de entrada na indústria de IA Web2 estão a aumentar, a IA Web3 deve ser planejada com cautela

Recentemente, o preço das ações da NVIDIA atingiu um novo máximo, e os avanços nos modelos multimodais aprofundaram a vantagem tecnológica da IA Web2. Da alinhamento semântico à compreensão visual, da incorporação de alta dimensão à fusão de características, modelos complexos estão integrando diversas formas de expressão de maneira surpreendentemente rápida, construindo uma alta IA cada vez mais isolada.

No entanto, essa onda está praticamente desconectada do campo das criptomoedas. As tentativas recentes da Web3 AI na direção de Agent apresentam uma grande desvio de direção: tentando montar um sistema modular multimodal ao estilo Web2 usando uma estrutura descentralizada, na verdade é um duplo desalinhamento técnico e de pensamento. Com a forte acoplabilidade dos módulos, a distribuição de características altamente instável e a crescente concentração da demanda de poder computacional, a modularidade multimodal enfrenta dificuldades para se estabelecer no ambiente Web3.

O futuro desenvolvimento da Web3 AI não deve se limitar a imitações, mas sim adotar uma estratégia de contorno. Desde o alinhamento semântico em espaços de alta dimensão, passando pelo gargalo de informação nos mecanismos de atenção, até o alinhamento de características sob poder computacional heterogêneo, a Web3 AI precisa repensar seu caminho de desenvolvimento.

Atualmente, a Web3 AI enfrenta grandes desafios na realização de um espaço de incorporação de alta dimensão. A maioria dos protocolos Web3 Agent consiste apenas em encapsular APIs prontas em módulos independentes, carecendo de um espaço de incorporação centralizado e de um mecanismo de atenção entre módulos. Isso resulta na incapacidade de a informação interagir de forma multilateral e multilayer entre os módulos, limitando-se a um fluxo linear, dificultando a formação de uma otimização em circuito fechado.

Em espaços de baixa dimensão, o mecanismo de atenção também não pode ser projetado com precisão. A característica modular da IA Web3 dificulta a implementação de uma programação de atenção unificada, carecendo de representações vetoriais comuns, capacidade de pesagem paralela e agregação. Isso limita significativamente o teto de desempenho do sistema.

Na fusão de características, a Web3 AI atualmente está em um estágio de simples emenda estática. Devido à falta de espaço de alta dimensão e de um mecanismo de atenção precisa como base, a Web3 AI tem dificuldade em realizar a fusão de características dinâmica, não conseguindo capturar associações complexas entre diferentes modalidades.

Apesar de as barreiras da indústria de IA estarem a aprofundar-se, os pontos de oportunidade da Web3 AI ainda não se revelaram completamente. A Web3 AI deve adotar uma tática de "cercar as cidades a partir do campo", testando em pequena escala cenários de borda. Os campos que são adequados para a entrada incluem computação de borda, estruturas leves, tarefas que são fáceis de paralelizar e motivar, como o ajuste fino de LoRA, tarefas de pós-treinamento de alinhamento comportamental, treinamento e rotulagem de dados em crowdsourcing, treinamento de pequenos modelos fundamentais e treinamento colaborativo em dispositivos de borda.

Antes que os benefícios da IA no Web2 desapareçam completamente e os pontos problemáticos se tornem mais evidentes, os projetos de IA no Web3 devem escolher cuidadosamente seus pontos de entrada. Um projeto ideal deve ter as seguintes características: ser capaz de entrar pelas bordas e estabelecer uma base em pequenos cenários; ser capaz de iterar e atualizar continuamente o produto em cenários de aplicação específicos; ter flexibilidade suficiente para se ajustar rapidamente a diferentes cenários. Projetos que dependem demais da infraestrutura ou que têm uma arquitetura de rede excessivamente grande podem enfrentar o risco de serem eliminados.