AI結合區塊鏈能幹嘛?Coinbase點出五大應用場景,揪出假消息、訓練模型都可以
AI結合區塊鏈能幹嘛?Coinbase點出五大應用場景,揪出假消息、訓練模型都可以
2023.06.08 | 區塊鏈

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《Web3+》官方Telegram

Coinbase報告:AI結合區塊鏈,將是企業大機會!

美國最大加密貨幣交易所Coinbase研究報告指出,人工智慧和區塊鏈的結合,能夠創造出新的解決方案,是企業的巨大機會。除了帶來更多的機遇和創新,也可以解決人工智慧所衍伸的有關風險。

Coinbase研究主管大衛·杜昂(David Duong)表示:「隨著人工智慧和區塊鏈應用的成熟,技術所帶來的破壞式創新,將可能創造區塊鏈、加密貨幣間新的應用,甚至幫助解決人工智慧所引發的社會挑戰。」

自去年OpenAI的ChatGPT發佈以來,人工智慧技術已經在許多產業中出現,其中一個快速導入人工智慧的領域,就是加密貨幣。

Coinbase的報告指出,現在有大約7.72億美元的加密貨幣項目,與人工智慧直接相關,這仍然只占總加密貨幣市值的0.07%左右。然而,如果考慮所有已經納入,或正在納入AI的能力或服務提供的項目,這個數字將達到約28.5億美元。

其中一些公司,試圖使用去中心化的解決方案,來解決數據存取或計算資源問題,以支持AI的發展。

根據CoinGecko數據,從今年年初開始,AI類別的代幣正流入大量資金。

例如,提供基於顯卡(GPU)分散式渲染解決方案的The Render Network,其應用代幣「RNDR」,在過去一年中,上漲了超過262%。同樣地,SingularityNET是一個分散式的人工智慧市場,利用區塊鏈技術,提供無限制的算力和應用程式使用權限,也已經上漲了374%以上。

🛎️延伸閱讀: ChatGPT爆紅、帶動AI代幣7天飆漲175%!一文看懂什麼是「AI加密貨幣」?

生成式AI有哪些問題,可以透過區塊鏈技術解決?

報告中,提到了5個結合人工智慧和區塊鏈技術的案例。

一:去中心化數據市場

生成式AI依賴於大量、通用且高品質的資料,來處理大量的資料查詢需求,訓練這些模型所需要的數據資訊,一直是其中一大限制。

去中心化的數據市場,可以幫助生成式AI模型滿足對多樣化、驗證數據集的需求。同樣,基於代幣的激勵機制,可以提高從市場獲得數據的品質。

二:共享算力

訓練生成式AI模型的計算成本很高,未來對資源的需求可能會增加。

分散式計算能力網路,可以獎勵那些自願使用閒置顯卡(GPU),來幫助減輕部分計算負擔的用戶。這可以降低成本,並且已經用於其他計算密集型工作,例如,電腦遊戲或電影的影片渲染效果。

三:解決錯誤訊息和假消息

數據真實性和虛假資訊,是數位時代的一大問題,特別是因為人工智慧,可以建立越來越難以與人類生成的內容區分開來的「深度偽造」(Deep Fake)。

區塊鏈和NFT技術,可以透過確定圖像、影片、音樂和其他媒體的來源,來幫助解決這一問題。

四:建立分散式網路可審核性

生成式AI演算法的決策過程,通常是不透明的,使得這些過程很難被審核,並且難以改進。

將區塊鏈技術與人工智慧模型結合,可以幫助使這些過程更加透明,並允許用戶,仔細檢查人工智慧產生結果的邏輯和可靠性。

五:AI開發更親民、民主化

Coinbase報告表示,相信加密貨幣平台可以讓AI系統更易於使用,讓人們既可以為其開發做出貢獻,也可以在全球範圍內使用。

目前的生成式AI市場,僅由少數幾家大型組織主導,例如,開發ChatGPT的OpenAI或Stable Diffusion的開發商Stability AI。

新開發人員的進入門檻,可能會從經濟、文化或地理,限制這些系統的設計。加密平台可以幫助獲取更多樣化的貢獻集,並重新分配使用權限,以便更多用戶可以利用其優勢,例如,醫療保健建議或電子商務。

AI與區塊鏈的軍備戰,現在才開始?

人工智慧與區塊鏈技術的相互結合,仍處於非常早期的階段,使用區塊鏈技術來打擊假消息的想法,也不是最新穎的概念。

從2020年開始,紐約時報的研發團隊,就開始探索區塊鏈解決方案,可以如何透過密切關注可信資訊來源,來幫助打擊假消息。

OpenAI執行長山姆·奧特曼(Sam Altman),也早在2021年底就創立名為「Worldcoin」的新創公司,目標成為AI時代的人類證明,且成功獲得知名創投Andreessen Horowitz和Coinbase Ventures的支持。

儘管媒體將AI發展,描述為「科技業的瘋狂軍備競賽」,但現實是,全球AI私人投資,在2021年到2022年間,下降了27%。

根據研究機構《CB Insights》的數據指出,美國和全球人工智慧公司的創投,在2023年第一季,分別下降了27%和43%。

總體而言,AI和加密貨幣在未來的交互,對於Web3時代中生存的企業來說,是一個必須要把握的重要機會。

🛎️延伸閱讀: ChatGPT之父「世界幣」是什麼?用虹膜當身分證、全人類都能獲得空投,一次看懂背後故事

🔥每日精選最重要區塊鏈新聞、第一手採訪 👉歡迎加入《Web3+》官方Telegram

資料來源:CryptonewsCoinbase

核稿編輯:高敬原

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓