读懂专注于 AI 的去中心化 Web3 底层协议 KIP Protocol（一）

作者：KIP Protocol

首先，KIP不仅仅是AI App，也不是一个大语言模型，更不是一个数据库/知识库。

KIP Protocol 是为 AI app开发者、模型制作者和数据所有者构建的去中心化底层协议，可在 Web3 中安全地进行交易和货币化。KIP 使有价值的知识和数据能够作为知识资产得到保护和货币化，确保与AI交互而不失去所有权。

对于AI app开发者、模型制作者和数据所有者来说，人们将发现它对于在 Web3 中去中心化的工作和变现是至关重要的。

（我们简称这三个类别为：AI价值创造者）

AI 的去中心化是一个极其庞大且重要的课题，目前有多个开创性的项目采取不同的方法来解决这个问题。

而 KIP 专注于解决 AI 价值创造者在尝试在Web3中部署和变现其工作时将面临的基本问题。

AI模型需要App和数据来创造经济价值

在AI领域，涉及超过20多个不同类别的公司为其提供解决方案，然而在过去的一年里，生成式AI的大部分注意力都集中在AI模型上（这里有大量不同的类别和方法，从转换器到生成对抗网络，再到扩散模型，不一而足）。

事实上，这些模型也代表了这个新时代计算的真正突破——背后真正的智慧。

然而，要在AI中建立一个商业化生态，模型需要依赖至少另外两个关键的价值创造者。

1）AI App：‘AI的面容’

在对模型的狂欢中，人们很容易忽视app的重要性。

AI App对引导用户进入AI领域至关重要。这些App可以采取多种形式，如聊天机器人、图像生成器、搜索机器人、分析机器人，或者哪怕是一些简单的提示。

它们积累用户体验从而获取用户，并且可能最重要的是从用户那里收集费用。

许多人都忘记了ChatGPT是OpenAI的app，由OpenAI的各种模型（GPT 3.5、GPT 4）驱动。OpenAI 聊天机器人开创性的类人化响应主要是在app程序端而非模型端编码的。（通过app接口直接连接模型，然后比较答案就可以得知这一点。）

简而言之：如果没有App，模型就只能是一堆代码，被放在某个金属盒子里，根本无法利用。

2) 数据：‘AI的根本’

数据在以下方面至关重要：

a) 模型训练和微调，

b) 检索增强生成（RAG）

所有模型都是通过数据进行训练和微调的。没有微调，模型就无法变得更强大或更智能。

但是，通过使用数据对模型进行微调或训练，会使数据从本质上被 "同化 "或 "吸收 "到模型中，具体表现为模型权重的调整。

因此，在不可能、不切实际或不合法的使用数据直接训练模型情况下，被称为 "检索增强生成"（RAG）的创新技术就能发挥作用。

RAG 将从外部数据库检索信息的功能与通过AI模型生成响应的能力相结合。这就像拥有一个超智能助理，它能理解你的问题，即使自己不知道答案，也知道去哪里找答案。

虽然 RAG 仍是相对较新的技术，但我们坚信，随着数据敏感性和保护概念的增强，RAG 技术可能会成为一种领先的方法，通过实际应用带来巨大的商业价值，并使其成为未来大多数人访问AI的主流框架。

无论采用哪种方法，没有数据就不可能实现持续的AI创新。

一个充满活力的 AI 生态需要融合来自不同行业的价值创造者。

有些擅长训练和微调模型的个人和公司，可能并不擅长设计和营销面向客户的app。

同样，拥有宝贵数据集和知识库的研究人员和领域专家也可能不具备训练AI模型或设计app的技能。

但是，在一个充满活力的多元化生态中，他们不必孤注一掷。 不同行业的公司和个人可以携手合作，为用户创造使用案例和经济价值。

App设计师可以选择最适合其产品计划的AI模型，并预先选择对用户最有帮助的外部知识库。

但是，如果这三种不同行业的人才都被慢慢吸收到一个封闭的生态中，那该怎么办呢？

因为这正是目前正在发生的事情。我们将在今后的文章中详细讨论这个问题，但现在：请在网上搜索 "openai 版权保护"，并思考一下AI未来对数据所有权的影响。

为什么KIP希望促进AI的去中心化？

AI领域的垄断具有独特的危险性，AI的去中心化是对我们的集体利益屈从于狭隘的企业利益的一种紧迫而必要的回应。

我们百分之百支持AI加速主义（e/acc），我们也从来不否认大型科技公司在推动AI创新方面做出的重大贡献。

但是，大部分公司的行为只会不择手段的以其股东的利益最大化为目标。这是资本主义的本性；指望它们改变本性，忽视其驱动动机，就是否认现实。

我们需要在AI领域建立一种对抗性的平衡状态，让众多不同的参与者参与到市场中来并展开竞争，从而营造一个创新能够蓬勃发展的环境。AI的未来绝不能屈从于任何巨型公司的企业利益。

我们认为，AI的去中心化是实现这一理想状态的唯一途径。

KIP如何促进AI的去中心化？

KIP解决了AI 模型制作者、App开发者和数据所有者在尝试去中心化时将面临的三个基本问题。

1. 链上/链下连接

2. 货币化与变现

3. 所有权与安全问题

1）“链上/链下连接”问题

开源模型库公司 Hugging Face 上有超过40万个模型，这表明整个AI行业是多么充满活力，但也只是刚刚起步。

目前的区块链技术无法以大多数普通用户都能接受的成本或速度提供模型的核心推算功能（即完全去中心化的模型）（尽管边缘计算的进步可能会让我们很快达到这一目标）。

因此，即使不是全部，也是大部分模型都是链下模型，我们可以期待在链下模型中进行更多的创新和补充。

为了在 web3 中释放所有这些想法和创新，KIP 可以轻松地在链上进行推算。

KIP 允许在区块链之外处理与机器学习推理相关的繁重计算任务，同时仍然保持去中心化系统的完整性和原则。

2）“收益”问题

如果采用者不能享受到更多的经济利益，那么世界上再好的技术也不会被采用。收到

AI的基本收入模式框架可以描述为“按查询付费”，因为用户的每一次查询都会消耗 GPU 的计算能力，因此必须有人付费。要回答一个用户的查询，需要多个AI价值创造者来回答这个问题。

我们并不是为了去中心化而提倡去中心化，而是将去中心化作为垄断的替代方案。

因此，要想让AI去中心化取得成功，我们就必须确保将AI工作去中心化的各方都能获得收入。

虽然说起来很轻松，但在AI领域，这并不像听起来那么简单。

让我们举一个通过 RAG 运行查询的例子。

1. 用户向AI聊天机器人提问。

2. AI聊天机器人将查询转给它的大脑--AI模型。

3. 模型只从知识库中检索回答问题所需的相关数据块，制定答案并将其发送回app。

4. App将答案打包并发送给用户。

在这个简化的示例中，您将看到所有三个角色是如何为回答用户查询做出贡献的。

如果在一个中心化生态系统中，一个平台拥有并控制着三个角色（就像上图第二幅图中 OpenAI 所要做的），那么你只需向这个中心化平台付费，其余的都是内部之间的转账。

但如果我们想要去中心化而不是垄断，那么每一方都需要被付费，因此需要解决以下问题：

1. 记录（链上）各方的贡献

2. 分配来自用户的收入

3. 让每个人都能赚取属于他们自己的收入

这就是 KIP 所要解决的去中心化AI的”收益"问题。

我们通过低成本、高效率的 Web3 基础设施来实现这一目标，该基础设施可提供AI价值创造者之间的连接、向用户收取费用的方式以及提取收益的方式。(我们将在即将推出的读懂KIP系列中介绍这一点）。

如果不首先解决收益问题，AI的去中心化就会变得更加困难，而且除了少数真正的理想化支持者外，更不可能获得广泛采用。

3）“所有权”问题

如果不与真正的所有权挂钩，货币化只是一种薄弱的特权。

我们都看到了中心化平台上的账户是如何被随时关闭、封禁。

KIP通过使用区块链代币，特别是ERC-3525 代币（SFT）来 “代表” AI价值创造者的产出，从而解决了这个问题。

1. 对于数据所有者：SFT 代表了矢量化知识库，或用于模型训练的加密原始数据文件链接。

2. 对于模型制作者：SFT 可以代表一个通向链下模型的 API，或者一套可供出售的权重模型。

3. 对于App开发人员：SFT 可以代表前端 API或提示本身。

这些 SFT 作为“变现实体”，可以在链上相互交互，并记录每个 SFT 从特定交易中赚取的金额。

通过解决这些问题，KIP 可以让AI价值创造者轻松实现工作中的去中心化，为一个充满活力、规模更大的去中心化AI生态系统创造初始条件。

KIP 是AI创新所必需的去中心化Web3底层协议。

要了解更多信息，请加入我们的官方中文社区：

https://t.me/KIPProtocol_CN