本文为 Future3 Campus“GPT-4o 引领下的 AI 未来：技术影响与投资趋势”线上主题讨论观点汇总。

主持人：

Yukun Hao, Future3 Campus“Web3+AI 孵化营”负责人

活动嘉宾：

Zack, Founder of JoJo World

Bob, CEO and Co-Founder of Questflow

Bright, Xmultiverse Community Head

Léonie, CBDO of Kaisar Network

Yukun: 近期 OpenAI 推出了 GPT-4o，在多模态、语音方面实现了很多突破。首先请四位做个简单的项目介绍。

Zack: JoJo World 是一个去中心化的 AI 3D 网络，通过 Web3 的方式获取 3D 数据集，服务于 Web2 和 Web3 行业的机构和个人。

Bob: Questflow 是一个去中心化的自动化集成平台，聚合了不同的 AI 代理，为网络中的创作者提供激励。

Bright: Xmultiverse 是专为下一代人工智能提供动力的企业级 DePIN 云算力协议，旨在采用独特的“GPU 云集群 +ML 工作流”方式，通过人工智能、加密点对点与智能路由等行业前沿技术，驱动全球 GPU 算力供需各方资源以最高效化配置与共享，为 WEB3 无许可运行发展构建去中心化云计算新引擎。

目前项目已完成 GPU 交互功能测试 1.0 版本，正式产品将于近期上线，欢迎大家届时前来体验。

Leonie: Kaisar Network 打造了一个创新的 DePIN 解决方案，是模块化的 DePIN Layer1。

Yukun: 各位如何看待 GPT-4o？

Zack：我觉得有两个亮点，一是相应速度很快，比 GPT-4 有了明显的提升；二是语音交互功能，不仅可以语音回复，还增加了不同的语气。

Bob: 我同意 Zack 所说的。关于速度，因为我们是做 multi-agent 的，所以速度的提升对我们帮助极大；第二点是声音，这让 AI 产品第一次如此接近电影，它开始有了情感、语气，还可以即时回复你。

Leonie: 我认为 OpenAI 团队引领了这一轮 AI 革命，GPT-4o 在去中心计算和 AI 领域是一股变革性的力量。目前 GPT-4o 对 Kaisar 来说是个很好的协助工具，能帮助我们进行英文和其他语言的翻译。

Yukun: 接下来想问问 Zack 和 Bob，你们怎么看待 Text-to-3D？

Zack: 在北美，很多科技巨头都非常看好 Text-to-2D 到 Text-to-3D 产品的转型，这也意味着未来市场上会出现更多 3D 产品。Text-to-3D 是 Generative AI 领域非常重要的技术路径，但目前 Text-to-video 技术相较于 Text-to-3D 更加成熟，因为 video 的本质是图片，所以其技术发展路径会更加 fancy，用户只需要输入一段文字就能生成一段相对完整的视频，并用于市场营销甚至产品变现。相对地，Text-to-3D 仍处于早期阶段，但相信随着技术的发展，它的迭代会越来越快。

Bob: 我主要讲两点。一是 Action-taking 能力，现阶段只是回答问题，并不能在现实世界真正为人类做什么；二是记忆问题，我们在使用 GPT 时通常会发现它不记得之前发生的事情或是对话内容。这是我觉得可以重点关注的两点。

Yukun: 在 GPU 短缺的背景下，分布式算力在 AI 训练中发挥了什么作用？

Leonie: AI 的发展需要海量算力的支撑，而 AI 产品的研发成本在最近十年内增长了 30 倍之多。随着英伟达将业务重点转向 AI 芯片制造，GPU 和 CPU 短缺已成为全球性问题，加之独立数据中心普遍存在信任问题，因而 AI 创业企业很难获得足够的 GPU 算力。

在此背景下，Kaisar Network 打造了一个 DePIN 平台，将有算力供应能力的的独立数据中心链接在一起，为开发者、个人以及 AI 公司提供其所需要的 GPU 算力，而且我们的费用只有 AWS 的十分之一。

Bright: 近两年，随着 AI 技术的发展，GPU 的稀缺量不断攀升，这给 AI 和 Web3 的创业企业带来了很大挑战，特别是对那些将 80% 以上的成本都投入 AI 算力的 AI 模型初创公司。与此同时，市场上也存在算力闲置问题，很多 GPU 企业没有渠道去输出其闲置算力，这就导致市场出现了供需错配的问题。AI 算力的来源其实非常多元化，分布式算力的占比目前并不高，但始终在增长。

很多企业级、机构级客户的 AI 训练需要更多 GPU 和节点配置来实现，以拓展其 AI 训练能力，并降低资金成本。Xmultiverse 推出 Web3 和 AI 企业级算力云服务的初衷，就是利用现有的 GPU 资源建立企业级算力网络，聚合高规模、高可用的节点算力集群，并通过租赁、共享、调度等方式降低成本，优化 GPU 资源的批量化使用，提高 AI 训练的边际效能，最终推动 AI 算力云服务更加智能、自主、灵活、可扩展。