AI+Web3：塔樓與廣場

引言

近兩年，AI的發展速度明顯加快。ChatGPT掀起的生成式人工智能浪潮不僅開啓了新世界的大門，也在Web3領域激起了漣漪。

在AI概念的推動下，加密市場的融資活動明顯回暖。據統計，僅2024年上半年就有64個Web3+AI項目完成融資，其中基於人工智能的操作系統Zyber365在A輪融資中創下1億美元的最高記錄。

二級市場更爲活躍，加密聚合網站數據顯示，短短一年多時間AI賽道總市值已達485億美元，24小時交易量接近86億美元。主流AI技術進展帶來明顯利好，OpenAI的Sora文本轉視頻模型發布後，AI板塊平均價格漲151%。AI效應也蔓延至加密貨幣吸金板塊，首個AI Agent概念的MemeCoin - GOAT迅速走紅並獲得14億美金估值，掀起AI Meme熱潮。

關於AI+Web3的研究和討論同樣火熱，從AI+Depin到AI Memecoin再到當前的AI Agent和AI DAO，新概念層出不窮。

AI+Web3這個充滿熱錢、風口和未來想象的組合，難免被視爲一場資本撮合的聯姻。我們很難分辨在這華麗外表下，是投機者的狂歡，還是新紀元的序幕。

要回答這個問題，關鍵在於思考雙方能否相互促進。本文試圖審視這一格局:Web3如何在AI技術棧的各環節發揮作用，AI又能給Web3帶來哪些新機遇?

Part.1 AI堆棧下Web3有何機會?

在展開討論前，我們需要了解AI大模型的技術棧:

AI大模型可比作人類大腦，初期如嬰兒般需要吸收海量外界信息來理解世界，這是數據"收集"階段。由於計算機不具備人類感官，訓練前需要"預處理"將無標注信息轉化爲可用格式。

輸入數據後AI通過"訓練"構建具理解和預測能力的模型，類似嬰兒學習理解外界的過程。當學習內容分科或通過交流獲得反饋並修正時，進入"微調"環節。

孩童長大後能在對話中理解並表達想法，類似AI大模型的"推理"階段，可對新輸入進行預測和分析。AI通過語言能力表達感受、描述事物和解決問題，類似大模型在訓練後應用於圖像分類、語音識別等特定任務。

AI Agent則更接近大模型的下一形態 - 能獨立執行任務並追求復雜目標，不僅具備思考能力，還能記憶、規劃，且能運用工具與世界互動。

目前，針對AI各堆棧的痛點，Web3初步形成了多層次、相互關聯的生態系統，涵蓋AI模型流程的各階段。

一、基礎層:算力與數據的Airbnb

算力

當前，AI的主要成本之一是訓練和推理模型所需的算力與能源。

例如，Meta的LLAMA3需要16000個NVIDIA H100 GPU 30天才能完成訓練。H100 80GB版單價3-4萬美元，這需要4-7億美元的硬件投資，每月訓練還需消耗16億千瓦時，能源支出近2000萬美元。

爲緩解AI算力壓力，DePin(去中心化物理基礎設施網路)成爲Web3最早與AI交叉的領域。DePin Ninja數據網站已列出1400多個項目，其中GPU算力共享代表項目包括io.net、Aethir、Akash、Render Network等。

主要邏輯是:平台允許閒置GPU資源擁有者以去中心化方式貢獻算力,通過類似Uber或Airbnb的在線市場提高資源利用率,終端用戶獲得更低成本的高效計算資源;同時質押機制確保對違規者進行懲罰。

特點包括:

• 聚集閒置GPU資源:主要來自中小型數據中心、加密礦場等的過剩算力,以及PoS共識機制的挖礦硬件。部分項目如exolab還利用MacBook、iPhone等本地設備建立推理算力網路。

• 面向AI算力長尾市場: a. 技術端:更適合推理步驟。訓練依賴超大規模GPU集羣,而推理對GPU性能要求較低。 b. 需求端:中小算力需求方多圍繞頭部大模型優化、微調,天然適合分布式閒置算力。

• 去中心化所有權:區塊鏈技術確保資源所有者保留控制權,靈活調整並獲得收益。

數據

數據是AI的基石。沒有數據,計算就毫無意義,數據質量決定模型輸出質量。對當前AI模型訓練而言,數據決定了語言能力、理解能力、價值觀和人性化表現。目前,AI的數據需求困境主要體現在:

• 數據飢渴:AI模型訓練依賴海量數據輸入。OpenAI訓練GPT-4的參數量達萬億級。

• 數據質量:隨着AI與各行業結合,對數據時效性、多樣性、專業性、新興數據源如社交媒體情緒的要求提高。

• 隱私與合規:各國和企業逐漸限制數據集爬取。

• 數據處理成本高:數據量大,處理復雜。AI公司超30%研發成本用於基礎數據採集處理。

Web3的解決方案主要體現在:

1. 數據收集:讓真正貢獻者參與價值創造,通過分布式網路和激勵機制低成本獲取更私密、更有價值的數據。

   • Grass:去中心化數據層和網路,用戶運行節點貢獻帶寬捕獲實時數據獲得獎勵。
   • Vana:引入數據流動性池(DLP)概念,用戶可上傳私人數據並靈活授權第三方使用。
   • PublicAI:用戶在X上使用#AI或#Web3標籤並@PublicAI即可實現數據收集。

2. 數據預處理:AI行業少數人工環節,適合Web3去中心化激勵機制。

   • Grass和OpenLayer考慮加入數據標注環節。
   • Synesis提出"Train2earn"概念,獎勵提供高質量標注數據。
   • Sapien將標記任務遊戲化,用戶質押積分賺取更多積分。

3. 數據隱私與安全:Web3隱私技術優勢體現在敏感數據訓練和多方數據協作。

   主要隱私技術包括:

   • 可信執行環境(TEE),如Super Protocol
   • 完全同態加密(FHE),如BasedAI、Fhenix.io、Inco Network
   • 零知識技術(zk),如Reclaim Protocol使用zkTLS技術

   目前仍處早期階段,面臨計算成本高等挑戰。

4. 數據存儲:解決鏈上存儲AI數據和生成LLM的問題。

   • 0g.AI:針對AI高性能需求設計的中心化存儲方案,支持快速上傳下載大規模數據集,傳輸速度接近5GB/秒。

二、中間件:模型的訓練與推理

開源模型去中心化市場

Web3提出去中心化開源模型市場可能性,通過代幣化爲團隊保留部分代幣,將模型部分未來收入流向代幣持有者。

• Bittensor:建立開源模型P2P市場,由多個"子網"組成,資源提供者相互競爭滿足子網目標。
• ORA:引入初始模型發行(IMO)概念,將AI模型代幣化。
• Sentient:去中心化AGI平台,激勵合作構建AI模型並獎勵貢獻者。
• Spectral Nova:聚焦AI和ML模型創建與應用。

可驗證推理

針對AI推理"黑盒"難題,Web3標準解決方案是多驗證者重復操作比較結果,但面臨高昂成本挑戰。

更有希望的方案是對鏈下AI推理計算執行ZK證明,在鏈上驗證計算。主要優點:

• 可擴展性:快速確認大量鏈下計算。
• 隱私保護:保護數據和模型細節。
• 無需信任:無需依賴中心化方確認計算。
• Web2集成:有助提高Web3採用率。

當前可驗證技術包括:

• zkML:結合零知識證明和機器學習,如Modulus Labs基於ZKML發布AI證明器。
• opML:利用樂觀匯總原則提高ML計算效率。
• TeeML:使用可信執行環境安全執行ML計算。

三、應用層:AI Agent

當前AI發展重點從模型能力轉向AI Agent。OpenAI定義AI Agent爲:以LLM爲驅動,具自主理解感知、規劃、記憶和使用工具能力,能自動執行復雜任務的系統。

Web3能爲Agent帶來:

去中心化

Web3特性使Agent系統更分散自治,通過PoS、DPoS等機制建立激勵懲罰機制促進民主化,如GaiaNet、Theoriq、HajimeAI。

冷啓動

Web3幫助潛力AI Agent項目獲取早期融資。

• Virtual Protocol推出AI Agent創建及代幣發行平台fun.virtuals。
• Spectral提出支持發行鏈上AI Agent資產的IAO(Initial Agent Offering)構想。

Part.2 AI如何賦能Web3?

AI對Web3項目影響顯著,通過優化鏈上操作(如智能合約執行、流動性優化、AI驅動治理決策)使區塊鏈受益,提供數據驅動洞察,提高鏈上安全性,爲新Web3應用奠定基礎。

一、AI與鏈上金融

AI與加密經濟

Coinbase CEO宣布在Base網路實現首筆AI對AI加密交易,AI Agent可在Base使用USD與人類、商家或其他AI交易。

Virtuals Protocol的Luna演示了AI Agent自主執行鏈上交易,AI Agent被視爲鏈上金融未來。潛在場景包括:

1. 信息收集與預測:收集交易所公告、項目信息、輿情風險等,分析評估資產基本面、市場情況,預測趨勢和風險。

2. 資產管理:提供投資標的,優化資產組合,自動執行交易。

3. 金融體驗:選擇最快鏈上交易方式,自動化跨鏈、調整gas費等,降低鏈上金融活動門檻與成本。

目前,AI Agent錢包Bitte、AI交互協議Wayfinder等嘗試接入OpenAI模型API,讓用戶通過聊天界面命令Agent完成鏈上操作。去中心化Agent平台Morpheus支持此類Agent開發,Biconomy演示了AI Agent無需完整錢包權限即可進行swap操作。

AI與鏈上交易安全

AI技術可增強鏈上交易安全性和隱私保護,潛在場景包括:

• 交易監控:實時監控異常活動,提供警報。
• 風險分析:分析客戶交易行爲,評估風險。

如Web3安全平台SeQure利用AI檢測防止攻擊、欺詐和數據泄露,提供實時監控和警報。類似工具還有AI-powered Sentinel。

二、AI與鏈上基礎設施

AI與鏈上數據

AI技術在鏈上數據收集分析方面發揮重要作用,如:

• Web3 Analytics:基於AI的分析平台,利用機器學習和數據挖掘算法分析鏈上數據。
• MinMax AI:提供基於AI的鏈上數據分析工具,發現市場機會和趨勢。
• Kaito:基於LLM的Web3搜索平台。
• Followin:集成ChatGPT,整合不同平台資訊。

AI還可用於預言機,如Upshot使用AI爲NFT提供準確定價數據。

AI與開發&審計

AI可提高Web3開發效率,降低編程門檻。潛在場景包括:自動化代碼生成、智能合約驗證測試、DApp部署維護、智能代碼補全、解答開發問題等。

目前有一鍵啓動代幣平台如Clanker,合約開發平台如Spectral提供智能合約一鍵生成部署功能。

審計方面,Web3審計平台Fuzzland使用AI輔助檢查代碼漏洞,提供自然語言解釋。

三、AI與