社区主权的 AI，让人类对 AI 多一分 “敬畏” 少一分 “恐惧”。
作者：0xCousin，IOBC Capital
封面：Photo by Vimal S on Unsplash
黄仁勋在迪拜的 WGS 上演讲时，提出了一个词 “主权 AI”。那么，哪个主权的 AI 能符合 Crypto 社区的利益和诉求呢？
也许需要以 Web3+AI 的形式构建。
Vitalik 在 “The promise and challenges of crypto + AI applications” 一文中讲述了 AI 与 Crypto 的协同效应：Crypto 的去中心化可以平衡 AI 的中心化；AI 是不透明的，Crypto 带来透明；AI 需要数据，区块链有利于数据的存储和追踪。这种协同，贯穿在 Web3+AI 的整个产业图景中。
大多数 Web3 + AI 的项目是在利用区块链技术解决 AI 行业基础设施项目的建设问题，少数项目是利用 AI 解决 Web3 应用的某些问题。
Web3 + AI 产业图景大体如下：
AI 的生产和工作流程大致如下：
在这些环节中，Web3 与 AI 的结合主要体现在四个方面：
1、算力层：算力资产化
近两年来，用于训练 AI 大模型的算力呈指数级增长，基本每个季度就会翻一倍，以远超摩尔定律的速度疯狂增长。这种情况导致 AI 算力供需长期失衡，GPU 等硬件价格快速上涨，进而抬高了算力成本。
但与此同时，市场上也存在大量的中低端算力硬件闲置，可能这部分中低端硬件的单体算力无法满足高性能需求。但若通过 Web3 的方式建设成分布式算力网络，通过算力租赁、共享的方式，打造去中心化的计算资源网络，仍可满足诸多 AI 应用需求。由于是利用分布式的闲置算力，可显著降低 AI 算力的成本。
算力层细分包括：
通用的去中心化算力（例如 Arkash、Io.net 等）；
用于 AI 训练的去中心化算力（例如 Gensyn、Flock.io 等）；
用于 AI 推理的去中心化算力（例如 Fetch.ai、Hyperbolic 等）；
用于 3D 渲染的去中心化算力（例如 The Render Network 等）。
Web3+AI 的算力资产化，核心优势在于 去中心化算力类项目，结合代币激励很容易扩展网络规模，而且其计算资源成本低，具有高性价比，可满足部分中低端的算力需求。
2、数据层：数据资产化
数据是 AI 的石油、血液。如果不依赖 Web3，一般只有巨头企业手中才有大量的用户数据，普通的创业公司很难获取广泛的数据，用户数据在 AI 行业的价值也并没有反馈给用户。通过 Web3+AI，可以让数据收集、数据标注、数据分布式存储等流程更低成本、更透明、更有利于用户。
收集高质量数据是 AI 模型训练的前置条件，通过 Web3 的方式，可以利用分布式网络，结合适当的 Token 激励机制，采用众包收集的方法，以较低成本获取高质量且广泛的数据。
根据项目用途，数据类项目主要包括以下几类：
数据收集类项目（例如 Grass 等）；
数据交易类项目（例如 Ocean Protocol 等）；
数据标注类项目（例如 Taida、Alaya 等）；
区块链数据源类项目（例如 Spice AI、Space and time 等）；
去中心化存储类项目（例如 Filecoin、Arweave 等）。
数据类 Web3+AI 项目，在设计 Token 经济模型的过程中更有挑战性，因为数据比算力更难标准化。
3、平台层：平台价值资产化
平台类项目大多数会对标 Hugging Face，以整合 AI 行业各类资源为核心。建立一个平台，聚合数据、算力、模型、AI 开发者、区块链等各种资源和角色的链接，以平台为中心，更便捷地解决各种需求。比如 Giza，专注于构建全面的 zkML 运营平台，旨在使机器学习的推理变得可信和透明，因为数据和模型黑盒是目前 AI 中普遍存在的问题，通过 Web3 的方式采用 ZK、FHE 等密码学技术来验证模型的推理确实有正确执行，是迟早会被行业内呼吁的。
也有做 Focus AI 的 layer1/ layer2，例如 Nuroblocks、Janction 等。核心叙事是连接了各类算力、数据、模型、AI 开发者、节点等资源，通过包装通用组件、通用 SDK 的方式，帮助 Web3+AI 类应用实现快速构建和发展。
还有 Agent Network 类的平台，基于这类平台可以为各种应用场景构建 AI Agent，例如 Olas、ChainML 等。
平台类的 Web3+AI 项目，主要以 Token 捕获平台价值的方式，激励平台各参与方共建。对于初创项目从 0-1 的过程比较有帮助，可以减少项目方寻找算力、数据、AI 开发者社区、节点等合作方的难度。
4、应用层：AI 价值资产化
前面的基础设施类的项目，多数是利用区块链技术解决 AI 行业基础设施项目建设的问题。应用层项目则更多是利用 AI 解决 Web3 应用存在的问题。
比如 Vitalik 在文章中提到两个方向，我觉得很有意义。
一是 AI 作为 Web3 参与者。比如：Web3 Games 中，AI 可以作为一个游戏玩家，它可以快速理解游戏规则，并最高效地完成游戏任务；DEX 中，AI 已经在套利交易中发挥作用很多年了；Prediction markets（预测市场）中，AI Agent 可以通过广泛接受大量数据、知识库和信息，训练其模型的分析预测能力，并产品化提供给用户，帮助用户以模型推理的方式对特定事件作出预测，比如体育赛事、总统大选等。
二是创建可扩展的去中心化的私人 AI。因为许多用户担心 AI 的黑盒问题，担心系统存在偏见；或担心存在某些 dApps 通过 AI 技术欺骗用户来获利。本质上是因为用户对 AI 的模型训练和推理过程没有审查权限和治理权限。但是如果创建一个 Web3 的 AI，像 Web3 项目一样，社区对这个 AI 有分布式治理权，可能会更容易被接受。
截至目前，在 Web3+AI 应用层尚未出现天花板很高的白马项目。
总结
Web3 + AI 还很早期，业内对这个赛道的发展前景也是有分歧的，我们会对这个赛道持续关注。我们希望 Web3 与 AI 的结合能够创造出比中心化 AI 更有价值的产品，让 AI 摆脱 “巨头控制”、“垄断” 这些标签，以更加社区化的方式来 “共治 AI”。也许在更近距离地参与、治理过程中，人类对 AI 会多一分 “敬畏”、少一分 “恐惧”。
免责声明：作为区块链信息平台，本站所发布文章仅代表作者及嘉宾个人观点，与 Web3Caff 立场无关。文章内的信息仅供参考，均不构成任何投资建议及要约，并请您遵守所在国家或地区的相关法律法规。
