AI 与 Web3 融合创新的探索之旅

2024-05-27 10:43:51观点

Web3 作为一种去中心化、开放、透明的全新互联网范式, 与 AI 有着天然的融合契机。

原文：The Exploratory Journey of AI and Web3 Convergence and Innovation

作者：BadBot

编译：IOBC Capital

封面：Photo by Nat on Unsplash

Web3 作为一种去中心化、开放、透明的全新互联网范式, 与 AI 有着天然的融合契机。在传统的集中式架构下,AI 计算和数据资源受到严格控制, 且存在算力瓶颈、隐私泄露、算法黑箱等诸多挑战。而 Web3 基于分布式技术, 可以通过共享算力网络、开放数据市场、隐私计算等方式, 为 AI 的发展注入新的动力。同时,AI 也能为 Web3 带来诸多赋能, 如智能合约优化、反作弊算法等, 助力其生态建设。因此, 探索 Web3 和 AI 的结合，对于构建下一代互联网基础设施、释放数据和算力价值至关重要。

数据驱动：AI 与 Web3 的坚实基础

数据是驱动 AI 发展的核心动力，正如燃料之于引擎。AI 模型需要消化大量高质量数据, 才能获得深入理解和强大的推理能力，数据不仅为机器学习模型提供训练基础，还决定了模型的准确性和可靠性。

在传统的中心化 AI 数据获取和利用模式中, 存在以下几个主要问题:

数据获取成本高昂，中小企业难以承担；

数据资源被科技巨头所垄断，形成了数据孤岛；

个人数据隐私面临泄漏和滥用的风险

Web3 能够以新的去中心化数据范式来解决传统模式的痛点。

通过 Grass，用户可以出售闲置网络给 AI 公司，去中心化地抓取网络数据，经过清理和转化，为 AI 模型训练提供真实、高质量的数据；

Public AI 采用 “label to earn” 模式，通过代币激励全球工作者参与数据标注，汇聚全球的专业知识，增强数据的分析能力；

区块链数据交易平台如 Ocean Protocol、Streamr 等，为数据供需双方提供了一个公开透明的交易环境，激励数据的创新和共享。

尽管如此，真实世界的数据获取也存在一些问题，比如数据质量不一、处理难度大、多样性和代表性不足等。合成数据可能是 Web3 数据赛道未来的明星。基于生成式 AI 技术和模拟，合成数据能够模拟真实数据的属性，作为真实数据的有效补充，提高数据使用效率。在自动驾驶、金融市场交易、游戏开发等领域，合成数据已经显示出其成熟的应用潜力。

隐私保护：FHE 在 Web3 中的作用

数据驱动时代，隐私保护已成为全球关注的焦点，欧盟的通用数据保护条例（GDPR）等法规的出台，反映了对个人隐私的严格守护。然而，这也带来了挑战：一些敏感数据因隐私风险而无法被充分利用，这无疑限制了 AI 模型的潜能和推理能力。

FHE 即全同态加密，允许在加密数据上直接进行计算操作，而无需对数据进行解密，且计算结果与在明文数据上进行相同计算的结果一致。

FHE 为 AI 隐私计算提供了坚实的保护，使得 GPU 算力能够在不触及原始数据的环境中执行模型训练和推理任务。这为 AI 公司带来了巨大的优势。它们可以在保护商业机密的同时，安全地开放 API 服务。

FHEML 支持在整个机器学习周期内对数据和模型进行加密处理，确保敏感信息的安全性，防止数据泄露风险。通过这种方式，FHEML 强化了数据隐私，为 AI 应用提供了一个安全的计算框架。

FHEML 是 ZKML 的补充，ZKML 证明机器学习的正确执行，而 FHEML 则强调对加密数据进行计算以维护数据隐私。

算力革命：去中心化网络中的 AI 计算

当前 AI 系统的计算复杂性每 3 个月翻一番，导致算力需求激增，远超现有计算资源的供应。例如，OpenAI 的 GPT-3 模型训练需要巨大算力，相当于单个设备上 355 年的训练时间。这样的算力短缺不仅限制了 AI 技术的进步，更让那些高级的 AI 模型对于大多数研究者和开发者来说变得遥不可及。

同时，全球 GPU 的利用率不足 40%，加之微处理器性能提升的放缓，以及供应链和地缘政治因素导致的芯片短缺，这些都让算力供应问题变得更加严重。AI 从业者们陷入了两难：要么自购硬件，要么租赁云资源，他们急需一种按需、经济高效的计算服务方式。

IO.net 是一个基于 Solana 的去中心化 AI 算力网络，通过聚合全球范围内的闲置 GPU 资源，为 AI 公司提供了一个既经济又易于访问的算力市场。算力需求方可在网络上发布计算任务，智能合约将任务分配给贡献算力的矿工节点，矿工执行任务并提交结果，经验证后获得积分奖励。IO.net 的方案提高资源利用效率，有助于解决 AI 等领域的算力瓶颈问题。

除了通用的去中心化算力网络，还有像 Gensyn、Flock.io 这样专注于 AI 训练的平台，以及 Ritual、Fetch.ai 这样专注于 AI 推理的专用算力网络。

去中心化算力网络提供公平透明的算力市场，打破垄断，降低了应用门槛，提高了算力的利用效率。在 web3 生态系统中，去中心化算力网络将发挥关键作用，吸引更多创新型 dapp 的加入，共同推动 AI 技术的发展和应用。

DePIN：Web3 赋能 Edge AI

想象一下，你的手机、智能手表、甚至家中的智能设备，都具备了运行 AI 的能力——这就是 Edge AI 的魅力所在。它让计算发生在数据产生的源头，实现了低延迟、实时处理，同时保护了用户的隐私，Edge AI 技术已经应用于自动驾驶等关键领域。

在 Web3 领域，我们有个更熟悉的名字—DePIN。Web3 强调去中心化和用户数据的主权，DePIN 通过在本地处理数据，可以增强用户隐私保护，减少数据泄露的风险；Web3
原生的 Token 经济机制可激励 DePIN 节点提供计算资源, 构建一个可持续的生态系统。

目前 DePIN 在 Solana 生态中发展迅速，成为项目部署的首选公链平台之一。Solana 的高 TPS、低交易费用以及技术创新为 DePIN 项目提供了强大支持。目前，Solana 上的 DePIN 项目市值超过 100 亿美元，知名项目如 Render Network 和 Helium Network 已取得显著进展。

IMO：AI 模型发布新范式

IMO 的概念由 Ora protocol 首先提出，将 AI 模型代币化。

在传统模式下，由于收益分享机制缺失，一旦 AI 模型被开发出来并投入市场，开发者往往难以从模型的后续使用中获得持续的收益，尤其是当模型被整合进其他产品和服务后，原始创造者很难追踪使用情况，更不用说从中获得收益了。并且 AI 模型的性能和效果往往缺乏透明度，这让潜在的投资者和使用者难以评估其真正价值，限制了模型的市场认可和商业潜力。

IMO 为开源 AI 模型提供了一种全新的资金支持和价值共享方式，投资者可以购买 IMO 代币，分享模型后续产生的收益。Ora Protocol 使用 ERC-7641 和 ERC-7007 两个 ERC 标准，结合 AI 预言机（Onchain AI Oracle）和 OPML 技术来确保 AI 模型的真实性和代币持有者能够分享收益。

IMO 模式增强了透明度和信任，鼓励开源协作，适应加密市场趋势，并为 AI 技术的可持续发展注入了动力。IMO 目前还处于初期尝试阶段，但随着市场接受度的提升和参与范围的扩大，它的创新性和潜在价值值得我们期待。

AI Agent：交互体验的新纪元

AI Agent 能够感知环境，进行独立思考，并采取相应的行动以实现既定目标。在大语言模型的支持下，AI Agent 不仅能理解自然语言，还能规划决策，执行复杂的任务。它们可以作为虚拟助手，通过与用户的互动学习其偏好，并提供个性化的解决方案。在没有明确指令的情况下，AI Agent 也能自主解决问题，提高效率，创造新价值。

Myshell 是一个开放的 AI 原生应用平台，提供全面易用的创作工具集，支持用户配置机器人功能、外观、声音以及连接外部知识库等，致力于打造公平开放的 AI 内容生态系统，利用生成式 AI 技术，赋能个人成为超级创作者。Myshell 训练了专门的大语言模型，使角色扮演更人性化；语音克隆技术可以加速 AI 产品个性化交互，MyShell 把语音合成成本降低 99%，语音克隆仅需 1 分钟即可实现。利用 Myshell 定制的 AI Agent，目前可应用于视频聊天、语言学习、图像生成等多领域。