沒有一個熱點能逃離加密資產市場。
作者：茉莉
編輯：文刀
封面：Photo by Nikita Taparia on Unsplash
隨著 AI 大模型的普及，AI 與 Web3 的融合領域已然成為加密資產市場的熱門板塊，兩個技術在「數據」的應用層面爆發出可融潛力。
當紅炸子雞人工智慧自然語言大模型的基礎是「三算」，其中之一便是算據，理論上，為大模型提供的數據集越大，在有效訓練之後的學習與預測能力就越強。 而 Web3 的底層區塊鏈技術本質上分散式資料庫，按時序打包數據的鏈式結構形成了數據無法被篡改的特點。
二者或有互補優勢。 Web3 區塊鏈能夠安全地存儲數據，作為一種帳本，它的「分散式存儲和計算」屬性，可以為 AI 的算據層面提供定價和真實性的保障; 而 AI 能夠提升區塊鏈交易的效率，將複雜的數據處理程式自動化。
一個例子是鏈上交易的自動化，這可以應用在加密資產市場。 由機器學習驅動的 AI 演算法可以跟蹤市場波動，分析大規模的數據，從中找到規律與趨勢，並根據預定的標準執行交易。
AI 還可以應用在區塊鏈的安全性上，利用機器學習演算法檢查交易數據，尋找可疑趨勢或異常，並不斷從數據中學習以避免新的風險。
儘管當前 AI 與 Web3 都處於初級階段，但前者被認為有可能為 Web3 乃至加密資產市場帶來變革。 Fortune Business Insights 的一份報告顯示，區塊鏈的人工智慧市場在 2020 年為 2.205 億美元，到 2027 年可達到 9.736 億美元，複合年增長率為 23.6%。
盤點 AI+Web3 專案，不難發現，目前的 8 個早期龍頭專案主要發揮了 “AI 提升生產力” 的特性，已經將 AI 大模型及機器學習的能力應用到 Web3 的底層技術設施或具體應用中，包括：
- 將 AI 的多模態生成（AIGC）能力應用到了 NFT 生成中;
比如 ChainGPT（CGPT），這個區塊鏈的人工智慧解決方案不僅能提供 Web2 世界常見的文本內容生成、AI 聊天機器人功能外，還是一個 NFT 產生器; 再比如 Aspecta，它構建了一個人工智慧生成的身份系統，通過 Aspecta ID 連結 Web2 和 Web3 的帳戶，根據帳戶持有者的經驗與經歷形成社區聯繫，訪問不同的 DAO 和應用程式。
- 將 AI 的機器學習能力轉化為構建 Web3 應用程式的工具/平臺;
比如 Fetch.ai（FET），它是一個開發去中心化應用程式的基礎設施，利用人工智慧的自動化技術，提供了創建和連接智慧代理（Agents）的工具，説明使用者執行數字經濟中的複雜任務。
- 將 Web3 分散式存儲、交易、計算的能力應用到 AI 發展所需的生產資料/資源;
比如 iExec（RLC），它是基於區塊鏈的去中心化計算資產市場，旨在將資源提供者與資源消費者聯繫起來，允許任何人租用計算能力、數據集; 再如去中心化人工智慧服務網路 SingularityNET（AGIX），它允許使用者將服務發佈到網路上供需求方付費（加密資產）集成。
在 AI+Web3 中，除了以上 8 個早期誕生的龍頭專案外，一些新 “選手” 也在奔赴賽道的路上。
針對「數據」這個最明顯的結合處，有專案利用了區塊鏈的分散式特性，解決數據壟斷問題。
比如，Bagel Network ，它創造了「機器學習數據湖」的概念，允許使用者以任意規模存儲所有結構化和非結構化數據，支援數據科學家和 AI 工程師以低成本且保護隱私的方式，獲得/交換那些經過授權且可驗證的數據集。 Bagel Network 的目的是構建一個去中心化的數據平臺，來支持機器學習（ML）模型。
還有不少新專案將 AI 的能力直接發揮到了 Web3 最受矚目的金融應用層面，包括加密資產的交易和支付領域。
比如 GT Protocol，它是一个由 ChainGPT 孵化的加密资产 AI 执行协议，它允许任何实体或者个人创建一个 DeFi 智能合约池，利用 AI 收集和管理用户贡献的流动性，一方面发挥了 AI 的自动化能力，另一方面也利用了智能合约在链上的透明化特征。
可以預見，2024 年，圍繞 AI 的大模型及其應用仍會以層出不窮的態勢繼續向前發展，而 Web3 這個最愛追逐熱點的世界也將持續跟進 AI 這個大熱門，兩個技術的演進與相互融合，也將為加密資產市場的 AI 板塊增加規模。
免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 文章內
