Web3 作為一種去中心化、開放、透明的全新互聯網範式, 與 AI 有著天然的融合契機。
譯文：The Exploratory Journey of AI and Web3 Convergence and Innovation
作者：BadBot
編譯： IOBC Capital
Web3 作為一種去中心化、開放、透明的全新互聯網範式, 與 AI 有著天然的融合契機。在傳統的集中式架構下,AI 運算和資料資源受到嚴格控制, 且存在算力瓶頸、隱私洩露、演算法黑箱等諸多挑戰。而 Web3 基於分散式技術, 可以透過共享算力網路、開放資料市場、隱私運算等方式, 為 AI 的發展注入新的動力。同時,AI 也能為 Web3 帶來諸多賦能, 如智能合約優化、反作弊演算法等, 協助其生態建設。因此, 探索 Web3 和 AI 的結合，對於建立下一代互聯網基礎設施、釋放數據和算力價值至關重要。
數據驅動：AI 與 Web3 的堅實基礎
數據是驅動 AI 發展的核心動力，正如燃料之於引擎。 AI 模型需要消化大量高品質資料, 才能獲得深入理解和強大的推理能力，資料不僅為機器學習模型提供訓練基礎，還決定了模型的準確性和可靠性。
在傳統的中心化 AI 資料取得和利用模式中, 存在以下幾個主要問題:
- 資料取得成本高昂，中小企業難以負擔；
- 數據資源被科技巨頭所壟斷，形成了數據孤島；
- 個人資料隱私面臨洩漏和濫用的風險
Web3 能夠以新的去中心化資料範式來解決傳統模式的痛點。
- 透過 Grass，使用者可以出售閒置網路給 AI 公司，去中心化地抓取網路數據，經過清理和轉化，為 AI 模型訓練提供真實、高品質的數據；
- Public AI 採用「label to earn」模式，透過代幣激勵全球工作者參與數據標註，匯聚全球的專業知識，增強數據的分析能力；
- 區塊鏈資料交易平台如 Ocean Protocol、Streamr 等，為資料供需雙方提供了一個公開透明的交易環境，激勵資料的創新和分享。
儘管如此，真實世界的資料取得也存在一些問題，例如資料品質不一、處理難度高、多樣性和代表性不足等。合成數據可能是 Web3 數據賽道未來的明星。基於生成式 AI 技術和模擬，合成資料能夠模擬真實資料的屬性，作為真實資料的有效補充，提高資料使用效率。在自動駕駛、金融市場交易、遊戲開發等領域，合成數據已顯示出其成熟的應用潛力。
隱私權保護：FHE 在 Web3 中的作用
在資料驅動時代，隱私權保護已成為全球關注的焦點，歐盟的一般資料保護規範（GDPR）等法規的出台，反映了對個人隱私的嚴格守護。然而，這也帶來了挑戰：一些敏感資料因隱私風險而無法充分利用，這無疑限制了 AI 模型的潛能和推理能力。
FHE 即全同態加密，允許在加密資料上直接進行計算操作，而無需對資料進行解密，且計算結果與在明文資料上進行相同計算的結果一致。
FHE 為 AI 隱私計算提供了堅實的保護，使得 GPU 算力能夠在不觸及原始資料的環境中執行模型訓練和推理任務。這為 AI 公司帶來了巨大的優勢。它們可以在保護商業機密的同時，安全地開放 API 服務。
FHEML 支援在整個機器學習週期內對資料和模型進行加密處理，確保敏感資訊的安全性，防止資料外洩風險。透過這種方式，FHEML 強化了資料隱私，為 AI 應用提供了一個安全的計算框架。
FHEML 是 ZKML 的補充，ZKML 證明機器學習的正確執行，而 FHEML 則強調對加密資料進行計算以維護資料隱私。
算力革命：去中心化網路中的 AI 計算
目前 AI 系統的計算複雜度每 3 個月翻一番，導致算力需求激增，遠超現有運算資源的供應。例如，OpenAI 的 GPT-3 模型訓練需要巨大算力，相當於單一裝置上 355 年的訓練時間。這樣的算力短缺不僅限制了 AI 技術的進步，更讓那些高階的 AI 模式對大多數研究者和開發者來說變得遙不可及。
同時，全球 GPU 的使用率不到 40%，加之微處理器效能提升的放緩，以及供應鏈和地緣政治因素導致的晶片短缺，這些都讓算力供應問題變得更加嚴重。 AI 從業者陷入了兩難：要麼自購硬件，要麼租賃雲端資源，他們急需一種按需、經濟高效的運算服務方式。
IO.net 是一個基於 Solana 的去中心化 AI 算力網絡，透過聚合全球範圍內的閒置 GPU 資源，為 AI 公司提供了一個既經濟又易於訪問的算力市場。算力需求方可在網路上發布計算任務，智能合約將任務分配給貢獻算力的礦工節點，礦工執行任務並提交結果，經驗證後獲得積分獎勵。 IO.net 的方案提高資源利用效率，有助於解決 AI 等領域的算力瓶頸問題。
除了通用的去中心化算力網絡，還有像 Gensyn、Flock.io 這樣專注於 AI 訓練的平台，以及 Ritual、Fetch.ai 這樣專注於 AI 推理的專用算力網絡。
去中心化算力網路提供公平透明的算力市場，打破壟斷，降低了應用門檻，提高了算力的利用效率。在 web3 生態系中，去中心化算力網絡將發揮關鍵作用，吸引更多創新 dapp 的加入，共同推動 AI 技術的發展和應用。
DePIN：Web3 賦能 Edge AI
想像一下，你的手機、智慧手錶、甚至家中的智慧型設備，都具備了運行 AI 的能力——這就是 Edge AI 的魅力所在。它讓運算發生在資料產生的源頭，實現了低延遲、即時處理，同時保護了使用者的隱私，Edge AI 技術已應用於自動駕駛等關鍵領域。
在 Web3 領域，我們有個更熟悉的名字—DePIN。 Web3 強調去中心化和用戶數據的主權，DePIN 透過在本地處理數據，可以增強用戶隱私保護，減少數據洩露的風險；Web3
原生的 Token 經濟機制可激勵 DePIN 節點提供計算資源, 構建一個可持續的生態系統。
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 模型發布新範式
IMO 的概念由 Ora protocol 先提出，將 AI 模型代幣化。
在傳統模式下，由於收益分享機制缺失，一旦 AI 模型被開發出來並投入市場，開發者往往難以從模型的後續使用中獲得持續的收益，尤其是當模型被整合進其他產品和服務後，原始創造者很難追蹤使用情況，更不用說從中獲得收益了。而 AI 模型的性能和效果往往缺乏透明度，這讓潛在的投資者和使用者難以評估其真正價值，限制了模型的市場認可和商業潛力。
IMO 為開源 AI 模型提供了一種全新的資金支持和價值共享方式，投資者可以購買 IMO 代幣，分享模型後續產生的收益。 Ora Protocol 使用 ERC-7641 和 ERC-7007 兩個 ERC 標準，結合 AI 預言機（Onchain AI Oracle）和 OPML 技術來確保 AI 模型的真實性和代幣持有者能夠分享收益。
IMO 模式增強了透明度和信任，鼓勵開源協作，適應加密市場趨勢，並為 AI 技術的可持續發展注入了動力。 IMO 目前仍處於初期嘗試階段，但隨著市場接受度的提升和參與範圍的擴大，它的創新性和潛在價值值得我們期待。
AI Agent：互動體驗的新紀元
AI Agent 能夠感知環境，進行獨立思考，並採取相應的行動以實現既定目標。在大語言模型的支持下，AI Agent 不僅能理解自然語言，還能規劃決策，執行複雜的任務。它們可以作為虛擬助手，透過與用戶的互動學習其偏好，並提供個人化的解決方案。在沒有明確指示的情況下，AI Agent 也能自主解決問題，提高效率，創造新價值。
Myshell 是一個開放的 AI 原生應用平台，提供全面易用的創作工具集，支援使用者配置機器人功能、外觀、聲音以及連接外部知識庫等，致力於打造公平開放的 AI 內容生態系統，利用生成式 AI 技術，賦能個人成為超級創作者。 Myshell 訓練了專門的大語言模型，使角色扮演更人性化；語音克隆技術可以加速 AI 產品個性化交互，MyShell 把語音合成成本降低 99%，語音克隆僅需 1 分鐘即可實現。利用 Myshell 客製化的 AI Agent，目前可應用於視訊聊天、語言學習、影像生成等多領域。
在 Web3 與 AI 的融合上，目前更多的是對基礎設施層的探索，如何獲取高品質資料、保護資料隱私，如何在鏈上託管模型，如何提高去中心化算力的高效使用，如何驗證大語言模型等關鍵問題。隨著這些基礎設施的逐步完善，我們有理由相信，Web3 與 AI 的整合將孕育出一系列創新的商業模式和服務。
免責聲明：作為區塊鏈資訊平台，本站所發布文章僅代表作者及來賓個人觀點，與 Web3Caff 立場無關。文章內的資訊僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
