Web3与AI的融合:构建去中心化智能生态系统

近期,在迪拜世界政府峰会上,一位科技界领袖提出了"主权AI"的概念。这引发了人们思考:如何构建一个符合加密社区利益和诉求的AI系统?答案可能在Web3和AI的结合中。

以太坊创始人在一篇文章中阐述了加密技术与AI的协同效应:加密的去中心化可以平衡AI的中心化趋势;加密带来的透明度可以弥补AI的不透明;区块链有利于AI所需数据的存储和追踪。这种协同贯穿于Web3+AI的整个产业格局。

目前,大多数Web3+AI项目致力于利用区块链技术解决AI行业基础设施建设问题,少数项目则利用AI解决Web3应用的特定问题。Web3与AI的结合主要体现在四个方面:

1. 算力层:算力资产化

近年来,AI大模型训练所需算力呈指数级增长,远超摩尔定律。这导致AI算力供需失衡,GPU等硬件价格飙升,抬高了算力成本。然而,市场上存在大量闲置的中低端算力硬件。通过Web3方式建设分布式算力网络,可以整合这些闲置资源,满足多种AI应用需求,同时显著降低成本。

算力层细分包括:

• 通用去中心化算力
• AI训练专用去中心化算力
• AI推理专用去中心化算力
• 3D渲染专用去中心化算力

Web3+AI的算力资产化优势在于,结合代币激励易于扩展网络规模,且计算资源成本低,性价比高,可满足中低端算力需求。

2. 数据层:数据资产化

数据是AI的核心资源。传统模式下,只有大型企业才能获取海量用户数据,普通创业公司难以获得广泛数据,用户也无法从中受益。Web3+AI模式可以让数据收集、标注、分布式存储等流程更加低成本、透明,并惠及用户。

通过Web3的分布式网络和代币激励机制,可以采用众包方式以较低成本获取高质量、广泛的数据。

数据类项目主要包括:

• 数据收集
• 数据交易
• 数据标注
• 区块链数据源
• 去中心化存储

这类项目在设计代币经济模型时面临更大挑战,因为数据比算力更难标准化。

3. 平台层:平台价值资产化

平台类项目多数旨在整合AI行业各类资源,聚合数据、算力、模型、开发者、区块链等要素,以平台为中心解决各种需求。例如,有项目专注构建zkML运营平台,通过密码学技术验证模型推理的正确执行,解决AI黑盒问题。

还有项目致力于构建AI专用的区块链网络,连接各类资源,提供通用组件和SDK,助力Web3+AI应用快速发展。此外,一些平台专注于构建AI Agent网络,为各种应用场景提供支持。

平台类项目主要通过代币捕获平台价值,激励各方共建。这对初创项目从0到1的发展过程很有帮助,可以降低寻找合作方的难度。

4. 应用层:AI价值资产化

应用层项目多数利用AI解决Web3应用面临的问题。以太坊创始人提出了两个有意义的方向:

1. AI作为Web3参与者:

   • 在Web3游戏中,AI可作为玩家快速理解规则并高效完成任务
   • 在去中心化交易所中,AI已在套利交易中发挥重要作用
   • 在预测市场中,AI Agent可通过分析大量数据,为用户提供事件预测模型

2. 创建可扩展的去中心化私人AI: 解决用户对AI黑盒、偏见和欺骗的担忧。通过创建一个类似Web3项目的AI,让社区拥有分布式治理权,可能更容易被接受。

目前,Web3+AI应用层尚未出现突出的标杆项目。

结语

Web3+AI领域仍处于早期阶段,业内对其发展前景存在分歧。我们期待Web3与AI的结合能创造出比中心化AI更有价值的产品,让AI摆脱"巨头控制"和"垄断"的标签,以更加社区化的方式实现"共治AI"。也许在更深入参与和治理的过程中,人类对AI会既存敬畏又减少恐惧。