AI与Web3融合：从基础设施到实际应用

人工智能和Web3技术作为当前最受关注的两大技术领域，正在不断融合并推动创新。在最近结束的香港共识大会上，AI与Web3的结合成为了热门话题，无论是主会场还是分会场都有大量相关讨论。本文将深入探讨这一领域的最新发展。

一、AI 基础设施

1. AI Agent发射平台和框架

近半年来，AI Agent的发射平台和框架类基础设施建设异常火热。这些项目为开发者和普通用户提供了低门槛使用AI Agent的平台，成为本轮AI项目的重点方向之一。

• 0G Labs：首个去中心化人工智能操作系统（deAIOS），通过构建AI专有的Layer 1，连接计算资源、数据和模型，打造分布式AI开发生态系统。

• DeAgentAI：专注于去中心化AI Agent的创新平台，致力于推动多代理技术（Multi-Agent Systems）的发展。

• Autonomys Network：去中心化基础架构栈，旨在实现安全、自主的人机协作。用户可创建自主行动的AI智能体。

• Gaia Network：去中心化AI基础设施平台，支持AI Agent和应用的分布式开发与运行。

• Questflow：由多AI Agent组成的去中心化网络，用户只需描述需求，AI代理网络即可自主完成任务。

2. 去中心化AI

去中心化AI是链上AI的终极目标。目前许多项目在算力、数据、模型等方面不断努力，希望通过去中心化方式打破大公司对LLM的垄断，帮助大众获得数据和模型的所有权。

• Vana：致力于构建去中心化用户数据主权平台，让个人数据变成金融资产。

• Hyperbolic：开放访问的AI云平台，整合全球计算资源，为用户提供经济实惠、可扩展的GPU资源和AI服务。

• OpenLedger：专注于AI和区块链的下一代网络，提供去中心化经济基础设施。

• IO.NET：去中心化计算平台，提供按需访问GPU和CPU集群的服务。

• Aethir：提供分布式云计算基础设施的创新平台。

• MinionLab：去中心化自治AI智能体网络，用于从互联网实时挖掘数据。

• GAIB：AI和高性能计算领域的经济层解决方案，将GPU视为资产，计算能力视为货币。

• Kite AI：专为人工智能经济设计的去中心化Layer 1区块链平台。

• Automata：为去中心化应用提供中间层隐私保护和无追踪计算功能。

• Public AI：致力于打造开放透明的AI数据平台，支持多模态数据的收集和标注。

3. 可验证的AI

AI发展面临的重要挑战之一是训练过程的不透明以及输出结果准确性的保证。目前有多个项目通过ZKP、TEE等技术实现对AI训练过程的可验证性，保证AI输出结果的可靠性。

• Phala Network：去中心化云计算平台，为链上应用提供可信的隐私计算和AI推理服务。

• Brevis：去中心化计算引擎，提供可验证的链下AI和区块链计算。

• Verisense Network：专注于去中心化数据验证与可信AI的创新平台。

二、AI用例：潜力与期待

目前，出彩的AI实际用例项目相对较少。除了知名的推特机器人AIXBT外，还有一些新兴项目展现了AI Agent的应用潜力：

• Narra：Berachain上的Gamefi AI Agent平台，能生成实时动态叙事内容。

• AI Travel：AI驱动的旅行助手，可通过聊天方式帮助用户自动定制旅行计划。

• HeyTracyAI：专注于篮球领域的体育解说AI Agent。

• AskJimmy：专注于金融和交易领域的AI Agent平台。

三、传统项目向AI转型

许多传统Web3项目正积极拥抱AI，宣布了各自的AI转向计划：

• 公链项目如Sui、Near、Flow和Aptos等积极参与AI相关会议，表示将从底层架构、账户创新等方面全面支持AI发展。

• Eigenlayer正努力构建去中心化的信任层（Decentralized Trust）和可验证的云服务（Verifiable Cloud），为AI的训练和推理、预测等链下运算提供链上证明。

四、挑战与未来

尽管前景光明，链上AI的发展仍面临诸多挑战，包括模型可靠性不足、提示词意图的模糊性、存储和硬件限制，以及隐私安全等问题。这些挑战不仅带来技术难题，也孕育着巨大的创新机会。

长远来看，业界对链上AI的发展充满希望，期待通过基础设施的进一步完善、用例创新和社区协作，共同推动AI与Web3的融合与繁荣。