OP Crypto研报：AI与Web3结合可能性的无限遐想

原文作者： michaeljin&Yetta

原文来源：OP Crypto

作为被 AI 大浪潮席卷的Web3从业者，在亲历了最近几个月的两个行业的信息爆炸后，整理了一些感想和研究想和 Web3从业者一起共勉：

AI 和Web3, 一个突破了我们对生产力上限的想象, 一个重塑了我们对经济模式的理解. 作为代表着未来发展发向的前沿技术, 两者的结合似乎浑然天成, 总能激发出无限的想象空间, 但当我们将目光转向现实, 却又发现真正将两者有机结合的项目少之又少。两个赛道的碰撞诞生了新的叙事, 却也催生了不少泡沫与噱头，不少在理论上相辅相成的美好愿景, 在现实中也许并没有真实的需求; 而那些能够对标现实需求的项目, 也会因成本或技术的瓶颈而难以落地。

我认为Web3和 AI 此消彼长的想法，也与在一级市场上见到 AI 含量的web3项目数量以及碰到非必要web3化的 AI 项目成正比上升。AI native 的创业者/项目方其实并不会去思考如何web3化，比如数据确权上链，经济模型，生产关系分配等，因为在 AI 大模型自下而上的项目对资源需求高，需要的大量资源使得 AI 从训练到运营都十分中心化，而目前一些Web3的项目方所谓地帮助 AI 改善生产关系的实际落地可行性我保持非常大程度的谨慎。

Web3市场在宏观政策层面和创新层面都遇见了不小的瓶颈情况，新的监管压力暂且不表，从创新层面，当 AI 以高速提升生产力、替代人类思维能力吸引了绝大多数用户、Builder 以及投资人的目光时，Web3行业性的创新窘迫更加无从遮掩，Web3已经有很久一段时间没有 AI 这样级别的创新了。老实说，目前引起大家一些关注的新项目大多是对过去技术/产品的微小改动。比如更好的质押方式，更好用户体验的多链钱包，有新玩法的 meme 币，新公链上的更好流动性的 Dex 等等，这些所谓的“创新”对引入更多用户或区块链的使用渗透率真的有帮助吗，以及是这个行业真正需要的嘛。

我们需要一些新的能将 AI 带入Web3，能让Web3走出去的领域，而这些区块链的底层本质比如（1. 内容创作确权， 2. 身份确认， 3. 金融体系的革新， 4. 去信任终结等等）的实际使用关乎着整个行业的下一个范式转移的未来。本着寻求有机结合的宗旨, 本文从底层技术的适配与互补出发, 全面盘点了 AI 与Web3结合产生的新领域, 并对这些领域下的各个方向的实际需求, 发展瓶颈, 与前景展望做了一个总结与分析.

上图参考自 Hash Global 的 KK 老板

TL;DR

• AI 和web3在底层逻辑上有冲突, AI 大模型需要的大量资源使得 AI 从训练到运营都十分中心化, 而基于区块链构建的Web3前景则优先去中心化与公开透明. 这使得 AI 和web3在底层的结合非常困难, 其商业逻辑是否成立, 实际需求是否存在有待推敲.

• 但是正是这一在底层上相悖的逻辑, 使得 AI 与Web3可以互相补充, 不求成为彼此的叙事核心但可以成为彼此痛点的解决方案, 助推各自的发展. 两个技术也会互相带去很多新的叙事, 留下巨大的想象空间. web3的经济模型设计可以让许多 AI 项目方提升资金利用率助推项目拉新促活，而区块链本身的好处比如降低基础设施成本，验证身份，在人工智能中的数据黑盒中注入民主和透明度以及提供数据贡献激励措施可以为 AI 项目团队的产品设计提供新思路 。

• 在基础设施层, Web3的去中心化机制可以从底层解决当下 AI 存在的风险与问题, 例如隐私保护, 数据滥用等.

  为 AI 发展的必备要素, 如算力, 数据, 提供去中心化的市场, 最大化地利用闲置资源, 优化资源利用与配置, 助推 AI 大模型的发展与应用.

  Web3的去中心化机制让 AI 能从最底层的方面变得更加民主. 通过去中心化地部署, 训练和使用 AI, 用户的数据隐私可以更好地得到保护的同时, 也有机会可以通过分享数据得到回报.

  区块链也可以用来记录并监测 AI 的行为, 从而提升 AI 的安全性, 使得自动化 AI 代理在各个场景中的使用得到推广.

• 在应用层 AI 在可以帮助Web3应用发展与普及.

  一来 AI 作为生产力工具可以帮助Web3应用大幅度提高开发速度, 而其作为知识引擎又能降低用户与 dApp 的交互和学习成本, 帮助更多的用户进入Web3.

  AI 可以显著降低开发 dApp 和发行项目的技术门槛, 使得项目的竞争力更多聚焦于创新与运营方面. 而正是在这一方向上, 生成式 AI 可以为Web3的应用带去新的叙事, 例如在游戏, 社交等生态中植入虚拟人, 角色 AI 等新锐元素, 开发出全新的玩法。

基础设施层

代币激励与治理机制: 去中心化市场赋能 AI 基础设施

在 AI 大模型的时代, 支撑 AI 发展的基础设施各个环节将变得尤为重要.

在建设和发展 AI 基础设施的过程中，一个关键的挑战是如何有效地激励和协调参与者，使其共同推动系统的发展和运行。而去中心化市场和代币激励机制为解决这一问题提供了一种新颖而强大的方法。在这样的市场中，代币作为一种数字资产和价值媒介，具有重要的作用。代币可以代表某种特定的权益、功能或资源，而其交易和转移则通过智能合约进行，实现了安全、透明和自动化的交易过程。

对于 AI 基础设施来说，代币激励机制可以发挥多重作用。首先，代币可以作为一种激励手段，用于奖励和鼓励那些为 AI 基础设施做出贡献的参与者。这些贡献可以包括提供计算资源、数据集、算法模型、算力等等。例如最近很火的 AI 语音聊天机器人创作平台 MyShell, 就通过 chatbot 创作工坊和数据分析实现了数据飞轮效应。用户可以在 Myshell 平台上定制 chatbot 的声音、功能和知识库，并与它们互动。这些互动收集到的数据被用于改进机器人的性能和个性化服务，吸引更多用户使用平台，进一步增加数据和价值，形成良性循环的增长模式。

通过向参与者提供代币奖励，Web3的经济模型也可以吸引更多的人参与到 AI 基础设施的建设中，促进资源的共享和合作。代币可以用于实现去中心化市场中的价值流动和交换。参与者可以通过使用代币购买和销售资源、服务和算法模型等，实现在市场中的交易和协作。这种价值流动的机制可以为 AI 基础设施的发展提供更加灵活和高效的方式，使参与者能够更好地满足各自的需求和利益。

同态加密与联邦学习: 在 AI 的底层训练中融入隐私保护

确保个人隐私和数据安全的同时进行有效的模型训练是长久已有挑战。在这方面，同态加密技术提供了一种强大的隐私保护方法，可以在 AI 的底层训练中融入隐私保护，保证敏感数据的安全性。

同态加密是一种特殊的加密技术，允许在加密状态下对数据进行计算，而无需解密。这意味着可以对加密的数据进行模型训练和计算，而不会暴露原始数据的内容。通过将同态加密应用于 AI 的底层训练过程，可以在不泄露敏感数据的情况下实现隐私保护。

使用同态加密进行 AI 训练时，以下是一些关键的步骤和考虑因素：

1. 数据加密：将参与 AI 训练的数据使用同态加密算法进行加密。这确保了在训练过程中数据的隐私性和保密性。

2. 加密计算：在加密状态下执行计算操作，包括模型训练、优化和推断等。同态加密技术使得这些计算成为可能，而无需解密数据。

3. 安全参数共享：参与训练的各方需要共享和交换加密计算所需的安全参数。这些参数用于控制同态加密过程和解密结果。

4. 加密结果处理：在完成加密计算后，可以对结果进行解密，以获得最终的模型权重或预测输出。解密结果时需要采取适当的安全措施，以防止数据泄露或未授权访问。

同态加密技术在 AI 的底层训练中融入隐私保护具有一些优势和潜在的应用场景： a. 隐私保护： 同态加密使得在敏感数据上进行模型训练成为可能，而无需实际访问或暴露这些数据。 这有助于维护个人隐私和数据所有者的控制权。 b. 数据协作： 多个数据所有者可以共同参与 AI 训练，而无需共享其原始数据。 同态加密技术使得这种数据协作成为可能，促进了合作与共享的机会。 c. 法律合规性： 对于受到法律法规限制的敏感数据（例如医疗记录或金融数据），同态加密为 AI 训练提供了一种符合合规性要求的方法。 这类隐私性也可以通过去中心化的计算平台来实现. 例如 Fluence 就是一个去中心化的计算平台，可以运行包括 AI 在内的许多程序, 旨在通过点对点应用程序实现数字创新的自由。它提供了一个开放的Web3协议、框架和工具，用于在无需许可的点对点网络上开发和托管应用程序、接口和后端。

zkML 与链上 AI inference: AI 代理行为监测与权责约束

在人工智能（AI）技术的迅猛发展和广泛应用的背景下，确保 AI 系统的行为符合伦理和法律要求变得尤为重要。AI 系统通常被视为代理实体，其能够执行任务并做出决策，而这些决策可能对人类和社会产生深远影响。因此，监测 AI 代理行为并约束其权责成为保障公共利益和个人权益的关键问题。而 zkML 作为一种创新的方法，为 AI 代理行为的监测与权责约束提供了一种安全、可验证和透明的解决方案。通过结合零知识证明和区块链技术，zkML 在保护隐私的同时，确保了 AI 系统的合规性和可信度。

以 Modulus Labs 为例，该项目利用 zkML 的技术，确保 AI 系统的运行过程中不会泄露关键数据或敏感信息。通过在计算过程中应用零知识证明，该项目可以向监管机构或利益相关者证明其 AI 执行了特定的任务，而无需透露实际的数据或内部模型。这种方法保护了个人隐私和商业机密，同时提供了对 AI 代理行为进行审计和验证的手段。zkML 所建立的一个去中心化的监测和约束框架可以实时监测和审查 AI 代理的决策过程和行为路径。

这种去中心化的监测机制确保了透明度和可追溯性，使得违规行为或不当决策能够被及时发现和纠正。zkML 还为 AI 代理行为的权责约束提供了一种机制。通过将智能合约与 AI 系统的运行和决策过程结合起来，可以设定一系列规则和条件，限制 AI 代理的行为范围，并确保其符合道德准则和法律法规。这种权责约束机制使得 AI 系统成为一种可信赖的工具，能够为人类社会创造价值而不会滥用权力或对人类利益造成伤害。这一技术为构建可持续、道德和负责任的人工智能系统奠定了重要基础。

执行层

提高生产效率，Web3发展的加速器

在Web3的发展过程中，人工智能（AI）扮演着重要的角色，与各种领域相结合，以提高生产效率和创造更好的用户体验。以下是 AI 与Web3结合的几个关键领域：

1. AI 与链上数据收集分析

   AI 技术在链上数据收集和分析方面发挥着重要作用。区块链作为一个分布式的数据库，记录了大量的交易和信息。通过利用 AI 技术，可以更好地理解和利用区块链上的数据。例如，Web3 Analytics 是一个基于 AI 的分析平台，利用机器学习和数据挖掘算法来收集、处理和分析链上数据。它可以帮助用户洞察链上交易、市场趋势和用户行为模式，从而为用户提供更准确的数据分析和决策支持。类似的平台还有 MinMax AI，它提供了基于 AI 的链上数据分析工具，帮助用户发现潜在的市场机会和趋势。

2. AI 与自动化 dApp 开发

   AI 技术在自动化 dApp 开发过程中的应用也非常重要。智能合约和 dApp 开发通常需要编写大量的代码，并进行繁琐的测试和部署工作。通过将 AI 与智能合约和 dApp 开发工具相结合，可以实现更高效、更智能的 dApp 开发过程。AI 可以帮助自动化代码生成、智能合约的验证和测试，以及 dApp 的部署和维护。这样可以节省时间和资源，并提高开发过程的效率和准确性。例如，一些 AI 辅助的开发工具使用自然语言处理和机器学习技术，帮助开发者更快地编写智能合约，并自动检测和修复潜在的错误。

3. AI 与链上交易安全

   在Web3世界中，链上交易安全是至关重要的。由于区块链的开放性和透明性，恶意攻击、欺诈行为和数据泄露都是存在的风险。AI 技术可以用于增强链上交易的安全性和隐私保护。例如Web3安全平台 SeQure 就利用 AI 检测和防止恶意攻击、欺诈行为和数据泄露，并提供实时监控和警报机制，确保链上交易的安全性和稳定性。类似的安全工具还有 AI-powered Sentinel

优化资源配置, Web3世界的导航器

在Web3世界中，优化资源配置是一个关键的挑战。随着区块链技术和人工智能的结合，我们可以借助 AI 作为导航器来实现更有效的资源分配和利用。以下是几个领域中 AI 在Web3世界中的导航作用：

1. AI 与链上活动优化：区块链上的活动包括交易、合约执行和数据存储等。通过 AI 的智能分析和预测能力，我们可以更好地优化链上活动，提高整体效率和性能。AI 可以通过数据分析和模型训练，帮助识别交易模式、检测异常活动，并提供实时建议以优化区块链网络的资源分配。

2. AI 与链上广告机制：在Web3世界中，广告也是资源的一种。AI 可以在链上广告机制中发挥关键作用，帮助广告主更准确地定位目标受众，并提供个性化的广告内容。通过分析链上用户的数据和行为模式，AI 可以实现更精确的广告投放，提高广告的点击率和转化率，从而优化资源的配置和利用。

3. AI 与 DAO 治理：去中心化自治组织（DAO）是Web3世界中的一种新型组织形式。AI 可以作为 DAO 治理的重要工具，协助决策制定、投票机制和社区治理。AI 可以通过数据分析和预测，帮助 DAO 成员更好地了解社区的需求和意见，并提供决策支持。通过 AI 的参与，DAO 可以更高效地运作，优化资源配置，促进社区的发展和成长。

应用层

降低准入门槛, Web3普及的助推器

• 嵌入 AI 的友好用户界面

  例如 Web3 审计平台 Fuzzland 就使用了 AI 来帮助代码审计人员检查代码漏洞，提供自然语言解释来辅助审计专业知识。Fuzzland 还利用 AI 提供了对正式规范和合约代码的自然语言解释，以及一些示例代码，以帮助开发者理解代码中的潜在问题。通过将 AI 技术与审计专业知识相结合，Fuzzland 使得Web3行业的开发者能够更加轻松地理解和解释代码，提高审计的效率和准确性。

• 嵌入 AI 的智能合约解读

• 嵌入 AI 的智能合约撰写

在Web3的发展中，降低准入门槛是实现普及化的关键。为了实现这一目标，嵌入人工智能（AI）的技术在提供友好用户界面、智能合约解读和智能合约撰写方面发挥了重要作用。嵌入 AI 的友好用户界面为使用Web3平台的用户提供了更加直观和便捷的操作体验。传统的区块链技术通常需要用户学习复杂的命令和语法，才能进行交互和执行操作。然而，通过将 AI 技术应用于用户界面设计中，可以实现自然语言处理、图形化界面等功能，使用户无需深入了解技术细节，就能够轻松地使用Web3平台进行各种操作。AI 同时也为用户提供了更好理解和解释智能合约的能力。通过应用 AI 技术，可以实现智能合约的自动解析和可视化展示，将智能合约中的逻辑流程和条件表达清晰呈现给用户，提高用户对智能合约的理解和信任。

丰富情节玩法, Web3世界的创意库

• AI 与生成式 NFT

• AI 自动交易代理

• 角色 AI 与游戏 NPC

• AI 与元宇宙场景自动渲染

生成式 AI 的兴起为创意产业带来了全新的可能性，为Web3世界带来了更加多样和创新的体验，让用户可以参与到丰富的情节和玩法中。在过去的 NFT 牛市中, AI 与为生成式 NFT 注入了无限的创造力。生成式 NFT（Non-Fungible Token）是一种基于算法和数据的艺术品或数字资产，通过 AI 技术可以生成各种独特、多样化的艺术品和角色。这些生成式 NFT 可以成为游戏、虚拟世界或元宇宙中的角色、道具或场景元素，为用户提供了丰富的选择和个性化体验。在 DeFi 的热潮当中, AI 自动交易代理也为创意库中的经济交易流程带来了便捷和高效。在Web3世界中，用户可以通过拥有、交易或参与创意库中的数字资产来获得收益。AI 自动交易代理利用智能算法和机器学习技术，能够自动化进行资产交易，帮助用户获取最佳交易机会和最大化收益。 AIGC 也为内容平台和 UGC 社区带来了新的玩法和创意. 例如 Yodayo 就是一个 AI 艺术平台，供虚拟主播和动漫迷分享和创造更多他们所热爱的内容。Yodayo 通过接入 AIGC 引擎, 让用户在内容创作平台上的创作和互动变得更为简单易操作, 让在传统平台上通常“沉默“的大多数用户也能成为创作者和 up 主, 从内容消费者摇身一变成为内容创作者, 与社区产生更紧密的联系并做出贡献.

角色 AI 与游戏 NPC 的结合为创意库中的游戏情节带来了更加逼真和互动的体验。通过将 AI 技术应用于游戏角色和非玩家角色（NPC），可以赋予它们智能行为、自主决策和情感表达能力。这使得游戏情节更加丰富多样，玩家能够与具有逼真人工智能的角色进行互动，共同探索游戏世界和解决各种挑战。AI 与元宇宙场景自动渲染相结合，为游戏当中的虚拟世界创造了更加逼真和生动的环境。例如 Inward AI 会系统地分析玩家的行为和偏好，基于他们之前的互动，让游戏中的关键人物提供独特的任务或者信息，为每个玩家塑造个性化的故事情节。而 rctAI 所提供的实时战斗 AI 则能使每一场战役都栩栩如生, 与玩家对战的角色可以从玩家的战斗策略中不断学习, 提高技能并调整策略, 让战斗充满更多的不确定性, 变得更加刺激.  这些 AI 技术的整合创造了动态且互动的叙事，逼真而具有挑战性的战斗场景，使游戏世界更具沉浸感和吸引力。

结语

作为被 AI 大浪潮席卷的Web3从业者，我们在经历了最近几个月两个行业的信息爆炸后，对 AI 与Web3的结合有了更加深入的思考。虽然两者在底层逻辑上存在冲突, AI 的中心化特性与Web3的去中心化原则似乎难以调和，但正是这种相悖的逻辑，使得 AI 和Web3能够相互补充，成为彼此痛点的解决方案，互相推动各自的发展。Web3的去中心化机制可以从根本上解决 AI 所面临的隐私保护和数据滥用等问题，而Web3与区块链技术的应用还可以监测和记录 AI 的行为，提升 AI 的安全性，促进自动化 AI 代理在各个领域的推广和应用。

AI 和Web3在底层的结合虽然困难重重，但在应用层面却能够创造出许多新的可能性和叙事: AI 可以成为Web3应用的重要助力, 极大地提高Web3应用的开发速度，降低用户与 dApp 的交互和学习成本，帮助更多用户进入Web3世界。同时，AI 在降低 dApp 开发和项目发行的技术门槛的同时，也能给项目在创新和运营方面带来更多的玩法并提升竞争力, 如在游戏和社交生态中嵌入虚拟人和角色 AI 等新颖元素，将为Web3应用带来全新的叙事和体验，进一步推动Web3行业的发展和推广。

尽管 AI 和Web3的结合面临着一些挑战和限制，但我们相信，唯有两者的有机结合能支撑起下一代互联网的叙事和理想。我们期待看到更多能够将 AI 带入Web3，并将Web3推向更广阔领域的创新项目的涌现, 也希望这两个前沿技术的发展, 能不断帮助彼此突破技术瓶颈, 克服成本限制，共同创造一个更加智能, 也更加开放的未来。