AI和Web3融合:香港共識大會2025見聞

AI和Web3作爲當前最受矚目的兩大技術領域,正在不斷推動人類社會邁向新的技術高峯。隨着ChatGPT帶來的革命性AI體驗,鏈上AI也逐漸從概念走向實踐,成爲Web3領域最有潛力的新興賽道之一。

在剛結束的香港共識大會2025上,AI與Web3的融合成爲熱門議題,相關討論貫穿整個會議。讓我們一起來回顧此次大會上關於AI x Web3的精彩觀點和前沿項目。

一、AI基礎設施

1. AI Agent平台和框架

近半年來,AI Agent的發射平台和框架類基礎設施建設十分火熱。這些項目爲開發者和普通用戶提供了低門檻使用AI Agent的平台,是當前AI項目的重點方向之一。

• 0G Labs:首個去中心化人工智能操作系統(deAIOS),通過構建AI專有Layer 1,連接計算資源、數據和模型,打造分布式AI開發生態系統。

• DeAgentAI:專注於去中心化AI Agent的創新平台,致力推動多代理技術發展。用戶可創建、管理和協調AI Agent網路,應用於業務自動化、數據分析等場景。

• Autonomys Network:去中心化基礎架構棧,實現安全、自主的人機協作。用戶可創建專屬AI智能體,執行預訂服務、資金管理等任務。

• Gaia Network:去中心化AI基礎設施平台,支持AI Agent和應用的分布式開發與運行,通過區塊鏈整合分布式存儲、計算和數據驗證。

• Questflow:去中心化多AI Agent網路,用戶描述需求後,AI代理網路可自主完成任務,發揮集體智能優勢。

2. 去中心化AI

去中心化AI是鏈上AI的終極目標。目前多個項目在算力、數據、模型等方向努力,希望通過去中心化方式打破大公司對LLM的壟斷,幫助大衆獲得數據和模型所有權。

• Vana:去中心化用戶數據主權平台,通過Data Liquidity Pools讓個人數據成爲金融資產。

• Hyperbolic:開放訪問的AI雲平台,整合全球計算資源,提供經濟實惠的GPU資源和AI服務。

• OpenLedger:專注AI和區塊鏈的下一代網路,支持開發者獲取高質量數據、微調專用語言模型並部署爲付費服務。

• IO.NET:去中心化計算平台,提供按需訪問GPU和CPU集羣服務,無需用戶自購昂貴硬件。

• Aethir:分布式雲計算基礎設施平台,包括AI計算專用的Aethir Earth和遊戲優化的Aethir Atmosphere。

• MinionLab:去中心化自治AI智能體網路,用於實時挖掘互聯網數據,設備所有者可獲得代幣獎勵。

• GAIB:AI和高性能計算領域的經濟層解決方案,將GPU視爲資產,計算能力視爲貨幣。

• Kite AI:專爲AI經濟設計的去中心化Layer 1區塊鏈平台,通過Proof of AI機制實現公平訪問與獎勵。

• Automata:爲去中心化應用提供中間層隱私保護和無追蹤計算功能。

• Public AI:開放透明的AI數據平台,支持多模態數據收集和標注,採用Proof of AI共識機制。

3. 可驗證的AI

AI發展面臨的重要挑戰之一是訓練過程不透明和結果準確性無法保證。一些項目正嘗試通過ZKP、TEE等技術實現AI訓練過程的可驗證性,保證輸出結果可靠性。

• Phala Network:去中心化雲計算平台,爲鏈上應用提供可信的隱私計算和AI推理服務。

• Brevis:去中心化計算引擎,提供可驗證的鏈下AI和區塊鏈計算,結合零知識證明提升隱私與效率。

• Verisense Network:專注去中心化數據驗證與可信AI的創新平台,幫助驗證數據來源和AI決策過程。

二、AI用例:潛力與期待

目前出彩的AI實際用例項目相對較少,但一些新興項目爲AI Agent的應用提供了更多可能性:

• Narra:Berachain上的Gamefi AI Agent平台,生成實時動態敘事內容,支持AI-NFT的生成和互動。

• AI Travel:AI驅動的旅行助手,可自動定制旅行計劃、預訂酒店和比價服務。

• HeyTracyAI:NBA冠軍Tristan Thompson參與的籃球領域AI Agent,提供實時分析和預測性見解。

• AskJimmy:專注金融和交易領域的AI Agent平台,目標是創建AI Agent自主運行的去中心化多策略對沖基金。

三、傳統項目向AI轉型

許多傳統Web3項目也開始擁抱AI,宣布各自的AI轉向計劃:

• Sui、Near、Flow和Aptos等公鏈積極參與AI相關會議,表示將從底層架構、帳戶創新等方面全面支持AI發展。

• Eigenlayer正努力構建去中心化信任層和可驗證雲服務,爲AI的訓練、推理和預測等鏈下運算提供鏈上證明。

四、挑戰與未來

盡管前景光明,鏈上AI的發展仍面臨諸多挑戰,包括模型可靠性不足、提示詞意圖模糊、存儲和硬件限制、隱私安全等問題。這些挑戰既是技術難題,也孕育着巨大的創新機會。長遠來看,業內對鏈上AI的發展充滿希望,期待通過基礎設施完善、用例創新和社區協作,共同推動AI與Web3的融合與繁榮。