AI和Web3融合:香港共识大会2025见闻

AI和Web3作为当前最受瞩目的两大技术领域,正在不断推动人类社会迈向新的技术高峰。随着ChatGPT带来的革命性AI体验,链上AI也逐渐从概念走向实践,成为Web3领域最有潜力的新兴赛道之一。

在刚结束的香港共识大会2025上,AI与Web3的融合成为热门议题,相关讨论贯穿整个会议。让我们一起来回顾此次大会上关于AI x Web3的精彩观点和前沿项目。

一、AI基础设施

1. AI Agent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十分火热。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,是当前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,致力推动多代理技术发展。用户可创建、管理和协调AI Agent网络,应用于业务自动化、数据分析等场景。

• Autonomys Network:去中心化基础架构栈,实现安全、自主的人机协作。用户可创建专属AI智能体,执行预订服务、资金管理等任务。

• 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,通过区块链整合分布式存储、计算和数据验证。

• Questflow:去中心化多AI Agent网络,用户描述需求后,AI代理网络可自主完成任务,发挥集体智能优势。

2. 去中心化AI

去中心化AI是链上AI的终极目标。目前多个项目在算力、数据、模型等方向努力,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所有权。

• Vana:去中心化用户数据主权平台,通过Data Liquidity Pools让个人数据成为金融资产。

• Hyperbolic:开放访问的AI云平台,整合全球计算资源,提供经济实惠的GPU资源和AI服务。

• OpenLedger:专注AI和区块链的下一代网络,支持开发者获取高质量数据、微调专用语言模型并部署为付费服务。

• IO.NET:去中心化计算平台,提供按需访问GPU和CPU集群服务,无需用户自购昂贵硬件。

• Aethir:分布式云计算基础设施平台,包括AI计算专用的Aethir Earth和游戏优化的Aethir Atmosphere。

• MinionLab:去中心化自治AI智能体网络,用于实时挖掘互联网数据,设备所有者可获得代币奖励。

• 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AI经济设计的去中心化Layer 1区块链平台,通过Proof of AI机制实现公平访问与奖励。

• 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:开放透明的AI数据平台,支持多模态数据收集和标注,采用Proof of AI共识机制。

3. 可验证的AI

AI发展面临的重要挑战之一是训练过程不透明和结果准确性无法保证。一些项目正尝试通过ZKP、TEE等技术实现AI训练过程的可验证性,保证输出结果可靠性。

• 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,结合零知识证明提升隐私与效率。

• Verisense Network:专注去中心化数据验证与可信AI的创新平台,帮助验证数据来源和AI决策过程。

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,但一些新兴项目为AI Agent的应用提供了更多可能性:

• Narra:Berachain上的Gamefi AI Agent平台,生成实时动态叙事内容,支持AI-NFT的生成和互动。

• AI Travel:AI驱动的旅行助手,可自动定制旅行计划、预订酒店和比价服务。

• HeyTracyAI:NBA冠军Tristan Thompson参与的篮球领域AI Agent,提供实时分析和预测性见解。

• AskJimmy:专注金融和交易领域的AI Agent平台,目标是创建AI Agent自主运行的去中心化多策略对冲基金。

三、传统项目向AI转型

许多传统Web3项目也开始拥抱AI,宣布各自的AI转向计划:

• Sui、Near、Flow和Aptos等公链积极参与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信任层和可验证云服务,为AI的训练、推理和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、提示词意图模糊、存储和硬件限制、隐私安全等问题。这些挑战既是技术难题,也孕育着巨大的创新机会。长远来看,业内对链上AI的发展充满希望,期待通过基础设施完善、用例创新和社区协作,共同推动AI与Web3的融合与繁荣。