Web3與AI的融合:構建更透明、去中心化的人工智能生態

在最近的世界政府峯會上,一位科技業領袖提出了"主權AI"的概念。這引發了人們思考:究竟什麼樣的AI能夠真正符合加密社區的利益和需求?答案可能在Web3和AI的結合中找到。

以太坊創始人在一篇文章中闡述了加密技術與AI的協同效應:加密的去中心化可以平衡AI的中心化趨勢;加密帶來的透明度可以緩解AI的不透明性;區塊鏈有利於AI所需數據的存儲和追蹤。這種協同貫穿於Web3+AI的整個產業版圖。

目前,大多數Web3+AI項目致力於利用區塊鏈技術解決AI行業基礎設施建設問題,少數項目則利用AI解決Web3應用中的特定問題。Web3與AI的結合主要體現在四個層面:

1. 算力層:算力資產化

近年來,AI大模型訓練所需算力呈指數級增長,遠超摩爾定律。這導致AI算力供需失衡,GPU等硬件價格飆升,抬高了算力成本。

Web3方案可以通過建設分布式算力網路,整合閒置的中低端硬件資源,打造去中心化的計算資源網路。這種方式可以顯著降低AI算力成本,滿足衆多AI應用需求。

算力層細分包括:

• 通用去中心化算力
• AI訓練專用去中心化算力
• AI推理專用去中心化算力
• 3D渲染專用去中心化算力

Web3+AI算力資產化的核心優勢在於:去中心化算力項目可借助代幣激勵快速擴展網路規模,提供高性價比的計算資源,滿足中低端算力需求。

2. 數據層:數據資產化

數據是AI的核心資源。傳統模式下,只有巨頭企業掌握大量用戶數據,普通創業公司難以獲取廣泛數據,用戶也無法從數據價值中受益。Web3+AI可以讓數據收集、標注、存儲等流程更加低成本、透明,更有利於用戶。

數據類項目主要包括:

• 數據收集
• 數據交易
• 數據標注
• 區塊鏈數據源
• 去中心化存儲

這類項目在設計代幣經濟模型時面臨更多挑戰,因爲數據比算力更難標準化。

3. 平台層:平台價值資產化

平台類項目多數對標某知名AI開發平台,核心是整合AI行業各類資源。這些平台聚合數據、算力、模型、開發者、區塊鏈等資源,更便捷地解決各種需求。

有些項目專注於構建可信透明的機器學習推理平台,應用密碼學技術驗證模型推理過程。還有項目致力於打造AI專用的公鏈或二層網路,連接各類算力、數據、模型、開發者等資源,幫助Web3+AI應用快速構建和發展。

平台類項目主要通過代幣捕獲平台價值,激勵各方參與共建。這對初創項目從0到1的過程很有幫助,可以降低尋找合作方的難度。

4. 應用層:AI價值資產化

應用層項目更多利用AI解決Web3應用的問題。有兩個方向值得關注:

一是AI作爲Web3參與者。例如在Web3遊戲中,AI可作爲玩家快速理解規則並高效完成任務;在去中心化交易所中,AI已在套利交易中發揮作用;在預測市場中,AI可幫助用戶進行更準確的預測。

二是創建可擴展的去中心化私人AI。這可以解決用戶對AI黑盒、偏見等問題的擔憂,讓用戶像參與Web3項目一樣對AI擁有治理權。

目前Web3+AI應用層尚未出現真正的明星項目,仍有巨大發展空間。

結語

Web3+AI仍處於早期階段,業內對其前景存在分歧。我們希望Web3與AI的結合能創造出比中心化AI更有價值的產品,讓AI擺脫"巨頭控制"、"壟斷"等標籤,以更加社區化的方式實現"共治AI"。也許在更深入參與治理的過程中,人類對AI會多一分敬畏、少一分恐懼。