Web3与AI的融合:构建更透明、去中心化的人工智能生态

在最近的世界政府峰会上,一位科技业领袖提出了"主权AI"的概念。这引发了人们思考:究竟什么样的AI能够真正符合加密社区的利益和需求?答案可能在Web3和AI的结合中找到。

以太坊创始人在一篇文章中阐述了加密技术与AI的协同效应:加密的去中心化可以平衡AI的中心化趋势;加密带来的透明度可以缓解AI的不透明性;区块链有利于AI所需数据的存储和追踪。这种协同贯穿于Web3+AI的整个产业版图。

目前,大多数Web3+AI项目致力于利用区块链技术解决AI行业基础设施建设问题,少数项目则利用AI解决Web3应用中的特定问题。Web3与AI的结合主要体现在四个层面:

1. 算力层:算力资产化

近年来,AI大模型训练所需算力呈指数级增长,远超摩尔定律。这导致AI算力供需失衡,GPU等硬件价格飙升,抬高了算力成本。

Web3方案可以通过建设分布式算力网络,整合闲置的中低端硬件资源,打造去中心化的计算资源网络。这种方式可以显著降低AI算力成本,满足众多AI应用需求。

算力层细分包括:

• 通用去中心化算力
• AI训练专用去中心化算力
• AI推理专用去中心化算力
• 3D渲染专用去中心化算力

Web3+AI算力资产化的核心优势在于:去中心化算力项目可借助代币激励快速扩展网络规模,提供高性价比的计算资源,满足中低端算力需求。

2. 数据层:数据资产化

数据是AI的核心资源。传统模式下,只有巨头企业掌握大量用户数据,普通创业公司难以获取广泛数据,用户也无法从数据价值中受益。Web3+AI可以让数据收集、标注、存储等流程更加低成本、透明,更有利于用户。

数据类项目主要包括:

• 数据收集
• 数据交易
• 数据标注
• 区块链数据源
• 去中心化存储

这类项目在设计代币经济模型时面临更多挑战,因为数据比算力更难标准化。

3. 平台层:平台价值资产化

平台类项目多数对标某知名AI开发平台,核心是整合AI行业各类资源。这些平台聚合数据、算力、模型、开发者、区块链等资源,更便捷地解决各种需求。

有些项目专注于构建可信透明的机器学习推理平台,应用密码学技术验证模型推理过程。还有项目致力于打造AI专用的公链或二层网络,连接各类算力、数据、模型、开发者等资源,帮助Web3+AI应用快速构建和发展。

平台类项目主要通过代币捕获平台价值,激励各方参与共建。这对初创项目从0到1的过程很有帮助,可以降低寻找合作方的难度。

4. 应用层:AI价值资产化

应用层项目更多利用AI解决Web3应用的问题。有两个方向值得关注:

一是AI作为Web3参与者。例如在Web3游戏中,AI可作为玩家快速理解规则并高效完成任务;在去中心化交易所中,AI已在套利交易中发挥作用;在预测市场中,AI可帮助用户进行更准确的预测。

二是创建可扩展的去中心化私人AI。这可以解决用户对AI黑盒、偏见等问题的担忧,让用户像参与Web3项目一样对AI拥有治理权。

目前Web3+AI应用层尚未出现真正的明星项目,仍有巨大发展空间。

结语

Web3+AI仍处于早期阶段,业内对其前景存在分歧。我们希望Web3与AI的结合能创造出比中心化AI更有价值的产品,让AI摆脱"巨头控制"、"垄断"等标签,以更加社区化的方式实现"共治AI"。也许在更深入参与治理的过程中,人类对AI会多一分敬畏、少一分恐惧。