HTX Ventures研報：探索AI+Crypto賽道投資方向

近年來，隨着人工智能（AI）和區塊鏈技術的迅猛發展，AI+Crypto 賽道成為了投資者關注的熱點領域。區塊鏈以其去中心化、透明度高、低能耗和反壟斷等特性，彌補了 AI 系統的強中心化和處理過程不透明，二者的 結合為我們帶來了前所未有的機遇。

根據 Vitalik 的觀點，AI 和區塊鏈的結合應用主要分為四大類：作為應用參與者、作為應用接口、作為應用規則以及作為應用目標。他提出，AI 在 Crypto 中的角色應更多地從“應用”的角度來考慮，包括優化算力、優化算法和優化數據等方面。

火幣研究院按照 AI 的應用層次對 Crypto 技術參與方向進行區分，可以分為基礎層、執行層和應用層，在每一層次上都存在着值得探索的機會。例如，zkML 技術結合零知識證明和區塊鏈技術，為 AI 代理行為提供了安全、可驗證和透明的解決方案。此外，AI 在數據處理、自動化 dApp 开發、鏈上交易安全等執行層次也展現了巨大的潛力。在應用層次，AI 驅動的交易機器人、預測分析工具以及 AMM 流動性管理等在 DeFi 領域中發揮着重要作用。

本文將詳細探討 AI+Crypto 賽道的投資方向，重點關注基礎架構層面和應用層面的創新與發展，從中期和長期投資策略的角度，分析 AI 與區塊鏈結合的前景與挑战。
本文由火幣研究院撰寫，該團隊目前隸屬於 HTX Ventures。HTX Ventures 是火幣 HTX 的全球投資部門，整合投資、孵化和研究以識別全球最優秀和最有前景的團隊。目前，HTX Ventures 已支持跨越多個區塊鏈賽道的 200 多個項目，其中部分優質項目已上线火幣 HTX 交易。

AI 賽道重點方向

區塊鏈在中心化、低透明度、能耗、壟斷化這幾個點上和人工智能相比是完全相反的。Vitalik 按照上述准則以及自身的思考，將人工智能與區塊鏈結合而成的應用分為 4 大類：

• 人工智能作為應用中的參與者（AI as a player in a game）

• 人工智能作為應用的接口（AI as an interface to the game）

• 人工智能作為應用的規則（AI as the rules of the game）

• 人工智能作為應用的目標（AI as the objective of the game）

V神對於 AI 在 Crypto 中的角色更多的是從“應用”的角度來考慮。 如果從生產力 VS 生產關系的角度來考慮。 Crypto 其實更多的是提供生產關系。從這一點來看，主要可從三個方向來考慮：

－優化算力：提供分散而高效的算力資源，減少單點故障風險，提升整體計算效率。

－優化算法：促進算法或模型的开源、共享和創新。

－優化數據：數據的去中心化存儲、貢獻、使用和安全管理

HTX Research 認為，AI 的整體方向可以按通用架構分為基礎層、執行層和應用層。相應的，AI+Web3項目我們也可以從這三個大方向來探索。在基礎層，包括基礎架構層面的模型訓練、數據、去中心化算力和硬件等, 重點關注 zk 技術與人工智能 ML 技術的結合；在執行層，數據處理和數據傳輸, 模型層面的 AI agent、zkML、FHE(全同態加密) 等；在應用層，則主要關注 AI+DeFi， AI+GameFi, 元宇宙、AIGC 和 Meme 等，以及區塊鏈層面的 RAAS(Robotics as a Service)、預言機、協處理器、UBI(全民基本收入)等。

其中基礎架構層面和應用層面項目發展較快，如算力層面的 Io.net、基礎模型層面的 Flock、區塊鏈基礎設施 ZeroGravity、AI agent 的 Myshell 和 應用層面的0x Scope。

以下幾個方向可以重點探索：

一、zkML 方向

zkML 技術通過結合零知識證明和區塊鏈技術，為監測和約束 AI 代理行為提供了一種安全、可驗證和透明的解決方案。 例如，Modulus Labs 項目利用 zkML 技術，在保護個人隱私和商業機密的同時，向利益相關者證明其 AI 已執行特定的任務。

zkML，作為人工智能和區塊鏈的中介，提出了一套解決方案，旨在解決 AI 模型與輸入的隱私保護問題，並保證了推理過程的可驗證性。 它开創了一種能在驗證私有數據時使用公开模型，或在驗證私有模型時使用公开數據的新方法。通過整合機器學習的能力，智能合約得以實現更多的自主性和動態性，可以基於實時鏈上數據進行操作，而不僅僅是靜態規則。這種革新使智能合約更為靈活，能夠適應更多不同的應用場景，甚至是那些在最初設定合約時未能預見到的場景。

zkML 技術典型項目介紹

第一張表格是一些潛力 ZKML 項目簡介. 第二張圖為 ZKML 的一些其他項目.

2、 數據處理方向

主要是指 AI 在執行層次的各類突破，特別是針對一些區塊鏈數據傳輸層次、开發 Develop 層次的一些突破。具體分析如下：

a. AI 與鏈上數據分析

這個方向主要是指利用 AI 技術來深入挖掘這些數據，利用 LLM 大模型和深度學習算法來獲取更多洞察。例如，Web3 Analytics 這一個項目, 它運用 AI 進行鏈上數據分析，揭示市場趨勢和用戶行為. 它可以幫助用戶來洞察鏈上交易, 市場趨勢。

b. AI 與自動化 dApp 开發

這個方向主要是針對 Devops 的一些基礎設施項目。運用了自動化开發的一些 AI 項目 可以承接更多的开發者，從而使生態更加繁榮。 一些使用了 AI 的开發工具還能幫助开發者更迅速地編寫智能合約並自動修正錯誤, 有些還能夠實現拖拽式的 DAPP 編程功能.

c. AI 與鏈上交易安全

這個方向主要是指主要指 AI 代理。 涉及將 AI 代理部署在區塊鏈上，以此來提高 AI 應用的安全性和可信度。這些 AI 代理可以自動執行任務，如交易、數據分析、自動決策制定等，而部署在區塊鏈上使得它們的操作不僅透明可追蹤，還難以被篡改，提高了整個系統的安全性。AI 技術可以通過實時監測和智能分析來識別並防御惡意攻擊和數據泄露，確保交易的安全和數據的完整性。

• 項目案例：
SeQure 是一個安全平臺,它運用 AI 進行實時監測和分析，及時檢測並防御各類惡意攻擊和數據泄露，保障鏈上交易的穩定性和安全性。

三、AI+DEFI 方向

AI 與應用層的結合，最重要的就是 AI+DEFI。以下是一些需要關注的 AI+DEFI 方向：

1. AI 驅動的交易機器人

這些機器人能夠快速精准地執行交易，分析市場數據、新聞情緒和價格走勢，作出瞬間的交易決策，通常都超越了人類交易員的表現。

2. 預測分析

雖然預測加密市場的波動一直是一個挑战，但由 AI 驅動的分析工具正逐漸成為一個重要工具，能夠提供市場趨勢和潛在價格走勢的可靠預測。

3. AMM 流動性管理

例如，在調整 Uniswap V3 的流動性範圍時，通過 AI 的整合，協議可以更智能地調整流動性範圍，從而優化自動做市商（AMM）的效率和收益。

4. 清算保護與債務頭寸管理

結合鏈上和鏈下數據，可以更智能地實現清算保護策略，確保債務頭寸在市場波動時得到保護。

5. 復雜的 DeFi 結構化產品設計

在設計金庫機制時，可以依賴金融 AI 模型而非固定策略。這類策略可能包括 AI 管理的交易、貸款或期權，增加了產品的智能性和靈活性。

四、AI+GameFi 方向

AI 在 GameFi 項目中的應用主要是豐富遊戲體驗，同時加大了創新的可能性。其主要方向如下:

1. 遊戲策略優化：

AI 可以通過學習玩家的遊戲習慣和策略，實時調整遊戲的難度和策略，提供更加個性化和富有挑战性的遊戲體驗。通過深度學習和強化學習，AI 能夠自我進化，更好地適應玩家的需求和偏好。

2. 遊戲資產利用管理：

AI 技術可以幫助玩家更有效地管理和交易遊戲內的虛擬資產。利用智能合約和自動化交易策略，玩家可以實現資產的最大化利用，例如，自動买賣、租賃和借貸遊戲資產，從而優化投資回報。

3. 增強遊戲互動：

AI 可以創建更加智能和響應式的非玩家角色（NPC），通過自然語言處理（NLP）和機器學習（ML）技術，實現與玩家之間更為自然、流暢的交互，提升遊戲的沉浸感和玩家的滿意度。

從時間維度上來看的可能投資策略

- 短期來看，應關注 AI 在 Crypto 最先落地的領域，如一些概念性的 AI 應用、meme。 邏輯：今年 ai 主流圈會持續輸出新的熱點，每次英偉達、openai 等web2公司大模型升級，都會點燃 ai 賽道的熱點，那么也會帶入新的資金進來，這些都是引爆這個賽道的情緒面。

- 中期來看，Ai Agent 與 Intent 的結合，與智能合約的結合是一個亮點。 ai 一旦成功將為智能合約擴展提供方案，從而形成账本+合約+ai 的新型區塊鏈，突破 eth 時代的账本+合約敘事。

- 其中 ai agent 是V神奶過的細分方向。 AI Agent 指是能夠自主從環境獲取信息、自主處理信息、決策、執行、自主改變環境的 AI 智能體。AI Agent 目前屬於 AI 領域的前沿細分賽道，最接近 Mass Adoption 的應用層。

- 從敘事上來講。AI Agent 是性感火辣的美女，GPU 雲算力是穩重成熟的中年企業家，結合 DA 層的 Ai 大模型是頭發蓬亂的科學家

- 長期來看，AI 與 zkML 技術的結合（雖然web2 AI 公司的 ML 大佬們對 Crypto 搞 AI 嗤之以鼻），將會最終影響 Crypto 領域。

參考文獻

- Twitter: https://twitter.com/FinanceYF5/status/1772434625387717055

-Web3 Caff: https://twitter.com/Web3 Caff_Res

- Twitter Vitalik: https://twitter.com/VitalikButerin

附錄：

去中心化計算和人工智能推理平臺項目列表

主要是指利用 Crypto 來做激勵，來在全球範圍內共享和利用闲置的計算資源。

AI 數據和模型來源項目列表

這一塊主要是基於數據的真實性、透明性和可追溯性，利用 Crypto 經濟模型來做數據方面的激勵（針對 C 端用戶）、模型方面的激勵（Dev, B 端）。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。