從 AI 基礎設施到應用場景 哪些 Web3 項目值得關注？

penAI 旗下聊天機器人 ChatGPT 在推出僅兩個月後月活躍用戶達到 1 億，成為歷史上用戶增長最快的應用。如此強大的“漲粉”能力讓 AI 熱度迅速傳遞到加密領域，1 月 10 日，彭博社稱微軟正考慮向 ChatGPT 开發者 OpenAI 投資 100 億美元，所有 AI 概念的加密貨幣被徹底引爆，FET、AGIX 等在一個月內漲幅超 200%。

在資本的助推下，這兩項備受關注的前沿技術能否融合在一起？人工智能利用計算機通過模仿人腦的思維能力來解決問題。OpenAI 向自然語言處理（NLP）模型提供大量的訓練數據，讓其變得更強大。在區塊鏈技術構建的加密世界裏，每天的龐大鏈上數據可以為 AI 引擎提供“燃料”，讓 AIGC 反饋出更優秀的策略。

另外，隨着 AI 算法變得越來越智能，人們理解它們如何做出決策和結論變得越來越困難。區塊鏈具有不可篡改的特性，可以幫助我們訪問 AI 在其決策過程中使用的數據和流程的不可變記錄。

相比於 Stability AI、 ChatGPT 等人工智能在傳統領域獲得大量關注和採用，區塊鏈更大的想象力在於可以改變 AI 模型的經濟系統。當 FOMO 情緒褪去之後，本文將探討那些引入 AI 技術的加密項目有哪些特點？ AI 結合區塊鏈能夠產生什么樣的化學反應？

AI 基礎設施

AI基礎設施項目的共同特點是對於傳統AI的架構（數據、模型和算力）進行分發和售賣。它們一般使用自己的原生代幣作為交易媒介。它們往往是在用戶和服務提供商之間，處於中介的地位，構建了一個去中心化的交易市場。這些都是介於傳統AI需要完成的任務，例如NLP、AI語音、CV領域使用DApp作為中介平臺進行交易的項目。本質上是將傳統市場使用代幣定價與交換的去中心化市場。

Openfabric AI  

Openfabric 是一個用於構建和連接 AI 應用程序的平臺。通過該平臺，人工智能創新者、數據提供商、企業和基礎設施提供商之間的協作將促進新智能算法和服務的創建和使用。Openfabric 生態系統由 4 個角色組成：算法創建者、數據提供商、基礎設施提供商、服務消費者，其中服務消費者需要向其他 3 種服務商付費。

• 算法創建者：利用其專業知識來創建能夠解決復雜業務問題的 AI 算法。

• 數據提供商：確保分發大量訓練 AI 算法所需的數據。

• 基礎設施提供商：運行 AI 平臺的所有硬件。

• 服務消費者：需要特定業務產品或服務的最終用戶。

Oraichain

Oraichain 是一個由 AI 驅動的區塊鏈預言機和生態系統。除了數據預言機，Oraichain 的目標是成為區塊鏈領域中具有完整人工智能生態系統，作為創建智能合約和 Dapps 的基礎層。以 AI 為基石，Oraichain 开發了許多重要的創新產品和服務，包括 AI 喂價、完全鏈上 VRF、Data Hub、具有 100 多個 AI API 的 AI Marketplace、基於 AI 的 NFT 生成和 NFT 版權保護、Royalty Protocol 、人工智能驅動的收益聚合器平臺和 Cosmwasm IDE。

Fetch.ai  

Fetch.ai 是一個基於人工智能和機器學習的區塊鏈平臺，支持任何人共享或交易數據。作為一個自治的機器對機器生態系統，任何獨立方網絡都可以成為 Fetch.ai 的網絡代理，將代理之間產生的任何協議記錄在 Fetch.ai 區塊鏈上。FET 是 Fetch AI 區塊鏈的原生代幣，是支付交易的主要交換媒介。

SingularityNET  

SingularityNET 是一個去中心化的人工智能平臺和市場。开發人員將他們的服務發布到 SingularityNET 網絡，供任何接入互聯網的用戶使用。开發人員可以使用原生 AGIX 代幣對其服務收費。服務可以提供跨領域的推理或模型訓練，例如圖像、視頻、語音、文本、時間序列、生物人工智能和網絡分析。

SingularityNET 生態系統

SingularityNET 生態系統將為平臺提供 AI 服務並創造 AGIX 代幣的大規模利用。這些 SingularityNET 衍生產品正在多個战略性選擇的垂直市場中开發，包括 DeFi、機器人、生物技術和長壽、遊戲和媒體、藝術和娛樂（音樂）以及企業級 AI。

Gensyn

Gensyn 協議是一種用於深度學習計算的 Layer1 網絡，通過即時獎勵將計算時間投入網絡並執行 ML （機器學習）任務的供應方參與者。該協議不需要行政監督或執法，而是通過智能合約以編程方式促進任務分配和支付。該網絡的根本挑战是驗證已完成的 ML 工作。這是處於復雜性理論、博弈論、密碼學和優化的交叉問題。Gensyn 生態系統由提交者、解決者、驗證者和舉報者 4 個角色組成。 

• 提交者 （Submitters）：提供將要計算的任務並為完成的工作單元付費。

• 解決者（Solvers）： 執行模型訓練並生成證明以供驗證者檢查。

• 驗證者（Verifiers） ：將非確定性訓練過程鏈接到確定性线性計算、復制求解器證明的一部分並將距離與預期閾值進行比較的關鍵。

• 告密者 （Whistleblowers）：檢查驗證者的工作並提出挑战，希望獲得累積獎金。

Gensyn 的愿景是通過分散 ML 計算為 Web3 應用提供重要的基礎設施組件，以減少 Dapps 對 Web2 基礎設施的依賴。

應用場景

在此類應用場景中，項目旨在對於近年來區塊鏈發展產生的新興需求以AI的方式進行處理。

這些需求可以是使鏈遊用戶跳過繁瑣的操作、使开發者快速开發鏈遊、在區塊鏈平臺上社交、生成具有自己個性的虛擬人或者檢測虛假NFT項目等等。與傳統 AI 的平臺不同，此類項目具有較強的需求不可替代性，就使其具有較深的護城河，同時，以新興的需求作為賣點的平臺，其發展難點在於獲客，如何吸引足夠多的客戶以證明自己平臺的需求是可持續的和客觀存在的，成為了這類平臺發展中遇到的一大問題。

鏈遊方向

在加密遊戲“P2E”模型的主流金融系統下，用戶面臨不斷變化的遊戲玩法以及大量重復性的基礎操作，AI 可以為玩家提供穩定的自動化流程和制定勝率更高的遊戲策略。rct AI 是一個運用 AI 為遊戲行業 提供完整的解決方案，其核心技術混沌球（Chaos Box）是⼀個基於深度強化學習的 AI 引擎。rct AI 針對 Axie Infinity 开發了 AI 訓練的 DRL（Deep Reinforcement Learning）模型，由於 Axie Infinity 所有卡牌的組合數量大約有 10^23 種，還有遊戲中的博弈等特點，rct AI 的模型在大量模擬對战數據中提升了效率和勝率。

此外，AI 可以為开發商提供動作原型，Mirror World 是一個基於 Solana 的遊戲矩陣虛擬世界，已使用 AI 技術推出了結合 Roguelike 玩法的 Mirrama、基於 PVP 的競技場遊戲 Brawl of Mirrors。此外，Mirror World 還推出了可以在遊戲中互操作的 NFT 系列，這些 NFT 的原型使用 AI 動作算法完成。

社交方向

PLAI Labs 專注於利用 AI 和 web3 構建下一代社交平臺，供用戶一起玩耍、交談、战鬥、交易和冒險，該平臺於 2023 年 1 月獲得 a16z 的 3200 萬美元融資。目前，PLAI Labs 向外界展示了 2 個產品：

• Champions Ascension，這是一款大型多人在线角色扮演遊戲 (MMORPG)，玩家可以選擇以 NFT 的形式擁有自己的角色，並能夠在大型鬥獸場競技場中進行战鬥，做任務，在自定義地牢中建造和競爭和交易數字物品。

• AI 協議平臺，該平臺將幫助處理從用戶生成的內容 (UGC) 到匹配到 2D 到 3D 資產渲染的所有內容。

PLAI Labs 計劃在今年上线 V2 白皮書，包括核心經濟循環的細節（利用 NFT 和區塊鏈提升體驗）、UGC 工具包（包括 AI）計劃...

NFT 方向

Aletha AI 提出了 iNFT 的概念，iNFT 是一種結合人工智能和區塊鏈的技術。融入AI之後，NFT 具有了交互性、生成性、可擴展性和獨特的各種個性特徵。 

簡單來說，NFT如果是一個數字人作品，融入AI後，成為了iNFT，具有了和用戶聊天能力的NFT作品。2021 年 6 月 10 日，世界上第一個 iNFT 愛麗絲在蘇富比拍賣行以 478，800 美元的價格拍賣。

Altered State Machine (ASM) 是一個結合 NFT、人工智能和機器學習的創新項目，為 AI 驅動的 NFT 提供訓練動力，其愿景是成為使用 NFT 技術的 AI 的所有權和貨幣化協議。在 ASM 生態系統中，基於 AI 的 Avatar 稱為 Agent，由大腦和化身兩部分組成。該項目還發行了 ASTO 代幣為 ASM 生態系統提供動力。

Optic 正在建立一個人工智能的 NFT 驗證協議，專注於 NFT 欺詐分析和社區內的 NFT 價值發現，旨在幫助整個 NFT 市場實現更高的真實性和透明度。Optic 智能引擎通過學習真實 NFT 系列，再檢索市場上的 NFT 集合。之後 Optic 會返回一個匹配分數，表明被檢查的 NFT 與真實 NFT 的匹配程度。

Optic 於 2022 年 7 月完成由 Pantera Capital、 Kleiner Perkins 領投的 1100 萬美元融資， Circle Ventures 、 Polygon Ventures 等參投。目前 OpenSea 已採用 Optic 的 Copymint 檢測服務。

趨勢分析

從當下的區塊鏈 AI 項目發展途徑來看，AI 的基礎架構是由數據、算法和算力三部分組成。一個正常 AI 項目想要實現人工智能的生成或者分析的能力，需要有模型和數據集和調用模型的軟件本體及其GUI。那么這個領域的模型和數據集的分發，模型的訓練（算力租賃），軟件前端的开發上有中介的形成，而這會催生出旨在高效滿足客戶需求的區塊鏈 AI 項目。

例如上文中，Fetch.ai 作為中介，可以允許客戶使用其原生代幣交易數據集。SingularityNET 允許客戶從开發者之處購买算力訓練服務，Openfabric AI 的客戶需要從提供商那裏獲得模型（算法）、數據集、基礎設施（軟件）等服務，Humans.ai 本質上是以NFT封裝了數據集訓練好的AI模型，用戶使用原生代幣購买，

Gensyn 實質上是去中心化算力租賃平臺。這些都是介於傳統AI需要完成的任務，例如自然語言處理、AI語音、圖像生成領域使用 DApp 作為中介平臺進行交易的項目。

那么區塊鏈中的去中心化應用產生了新的需求，那么基於鏈遊方向，社交方向和 NFT 方向的 AI 項目旨在解決區塊鏈中的用戶痛點，例如 rct.ai 解決了鏈遊用戶手動重復操作的問題，Mirror World解決了鏈遊开發，其他的項目則是針對區塊鏈社交和 NFT 進行研發。

目前在Web3社交的初級階段，引入AI更多地是為了一種敘事手段。在未來，AI項目研發一些可能的方向：

1. 加強數據隱私：Web3 可以通過使用 zk 技術，使數據隱私得到最大程度的保護，而 AI 可以在不損害隱私的情況下分析數據。

2. 智能合約：Web3 技術可以通過智能合約的方式，將 AI 應用融入 Web3 應用中，從而實現對 AI 模型的可控性。這類應用可以用於模型和數據集的交易之中，實現自動化交易流程.並且使用ZK技術保護用戶的數據.然而，這一類型的項目，面臨开源數據集和开源模型的衝擊問題，試想:如果用戶能在Hugging face上面獲得开源的數據和模型並且使用auto train訓練，為什么會在區塊鏈平臺上交易?面臨Web2公司的衝擊，Web3 AI模型和數據集交易並無足夠的護城河。

3. 更加高效的機器學習：Web3 技術可以通過去中心化的方式提高機器學習的效率，從而讓 AI 應用更加快速和可靠。這在傳統的AI訓練之中已經有所應用，例如 AlphaGo 的改進版KataGo使用了分布式訓練技術，使得全球希望此AI更新的人自愿提供算力訓練.在區塊鏈中的應用則可以類似於Gitcoin，捐贈算力可以獲得POAP，或者類似於AMM提供了對於流動性的激勵，成為有償地出租算力的平臺，但是由於幣價的高度波動性，這類應用比起傳統的GPU算力租賃，並不佔據優勢.除非平臺本身從事金融業務，足夠從協議捕獲的價值中補貼用戶，比如Numerai，使用AI技術從股市中盈利，這才使足夠多的用戶愿意提供AI的三要素進入平臺。

總結

目前來看，無論是區塊鏈原生的 AI 基礎設施，還是借助 AI 引擎實現應用場景的加密項目都處於萌芽時期，主要目標在於打造一個適用的底層基礎設施，磨合代幣經濟學與硬件提供商、數據提供商、AI 算法等人工智能解決方案的融合度。

不過，兩者的融合也面臨諸多挑战。首先，區塊鏈趨向 Rollup、ZK等復雜化技術會給 AI 獲取數據帶來挑战。其次，沒有進行足夠的持續實驗數據來支持 AI 在區塊鏈生態中的適用性，以及 AI 引擎在應對突發事件的調整能力。最後，加密領域頻繁出現蹭 AI 概念的虛假項目，讓人們容易喪失對該領域探索的信心。

所有的解決傳統AI問題的區塊鏈AI項目都需要回答一個疑問：為什么這個平臺需要在區塊鏈上引入代幣？這就使得交易標的為Web2市場中已有的標的，比如模型、數據和算力的平臺有着onboarding 的劣勢。

代幣經濟學如飛輪，可以改變一個項目的興衰周期。在當下，如果希望正向飛輪，則需要考慮到平臺實際用戶，即獲客問題.需求的不可替代性就是一個項目的護城河，缺乏護城河的項目可以獲得短线的成功，但是不會有足夠多的用戶和茁壯的开發者生態.當需求是僞命題時，經濟激勵是不可持續的，項目的生命周期也會變短。我們期待，有更多的基於真實用戶和不可替代的需求的AI+Web3項目的出現。它們旨在完成web2之中沒有或者完成不佳的需求，從而原生地需要引入Web3。

無論如何，AI 融入 Web3 是一種未來的技術趨勢，現階段已經出現一些結合人工智能的 Web3 應用實例。隨着時間的推移，更多相關的 Web3基礎設施、新模式將會相繼出現。

在加密行業你想抓住下一波牛市機會你得有一個優質圈子，大家就能抱團取暖，保持洞察力

想抱團取暖，或者有疑惑的，歡迎加入我們——公衆號：狗哥他來了

感謝閱讀，喜歡的朋友可以點個贊關注哦，我們下期再見！

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。