Web3作为一种去中心化、开放和透明的互联网新范式，与人工智能有着天然的协同作用。在传统的中心化架构下，AI计算和数据资源受到严格控制，面临计算瓶颈、隐私泄露和算法黑箱等众多挑战。而Web3则基于分布式技术，通过共享计算网络、开放数据市场和隐私保护计算等方式，为AI发展注入了新的活力。同时，AI可以通过优化智能合约和反作弊算法等能力，赋能Web3生态系统的建设。因此，探索Web3与AI的融合，对于构建下一代互联网基础设施和释放数据与计算能力的价值至关重要。

数据驱动：AI 和 Web3 的坚实基础

数据是驱动AI发展的核心动力，犹如引擎的燃料。AI模型需要摄取大量高质量的数据，才能获得深刻的理解和强大的推理能力。数据不仅为机器学习模型提供了训练基础，还决定了其准确性和可靠性。

在传统的中心化AI数据获取和利用模式中，出现了几个关键问题：

1. 数据获取成本高昂，中小企业难以参与。
2. 数据资源被科技巨头垄断，形成数据孤岛。
3. 个人数据隐私面临泄露和滥用的风险。

Web3提供了一种新的去中心化数据范式，以解决传统模式的痛点：

1. 通过像Grass这样的项目，用户可以将闲置的网络容量出售给AI公司，实现去中心化的网络数据抓取、清洗和转化，为AI模型训练提供真实、高质量的数据。
2. Public AI采用“标注即赚”的模式，用代币激励全球工人参与数据标注，聚合全球智慧，增强数据分析能力。
3. Ocean Protocol和Streamr等区块链数据交易平台为数据供需双方提供了一个开放透明的交易环境，促进数据创新和共享。

通过这些方式，Web3不仅降低了数据获取成本，还增强了数据的开放性和透明度，为AI模型的训练提供了更加多样化和高质量的数据来源。同时，通过去中心化的隐私保护计算，Web3也能够更好地保护个人数据隐私，提升数据使用的安全性和可靠性。

继续探索和实践AI与Web3的融合，将为构建新一代互联网基础设施提供坚实的基础，并开启数据和计算能力的新价值。

尽管如此，现实世界的数据采集也面临着数据质量参差不齐、处理复杂度高、数据多样性和代表性不足等挑战。在Web3数据领域，合成数据可能成为冉冉升起的新星。基于生成式人工智能技术和模拟，合成数据可以模拟真实数据的属性，有效地补充和提高数据使用效率。在自动驾驶、金融市场交易和游戏开发等领域，合成数据已经展示了其成熟的应用潜力。

隐私保护：FHE 在 Web3 中的作用

在数据驱动的时代，隐私保护已成为全球关注的焦点，欧盟《通用数据保护条例》（GDPR）的颁布反映了对个人隐私的严格保护。然而，这也带来了挑战：由于隐私风险，一些敏感数据无法被充分利用，无疑限制了AI模型的潜力和推理能力。

全同态加密（FHE，Fully Homomorphic Encryption）允许在不解密数据的情况下直接对加密数据进行计算，而计算结果与对明文数据进行相同操作的结果一致。FHE为AI隐私计算提供了强有力的保护，使得GPU计算能力能够在不访问原始数据的情况下执行模型训练和推理任务。这为AI公司带来了重大优势，因为它们可以在保护商业机密的同时，安全地开放API服务。

FHEML（Fully Homomorphic Encryption Machine Learning）支持数据和模型在整个机器学习生命周期中的加密处理，确保敏感信息的安全并防止数据泄露。通过这种方式，FHEML加强了数据隐私，为AI应用提供了安全的计算框架。

FHEML与ZKML（Zero-Knowledge Machine Learning）互为补充，其中ZKML证明了机器学习的正确执行，而FHEML则强调在加密数据上进行计算以维护数据隐私。

计算革命：去中心化网络中的人工智能计算

当前人工智能系统的计算复杂度每三个月翻一番，导致计算能力需求激增，远超现有计算资源的供应。例如，OpenAI 的 GPT-3 模型训练需要巨大的计算能力，相当于在单台设备上训练 355 年。这种计算能力的短缺不仅限制了 AI 技术的进步，还使得大多数研究人员和开发人员无法接触到先进的 AI 模型。

此外，全球 GPU 利用率低于 40%，加上微处理器性能提升的放缓、供应链问题和地缘政治因素导致的芯片短缺，进一步加剧了计算能力供应问题。AI 从业者陷入了两难境地：要么购买硬件，要么租用云资源，迫切需要一种按需且经济高效的计算服务模式。

IO.net 是一个基于 Solana 的去中心化 AI 计算能力网络，汇聚全球闲置的 GPU 资源，为 AI 公司提供经济实惠的计算能力市场。需要计算能力的实体可以在网络上发布计算任务，智能合约将任务分配给贡献的矿工节点。矿工执行任务，提交结果，并在成功验证后获得奖励。IO.net 的方法提高了资源利用效率，有助于缓解 AI 领域的计算能力瓶颈。

除了通用的去中心化计算能力网络，还有专注于 AI 训练的平台，如 Gensyn 和 Flock.io，以及专注于 AI 推理的专业计算能力网络，如 Ritual 和 Fetch.ai。

去中心化计算能力网络提供了一个公平透明的计算能力市场，打破垄断，降低应用门槛，提高利用效率。在 Web3 生态系统中，去中心化计算能力网络将发挥关键作用，吸引更多创新的 dApp 共同推动 AI 技术的发展和应用。

DePIN：Web3赋能边缘AI

想象一下，你的智能手机、智能手表，甚至智能家居设备都具备运行 AI 的能力——这就是边缘 AI 的魅力。边缘 AI 使得计算能够在数据源头进行，实现低延迟和实时处理，同时保护用户隐私。边缘 AI 技术已经应用于自动驾驶等关键领域。

在 Web3 领域，我们有一个更为熟悉的名字——DePIN。Web3 强调去中心化和用户数据主权，而 DePIN 通过本地处理数据来增强用户隐私保护，减少数据泄露的风险。Web3 的原生代币经济可以激励 DePIN 节点提供计算资源，构建可持续的生态系统。

目前，DePIN 正在 Solana 生态系统中快速发展，成为项目部署的首选公链平台之一。Solana 的高吞吐量、低交易费用和技术创新为 DePIN 项目提供了强有力的支持。目前，Solana 上 DePIN 项目的市值已超过 100 亿美元，Render Network 和 Helium Network 等著名项目取得了显著进展。

IMO：AI模型发布的新范式

IMO（Initial Model Offering，初始模型发行）的概念首次由Ora协议提出，旨在将AI模型进行代币化。

在传统模式中，由于缺乏收益共享机制，AI模型一旦开发完成并投放市场，开发者往往难以从模型的后续使用中获得持续收益。特别是当模型被集成到其他产品和服务中时，原始开发者很难追踪其使用情况，进而产生收益。此外，AI模型的性能和效果往往缺乏透明度，潜在投资者和用户难以评估其真实价值，限制了市场接受度和商业潜力。

IMO为开源AI模型提供了一种新的融资和价值共享方法。投资者可以购买IMO代币，从模型后续产生的收益中分得一杯羹。Ora协议利用ERC-7641和ERC-7007标准，结合Onchain AI Oracle和OPML技术，确保AI模型的真实性，并使代币持有者能够共享收益。

IMO模型增强了透明度和信任，鼓励开源合作，符合加密市场趋势，为AI技术的可持续发展注入了动力。尽管IMO仍处于早期实验阶段，随着市场接受度和参与度的扩大，其创新性和潜在价值值得期待。

AI代理：互动体验的新纪元

AI代理可以感知环境，进行独立思考，并采取适当行动以实现预定目标。在大型语言模型的支持下，AI代理不仅能理解自然语言，还能规划、决策和执行复杂任务。它们可以作为虚拟助手，通过互动学习用户偏好并提供个性化解决方案。即使没有明确指令，AI代理也能自主解决问题，提高效率，创造新价值。

Myshell是一个开放的AI原生应用平台，提供全面且用户友好的工具集，用于配置机器人功能、外观、声音，并连接外部知识库。它致力于创建一个公平开放的AI内容生态系统，利用生成式AI技术赋能个人成为超级创作者。Myshell训练了专门的大型语言模型，使角色扮演更加人性化。其语音克隆技术能加速个性化AI产品的交互，将语音合成成本降低99%，语音克隆仅需1分钟。利用Myshell创建的定制AI代理目前可应用于多个领域，包括视频聊天、语言学习和图像生成。

在Web3和AI的融合过程中，目前的重点主要在于探索基础设施层，解决诸如获取高质量数据、保护数据隐私、将模型上链、提高去中心化计算能力的有效利用以及验证大语言模型等关键问题。随着这些基础设施组件逐渐成熟，我们有理由相信，Web3和AI的融合将催生一系列创新的商业模式和服务。

声明：

1. 本文转载自[mirror]。所有版权归原作者[BadBot]所有。如对转载有异议，请联系Gate Learn团队，他们会及时处理。

2. 责任声明：本文中表达的观点和意见仅代表作者个人，不构成任何投资建议。

3. 本文的翻译由Gate Learn团队完成。除非特别说明，禁止复制、分发或剽窃翻译后的文章。