當(dāng)前位置：主頁 > 區(qū)塊鏈 > 區(qū)塊鏈技術(shù) > AI+Web3未來發(fā)展之路

AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯

2024-03-13 15:29:58 | 來源： | 作者：佚名

AI+Web3是當(dāng)下最熱門的兩個技術(shù)主題的碰撞，近期也出現(xiàn)了一批該主題的項目，凸顯了市場對這個主題的關(guān)注和期待,AI+Web行業(yè)目前發(fā)展情況如何？是否真實有應(yīng)用場景？長期來看，是否能夠創(chuàng)造有價值和敘事和產(chǎn)業(yè)？本文從AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯各個層面進(jìn)行分析

在過去的 1 年里，隨著 ChatGPT 等生成式 AI 大模型的誕生，AI 從簡單的自動化工具擴(kuò)展到復(fù)雜的決策和預(yù)測系統(tǒng)，發(fā)展成為驅(qū)動當(dāng)代社會重要進(jìn)步動力。AI 類產(chǎn)品和應(yīng)用也發(fā)生了爆發(fā)式的增長，ChatGPT 本身陸續(xù)推出 GPTs，Sora 等矚目的產(chǎn)品，AI 底層設(shè)施英偉達(dá)的業(yè)績持續(xù)超出預(yù)期， 2024 財年第四季度中數(shù)據(jù)中心業(yè)務(wù)占據(jù) 83% 以上營收，同步增長 409%，其中 40% 用于大模型的推理場景，顯示出對于底層算力的快速需求增長。

當(dāng)下，AI 已經(jīng)成為歐美資本圈競相追逐的主題，同時 Web3 市場也迎來新一輪的牛市，AI+Web3 是當(dāng)下最熱門的兩個技術(shù)主題的碰撞，近期也出現(xiàn)了一批該主題的項目，凸顯了市場對這個主題的關(guān)注和期待。

拋開炒作和價格泡沫，AI+Web 行業(yè)目前發(fā)展情況如何？是否真實有應(yīng)用場景？長期來看，是否能夠創(chuàng)造有價值和敘事和產(chǎn)業(yè)？未來 AI+Web3 的產(chǎn)業(yè)將會形成怎樣的生態(tài)格局，具有潛力的方向在哪里？

圍繞以上話題，F(xiàn)uture3 Campus 將會撰寫一系列相關(guān)文章，從 AI+Web3 產(chǎn)業(yè)鏈的各個層面進(jìn)行分析。本文為第一篇，AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯。

AI工作生產(chǎn)流程

概括地說，AI+Web3 結(jié)合的方向可以分為兩方面，一方面是 Web3 如何幫助 AI 發(fā)展，另一方面是 Web3 應(yīng)用結(jié)合 AI 技術(shù)。其中 Web3 技術(shù)和概念賦能 AI 是當(dāng)下大部分項目的方向。因此，我們可以通過 AI 從模型訓(xùn)練到生產(chǎn)的流程中來分析如何與 Web3 相結(jié)合。

LLM 的誕生與之前機(jī)器學(xué)習(xí)的流程有一些區(qū)別，但總體上，一個簡化的 AI 生產(chǎn)流程大致分為以下幾個階段：

1.數(shù)據(jù)獲取

在 AI 模型的訓(xùn)練全生命周期中，數(shù)據(jù)是 AI 模型提供訓(xùn)練的基石。通常需要采用高質(zhì)量的數(shù)據(jù)集作為基礎(chǔ)，并進(jìn)行探索性數(shù)據(jù)分析 (EDA) ，創(chuàng)造可重現(xiàn)、可編輯和可共享的數(shù)據(jù)集、表格和可視化圖標(biāo)。

2.數(shù)據(jù)預(yù)處理和特征工程 / 提示工程

獲得數(shù)據(jù)后需要對數(shù)據(jù)進(jìn)行預(yù)處理，這里在機(jī)器學(xué)習(xí)中是特征工程（數(shù)據(jù)標(biāo)注），在大模型中是提示（Prompt）工程。包括迭代地對數(shù)據(jù)進(jìn)行分類、聚合和刪除重復(fù)數(shù)據(jù)以標(biāo)注精細(xì)的特征，迭代開發(fā)可供 LLM 結(jié)構(gòu)化查詢的 Prompt。同時需要可靠地將特征 /Prompt 進(jìn)行存儲和共享。

3.模型訓(xùn)練和調(diào)優(yōu)

利用豐富的模型庫對 AI 模型進(jìn)行訓(xùn)練，通過不斷的迭代和調(diào)整，提升模型的性能、效率和準(zhǔn)確性。其中在 LLM 中主要是通過人類反饋強(qiáng)化學(xué)習(xí)（RLHF）來不斷對模型進(jìn)行調(diào)優(yōu)。

4.模型審查和治理

使用 MLOps/LLMOps 平臺來優(yōu)化模型開發(fā)流程，包括模型的發(fā)現(xiàn)、跟蹤、共享和協(xié)作，確保模型的質(zhì)量和透明度，同時符合倫理和合規(guī)要求。

5.模型推理

部署訓(xùn)練有素的 AI 模型，對新的、未見過的數(shù)據(jù)進(jìn)行預(yù)測。模型利用其學(xué)習(xí)到的參數(shù)對輸入數(shù)據(jù)進(jìn)行處理，生成預(yù)測結(jié)果，如分類或回歸預(yù)測。

6.模型部署和監(jiān)控

在確保模型性能達(dá)標(biāo)后，將其部署到實際應(yīng)用場景中，并實施持續(xù)的監(jiān)控和維護(hù)，確保模型在動態(tài)變化的環(huán)境中保持最佳性能。

在以上流程中，有很多 Web3 與之結(jié)合的機(jī)會。目前，我們看到 AI 發(fā)展過程中的一些挑戰(zhàn)，例如模型的透明度、偏見和倫理應(yīng)用等問題引起了廣泛關(guān)注，在這一方面，Web3 技術(shù)結(jié)合 ZK 等密碼學(xué)技術(shù)，能夠改善 AI 的信任問題。此外，AI 應(yīng)用需求的提高也對更低成本、更開放的基礎(chǔ)設(shè)施和數(shù)據(jù)網(wǎng)絡(luò)提出了要求，而 Web3 的分布式網(wǎng)絡(luò)和激勵模型也能夠打造更加開放、開源的 AI 網(wǎng)絡(luò)和社區(qū)。

AI+Web3產(chǎn)業(yè)圖景和敘事邏輯

結(jié)合上述 AI 生產(chǎn)流程和 AI 與 Web3 結(jié)合的方向，以及當(dāng)前市場上主流的 AI+Web3 項目，我們梳理出了 AI+Web3 產(chǎn)業(yè)圖景，AI+Web3 產(chǎn)業(yè)鏈可以分為三層，分別為基礎(chǔ)設(shè)施層、中間層和應(yīng)用層。

1.基礎(chǔ)設(shè)施層

主要包括計算和存儲基礎(chǔ)設(shè)施，貫穿整個 AI 工作生產(chǎn)流程，提供 AI 模型訓(xùn)練、推測等需要的算力，以及全生命周期中數(shù)據(jù)和模型的存儲。

當(dāng)前 AI 應(yīng)用快速增長，使得對基礎(chǔ)設(shè)施尤其是高性能算力的需求出現(xiàn)了暴增。因此，提供更高性能、更低成本、更充足的計算和存儲基礎(chǔ)設(shè)施會成為未來幾年（AI 發(fā)展早期）成為非常重要的趨勢，預(yù)計將搶占 50% 以上的產(chǎn)業(yè)鏈價值。

Web3 能夠打造去中心化的計算和存儲資源網(wǎng)絡(luò)，利用閑置、分散的資源，來顯著降低基礎(chǔ)設(shè)施的成本，服務(wù)廣大的 AI 應(yīng)用需求。因此去中心化 AI 基礎(chǔ)設(shè)施是目前確定性最高的敘事。

當(dāng)前這一賽道的代表性項目包括主打渲染服務(wù)的 Render Network，以及提供去中心化的云服務(wù)和計算硬件網(wǎng)絡(luò)的 Akash、gensyn 等；存儲領(lǐng)域，代表項目仍然是老牌去中心化存儲網(wǎng)絡(luò) Filecoin、Arweave 等，最近也推出了針對 AI 領(lǐng)域的存儲和計算服務(wù)。

2.中間層

主要指在 AI 工作生產(chǎn)的特定流程中，采用 Web3 相關(guān)技術(shù)改善現(xiàn)狀和存在的問題。主要包括：

1）數(shù)據(jù)獲取階段，采用去中心化的數(shù)據(jù)身份，創(chuàng)造更開放的數(shù)據(jù)網(wǎng)絡(luò) / 數(shù)據(jù)交易平臺。主要通過結(jié)合密碼學(xué)技術(shù)和區(qū)塊鏈特性來保護(hù)用戶和確權(quán)數(shù)據(jù)，并結(jié)合激勵措施鼓勵用戶分享高質(zhì)量的數(shù)據(jù)，從而擴(kuò)大數(shù)據(jù)來源，提高數(shù)據(jù)獲取效率。這一領(lǐng)域的代表性項目包括 AI 身份項目 Worldcoin，Aspecta，數(shù)據(jù)交易平臺 Ocean Protocol，以及低參與門檻的數(shù)據(jù)網(wǎng)絡(luò) Grass 等。

2）數(shù)據(jù)預(yù)處理階段：主要創(chuàng)建分布式的 AI 數(shù)據(jù)標(biāo)注和處理平臺，采用經(jīng)濟(jì)模型激勵來鼓勵眾包模式，以推動更高效、更低成本的數(shù)據(jù)預(yù)處理，服務(wù)后續(xù)的模型訓(xùn)練階段。代表項目如 Public AI 等。

3）模型驗證和推理階段：如上一小節(jié)所述，數(shù)據(jù)和模型黑盒是目前 AI 中現(xiàn)實存在的問題，因此在模型驗證和推理階段中，Web3 能夠結(jié)合 ZK、同態(tài)加密等密碼學(xué)技術(shù)，來驗證模型的推理，是否使用給定的數(shù)據(jù)和參數(shù)，確保模型的正確性，同時保護(hù)輸入數(shù)據(jù)的隱私。典型的應(yīng)用場景是 ZKML。目前 Web3 技術(shù)結(jié)合在模型驗證和推理階段的代表性項目包括 bittensor、Privasea、Modulus 等。

中間層的很多項目更偏向于開發(fā)者工具，通常針對現(xiàn)有的開發(fā)者、項目方等提供附加服務(wù)，在目前 AI 發(fā)展的早期，其市場需求和商業(yè)落地仍在發(fā)展過程中。

3.應(yīng)用層

在應(yīng)用層面，更多的是 AI 技術(shù)如何應(yīng)用到 Web3 中。Web3 應(yīng)用結(jié)合 AI 技術(shù)能夠有效提高效率和產(chǎn)品體驗，例如利用 AI 的內(nèi)容生成、分析、推測等功能，可以應(yīng)用到諸如游戲、社交、數(shù)據(jù)分析、金融預(yù)測等各個領(lǐng)域。目前 AI+Web3 的應(yīng)用主要可以分為三大類。

1）AIGC 類，即采用 AI 生成式技術(shù)允許用戶通過對話生成文字、圖片、視頻、Avatar 等內(nèi)容。以單獨的 AI agent 或者直接結(jié)合進(jìn)產(chǎn)品中展現(xiàn)。代表項目包括 NFPrompt、SleeplessAI 等。

2）AI 分析類，項目方融入自己積累的數(shù)據(jù)、知識庫、分析能力等訓(xùn)練垂直的 AI 模型，能夠進(jìn)行分析、判斷、預(yù)測等，并產(chǎn)品化提供給用戶，使得用戶可以低門檻地獲取獲取 AI 的分析能力，例如數(shù)據(jù)分析、信息追蹤、代碼審計和修改、金融預(yù)測等。代表性項目包括 Kaito、Dune 等。

3）AI Agent Hub，各類 AI Agent 的聚合，通常提供用戶無代碼創(chuàng)建定制化 AI Agent 的能力，類似 GPTs。代表性項目包括 My Shell、Fetch.ai 等。

應(yīng)用層目前還有沒有出現(xiàn)非常頭部的項目，但長期來看一定是天花板更高的板塊，具有極強(qiáng)的尚待挖掘的潛力。AI+Web3 應(yīng)用的競爭不在于技術(shù)的創(chuàng)新競爭力，而在于產(chǎn)品能力和技術(shù)能力的積累，特別是在 AI 方面能夠提供體驗更好的產(chǎn)品，將會在這一領(lǐng)域獲得更多競爭優(yōu)勢。

免責(zé)聲明：本文只為提供市場訊息，所有內(nèi)容及觀點僅供參考，不構(gòu)成投資建議，不代表本站觀點和立場。投資者應(yīng)自行決策與交易，對投資者交易形成的直接或間接損失，作者及本站將不承擔(dān)任何責(zé)任。！

Tag：AI Web3

你可能感興趣的文章

幣圈快訊

貝萊德向CoinbasePrime轉(zhuǎn)入158.57枚BTC和4.49枚ETH
2026-07-28 21:12
據(jù)OnchainLens監(jiān)測，貝萊德從其ETF錢包中轉(zhuǎn)移約1007萬美元資產(chǎn)。158.57枚BTC（約價值1006萬美元）和4.49枚ETH（約價值8500美元）被轉(zhuǎn)入CoinbasePrime錢包。
BlackRock從加密ETF錢包轉(zhuǎn)出約1000萬美元至Coinbase
2026-07-28 21:09
據(jù)CoinDesk報道，BlackRock從其加密ETF相關(guān)錢包轉(zhuǎn)出約1,007萬美元資產(chǎn)。其中包括將158.57枚比特幣（約1,006萬美元）轉(zhuǎn)入CoinbasePrime，以及將4.49枚以太坊（約8,500美元）轉(zhuǎn)入BlackRock在Coinbase的以太坊托管錢包。
摩根士丹利于紐交所Arca平臺推出以太坊、索拉納交易所交易產(chǎn)品
2026-07-28 21:08
市場消息：摩根士丹利于紐交所Arca平臺推出以太坊、索拉納交易所交易產(chǎn)品。
2026年上半年加密黑客損失超10億美元Ethereum和Solana損失居前
2026-07-28 21:03
鏈上安全平臺Blockaid發(fā)布的2026年上半年安全報告顯示，加密行業(yè)同期損失超過10億美元，六個月內(nèi)黑客事件數(shù)量創(chuàng)歷史新高。Blockaid追蹤到212起安全事件，其中KelpDAO單一攻擊損失2.92億美元。Ethereum和Solana是同期被盜資金規(guī)模最大的網(wǎng)絡(luò)，損失分別約為3.32億美元和3.26億美元。Blockaid表示，2026年上半年高閾值攻擊數(shù)量為2025年全年的3.4倍。Ethereum事件主要由代碼漏洞驅(qū)動，攻擊方式包括橋和智能合約漏洞、特權(quán)賬戶未授權(quán)訪問及市場操縱。Solana損失較2025年約1.27億美元大幅增加，超98%損失來自密鑰泄露，主要涉及DriftProtocol和StepFinance事件。
摩根士丹利推出以太坊、Solana現(xiàn)貨ETP
2026-07-28 21:03
據(jù)《華爾街日報》報道，摩根士丹利投資管理公司宣布推出兩只新的交易平臺交易產(chǎn)品（ETP）：摩根士丹利以太坊信托（MSSE）和摩根士丹利Solana信托（MSOL）。這兩只產(chǎn)品分別旨在追蹤以太坊和Solana區(qū)塊鏈網(wǎng)絡(luò)原生數(shù)字資產(chǎn)ETH與SOL的表現(xiàn)。此次推出MSSE和MSOL，意味著摩根士丹利進(jìn)一步擴(kuò)大其加密資產(chǎn)投資產(chǎn)品布局，為機(jī)構(gòu)及投資者提供更多傳統(tǒng)金融渠道參與數(shù)字資產(chǎn)市場的方式。

最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

AI+Web3的整體產(chǎn)業(yè)圖景和敘事邏輯

AI工作生產(chǎn)流程