AI與Web3融合：從基礎設施到實際應用的蓬勃發展

AI和web3作爲近年來公認的技術增長點，正在驅動人類社會進入新的發展階段。自ChatGPT帶來革命性的AI體驗以來，鏈上AI已悄然完成了從概念到基礎設施的轉變，成爲web3領域最被看好的可持續發展賽道之一。

在剛結束的香港共識大會2025上，AI與web3的融合成爲熱門話題，各個會場都有關於這一主題的深入討論。通過深入了解，我們發現了許多極具潛力的AI項目，現將前沿信息分享如下。

一、AI 基礎設施

1. AI Agent發射平台和框架

近半年來，AI Agent的發射平台和框架類基礎設施建設十分活躍。這些項目爲開發者和普通用戶提供了低門檻使用AI Agent的平台，成爲本輪AI項目的重點方向之一。

• 0G Labs：首個去中心化人工智能操作系統（deAIOS），通過構建AI專有Layer 1，連接計算資源、數據和模型，打造分布式AI開發生態系統。

• DeAgentAI：專注於去中心化AI Agent的創新平台，致力於推動多代理技術（Multi-Agent Systems）的發展。

• Autonomys Network：去中心化基礎架構棧，旨在實現安全、自主的人機協作。用戶可創建自主行動的AI智能體。

• Gaia Network：去中心化AI基礎設施平台，支持AI Agent和應用的分布式開發與運行。

• Questflow：去中心化的多AI Agent組成的網路，用戶只需描述需求，AI代理網路即可自主完成任務。

2. 去中心化AI

去中心化AI是鏈上AI的終極目標。目前，許多項目在算力、數據、模型等方向不斷努力，希望通過去中心化方式打破大公司對LLM的壟斷，幫助大衆獲得數據和模型的所有權。

• Vana：致力於構建去中心化用戶數據主權平台，將個人數據轉化爲金融資產。

• Hyperbolic：開放訪問的AI雲平台，整合全球計算資源，提供經濟實惠、可擴展的GPU資源和AI服務。

• OpenLedger：專注於AI和區塊鏈的下一代網路，提供去中心化經濟基礎設施。

• IO.NET：去中心化計算平台，提供按需訪問GPU和CPU集羣的服務。

• Aethir：提供分布式雲計算基礎設施的創新平台。

• MinionLab：去中心化的自治AI智能體網路，用於實時挖掘互聯網數據。

• GAIB：AI和高性能計算領域的經濟層解決方案，通過金融化和代幣化GPU資源創建新的資產類別和經濟體系。

• Kite AI：專爲AI經濟設計的去中心化Layer 1區塊鏈平台。

• Automata：爲去中心化應用提供中間層隱私保護和無追蹤計算功能。

• Public AI：致力於打造開放透明的AI數據平台，支持多模態數據的收集和標注。

3. 可驗證的AI

AI發展面臨的重要挑戰之一是訓練過程的不透明以及無法保證AI輸出結果的準確性。目前，多個項目正通過ZKP、TEE等技術實現對AI訓練過程的可驗證性，保證AI輸出結果的可靠性。

• Phala Network：去中心化雲計算平台，爲鏈上應用提供可信的隱私計算和AI推理服務。

• Brevis：去中心化計算引擎，提供可驗證的鏈下AI和區塊鏈計算。

• Verisense Network：專注於去中心化數據驗證與可信AI的創新平台。

二、AI用例：潛力與期待

相較於豐富的AI基礎設施，目前出彩的AI實際用例項目仍相對較少。除了廣爲人知的推特機器人外，還有一些新興項目展現了AI Agent應用的更多可能性。

• Narra：某公鏈上的Gamefi AI Agent平台，能夠生成實時動態敘事內容，與玩家交互、推動故事發展。

• AI Travel：AI驅動的旅行助手，能通過聊天方式幫助用戶自動定制旅行計劃。

• HeyTracyAI：由NBA冠軍參與的專注於籃球領域的體育解說AI Agent。

• AskJimmy：專注於金融和交易領域的AI Agent平台，旨在創建由AI Agent自主運行的去中心化多策略對沖基金。

三、傳統項目向AI轉型

大勢所趨，許多傳統web3項目也紛紛擁抱AI，宣布了各自的AI轉向計劃。

一些老牌公鏈積極參與AI相關會議，表示AI Agent的出現對簡化復雜的區塊鏈交互流程有重要幫助，能將更多用戶引入web3世界，解決此前一直困擾行業的交互難題。這些公鏈紛紛表示了AI先行的發展目標，將從底層架構、帳戶創新等方面全面支持AI的發展。

過去專注於Restaking服務的某項目也表示，正在努力構建去中心化的信任層，提供可驗證的雲服務，爲AI的訓練和推理、預測等鏈下運算提供鏈上證明，助力可驗證AI Agent的發展。

四、挑戰與未來

作爲香港共識大會2025的熱點話題，關於AI與Web3的討論與分享激烈而精彩。在憧憬美好藍圖的同時，也有不少嘉賓提及當下鏈上AI的發展仍面臨諸多挑戰，包括模型可靠性不足、提示詞意圖的模糊性、存儲和硬件限制，隱私安全等問題。這些挑戰不僅爲行業帶來了技術難題，也將孕育巨大的創新機會。

長遠來看，業內人士對鏈上AI的發展充滿希望，並期待通過基礎設施的進一步完善、用例創新和社區協作，共同推動AI與Web3的融合與繁榮。