AI与Web3融合：从基础设施到实际应用的探索

AI和Web3作为近年来备受关注的两大技术领域，正在驱动人类进入新的技术增长阶段。ChatGPT带来了革命性的AI体验后，链上AI也迅速从概念炒作转变为实际的基础设施，成为Web3从业者眼中最有潜力持续爆发的新赛道。

在刚结束的香港共识大会2025上，AI与Web3的融合成为热门话题，贯穿整个会议的各个环节。让我们一起来了解一下当前AI与Web3融合的最新进展。

一、AI 基础设施

1. AI Agent发射平台和框架

近半年来，AI Agent的发射平台和框架类AI基础设施建设十分活跃。这些项目为开发者和普通用户提供了低门槛拥有和使用AI Agent的平台，是当前AI项目的重点方向之一。

• 0G Labs：首个去中心化人工智能操作系统（deAIOS），通过构建AI专有的Layer 1，连接计算资源、数据和模型，建立分布式AI开发生态系统。

• DeAgentAI：专注于去中心化AI Agent的创新平台，致力于推动多代理技术（Multi-Agent Systems）的发展。

• Autonomys Network：去中心化的基础架构栈，旨在实现安全、自主的人机协作。用户可创建专属AI智能体，执行各种自主任务。

• Gaia Network：去中心化的AI基础设施平台，支持AI Agent和应用的分布式开发与运行，通过区块链技术整合分布式存储、计算和数据验证。

• Questflow：去中心化的多AI Agent组成的网络，用户只需描述需求，AI代理网络即可自主完成任务。

2. 去中心化AI

去中心化AI是链上AI的终极目标，目前许多项目都在算力、数据、模型等方向为此不断努力，希望通过去中心化方式打破大公司对LLM的垄断地位，帮助大众获得对数据和模型的所有权。

• Vana：致力于构建去中心化的用户数据主权平台，让个人数据变成金融资产。

• Hyperbolic：开放访问的AI云平台，整合全球计算资源，为用户提供经济实惠、可扩展的GPU资源和AI服务。

• OpenLedger：专注于AI和区块链的下一代网络，提供去中心化的经济基础设施，支持开发者获取高质量数据、微调专用语言模型并部署为可付费服务。

• IO.NET：去中心化的计算平台，提供按需访问GPU和CPU集群的服务。

• Aethir：专注于提供分布式云计算基础设施的创新平台。

• MinionLab：去中心化的自治AI智能体网络，用于从互联网实时挖掘数据。

• GAIB：致力于AI和高性能计算领域的经济层解决方案，旨在通过金融化和代币化GPU资源，创建全新的资产类别和经济体系。

• Kite AI：专为人工智能经济设计的去中心化Layer 1区块链平台，通过创新的Proof of AI（PoAI）共识机制，解锁对AI资产的公平访问与奖励。

• Automata：为去中心化应用提供中间层的隐私保护和无追踪计算功能。

• Public AI：致力于打造开放透明的AI数据平台，支持多模态数据的收集和标注。

3. 可验证的AI

AI发展面临的重要挑战之一是训练过程的不透明，以及无法保证AI输出结果的准确性。目前有许多项目希望通过ZKP、TEE等技术实现对AI训练过程的可验证性，保证AI输出结果的可靠性。

• Phala Network：去中心化云计算平台，为链上应用提供可信的隐私计算和AI推理服务。

• Brevis：去中心化计算引擎，提供可验证的链下AI和区块链计算，结合零知识证明提升隐私与效率。

• Verisense Network：专注于去中心化数据验证与可信AI的创新平台，帮助开发者验证数据来源，确保训练数据的真实性和完整性。

二、AI用例：潜力与期待

相较于丰富的AI基础设施，目前出彩的AI实际用例项目仍相对较少。以下是一些值得关注的项目：

• Narra：基于某区块链的Gamefi AI Agent平台，利用AI引擎生成实时动态叙事内容，与玩家交互、推动故事发展。

• AI Travel：AI驱动的旅行助手，能通过聊天方式帮助用户自动定制旅行计划，并提供订购和比价服务。

• HeyTracyAI：专注于篮球领域的体育解说AI Agent，能为比赛提供实时分析和预测性见解。

• AskJimmy：专注于金融和交易领域的AI Agent平台，目标是创建由AI Agent自主运行的去中心化多策略对冲基金。

三、传统项目向AI转型

大势所趋，许多传统Web3项目也纷纷拥抱AI，宣布了各自的AI转向计划。

一些成熟的公链积极参与AI相关会议，表示AI Agent的出现有助于简化复杂的区块链交互流程，能够将更多用户引入Web3世界。这些公链纷纷表示了AI先行的发展目标，将从底层架构、账户创新等方面全面支持AI的发展，同时通过黑客松等活动鼓励开发者在链上进行AI应用的创新和发展。

一些专注于特定领域的项目也开始探索AI领域。例如，过去专注于Restaking服务的某项目表示，正在努力构建去中心化的信任层，提供可验证的云服务，为AI的训练和推理、预测等链下运算提供链上证明，助力可验证的AI Agent的发展。

四、挑战与未来

尽管AI与Web3的融合前景光明，但当前发展仍面临诸多挑战，包括模型可靠性不足、提示词意图的模糊性、存储和硬件限制，以及隐私安全等问题。这些挑战不仅带来技术难题，也孕育着巨大的创新机会。

长远来看，业界对链上AI的发展充满希望，期待通过基础设施的进一步完善、用例创新和社区协作，共同推动AI与Web3的融合与繁荣。随着技术的不断进步和更多实际应用的涌现，AI与Web3的结合将为数字世界带来更多令人兴奋的可能性。