作者/茉莉
編輯/文刀
隨著AI大模型的普及，AI與Web3的融合領域已然成為加密資產市場的熱門板塊，兩個技術在「資料」的應用層面爆發出可融潛力。
當紅炸子雞人工智慧自然語言大模型的基礎是“三算”，其中之一便是算據，理論上，為大模型提供的數據集越大，在有效訓練之後的學習與預測能力就越強。而Web3的底層區塊鏈技術本質上分散式資料庫，以時序打包資料的鍊式結構形成了資料無法被竄改的特性。
二者或有互補優勢。 Web3區塊鏈能夠安全地儲存數據，作為一種帳本，它的「分散式儲存和運算」屬性，可以為AI的算據層面提供定價和真實性的保障；而AI能夠提升區塊鏈交易的效率，將複雜的資料處理程序自動化。
一個例子是鏈上交易的自動化，這可以應用於加密資產市場。由機器學習驅動的AI演算法可以追蹤市場波動，分析大規模的數據，從中找到規律與趨勢，並根據預定的標準執行交易。
AI還可以應用在區塊鏈的安全性上，利用機器學習演算法檢查交易數據，尋找可疑趨勢或異常，並持續從數據中學習以避免新的風險。
雖然目前AI與Web3都處於初步階段，但前者被認為有可能為Web3乃至加密資產市場帶來改變。 Fortune Business Insights的報告顯示，區塊鏈的人工智慧市場在2020年為2.205億美元，到2027年可達到9.736億美元，複合年增長率為23.6%。
盤點AI+Web3項目，不難發現，目前的8個早期龍頭項目主要發揮了「AI提升生產力」的特性，已經將AI大模型及機器學習的能力應用到Web3的底層技術設施或具體應用中，包括：
- 將AI的多模態生成（AIGC）能力應用到了NFT生成；
例如ChainGPT（CGPT），這個區塊鏈的人工智慧解決方案不僅能提供Web2世界常見的文字內容生成、AI聊天機器人功能外，還是一個NFT生成器；再例如Aspecta，它建構了一個人工智慧生成的身分系統，透過Aspecta ID連結Web2和Web3的帳戶，根據帳戶持有者的經驗與經驗形成社群聯繫，存取不同的DAO和應用程式。
- 將AI的機器學習能力轉化為建構Web3應用程式的工具/平台；
例如Fetch.ai（FET），它是一個開發去中心化應用程式的基礎設施，利用人工智慧的自動化技術，提供了創建和連接智慧代理（Agents）的工具，幫助用戶執行數位經濟中的複雜任務。
- 將Web3分散式儲存、交易、運算的能力應用到AI發展所需的生產資料/資源；
例如iExec（RLC），它是基於區塊鏈的去中心化計算資產市場，旨在將資源提供者與資源使用者聯繫起來，允許任何人租用計算能力、數據集；再如去中心化人工智慧服務網路SingularityNET（AGIX），它允許用戶將服務發佈到網路上供需求方付費（加密資產）整合。
8個早期AI+Web3龍頭項目
在AI+Web3中，除了以上8個早期誕生的龍頭項目外，一些新「選手」也在奔赴賽道的路上。
針對「數據」這個最明顯的結合處，有專案利用了區塊鏈的分散特性，解決資料壟斷問題。
例如，Bagel Network，它創造了「機器學習數據湖」的概念，允許用戶以任意規模存儲所有結構化和非結構化數據，支持數據科學家和AI工程師以低成本且保護隱私的方式，獲得/交換那些經過授權且可驗證的資料集。 Bagel Network的目的是建立一個去中心化的資料平台，來支援機器學習（ML）模型。
還有不少新專案將AI的能力直接發揮到了Web3最受矚目的金融應用層面，包括加密資產的交易和支付領域。
例如GT Protocol，它是一個由ChainGPT孵化的加密資產AI執行協議，它允許任何實體或個人創建一個DeFi智能合約池，利用AI收集和管理用戶貢獻的流動性，一方面發揮了AI的自動化能力，另一方面也利用了智能合約在鏈上的透明化特徵。
8個新進AI+Web3 應用
可以預見，2024年，圍繞AI的大模型及其應用仍會以層出不窮的態勢繼續向前發展，而Web3 這個最愛追逐熱點的世界也將持續跟進AI這個大熱門，兩個技術的演進與相互融合，也將為加密資產市場的AI板塊增加規模。
