Web3作為一種去中心化、開放、透明的全新互聯網範式,與AI 有著天然的融合契機。在傳統的集中式架構下,AI運算和資料資源受到嚴格控制,且存在算力瓶頸、隱私洩漏、演算法黑箱等諸多挑戰。而Web3基於分散式技術,可以透過共享算力網路、開放資料市場、隱私運算等方式,為AI的發展注入新的動力。同時,AI也能為Web3帶來諸多賦能,如智能合約優化、反作弊演算法等,協助其生態建設。因此,探索Web3和AI的結合，對於建構下一代網路基礎設施、釋放數據和算力價值至關重要。
數據驅動：AI與Web3的堅實基礎
數據是驅動AI發展的核心動力，正如燃料之於引擎。 AI模型需要消化大量高品質資料,才能獲得深入理解和強大的推理能力，資料不僅為機器學習模型提供訓練基礎，還決定了模型的準確性和可靠性。
在傳統的中心化AI資料取得和利用模式中,存在以下幾個主要問題:
- 資料取得成本高昂，中小企業難以負擔；
- 數據資源被科技巨頭所壟斷，形成了數據孤島；
- 個人資料隱私面臨洩漏和濫用的風險
Web3能夠以新的去中心化資料範式來解決傳統模式的痛點。
- 透過Grass，用戶可以出售閒置網路給AI公司，去中心化地抓取網路數據，經過清理和轉化，為AI模型訓練提供真實、高品質的數據；
- Public AI採用「label to earn」模式，透過代幣激勵全球工作者參與數據標註，匯聚全球的專業知識，增強數據的分析能力；
- 區塊鏈資料交易平台如Ocean Protocol、Streamr等，為資料供需雙方提供了一個公開且透明的交易環境，激勵資料的創新與分享。
儘管如此，真實世界的資料取得也存在一些問題，例如資料品質不一、處理難度高、多樣性和代表性不足等。合成數據可能是Web3數據賽道未來的明星。基於生成式AI技術和模擬，合成資料能夠模擬真實資料的屬性，作為真實資料的有效補充，提高資料使用效率。在自動駕駛、金融市場交易、遊戲開發等領域，合成數據已顯示出其成熟的應用潛力。
隱私權保護：FHE在Web3中的作用
在資料驅動時代，隱私權保護已成為全球關注的焦點，歐盟的一般資料保護規範（GDPR）等法規的出台，反映了對個人隱私的嚴格守護。然而，這也帶來了挑戰：一些敏感資料因隱私風險而無法充分利用，這無疑限制了AI模型的潛能和推理能力。
FHE即全同態加密，允許在加密資料上直接進行計算操作，而無需對資料進行解密，且計算結果與在明文資料上進行相同計算的結果一致。
FHE為AI隱私計算提供了堅實的保護，使得GPU算力能夠在不觸及原始資料的環境中執行模型訓練和推理任務。這為AI公司帶來了巨大的優勢。它們可以在保護商業機密的同時，安全地開放API服務。
FHEML支援在整個機器學習週期內對資料和模型進行加密處理，確保敏感資訊的安全性，防止資料外洩風險。透過這種方式，FHEML強化了資料隱私，為AI應用提供了一個安全的計算框架。
FHEML是ZKML的補充，ZKML證明機器學習的正確執行，而FHEML 則強調對加密資料進行計算以維護資料隱私。
算力革命：去中心化網路中的AI計算
目前AI系統的計算複雜度每3個月翻一番，導致算力需求激增，遠超現有運算資源的供應。例如，OpenAI的GPT-3模型訓練需要巨大算力，相當於單一裝置上355年的訓練時間。這樣的算力短缺不僅限制了AI技術的進步，更讓那些高階的AI模型對大多數研究者和開發者來說變得遙不可及。
同時，全球GPU的使用率不到40%，加上微處理器效能提升的放緩，以及供應鏈和地緣政治因素導致的晶片短缺，這些都讓算力供應問題變得更加嚴重。 AI從業人員陷入了兩難：要麼自購硬件，要麼租賃雲端資源，他們急需一種按需、經濟高效的運算服務方式。
IO.net是一個基於Solana的去中心化AI算力網絡，透過聚合全球範圍內的閒置GPU資源，為AI公司提供了一個既經濟又易於訪問的算力市場。算力需求方可在網路上發布計算任務，智能合約將任務分配給貢獻算力的礦工節點，礦工執行任務並提交結果，經驗證後獲得積分獎勵。 IO.net的方案提高資源利用效率，有助於解決AI等領域的算力瓶頸問題。
除了通用的去中心化算力網絡，還有像Gensyn、Flock.io這樣專注於AI訓練的平台，以及Ritual、Fetch.ai這樣專注於AI推理的專用算力網絡。
去中心化算力網路提供公平透明的算力市場，打破壟斷，降低了應用門檻，提高了算力的利用效率。在web3生態系中，去中心化算力網絡將發揮關鍵作用，吸引更多創新dapp的加入，共同推動AI技術的發展與應用。
DePIN：Web3賦能Edge AI
想像一下，你的手機、智慧手錶、甚至家中的智慧型設備，都具備了運作AI的能力——這就是Edge AI的魅力所在。它讓運算發生在資料產生的源頭，實現了低延遲、即時處理，同時保護了使用者的隱私，Edge AI技術已應用於自動駕駛等關鍵領域。
在Web3領域，我們有個更熟悉的名字—DePIN。 Web3強調去中心化和用戶資料的主權，DePIN透過在本地處理數據，可以增強用戶隱私保護，減少資料外洩的風險；Web3
原生的Token經濟機制可激勵DePIN節點提供運算資源,建構一個可持續的生態系統。
目前DePIN在Solana生態中發展迅速，成為專案部署的首選公鏈平台之一。 Solana的高TPS、低交易費用以及技術創新為DePIN專案提供了強大支援。目前，Solana上的DePIN項目市值超過100億美元，知名項目如Render Network和Helium Network已取得顯著進展。
IMO：AI模型發布新範式
IMO的概念由Ora protocol首先提出，將AI模型代幣化。
在傳統模式下，由於收益分享機制缺失，一旦AI模型被開發出來並投入市場，開發者往往難以從模型的後續使用中獲得持續的收益，尤其是當模型被整合進其他產品和服務後，原始創造者很難追蹤使用情況，更不用說從中獲得收益了。而AI模型的性能和效果往往缺乏透明度，這讓潛在的投資者和使用者難以評估其真正價值，限制了模型的市場認可和商業潛力。
IMO為開源AI模型提供了一種全新的資金支持和價值共享方式，投資者可以購買IMO代幣，並分享模型後續產生的收益。 Ora Protocol使用ERC-7641和ERC-7007兩個ERC標準，結合AI預言機（Onchain AI Oracle）和OPML技術來確保AI模型的真實性和代幣持有者能夠分享收益。
IMO模式增強了透明度和信任，鼓勵開源協作，適應加密市場趨勢，並為AI技術的可持續發展注入了動力。 IMO目前還處於初期嘗試階段，但隨著市場接受度的提升和參與範圍的擴大，它的創新性和潛在價值值得我們期待。
AI Agent：互動體驗的新紀元
AI Agent能夠感知環境，進行獨立思考，並採取相應的行動以實現既定目標。在大語言模型的支持下，AI Agent不僅能理解自然語言，還能規劃決策，執行複雜的任務。它們可以作為虛擬助手，透過與用戶的互動學習其偏好，並提供個人化的解決方案。在沒有明確指示的情況下，AI Agent也能自主解決問題，提高效率，創造新價值。
Myshell 是一個開放的AI 原生應用平台，提供全面易用的創作工具集，支援使用者配置機器人功能、外觀、聲音以及連接外部知識庫等，致力於打造公平開放的AI 內容生態系統，利用生成式AI技術，賦能個人成為超級創作者。 Myshell訓練了專門的大語言模型，使角色扮演更人性化；語音克隆技術可以加速AI 產品個性化交互，MyShell 把語音合成成本降低99%，語音克隆僅需1 分鐘即可實現。利用Myshell客製的AI Agent，目前可應用於視訊聊天、語言學習、影像生成等多領域。
在Web3與AI的融合上，目前更多的是對基礎設施層的探索，如何獲取高品質資料、保護資料隱私，如何在鏈上託管模型，如何提高去中心化算力的高效使用，如何驗證大語言模型等關鍵問題。隨著這些基礎設施的逐步完善，我們有理由相信，Web3與AI的整合將孕育出一系列創新的商業模式和服務。
